Kuram ve Uygulamada Eğitim Bilimleri • Educational Sciences: Theory & Practice • 14(1) • 135-158
©
2014 Eğitim Danışmanlığı ve Araştırmaları İletişim Hizmetleri Tic. Ltd. Şti.
www.edam.com.tr/kuyeb
DOI: 10.12738/estp.2014.1.1616
Olumsuz Değerlendirilme Korkusu ve Akademik
Risk Alma Arasındaki İlişkinin Kanonik Korelasyonla
İncelenmesi
a
b
Bayram ÇETİN
Mustafa İLHAN
Gaziantep Üniversitesi
Dicle Üniversitesi
c
Ferat YILMAZ
Dicle Üniversitesi
Öz
Bu araştırmada olumsuz değerlendirilme korkusu ile akademik risk alma arasındaki ilişkinin incelenmesi
amaçlanmıştır. Bu amaca uygun olarak araştırmada ilişkisel tarama modeli kullanılmıştır. Araştırmanın çalışma grubunu, 2011-2012 öğretim yılı bahar döneminde Dicle Üniversitesi Ziya Gökalp Eğitim Fakültesi’nin
farklı bölümlerinde öğrenim gören 122’si bayan ve 93’ü erkek olmak üzere toplam 215 üniversite öğrencisi
oluşturmaktadır. Araştırmada öğrencilerin olumsuz değerlendirilme korkularını ölçmek için “Olumsuz Değerlendirilme Korkusu Ölçeği” kullanılmıştır. Öğrencilerin akademik risk alma davranışlarını ölçmek amacıyla ise
“Akademik Risk Alma Ölçeği” kullanılmıştır. Araştırmada düz puanlanan maddeler ve ters puanlanan maddeler
değişkenlerinden oluşan olumsuz değerlendirilme korkusu veri seti ile başarısızlık sonrası yeniden toparlanma
ve etkin olma eğilimi, güç işlemleri tercih etme eğilimi, başarısızlık sonrası olumsuzluk eğilimi ve ödev yapmama eğilimi değişkenlerinden oluşan akademik risk alma veri seti arasındaki ilişki kanonik korelasyon analizi ile
incelenmiştir. Kanonik korelasyon analizi sonucunda, olumsuz değerlendirilme korkusu ve akademik risk alma
arasında anlamlı ilişki tespit edilmiş ve veri setleri arasında paylaşılan ortak varyansın %35 olduğu saptanmıştır.
Anahtar Kelimeler
Akademik Risk Alma, Başarısızlık Sonrası Olumsuzluk, Kanonik Korelasyon, Olumsuz Değerlendirilme
Korkusu, Ödev Yapmama, Yeniden Toparlanma.
Öğrencilerin akademik başarıları, bilişsel giriş
davranışlarından ve duyuşsal özelliklerinden etkilenmektedir (Senemoğlu, 2005). Bilişsel giriş davranışları, bir ünitenin öğrenilebilmesi için gerekli
olduğu kabul edilen ön öğrenmelerden oluşmaktadır (Bloom, 1979). Duyuşsal özellikler ise öğ-
rencilerin öğrenme süreci içerisinde gösterecekleri
çabanın kaynağını oluşturmaktadır (Erden ve Akman, 2011; Özkan, 2005; Tok, 2008). Dolayısıyla
duyuşsal özellikler etkin ve kalıcı bir öğrenmenin
gerçekleşmesinde itici bir rol oynamaktadır (Aydın,
2007; Demirbaş ve Yağbasan, 2006; Kılıç, 2002; Te-
a Sorumlu Yazar: Dr. Bayram ÇETİN Eğitimde Ölçme ve Değerlendirme alanında doçenttir. Çalışma alanları
arasında ölçek geliştirme ve uyarlaması, ölçme araçlarının uluslararası yapı değişmezliği, test kuramları vardır. İletişim: Gaziantep Üniversitesi, Eğitim Fakültesi, Eğitim Bilimleri Bölümü, Gaziantep. Elektronik
posta: [email protected]
b Mustafa İLHAN İlköğretim Matematik Öğretmenliği alanında araştırma görevlisidir. İletişim: Dicle Üniversitesi,
Ziya Gökalp Eğitim Fakültesi, İlköğretim Bölümü, Diyarbakır. Elektronik posta: [email protected]
c Ferat YILMAZ Sınıf Öğretmenliği alanında araştırma görevlisidir. İletişim: Dicle Üniversitesi, Ziya Gökalp
Eğitim Fakültesi, İlköğretim Bölümü, Diyarbakır. Elektronik posta: [email protected]
KURAM VE UYGULAMADA EĞİTİM BİLİMLERİ
kin, 2009). Bununla birlikte, duyuşsal alan ile ilgili
davranışların bilişsel alan ile ilgili davranışlara göre,
eğitim programlarına daha geç ve düzensiz bir şekilde girmesi (Turgut, 1997), duyuşsal özelliklerin
somut olarak tespitinin ve değerlendirilmesinin
güç olması (Bacanlı, 2006; Senemoğlu, 2005; Tekin, 2009), duyuşsal özelliklerin karmaşık doğası
(Lebens, Graff ve Mayer, 2011), başarıyı etkileyen
duyuşsal özelliklerin net olarak ortaya konulmasını güçleştirmektedir. Başarıyı etkileyen duyuşsal
özelliklerin tespit edilmeye çalışıldığı araştırmalar incelendiğinde, daha çok kaygı (Akbaş ve Kan,
2007; Gömleksiz ve Yüksel, 2003; Hembree, 1990;
Hortwitz, 2001; Richardson ve Suinn, 1972), tutum (Hemmings, Grootenboer ve Kay, 2011; Lucas, 1998; White, Way, Perry ve Southwell, 2006),
ilgi (Heinze, Reiss ve Franziska, 2005; Jones, 1964;
Koller, Baumert ve Schnabel, 2001; Kuzgun, 2006;
Renninger, Hidi ve Krapp, 1992; Sing, Granwiller ve
Dika, 2002) ve motivasyon (Akbaba, 2006; Middleton ve Spanias, 1999; Wigfield ve Wentzel, 2007)
değişkenleri üzerinde durulduğu görülmektedir.
Ancak, duyuşsal özelliklerin öğrenme-öğretme
sürecinde belirlenen hedeflere ulaşılmasında sahip olduğu güçlü belirleyici etki (Chastain, 1975;
Gömleksiz, 2003; Ellez, Gümüş ve Seferov, 2009;
Oral, 2010; Tobias, 1991) öğrencilerinin mükemmeliyetçilik düzeyleri (Altun ve Yazıcı, 2010; İlhan
ve Öner Sünkür, 2012; Parker, 2000; Ram, 2005;
Soleymani ve Rekabdar, 2010; Stoeber ve Rambow, 2007; Tsui ve Mazzocco, 2006), derse yönelik
umutsuzluk düzeyleri (Yenilmez, 2010) gibi farklı
duyuşsal özelliklerinin de dikkate alınmasını gerekli kılmaktadır. Öğrencilerin öğrenme-öğretme
sürecindeki davranışları üzerinde önemli bir etkiye
sahip olan ve dolayısıyla dikkate alınması gereken
duyuşsal özelliklerden birisi de olumsuz değerlendirilme korkusudur (Dinnel ve ark., 2002; Kocovski
ve Endler, 2000).
Olumsuz değerlendirilme korkusu, bireyin başkaları tarafından kötüleyici ve düşmanca eleştirileceğine dair (Leary, 1983) aşırı ve sürekli bir endişe
duymasıdır (Aydın, 2008; Leary, 1983; Weeks, Heimberg ve Rodebaugh, 2008). Bu durum, olumsuz
değerlendirilme korkusu yaşayan bireyin i) sosyal
bir faaliyete hazırlanırken ya da katılırken istenmeyen biçimlerde değerlendirileceğine ilişkin bir
inanca kapılmasına (Weeks ve ark., 2005), ii) sosyal
performans gerektiren durumlarda diğer insanların
kendilerinden çok yüksek performans beklentisi
içinde olduklarını düşünmesine, iii) yeteneği ve
performansı konusunda şüpheye düşmesine (Rapee
ve Heimberg, 1997) ve iv) bir hata yaptığı takdirde
dışlanacağı şeklinde koşullu inançlar geliştirme-
136
sine neden olmaktadır (Clark ve Wells, 1995). Bu
ve benzeri inançların doğal sonucu olarak olumsuz
değerlendirilme korkusu olan birey, reddedilmeye
maruz kalmamak için sosyal ortamlardan ve sosyal
performans gerektiren durumlardan kaçınmakta ve
güvenlik sağlayıcı davranışlar arama çabasına girmektedir (Rapee ve Heimberg, 1997). Olumsuz değerlendirilme korkusu, bireyin öğrenme-öğretme
sürecindeki davranışları üzerinde de etkili bir rol
oynamaktadır. Olumsuz değerlendirilme korkusu
başarısızlık korkusunu beraberinde getirerek, öğrencinin öğrenme yöneliminin (McKinney, 2003;
VandeWalle, 1997) akademik benlik saygısının
(Dinnel ve ark., 2002; Kocovski ve Endler, 2000) ve
akademik başarısının düşmesine (Kuhl ve Kraska,
1989); performans kaçınma eğiliminin (McKinney,
2003; VandeWalle, 1997) ve sınav kaygısının (Dinnel ve ark., 2002) ise artmasına neden olmaktadır.
Öğrencilerin olumsuz değerlendirilme korkuları
ile birlikte sınıf ortamında davranışlarını etkileyen
bir diğer önemli faktör de akademik risk alma davranışıdır. Akademik risk alma davranışı, doğruluğundan emin olunmayan fikirleri paylaşma, soru
sorma, yeni ve alternatif çözüm yolları deneme
konusunda istekli olma şeklinde tanımlanmaktadır
(Beghetto, 2009). Bir başka deyişle akademik risk
alma davranışı, bir öğrenme eylemine katılmanın
bilinen ve bilinemeyen sonuçlarını değerlendirmeyi ve olası sonuçlarını düşünerek öğrenme sürecine katılma konusunda karar vermeyi içermektedir
(Robinson, 2011). Akademik risk alma davranışı;
başarısızlıktan sonra yeniden toparlanma ve etkin
olma eğilimi (BSYTEOE), güç işlemleri tercih etme
eğilimi (GİTE), başarısızlık sonrası olumsuzluk
eğilimi (BSOE) ve ödev yapmama eğilimi (ÖYE)
olmak üzere dört boyutlu bir yapı ile açıklanmaktadır (Korkmaz, 2002). BSOE ile ÖYE düşük, buna
karşın BSYTEOE ile GİTE yüksek olan öğrencilerin, akademik risk alma konusunda istekli oldukları
söylenebilir (Öner Sünkür, İlhan, Kinay ve Kılınç,
2013). Akademik risk alma düzeyi yüksek olan
öğrenciler; i) başarısızlık ihtimali olsa bile sınıf ortamındaki etkinliklere katılma konusuna isteklidir
(Strum, 1971), ii) öğrenme sürecinden zevk alır, iii)
öğrenme sürecinde karşılaştıkları zorluklara karşı
direnç gösterir (Clifford, 1988), iv) öğrenme ortamında yüksek motivasyona (Clifford, 1988; House,
2002) ve problem çözme becerisine sahiptir (Tay,
Özkan ve Akyürek Tay, 2009). Akademik risk alma
konusunda istekli olan öğrencilerin öğrenilmiş çaresizlik duyguları (Esen Kıran, 2005; Neihart, 2010)
ve akademik beklentilere ilişkin yaşadıkları stres ise
düşüktür (İlhan ve Çetin, 2013). Ayrıca akademik
risk alma eğilimi yüksek olan öğrenciler, öğrenme
ÇETİN, İLHAN, YILMAZ / Olumsuz Değerlendirilme Korkusu ve Akademik Risk Alma Arasındaki İlişkinin Kanonik...
yönelimli olup (Ames, 1992), bu öğrenciler yeni
bilgi ve beceriler kazanmak ve yeteneklerini geliştirmek için çalışırlar (Ames ve Archer, 1988; Braten
ve Strømsø, 2004; Dupeyrat ve Mariné, 2005). Öğrenmeyi kolaylaştıran (Clifford, 1991) söz konusu
olumlu etkileri, öğrenme ortamında akademik risk
alma konusunda istekli olan öğrencileri, isteksiz
olan öğrencilere kıyasla başarıya ulaşma konusunda daha avantajlı hâle getirmektedir (Clifford, 1991;
Clifford ve Chou, 1991; House, 2002). Bu bağlamda, akademik risk alma davranışlarının desteklenmesi öğrencilerin akademik başarılarına katkı sağlaması açısından oldukça önemlidir. Akademik risk
alma davranışını hangi değişkenlerin ne yönde ve
ne düzeyde etkilediğinin belirlenmesi, öğrencilerin
akademik risk alma davranışlarının desteklenmesi
için neler yapılması gerektiği konusuna rehberlik
edebilir.
Alanyazın incelendiğinde, olumsuz değerlendirilme korkusu olan bireylerin kişisel girişimlerden
kaçındıkları görülmektedir (Boztaş ve Sungur,
2001; Durmuş, 2008). Diğer bir deyişle, olumsuz
değerlendirilme korkusu yaşayan bireyler yaptıkları eylemlerin zararlı sonuçlarını kaldıramayacaklarından ötürü, bu eylemleri gerçekleştirme riskini
almak istememektedir (Boyer, 2006; Halstead ve
Taylor, 1996). Bu durum, akademik risk alma davranışının olumsuz değerlendirilme korkusundan
etkilendiğini düşündürmektedir. Ancak alanyazında, olumsuz değerlendirilme korkusunun akademik
risk alma davranışını ne düzeyde ve hangi yönde
etkilediğini gösteren bir çalışmaya rastlanmamıştır.
Bu noktadan hareketle araştırmada, olumsuz değerlendirilme korkusu ile akademik risk alma arasındaki ilişkinin incelenmesi amaçlanmaktadır.
Yöntem
Araştırmada ilişkisel tarama modeli kullanılmıştır.
İlişkisel (korelatif) araştırmalar, iki ya da çok sayıda
değişken arasında ilişki olup olmadığı belirlemeye
yönelik çalışmalardır (Erkuş, 2011; Karasar, 2009).
