Hızlı, ucuz, ondalıklı ve her gün tekrarlanabilen bir sayı.
Cihaz altın standartla uyuşuyor mu? İki ölçüm arasındaki fark gerçek bir değişim mi, gürültü mü?
Bir ölçümün güvenilir ve geçerli olduğunu nasıl anlarız?
Bir kavramın eş anlamlıları arasında OR, farklı kavramlar arasında AND.
Asıl makale açılıp doğrulanır; araç yalnızca arama yardımcısıdır.
Ölçüm aracını, birimi ve puanlamayı.
Uyku, yorgunluk, ısınma ve motivasyon her gün biraz farklıdır. Beden aynı kalsa bile sonuç oynar.
Alet, ölçen kişi ve teknik de küçük farklar yaratır. Her ölçüm "gerçek değer + hata"dır.
Gerçek bir gelişimden söz etmek için fark, bu gürültüden daha büyük olmalıdır.
Bir testin gürültüsü ne kadar? Bir farkın "gerçek" sayılması için ne kadar büyük olması gerekir? Yanıtı bu haftanın sonunda hesaplayacağız.
Aynı koşulda tekrarlanan ölçümlerin tutarlı çıkması.
Testin ölçmek istediği şeyi gerçekten ölçmesi.
Sınıf içi korelasyon katsayısı: 0–1 arası tutarlılık ölçüsü.
Ölçümün standart hatası: bir ölçümdeki tipik "gürültü", testin biriminde.
En küçük saptanabilir değişim: gürültüden ayırt edilebilen en küçük fark.
En küçük değerli değişim: sporcu için anlam taşıyan en küçük fark.
Yeni testin altın standartla ne kadar uyuştuğu.
Hep aynı yöne kayan hata (ör. hep 2 cm fazla ölçen alet).
Geçerlik-güvenirlik ilişkisi, hedef tahtası, tartı, sistematik ve rastgele hata, klasik test teorisi.
Bir ölçüm tutarsız sonuçlar veriyorsa, doğru şeyi de ölçemez. Her seferinde farklı kilo gösteren bir tartı, doğru kiloyu ölçemez.
Her zaman 5 kg fazla gösteren bir tartı tutarlıdır (güvenilir) ama doğru kiloyu göstermez (geçerli değil).
Doğru ölçen bir tartı, küçük hata payları içinde her zaman aynı kiloyu göstermelidir.
Oklar dağınık ve hedeften uzaksa: düşük güvenirlik + düşük geçerlik. Oklar birbirine yakın ama hedefin dışındaysa: yüksek güvenirlik + düşük geçerlik. Oklar birbirine yakın ve tam merkezdeyse: yüksek güvenirlik + yüksek geçerlik — bilimsel ölçümde hedeflenen budur.
| Durum | Güvenirlik | Geçerlik | Pratik Sonuç |
|---|---|---|---|
| Bozuk tartı (rastgele hatalı) | Düşük | Düşük | Kullanılamaz; hem tutarsız hem yanlış |
| Her zaman 5 kg fazla gösteren tartı | Yüksek | Düşük | Tutarlı ama sistematik yanlış (kalibrasyon gerekir) |
| Doğru kalibre edilmiş, hassas tartı | Yüksek | Yüksek | Bilimsel araştırmada kullanıma uygundur |
Bir okçu 6 atışın 5'ini hedefin sol üst köşesine, birbirine çok yakın saplıyorsa (yüksek güvenirlik, düşük geçerlik), nişan ayarında sistematik bir sapma vardır. Nişangâhı düzelttikten sonra atışlarını hem birbirine yakın hem de merkeze yapabiliyorsa, hem tekniği hem ekipmanı doğru çalışıyor demektir — bu, bir ölçüm aracının kalibrasyonunun neden periyodik kontrol edilmesi gerektiğinin somut örneğidir.
