Kısa cevap: Madde analizi, bir testteki ya da ölçekteki her maddenin ne kadar zor olduğunu ve yüksek puan alanlarla düşük puan alanları ne kadar iyi ayırdığını gösteren işlemdir. Başarı testlerinde iki temel değer hesaplıyoruz: güçlük indeksi p = doğru yanıt sayısı / toplam kişi ve ayırt edicilik indeksi D = püst − palt. Likert ölçeklerinde ise düzeltilmiş madde-toplam korelasyonu ve %27 alt-üst grupların t testiyle karşılaştırılması kullanılır. SPSS’te madde-toplam istatistiklerini Analyze → Scale → Reliability Analysis → Statistics → Scale if item deleted yoluyla alırsınız.
Bu rehberde her adımı iki çalışılmış örnekle gösteriyoruz: 100 öğrencinin girdiği 10 maddelik bir başarı testi ve 200 katılımcının yanıtladığı 6 maddelik bir Likert ölçeği. Veriler öğretim amacıyla kurgulandı; buna karşın tablolardaki bütün güçlük, ayırt edicilik, korelasyon, KR-20, alfa ve t değerleri bu veriden gerçekten hesaplandı. Likert verisinin temel puanlama adımlarını tazelemek isterseniz Likert ölçeği analizi rehberimize de göz atabilirsiniz.

Madde analizi nedir, hangi çalışmalarda gerekir?
Bir test, maddelerinin toplamından daha iyi olamaz. Örneğin çok kolay bir soru herkesin doğru yaptığı, dolayısıyla kimseyi ayırmayan bir sorudur. Benzer şekilde yanlış anlaşılan bir soru da bilgili öğrenciyi yanıltıp şansı yüksek öğrenciyi ödüllendirebilir. Madde analizi bu sorunları sayısal olarak görünür kılar ve hangi maddenin tutulacağına, düzeltileceğine ya da çıkarılacağına gerekçeli karar vermemizi sağlar.
Uygulamada bu analizle en sık şu üç durumda karşılaşıyoruz:
- Başarı testi geliştirme: Eğitim bilimleri ve pedagojik formasyon çalışmalarında doğru-yanlış puanlanan çoktan seçmeli maddeler için güçlük ve ayırt edicilik hesaplanır.
- Ölçek geliştirme: Yeni bir Likert ölçeğinin pilot uygulamasında zayıf maddeler, faktör analizinden önce ya da onunla birlikte ayıklanır.
- Ölçek uyarlama: Başka bir dilden çevrilen ölçekte çeviri nedeniyle bozulan maddeler madde-toplam korelasyonlarıyla tespit edilir.
Öte yandan bu analiz tek başına geçerlik kanıtı değildir. Çünkü maddenin ölçmek istediğimiz yapıya ait olup olmadığını uzman görüşü ve faktör analizi gösterir; bu işlem ise maddenin istatistiksel olarak nasıl çalıştığını anlatır. Bu ayrım için ölçek geliştirme ve uyarlama analizleri yazımızı tamamlayıcı kaynak olarak kullanabilirsiniz.
Madde analizi için veri nasıl hazırlanır?
Hesaplamaya geçmeden önce veri dosyasının doğru kurulması gerekir. Hataların büyük kısmı bu aşamada oluşur; bu yüzden şu kontrolleri baştan yapıyoruz:
- Bir satır, bir kişi: Her öğrenci ya da katılımcı tek satırda, her madde ayrı bir sütunda yer alır (M1, M2 … M10).
- Doğru-yanlış kodlaması: Başarı testinde öğrencinin işaretlediği şıkkı değil, sonucu girin: doğru = 1, yanlış ve boş = 0. Bunun yanı sıra şıkları saklamak çeldirici analizi için yararlıdır.
- Ters maddeler: Likert ölçeğinde olumsuz ifadeli maddeleri analizden önce ters çeviriyoruz. Aksi halde madde-toplam korelasyonu negatif çıkar ve madde haksız yere elenir.
