Πώς γράφω κεφάλαιο αποτελεσμάτων ποσοτικής έρευνας: δομή, πίνακες και σειρά παρουσίασης

Έχεις κάνει όλη τη δουλειά στο SPSS/Excel/R και όταν κάθεσαι να γράψεις, δεν ξέρεις από πού να αρχίσεις: να βάλεις πρώτα τα περιγραφικά; να κολλήσεις το πρώτο t-test; να εξηγήσεις γιατί ένα p=0.06 «σχεδόν» βγήκε; Κι εκεί που πας να ξεκινήσεις, ο επιβλέπων γράφει «περισσότερη τάξη, λιγότερα σχόλια». Αν κάνεις πτυχιακή ή διπλωματική σε ελληνικό πανεπιστήμιο, έχεις ζήσει ακριβώς αυτό: στοιχεία παντού, αφήγηση που σπάει, και άγχος αν «φαίνεται καλό».

Η λύση είναι να σταθεροποιήσεις μια απλή ραχοκοκαλιά: σύντομα περιγραφικά, προπαρασκευαστικοί έλεγχοι, και μετά κάθε υπόθεση/ερώτημα σε μικρή, αυτάρκη ενότητα με πίνακα/σχήμα και καθαρή φράση αναφοράς.
Στα «Αποτελέσματα» δεν σχολιάζεις «γιατί»∙ λες τι βρήκες, με σωστά νούμερα, σε προβλέψιμη σειρά. Τα σχόλια πάνε στο «Συζήτηση».

In this guide

• Γιατί κολλάω στην αρχή και πώς γράφω κεφάλαιο αποτελεσμάτων με σιγουριά;
• Ποια είναι η βασική δομή ενός κεφαλαίου αποτελεσμάτων ποσοτικής έρευνας;
• Με ποια σειρά πρέπει να παρουσιαστούν τα ευρήματα για να ακολουθεί ο αναγνώστης;
• Ποια είναι η διαφορά αποτελέσματα και συζήτηση;
• Πώς παρουσιάζονται τα αποτελέσματα ποσοτικής έρευνας σε πίνακες και γραφήματα;
• Πώς γράφω σύντομες, καθαρές προτάσεις αναφοράς για κάθε τεστ;
• Μπορώ να δω παράδειγμα ενότητας αποτελεσμάτων από τρία διαφορετικά πεδία;
• Τι λάθη κάνουν συχνά οι φοιτητές όταν γράφουν αποτελέσματα;
• Πώς εξασφαλίζω ροή και αναγνωσιμότητα στις παραγράφους των ευρημάτων;
• Πώς διαλέγω και αναφέρω το σωστό στατιστικό τεστ για καθεμία υπόθεση;
• Πού μπαίνουν οι έλεγχοι αξιοπιστίας, εγκυρότητας και τα περιγραφικά;
• Πόσο εκτενές πρέπει να είναι το κεφάλαιο και πόσους πίνακεςγραφήματα χρειάζομαι;

Γιατί κολλάω στην αρχή και πώς γράφω κεφάλαιο αποτελεσμάτων με σιγουριά;

Η αρχή κολλάει επειδή σκέφτεσαι «τι σημαίνουν» πριν γράψεις «τι βρήκες». Στόχευσε στην ουδέτερη παράθεση: σύντομα περιγραφικά, μετά τεστ-ανά-υπόθεση με τα βασικά νούμερα (στατιστικό, df, p, μέγεθος επίδρασης, CI). Μια σταθερή φόρμουλα πρότασης ανά τεστ λύνει το 80% του άγχους.

Τι πραγματικά περιμένει ο επιβλέπων

• Να βλέπει καθαρή αντιστοίχιση με στόχους/υποθέσεις.
• Να βρίσκει πρώτα τα περιγραφικά και τους ελέγχους.
• Να διαβάζει κάθε εύρημα σε 3–5 προτάσεις, όχι σε σεντόνι.

Μικρή νοητική αλλαγή

Στα «Αποτελέσματα» η λέξη-κλειδί είναι «ουδετερότητα». Τα «γιατί» σε άλλο κεφάλαιο. Μόλις δεσμευτείς σ’ αυτό, η δομή ρέει.

