Madde Tepki Analizi Sonuçları

Madde eğim ve madde yerleşim parametreleri kadın ve erkek grupları arasında farklılaşan maddeler ki-kare anlamlılık testine göre belirlenmiştir. Buna göre orta düzey karmaşıklık ölçen bir madde ve yüksek düzey karmaşıklık ölçen dört maddenin erkek katılımcıların ilgi düzeylerini kadınlara göre daha iyi ayırt ettiği bulunmuştur. Kadın grubu madde eğim parametresinin erkek grubu madde eğim parametresine bölünmesi ile elde edilen madde işlev farkı madde eğim parametreleri bu beş madde için .44 ve .64 arasında değişmektedir. Madde yerleşim parametresi yalnızca bir yüksek düzey karmaşıklık maddesi için kadın-erkek arasında farklılık göstermiştir.

Geriye kalan 21 madde için gruplar arasında eşdeğer bulunan maddelerin eğim parametreleri kadın grubunda 0.49 ile 1.95 arasında değişmekte, erkek grubunda ise 0.42 ile 1.45 arasında değişmektedir. Madde yerleşim parametreleri ise kadın grubunda -1.10 ile 0.29 arasında, erkek grubunda da -0.70 ile 0.07 arasında değişmektedir. 3.2. Gizil Değişken Ortalama Farkı Analizi Sonuçları

Kadın grup ortalamasının sıfıra sabitlenmesi ve erkek grup ortalamasının kadınlara kıyasla serbestçe belirlenmesi ile yürütülen iki-karmaşıklık düzeyi boyutlu modelin veriye çok iyi uyduğu bulunmuştur (S-B c2 (329) = 468.41, p < .001, CFI = .97, RMSEA = .058, CI .046, .069, MACS RMSEA = .056, CI .044, .067). Erkekler orta düzey karmaşıklık boyutunda da (B = .643, t = 4.89, p < .05), yüksek düzey karmaşıklık boyutunda da (B = .734, t = 6.38, p < .05) sembol içeren aktivitelere kadınlardan daha çok ilgi duyduklarını belirtmişlerdir. Bu farklar istatistiksel olarak .05 değerinde anlamlıdır.

4. TARTIŞMA

FTMM mesleki alanlarına duyulan ilgi literatürüyle tutarlı olarak orta ve yüksek karmaşıklık düzeyinde semboller içeren aktivitelere ilgilerde de kadın-erkek arasında istatististiksel olarak anlamlı farklar elde edilmiştir. Erkeklerin daha çok ilgi duyduğunu belirttiği bu örneklem hali hazırda bir teknik üniversitenin FTMM alanlarında okuyan öğrencilerdir. Su ve arkadaşlarının (2009) ortaya koyduğu meta-analiz farkları ise çoğunlukla lise öğrencileri arasında yürütülen mesleki ilgi envanter çalışmalarına dayanmaktadır (69 çalışmadan 46’sı). Bu meta-analizde yaş değişkeni kadın-erkek arasında mühendislik alanlarına duyulan ilgi farkında bir moderatör değişkeni olarak bulunmuştur; yaş yükseldikçe kadın-erkek farkının azaldığı gözlenmiştir. Kişi gerek ilgilerine bağlı olarak mesleki alanda seçimler yaptığından gerekse ilgi duyduğu müddetçe tanımakta olduğu seçilmiş alanda kaldığından, yaş ilerledikçe mesleğine uyum sağlamadığını düşünen kişiler ayrılmakta ve kadın-erkek farkları azalmaktadır. Üniversitede okunan alan mesleki kariyer seçim basamaklarından ilkidir, dolayısıyla lise düzeyine göre farkların azalmış olması beklenir. Ne var ki, FTMM alanlarını seçmiş olan katılımcılar arasında dahi erkeklerin daha ilgili olduğu gözlenmiştir. Bu bulgu, Low, Yoon, Roberts ve Rounds (2005) tarafından yürütülmüş bir meta-analiz ile tutarlıdır; 12 yaş civarında ergenlikte belirtilen mesleki ilgiler 40 yaşa kadar az değişiklik göstermektedir (r .55 ile .83 arasındadır).

Görülen odur ki, ilgilerinin yanı sıra diğer sosyo-kültürel faktörlerin de etkisinde (ör., Eccles, 1993, 1994) mesleki tercihlerde bulunan ancak tercih ettiği meslek dalında diğer bazı kişiler kadar ilgi duyarak ilerlemeyen bireyler mevcuttur ve FTMM alanlarında okuyan kadınlar buna bir örnektir.

