İntihal ve Akademik Etik · Ders 9/12
Veri Etiği: Uydurma, Çarpıtma ve Görsel Manipülasyonu
Veri uydurma ve çarpıtmanın somut biçimlerini, sorgulanabilir analiz uygulamalarını, görsel manipülasyonunun sınırlarını ve verini nasıl şeffaf ve güvenilir yöneteceğini öğrenirsin.
İntihal başkasının emeğini çalmaksa, veri ihlali gerçeği çalmaktır. Uydurulmuş ya da çarpıtılmış veriye dayanan bir tez, sonraki araştırmacıları, uygulayıcıları ve bazen hastaları yanlış yönlendirir. Veri ihlalleri çoğu zaman bir “kriz anında” başlar: Örneklem tamamlanmamıştır, sonuç anlamlı çıkmamıştır, teslim tarihi yaklaşmıştır. Bu derste hem ihlalleri hem de o kriz anlarında yapılabilecek dürüst alternatifleri öğreneceksin.
Uydurma (sahtecilik) biçimleri
- Hiç uygulanmamış anketlerin yanıtlarını üretmek ya da eksik örneklemi “tamamlamak”.
- Yapılmamış görüşmelerin dökümünü yazmak; katılımcı sözlerini uydurmak.
- Yapılmamış bir deneyin ölçüm sonuçlarını raporlamak.
- Yapay zekâya “gerçekçi katılımcı yanıtları” ürettirip gerçek veri gibi kullanmak.
- Var olmayan kaynaklara atıf yapmak (uydurma kaynakça).
Durum: Bir hemşirelik yüksek lisans öğrencisi, hastanede 150 hastaya ulaşmayı planlamış ama izin sürecindeki gecikmeler nedeniyle iki ayda yalnızca 68 hastaya ulaşabilmiştir.
Etik dışı yol: Eksik 82 hastanın yanıtlarını, mevcut verilerin dağılımına benzeyecek şekilde üretmek.
Dürüst alternatifler:
• Danışmanla görüşüp veri toplama süresini uzatmak (enstitüden ek süre talep etmek mümkün olabilir).
• Etik kurulun onayıyla ikinci bir hastaneyi araştırmaya eklemek.
• 68 kişiyle analizi yapıp güç analizinin sonucunu ve örneklem sınırlılığını açıkça raporlamak; bulguları daha temkinli yorumlamak.
Çarpıtma biçimleri
| Uygulama | Neden sorunlu? |
|---|---|
| Değerleri elle değiştirmek | Ham veri ile raporlanan sonuç arasında bağ kopar |
| Uç değerleri sonuca bakarak, gerekçesiz silmek | Sonuç verinin değil, araştırmacının tercihinin ürünü olur |
| Anlamlı çıkmayan alt ölçek ya da değişkenleri raporlamamak (seçici raporlama) | Okur yalnızca “işe yarayan” sonuçları görür |
| Anlamlı sonuç çıkana kadar farklı analizler denemek ve yalnızca birini raporlamak (p-hacking) | Tesadüfi bulgular gerçek etki gibi sunulur |
| Sonuçları gördükten sonra hipotezi değiştirip baştan beri öyleymiş gibi yazmak (HARKing) | Keşfedici bulgu, doğrulanmış bulgu gibi sunulur |
| Kullanılmayan cihaz, ölçek ya da yöntemi kullanılmış gibi yazmak | Yöntemin güvenilirliği hakkında yanıltır |
| Grafik eksenleriyle oynayarak küçük farkları büyük göstermek | Okurun algısı yanlış yönlendirilir |
Öz yeterlik ölçeğinin beş alt boyutundan yalnızca anlamlı fark çıkan ikisi bulgular bölümünde raporlanmış; diğer üç alt boyuttan hiç söz edilmemiştir. Sonuç bölümünde “eğitim programı öz yeterliği artırmıştır” denmiştir.
Araştırmada başlangıçta cinsiyet farkı beklenmiş ama bulunamamıştır. Bunun yerine beklenmedik biçimde yaş grupları arasında fark çıkmıştır. Tezin giriş bölümü yeniden yazılarak “yaş grupları arasında fark olduğu hipotez edilmiştir” denmiştir.
Meşru veri temizleme
Uç değer ve eksik veri ile dürüstçe çalışmak
- 1
Ölçütü önceden belirle
Hangi durumlarda bir yanıtı analiz dışı bırakacağını (ör. %20’den fazla eksik madde, tüm maddeleri aynı işaretleme, dikkat sorusunu yanlış yanıtlama) analiz planında yaz.