- Toplam puan: Transform → Compute Variable ile TOPLAM = SUM(M1 TO M10) değişkenini oluşturun.
- Örneklem büyüklüğü: Pilot uygulamada madde sayısının birkaç katı kadar kişiye ulaşmayı hedefliyoruz. Özellikle çok küçük gruplarda D ve r değerleri birkaç kişinin yanıtıyla büyük ölçüde değişir.
Ayrıca eksik veri kuralını önceden belirleyin. Başarı testlerinde boş bırakılan madde genellikle yanlış sayılır; ölçeklerde ise çok sayıda boşluğu olan katılımcı analiz dışında bırakılabilir. Sonuçta hangi kuralı uyguladığınızı yöntem bölümünde açıkça yazmalısınız.
Madde güçlük indeksi nasıl hesaplanır?
Güçlük indeksi, maddeyi doğru yanıtlayanların oranıdır: p = Ds / N. Formülde Ds doğru yanıt sayısı, N ise teste giren kişi sayısıdır. Adının aksine p büyüdükçe madde kolaylaşır; p = ,90 maddenin çok kolay, p = ,15 ise çok zor olduğunu gösterir.
Örneğimizde 100 öğrencinin 52’si dördüncü maddeyi doğru yanıtladı. Dolayısıyla p4 = 52 / 100 = ,52 bulunur. Birinci madde ise p = ,86 değeriyle testin en kolay maddesidir. Ayrıca testin ortalama güçlüğü, maddelerin p değerlerinin ortalamasıdır ve bizim örneğimizde ,47 çıkıyor.
Peki ideal güçlük nedir? Ayırt etme gücü en yüksek maddeler genellikle orta güçlükteki, yani p değeri ,50 civarında olan maddelerdir. Bununla birlikte her maddenin ,50 olması gerekmez. Testin başına motivasyon için birkaç kolay madde koymak ya da seçme amaçlı sınavlarda zor maddelere yer vermek meşru tercihlerdir. Bu yüzden güçlük indeksini tek başına karar ölçütü olarak kullanmıyoruz; asıl belirleyici, ayırt ediciliktir.
Alt ve üst gruplarla çalışılıyorsa güçlük şöyle de hesaplanabilir: p = (Dü + Da) / 2n. Burada n her gruptaki kişi sayısıdır. Ancak bu formül yalnızca uç grupları kullandığı için tüm örneklemden hesaplanan p değerinden biraz farklı çıkabilir; raporda hangisini kullandığınızı belirtmeniz yeterlidir.
Ayırt edicilik indeksi %27 alt-üst grupla nasıl bulunur?
Ayırt edicilik indeksi, maddenin bilen ile bilmeyeni ne kadar iyi ayırdığını gösterir. Klasik yöntemde ilk olarak öğrencileri toplam puana göre büyükten küçüğe sıralıyoruz. Ardından en yüksek puanlı %27’yi üst grup, en düşük puanlı %27’yi ise alt grup olarak alıyoruz. Yüzde 27 oranı, grupların hem yeterince büyük hem de birbirinden yeterince farklı olmasını dengeleyen klasik bir tercihtir.
Formül basittir: D = (Dü − Da) / n. Burada Dü üst gruptaki doğru sayısı, Da alt gruptaki doğru sayısı, n ise bir gruptaki kişi sayısıdır.
Örneğimizde 100 × ,27 = 27 kişilik gruplar oluştu. Dördüncü maddeyi üst grupta 23 öğrenci, alt grupta ise yalnızca 1 öğrenci doğru yanıtladı. Böylece D4 = (23 − 1) / 27 = ,81 bulunur; bu, çok iyi ayırt eden bir maddedir. Onuncu maddede ise tablo farklıdır: üst grupta 12, alt grupta 8 doğru var ve D10 = (12 − 8) / 27 = ,15 çıkıyor. Kısacası bu madde, konuyu bilen öğrencilerle bilmeyenleri neredeyse ayırmıyor.