Erkekler kadar ilgi duymadıkları halde, kadınların matematik alanındaki başarılarının erkeklere eşdeğer olduğu bulunmuştur (Else-Quest, Hyde ve Linn, 2010; Hyde, Lindberg, Linn, Ellis ve Williams, 2008). Bu çalışmaya temel oluşturan örneklem verisinden (Toker, 2010) elde edilen bilgilere göre de, kadın (M = 2.90, SD = .74) ve erkek (M = 2.85, SD = .90) gruplarının FTMM alan dersi not ortalamaları arasında anlamlı bir fark yoktur (t(117) = -0.39, p = 697). Aynı zamanda, kadın grubunun FTMM not ortalaması ile FTMM ilgisi arasındaki ilişki küçüktür (r = .23). Erkek grubunda bu ilişki büyüktür (r = .46). FTMM ilgileri ile başarı arasındaki ilişki düşük olmakla beraber, kadınların zamanla FTMM bölüm veya mesleklerinden ayrılma oranının erkeklerden daha fazla olduğu gözlenmektedir (Mau, 2003; National Science Foundation, 1999). Onsekiz yaşından 25 yaşına kadar boylamsal olarak incelenen bir kadın grubunda erkek-egemen FTMM mesleklerinden ayrılmayı yordayan değişkenlerin daha esnek bir iş hayali ve fen bilimlerine yeterince değer vermeme olduğu bulunmuştur (Frome, Alfeld, Eccless ve Barber 2006). Diğer bazı etmenlerin yanı sıra, ilgilerin de uzun vadede kadınların meslek gruplarından kaybedilmesine neden olduğu söylenebilir.

SONUÇ

Kadınları FTMM alanlarına kazandırmak üzere çeşitli politikalar ve faaliyetler mevcuttur. Buna rağmen kadınların bu alanlara erkekleden daha az ilgi göstermeleri, zamanla bu alanlara az değer verdiklerinden ayrıldıkları da ilgili yazında gösterilmiştir. Bu çalışmadan elde edilen bulgulara göre de FTMM alanında okuyan kadınların orta ve yüksek karmaşıklık düzeylerinde sembollerle etkileşimi gerektiren aktivitelere ilgileri erkeklerinkinden azdır. Bu bulgunun iş ve meslek danışmanları ve eğitimciler için implikasyonu, kadınlara gerçekçi bir mesleki önizleme sağlayabilmenin önemidir. Mesleki ilgi düzeyini arttırmaya yönelik lise düzeyi faaliyetleri, fen bilimleri alanında ilgi çekici, eğlenceli aktiviteler sunmanın yanı sıra, karmaşıklık düzeyi yüksek olan aktivileri de içermelidir. Mesleki seçimler yalnızca ilgilere bağlı kalarak çevresel faktörlerden izole bir ortamda yapılmamaktadır. Ancak kişi, meslekte etkileşime gireceği aktiviteleri yakından tanıma şansı bulursa, ilgilerini daha gerçekçi değerlendirebilecek ve diğer faktörleri değerlendirirken bunu da göz önünde bulundurabilecektir.

109

KAYNAKÇA

1. Armstrong, P. I., Rounds, J., & Hubert, L. (2008). Re-conceptualizing the past: Historical data in vocational 2. interest research. Journal of Vocational Behavior, 72, 284–297.

3. Betz, N. E., & Fitzgerald, L. F. (1987). The career psychology of women. Orlando, FL: Academic Press. 4. Browne, M. W., & Arminger, G. (1995). Specification and estimation of mean- and covariance-structure 5. models. In G. Arminger, C. C. Clogg, & M. E. Sobal (Eds.), Handbook of statistical modeling for the

social and behavioral sciences. New York: Plenum.

6. Budescu, D. V. (1993). Dominance analysis: A new approach to the problem of relative importance of 7. predictors in multiple regression. Psychological Bulletin, 114, 542-551.

8. Eccles, J. S. (1993). School and family effects on the ontogeny of children’s interests, self-perceptions, and 9. activity choice. In J. E. Jacobs & R. Dienstbier (Eds.), Developmental perspectives on motivation (Vol. 40,

pp. 145–208). University of Nebraska Press.

10. Eccles, J. S. (1994). Understanding women’s educational and occupational choices: Applying the Eccles et 11. al. model of achievement-related choices. Psychology of Women Quarterly, 18, 585–609.

12. Else-Quest, N. M., Hyde, J. S., & Linn, M. C. (2010). Cross-national patterns of gender differences in 13. mathematics: A meta-analysis. Psychological Bulletin, 136(1), 103–127.