Çalışma Grubu
Araştırmanın çalışma grubu, 2011-2012 eğitim-öğretim yılı bahar döneminde Dicle Üniversitesi Ziya
Gökalp Eğitim Fakültesi İlköğretim Bölümü’nde
öğrenim gören 122’si (%56,7) bayan ve 93’ü (%43,3)
erkek olmak üzere toplam 215 üniversite öğrencisinden oluşmaktadır. Çalışma grubunu oluşturan öğrencilerin anabilim dallarına göre dağılımı;
Fen Bilgisi Öğretmenliği Anabilim Dalı’ndan 48
(%22,3), İlköğretim Matematik Öğretmenliği
Anabilim Dalı’ndan 60 (%27,9), Okul Öncesi Öğretmenliği Anabilim Dalı’ndan 21 (%9,8), Sınıf
Öğretmenliği Anabilim Dalı’ndan 44 (%20,5) ve
Sosyal Bilgiler Öğretmenliği Anabilim Dalı’ndan 42
(%19,5) öğrenci şeklindedir. Kanonik korelasyon
analizinden elde edilen bulguların güvenilirliği için
çalışma grubunda, setlerdeki değişken sayısının
toplamının 20 katı kadar katılımcı olması önerilmektedir (Stevens, 2009). Bu araştırmada, olumsuz
değerlendirilme korkusu veri setinde; düz puanlanan maddeler (DPM) ve ters puanlanan maddeler (TPM) olmak üzere 2 değişken, akademik risk
alma veri setinde; BSYTEOE, GİTE, BSOE ve ÖYE
olmak üzere 4 değişken ve toplamda 6 değişken
bulunmaktadır. Buna göre, kanonik korelasyondan elde edilen bulguların güvenirliği için çalışma
grubunda en az 120 katılımcının bulunması gerekmektedir. Dolayısıyla çalışma grubundaki katılımcı
sayısının araştırmadan elde edilen bulguların güvenirliği açısından yeterli olduğu söylenebilir.
Veri Toplama Araçları
Araştırma veri toplama aracı olarak Olumsuz Değerlendirilme Korkusu Ölçeği (ODKÖ) ve Akademik Risk Alma Ölçeği (ARAÖ) kullanılmıştır.
Olumsuz Değerlendirilme Korkusu Ölçeği
(ODKÖ): ODKÖ, Leary (1983) tarafından geliştirilmiş, Çetin, Doğan ve Sapmaz (2010) tarafından
Türkçeye uyarlanmıştır. Ölçek 5’li likert tipi bir derecelendirmeye sahiptir. Ölçeğin orijinal formunda
12 madde bulunmaktadır. Ölçekte yer alan maddelerin 8’i olumsuz değerlendirilmeyle ilgili korku ve
endişe ifadelerinden oluşmaktadır. Örnek Madde:
Çoğu zaman insanların benim kusurlarımı fark
edeceklerinden korkarım. Geriye kalan 4 madde ise
olumsuz değerlendirilmeyle ilgili korku ve endişelerin olmadığı şeklindeki ifadelerden oluşmakta ve
tersten puanlanmaktadır. Örnek Madde: İnsanların
benimle ilgili olumsuz izlenimleri olduğunu bilsem
bile bunu umursamam. Ölçeğin Türkçe formunda,
orijinal formdaki 4. maddeye ilişkin ayırt edicilik
indeksi negatif olduğundan bu madde ölçekten
çıkarılmıştır. ODKÖ’nün özgün formu farklı çalışmalarda iki faktörlü ve tek faktörlü olarak sonuçlar verdiği için ölçeğin Türkçe formunda hem
iki faktörlü ve tek faktörlü yapıya ilişkin analizler
gerçekleştirilmiştir. Bu kapsamda temel bileşenler tekniği ve direct oblimin döndürme faktör çözümlemesi sonuçları iki faktörle sınırlandırılmıştır.
Buna göre, toplam varyansın %51,50’sini açıklayan
bir yapı elde edilmiştir. Bu yapıda, DPM olarak
adlandırılan birinci faktörde 8 maddenin bulun-
137
KURAM VE UYGULAMADA EĞİTİM BİLİMLERİ
duğu, TPM olarak adlandırılan ikinci faktörde ise
3 maddenin yer aldığı saptanmıştır. Tek faktörlü
olarak sınırlandırma sonucunda ise toplam varyansın %40,19’unu açıklayan bir yapı elde edilmiştir.
Özgün formun faktör yapısının Türk örneklemde
doğrulanıp doğrulanmayacağını belirlemek üzere
doğrulayıcı faktör analizi yapılmıştır. Doğrulayıcı
faktör analizinden elde edilen uyum indeksi değerleri, modelin hem tek faktörlü hem de iki faktörlü
yapı için uyumlu olduğunu göstermiştir. Bununla
birlikte, iki faktörlü modelin uyum indeksi değerlerinin tek faktörlü modelin uyum indeksi değerlerine göre daha iyi olduğu ortaya çıkmıştır. Bu sonuca
dayanarak, ODKÖ bu çalışmada iki faktörlü yapı ile
kullanılmıştır.
Çetin ve arkadaşları (2010) tarafından yapılan
uyarlama çalışmasında ODKÖ’nün Türkçe formuna ilişkin güvenirlik katsayıları yalnızca tek faktörlü
yapı için hesaplanmıştır. Tek faktörlü yapı için iç tutarlılık yöntemiyle hesaplanan güvenirlik katsayısı
.84, test yarılama yöntemiyle elde edilen güvenirlik
katsayısı .83 ve test-tekrar test yöntemiyle elde edilen güvenirlik katsayısı ise .82 olarak bulunmuştur.
Bu çalışmada, ODKÖ iki faktörlü yapı ile kullanıldığı için hem DPM olarak adlandırılan birinci faktöre hem de TPM olarak adlandırılan ikinci faktöre
ait güvenirlik katsayısı hesaplanmıştır. Hesaplanan
iç tutarlık katsayıları, DPM’nin yer aldığı birinci
faktör için .84 ve TPM’nin yer aldığı ikinci faktör
için .57 olarak bulunmuştur. Güvenirlik katsayısı
.70 ve üzerinde olan ölçeklerin güvenilir olduğu
kabul edilmektedir (Büyüköztürk, 2010; Nunnaly
ve Bernstein, 1994). Buna göre, DPM’nin yer aldığı
birinci faktörün yeterli düzeyde güvenilir olduğu
söylenebilir. Madde sayısı az olan ölçekler için ise
güvenirlik katsayısının .60’ın üzerinde olması (Sipahi, Yurtkoru ve Çinko, 2010) veya ölçeğin maddeleri arasındaki korelasyon katsayılarının .20 ile
.40 arasında bulunması (Briggs ve Cheek, 1986)
ölçeğin güvenirliği için yeterli kabul edilmektedir.
Bu çalışmada TPM arasındaki korelasyonların .26
ile .34 arasında değiştiği belirlenmiştir. Bu sonuç,
TPM’nin yer aldığı ikinci faktör için hesaplanan
güvenirlik katsayısının da kabul edilebilir sınırlar
içerisinde yer aldığını göstermektedir.
Akademik Risk Alma Ölçeği (ARAÖ): ARAÖ,
öğrencilerin öğrenme-öğretme sürecinde karşılaştıkları güçlüklerle mücadele etmedeki cesaretini
ve istekliliğini/isteksizliğini ölçmek üzere Clifford
(1991) tarafından geliştirilmiş ve Korkmaz (2002)
tarafından Türkçeye uyarlanmıştır. 5’li likert tipi
bir derecelendirmeye sahip bu ölçekte 36 madde
bulunmaktadır. Ölçeğin orijinal formu BSYTEOE,
138
GİTE ve BSOE olmak üzere 3 alt boyuttan oluşmaktadır. Korkmaz tarafından yapılan uyarlama
çalışmasında ölçeğin orijinal formundaki üç boyuta ilaveten ÖYE olarak adlandırılan dördüncü bir
boyut ortaya çıkmıştır. Ölçeğin Türkçe formunda,
BSYTEOE boyutunda 11 madde bulunmaktadır.
Örnek Madde: Eğer okul çalışmalarında düşük bir
not alırsam, hatalarım üzerinde çalışır ve yanlış
yaptığım problemleri tekrar çözerim. GİTE boyutunda 10 madde yer almaktadır. Örnek Madde: Zor
olan okul ödevleri kolay olanlardan daha eğlencelidir. BSOE boyutunda 12 madde bulunmaktadır.
Örnek Madde: Öğrenmeye çalıştığım bir konuda
hata yaparsam cesaretim çok kırılır. Ölçeğin ÖYE
boyutunda ise 3 madde yer almaktadır. Örnek
Madde: Eğer okul ödevim zor ise, onu yapmadan
geçmeye çalışırım. ARAÖ’de yer alan alt ölçekler
için ayrı ayrı puanlar elde edilebileceği gibi ölçekten toplam bir akademik risk alma puanı da elde
edilebilmektedir. Korkmaz tarafından gerçekleştirilen uyarlama çalışmasında ölçeğin iç tutarlık
güvenirliği, üniversite öğrencileri üzerinde yapılan
uygulamada .89, ilköğretim öğrencileri üzerinde
yapılan uygulamada ise .90 olarak hesaplanmıştır.
ARAÖ’nün tümü için bu çalışmada hesaplanan
güvenirlik katsayısı .81’dir. Alt ölçekler için hesaplanan iç tutarlık katsayıları ise BSYTEOE alt ölçeği
için .71, GİTE alt ölçeği için .75, BSOE alt ölçeği
için .73 ve ÖYE alt ölçeği için .64 olarak bulunmuştur. Güvenirlik katsayısı .70 ve üzerinde olan ölçeklerin güvenilir olduğu kabul edilmektedir (Pallant,
2005; Tezbaşaran, 1997). Akademik risk alma ölçeğinin geneli ve ÖYE dışındaki alt ölçekler bu şartı
sağlar niteliktedir. Bununla birlikte, madde sayısı
az olan ölçekler için .60 ve üzerindeki değerlerin
güvenirlik için yeterli kabul edildiği (Sipahi ve ark.,
2010) dikkate alındığında, ÖYE alt ölçeğinin de güvenilir olduğu söylenebilir.
Veri Analizi
Araştırmadan elde edilen veriler SPSS 17.0 paket
programından yararlanılarak analiz edilmiştir.
Olumsuz değerlendirilme korkusu ile akademik
risk alma arasındaki ilişki kanonik korelasyon analizi ile incelenmiştir. Kanonik korelasyon analizi,
her birinde en az iki değişken bulunan iki değişken seti [(X1, X2, …, Xn ve Y1, Y2, …, Ym) ve (n≥2
ve m≥2)] arasındaki ilişkinin incelenmesi amacıyla
kullanılmaktadır (Bordens ve Abbott, 2011). Kanonik korelasyon analizinde iki veri seti arasındaki
ilişki tek bir analiz ile ortaya konulabilmektedir. Bu
yönüyle kanonik korelasyon analizi, ölçme işlemine karışabilecek I. Tip hatayı kontrol altına almaya
ÇETİN, İLHAN, YILMAZ / Olumsuz Değerlendirilme Korkusu ve Akademik Risk Alma Arasındaki İlişkinin Kanonik...
Şekil 1.
Kanonik Korelasyon Analizinin Genel Şeması
olanak tanımaktadır (Stangor, 2010). Teorik olarak iki değişken seti arasında bağımlı ve bağımsız
değişken seti ayrımı yapılabiliyorsa kanonik korelasyonun amacı bağımsız değişken setinin bağımlı
değişken setini etkileyip etkilemediğini belirlemeye
yöneliktir. Ancak kanonik korelasyon analizinde
iki değişken setinin bağımlı ve bağımsız değişken
seti gibi bir ayrıma tabi tutulması zorunlu değildir
(Albayrak, 2010). Bu durumda iki değişken seti için
Set1 ve Set2 şeklinde bir adlandırma tercih edilmekte ve kanonik korelasyonun amacı Set1 ile Set2
arasındaki ilişkiyi belirleyemeye yönelik olmaktadır (Stevens, 2009).
Kanonik korelasyon analizinde ilk olarak iki değişken seti arasındaki ilişkiyi maksimum yapacak doğrusal bileşenler elde edilir (Leech, Barlett ve Morgan, 2005). Değişkenlerin doğrusal bileşenlerinden
elde edilen bu yeni değişkenler kanonik değişken
olarak adlandırılmaktadır (Afifi ve Clark, 2004).
Kanonik korelasyon eşitliğinin sağ ve sol tarafındaki kanonik değişkenlerin ikisi birden kanonik
değişken çifti olarak isimlendirilmektedir (Tabachnick ve Fidell, 2007). Kanonik değişken çiftleri arasındaki ilişki (korelasyon) ise kanonik fonksiyon ya
da kanonik kök olarak tanımlanmaktadır (Sherry
ve Henson, 2005). Her kanonik fonksiyon iki kanonik değişkenden oluşmaktadır (Hair, Black, Babin
ve Anderson, 2010). Kanonik korelasyon analizinde oluşturulabilecek maksimum kanonik değişken
çifti sayısı, hangi değişken setinde daha az sayıda
değişken varsa, o setteki değişken sayısına eşittir
(Cohen, Cohen, West ve Aiken, 2003). Kanonik
korelasyon analizinde elde edilen ilk kanonik değişken çifti, değişken setleri arasındaki ilişkiyi maksimum yapacak şekilde hesaplanmaktadır (Afifi ve
Clark, 2004). Daha sonra ikinci kanonik değişken
çifti oluşturularak bu işleme devam edilir. İkinci
kanonik değişken çifti, ilk kanonik değişken çifti
arasındaki korelasyon hesaplanırken dikkate alın-
mayan iki kanonik değişken arasındaki maksimum
ilişkiyi ortaya koyar (Stevens, 2009). İki kanonik
değişken arasında elde edilen her yeni fonksiyonda
kanonik korelasyonun değeri azalır (Hair ve ark.,
2010). Kanonik korelasyon analizinin genel şeması
Şekil 1’de gösterilmiştir.
Bu araştırmada kanonik korelasyon analizi kullanılarak DPM ve TPM değişkenlerinin ağırlıklı kombinasyonlarından oluşan olumsuz değerlendirilme
korkusu veri seti ile BSYTEOE, GİTE, BSOE ve
ÖYE değişkenlerinin ağırlıklı kombinasyonlarından oluşan akademik risk alma veri seti arasındaki
ilişkinin ortaya konulması amaçlanmıştır. Araştırmada iki değişken setinden birinde 2, diğerinde 4
değişken bulunmaktadır. Dolayısıyla oluşturulabilecek maksimum kanonik değişken çifti sayısı 2’dir.