Yön: Sabit, öngörülebilir (hep + veya hep -)
Güvenirliğe etkisi: Etkilemez, sonuçlar hâlâ tutarlıdır
Geçerliğe etkisi: Bozar — doğru değeri kaydırır
Örnek: Kalibrasyonu bozuk bir tartının her zaman 2 kg fazla göstermesi
Yön: Değişken, öngörülemez
Güvenirliğe etkisi: Düşürür, tutarlılığı bozar
Geçerliğe etkisi: Çoklu ölçüm/ortalama alınca etkisi azalır
Örnek: Sporcu performansındaki günlük dalgalanmalar
Hep aynı yöne ve aynı miktarda kayan hata sistematiktir (yanlılık). Tartı çok tutarlıdır (güvenilir) ama doğru değildir (geçerli değil). Kalibrasyonla düzeltilebilir.
(36 + 38 + 40 + 42 + 44) ÷ 5 = 40 cm.
Sapmaların karesi alınıp toplanır, (n − 1)'e bölünür: (16 + 4 + 0 + 4 + 16) ÷ 4 = 10 cm².
√10 ≈ 3,2 cm. Tipik bir sporcu ortalamadan yaklaşık 3,2 cm uzaktadır; testin kendi birimiyle konuşur.
Güvenirlik katsayısı istatistiksel olarak "gerçek puan varyansının, toplam gözlenen puan varyansına oranı" olarak tanımlanır — hata varyansı ne kadar küçükse güvenirlik o kadar yüksektir.
Bir sporcu aynı gün üç kez 100 m koşuyor: 11,02 sn, 10,89 sn, 11,15 sn. Bu farklılıklar rastgele hatadır (rüzgâr, reaksiyon, ısınma düzeyi). Klasik Test Teorisi'ne göre sporcunun "gerçek" performansı üç derecenin ortalamasına (≈11,02 sn) en yakın tahmindir — bu yüzden milli takım seçmelerinde tek koşu yerine birden fazla deneme ortalaması tercih edilir.
Ölçüm 42 cm çıktıysa gerçek değer 41 ya da 43 olabilir. Rastgele hata her seferinde farklıdır; birkaç ölçümün ortalaması alınınca küçülür.
Her seferinde 1 kg fazla gösteren tartı tutarlıdır ama yanlıştır. Bu sistematik hata kalibrasyonla düzeltilir; ölçümü tekrarlamak onu küçültmez.
Tutarsız ölçüm doğruyu ölçemez; tutarlı ölçüm ise yine de yanlış olabilir. Güvenirliğe ve geçerliğe ayrı ayrı bakılır.
Kalibrasyon: aleti bilinen bir değere göre ayarlamak, örneğin tartıyı 20 kg'lık ağırlıkla sınamak. Yanlılık (bias): sistematik hatanın diğer adı. Klasik test teorisi: her puanı gerçek puan ile hatanın toplamı sayan model. Varyans: sayıların ortalamadan dağılımının ölçüsü; standart sapmanın karesi.
Güvenirlik türleri, ICC, katsayı vakaları, SEM ve SWC.
−1 ile +1 arasındadır; +1, iki ölçümde sporcuların sırasının aynı olduğunu söyler. Herkes cuma günü 2 saniye yavaş yüzse de r değişmez, yani kaymayı görmez.
0 ile 1 arasındadır; sıralamaya ek olarak değerlerin de aynı kalıp kalmadığına bakar. 1'e yakınsa farkın çoğu sporcular arasındadır, ölçümler arasında değil.
20 maddelik bir kaygı anketinde maddelerin birbiriyle uyumunu 0–1 arasında söyler. Tek uygulamayla hesaplanır; tekrar ölçüm gerekmez.
Küçük örneklemde hesaplanan ICC oynar. ICC 0,85 bulunsa da aralık 0,55–0,95 ise sayı "iyi" mi "orta" mı belli değildir (örnek değerler).