Ποια είναι η βασική δομή ενός κεφαλαίου αποτελεσμάτων ποσοτικής έρευνας;

Η καθιερωμένη δομή είναι: (1) σύντομα περιγραφικά και χαρακτηριστικά δείγματος, (2) έλεγχοι ποιότητας δεδομένων/αξιοπιστίας, (3) κύρια ευρήματα οργανωμένα ανά υπόθεση/ερευνητικό ερώτημα, συνοδευόμενα από πίνακες/γραφήματα. Κάθε ενότητα να είναι αυτάρκης και σύντομη.

Μίνι-σκελετός που δουλεύει σε πτυχιακή/διπλωματική

1. Περιγραφικά: N, ηλικία, φύλο, μέσοι όροι βασικών μεταβλητών.
2. Έλεγχοι: φυσιολογικότητα/ομοσκεδαστικότητα (όπου χρειάζεται), αξιοπιστία κλιμάκων (π.χ. Cronbach’s α).
3. Ευρήματα ανά υπόθεση: τεστ, νούμερα, ερμηνεία σε μία φράση χωρίς «γιατί».

Ορισμοί που θα χρησιμοποιήσεις

• p-value: πιθανότητα να δεις τέτοιο ή εντονότερο αποτέλεσμα αν η μηδενική υπόθεση είναι αληθής.
• Μέγεθος επίδρασης (effect size): πόσο «μεγάλη» είναι η διαφορά/σχέση (π.χ. Cohen’s d, r, η²).
• Διάστημα εμπιστοσύνης (CI): εύρος τιμών που είναι συμβατές με το αποτέλεσμα σε συγκεκριμένη βεβαιότητα (συνήθως 95%).

Συνδέσεις που βοηθούν

Για το «τι περιγραφικά αναφέρω», δες το άρθρο Το «σχήμα» των δεδομένων: κέντρο και διασπορά με μια ματιά. Αν θες να βάλεις αυστηρή σειρά στο σύνολο εργασίας σου, θυμήσου και τον οδηγό Δενδροειδής απεικόνιση διάρθρωσης κεφαλαίων.

Με ποια σειρά πρέπει να παρουσιαστούν τα ευρήματα για να ακολουθεί ο αναγνώστης;

Ξεκίνα από το γενικό προς το ειδικό: δείγμα και περιγραφικά, έλεγχοι προϋποθέσεων, και μετά κάθε υπόθεση με τα τεστ της. Μέσα σε κάθε υπόθεση, πήγαινε από βασικό σε δευτερεύον, και πρώτα σε πίνακα/σχήμα, μετά στην πρόταση αναφοράς.

Σειρά που περπατάει στην πράξη

1. Δείγμα και περιγραφικά.
2. Έλεγχοι ποιότητας/προϋποθέσεων.
3. Υπόθεση 1: Πίνακας/σχήμα, πρόταση αναφοράς, μία πρόταση ερμηνεία-τίτλος (χωρίς «γιατί»).
4. Υπόθεση 2: … (ίδια λογική).
5. Πρόσθετες διερευνήσεις (αν υπάρχουν), σε ξεχωριστό, μικρό υποτμήμα.

Μικρή ρουτίνα 3 βημάτων ανά υπόθεση

• Δήλωσε τι ελέγχεις (μία πρόταση).
• Δώσε τα 3–4 κρίσιμα νούμερα.
• Κλείσε με ουδέτερη φράση για το αν υποστηρίζεται/όχι.

Ποια είναι η διαφορά αποτελέσματα και συζήτηση;

Στα «Αποτελέσματα» λες τι βρήκες με αριθμούς και ελάχιστο σχόλιο. Στη «Συζήτηση» εξηγείς τι σημαίνουν τα ευρήματα, τα συγκρίνεις με βιβλιογραφία και αναφέρεις περιορισμούς. Αν ένα σχόλιο περιέχει «επειδή/διότι» ή αναφορά σε πηγές, ανήκει στη «Συζήτηση».