Genel olarak D değeri −1 ile +1 arasında değişir. Buna göre negatif bir D, alt grubun maddeyi üst gruptan daha çok doğru yaptığını gösterir. Böyle bir durumda öncelikle cevap anahtarını kontrol ediyoruz, çünkü negatif ayırt ediciliğin en sık nedeni yanlış işaretlenmiş anahtardır.
Çalışılmış örnek: 10 maddelik testte madde analizi
Aşağıdaki tablo, kurgusal başarı testimizin tam analiz çıktısıdır. Testin KR-20 güvenirlik katsayısı ,75, toplam puan ortalaması 4,71 ve standart sapması 2,54 olarak hesaplandı. Üst grubun en düşük puanı 6, alt grubun en yüksek puanı ise 3 oldu.
| Madde | Güçlük (p) | Üst grupta doğru | Alt grupta doğru | Ayırt edicilik (D) | Düzeltilmiş madde-toplam r | Madde silinirse KR-20 | Karar |
|---|---|---|---|---|---|---|---|
| M1 | ,86 | 27/27 | 14/27 | ,48 | ,40 | ,73 | Kolay; testte tutulabilir |
| M2 | ,69 | 26/27 | 12/27 | ,52 | ,32 | ,74 | Uygun |
| M3 | ,67 | 27/27 | 6/27 | ,78 | ,55 | ,70 | Uygun |
| M4 | ,52 | 23/27 | 1/27 | ,81 | ,43 | ,72 | Uygun |
| M5 | ,41 | 22/27 | 0/27 | ,81 | ,54 | ,71 | Uygun |
| M6 | ,40 | 22/27 | 1/27 | ,78 | ,49 | ,71 | Uygun |
| M7 | ,32 | 22/27 | 1/27 | ,78 | ,55 | ,70 | Uygun |
| M8 | ,27 | 17/27 | 1/27 | ,59 | ,42 | ,72 | Uygun |
| M9 | ,20 | 16/27 | 0/27 | ,59 | ,50 | ,72 | Uygun |
| M10 | ,37 | 12/27 | 8/27 | ,15 | −,04 | ,79 | Çıkarılmalı / yeniden yazılmalı |
Tabloyu üç adımda okuyoruz. İlk olarak D sütununa bakıyoruz: dokuz madde ,40’ın üzerinde, yani çok iyi ayırt ediyor. Ancak M10’un D değeri ,15 ile zayıf sınıfta kalıyor. İkinci olarak düzeltilmiş madde-toplam korelasyonunu inceliyoruz. M10’da bu değer −,04, yani maddenin testin geri kalanıyla neredeyse hiç ilişkisi yok. Son olarak “madde silinirse KR-20” sütunu, M10 çıkarıldığında güvenirliğin ,75 değerinden ,79 değerine yükseleceğini gösteriyor.
Üç gösterge aynı yönü işaret ettiği için M10’u yeniden yazılacak madde olarak işaretliyoruz. Buna karşın M1 çok kolay olmasına (p = ,86) rağmen D = ,48 ile iyi ayırt ediyor. Bu nedenle testin ilk sorusu olarak tutulabilir. Görüldüğü gibi madde analizinde karar, tek bir sayıya değil göstergelerin birlikte okunmasına dayanır.
Bunun yanında KR-20 değerini elle doğrulamak da mümkündür: KR-20 = k / (k − 1) × (1 − Σpq / S²). Örneğimizde k = 10, Σpq = 2,095 ve N’ye bölünerek hesaplanan toplam puan varyansı S² = 6,39 olduğundan KR-20 = 10/9 × (1 − 2,095 / 6,39) = ,75 bulunur. Formülün ayrıntıları için Kuder-Richardson formülleri sayfasına bakabilirsiniz.
Test ya da ölçek verinizi birlikte inceleyelim
Başarı testi geliştiriyor ya da yeni bir ölçeğin pilot verisini topladıysanız veri dosyanızı ve madde listenizi paylaşın. Madde analizini, çıkarılacak maddelerin gerekçesini ve yöntem bölümündeki raporlama paragrafını sizinle birlikte adım adım kontrol ederiz. Bunun için WhatsApp üzerinden yazabilir ya da iletişim ve teklif sayfamızı kullanabilirsiniz. Kapsam netleştikten sonra çalışma planı ve ücret bütçenize göre birlikte belirlenir.