Aynı aracın aynı gruba farklı zamanlarda uygulanması. Örn: Sprint testi 1 hafta arayla
Maddelerin birbiriyle tutarlı ölçüm yapma derecesi. Örn: 20 maddelik motivasyon anketi
Farklı değerlendiricilerin tutarlılığı. Örn: 3 antrenörün jimnastik puanlaması
İki eşdeğer testin sonuç tutarlılığı. Örn: Kaygı ölçeğinin A/B formları
Çok maddeli ölçeklerde iç tutarlılık Cronbach alfa ile raporlanır. Alfa 0,95'i aşıyorsa maddeler birbirini tekrar ediyor olabilir; yüksek alfa her zaman "daha iyi" demek değildir.
10 yüzücünün 100 m serbest stil derecesi Pazartesi ve Cuma ölçülüyor. Pearson r = 0,92: yüzücülerin sıralaması tutarlı. Ama dikkat: herkes cuma günü 2 saniye yavaş yüzseydi de r değişmezdi. Test-tekrar testte bu yüzden ICC ve ölçüm hatası raporlanır (Atkinson ve Nevill, 1998).
Üç antrenör (Ali, Veli, Ayşe) aynı 8 sporcunun 100 m derecesini elle kronometreyle ölçüyor. ICC = 0,88: "kimin ölçtüğü" sonucu fazla değiştirmiyor. Yine de elle zamanlama, elektronik sisteme göre sistematik olarak farklı sonuç verir.
Yüzmede r = 0,40 çıksaydı, testte çok fazla rastgele hata (yorgunluk, motivasyon) olduğu düşünülürdü. Sprintte ICC = 0,45 çıksaydı, elle kronometre yerine elektronik ışık kapılı zamanlama sistemine geçilmesi önerilirdi.
SS × √(1 − ICC). 1 − 0,95 = 0,05; √0,05 ≈ 0,22; 5 × 0,22 ≈ 1,1 cm.
SEM × 1,96 × √2 ≈ 1,118 × 2,77 ≈ 3,1 cm. 1,96 %95 güven içindir; √2, fark iki ölçümden hesaplandığı için gürültünün iki kez girmesindendir.
0,2 × SS = 0,2 × 5 = 1,0 cm. Sporcu için anlam taşıyan en küçük değişim.
Fark MDC'den büyükse değişim gerçektir; SWC'den büyükse değerlidir. Örnekte 3,0 cm fark MDC'nin (3,1) altında: emin değiliz.
Gürültü SWC'ye yakın ya da büyükse tek ölçüme güvenmeyin: aynı gün 2–3 deneme yapıp ortalamasını alın, test koşullarını (saat, ısınma, zemin, ölçen kişi) sabitleyin.
Fark (1,5 cm) tipik hatadan (2,2 cm) bile küçük. Tipik hata SWC'den büyükse küçük değişimler gürültüde kaybolur; güvenmek için fark MDC'yi (~6 cm) aşmalı. Çözüm: ölçümü iyileştirmek ya da birkaç denemenin ortalamasını almak.
Sensörler genel olarak "iyi-mükemmel" güvenirlikte.
Kabloyla bağlanan konum ölçerler (LPT, doğrusal konum ölçer), giyilebilir ivmeölçerlerden (IMU, hareket algılayıcı) daha tutarlı.
Çoğu çalışma yalnız ICC veriyor; tipik hata ve uyum analizi eksik. Yazarlar temkin öneriyor.
ICC 0,75–0,90 iyi, 0,90 üstü mükemmel sayılır; yorum %95 güven aralığına göre yapılır. Test-tekrar testte yalnız Pearson r yetmez.
SEM tek ölçümün tipik gürültüsüdür (1,1 cm), MDC gerçek değişimin eşiği (3,1 cm). 42 → 45 cm artış bu eşiğin altında kaldı.
0,2 × SS = 1,0 cm. Gürültü SWC'den büyükse test küçük gelişmeleri yakalayamaz; 2–3 denemenin ortalaması alınır.