Bulgular
Bu bölümde kanonik korelasyon analizi sonucunda ulaşılan bulgulara yer verilmiştir. Kanonik korelasyon analizinde, ilk olarak elde edilen kanonik
modelin istatistiksel olarak anlamlı olup olmadığını gösteren çok değişkenli anlamlılık testi sonuçları
incelenmelidir. Bu anlamlılık testleri Pillais, Hotellings, Wilks ve Roys olarak adlandırılan dört farklı
testten oluşmaktadır. Bu testlerden her biri daha
tanıdık bir istatistik olan F testine dönüştürülerek
de analiz sonucunda ortaya çıkan kanonik modelin anlamlılığı sınanabilmektedir. Bu dört testin her
birinin dayandığı kuramsal temelin farklı olması,
her bir test için hesaplanan F değerinin de farklı
olmasına neden olmaktadır. Bununla birlikte, araştırmalarda genellikle uygulanabilirliği daha fazla
olduğu için yorumlar Wilks ƛ testine dayalı olarak
yapılmaktadır (Sherry ve Henson, 2005).
139
KURAM VE UYGULAMADA EĞİTİM BİLİMLERİ
Tablo 1.
Çok Değişkenli Anlamlılık Testleri
Hipotez
sd
Hata
sd
F’nin Anlamlılık
Değeri
.35910 11.48929
8.00
420.00
.000
.52601 13.67622
8.00
416.00
.000
.64960 12.57801
8.00
418.00
.000
Testin
Adı
Değer
Pillais
Hotellings
Wilks
Roys
.33296
Yaklaşık
F
S = 2, M = 1/2, N = 103 1/2
Tablo 1’deki bulgulara göre, araştırmadan elde
edilen kanonik modelin istatistiksel olarak anlamlı olduğu görülmektedir [Wilks’s λ= .64960, F(8,
418.00) =12.57801, p<.001]. Ancak bu testlerin
anlamlılığı elde edilen ilişkinin gücü hakkında bilgi
vermemektedir. Çalışma grubundaki katılımcı sayısının fazla olduğu araştırmalarda, pratikte anlamlı
olmayan çok küçük F değerlerini bile istatistiksel
olarak anlamlı çıkabilmektedir. Bu nedenle, kanonik korelasyon analizinde modelin anlamlılığının
yanı sıra etki büyüklüğüne ilişkin bir değerlendirmenin yapılması oldukça önemlidir. Bu konuda
ters etki büyüklüğü olarak adlandırılan Wilks λ değerinden yararlanılmaktadır. Wilks λ değeri, analiz
sonucunda elde edilen modelde kanonik değişkenler arasında açıklanamayan varyansı ifade etmektedir. Dolayısıyla “1-λ” değeri kanonik değişkenlerin
paylaştıkları ortak varyans miktarını göstermekte
ve regresyon analizindeki R2 değeri gibi yorumlanabilmektedir. Tablodaki Wilks’s λ değeri için “1-λ”
değeri .3504 olarak hesaplanmaktadır. Buna göre,
olumsuz değerlendirme korkusu ile akademik risk
alma veri setleri arasında paylaşılan ortak varyansın %35 olduğu söylenebilir.
Kanonik korelasyon analizinde elde edilen kanonik
modelin istatistiksel olarak anlamlı olup olmadığının yanı sıra modeldeki her bir kanonik fonksiyonun anlamlılığının ayrı ayrı incelenmesi gerekmektedir. Kanonik korelasyondan elde edilen kanonik
modelin anlamlılığı sınanırken, analiz sonucunda
ortaya çıkan kanonik fonksiyonların yığılmalı değerleriyle işlem yapılmaktadır. Bu nedenle, kanonik
fonksiyonların yığılmalı değerlerinin istatistiksel
olarak anlamlı olduğu bir kanonik modelde, kanonik fonksiyonların bir kısmı anlamlı iken bir kısmı
için kanonik değişkenler arasındaki ilişki çok düşük olabilir ve bu ilişki istatistiksel olarak anlamlı
bulunmayabilir. Dolayısıyla kanonik korelasyon
analizi sonuçları yorumlanırken kanonik model ile
birlikte her bir kanonik fonksiyonun anlamlılığının
ayrı ayrı değerlendirilmesi gerekmektedir. Kanonik fonksiyonların hangilerinin anlamlı olduğuna
karar vermek için kanonik fonksiyonlara ilişkin öz
140
değerler ve kanonik korelasyon değerleri incelenmektedir (Sherry ve Henson, 2005). Araştırmada
olumsuz değerlendirilme korkusu ve akademik
risk alma veri setleri arasındaki ilişkiyi incelemek
amacıyla uygulanan kanonik korelasyon analizi sonucunda iki kanonik fonksiyon elde edilmiştir. Bu
fonksiyonlara ait öz değerler ile kanonik korelasyon
değerleri Tablo 2’de gösterilmiştir.
Tablo 2.
Öz Değer ve Kanonik Korelasyon
Kök Öz
No. Değer
1
2
Yüzde
Yığılmalı Kanonik
Yüzde Korelasyon
.49917 94.8903 94.8903
.02684 5.10197 10.0000
.57703
.16166
Kanonik Korelasyonun
Karesi
.33296
.02614
Tablo 2’deki bulgulara göre, birinci kanonik fonksiyona ilişkin kanonik korelasyon değeri .57703’tür.
Buna göre, ilk kanonik fonksiyonda olumsuz değerlendirilme korkusu ve akademik risk alma veri setleri %33,296’lık bir varyans paylaşmaktadır. İkinci
kanonik korelasyonda, ilk kanonik fonksiyonda
dikkate alınmayan ve iki kanonik değişken arasındaki maksimum ilişkiyi ortaya koyan kanonik korelasyon değeri hesaplanmaktadır. İkinci kanonik
fonksiyon için hesaplanan bu değer .16166 olup
buna göre olumsuz değerlendirilme korkusu ile
akademik risk alma veri setleri ikinci kanonik fonksiyonda %2,614’lük bir varyans paylaşmaktadırlar.
Kanonik korelasyon analizinde her bir kanonik
fonksiyonun anlamlılığının ayrı ayrı incelenmesi
kanonik korelasyon analizi sonucunda ortaya çıkan fonksiyonlardan hangilerinin yorumlanması
gerektiği konusuna da ışık tutmaktadır. Tabachnick
ve Fidell (2007) kanonik korelasyon analizinde
yalnızca istatistiksel olarak anlamlı olan kanonik
fonksiyonların yorumlanması gerektiğini ifade etmektedir. Sherry ve Henson’a (2005) göre ise hangi
kanonik fonksiyonların yorumlanması gerektiğine
karar vermek için her bir fonksiyon için hesaplanan kanonik korelasyon değerinin karesi alınmalı
ve daha sonra bu değerler toplanarak “1- λ” değeri
ile karşılaştırılmalıdır. Söz konusu değerlerin karelerinin toplamı kaçıncı fonksiyonda “1- λ” değerine
eşit oluyor ya da bu değeri geçiyorsa o kadar fonksiyonun yorumlanması gerekmektedir. Sherry ve
Henson tarafından önerilen bu hesaplamaya göre,
modelin tamamı için kanonik değişkenlerin paylaştıkları ortak varyans, tüm kanonik fonksiyonlardan
elde edilen ortak varyansların toplam değerinden
küçük olabilir. Bu durum ortogonal (dik) fonksiyonların doğasından kaynaklanmaktadır. Kanonik
korelasyon analizinde; ikinci kanonik değişken çifti, ilk kanonik değişken çifti arasındaki korelasyon
ÇETİN, İLHAN, YILMAZ / Olumsuz Değerlendirilme Korkusu ve Akademik Risk Alma Arasındaki İlişkinin Kanonik...
hesaplanırken dikkate alınmayan iki kanonik değişken arasındaki maksimum ilişkiyi ortaya koymaktadır ve ikinci kanonik fonksiyon ilk kanonik fonksiyona ortogonal olmak zorundadır. Benzer şekilde,
hesaplanan her kanonik fonksiyonun kendisinden
önceki kanonik fonksiyonlara ortogonal olması
gerekmektedir. Bu nedenle, tüm fonksiyonlar için
elde edilen kanonik korelasyonların karelerinin
toplamı kanonik model için kanonik değişkenlerin
paylaştıkları ortak varyans miktarından büyük olabilmektedir.
Kanonik korelasyon analizinde her bir kanonik
fonksiyonun veri setleri arasında paylaşılan ortak varyansın ne kadarını açıklayabildiğini tespit
etmek için boyut azaltma analizinden de yararlanılabilmektedir. Boyut azaltma analizinde kanonik fonksiyonlar, kanonik değişkenler arasındaki
korelasyonun değerine göre hiyerarşik olarak sıralanmaktadır. Boyut azaltma analizi tablosunun
ilk satırına bakılarak kanonik modelin istatistiksel
olarak anlamlı olup olmadığına ve veri setleri arasında paylaşılan ortak varyansın ne kadar olduğuna karar verilebilir. Bu tablonun ikinci satırı incelenerek kanonik değişkenler arasındaki ilişkinin
en yüksek olduğu birinci fonksiyon çıkarıldıktan
sonra, kalan kanonik fonksiyonlarda veri setleri
arasındaki ilişkinin anlamlı olup olmadığı ve veri
setlerinin paylaştıkları ortak varyansın ne kadar
olduğu belirlenebilir. Bu şekilde boyut azaltma analizi tablosunun son satırına gelindiğinde, kanonik
değişkenler arasındaki korelasyonun en az olduğu
kanonik fonksiyon için veri setleri arasında paylaşılan ortak varyansın ne kadar olduğu tespit edilebilir. Genellikle elde edilen bu son kanonik fonksiyon
için kanonik değişkenler arasındaki korelasyonun
değeri istatistiksel olarak anlamlı değildir (Sherry
ve Henson, 2005). Olumsuz değerlendirilme korkusu ile akademik risk alma veri setleri arasındaki
ilişkiye ait boyut azaltma analizi sonuçları Tablo 3’te
gösterilmiştir.
Tablo 3.
Boyut Azaltma Analizi
Kökler
Wilks
L.
F
Hipotez
sd
Hata
sd
F’nin Anlamlılık
Değeri
1 to 2
.64960 12.57801
8.00
418.00
.000
2 to 2
.97386
3.00
210.00
.134
1.87857
Tablo 3’teki bulgulara göre, analiz sonucunda elde
edilen iki kanonik fonksiyonun yığılmalı değerlerinden oluşan kanonik model (fonksiyon 1 to 2) istatistiksel olarak anlamlıdır [Wilks’s λ=.64960, F(8,
418.00) =12.57801, p<.001]. Kanonik değişkenler
arasındaki ilişkiyi maksimum yapacak şekilde he-
saplanan birinci kanonik fonksiyonun çıkarılmasından sonra kalan ikinci kanonik fonksiyon için
(fonksiyon 2 to 2) olumsuz değerlendirilme korkusu ile akademik risk alma veri setleri arasında istatistiksel olarak anlamlı bir ilişki bulunmamaktadır
[Wilks’s λ=.97386, F(3, 210.00)= 1.87857, p>.05].
İkinci kanonik fonksiyona ait Wilks λ değerine
göre, akademik risk alma ile olumsuz değerlendirilme korkusu veri setleri arasında paylaşılan ortak
varyans %2,614’tür [“1- λ”=.02614]. Bu araştırmada kanonik korelasyon analizi sonucunda elde
edilen kanonik fonksiyonlardan hangilerinin yorumlanması gerektiğine karar vermek için Sherry
ve Henson (2005) tarafından önerilen hesaplama
dikkate alınmıştır. Buna göre, olumsuz değerlendirilme korkusu ve akademik risk alma veri setleri
arasında paylaşılan ortak varyans, birinci ve ikinci
kanonik fonksiyona ait kanonik korelasyon değerlerinin karelerinin toplamına eşit olduğundan her
iki kanonik fonksiyonun da yorumlanması gerekmektedir.
Kanonik korelasyon analizinde cevaplanması gereken bir diğer soru da, veri setlerinde yer alan değişkenlerin kanonik değişkenler arasındaki ilişkiye
nasıl bir katkı sağladığı ile ilgilidir. Bu sorunun
yanıtlanmasında kanonik fonksiyonlara ait standardize edilmiş katsayılar ile yapısal katsayılara
başvurulmaktadır. Bu araştırmada, olumsuz değerlendirilme korkusu veri setinde yer alan DPM ve
TPM değişkenleri ile akademik risk alma veri setinde yer alan BSYTEOE, GİTE, BSOE ve ÖYE değişkenlerinin kanonik değişkenler arasındaki ilişkiye
ne kadar katkı sağladığını belirlemek için kanonik
değişkenler arasındaki birinci ve ikinci kanonik
fonksiyona ait standardize edilmiş katsayılar ve yapısal katsayılar incelenmiştir. Elde edilen bulgular
Tablo 4’te gösterilmiştir. Bulguların sunumunda,
kanonik fonksiyonlara ait standardize edilmiş katsayılar “Sek” şeklinde, yapısal katsayılar rs şeklinde
gösterilmiştir. DPM ve TPM değişkenlerinin olumsuz değerlendirilme korkusu veri setiyle; BSYTEOE, GİTE, BSOE ve ÖYE değişkenlerinin akademik
risk alma veri seti ile paylaştıkları ortak varyans ise
rs2 şeklinde gösterilmiştir. Olumsuz değerlendirilme korkusu veri setinde yer alan DPM ve TPM
değişkenleri ile akademik risk alma veri setinde yer
alan BSYTEOE, GİTE, BSOE ve ÖYE değişkenlerine ait birinci ve ikinci kanonik fonksiyondaki rs2
değerlerinin toplanmasıyla bu değişkenlerin bulundukları veri seti ile paylaştıkları ortak varyansın kanonik modelde ne kadar olduğu belirlenmektedir.
Belirlenen bu değer h2 şeklinde gösterilmektedir.
Değişkenlerin bulundukları veri seti ile paylaştıkları varyansın önemli olup olmadığının tespitinde .45
141
KURAM VE UYGULAMADA EĞİTİM BİLİMLERİ
değeri ölçüt olarak alınmaktadır. Buna göre, .45 ve
üzerindeki rs ve h2 değerlerine sahip değişkenlerin
bulundukları veri setine katkılarının önemli olduğu
söylenebilir. Bu ölçüt faktör analizinde .45 ve üzerinde faktör yüküne sahip olan maddelerin oldukça
iyi maddeler olarak kabul edilmesi yargısından yola
çıkılarak belirlenmiştir (Sherry ve Henson, 2005).
Tablo 4.