Σύγκριση με χειροπιαστά παραδείγματα

Στοιχείο/παράδειγμα	Αποτελέσματα (σωστό)	Συζήτηση (σωστό)
Διατύπωση	«Η Ομάδα Α είχε υψηλότερο Μ (3.8) από την Ομάδα Β (3.2), t(118)=2.14, p=.034, d=0.39.»	«Η διαφορά είναι μικρο-μεσαία και συνάδει με τα ευρήματα των X et al. (2021) που είδαν παρόμοιο d≈0.40.»
p κοντά στο .05	«Η διαφορά δεν ήταν στατιστικά σημαντική, p=.061.»	«Η οριακή τιμή ίσως οφείλεται στο μικρό δείγμα (N=42) ή στη μεταβλητότητα της κλίμακας.»
Γράφημα/πίνακας	«Πίνακας 3 δείχνει τα μέσα/SD ανά ομάδα.»	«Η τάση του Πίνακα 3 ταιριάζει με το θεωρητικό πλαίσιο Χ.»
Αναφορά βιβλιογραφίας	Δεν μπαίνει εδώ.	Μπαίνει εδώ, για σύγκριση/ερμηνεία.

Μνήμη-άγκυρα

Αποτελέσματα = «τι βγήκε». Συζήτηση = «τι σημαίνει». Για τη συγγραφή της συζήτησης, δες και Σύνθεση ευρημάτων, βιβλιογραφίας και περιορισμών.

Πώς παρουσιάζονται τα αποτελέσματα ποσοτικής έρευνας σε πίνακες και γραφήματα;

Πίνακες για αριθμούς, γραφήματα για μοτίβα. Κάθε αντικείμενο (Πίνακας/Σχήμα) χρειάζεται σαφή λεζάντα, σημείωση για στατιστικά όπου χρειάζεται, και παραπομπή στο κείμενο («βλ. Πίνακα 2»). Απόφυγε διπλοτυπία: δεν αναπαράγεις ολόκληρο τον πίνακα μέσα σε παράγραφο.

Πότε πίνακας και πότε γράφημα

• Πίνακας: λεπτομερή περιγραφικά, πολλαπλές στήλες/ομάδες, εξαγώγιμα νούμερα.
• Γράφημα: τάσεις/διαφορές που «φαίνονται» άμεσα (ράβδοι, γραμμές, κουτιά-μουστάκια).

Τεχνικές αποφάσεις που κάνουν διαφορά

• Δεκαδικά: στα συνέπεια (π.χ., μέσα με 2 δεκαδικά, p έως τρία).
• Σημαντικότητα: δείξε p ακριβώς (π.χ., p=.047), όχι μόνο «p<.05».
• Μέγεθος επίδρασης και CI: να συνοδεύουν τα p, ειδικά σε μελέτες με μέσο N.

Παρουσίαση ποσοτικών ευρημάτων χωρίς λάθη

• Μη βάζεις χιλιάδες μη απαραίτητους πίνακες.
• Αν χρειάζεται, βάλε αναλυτικούς πίνακες στο Παράρτημα και κράτα συνοπτικούς στο κυρίως κείμενο.

Πώς γράφω σύντομες, καθαρές προτάσεις αναφοράς για κάθε τεστ;

Χρησιμοποίησε πρότυπο-φράση: τι τεστ/σύγκριση, τι νούμερα, τι «βγήκε/δεν βγήκε». Βάζεις πάντα στατιστικό ελέγχου (π.χ., t, F, χ²), βαθμούς ελευθερίας, τιμή ελέγχου, p, και μέγεθος επίδρασης με CI όπου γίνεται.

Πρότυπα εξόδου για συχνά τεστ

• t-test: «Οι μέσοι διαφέρουν, t(df)=τιμή, p=…, d=…, 95% CI […, …].»
• ANOVA: «Υπήρξε κύρια επίδραση, F(df1, df2)=…, p=…, η²=….»
• Χ²: «Συσχέτιση κατηγορικών, χ²(df)=…, p=…, V=….»
• Παλινδρόμηση: «Το μοντέλο εξήγησε R²=…, β=…, p=…, 95% CI=….»

