YÖNTEM Amaç

Bu çalışmada amaç, İİBF’de Genel Muhasebe dersi alan öğrencilerin derse yönelik görüşlerini ortaya koymak üzere karar ağacı yöntemlerinden biri olan CHAID algoritması kullanılarak öğrencilerin görüşlerini önemli düzeyde etkileyen faktörlerin tespit edilmesi ve bu faktörlerin alt başlıklara ayrılarak yüksek etki derecesine sahip olan faktörlerin belirlenmesidir. Bu hedef doğrultusunda gerekli veriler, İnönü Üniversitesi (İÜ) İİBF’de farklı bölümlerde öğrenim gören öğrencilerden elde edilmiştir.

1.2. Veri Toplama Yöntemi¹

Çalışmada, 2015-2016 Eğitim-Öğretim yılı Güz döneminde İÜ İİ-BF’nin iki bölümünde, farklı sınıflarda, ders süresi ve yöntemin aynı ol-duğu, aynı öğretim elemanı tarafından anlatılan Genel Muhasebe I dersini alan öğrencilerden anket tekniği ile elde edilen veriler kullanılmıştır. Bu kapsamda 166 anket değerlendirmeye alınmıştır. Anket, Geiger ve Ogil-by (2000) tarafından geliştirilen ölçekten faydalanılarak oluşturulmuştur.

Anketin ilk bölümünde demografik özelliklerin tespitine yönelik sorulara yer verilmiştir. İkinci bölümde ise öğrencilerin derse yönelik görüşlerini belirlemeye sorular bulunmaktadır. Bu sorular 5’li Likert ölçeğine göre ha-zırlanmış olup 5 “kesinlikle katılıyorum”, 4 “katılıyorum”, 3 “kararsızım”, 2 “katılmıyorum” ve 1 “kesinlikle katılmıyorum” şeklinde ifade edilmiştir.

Sorular ve sorulara verilen cevapların ortalamaları ve standart sapmaları Tablo 1’de gösterilmektedir.

Tablo 1. Anket Sorularına Verilen Cevapların Ortalaması

Anket Soruları N Ortalama Standart Sapma

İş hayatımda başarılı olmamı sağlayacaktır 166 4,1145 1,01153 Kariyerimde başarılı olmamı sağlayacaktır 166 4,0301 ,96875 Dersteki başarım benim için ödüllendiricidir 166 4,0060 ,99390 Diğer derslere göre daha fazla çalışmalıyım 166 4,0843 1,04684 Dersin ilerleyen sürecini merak ediyorum 166 3,9217 1,02094 Derste başarılı olmak için motive oldum 166 3,3795 1,03012 Dersten çok şey öğrenmeyi bekliyorum 166 4,0241 ,89410 Derste eğitmenin etkili olduğunu düşünüyorum 166 4,3012 ,96904 Dersin sıkıcı olduğunu düşünüyorum 166 3,8373 1,11358 Dersin zor olduğunu düşünüyorum 166 2,4398 1,26227

1 Aksu ve Oral (2017) tarafından yapılan “Lisans Öğrencilerinin Muhasebe Dersine Yönelik Algı Tutum ve Başarı Durumlarına İlişkin Bir Araştırma” isimli çalışmanın verileri kullanılmıştır.

Çalışmada kullanılan verilere önce güvenirlik analizi yapılmıştır.

Analiz sonucu, ölçeğin güvenilirliğini ifade eden Cronbach α değeri 0,712 olarak bulunmuş ve böylece ankette yer alan 10 adet sorunun oldukça gü-venilir olduğu belirlenmiştir. Analiz için SPSS 20.0 programı kullanılmış-tır.