Olumsuz Değerlendirilme Korkusu ile Akademik Risk Alma
Arasındaki İlişkiye Ait 1. ve 2. Kanonik Fonksiyon için Kanonik
Çözümleme
1. Kanonik
2. Kanonik
Fonksiyon
Fonksiyon
Değişken
Sek
rs
rs2 (%) Sek
DPM
-283 .65
TPM
-.843 -.97 93.55
Rc2
rs
42.72 1.077 .76
.728
.25
33.29
rs2 (%) h2 (%)
57.28
100.00
6.45
100.00
2.61
BSYTEOE -.876 -.95 91.44 -.316 .004
.001
91.44
GİTE
.235
.25
6.25
.207 -.48
23.39
29.64
BSOE
.322
.17
2.89
.554
.61
37.13
40.02
ÖYE
-.096 -.48 23.04
.934
.82
66.91
89.95
|.45|’ten büyük olan rs ve h2 değerleri altı çizili olarak gösterilmiştir.
Tablo 4’teki bulgulara göre, birinci kanonik fonksiyonda DPM ve TPM değişkenlerinin olumsuz değerlendirilme korkusu veri setine olan katkılarının
.45’in üzerinde olduğu belirlenmiştir. Buna göre, birinci kanonik fonksiyon için hem DPM hem de TPM
değişkeninin olumsuz değerlendirilme korkusu veri
setine olan katkılarının anlamlı olduğu söylenebilir. Yine Tablo 4’teki bulgulara göre, birinci kanonik
fonksiyonda BSYTEOE ve ÖYE değişkenlerinin akademik risk alma veri setine olan katkılarının .45 değerinin üzerinde olduğu; buna karşın GİTE ve BSOE
değişkenlerinin akademik risk alma veri setine olan
katkısının .45’in altında yer aldığı görülmektedir. Bu
durumda, birinci kanonik fonksiyonda BSYTEOE ve
ÖYE değişkenlerinin akademik risk alma veri setine
olan katkılarının GİTE ve BSOE değişkenlerinin katkısına göre daha önemli olduğu söylenebilir.
Kanonik korelasyon analizinden elde edilen kanonik fonksiyonlarda, bulundukları veri setine
anlamlı katkı sağlayan (.45 veya üzerinde yapısal
katsayıya sahip olan) değişkenlerin işaretlerine
bakılarak bu değişkenler arasındaki ilişkinin yönü
belirlenebilmektedir. Buna göre, hem DPM hem de
TPM değişkenine ait yapısal katsayıların anlamlı
olduğu birinci kanonik fonksiyonda, DPM ve TPM
arasında negatif ilişki bulunduğu söylenebilir. DPM
ile TPM değişkenleri arasındaki bu negatif ilişki,
DPM değişkeninde olumsuz değerlendirilme korkusunu destekleyen, TPM değişkeninde ise olumsuz değerlendirilme korkusunu desteklemeyen ifadelerin yer almasıyla açıklanabilir. Birinci kanonik
fonksiyonda akademik risk alma veri setine ait değişkenler incelendiğinde ise, yapısal katsayıları anlamlı olan BSYTEOE ve ÖYE değişkenlerinin her
ikisinin de negatif işaretli oldukları görülmektedir.
Buna göre, birinci kanonik fonksiyonda BSYTEOE
ve ÖYE değişkenleri arasında pozitif yönde bir ilişkinin bulunduğu söylenebilir. Tablo 4’e göre ayrıca,
DPM ile BSYTEO ve ÖYE arasında negatif yönde;
TPM ile BSYTEO ve ÖYE arasında ise pozitif bir
ilişki bulunmaktadır. Birinci kanonik fonksiyondan elde edilen bu sonuç, olumsuz değerlendirilme
korkusu arttıkça BSYTEOE ve ÖYE’nin azaldığını
göstermektedir.
Tablo 4’e göre, birinci kanonik fonksiyon için rs2
değeri 33.29 olarak hesaplanmıştır. Bu değer, birinci kanonik fonksiyonda olumsuz değerlendirilme
korkusu ve akademik risk alma veri setleri arasında
paylaşılan ortak varyansın %33,29 olduğunu ortaya koymaktadır. Birinci kanonik fonksiyona ilişkin
yapısal katsayılar ile bu fonksiyon için olumsuz değerlendirilme korkusu ve akademik risk alma veri
setleri arasındaki kanonik korelasyon katsayısı Şekil 2’de ayrıca gösterilmiştir.
İkinci kanonik fonksiyona ilişkin bulgular incelendiğinde, DPM değişkeninin olumsuz değerlendirilme korkusu veri setine olan katkısının .45’in
Şekil 2.
Olumsuz Değerlendirilme Korkusu ile Akademik Risk Alma Arasındaki 1. Kanonik Fonksiyona Ait Yapısal Katsayılar ile Kanonik
Korelasyon Değeri
142
ÇETİN, İLHAN, YILMAZ / Olumsuz Değerlendirilme Korkusu ve Akademik Risk Alma Arasındaki İlişkinin Kanonik...
Şekil 3.
Olumsuz Değerlendirilme Korkusu ve Akademik Risk Alma Arasındaki 2. Kanonik Fonksiyona Ait Yapısal Katsayılar ile Kanonik Korelasyon Değeri
üzerinde olduğu, TPM değişkeninin olumsuz
değerlendirilme korkusu veri setine olan katkılarının ise .45’in altında yer aldığı görülmektedir.
Buna göre, ikinci kanonik fonksiyonda DPM değişkeninin olumsuz değerlendirilme korkusu veri
setine olan katkısının TPM değişkeninin katkısına
göre daha önemli olduğu söylenebilir. Yine ikinci
kanonik fonksiyona ilişkin bulgulara göre, GİTE,
BSOE ve ÖYE değişkenlerinin akademik risk alma
veri setine olan katkılarının .45’in üzerinde olduğu,
buna karşın BSYTEOE değişkeninin akademik risk
alma veri setine olan katkısının .45’in altında yer
aldığı görülmektedir. Bu durumda, ikinci kanonik
fonksiyonda GİTE, BSOE ve ÖYE değişkenlerinin
akademik risk alma veri setine olan katkılarının
BSYTEOE değişkeninin katkısına göre daha önemli olduğu söylenebilir. İkinci kanonik fonksiyonda
yapısal katsayıları anlamlı olan olumsuz değerlendirilme korkusu veri setine ait DPM değişkeni ile
akademik risk alma veri setine ait GİTE, BSOE
ve ÖYE değişkenlerinin işaretleri incelendiğinde;
DPM, BSOE ve ÖYE değişkenlerinin pozitif, GİTE
değişkeninin negatif olduğu görülmektedir. Buna
göre, DPM, BSOE ve ÖYE değişkenleri arasında
pozitif yönde bir ilişki bulunurken, DPM, BSOE
ve ÖYE değişkenleri ile GİTE değişkeni arasında
negatif yönlü bir ilişki bulunmaktadır. Bu sonuç,
olumsuz değerlendirilme korkusu arttıkça BSOE
ve ÖYE’nin arttığını, GİTE’nin ise azaldığını ortaya
koymaktadır.
Tablo 4’e göre, ikinci kanonik fonksiyon için rs2
değeri 2.61 olarak hesaplanmıştır. Bu değer, ikinci kanonik fonksiyonda olumsuz değerlendirilme
korkusu ve akademik risk alma veri setleri arsında
paylaşılan ortak varyansın %2,61 olduğunu göstermektedir. İkinci kanonik fonksiyona ilişkin yapısal
katsayılar ile bu fonksiyon için akademik risk alma
ve olumsuz değerlendirilme korkusu veri setleri
arasındaki kanonik korelasyon katsayısı Şekil 3’te
ayrıca gösterilmiştir.
Tablo 4’te yer alan birinci ve ikinci kanonik fonksiyona ait rs2 değerlerinin toplanmasıyla olumsuz değerlendirilme korkusu ve akademik risk alma veri
setlerinin paylaştıkları ortak varyansın ne kadar olduğu belirlenebilmektedir. Buna göre, olumsuz değerlendirilme korkusu ve akademik risk alma veri
setleri arasında paylaşılan ortak varyans %35’tir.
Kanonik korelasyon analizinden elde edilen bulgulara dayanarak, olumsuz değerlendirilme korkusu
ve akademik risk alma arasındaki ilişki Şekil 4’teki
gibi gösterilebilir.
Şekil 4.
Olumsuz Değerlendirilme Korkusu ile Akademik Risk Alma Arasında Paylaşılan Ortak Varyans
Tartışma, Sonuç ve Öneriler
Bu araştırmada olumsuz değerlendirilme korkusu
ile akademik risk alma arasındaki ilişki kanonik
korelasyon analizi ile incelenmiştir. Analiz sonucunda, olumsuz değerlendirilme korkusu ile akademik risk alma arasındaki ilişkiye ait iki kanonik
fonksiyon elde edilmiştir. Olumsuz değerlendirilme
korkusu ve akademik risk alma veri setleri arasındaki ilişkiyi maksimum yapacak şekilde hesaplanan
birinci kanonik fonksiyonda veri setleri arasındaki korelasyon .57703 olarak hesaplanmıştır. Buna
göre, ilk kanonik fonksiyonda olumsuz değerlen-
143
KURAM VE UYGULAMADA EĞİTİM BİLİMLERİ
dirilme korkusu ile akademik risk alma veri setlerinin %33,30’luk bir varyans paylaştıkları ortaya
çıkmıştır. İkinci kanonik fonksiyonda, ilk kanonik
fonksiyonda dikkate alınmayan ve iki kanonik
değişken arasındaki maksimum ilişkiyi ortaya koyan kanonik korelasyon değeri hesaplanmaktadır.
İkinci kanonik fonksiyon için hesaplanan kanonik
korelasyon değeri .16166’dır. Bu sonuç, olumsuz değerlendirilme korkusu ile akademik risk alma veri
setlerinin ikinci kanonik fonksiyonda paylaştıkları
ortak varyansın %2,61 olduğunu göstermektedir.
Kanonik korelasyon analizinden elde edilen kanonik fonksiyonların yığılmalı değerlerinden oluşan kanonik modelde, olumsuz değerlendirilme
korkusu ile akademik risk alma veri setlerinin
paylaştıkları ortak varyans %35 olarak hesaplanmıştır. Ayrıca kanonik fonksiyonlardan elde edilen
bulgular, olumsuz değerlendirilme korkusunun
BSOE ile pozitif; BSYTEOE ve GİTE ile negatif
bir ilişki içerisinde olduğunu ortaya koymuştur.
Olumsuz değerlendirilme korkusu ile ÖYE arasında ise birinci kanonik fonksiyonda negatif, ikinci
kanonik fonksiyonda pozitif bir ilişki bulunmaktadır. BSOE ile ÖYE düşük, buna karşın BSYTEOE
ile GİTE yüksek olan öğrencilerin, akademik risk
alma konusunda istekli oldukları bilinmektedir.
Buna göre, genel olarak olumsuz değerlendirilme
korkusu arttıkça akademik risk alma eğiliminin
azaldığı söylenebilir. Olumsuz değerlendirilme
korkusu yaşayan bireylerin reddedilmeye maruz
kalmamak için sosyal ortamlardan ve sosyal performans gerektiren durumlardan kaçınması ve güvenlik sağlayıcı davranışlar arama çabasına girmesi
(Rapee ve Heimberg, 1997) bu bulgunun kaynağı
olabilir. Bir başka deyişle, olumsuz değerlendirilme
korkusu yaşayan bireylerin yaptıkları eylemlerin
zararlı sonuçlarını kaldıramayacaklarından ötürü,
bu eylemleri gerçekleştirme riskini almak istememeleri (Boyer, 2006; Halstead ve Taylor, 1996) sınıf
ortamında akademik risk almaktan kaçınmalarına neden olabilmektedir. Bu sonuç, öğrencilerin,
olumsuz değerlendirileceklerine ilişkin yaşadıkları
korkunun gerçekçi olmadığını görebilecekleri bir
sınıf atmosferi oluşturulduğu ve olumsuz değerlendirilme korkularını azaltacak önlemler alındığı
takdirde, öğrencilerin akademik risk alma eğilimlerinin artacağına işaret etmektedir. Bu kapsamda,
öğrencilerin sınıf ortamındaki etkinliklere katılması konusunda cesaretlendirilmesi, ürün odaklı değerlendirme yerine öğrencinin, öğrenmeye ilişkin
çabalarının değerli olduğunu görebileceği süreç
temelli değerlendirme yöntemlerinin kullanılması
ve öğrencilerin değerlendirmede kullanılacak puanlama ölçütlerinden haberdar edilmesi öğrencile-
144
rin olumsuz değerlendirilme korkularını azaltarak
akademik risk alma davranışlarını destekleyebilir.
Alanyazın incelendiğinde, olumsuz değerlendirme
korkusu ile akademik risk alma değişkenlerinin
birbirleri ile ilişkili yapılar olduğuna işaret eden
çalışmaların bulunduğu görülmektedir. Ancak literatürde, olumsuz değerlendirme korkusu ile akademik risk alma arasındaki ilişkiyi ampirik olarak
inceleyen bir çalışmaya rastlanmamıştır. Olumsuz
değerlendirme korkusu ile akademik risk alam arasındaki ilişkinin kanonik korelasyon ile incelendiği
bu çalışmanın, literatürdeki bu boşluğu doldurması
yönüyle önemli olduğu düşünülmektedir. Bununla
birlikte, araştırmanın bir takım sınırlılıkları bulunmakta ve bu sınırlılıkların ileri araştırmalarla aşılabileceğine inanılmaktadır. Öncelikle bu araştırma,
öğrencilerin sınıf ortamındaki davranışları üzerindeki etkili olan duyuşsal özellikler arasında yer alan
olumsuz değerlendirilme korkusu ve akademik risk
alma değişkenleri ile sınırlı tutulmuştur. Akademik
risk alma ile olumsuz değerlendirilme korkusu arasında anlamlı bir ilişki bulunduğu ve akademik risk
alma konusunda istekli olan öğrencilerin motivasyonlarının (Clifford, 1988; House, 2002), problem
çözme becerilerinin (Tay ve ark., 2009) ve olumlu
mükemmeliyetçilik özelliklerinin yüksek (Öner
Sünkür ve ark., 2013); öğrenilmiş çaresizlik duygularının (Esen Kıran, 2005; Neihart, 2010), akademik
beklentilere ilişkin yaşadıkları stresin (İlhan ve Çetin, 2013) ve olumsuz mükemmeliyetçilik özelliklerinin (Öner Sünkür ve ark., 2013) ise düşük olduğu
dikkate alındığında, motivasyon, problem çözme
becerisi, öğrenilmiş çaresizlik, akademik beklentilere ilişkin stres, olumlu ve olumsuz mükemmeliyetçilik değişkenlerinin olumsuz değerlendirilme
korkusu ile anlamlı bir ilişki içerisinde olduğu
düşünülmektedir. Ancak, olumsuz değerlendirilme korkusu ile söz konusu değişkenler arasındaki
ilişkinin net olarak ortaya konulması için ileri araştırmalara ihtiyaç duyulmaktadır. Benzer şekilde,
olumsuz değerlendirilme korkusu ile başarısızlık
korkusu, performans kaçınma eğilimi, performans
yaklaşma eğilimi, sınav kaygısı değişkenleri arasındaki anlamlı ilişki (Dinnel ve ark., 2002) sıralanan
değişkenler ile akademik risk alma davranışı arasında da anlamlı bir ilişkinin bulunduğuna işaret
etmektedir. Bu noktadan hareketle, akademik risk
alma davranışı ile başarısızlık korkusu, başarı amaç
yönelimleri ve sınav kaygısı arasındaki ilişkiyi inceleyen araştırmaların yapılması önerilebilir.