Test-tekrar test: aynı kişileri aynı koşulda iki kez ölçmek. Gözlemciler arası güvenirlik: ölçen kişi değişince sonucun ne kadar değiştiği. Paralel form: aynı şeyi ölçen iki eşdeğer test. Cronbach alfa: anket maddelerinin birbiriyle uyumu.
Yapı geçerliği, altı geçerlik türü, yakınsak geçerlik ve Bland-Altman.
Sıçrama yüksekliği için kuvvet platformu, VO₂max için laboratuvarda gaz analizörü. Yeni ve ucuz alet bununla karşılaştırılır.
Özgüven, kaygı, tükenmişlik gibi kavramlar doğrudan ölçülemez. Ölçekteki her madde kavramın küçük bir yüzünü yoklar.
Tükenmişlik ölçeğinin maddeleri üç kümeye ayrılıyorsa 3 faktörlüdür. EFA kümeleri keşfeder; CFA önceden çizilen kümelerin veriye uyup uymadığını sınar.
Her sporcu için iki yöntemin farkı alınır. Ortalama fark sistematik hatayı verir. Uyum sınırları: ortalama fark ± 1,96 × farkların SS'si. Örnekte 1,8 ± 1,96 × 0,6 ≈ 1,8 ± 1,2 cm, yani 0,6 ile 3,0 cm.
Aynı yapıyı ölçen farklı araçlar yüksek korelasyon gösterir. Örn: Yeni motivasyon anketi ile var olan ölçek arasında yüksek pozitif ilişki
Farklı yapıları ölçen araçlar düşük korelasyon gösterir. Örn: Motivasyon ölçeği ile kaygı ölçeği arasında düşük ilişki
Araç, teorik olarak farklı seviyelerdeki grupları ayırt edebilir. Örn: Kaygı ölçeğinin elit ile amatör sporcuyu ayırması
Verinin altında hangi faktörler yatıyor, keşfeder
Önceden belirlenmiş modelin veriye uyup uymadığını test eder
| Geçerlik Türü | Sorduğu Temel Soru | Spor Örneği |
|---|---|---|
| İç Geçerlik | Etki gerçekten manipüle edilen değişkenden mi kaynaklandı? | Antrenman etkisini beslenme farkından ayırt etme |
| Dış Geçerlik | Bulgular başka örneklem/ortama genellenebilir mi? | Laboratuvar sonucunun sahada da geçerli olması |
| Kapsam Geçerliği | Araç, konunun tüm boyutlarını kapsıyor mu? | Tükenmişlik ölçeğinin duygusal/fiziksel/motivasyonel boyutları |
| Ölçüt Geçerliği (Eşzamanlı) | Yeni ölçüm, altın standartla örtüşüyor mu? | Taşınabilir VO₂max cihazının laboratuvarla karşılaştırılması |
| Ölçüt Geçerliği (Yordama) | Ölçüm gelecekteki bir sonucu tahmin ediyor mu? | U16 seçme testinin 5 yıl sonraki başarıyı yordaması |
| Yapı Geçerliği | Ölçüm, teorik kavramı doğru yapıda ölçüyor mu? | Tükenmişlik ölçeğinin 3 faktörlü yapısının doğrulanması |
Aynı ölçek, teorik olarak farklı bir kavram olan "iletişim becerisi" ölçeğiyle karşılaştırıldığında r=0,15 gibi düşük bir korelasyon bulunması, ayırt edici geçerlik için de kanıt sağlar — çünkü özgüven ve iletişim becerisi farklı yapılardır.
Mat, platforma göre ortalama 1,8 cm fazla ölçüyor (sistematik hata) ve bir sporcuda fark 0,6 ile 3,0 cm arasında olabilir. Sistematik fark düzeltilebilir; uyum sınırları sizin için kabul edilebilir mi, buna SWC'ye bakarak karar verirsiniz.
"CMJ: iyi" örneği: ICC 0,99, tipik hata 0,39 cm, SWC 0,78 cm. Hata SWC'den küçük.