2. ANALİZ

2.1. Karar Ağaçları

Karar ağaçları, sınıflandırma problemlerine uygulanabilen ve para-metrik olmayan bir yöntemdir. Bir veri kümesini daha küçük kümelere bölmek üzere kurallar dizisi içermektedir. Ardı sıra gerçekleşen her bölme ile ortaya çıkan veri üyeleri birbirine daha çok benzemektedir. Karar ağaç-ları; kolay yorumu, oluşturulan sınıflandırma modelinin kolay anlaşılabilir olması, diğer sınıflandırma yöntemlerine kıyasla daha hızlı oluşturulması gibi özellikleriyle karar vericiler için avantaj sağlamaktadır (Albayrak ve Yılmaz, 2009: 39; Çalış vd., 2014: 5; Irmak ve Ercan, 2017: 555; Onan, 2015:11). Hem kategorik hem de sürekli değişkenlere kolaylıkla uygulana-bilmektedir. Bağımlı ve bağımsız değişken arasındaki ilişki, ağaç şeklin-deki model gösterimi ile sonuçların kolay yorumlanabilmesini sağlamak-tadır. Model, hangi değişken ya da değişkenlerin daha önemli olduğunu açıkça belirtmektedir. Bağımlı değişkeni etkileyebilecek bütün bağımsız değişkenleri ve değişkenlerin tüm birleşimlerini modele katmakta ve olası en doğru sınıflandırmayı yapmaktadır (Uzgören vd. 2015: 456). Bir karar ağacının temel yapısı Şekil 1’de gösterilmektedir.

Şekil 1. Karar Ağacı Temel Yapısı

Şekil 1 incelendiğinde bir karar ağacının; ağaç dalları ile birbirine bağlanan ve düğüm (Node) adı verilen, hiyerarşik olarak düzenlenmiş veri gruplarını içerdiği görülmektedir. Yapının başlangıcında ağacın kökü (kök düğüm) bulunmakta ve bağımlı değişkeni ifade etmektedir (Milano-vić ve Stamenko(Milano-vić (2016: 568). Dallar ve yapraklar, ağaç yapısının diğer elemanları olup en son kısım yaprak ve köktür. Yapraklar arasında kalan kısımlar ise dal olarak ifade edilmektedir (Kavzoğlu ve Çölkesen, 2010:

39). Bir karar ağacında en önemli bağımsız değişken, sınıflandırmanın ilk düğümünde görülmektedir. Düğümdeki tüm örneklerin aynı sınıfa ait ol-ması, dallanma için başka bir değişkenin kalmaması veya değişkeninin söz konusu değerine sahip kayıt bulunmaması durumlarına kadar ağaç yapısı büyümeye devam etmektedir. Bir başka ifade ile bağımlı ve bağımsız de-ğişkenler arasında önemli bir ilişki olmadığında düğüm oluşumu ve yapı-landırma süreci sona ermektedir. Bu süreç, örneklem büyüklüğünün getir-diği sınırlamalara da bağlıdır (Díaz-Pérez, F.M. ve Bethencourt-Cejas, M., 2016: 276; Yıldıztepe ve Kocataş, 2018: 99).

Karar ağacındaki yapı, kullanılan algoritmaya göre oluşmaktadır.

Hedef, genelleme hatasını en aza indiren karar ağacını elde etmektir. Bu amaçla, veri setinden otomatik olarak karar ağacı oluşturan farklı algorit-malar geliştirilmiştir. (Irmak ve Ercan, 2017: 555). Bu algoritalgorit-malar içinde C4.5 ve C5.0 (Classification), CHAID (Chi-Squared Automatic Interac-tion Detector) ve Exhaustive CHAID, CRT (ya da CART (ClassificaInterac-tion and Regression Trees)), ID3 (Iterative Dichotomiser 3), MARS (Multi-variate Adaptive Regression Splines), QUEST (Quick Unbiased Efficient Statistical Tree), SLIQ (Supervised Learning in Quest), SPRINT (Scalable Paralleizable Induction of Decision Trees) bulunmaktadır (Albayrak ve Yılmaz, 2009: 40; Aytekin vd, 2018: 785).