Araştırmaya ilişkin ikinci bir sınırlılık, araştırmanın yalnızca kendine rapor etme (sel-report) türünden ölçme araçlarıyla toplanan verilere dayalı nicel
ÇETİN, İLHAN, YILMAZ / Olumsuz Değerlendirilme Korkusu ve Akademik Risk Alma Arasındaki İlişkinin Kanonik...
bir araştırma olmasıdır. Bireyin kendisi hakkında
bilgi vermesi esasına dayalı ölçme araçları, toplanan verilerin inandırıcılığına ilişkin soruları beraberinde getirmektedir (Johnston ve Pennypacker,
1993). Yapılan araştırmalar, üniversite öğrencilerinin kendini rapor etme türünden ölçme araçlarını
yanıtlarken gerçek duygu ve düşüncelerini yansıttıklarını gösterse de (O’Neill, Walters, Rasheed ve
Johnston, 1975), elde edilen verilerin inandırıcılığı
konusunda daha kesin bir yargıya varabilmek için
farklı veri kaynaklarından faydalanılması oldukça önemlidir. Bu kapsamda; görüşme, gözlem gibi
nitel veri toplama yöntemlerinden yararlanılarak,
olumsuz değerlendirme korkusu ile akademik risk
alma arasındaki ilişkiyi incelemeye yönelik yeni
araştırmaların yapılması önerilebilir. Böylelikle,
olumsuz değerlendirilme korkusu profilleri farklı
olan bireylerin akademik risk alma davranışlarının
ne düzeyde olduğu konusunda daha ayrıntılı bilgi
edinilebilir.
145
Educational Sciences: Theory & Practice • 14(1) • 146-158
©
2014 Educational Consultancy and Research Center
www.edam.com.tr/estp
DOI: 10.12738/estp.2014.1.1616
An Investigation of the Relationship between the Fear
of Receiving Negative Criticism and of Taking Academic
Risk through Canonical Correlation Analysis
a
b
Bayram ÇETİN
Mustafa İLHAN
Gaziantep University
Dicle University
c
Ferat YILMAZ
Dicle University
Abstract
The aim of this study is to examine the relationship between the fear of receiving negative criticism and taking
academic risk through canonical correlation analysis-in which a relational model was used. The participants
of the study consisted of 215 university students enrolled in various programs at Dicle University’s Ziya Gökalp
Faculty of Education during the 2011-2012 spring semester. Of the total 215 participants, 122 were female and
93 were male. The Brief Fear of Negative Evaluation Scale and the Academic Risk Taking Scale were used as
data collection tools. In order to properly analyze this relationship, the data set fear of receiving negative criticism was divided into straight forward items and reverse scored item variables whereas the data set academic
risk-taking was into a multitude of variables; including, (a) the tendency to manifest negativity after experiencing
failure, (b) the tendency to prefer difficult actions, (c) recovery after failure and the tendency to become active
again, and (d) the tendency to skip homework. The results of the canonical correlation analysis revealed that significant relationships existed between the fear of receiving negative criticism and academic risk taking behavior.
The common variance shared between the two has been calculated at 35%.
Key Words
Academic Risk Taking, Canonical Correlation, Fear of Negative Criticism, Negativeness after Failure, Recovery
From A Failure, Skipping Homework.
Students’ academic success is influenced both by
their cognitive entry behaviors and by their affective
characteristics (Senemoğlu, 2005). Cognitive entry
behaviors comprise things previously learned
which are considered to be prerequisites for
learning a specific unit (Bloom, 1979). Affective
characteristics, on the other hand, are the source
from which students draw their desire and
a Bayram ÇETİN, Ph.D., is currently an associate professor of Educational Sciences. His research interests
include scale development and adaption, cross-cultural structural parameter invariance of scales, test
theories. Correspondence: Gaziantep University, Gaziantep Faculty of Education, Educational Sciences
Department, Gaziantep, Turkey. Email: [email protected]
b Mustafa İLHAN is currently a research assistant of Primary School Mathematics Education. Contact: Dicle
University, Faculty of Ziya Gökalp Education, Department of Primary School, Diyarbakır, Turkey. Email:
[email protected]
c Ferat YILMAZ is currently a research assistant of Primary Teacher Education. Contact: Dicle University, Faculty
of Ziya Gökalp Education, Department of Primary School, Diyarbakır, Turkey. Email: [email protected]
ÇETİN, İLHAN, YILMAZ / An Investigation of the Relationship between the Fear of Receiving Negative Criticism and of Taking...
motivation to participate in the learning process
(Erden & Akman, 2011; Özkan, 2005; Tok, 2008).
With this in mind, it is clearly understood that
affective factors play a leading role in the realization
of effective and permanent learning (Aydın, 2007;
Demirbaş & Yağbasan, 2006; Kılıç, 2002; Tekin,
2009). Yet, there are certainly factors which may
impede affective characteristics from becoming
fully manifest; including, (1) a disorganized
inclusion of affective domain related behaviors into
the curricula after introducing behaviors related to
the cognitive domain (Turgut, 1997) and (2) the
difficulty of identifying and evaluating affective
factors (Bacanlı, 2006; Senemoğlu, 2005; Tekin,
2009) on account of their complicated nature
(Lebens, Graff, & Mayer, 2011). An investigation
of affective factors’ influence on academic reveals
that the following variables are at the forefront: (1)
anxiety (Akbaş & Kan, 2007; Gömleksiz & Yüksel,
2003; Hembree, 1990; Hortwitz, 2001; Richardson
& Suinn, 1972), (2) attitude (Hemmings,
Grootenboer, & Kay, 2011; Lucas, 1998; White,
Way, Perry, & Southwell, 2006), (3) interest
(Heinze, Reiss, & Rudolph, 2005; Jones, 1964;
Koller, Baumert, & Schnabel, 2001; Kuzgun, 2006;
Renninger, Hidi, & Krapp, 1992; Sing, Granwiller,
& Dika, 2002), and (4) motivation (Akbaba, 2006;
Middleton & Spanias, 1999; Wigfield & Wentzel,
2007). However, the strong influence of affective
characteristics on fulfilling learning-teaching
objectives (Chastain, 1975; Gömleksiz, 2003; Ellez,
Gümüş, & Seferov, 2009; Oral, 2010; Tobias, 1991)
necessitates one to consider different affective
characteristics; particularly, (1) perfectionism
degree (Altun & Yazıcı, 2010; İlhan & Öner Sünkür,
2012; Parker, 2000; Ram, 2005; Soleymani &
Rekabdar, 2010; Stoober & Rambow, 2007; Tsui &
Mazzocco, 2006) and (2) the level of hopelessness
one feels toward a specific course (Yenilmez, 2010).
In this vein, one of the affective characteristics
necessitating consideration in student behaviors
in the teaching-learning process is the fear of
receiving negative criticism and evaluation (Dinnel
et al., 2002; Kocovski & Endler, 2000).
The fear of receiving negative criticism is defined as
feeling excessive and constant anxiety (Aydın, 2008;
Leary, 1983; Weeks, Heimberg, & Rodebaugh,
2008) that one will be criticized in a negative and
hostile way by others (Leary, 1983). This leads the
individual to believe that (1) s/he will be evaluated
in undesirable manners while preparing for or
participating in a social event (Weeks et al., 2005),
(2) the belief that others expect highly of him/her
in situations requiring social performance, (3)
doubting one’s own talent and ability to perform
(Rapee & Heimberg, 1997), and (4) the formation of
conditional beliefs that s/he will be isolated if s/he
makes a mistake (Clark & Wells, 1995). As a result
of such beliefs, an individual who has such fears of
being negatively evaluated will avoid social contexts
and situations requiring social performance in
order not to experience rejection, seeking instead
behaviors that do not take him/her out of his
safety zone (Rapee & Heimberg, 1997). The fear of
being negatively evaluated also has influence over
an individual’s behaviors during the learning and
teaching process. The fear of receiving negative
criticism leads to the several subsequent problems;
such as, (1) fear of failure which further decreases
the student’s tendency to learn (McKinney, 2003;
VandeWalle, 1997), (2) a decrease in his/her level of
academic self-esteem (Dinnel et al., 2002; Kocovski
& Endler, 2000) and academic success (Kuhl &
Kraska, 1989), and (3) an increase in both his/her
levels of performance goal orientation (McKinney,
2003; VandeWalle, 1997) and of exam anxiety
(Dinnel et al., 2002).
Apart from the fear of receiving negative criticism,
academic risk taking behavior is another significant
factor exerting influence on students’ classroom
behaviors. Academic risk taking behavior is defined
as sharing ideas whose accuracy is not certain,
asking questions, and the willingness to attempt
both novel and alternative solutions to problems
(Beghetto, 2009). In other words, academic risk
taking behavior comprises considering both the
known and unknown results of participating in a
learning act followed by a decision as to whether s/
he should participate in the learning process or not
(Robinson, 2011). Academic risk taking behavior
is explained by Korkmaz (2002) as Recovery After
Failure and the Tendency to Become Active Again
(RFFTBA), the Tendency to Prefer Difficult Actions
(TPDA), the Tendency toward Negativity After
Experiencing Failure (TNAF), and the Tendency
to Skip Homework (TSH). It may be argued that
students whose TNAF and TSH are low, but whose
RFFTBA and TPDA are high are more willing to
take academic risks (Öner Sünkür, İlhan, Kinay, &
Kılınç, 2013). Students whose academic risk taking
level is high (1) are willing to participate in in-class
activities even if there is risk of failure (Strum,
1971), (2) enjoy the learning process, (3) have a
high level of motivation in the learning context
(Clifford, 1988; House, 2002) and problem solving
skills (Tay, Özkan, & Akyürek Tay, 2009), and (4)
attempt to overcome difficulties they face during
the learning process (Clifford, 1988). Moreover,
147
EDUCATIONAL SCIENCES: THEORY & PRACTICE
such students’ learned helplessness feelings (Esen
Kıran, 2005; Neihart, 2010) and level of stress
related to academic expectancies is low (İlhan &
Çetin, 2013). In addition, students who have higher
tendency of taking academic risks are more likely
to learn (Ames, 1992) and study in order to acquire
new knowledge and skills as well as in order to hone
their existing talents (Ames & Archer, 1988; Braten
& Strømsø, 2004; Dupeyrat & Mariné, 2005). These
facilitatory effects (Clifford, 1991) render students
who are more willing to take risks in the learning
environment to reach higher levels of academic
success than those students who are unwilling
to do the same (Clifford, 1991; Clifford & Chou,
1991; House, 2002). In this sense, just as supporting
academic risk taking behaviors is absolutely critical
in terms of its contribution to academic success, so
is identifying which variables influence academic
risk taking behavior and the degree to which this
influence might successfully guide students to
increase their academic risk taking behaviors.
An analysis of the literature reveals that individuals
who fear negative criticism avoid undertaking
personal endeavors involving risk (Boztaş &
Sungur, 2001; Durmuş, 2008). In other words,
individuals with such fears do not want take the risk
of performing certain acts since they assume that
they will be unable to bear what they perceive to be
dangerous results of said acts (Boyer, 2006; Halstead
& Taylor, 1996). This means that academic risk
taking behavior is directly influenced by the fear of
receiving negative criticism. However, there is been
no study as to yet which examines to what extent
and in which way the fear of receiving negative
criticism influences academic risk taking behavior.
As such, the present study aims to examine this
specific relationship.
Method
In the present study, a relational model has been
used. Relational screening models are study
patterns that determine the presence and level
of joint variances between two or more variables
(Karasar, 2009).
Participants
The population of the study was comprised of a
total of 215 university students, 122 (56.7%) being
female and the remaining 93 (43.3%) being male,
all of whom studying Primary School Teaching at
Dicle University’s Ziya Gökalp Faculty of Education
148
during the spring semester of the 2011-2012
academic year. Participants were distributed across
the faculty’s various departments as follows: 48
participants (22.30%) were from the Department
of Science Teaching, 60 participants (27.90%) from
the Department of Primary School Math Teaching,
21 participants (9.80%) from the Department
of Preschool Teaching, 44 participants (20.50%)
from the Department of Classroom Teaching, and
42 participants (19.50%) from the Department of
Social Studies Teaching. To ensure the reliability of
the findings obtained from a canonical correlation
analysis, it is recommended that the number of
participants to be included in the population be
twenty times larger than the number of variables in
the data sets (Stevens, 2009). The study contained
two variables in the data set fear of receiving negative
criticism; namely, SFI and RSI and whereas an
additional four variables were included in the data
set academic risk-taking; namely, RFFTBA, TPDA,
TNAF, and TSH. Due to the number of variables,
the study should have at least 120 participants so
as to ensure the reliability of the findings; a criteria
which has been fulfilled.
Data Collection Tools
Data for the study were collected through the Brief
Fear of Negative Evaluation Scale and the Academic
Risk Taking Scale.