14. Frome, P. M., Alfeld, C. J., Eccless, J. S., & Barber, B. L. (2006). Why don’t they want a male-dominated 15. job? An investigation of young women who changed their occupational aspirations. Educational Research

and Evaluation: An International Journal on Theory and Practice, 12(4), 359-372.

16. Gottfredson, L. S. (1986). Occupational aptitude patterns map: Development and implications for a theory of

17. job aptitude requirements. Journal of Vocational Behavior, 29, 254-291.

18. Holland, J. L. (1959). A theory of vocational choice. Journal of Counseling Psychology, 6(1), 35-45. 19. Holland, J. L. (1997). Making vocational choices: A theory of vocational personalities and work 20. environments (3rd ed.). Odessa, FL: Psychological Assessment Resources.

21. Hurtado, S., Eagan, M. K., Jr., & Chang, M. (2010). Degrees of success: Bachelor’s degree completion rates 22. among initial STEM majors. Retrieved July 15, 2011, from University of California Los Angeles, Higher

Education Research Institute Web site: http://heri.ucla.edu/publications-main.php.

23. Hyde, J. S., Lindberg, S. M., Linn, M. C., Ellis, A., & Williams, C. (2008, July 25). Gender similarities 24. characterize math performance. Science, 321, 494–495.

25. Inda, M., Rodriguez, C., & Peňa, J. V. (2013). Gender differences in applying social cognitive career theory 26. in engineering students. Journal of Vocational Behavior 83, 346–355.

27. Kennicutt, R. C., Jr. (1998). Star formations in galaxies along the hubble sequence. Annual Review of 28. Astronomy and Astrophysics, 36, 189-232.

29. Low, K. S. D., Yoon, M., Roberts, B. W., & Rounds, J. (2005). The stability of vocational interests from 30. early adolescence to middle adulthood: A quantitative review of longitudinal studies. Psychological

Bulletin, 131, 713–737.

31. Mau, W. C. (2003). Factors that influence persistence in science and engineering career aspirations. The 32. Career Development Quarterly, 51, 234 – 243.

33. National Science Foundation. (1999). Women, minorities, and persons with disabilities in science and 34. engineering: 1998 (NSF 94-333). Arlington, VA: Author.

35. Nauta, M. M. (2010). The development, evolution, and status of Holland’s theory of vocational personalities: 36. Reflections and future directions for counseling psychology. Journal of Counseling Psychology, 57(1), 11–22. 37. O*NET (2007). O*NET-SOC 2000 Occupations. Retrieved August 5, 2007 from

38. http://online.onetcenter.org/find/career?c=15&g=Go.

39. Samejima, F. (1997). Graded response model. In W. J. van der Linden and R. Hambleton (Eds), Handbook of 40. modern item response theory. New York: Springer-Verlag.

41. Spokane, A. R., Meir, E. I., & Catalano, M. (2000). Person-environment congruence and Holland’s theory: A 42. review and reconsideration. Journal of Vocational Behavior, 57(2), 137–187.

43. Su, R., Rounds, J., & Armstrong, P. I. (2009). Men and things, women and people: A meta-analysis of sex 44. differences in interests. Psychological Bulletin, 135, 859-894.

45. Swaney, K. B. (1995). Technical manual: Revised Unisex Edition of the ACT Interest Inventory (UNIACT). 46. Iowa City, IA: American College Testing.

48. Psychological Bulletin, 99, 118-128.

49. Toker, Y. (December, 2010). Non-ability correlates of the science/math trait complex: Searching for 50. personality characteristics and revisiting vocational interests. Doctoral Dissertation: Atlanta: Georgia

Institute of Technology.

51. Toker, Y., & Ackerman, P. L. (2012). Utilizing occupational complexity levels in vocational interest assessments: Assessing interests for STEM areas. Journal of Vocational Behavior, 80(2), 524-544.

52. Tracey, T. J. G., & Robbins, S. B. (2006). The interest-major congruence and college success relation: A longitudinal study. Journal of Vocational Behavior, 69(1), 64–89.

53. Universe Today. (2010). How does a star form? Retrieved September, 2010 from http://www.universetoday. com/24190/how-does-a-star-form/.

54. U.S. Department of Labor (1991). Dictionary of occupational titles (Revised 4th Edition). Employment and Training Administration.

55. Van Iddekinge, C. H., Putka, D. J., & Campbell, J. P. (2011). Reconsidering vocational interests for personnel selection: The validity of an interest-based selection test in relation to job knowledge, job performance, and continuance intentions. Journal of Applied Psychology, 96(1), 13–33.

111

ENGELLİ BİREYLERİN İSTİHDAM EDİLMESİNDE YAŞANAN SORUNLARA YÖNELİK BİR