Bu çalışmada, karar ağacı oluşturmak üzere CHAID algoritması kul-lanılmıştır. CHAID algoritması 1980 yılında Kaas tarafından geliştirilmiş olup kategorik değişkenlere sahip veri kümesini özel ve kapsamlı alt grup-lara ayırmaktadır. Bu kapsamlı alt grupgrup-lara tekrarlamalı ogrup-larak bölünmesi için temel ölçüt, Ki-kare test istatistiğidir (Albayrak ve Yılmaz, 2009: 34;

Isı vd, 2014: 278; Ritschard, 2013: 56; Hsu ve Kang, 2007: 207-208; Mila-nović ve Stamenković, 2016: 572). Algoritma, kök düğümden başlayarak yinelemeli olarak homojen düğümler oluşturarak düğümler arası/içi var-yans arttırılmakta/azaltılmaktadır (Karakaya vd, 2018: 87). CHAID sınıf-landırma ve tahminin yanı sıra değişkenler arasındaki etkileşimi keşfetmek amacıyla da kullanılmaktadır. Kategorik bağımlı değişken ile kategorik ve/

veya metrik olabilen çoklu bağımsız değişkenler arasındaki ilişkinin tespiti için kullanılmaktadır (Bilgiç ve Çakır, 2019: 343; Milanović ve Stamen-ković 2016: 571). CHAID analizi; çok güvenilir tahminler sunması, mo-delin gerçek yapısal formunda belirlenen varsayımları dikkate almaması, multinominal lojistik regresyon modellerine alternatif olarak

kullanılabil-mesi, bağımsız değişkenlerdeki kayıp gözlemleri tahmin edebilkullanılabil-mesi, geniş örneklemlerden yararlanabilmesi, bağımsız değişkenlerin aynı tip ölçek-le gösterilmesine gerek olmaması ve aralarındaki ilişkiölçek-lerin daha ayrıntılı değerlendirilebilmesi nedenleriyle uygulamada en çok tercih edilen ağaç diyagramıdır (Şata ve Çakan, 2018: 49; Uzgören vd. 2015: 457).

3. BULGULAR

Çalışmada karar ağaçları bakımından hedef değişkenler olan yaş, cin-siyet, bölüm ve ders geçme notu bulgularına göre CHAID modeli sonuçları ve bunlara ilişkin profiller aşağıdaki gibidir.

3.1. CHAID Karar Ağacı ile Elde Edilen Muhasebe Ders Algısı Yaş Bulguları

Hedef değişken seçilen “yaş” bulgularına göre araştırma kapsamın-da Muhasebe dersi algılarını etkileyen önemli bir değişken bulunamadığı anlaşılmaktadır. Öğrencilerin yaklaşık olarak aynı yaş grubunda olmaları bunun en belirgin sebebidir.

Şekil 2. Öğrencilerin yaşı değişkenine göre karar ağacı

Şekil 2 incelendiğinde, öğrencilerin %15,1’inin (25 öğrenci) 18,

%30,1’inin (50 öğrenci) 19, %28,3’ünün (47 öğrenci) 20, %16,3’ünün (27 öğrenci) 21 ve %10,2’sinin (17 öğrenci) ise 21 üstü yaş gruplarında olduğu görülmektedir. Öğrencileri klasik yöntemle bu beş grupta toplamak zaten mümkünken karar ağaçları yöntemi ile değişken özelliklerine göre fark-lı profillerde gruplandırma söz konusudur. Bu araştırmada bu farkfark-lıfark-lıklar cinsiyet, bölüm, öğrenim türü ve ders geçme notu değişkenleri için farklı profillerde ortaya çıkmıştır.

3.2. CHAID Karar Ağacı ile Elde Edilen Muhasebe Ders Algısı Cinsiyet Bulguları

Hedef değişken seçilen “cinsiyet” bulgularına göre araştırma kapsa-mında Muhasebe dersi algıları ölçülen 166 öğrenciden %45.2’sinin (75 öğrenci) erkek, %54.8’inin (91 öğrenci) kadın olduğu görülmektedir. Şekil 3’te gösterilmekte olan CHAID karar ağacı ile öğrencilerin cinsiyet pro-filleri oluşturulmuştur. Buna göre karar ağacı 2 ana daldan oluşmakta ve öğrenciler 3 farklı profilde toplanmaktadır. Tablo 2’de ise bu 3 profile, profili oluşturan düğümlere ve cinsiyet değişkenine etki eden en önemli

değişkenlere yer verilmektedir. Profilleri ve cinsiyet değişkenini değerlen-dirmek üzere Tablo 2 ve Şekil 3 birlikte incelenmektedir.