Brief Fear of Negative Evaluation Scale (BFNES):
The BFNES was developed by Leary (1983) and
then adapted into Turkish by Çetin, Doğan, and
Sapmaz (2010). The scale was based on a 5-point
Likert type scale whose original form contained 12
items. Eight of these items were related to fear and
worries about being evaluated negatively. A sample
item of this scale: “I am frequently afraid of other
people noticing my shortcomings.” The remaining
four items were comprised of items related to lack of
fear and worry about negative evaluation and were
scored reversely; as visible in the sample item: “I am
unconcerned even if I know people are forming an
unfavorable impression of me.” The discriminatory
index of the fourth item in the original scale was
negative, leading to this item being removed from
the Turkish form of the scale. Since the original form
of the BFNES resulted in both two-factor and singlefactor results in separate studies; at first, the results
of the basic component method and direct oblimin
rotation method factor analyze has been limited
with two-factor. Afterwards, a construct explaining
51.50% of the total variance was obtained. In this
structure, the first factor, named straight forward
ÇETİN, İLHAN, YILMAZ / An Investigation of the Relationship between the Fear of Receiving Negative Criticism and of Taking...
items (SFI) for the purposes of this study, included
8 items whereas the second factor, named reverse
scored items (RSI), contained three items. As a result
of the single factor restriction, a structure explaining
40.19% of the total variance was obtained. A CFA
was applied to determine whether the original form
was in line with the Turkish sample. With the applied
DFA fit, indexes of both the single-factor and twofactor models were researched. Additionally, it was
ascertained that the two-factor model’s goodness-offit index values are better than those of the singlefactor model’s goodness-of-fit. For this reason, it was
decided that the BFNES be used with the two-factor
structure in the present study.
In the adaptation study by Çetin et al. (2010),
the reliability coefficients related to the Turkish
form of the BFNES were calculated only for the
single-factor structure. The reliability coefficient
for the single-factor structure was found to be .84
through the internal consistency method, while
the split-half reliability coefficient was found to be
.83 and the test-retest coefficient to be .82. Since
the BFNES was used in the two-factor structure in
the present study, the reliability coefficients of both
the first factor-SFI and the second factor-RSI were
calculated. The internal consistency coefficients
were calculated at .84 for the first factor, including
SFI, and .57 for the second factor, RSI. It is accepted
that scales having a reliability coefficient of .70 and
higher are reliable (Büyüköztürk, 2010; Nunnaly &
Bernstein, 1994), indicating that the reliability of the
first factor, including SFI, is satisfactory. As for the
scales with a few number items, either a reliability
coefficient of .60 and over (Sipahi, Yurtkoru, &
Çinko, 2010) or an inter-item correlation coefficient
of between .20 and .40 (Briggs & Cheek, 1986) is
considered to a score proving the scale’s reliability.
In the present study, the correlations among the RSI
items varied between .26 and .34, meaning that the
reliability coefficients for the second factor, which
includes RSI, are within acceptable limits.
The Academic Risk-taking Scale: Designed by
Clifford (1991) and translated into Turkish by
Korkmaz (2002), this scale measures both students’
level of courage and their willingness/reluctance to
cope with difficulties during the educational process.
This five-point Likert type scale contains a total of
36 items whose original form consists of three subdimensions; namely, RFFTBA, TPDA, and TNAF.
While adapting the scale into Turkish, Korkmaz
added an additional dimension called TSH (the
tendency to skip homework). In the Turkish version,
11 items are included in the dimension RFFTBA. A
sample item from this scale is: “If I get a low grade at
school, I work on my mistakes and attempt to deal
with the questions again.” The second dimension,
TPDA, contains 10 items. Sample item: “Difficult
school assignments are more entertaining than easy
ones.” There are 12 items in the third dimension, the
TNAF. Sample item: “I get discouraged if I make a
mistake in a subject that I have been trying to learn.”
The additional dimension, TSH, contains three
items. Sample item: “If my school assignment is
difficult, I attempt to pass the class without doing it.”
For this scale, one can obtain either separate scores
for each sub-dimension or a total score for the whole
scale. In addition, Korkmaz tested the reliability of
the Turkish version on both university and primary
school students. The internal consistency coefficients
were .89 and .90 for the former and latter, respectively.
The reliability coefficient for the academic risk taking
scale as a whole was .81. The internal consistency
coefficients were .71, .75, .73, and .64 for the subdimensions RFFTBA, TPDA, TNAF, and TSP,
respectively. Since it is acknowledged that scales
with a reliability coefficient of .70 and higher are
reliable (Pallant, 2005; Tezbaşaran, 1997), this scale,
both as a whole and all of its sub-dimensions, with
the exception of the tendency to skip homework, is
considered reliable. However, there is also grounds to
consider the additional sub-dimension TSA reliable,
for it is acknowledged that it is enough for scales
with a small number of items to have a reliability
coefficient of .60 and higher to reach sufficient
reliability (Sipahi et al., 2010).
Data Analysis
The data were analyzed using SPSS 17.0. A canonical
correlation analysis was conducted to study the
correlation between the fear of receiving negative
criticism and taking academic risk. Canonical
correlation analyses are used for studying the
correlation between two data sets with at least two
variables [(X1, X2, …, Xn and Y1, Y2, …, Ym) and
(n≥2 and m≥2)] (Bordens & Abbott, 2011). In this
method, the correlation between two data sets is
revealed through a single analysis. Such analyses,
therefore, enables one to control Type 1 errors
that can intervene in the measurement (Stangor,
2010). If it is theoretically possible to divide two
the data sets into dependent and independent
sets, then the canonical correlation analysis can
be considered an attempt to identify whether the
latter has an influence on the former. Even so,
it is not an obligation to divide the two data sets
into dependent and independent sets to perform
149
EDUCATIONAL SCIENCES: THEORY & PRACTICE
a successful analysis using this method (Albayrak,
2010). In this case, two data sets have been named
Set1 and Set2 and the objective of the canonical
correlation analysis is to identify the correlation
between them (Stevens, 2009).
When performing any canonical correlation
analysis, the first thing to do is to determine which
linear composites will maximize the correlation
between the two data sets (Leech, Barlett, &
Morgan, 2005). These new variables derived from
the linear composites of the variables are called
canonical variables (Afifi & Clark, 2004). The
canonical variables on the right and left-hand sides
of the canonical correlation equation are called a
pair of canonical variables (Tabachnick & Fidell,
2007). The correlation between pairs of canonical
variables is called canonical function or canonical
root (Sherry & Henson, 2005). Each canonical
function consists of two canonical variables (Hair
et al., 2010). In a canonical correlation analysis,
the maximum number of pairs of canonical
variables is equal to the number of variables in
the set containing the fewest number of variables
(Cohen, Cohen, West, & Aiken, 2003). The first pair
of canonical variables derived from the canonical
correlation analysis should be calculated in such
a way so as to maximize the correlation between
sets of variables (Afifi & Clark, 2004). Next, the
second pair of canonical variables must be derived.
The second pair exhibits the maximum correlation
between two canonical variables unaccounted for
by the first pair of canonical variables (Stevens,
2009). The canonical correlation decreases in value
with each new function derived from the two
canonical variables (Hair et al., 2010). In practice,
one interprets only the functions with statistically
significant differences between the two canonical
variables (Tabachnick & Fidell, 2007). Figure
1 presents a general illustration of a canonical
correlation analysis.
Figure 1.
General Illustration of a Canonical Correlation Analysis
150
The purpose of this study is to reveal the correlation
between the data set fear of receiving negative criticism,
which is comprised of the weighted combinations of
the variables SFI and RSI, and the data set academic
risk-taking, comprised of the weighted combinations
of the variables RFFTBA, TPDA, TNAF, and TSH.
The two data sets contain two and four variables,
respectively, meaning that the maximum number of
pairs of canonical variables is 2.
Findings
This section of the paper presents the findings
reported by the canonical correlation analysis.
While performing a canonical correlation analysis,
the first thing to do is to study the results of the
multivariate tests of significance that exhibit whether
the canonical model is statistically significant or
not. These tests include Wilks’ lambda, Pillai’s
trace, Hotelling’ trace, and Roy’s largest root. The
significance of the canonical model can also be tested
through a transformation of each of these testes into
a more common test, the F-test. Considering that
each of these four tests rests on a different theoretical
basis, each yields different F values. Therefore,
authors generally chose to interpret the results on the
basis of Wilk’s ƛ, due to its higher level of practicality
(Sherry & Henson, 2005).
Table 1.
Multivariate Tests of Significance
Test Name Value
Approx. Hypothesis Error
F
df
df
Pillai’s
.35910 11.48929
Hotelling’s .52601 13.67622
Wilk’s
.64960 12.57801
Roy’s
.33296
S = 2, M = 1/2, N = 103 1/2
8.00
8.00
8.00
420.00
416.00
418.00
Significance
of F
.000
.000
.000
The findings suggest the canonical model obtained
in the study to be statistically significant [Wilks’s λ=
ÇETİN, İLHAN, YILMAZ / An Investigation of the Relationship between the Fear of Receiving Negative Criticism and of Taking...
.64960, F(8, 418.00) =12.57801, p<.001] (Table I).
Even so, the significance of these tests tells nothing
of the strength of the correlation. Considering that
even very small F values considered insignificant in
practice may turn out to be statistically significant
in studies with a large number of participants, it
is essential that any canonical correlation analysis
include an evaluation of effect size independent of
the significance of the model. In order to perform
such an analysis, researchers use Wilk’s λ which
is called adverse effect size. Wilk’s λ refers to the
variance that cannot be accounted for by the
canonical variables in the model. Therefore, “1λ” represents the amount of variance shared by
canonical variables and is able to be interpreted in
a similar way as R2 during regression analysis. The
“1-λ” value for Wilk’s λ in the table was .3504. Thus,
the amount of shared variance between the data
sets fear of receiving negative criticism and academic
risk-taking was 35%.
was 33.296%. The second canonical correlation
exhibited the maximum correlation between the
two canonical variables unaccounted for by the
first canonical function. This value for the second
canonical function was .16166, suggesting that the
amount of shared variance between the two data
sets in the second function is 2.614%.
In addition to the significance of the canonical
model, canonical correlation analyses require each
canonical function to be evaluated individually
in terms of their significance. Cumulative values
of canonical functions are used for testing the
significance of the canonical model obtained from a
canonical correlation analysis. Therefore, it is possible
for a limited number of canonical functions to be
significant while others are statistically insignificant
in a canonical model in which the cumulative
values of the canonical functions are statistically
significant. This is the reason behind the necessity
to test the significance both of each canonical
function individually and of the entire canonical
model. The eigenvalues concerning the canonical
functions and canonical correlation values are used
to decide which canonical functions are significant
(Sherry & Henson, 2005). Two canonical functions
were derived from the canonical correlation analysis
between the data sets fear of receiving negative
criticism and academic risk-taking. Table 2 presents
both the eigenvalues of these functions and their
canonical correlation values.
An individual assessment of the significance of each
canonical function in the canonical correlation
analysis sheds light on the decision as to which
function derived from the canonical correlation
analysis should be interpreted. Tabachnick and
Fidell (2007) maintain that one should interpret
only statistically significant canonical functions
while performing a canonical correlation analysis.
However, Sherry, and Henson (2005) hold that
one should square the canonical correlation value
calculated for each function, adding these values
together and then finally comparing them with
the “1-λ” value. The number of functions to be
interpreted is determined by the ranking of the
function equal to the “1-λ” value when the squares
of the values in question are added together.
According to this calculation method proposed by
Sherry and Henson (2005), the amount of shared
variance between canonical variables for the whole
model might be lower than the total amount of
shared variances obtained from the entirety of
canonical functions. This is caused by the nature
of the orthogonal/uncorrelated functions. During
canonical correlation analyses, the second pair
of canonical variables exhibits the maximum
correlation between the two canonical variables
unaccounted for by the first pair of canonical
variables. The second canonical function must
be the orthogonal of the first canonical function.
Similarly, each calculated canonical function
should be the orthogonal of the preceding canonical
functions. Thus, the sum total of the canonical
correlations squared obtained for all functions
might be larger than the amount of shared variance
between the canonical variables for the canonical
model.
The canonical correlation value for the first
canonical function was .57703 (Table 2), indicating
that the amount of shared variance between
the data sets fear of receiving negative criticism
and academic risk-taking in the first function
A canonical correlation analysis may also include
a dimension reduction analysis used to identify
to what extent each canonical function is able
to account for the shared variance between data
sets. In this type of analysis, canonical functions
Table 2.
Eigenvalues and Canonical Correlations
Root No.
Eigenvalue
Percentage
Cumulative Percentage
Canonical Correlation
Canonical Correlation Squared
1
.49917
94.8903
94.8903
.57703
.33296
2
.02684
5.10197
10.0000
.16166
.02614
151
EDUCATIONAL SCIENCES: THEORY & PRACTICE
are ordered hierarchically in accordance to the
level of correlation between canonical variables.
A look at the first row in the table concerning the
dimensionality reduction analysis enables one
not only to decide whether the canonical model
is statistically significant, but also to identify the
amount of shared variance between data sets. On
the other hand, the second row in the table excludes
the first function with the highest correlation
between canonical variables, thereby providing
one both with the opportunity to decide whether
the correlation between data sets in the remaining
canonical functions is significant and to identify the
amount of shared variance between data sets. The
process continues thusly until the final row, which
indicates the amount of shared variance between
data sets for the canonical function with the lowest
correlation between canonical variables. In general,
the correlation between canonical variables for this
function is not statistically significant (Sherry &
Henson, 2005). Table 3 presents the results of the
dimensionality reduction analysis of the data sets
fear of receiving negative criticism and academic
risk-taking.
Table 3.
Dimension Reduction Analysis
Wilk’s
Hypothesis Error Significance
Roots
F
L.
sd
sd
Value of F
1 to 2 .64960 12.57801
8.00
418.00
.000
2 to 2 .97386 1.87857
3.00
210.00
.134
The figures suggest that the canonical model
consisting of the cumulative values of the two
canonical functions derived from the analysis
(function 1 to 2) was statistically significant [Wilks’s
λ=.64960, F(8, 418.00) =12.57801, p<.001] (Table
3). There is no statistically significant correlation
between the data sets fear of receiving negative
criticism and academic risk-taking for the second
canonical function (function 2 to 2) after the first
canonical function calculated in a way that would
maximize the correlation between the canonical
variables was excluded from the evaluation [Wilks’s
λ=.97386, F(3, 210.00)= 1.87857, p>.05]. Wilk’s λ
concerning the second canonical function indicates
that the amount of shared variance between the
data sets fear of receiving negative criticism and
academic risk-taking is 2.614% [“1- λ”=.02614]. In
this study, it was necessary to interpret both of the
canonical functions derived from the analysis using
the calculation method proposed by Sherry and
Henson (2005).