SPSS’te madde-toplam korelasyonu ve alt-üst gruplar nasıl alınır?
SPSS’te bu hesaplamalar tek bir menüde toplanmaz; bu yüzden işlemleri sırayla yapıyoruz. Aşağıdaki adımlar SPSS 26 ve sonrası sürümlerde aynı menü adlarıyla çalışır.
1. Madde-toplam istatistikleri: Analyze → Scale → Reliability Analysis yolunu izleyin. Maddeleri Items kutusuna taşıyın, Model olarak Alpha seçin. Ardından Statistics düğmesinde Item, Scale ve Scale if item deleted seçeneklerini işaretleyin. 1/0 puanlanan maddelerde bu ekranın verdiği alfa, KR-20 ile aynıdır. Böylece çıktıdaki Corrected Item-Total Correlation sütunu düzeltilmiş madde-toplam korelasyonunu, Cronbach’s Alpha if Item Deleted sütunu ise madde çıkarılırsa güvenirliği verir.
2. Kesme noktaları: Analyze → Descriptive Statistics → Frequencies ekranında TOPLAM değişkenini seçin. Ardından Statistics → Percentile(s) kutusuna 27 ve 73 yazın. Bu sayede çıktıda alt ve üst grubun sınır puanlarını görürsünüz.
3. Grup değişkeni: Transform → Recode into Different Variables ile Lowest thru 27. yüzdelik değeri 1’e, 73. yüzdelik değer thru Highest ise 2’ye atanır; aradaki herkes System-missing kalır. Sözdizimiyle yazmak isterseniz şu satır işinizi görür:
RECODE TOPLAM (LOWEST THRU 3=1) (6 THRU HIGHEST=2) (ELSE=SYSMIS) INTO GRUP.
4. D değerleri: Analyze → Compare Means → Means ekranında maddeleri Dependent List, GRUP değişkenini Independent List kutusuna koyun. 1/0 maddenin ortalaması doğru yanıt oranı olduğundan, üst grup ortalamasından alt grup ortalamasını çıkarmak doğrudan D değerini verir.
Eşit puanlar konusunda dikkatli olun. Örneğimizde 27. ve 73. yüzdelikler 3 ve 6 puana denk geliyor; ancak bu puanlarda çok sayıda öğrenci olduğundan RECODE alt grupta 34, üst grupta 37 kişi bırakır. Tam %27 istiyorsanız Data → Sort Cases ile toplam puana göre sıralayıp ilk ve son 27 satırı seçebilirsiniz; Tablo 1’deki değerler bu yolla hesaplandı. Hangi yolu izlediğinizi ve grup büyüklüklerini raporda mutlaka belirtin.
Likert ölçeklerinde madde analizi nasıl farklılaşır?
Likert maddelerinde doğru-yanlış yoktur; bu nedenle güçlük indeksi hesaplanmaz. Bunun yerine iki gösterge öne çıkar: düzeltilmiş madde-toplam korelasyonu ve %27 üst-alt grupların madde ortalamalarının bağımsız örneklem t testiyle karşılaştırılması. Bu testin varsayımlarını ve çıktısını bağımsız örneklem t testi rehberimizde ayrıntılı anlattık.