Αδύναμο vs βελτιωμένο απόσπασμα

Αδύναμο απόσπασμα	Βελτιωμένο απόσπασμα
«Η διαφορά ήταν σημαντική και φαίνεται στο γράφημα.»	«Οι συμμετέχοντες της Ομάδας Α είχαν υψηλότερη ικανοποίηση (Μ=3.8, SD=0.7) από της Ομάδας Β (Μ=3.2, SD=0.8), t(118)=2.14, p=.034, d=0.39, 95% CI [0.05, 0.94].»

Προσοχή στις λέξεις

Χρησιμοποίησε «υψηλότερος/χαμηλότερος», «μεγαλύτερη/μικρότερη πιθανότητα», «θετική/αρνητική συσχέτιση», και απόφυγε λέξεις-ερμηνείες («αποδεικνύει», «ξεκάθαρα», «λόγω»).

Μπορώ να δω παράδειγμα ενότητας αποτελεσμάτων από τρία διαφορετικά πεδία;

Ναι. Παρακάτω θα δεις συμπυκνωμένα παραδείγματα «παράγραφος-ανά-υπόθεση» από κοινωνικές επιστήμες/ψυχολογία, νοσηλευτική/υγεία, και διοίκηση/εκπαίδευση. Κάθε ένα περιλαμβάνει πίνακα/σχήμα (νοητό), στατιστικά, και μία πρόταση-τίτλο.

Κοινωνικές επιστήμες/ψυχολογία (συσχέτιση άγχους–χρήσης social media)

«Εξετάστηκε η σχέση ημερήσιας χρήσης social media (ώρες) με το αντιλαμβανόμενο άγχος (κλίμακα 0–10). Παρατηρήθηκε θετική, μέτρια συσχέτιση, r(198)=.32, p<.001, 95% CI [.20, .43]. Ο Πίνακας 2 εμφανίζει περιγραφικά ανά τεταρτημόριο χρήσης∙ το Σχήμα 1 απεικονίζει τη γραμμική τάση.»

Νοσηλευτική/υγεία (συμμόρφωση σε αγωγή μετά το εξιτήριο)

«Συγκρίθηκε η συμμόρφωση στη φαρμακευτική αγωγή 30 ημέρες μετά το εξιτήριο μεταξύ ηλικιωμένων με τηλεφωνική παρακολούθηση vs συνήθη φροντίδα. Η ομάδα παρέμβασης ανέφερε υψηλότερη συμμόρφωση (Μ=82.4%, SD=9.1) από την ομάδα ελέγχου (Μ=77.0%, SD=11.3), t(88)=2.52, p=.013, d=0.53, 95% CI [1.2%, 9.5%].»

Διοίκηση/εκπαίδευση (επίδραση μικρο-εκπαίδευσης σε απόδοση)

«Αξιολογήθηκε η επίδραση ολιγόλεπτων microlearning βίντεο στην επίδοση τελικού κουίζ σε προσωπικό καταστήματος. Η ανάλυση ANCOVA (έλεγχος αρχικής βαθμολογίας) έδειξε κύρια επίδραση παρέμβασης, F(1,147)=5.67, p=.018, η²=.037. Η μέση προσαρμοσμένη επίδοση ήταν κατά 4.1 μονάδες υψηλότερη στην ομάδα παρέμβασης (95% CI [0.7, 7.5]).»

Γιατί αυτά «διαβάζονται»

• Κάθε απόσπασμα δηλώνει τι ελέγχει.
• Δίνει 3–4 κρίσιμα νούμερα.
• Παραπέμπει σε πίνακα/σχήμα, χωρίς να τα ξαναγράφει όλα.

Τι λάθη κάνουν συχνά οι φοιτητές όταν γράφουν αποτελέσματα;

Τα συχνά λάθη είναι συγκεκριμένα και διορθώσιμα: μπέρδεμα με «Συζήτηση», έλλειψη μεγεθών επίδρασης, διπλοτυπία πινάκων και κειμένου, και ασυνέπεια στα δεκαδικά. Διόρθωσέ τα πριν τα δει ο επιβλέπων.