Tablo 2. Cinsiyet Profilleri ve Profilleri Oluşturan Değişkenler Profiller Düğümler Dersin eğitmeni Dersi Öğrenme Beklentisi Profil 1 1 <= katılıyorum

Profil 2 2, 3 > katılıyorum <= katılıyorum Profil 3 2, 4 > katılıyorum > katılıyorum

Şekil 3. Öğrencilerin cinsiyeti değişkenine göre karar ağacı

Şekil 3 incelendiğinde; Cinsiyete göre ağacın dallarının 2 ana kolda (Node 1 ve Node 2) toplandığı görülmektedir. Bu iki düğümü oluşturan alt düğümler de profilleri oluşturmaktadır. Öğrencilerin cinsiyet profillerini oluşturan en önemli değişkenler sırasıyla dersin öğretim üyesi (p=0,027) ve dersi öğrenme beklentisi (p=0,015) değişkenleridir.

Profil 1 (Node 1): Tablo 2 ve Şekil 3’te görüldüğü gibi 1. profil dersin eğitmeni değişkeninden oluşmaktadır. Bu profile göre, “dersin eğitmeni-nin etkili olduğunu düşünüyorum” düşüncesine “katılıyorum ve kararsı-zım/katılmıyorum/kesinlikle katılmıyorum” cevabını veren 76 öğrenci bu-lunmaktadır. Bu grubu oluşturan öğrencilerin %56,6’sı (43 öğrenci) erkek,

%43,4’ü (33 öğrenci) ise kadındır.

Profil 2 (Node 2, Node 3) ve Profil 3 (Node 2, Node 4):

Tablo 2 ve Şekil 3’te görüldüğü üzere 2. ve 3. profiller dersin eğitmeni ve dersi öğrenme beklentisi değişkenlerinden oluşmaktadır. Bu profillere göre, “dersin eğitmeninin etkili olduğunu düşünüyorum” düşüncesine “ta-mamen katılıyorum” cevabını veren 90 öğrenci bulunmaktadır. Bu grubu oluşturan öğrencilerin %56,6’sı (43 öğrenci) erkek, %43,4’ü (33 öğrenci) ise kadındır. 2. ve 3. profillerdeki öğrencileri ayıran düşünce dersi öğren-me beklentisidir. Buna göre, dersten çok şey öğrenöğren-meyi bekliyorum dü-şüncesine “katılıyorum ve kararsızım/katılmıyorum/kesinlikle katılmıyo-rum” cevabını veren 2.profilde %21,7 (10 öğrenci) erkek ve %78,3 (36 öğrenci) kadın olmak üzere toplam 46 öğrenci bulunmaktadır. 3.profilde dersten çok şey öğrenmeyi bekliyorum düşüncesine tamamen katılan 44 öğrencinin cinsiyet dağılımı ise (%50, 22 öğrenci) eşittir.

3.3. CHAID Karar Ağacı ile Elde Edilen Muhasebe Ders Algısı Bölüm Bulguları

Hedef değişken seçilen “bölüm” bulgularına göre araştırma kapsamın-da Muhasebe dersi algıları ölçülen 166 öğrenciden %34,9’unun (58 öğren-ci) Ekonometri, %65,1 (108 öğrenöğren-ci) İktisat bölümünde olduğu görülmek-tedir. Şekil 4’de gösterilmekte olan CHAID karar ağacı ile öğrencilerin bölüm profilleri oluşturulmuş ve öğrenciler 3 farklı profilde toplanmıştır.

Buna göre karar ağacı 2 ana daldan oluşmakta ve öğrenciler 4 farklı profil-de toplanmaktadır. Tablo 3’te ise bu 4 profile, profili oluşturan düğümlere ve bölüm değişkenine etki eden en önemli değişkenlere yer verilmektedir.

Profilleri ve bölüm değişkenini değerlendirmek için Tablo 3 ve Şekil 4 birlikte incelenmektedir.