Örnek ölçeğimizin Cronbach alfa katsayısını ,82 olarak hesapladık. Madde düzeyindeki sonuçlar şöyle:
| Madde | Ort. | SS | Düzeltilmiş madde-toplam r | Madde silinirse α | Üst / alt grup ort. | t (sd = 106) |
|---|---|---|---|---|---|---|
| L1 | 3,08 | 1,13 | ,67 | ,77 | 4,19 / 1,96 | 14,63 |
| L2 | 3,13 | 1,09 | ,67 | ,77 | 4,30 / 2,15 | 16,24 |
| L3 | 3,06 | 1,06 | ,66 | ,77 | 4,06 / 1,93 | 15,15 |
| L4 | 2,98 | 1,10 | ,69 | ,76 | 4,09 / 1,94 | 14,91 |
| L5 | 3,00 | 1,00 | ,15 | ,87 | 3,50 / 2,65 | 4,56 |
| L6 | 2,98 | 1,12 | ,67 | ,77 | 4,11 / 1,91 | 14,99 |
Tabloda özellikle L5 dikkat çekiyor. Düzeltilmiş madde-toplam korelasyonu ,15 ile ,30 ölçütünün belirgin biçimde altında kalıyor. Üstelik madde çıkarıldığında alfa ,82 değerinden ,87 değerine yükseliyor. İlginç olan şu: L5’in alt-üst grup farkı t(106) = 4,56, p < ,001 ile yine de anlamlı.
Bu durum önemli bir dersi gösteriyor. Zira uç grupları karşılaştıran t testi neredeyse her maddede anlamlı çıkar, çünkü gruplar zaten toplam puana göre ayrılmıştır. Dolayısıyla anlamlı bir t değeri, maddeyi kurtarmaya yetmez. Biz kararı madde-toplam korelasyonu, madde silinirse alfa ve maddenin içeriği üzerinden birlikte veriyoruz; t testini ise tamamlayıcı kanıt olarak raporluyoruz.
Madde çıkarma kararı nasıl verilir?
Analizin sonunda her madde için tek bir karar yazıyoruz: tut, düzelt ya da çıkar. Ayırt edicilik indeksi için en sık başvurulan ölçüt aşağıdaki gibidir:
| D değeri | Yorum | Önerilen işlem |
|---|---|---|
| ,40 ve üzeri | Çok iyi ayırt ediyor | Olduğu gibi tutulur |
| ,30 – ,39 | Oldukça iyi | Gerekirse küçük düzeltme yapılır |
| ,20 – ,29 | Sınırda | Kök ve seçenekler gözden geçirilip düzeltilir |
| ,19 ve altı | Zayıf | Testten çıkarılır ya da tamamen yeniden yazılır |
Düzeltilmiş madde-toplam korelasyonunda ise ,30 ve üzeri değerler genellikle iyi, ,20–,30 arası sınırda, ,20’nin altı ise sorunlu kabul edilir. Bununla birlikte bu eşikler kesin kurallar değil, alanyazında yaygın kullanılan ölçütlerdir. Bu nedenle kararı verirken şu sırayı izliyoruz:
- Cevap anahtarını ve ters madde kodlamasını yeniden kontrol et.
- D veya r ölçütün altındaysa “madde silinirse güvenirlik” sütununa bak.
- Maddenin içeriğini oku: dil belirsiz mi, iki şey birden mi soruyor, birden fazla doğru şık var mı?
- Çıkarma kapsam geçerliğini bozuyorsa maddeyi atmak yerine yeniden yaz ve yeni pilot veriyle dene.
Ayrıca maddeleri tek tek çıkarmak gerekir. Çünkü bir madde çıkarıldığında toplam puan değiştiği için diğer maddelerin korelasyonları da değişir. Bu yüzden her çıkarmadan sonra analizi yeniden çalıştırıyoruz.
Madde analizi sonuçları tezde nasıl raporlanır?
Yöntem bölümünde işlemi tekrarlanabilir biçimde anlatmak gerekir. Örnek başarı testimiz için şöyle bir paragraf öneriyoruz:
“Taslak testin madde analizi için 100 öğrenciden elde edilen veriler kullanılmıştır. Öğrenciler toplam puana göre sıralanmış, %27’lik üst (n = 27) ve alt (n = 27) gruplar oluşturulmuştur. Her madde için güçlük indeksi (p), ayırt edicilik indeksi (D) ve düzeltilmiş madde-toplam korelasyonu hesaplanmıştır. Madde güçlük indeksleri ,20 ile ,86 arasında değişmiş, ortalama güçlük ,47 bulunmuştur. Dokuz maddenin ayırt edicilik indeksi ,40’ın üzerindedir. Onuncu madde düşük ayırt edicilik (D = ,15) ve düşük madde-toplam korelasyonu (r = −,04) nedeniyle testten çıkarılmıştır. Kalan dokuz maddelik testin KR-20 güvenirlik katsayısı ,79 olarak hesaplanmıştır.”