Λίστα λαθών με ρεαλιστικά παραδείγματα

1. Λάθος: Μπαίνει «γιατί» στα Αποτελέσματα
   Παράδειγμα: «Η ομάδα Α πήγε καλύτερα επειδή είχε καλύτερη εκπαίδευση.»
   Διόρθωση: «Η ομάδα Α είχε υψηλότερη επίδοση (Μ=…), t(…)=…, p=….» (το «επειδή» πάει στη Συζήτηση).

2. Λάθος: Δεν αναφέρεται μέγεθος επίδρασης
   Παράδειγμα: «Η διαφορά είναι σημαντική (p=.041).»
   Διόρθωση: «…, p=.041, d=0.44, 95% CI […, …].»

3. Λάθος: Επαναλαμβάνεται ολόκληρος πίνακας στο κείμενο
   Παράδειγμα: «Οι μέσοι ήταν 3.1, 2.9, 3.4, 3.0…» (όλοι γραμμένοι)
   Διόρθωση: «Βλ. Πίνακα 2 για αναλυτικά∙ στο κείμενο κράτα μόνο τα κρίσιμα νούμερα.»

4. Λάθος: Ασυνέπεια στα δεκαδικά
   Παράδειγμα: «Μ=3.2, SD=0.85, p=.0345, r=.7»
   Διόρθωση: Ορίζει κανόνα (π.χ., 2 δεκαδικά για μέσα/SD, 3 για p) και τον εφαρμόζει παντού.

5. Λάθος: Χρήση φορτισμένης γλώσσας
   Παράδειγμα: «Αποδείχθηκε ξεκάθαρα ότι…»
   Διόρθωση: «Τα δεδομένα έδειξαν…», «Παρατηρήθηκε…».

Πώς εξασφαλίζω ροή και αναγνωσιμότητα στις παραγράφους των ευρημάτων;

Χρησιμοποίησε θεματική πρόταση, λίγα κρίσιμα νούμερα στη μέση, και μικρή καταληκτική φράση. Μία υπόθεση = μία μικρή ενότητα 3–5 προτάσεων. Διατήρησε ίδια «σειρά» από ενότητα σε ενότητα για να εκπαιδεύσεις το μάτι του αναγνώστη.

Η μικρο-δομή παραγράφου που κρατάει ροή

• Θεματική πρόταση: «Ελέγχθηκε αν…»
• Πυρήνας με νούμερα: «t(…)=…, p=…, d=…, 95% CI…»
• Κλείσιμο: «Η υπόθεση υποστηρίχθηκε/όχι.»
  Δες και τον οδηγό για ροή παραγράφων: Οπτική ροή προτάσεων μέσα σε παράγραφο με έμφαση στη θεματική πρόταση.

Παράδειγμα «copyable» παραγράφου

«Ελέγχθηκε αν οι φοιτητές που συμμετείχαν σε εργαστήρια είχαν υψηλότερη κατανόηση της ύλης. Η ανάλυση έδειξε υψηλότερο μέσο στην ομάδα εργαστηρίων (Μ=7.9, SD=0.8) έναντι ελέγχου (Μ=7.4, SD=0.9), t(126)=2.41, p=.017, d=0.43, 95% CI [0.09, 0.78]. Βλ. Πίνακα 4. Η υπόθεση υποστηρίχθηκε.»

Πώς διαλέγω και αναφέρω το σωστό στατιστικό τεστ για καθεμία υπόθεση;

Διάλεξε τεστ με βάση τον τύπο μεταβλητών (συνεχής/κατηγορική), το σχέδιο (ανεξάρτητες/ζευγάρια), και τις προϋποθέσεις (κανονικότητα, ομοσκεδαστικότητα). Αν δεν κρατιούνται προϋποθέσεις, επίλεξε μη παραμετρικό ισοδύναμο.

Μικρός οδηγός επιλογής

• Δύο ομάδες, συνεχής έκβαση: t-test (ή Mann–Whitney).
• Πολλές ομάδες: ANOVA (ή Kruskal–Wallis).
• Συσχέτιση συνεχών: Pearson r (ή Spearman ρ).
• Κατηγορικές σχέσεις: Χ² (ή Fisher για μικρά Ν).
  Για αναλυτικό διάγραμμα επιλογής, δες Οπτικός οδηγός για την επιλογή στατιστικού τεστ.