Tablo 3. Bölüm Profilleri ve Profilleri Oluşturan Değişkenler

Profiller Düğümler Daha fazla çalışma Başarının ödüllendiriciliği Profil 1 1, 3 <= katılıyorum <= kararsızım

Profil 2 1, 4 <= katılıyorum kararsızım, katılıyorum Profil 3 1, 5 <= katılıyorum > katılıyorum

Profil 4 2 > katılıyorum

Şekil 4. Öğrencilerin bölümü değişkenine göre karar ağacı

Şekil 4 incelendiğinde; bölüme göre ağacın dallarının 2 ana kolda (Node 1 ve Node 2) toplandığı görülmektedir. Bu iki düğümü oluşturan alt düğümler de profilleri oluşturmaktadır. Öğrencilerin bölüm profillerini oluşturan en önemli değişkenler sırasıyla daha fazla çalışma (p=0,000) ve dersin başarıdaki ödüllendiriciliği (p=0,040) değişkenleridir.

Profil 1 (Node 1, Node 3), Profil 2 (Node 1, Node 4), Profil 3 (Node 1, Node 5): Tablo 3 ve Şekil 4’de görüldüğü üzere 1., 2. ve 3. profil daha fazla çalışma ve dersin başarıdaki ödüllendiriciliği değişkeninden oluş-maktadır. Bu profillere göre, “diğer derslere göre daha çok çalışmalıyım”

düşüncesine “katılıyorum ve kararsızım/katılmıyorum/kesinlikle katıl-mıyorum” cevabını veren 92 öğrenci bulunmaktadır. Bu grubu oluşturan öğrencilerin %47,8’i (44 öğrenci) Ekonometri, %52,2’si (48 öğrenci) ise İktisat bölümü öğrencisidir. 1., 2. ve 3. profillerdeki öğrencileri ayıran dü-şünce dersin başarıdaki ödüllendiriciliğidir. Buna göre, “dersteki başarım benim için ödüllendiricidir” düşüncesine “kararsızım/katılmıyorum/kesin-likle katılmıyorum” cevabını veren 1. profilde %29,2 (7 öğrenci) Ekono-metri ve %70,8 (17 öğrenci) İktisat bölümü öğrencisi olmak üzere toplam 24 öğrenci bulunmaktadır. 2. profilde “dersteki başarım benim için ödül-lendiricidir” düşüncesine kararsızım/katılıyorum cevabı veren 44

öğrenci-nin %66,7’si (26 öğrenci) Ekonometri bölümünde, %33,3’ü (13 öğrenci) ise İktisat bölümünde öğrenim görmektedir. 3. profil ise dersteki başarım benim için ödüllendiricidir düşüncesine “tamamen katılıyorum” cevabı veren 29 öğrenciden oluşmaktadır. Bu öğrencilerin %37,9’u (11 öğrenci) Ekonometri, %62,1’i (18 öğrenci) ise İktisat bölümündedir.

Profil 4: Tablo 3 ve Şekil 4’de görüldüğü üzere 4. profil “daha fazla çalışma gerekliliği” değişkeninden oluşmaktadır. Bu profile göre, “diğer derslere göre daha çok çalışmalıyım” düşüncesine “tamamen katılıyorum”

cevabını veren 74 öğrenci bulunmaktadır. Bu grubu oluşturan öğrencilerin

%18,9’u (14 öğrenci) Ekonometri, %81,1’i (60 öğrenci) ise İktisat bölü-mündedir.

3.4. CHAID Karar Ağacı ile Elde Edilen Muhasebe Ders Algısı Ders Geçme Notu Bulguları

Hedef değişken seçilen “ders geçme notu” bulgularına göre araştırma kapsamında Muhasebe dersi algıları ölçülen 166 öğrenciden %9’unun (15 öğrenci) 0-25, %47,6’sının (79 öğrenci) 26-50, %33,1’inin (55 öğrenci) 51-75, %10,2’sinin (17 öğrenci) 79-100 not aralıklarında olduğu anlaşıl-maktadır. Şekil 5’te gösterilmekte olan CHAID karar ağacı ile öğrenci-lerin ders geçme notu profilleri oluşturulmuştur. Buna göre karar ağacı 2 ana daldan oluşmakta ve öğrenciler 3 farklı profilde toplanmaktadır. Tablo 4’de ise bu 3 profile, profili oluşturan düğümlere ve bölüm değişkenine etki eden en önemli değişkenlere yer verilmektedir. Profilleri ve ders geç-me notu değişkenini değerlendirgeç-mek üzere Tablo 4 ve Şekil 5 birlikte in-celenmektedir.