"CMJ: gürültülü" örneğine geçin: ICC 0,64, tipik hata 2,23 cm, MDC 6,2 cm. Grafikte ne değişti?
Bland-Altman grafiğinde noktalar sıfır çizgisinin hep üstündeyse ne düşünürsünüz? (sistematik hata)
Sınıfta iki gün ölçtüğünüz bir testin verisini girin. Testiniz küçük gelişmeleri yakalayabiliyor mu?
Bireysel varyabilite (genetik, yaş), circadian ritim, gerçek maksimal efor zorluğu. Çözüm: objektif kriterler (RER, laktat)
Kültürel farklılıklar, sosyal istenirlik, bağlam bağımlılığı. Çözüm: anonimlik, çoklu zaman noktası ölçümü
Ekolojik geçerlik, çok boyutluluk, rakip etkisi. Çözüm: saha testleri, entegre değerlendirme modelleri
Giyilebilir teknoloji (wearables), makine öğrenmesi ile örüntü tanıma, mobil uygulamalarla anlık değerlendirme (Ecological Momentary Assessment), sanal gerçeklik ile kontrollü ama gerçekçi test ortamları.
VO₂max ölçümü karada koşu bandı protokolleriyle standartlaşmıştır, ancak yüzücülerde su direnci, yatay vücut pozisyonu ve nefes alma tekniği farklılığı nedeniyle kara ölçümleri suya tam olarak genellenemez — bu bir ekolojik geçerlik sorunudur.
Bu yüzden yüzme fizyolojisi araştırmalarında, sonuçların gerçek performansı yansıtması için su içi (tethered swimming, taşınabilir gaz analizörü) ölçüm protokolleri geliştirilmiştir.
Laboratuvar yüksek iç geçerlik sunar (kontrollü koşullar); saha ölçümü yüksek ekolojik/dış geçerlik sunar (gerçek performans ortamı). İkisi birbirini tamamlar, birbirinin yerine geçmez.
Ucuz matı kuvvet platformuyla aynı sporcularda ölçün. Yüksek korelasyon yetmez; ortalama fark ve uyum sınırları raporlanır (Bland–Altman).
Yeni özgüven ölçeği var olan özgüven ölçeğiyle yüksek (yakınsak), iletişim ölçeğiyle düşük (ayırt edici) ilişki vermelidir.
Kara ölçümü suya genellenmeyebilir. Laboratuvar iç geçerliği, saha ekolojik geçerliği güçlendirir; ikisi birbirinin yerini tutmaz.
Yordama geçerliği: ölçümün gelecekteki bir sonucu tahmin etmesi. Ekolojik geçerlik: sonucun gerçek spor ortamında da doğru olması. Sosyal istenirlik: kişinin kendini iyi gösterecek cevabı verme eğilimi. RER: solunum değişim oranı (VCO₂ ÷ VO₂); maksimal testte 1,10'u aşması, gerçekten maksimal çabaya ulaşıldığını doğrulayan solunum ölçütlerinden biridir.
Güncel tartışma, mitler, Performans Merkezi, görev ve tartışma.
90-90, 30-30, iki farklı 90-20 ve izometrik kalça ekstansiyonu; en sık 90-90.
Güvenirlik bildiren çalışma sayısı 13; ölçüm prosedürleri çalışmadan çalışmaya değişiyor.
Yazarlar prosedürlerin açıkça standartlaştırılmasını öneriyor: aynı adı taşıyan iki test, aynı şeyi ölçmeyebilir.
Bu haftanın operasyonel tanım ilkesiyle, kendi projenizde kullanacağınız bir kuvvet testinin protokolünü tek paragrafta yazın: başka biri aynen tekrar edebilir mi?
Korelasyon uyumu göstermez; ortalama fark ve uyum sınırlarına bakılır (Bland ve Altman, 1986).