- 2
Ham veriyi koru
Orijinal veri dosyasını hiç değiştirmeden sakla. Temizlik işlemlerini ayrı bir dosyada yap ve dosyaları tarihle adlandır (ör. veri_ham_2025-03-01.sav, veri_temiz_2025-03-10.sav).
- 3
Her adımı kaydet
Kaç yanıtı, hangi ölçütle çıkardığını bir veri günlüğüne yaz. SPSS kullanıyorsan işlemleri söz dizimi (Syntax / Sözdizimi) dosyasında saklamak tekrarlanabilirlik sağlar; menülerden yaptığın bir analizi Paste / Yapıştır düğmesiyle bu dosyaya aktarabilirsin (sürüme göre küçük farklar olabilir).
- 4
Raporla
Yöntem ya da bulgular bölümünde başlangıç örneklemini, çıkarılan yanıt sayısını, gerekçesini ve analize giren son örneklemi belirt.
- 5
Duyarlılık analizi yap
Mümkünse uç değerler dâhil ve hariç analizleri karşılaştır; sonuç değişiyorsa bunu dürüstçe yaz.
Toplam 412 katılımcıdan veri toplanmıştır. Önceden belirlenen ölçütler doğrultusunda, maddelerin %20’sinden fazlasını yanıtsız bırakan 14 katılımcı ve dikkat kontrol maddesini hatalı yanıtlayan 9 katılımcı analiz dışında tutulmuştur. Ayrıca Mahalanobis uzaklığı ile belirlenen 6 çok değişkenli uç değer çıkarılmıştır. Analizler 383 katılımcının verisiyle yürütülmüştür. Uç değerler dâhil edildiğinde sonuçlarda anlamlı bir değişiklik olmamıştır.
Görsel manipülasyonu
Mikroskop görüntüleri, jel (ör. Western blot) görüntüleri, tıbbi görüntüler, fotoğraflar ve grafikler üzerinde yapılan değişiklikler de çarpıtma olabilir. Dergiler, görüntü manipülasyonunu tespit eden yazılımlar ve uzman editörler kullanmaktadır.
| Genellikle kabul edilebilir | Kabul edilemez |
|---|---|
| Parlaklık ve kontrastı tüm görsele eşit uygulamak | Görselin yalnızca bir bölgesini parlatmak, karartmak ya da silmek |
| Görseli kırpmak (önemli bilgiyi dışarıda bırakmadan) | İstenmeyen bir bandı, hücreyi ya da lekeyi silmek |
| Farklı görüntüleri birleştirdiğinde birleşim yerini açıkça göstermek | Farklı jel ya da deneylerden alınan şeritleri tek görüntüymüş gibi birleştirmek |
| Ölçek çubuğu, ok ve etiket eklemek | Aynı görüntüyü farklı deney koşullarıymış gibi tekrar kullanmak |
| Yapılan tüm işlemleri yöntem bölümünde belirtmek | Bir görüntüyü döndürüp, ters çevirip başka bir örnek gibi sunmak |
İki grubun ortalamaları 3,42 ve 3,51’dir (5’li ölçek). Grafiğin dikey ekseni 3,40’tan başlatılmış; böylece çubuklardan biri diğerinin beş katından da yüksek görünmektedir (0,02’ye karşı 0,11 birim). Metinde “belirgin bir fark” ifadesi kullanılmıştır.
Veri saklama ve paylaşma
- Ham veriyi, temizlenmiş veriyi, analiz dosyalarını (SPSS söz dizimi, R betiği vb.) ve veri günlüğünü düzenli biçimde ve yedekli sakla.
- Verinin ne kadar süre saklanacağı kurum, proje ve etik kurul onayına göre değişir; tez sonrasında da belirli bir süre saklanması beklenebilir. Kendi kurumunun ve etik kurulunun kuralını kontrol et.
- Kişisel veri içeren dosyaları şifreli ve erişimi sınırlı tut; bulut paylaşımında dikkatli ol.
- Veriyi açık erişimle paylaşacaksan önce anonimleştir ve katılımcıların onam formunda buna izin verildiğinden emin ol.
Kendini dene
Kendini dene
Veri etiği kontrol listesi
0/8Takıldığın bir yer mi var?
Bu konuda sık sorulanlar