Another question answered through canonical
correlation analyses is to what extent variables
152
included in data sets contribute to the correlation
between canonical variables. An attempt is made
to answer this question using standardized
coefficients and structural coefficients regarding
canonical functions. The present study includes
an evaluation of the standardized coefficients
and structural coefficients of the first and second
canonical functions in order to determine their
contribution to the correlation between canonical
variables. For the data set fear of receiving negative
criticism, both SFI and RSI variables were tested,
whereas RFFTBA, TPDA, TNAF, and TSH were
tested for academic risk-taking. The findings are
presented in Table 4. In the table, while ‘Sc’ and ‘rs’
stand for standardized coefficients and structural
coefficients, respectively, rs2 represents the amount
of variance that the variables SFI and RSI share
with the data set fear of receiving negative criticism
whereas the variables RFFTBA, TPDA, TNAF, and
TSH serve the same function with the data set
academic risk-taking. One can calculate the amount
of variance that the variables share with their
respective data sets by adding together rs2 values of
the variables SFI, RSI, RFFTBA, TPDA, TNAF, and
TSH in the first and second canonical functions.
This value is expressed as h2. The benchmark for
deciding whether the amount of variance that
the variables share with the sets in which they are
included is significant or not is .45. In other words,
if variables with rs and h2 values of .45 and higher,
they contribute in a significant way to the data set in
which they are included. This benchmark is based
on the idea that items with a factor loading of .45
and higher are acceptable in factor analysis (Sherry
& Henson, 2005).
Table 4.
Canonical Analysis for the First and Second Canonical Functions concerning the Correlation between Fear of Receiving Negative Criticism and Academic Risk-Taking
1st Canonical
2nd Canonical Function
Function
Variable
Sc
rs rs2 (%) Sc
rs rs2 (%) h2 (%)
SFI
-283 .65 42.72 1.077 .76 57.28 100.00
RSI
-.843 -.97 93.55 .728 .25 6.45 100.00
Rc2
33.29
2.61
RFFTBA -.876 -.95 91.44 -.316 .004 .001 91.44
TPDA
.235 .25 6.25 .207 -.48 23.39 29.64
TNAF
.322 .17 2.89 .554 .61 37.13 40.02
TSH
-.096 -.48 23.04 .934 .82 66.91 89.95
rs and h2 values higher than |.45| are underlined.
According to the findings presented in Table 4,
both the SFI and RSI variables contributed to the
data set fear of negative evaluation by more than
.45 in the first canonical function. In this case,
for the first canonical function, both SFI and RSI
ÇETİN, İLHAN, YILMAZ / An Investigation of the Relationship between the Fear of Receiving Negative Criticism and of Taking...
variables contribute significantly to the data set fear
of receiving negative criticism. As for the data set
academic risk-taking, while the variables RFFTABA
and TSH contributed by more than .45 in the first
canonical function, the variables TPDA and TNAF
had a structural coefficient of less than .45 (Table 4).
In this case, the level of contribution by the variables
RFFTABA and TSH was of greater significance to
the data set academic risk taking than was that of the
variables TPDA and TNAF.
In canonical functions derived from canonical
correlation analyses, one is also able to conclude
from the variables that contribute significantly to the
data set in which they are included (i.e. the variables
with a structural coefficient of .45 or higher) whether
the correlation between these variables is positive or
negative. Hence, in the first canonical function where
the structural coefficients belonging to both SFI and
RSI are significant, there is a negative relationship
between SFI and RSI. This negative relationship
between SFI and RSI variables can be explained by
the presence of items contributing the fear of receiving
negative criticism in the SFI variables and items not
contributing the fear of receiving negative criticism
in the RSI variables. An analysis of the variables
related to academic risk taking in the first canonical
function reveals that both RFFTBA and TSH, whose
structural coefficients are significant, are signed as
negative. There is a positive relationship between
RFFTBA and TSH variables in the first canonical
function. Table 4 also shows that there is both a
negative relationship between SFI and RFFTBA and
TSH and a positive relationship between RSI and
RFFTBA and TSH. These results indicate that as
one’s fear of receiving negative criticism increases, so
do RFFTBA and TSH.
The first canonical function had an rs2 value of 33.29
(Table 4), indicating that the amount of shared
variance between the data sets fear of negative
evaluation and academic risk-taking in the first
canonical function was 33.29%. Figure 2 presents
the structural coefficients concerning the first
canonical function and the canonical correlation
coefficient between these two data sets for this
function.
An analysis of the findings on the second canonical
function suggests that SFI variables contributed to
the data set fear of negative evaluation by more than
.45 whereas RSI variables contributed to the same
data set by less than .45. In this case, SFI variables
contributed more significantly to the data set fear of
negative evaluation than the variable RSI. Whereas
the variables TPDA, TNAF, and TSH contributed
to the data set academic risk taking by more than
.45 in the second canonical function, the variable
RFFTBA contributed to the same data set by less
than .45. In this case, the variables TPDA, TNAF
and TSH contributed more significant to the data
set academic risk taking than the variable RFFTBA.
In the second canonical function, an analysis of
the signs of the variables TPDA, TNAF, and TSH
belonging to SFI variables and of TPDA, TNAF, and
TSH signs belonging to the data set academic risk
taking shows that the variables SFI, TNAF, and TSH
are positive while the TPDA variable is negative.
Thus, there is a positive relationship between
SFI, TNAF, and TSH variables and is a negative
relationship between SFI, TNAF, TSH, and TPDA.
This result shows that as one’s fear of receiving
negative criticism increases, TNAF and TSH also
increase whereas TPDA decreases.
The second canonical function had an rs2 value of
2.61 (Table 4), indicating that the amount of shared
variance between the data sets fear of negative
evaluation and academic risk-taking in the second
canonical function was 2.61%. Figure 3 presents
the structural coefficients concerning the second
canonical function and the canonical correlation
coefficient between these two data sets for this
Figure 2.
Structural Coefficients and Canonical Correlation Value for the First Canonical Function concerning the Correlation between Fear of
Receiving Negative Criticism and Academic Risk-Taking
153
EDUCATIONAL SCIENCES: THEORY & PRACTICE
Figure 3.
Structural Coefficients and Canonical Correlation Value for the Second Canonical Function concerning the Correlation between Fear of
Receiving Negative Criticism and Academic Risk-Taking
function.
According to the findings revealed by the canonical
correlation analysis, the amount of shared variance
between the data sets of fear of negative evaluation
and academic risk-taking was 35%. In this respect,
the correlation between the two data sets may be
expressed as follows:
Figure 4.
Amount of Shared Variance between the Data Sets Fear of
Negative Evaluation and Academic Risk-Taking
Discussion, Conclusion and Implications
The present paper is a study on the correlation
between the fear of receiving negative criticism and
academic risk-taking through canonical correlation
analysis. The results of the canonical correlation
analysis have demonstrated there to be significant
relationships between the fear of receiving negative
criticism and academic risk taking behavior. The
common variance shared between the data sets
fear of receiving negative criticism and academic risk
taking has been calculated as 35%. The canonical
function findings reveal that the fear of receiving
negative criticism has a positive relationship with
TNAF and a negative relationship with RFFTBA and
TPDA. There is a negative relationship between the
fear of receiving negative criticism and TSH in the
first canonical function and a positive relationship
in the second canonical function. It is generally
154
accepted that students whose TNAF and TSH are
low, but whose RFFTBA and TPDA are high, are
more willing to take academic risks. Therefore, in
general, as the fear of negative criticism increases,
the tendency to take academic risks decreases. The
fact that individuals who fear negative criticism
avoid social contexts and situations which
require social performance so as not be exposed
to rejection, instead seeking secure behaviors
(Rapee & Heimberg, 1997) may one explanation
for this finding. In other words, individuals who
fear receiving negative criticism avoid taking the
risk of performing certain tasks since they feel
that they will not be able to bear the potentially
harmful results brought on by these acts (Boyer,
2006; Halstead & Taylor, 1996), which thereby
results in their avoiding taking academic risks in
a classroom environment. This result points to the
fact that if a class environment were to be formed in
which students were able to witness that their fear
of receiving negative criticism were not realistic
while also being aware that precautions have been
taken to reduce this fear, students’ tendency to
take academic risks would increase. In this respect,
students should be encouraged to participate in
class activities in which process based, rather than
product based, evaluations are used so as to allow
them to witness that their learning related efforts
are, in fact, valuable. Moreover, students should be
informed of the scoring criteria used during the
evaluation process so that their fear of receiving
negative criticism may be alleviated and their
courage to take academic risks promoted.
The literature demonstrates that fear of receiving
negative criticism and academic risk taking may
be interrelated constructs. However, before this
study, there had been no research examining the
relationship between fear of negative evaluation
and academic risk taking empirically. The
present study, therefore, analyzes the relationship
ÇETİN, İLHAN, YILMAZ / An Investigation of the Relationship between the Fear of Receiving Negative Criticism and of Taking...
between the fear of receiving negative criticism
and academic risk taking by means of canonical
correlation in an attempt to fill this gap in the
literature. In addition, the study has its limitations,
which can be overcome through further research.
Of these limitations, the most important is that the
research has been limited to the fear of receiving
negative criticism and academic risk taking, which
are among the affective characteristics influencing
students’ behaviors in the classroom environment.
Considering the fact that there is significant
relationship between academic risk taking and fear
of receiving negative criticism and the fact that
students who take academic risks have increased
levels of motivation (Clifford, 1988; House, 2002),
problem solving skills (Tay et al., 2009), positive
perfectionism characteristics (Öner Sünkür et
al., 2013), while also having decreased learned
helplessness feelings (Esen Kıran, 2005; Neihart,
2010) and negative perfectionism characteristics
(Öner Sünkür et al., 2013), it is hypothesized these
variables have a significant relationship with one’s
fear of receiving negative criticism. However, in
order to pinpoint the relationship between fear
of receiving negative criticism and its related
variables, further research is needed. Similarly,
there is both a positive relationship between the
fear of receiving negative criticism and the fear of
failure, performance-avoidance goal orientation,
performance-approach goal orientation, and exam
anxiety (Dinnel et al., 2002) and a significant
relationship between these variables and academic
risk taking behavior. Understanding this, it is
suggested that further research be carried out on
the relationship between academic risk taking
behaviors and the fear of failure, achievement goal
orientations, and exam anxiety.
Another limitation is the use of qualitative
methods by means of self-reporting data
collection instruments. Instruments which are
based on providing information about oneself
are questionable in terms of the reliability of
the data collected (Johnston & Pennypacker,
1993). Although research reveals that university
students reflect their real feelings and ideas when
responding to measurement instruments through
self-reporting instruments (O’Neill, Walters,
Rasheed, & Johnston, 1975), the use of different
data sources is highly important in terms of
assuring reliability. In this respect, further research
into the fear of receiving negative criticism and
academic risk taking should be carried out by
means of quantitative data collection tools, such
as interviews and observations. By doing so, more
detailed information can be obtained in relation to
the academic risk taking behaviors of individuals
whose fear of receiving negative criticism differs.
155
EDUCATIONAL SCIENCES: THEORY & PRACTICE
References/Kaynakça
Afifi, A., & Clark, V. (2004). Computer-aided multivariate
analysis. Boca Raton, Fl: Chapman & Hall/CRC.
Akbaba, S. (2006). Eğitimde motivasyon. Kazım Karabekir
Eğitim Fakültesi Dergisi, 13, 343-361.
Akbaş, A., & Kan, A. (2007). Affective factors that influence
chemistry achievement (Motivation and anxiety) and the
power of these factors to predict chemistry achievement-II.
Türk Fen Eğitimi Dergisi, 4(1), 10-19.
Albayrak, A. S. (2010). Kanonik korelasyon analizi. Ş.
Kalaycı (Ed.), SPSS uygulamalı çok değişkenli istatistik
teknikleri içinde (s. 234-255). Ankara: Asil Yayın Dağıtım.
Altun, F. ve Yazıcı, H. (2010, Kasım). Öğrencilerin olumlu
ve olumsuz mükemmeliyetçilik özellikleri ile akademik
başarıları arasındaki ilişkiler. Uluslararası Eğitimde Yeni
Yönelimler ve Yansımaları Konferansı’nda sunulmuş sözlü
bildiri, Antalya, Türkiye.
Ames, C. (1992). Achievement goals and classroom
motivational climate. In J. Meece & D. Schunk (Eds.),
Students’ perceptions in the classroom (pp. 327-348).
Hillsdale, NJ: Erlbaum.
Ames, C., & Archer, J. (1988). Achievement goals in the
classroom: Students’ learning strategies and motivation
processes. Journal of Educational Psychology, 80(3), 260-267.
Aydın, A. (2007). Eğitim psikolojisi. Ankara: Tek Ağaç Eylül
Yayıncılık.
Aydın, S. (2008). An investigation on the language anxiety
and fear of negative evaluation among Turkish EFL
learners. Asian EFL Journal, 31, 421-444.
Bacanlı, H. (2006). Duyuşsal davranış eğitimi. Ankara:
Nobel Yayın Dağıtım.
Beghetto, R. A. (2009). Correlates of intellectual risk taking
in elementary school science. Journal of Research in Science
Teaching, 46(2), 210-223.
Bloom, S. B. (1979). İnsan nitelikleri ve okulda öğrenme
(Çev. D. A. Özçelik). İstanbul: Milli Eğitim Basımevi.
Bordens, K. S., & Abbott, B. B. (2011). Research design and
methods: A process approach. New York: The McGraw-Hill
Companies.
Boyer, T. W. (2006). The development of risk-taking: A
multi-perspective review. Developmental Review, 26(3),
291-345.
Boztaş, M. H. ve Sungur, M. Z. (2001). Kaçıngan kişilik
bozukluğu. Psikiyatri Dünyası, 5, 71-79.
Bråten, I., & Stromso, H. I. (2004). Epistemological beliefs
and implicit theories of intelligence as predictors of
achievement goals. Contemporary Educational Psychology,
29(4), 371-388.
Briggs, S. R., & Cheek, J. M. (1986). The role of factor
analysis in the development and evaluation of personality
scales. Journal of Personality, 54, 106-148.
Büyüköztürk, Ş. (2010). Sosyal bilimler için veri analizi el
kitabı. Ankara: Pegem Akademi Yayınları.
Çetin, B., Doğan, T. ve Sapmaz, F. (2010). Olumsuz
Değerlendirilme Korkusu Ölçeği Kısa Formu’nun Türkçe
uyarlaması: Geçerlik ve güvenirlik çalışması. Eğitim ve
Bilim, 35(156), 205-216.
156
Chastain, K. (1975). Affective and ability factors in secondlanguage acquisition. Language Learning, 25(1), 153-161.
Clark, D. M., & Wells, A. (1995). A cognitive model of
social phobia. In R. G. Heimberg, M. R. Liebowitz, D. A.