Αναφορά με συνέπεια

Αναφέρει πάντα: όνομα τεστ, στατιστικό/df, τιμή, p, μέγεθος επίδρασης, CI. Μην ξεχνάς το μοντέλο σε παλινδρόμηση (R²) και τους β-συντελεστές.

Πού μπαίνουν οι έλεγχοι αξιοπιστίας, εγκυρότητας και τα περιγραφικά;

Πριν τα κύρια ευρήματα. Δείξε ότι τα δεδομένα «στέκονται» και ότι οι κλίμακες είναι αξιόπιστες. Βάλε τους αριθμούς μία φορά (π.χ. Cronbach’s α) και προχώρα.

Τι ακριβώς γράφεις

• Αξιοπιστία κλιμάκων: «Η κλίμακα Χ είχε α=.86 (N=…).»
• Προϋποθέσεις: «Η κανονικότητα ελέγχθηκε με …∙ δεν παρατηρήθηκαν σοβαρές αποκλίσεις.»
• Περιγραφικά: «Μ, SD, εύρη, ποσοστά—όσα χρειάζονται για να «γνωρίσουμε» το δείγμα.»

Πού σταματάς

Μην «θάβεις» τον αναγνώστη σε δευτερογενείς ελέγχους αν δεν αλλάζουν επιλογές τεστ ή συμπεράσματα. Τα πολλά μπορούν να πάνε Παράρτημα.

Πόσο εκτενές πρέπει να είναι το κεφάλαιο και πόσους πίνακες/γραφήματα χρειάζομαι;

Στόχευσε σε 6–12 σελίδες για συνηθισμένη πτυχιακή/διπλωματική, με 3–6 πίνακες/σχήματα στο κυρίως κείμενο. Αν έχεις πολλές υποθέσεις, ομαδοποίησέ τες και βάλε λεπτομέρειες στο Παράρτημα.

Κανόνας 60–30–10 για την έκταση

• 60% κύρια τεστ/υποθέσεις,
• 30% περιγραφικά και έλεγχοι,
• 10% πρόσθετες διερευνήσεις/ευαισθησία.

Πότε να μεταφέρεις στο Παράρτημα

• Πολύ μεγάλες μήτρες συσχετίσεων,
• Αναλυτικά outputs λογισμικού,
• Επαναλήψεις με εναλλακτικά cutoffs.

Πριν προχωρήσεις: checklist για το κεφάλαιο αποτελεσμάτων

• Άνοιξα με περιγραφικά του δείγματος (N, δημογραφικά, βασικά μέσα/SD).
• Ανέφερα αξιοπιστία κλιμάκων (π.χ., Cronbach’s α) και βασικούς ελέγχους προϋποθέσεων.
• Οργάνωσα τα κύρια ευρήματα ανά υπόθεση/ερώτημα με σταθερή μικρο-δομή.
• Κάθε εύρημα έχει πίνακα/σχήμα ΜΙΑ φορά και παραπομπή στο κείμενο.
• Για κάθε τεστ ανέφερα στατιστικό, df, τιμή, p, μέγεθος επίδρασης και 95% CI.
• Χρησιμοποίησα συνεπή δεκαδικά (2 για μέσα/SD, 3 για p).
• Απέφυγα ερμηνείες/βιβλιογραφία στο κεφάλαιο «Αποτελέσματα».
• Ομαδοποίησα δευτερεύοντα ευρήματα και έστειλα λεπτομέρειες στο Παράρτημα.
• Τα γραφήματα δείχνουν μοτίβα χωρίς περιττές «διακοσμήσεις».
• Τσέκαρα ροή παραγράφων με θεματικές προτάσεις και καθαρό κλείσιμο.
• Έκανα αυτο-έλεγχο για διπλοτυπίες κειμένου/πίνακα.
• Έχω 3–6 πίνακες/σχήματα, ανάλογα με τις υποθέσεις.