Dikkat ederseniz bu paragrafta hem ölçütleri hem de çıkarılan maddenin gerekçesini birlikte veriyoruz. Bunun yanı sıra tüm maddelerin p, D ve r değerlerini içeren tabloyu ek ya da bulgular bölümünde sunmak, jüriye şeffaf bir karar süreci gösterir. Ölçme ve değerlendirme ödevleriniz ya da formasyon dersleriniz için ek destek arıyorsanız formasyon ödev ve proje desteği sayfamıza da göz atabilirsiniz.
Sık yapılan hatalar nelerdir?
Danışmanlık sürecinde gördüğümüz hataların çoğu birkaç başlıkta toplanır:
- Düzeltilmemiş korelasyonu kullanmak: Madde kendi katkısını taşıyan toplamla ilişkilendirilirse r yapay olarak yükselir. Örneğimizde M10’un düzeltilmemiş korelasyonu ,15, düzeltilmiş değeri ise −,04.
- Ters maddeleri çevirmeden analiz etmek: Negatif madde-toplam korelasyonu çoğu zaman yanlış kodlamadan kaynaklanır.
- Birden çok maddeyi aynı anda silmek: Her çıkarmadan sonra değerler değiştiği için analizi tekrar çalıştırmak gerekir.
- Yalnızca alfayı yükseltmek için madde atmak: Kapsam geçerliğini bozan bir çıkarma, daha yüksek bir alfadan daha büyük bir kayıptır.
- t testini tek ölçüt saymak: Uç gruplar toplam puana göre ayrıldığı için zayıf maddeler bile anlamlı çıkabilir.
Sonuç olarak madde analizi; temiz kodlanmış veri, düzeltilmiş göstergeler ve gerekçeli kararlar birleştiğinde testinizin ya da ölçeğinizin en güçlü savunmalarından biri olur. Güçlük, ayırt edicilik ve güvenirlik değerlerini birlikte raporlamak, jüriye hem şeffaf hem de tekrarlanabilir bir süreç sunar.
Sık sorulan sorular
Madde analizi için kaç kişiye ihtiyaç var?
Kesin bir sayı yoktur. Pilot uygulamada madde sayısının birkaç katı kadar katılımcı hedeflenir; %27 alt-üst grup yönteminde her grubun en az birkaç düzine kişiden oluşması, D değerlerinin daha kararlı çıkmasını sağlar.
Güçlük indeksi ile ayırt edicilik indeksi arasındaki fark nedir?
Güçlük indeksi maddenin ne kadar kolay olduğunu, ayırt edicilik indeksi ise bilenle bilmeyeni ne kadar iyi ayırdığını gösterir. Kolay bir madde iyi ayırt edebilir; bu yüzden karar verirken ayırt edicilik daha belirleyicidir.
KR-20 ile Cronbach alfa aynı şey mi?
KR-20, yalnızca 1/0 puanlanan maddeler için Cronbach alfanın özel bir halidir. SPSS’te 1/0 veriyle alfa hesapladığınızda KR-20 değerini elde edersiniz.
%27 yerine %25 ya da %33 kullanılabilir mi?
Evet, bazı çalışmalarda %25 veya %33 kullanılır. Önemli olan seçtiğiniz oranı ve grup büyüklüklerini raporda açıkça belirtmektir.
Madde-toplam korelasyonu negatif çıkarsa ne yapmalıyım?
Önce cevap anahtarını ve ters madde kodlamasını kontrol edin. Kodlama doğruysa madde büyük olasılıkla yanlış anlaşılıyordur ve yeniden yazılması gerekir.
İlgili rehberler ve hizmetler