Hope, & F. R. Schneier (Eds.), Social phobia: Diagnosis,
assessment and treatment (pp. 69-93). New York: Guilford
Press.
Clifford, M. M. (1988). Failure tolerance and academic risk
taking in ten-to twelve-year-old students. British Journal of
Educational Psychology, 58, 15-27.
Clifford, M. M. (1991). Risk taking, theoretical, empirical,
and educational considerations. Educational Psychologist,
26(3&4), 263-297.
Clifford, M. M., & Chou, F. (1991). Effects of payoff and
task context on academic risk taking. Journal of Educational
Psychology, 83, 499-507.
Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2003).
Applied multiple regression/ correlation analysis for the
behavioral sciences. London: Lawrence Erlbaum Associates,
Publishers.
Demirbaş, M. ve Yağbasan, R. (2006). Fen bilgisi
öğretiminde sosyal öğrenme teorisine dayalı öğretim
etkinliklerinin, öğrencilerin bilimsel tutumlarına olan
etkisinin incelenmesi. Milli Eğitim Dergisi, 170, 320-338.
Dinnel, D. L., Brittain, T., Thompson, T., Johnson, K.,
King, M., & Pust, K. (2002, August). A structural model
of self-worth protection and achievement: goals, evaluative
anxiety, attributions, self-esteem and uncertainty. Poster
presentations in the Second Biennial Self-Concept
Enhancement and Learning Facilitation (SELF) Research
Centre International Conference, Sydney, Australia.
Dupeyrat, C., & Mariné, C. (2005). Implicit theories of
intelligence, goal orientation, cognitive engagement, and
achievement: A test of Dweck’s Model with returning to
school adults. Contemporary Educational Psychology, 30,
43-59.
Durmuş, E. (2008). Yaratıcı drama ile bütünleştirilmiş
grupla psikolojik danışmanın üniversite öğrencilerinin
utangaçlık düzeylerine etkisi. Ankara Üniversitesi Eğitim
Bilimleri Dergisi, 41(1), 93-114.
Ellez, A. M., Gümüş, N. ve Seferov, R. (2009). Coğrafya
bölümü öğrencilerinin istatistik dersine yönelik tutumları:
Türkiye ve Azerbaycan örneği. Selçuk Üniversitesi Sosyal
Bilimler Enstitüsü Dergisi, 21, 187-194.
Erden, M. ve Akman, Y. (2011). Gelişim ve öğrenme.
Ankara: Arkadaş Yayınevi.
Erkuş, A. (2011). Davranış bilimleri için bilimsel araştırma
süreci. Ankara: Seçkin Yayıncılık.
Esen Kıran, B. (2005). Ergenlerde risk alma davranışı ile
akademik başarının incelenmesi. Çukurova Üniversitesi
Eğitim Fakültesi Dergisi, 2(29), 8-13.
Gömleksiz, M. N. (2003). İngilizce Duyuşsal Alana
İlişkin Bir Tutum Ölçeğinin geçerlik ve güvenirliği. Fırat
Üniversitesi Sosyal Bilimler Dergisi, 13(1), 215-226.
Gömleksiz, M. N. ve Yüksel, Y. (2003). İlköğretim 4. ve
5. sınıf öğrencilerinin fen bilgisi dersine ilişkin kaygıları.
Doğu Anadolu Bölgesi Araştırmaları, 3, 71-81.
ÇETİN, İLHAN, YILMAZ / An Investigation of the Relationship between the Fear of Receiving Negative Criticism and of Taking...
Hair, J. F., Black, W. C, Babin, B. J., & Anderson, R. E.
(2010). Multivariate data analysis. Englewood Cliffs, New
Jersey: Prentice Hall.
Kuzgun, Y. (2006). İlgiler. Y. Kuzgun ve D. Deryakulu (Ed.),
Eğitimde bireysel farklılıklar içinde (s. 73-96). Ankara:
Nobel Yayın Dağıtım.
Halstead, J. M., & Taylor, M. J. (1996). Values in education
and education in values. London: The Falmer Press.
Leary, M. R. (1983). A brief version of the Fear of Negative
Evaluation Scale. Personality and Social Psychology Bulletin,
9(3), 371-375.
Heinze, A., Reiss, K., & Rudolph, F. (2005). Mathematics
achievement and interest in mathematics from a
differential perspective. The International Journal on
Mathematics Education,37(3), 212-220.
Lebens, M., Graff, M. G. Mayer, P. (2011). The affective
dimensions of mathematical difficulties in schoolchildren.
Educational Research International, 20, 1-13.
Hembree, R. (1990). The nature, effects and relief of
mathematics anxiety. Journal for Research in Mathematics
Education, 21, 33-46.
Leech, N. L., Barlett, K. C., & Morgan, G. A. (2005). SPSS
for intermediate statistics; Use and interpretation. Mahwah,
NJ: Lawrence Erlbaum Associates.
Hemmings, B., Grootenboer, P., & Kay, R. (2011).
Predicting mathematics achievement: The influence of
prior achievement and attitudes. International Journal of
Science and Mathematics Education, 9(3), 691-705.
Lucas, P. L. (1998). The relation of gender and attitudes to
math achievement levels among fourth, fifth, and sixth grade
students (Doctoral dissertation). Available from ProQuest
Dissertations and Theses database. (UMI No. 9926666)
Horwitz, E. (2001). Language anxiety and achievement.
Annual Review of Applied Linguistics, 21, 112-126.
Mckinney, A. P. (2003). Goal orientation: A test of competing
models (Doctoral dissertation). Available from ProQuest
Dissertations and Theses database. (UMI No. 3157771).
House, D. J. (2002). An investigation of the effects of gender
and academic self-efficacy on academic risk-taking for
adolescent students. UMI ProQuest Digital Dissertations.
UMI Number: 3066174.
İlhan, M. ve Çetin, B. (2013). Ortaokul öğrencilerinin
matematik odaklı akademik risk alma davranışları:
Bir ölçek geliştirme çalışması. E-Uluslararası Eğitim
Araştırmaları Dergisi, 4(2), 1-28.
İlhan, M. ve Öner Sünkür, M. (2012). Matematik kaygısı
ile olumlu ve olumsuz mükemmeliyetçiliğin matematik
başarısını yordama gücü. Mersin Üniversitesi Eğitim
Fakültesi Dergisi, 8(1), 178-188.
Johnston, J. M., & Pennypacker, H. S. (1993). Strategies
and tactics of behavioral research. Hillsdale, NJ: Lawrence
Erlbaum Associates.
Jones, K. (1964). Interest, motivation, and achievement
in science. The Journal of Experimental Education, 33(1),
41-53.
Journal of Counseling Psychology, 19, 551-554.
Karasar, N. (2009). Bilimsel araştırma yöntemi. Ankara:
Nobel Yayın Dağıtım.
Kılıç, A. (2002). Duyuşsal alan özellikleri ve bireye
kazandırılması. Eğitim Araştırmaları Dergisi, 8, 153-164.
Kocovski, N. L., & Endler, N. S. (2000). Social anxiety,
Self-regulation, and fear of negative evaluation. European
Journal of Personality, 14(4), 347-358.
Koller, O., Baumert, J., & Schnabel, K. (2001). Does interest
matter? The relationship between academic interest and
achievement in mathematics. Journal for Research in
Mathematics Education, 32(5), 448-470.
Middleton, J. A., & Spanias, P. A. (1999). Motivation for
achievement in mathematics: Findings, generalizations
and criticisms of the research. Journal for Research in
Mathematics Education, 30(1), 65-88.
Neihart, M. (2010). Systematic risk-taking. Roeper Review,
21(4), 289-292.
Nunnaly, J., & Bernstein, I. (1994). Psychometric theory.
New York: McGraw-Hill.
O’Neill, G. W., Walters, W. M., Rasheed, J. A., & Johnston,
J. M. (1975). Validity of the study reporting system II. In
J. M. Johnston (Ed.), Behavior research and technology in
higher education (pp. 411-420). Springfield, IL: Charles C.
Thomas.
Öner Sünkür, M., İlhan, M., Kinay, İ., & Kılınç, M. (2013).
An examination of the relation between 8th grade students’
level of academic risk taking and their positive and
negative perfectionism traits. Çukurova University Faculty
of Education Journal, 42(2), 1-10.
Oral, B. (2010). Etkili öğretim ve etkili öğretim ilkeleri. A.
Kaya (Ed.), Eğitim psikolojisi içinde (s. 437-472). Ankara:
Pegem Akademi Yayınları.
Özkan, H. H. (2005). öğrenme öğretme modelleri
açısından modüler öğretim. Atatürk Üniversitesi Sosyal
Bilimler Enstitüsü Dergisi, 6(2), 117-128.
Pallant, J. (2005). SPSS survival manual: A step by step
guide to data analysis using SPSS for Windows. Australia:
Australian Copyright.
Parker, W. D. (2000). Healthy perfectionism in the gifted.
Journal of Secondary Gifted Education, 11(4), 173-183.
Korkmaz, H. (2002). Fen eğitiminde proje tabanlı
öğrenmenin yaratıcı düşünme, problem çözme ve akademik
risk alma düzeylerine etkisi (Doktora tezi, Hacettepe
Üniversitesi, Ankara). http://tez2.yok.gov.tr/ adresinden
edinilmiştir.
Ram, A. (2005). The relationship of positive and negative
perfectionism to academic achievement, achievement
motivation, and well-being in tertiary students (Master’s
thesis). Retrieved from http://ir.canterbury.ac.nz/
bitstream/10092/1300/1/thesis_fulltext.pdf
Kuhl, J., & Kraska, K. (1989). Self-regulation and metamotivation: Computational mechanisms, development
and assessment. In R. Kanfer, P. Ackerman, & R. Cudek
(Eds.), Abilities, motivation and methodology (pp. 343-368).
Hillsdale, New Jersey: Erlbaum.
Renninger, K. A., Hidi, S., & Krapp, A. (1992). The role of
interest in learning and development. Hillsdale, NJ: Erlbaum.
Rapee, R. M., & Heimberg, R. G. (1997). A cognitivebehavioral model of anxiety in social phobia. Behavioral
Research and Therapy, 35(8), 741-756.
157
EDUCATIONAL SCIENCES: THEORY & PRACTICE
Richardson, F. C., & Suinn, R. M. (1972). The mathematics
anxiety rating scale: Psychometric data.
Tekin, H. (2009). Eğitimde ölçme ve değerlendirme. Ankara:
Yargı Yayınevi.
Robinson, L. E. (2012). Academic risk-taking in an online
environment (Doctoral dissertation). Available from ProQuest
Dissertations and Theses database. (UMI No. 3510506)
Tezbaşaran, A. (1997). Likert Tipi ölçek hazırlama kılavuzu.
Ankara: Türk Psikologlar Derneği.
Senemoğlu, N. (2005). Gelişim öğrenme ve öğretim. Ankara:
Gazi Kitabevi.
Sherry, A., & Henson, R. K. (2005): Conducting and
interpreting canonical correlation analysis in personality
research: A user-friendly primer. Journal of Personality
Assessment, 84(1), 37-48.
Sing, K., Granville, M., & Dika, S. (2002). Mathematics
and science achievement: Effects of motivation, interest,
and academic engagement. The Journal of Educational
Research, 95(6), 323-332.
Sipahi, B., Yurtkoru, S. ve Çinko, M. (2010). Sosyal bilimlerde
SPSS’le veri analizi. İstanbul: Beta Basım Yayım Dağıtım.
Soleymani, B., & Rekabdar, G. (2010). The relationship
between perfectionism dimensions and mathematics
performance in Iranian students. Procedia Social and
Behavioral Sciences, 8, 453-457.
Stangor, C. (2010). Research methods for the behavioral
sciences. Wadsworth.
Stevens, J. P. (2009). Applied multivariate statistics for the
social sciences. New York: Routledge.
Stoeber, J., & Rambow, A. (2007). Perfectionism in
adolescent school students: Relations with motivation,
achievement and well-being. Personality and Individual
Differences, 42(7), 1379-1389.
Strum, İ. S. (1971). The relationship of creativity and
academic risk-taking among fifth graders: Final report.
ERIC Document Reproduction Service No: ED046212.
Tabachnick, B. G., & Fidell, L. S. (2007). Using multivariate
statistics. Boston, Pearson Education, Inc.
Tay, B., Özkan, D., & Akyürek Tay, B. (2009). The effect of
academic risk taking levels on the problem solving ability
of gifted students. Procedia Social and Behavioral Sciences,
1(1), 1099-1104.
158
Tobias, S. (1991). Overcoming math anxiety. New York:
W.W. Norton & Company.
Tok, Ş. (2008). Fen bilgisi dersinde yansıtıcı düşünme
etkinliklerinin öğrencilerin akademik başarılarına ve
fen bilgisi dersine yönelik tutumlarına etkisi. İlköğretim
Online, 7(3), 557-568.
Tsui, J. M., & Mazzocco, M. M. (2006). Effects of math
anxiety and perfectionism on timed versus untimed math
testing in mathematically gifted sixth graders. Roeper
Review, 29(2), 132-139.
Turgut, M. F. (1997). Eğitimde ölçme ve değerlendirme
metotları. Ankara. Yargıcı Matbaası.
VandeWalle, D. (1997). Development and validation of a
work domain goal orientation instrument. Educational and
Psychological Measurement, 57(6), 995-1015.
Weeks, J. W., Heimberg, R. G., & Rodebaugh, T. L. (2008).
The fear of positive evaluation scale: Assessing a proposed
cognitive component of social anxiety. Journal of Anxiety
Disorders, 22, 44-55.
Weeks, J. W., Heimberg, R. G., Fresco, D. M., Hart, T. A.,
Turk, C. L., Schneier, F. R., & Liebowitz, M. R. (2005).
Empirical validation and psychometric evaluation of the
brief fear of negative evaluation scale in patients with social
anxiety disorder. Psychological Assessment, 17(2), 179-190.
White, A. L., Way, J., Perry, B., & Southwell, B. (2006).
Mathematical attitudes, beliefs and achievement in
primary pre-service mathematics teacher education.
Mathematics Teacher Education and Development, 7, 33-52.
Wigfield, A., & Wentzel, K. R. (2007). Introduction to
motivation at school: Interventions that work. Educational
Psychologist, 42(4), 191-196.
Yenilmez, K. (2010). Ortaöğretim öğrencilerinin
matematik dersine yönelik umutsuzluk düzeyleri.
Hacettepe Üniversitesi Eğitim Fakültesi Dergisi, 38, 307-317.
Download

Türkçe PDF