Tutarlı bir alet hep aynı yöne yanılıyor olabilir: güvenilir ama geçerli değil.
Fark, ölçüm hatasını aşmalıdır; örnek testte MDC₉₅ 3,1 cm'dir.
Herkes aynı miktarda kayarsa r değişmez; ICC ve ölçüm hatası raporlanır (Atkinson ve Nevill, 1998).
ICC, SEM, MDC, CV, Bland–Altman.
Aç → HesaplayıcıSWC ve tekrar test karşılaştırması.
Aç → Test · ICC 0,93–0,99Uçuş süresiyle.
Aç → Test · ICC 0,94–0,99Jamar dinamometre.
Aç → Test · ICC 0,95–0,99Levinger ve ark. (2009).
Aç → Test · ICC 0,93–0,97Direnç standardizasyonuna bağlı.
Aç → Test · ICC 0,96–0,99Esneklik.
Aç → Test · ICC 0,85–0,92Daha düşük güvenirlik: neden?
Aç →Isınma, deneme sayısı, ölçen kişi ve alet: operasyonel tanımı yazın.
Aynı kişiyi iki kez ölçün; sonra ölçen kişiyi değiştirin.
Hata nereden geliyor: alet, ölçen, sporcu? Sistematik mi rastgele mi?
Hatayı küçültecek bir değişiklik önerin.
| Ölçüt | 1 · Gelişiyor | 2 · Yetkin |
|---|---|---|
| Protokol | Ölçüm yapılmış, koşullar standart değil. | Test sayfasındaki protokol, ısınma, deneme sayısı ve saat sabitlenmiş; en az 10 kişi iki kez ölçülmüş. |
| Güvenirlik hesabı | ICC hesaplanmış. | ICC, SEM ve MDC₉₅ hesaplanmış; ICC yayımlanan değerle karşılaştırılmış. |
| Değişim yorumu | Bireysel fark yazılmış, yorumlanmamış. | SWC hesaplanmış; bir katılımcının değişimi SWC ve MDC'ye göre doğru yorumlanmış. |
| Etik | İsimler kullanılmış. | Katılımcılar kodla gösterilmiş; gönüllülük ve gizlilik korunmuş. |
Arkadaşınızın görevine bir güçlü yön ve bir somut geliştirme önerisi yazın. Puan, önerinin gerekçesini göstermek içindir.
Farklı iki yöntemle alınan ölçümler neden doğrudan karşılaştırılamaz?
İki cihazın uyumunu hangi küçük çalışmayla ve hangi grafikle test edersiniz?
SWC ve MDC'ye bakarak antrenöre ne söylersiniz?
"İkisi de sıçramayı ölçüyor. Sayı sayıdır."
Antrenörün pratik ihtiyacını karşılayan ama ölçüm uyumunu savunan iki cümle.
1. Hep aynı yöne kayan hata hangisidir?
Sistematik hata (yanlılık) güvenirliği bozmayabilir ama geçerliği bozar.
2. Tipik hata SWC'den büyükse ne olur?
Bu durumda yalnızca MDC'yi aşan değişimlere güvenilir; küçük gelişmeler gözden kaçar.
Ana akışta anlatılanların başka biçimde yinelenmesi; derste atlanabilir, evde okunabilir.
Ortadaki panel en yanıltıcı olanıdır: oklar birbirine çok yakın olduğu için "tutarlı bir ölçüm" izlenimi verir, ama merkezden uzak oldukları için sistematik bir hata (kalibrasyon sorunu) gizler. Sadece güvenirliğe bakıp geçerliği kontrol etmemek, bu tür sessiz hataları gözden kaçırır.
Hiçbir tek deneme sporcunun "gerçek" hızını tam yansıtmaz — her biri gerçek değerin bir miktar üstünde veya altında saçılır. Üç denemenin ortalaması, tek bir ölçümden çok daha güvenilir bir tahmindir; bu yüzden Klasik Test Teorisi çoklu ölçümü önerir.