Tablo 4. Ders Geçme Notu Profilleri ve Profilleri Oluşturan Değişkenler Profiller Düğümler Dersin zorluğu Dersin sıkıcılığı

Profil 1 1, 3 <= katılıyorum <= kesinlikle katılmıyorum Profil 2 1, 4 <= katılıyorum > kesinlikle katılmıyorum Profil 3 2 > katılıyorum

Şekil 5. Öğrencilerin ders geçme notu değişkenine göre karar ağacı Şekil 5 incelendiğinde; ders geçme notuna göre ağacın dallarının 2 ana dalda (Node 1 ve Node 2) toplandığı görülmektedir. Bu iki düğümü oluş-turan alt düğümler de profilleri oluşturmaktadır. Öğrencilerin ders geçme notu profillerini oluşturan en önemli değişkenler sırasıyla dersin zorluğu (p=0,000) ve dersin sıkıcılığı (p=0,006) değişkenleridir.

Profil 1 (Node 1, Node 3) ve Profil 2 (Node 1, Node 4):

Tablo 4 ve Şekil 5’de görüldüğü üzere 1. ve 2. profiller dersin zorlu-ğu ve dersin sıkıcılığı değişkenlerinden oluşmaktadır. Bu profillere göre,

“dersin zor olduğunu düşünüyorum” düşüncesine “katılıyorum/kararsızım/

katılmıyorum/kesinlikle katılmıyorum” cevabını veren 118 öğrenci bu-lunmaktadır. Bu grubu oluşturan öğrencilerin %5,1’inin (6 öğrenci) 0-25,

%43,2’sinin (51 öğrenci) 26-50, %38,1’inin (45 öğrenci) 51-75, %13,6’sı-nın (16 öğrenci) 79-100 not aralıklarında olduğu görülmektedir. 1. ve 2.

Profillerdeki öğrencileri ayıran düşünce dersin sıkıcılığı düşüncesidir. Buna göre, “dersin sıkıcı olduğunu düşünüyorum” düşüncesine “kesinlikle katıl-mıyorum” cevabını veren 1. profilde %4,8’i (2 öğrenci) 0-25, %23,8’inin (10 öğrenci) 26-50, %47,6’sının (20 öğrenci) 51-75, %23,8’inin (10 öğren-ci) 79-100 not aralıklarında olmak üzere toplam 42 öğrenci bulunmaktadır.

3. profilde “dersin sıkıcı olduğunu düşünüyorum” düşüncesine “kesinlikle katılıyorum/katılıyorum/kararsızım/katılmıyorum” cevabını veren 76 öğ-rencinin not dağılımının ise %5,3’ünün (4 öğrenci) 0-25, %53,9’unun (41 öğrenci) 26-50, %32,9’unun (25 öğrenci) 51-75, %7,9’unun (6 öğrenci) ise 79-100 olduğu görülmektedir.

Profil 3 (Node 2): Tablo 4 ve Şekil 5’te görüldüğü üzere 3. profil der-sin zorluğu değişkeninden oluşmaktadır. Bu profile göre, “derder-sin zor oldu-ğunu düşünüyorum” düşüncesine “tamamen katılıyorum” cevabını veren 48 öğrenci bulunmaktadır. Bu grubu oluşturan öğrencilerin %18,8’inin (9 öğrenci) 0-25, %58,3 (28 öğrenci) 26-50, %20,8’inin (10 öğrenci) 51-75,

%2,1’inin (1 öğrenci) 79-100 not aralıklarında olduğu görülmektedir.