Eredmények fejezet írása kvantitatív szakdolgozatban: szerkezet, táblázatok és közlési sorrend

Megvan az adatbázis, lefutottak a statisztikai próbák, de a Word-dokumentumban csak egymás után dobált táblázatok állnak, és nem látszik, mi miért következik. Az eredmények fejezet írása ilyenkor nem azért nehéz, mert nincs eredményed, hanem mert túl sok apró döntést kell meghozni: mi kerüljön előre, mennyit kell írni a táblázat alá, hová menjen a p-érték, és mikor kezdesz már véletlenül megbeszélést írni. Magyar egyetemi szakdolgozatnál vagy diplomamunkánál különösen zavaró, hogy a konzulens gyakran csak annyit mond: „legyen áttekinthetőbb”. Ez kevés támpont, ha közben a hipotéziseid, változóid, táblázataid és diagramjaid külön életet élnek.

A kvantitatív eredmények fejezete akkor lesz világos, ha az olvasó ugyanabban a logikai sorrendben látja az adatokat, ahogy a kutatási kérdésekre vagy hipotézisekre válaszolsz. Először a minta és a leíró statisztika következik, utána a fő elemzések, végül a kiegészítő vagy robusztussági ellenőrzések — értelmezés nélkül, de pontos statisztikai közléssel.

In this guide

• Mi legyen az eredmények fejezet célja kvantitatív dolgozatban?
• Milyen sorrendben érdemes felépíteni a kvantitatív eredmények bemutatását?
• Mit tartalmazzon a statisztikai eredmények fejezet táblázatokkal és szöveggel?
• Hogyan néz ki egy szakdolgozat eredmények fejezet példa gyengén és erősen?
• Mi az eredmények és megbeszélés különbsége kvantitatív dolgozatban?
• Milyen hibákat követnek el gyakran a hallgatók az eredmények fejezet írásakor?
• Hogyan rendezd a fejezetet hipotézisek, kutatási kérdések és változók szerint?
• Mit ellenőrizz, mielőtt továbblépsz az eredmények fejezetről?

Mi legyen az eredmények fejezet célja kvantitatív dolgozatban?

Az eredmények fejezet célja az, hogy ellenőrizhetően bemutassa, mit mutatnak az adatok a kutatási kérdésekre vagy hipotézisekre nézve. Nem itt kell bizonygatni, miért fontos az eredmény, és nem itt kell hosszú szakirodalmi magyarázatot adni. A jó fejezet olvasható szöveggel, következetes táblázatokkal és pontos statisztikai adatokkal vezeti végig az olvasót.

Az eredmények fejezet nem adatelemzési napló

Sok hallgató úgy írja meg ezt a részt, mintha a saját elemzési folyamatát dokumentálná: „először kipróbáltam ezt, aztán lefuttattam azt, majd megnéztem egy másik változót”. Ez a konzulensnek ritkán hasznos, mert az olvasó nem a próbálkozásaid sorrendjére kíváncsi, hanem arra, hogy a végleges elemzési terv alapján milyen válaszok születtek.

Eredmény: az adatból származó, közölhető megállapítás. Például: „A tanulmányi énhatékonyság és a vizsgaeredmény között közepes erősségű pozitív kapcsolat volt.”
Elemzési folyamat: az a munkamenet, ahogy az SPSS-ben, Jamoviban, R-ben vagy Excelben eljutottál ehhez a megállapításhoz. Ennek csak azon része kerül a dolgozatba, amely a módszertani átláthatóság miatt szükséges.

Ha a módszertani fejezetben már leírtad, milyen próbát miért választottál, az eredmények fejezetben nem kell újra igazolni a teljes módszertani döntést. Ha még bizonytalan vagy a próba kiválasztásában, érdemes előbb visszalépni a statisztikai próba kiválasztásának döntési logikájához, mert a rosszul kiválasztott próba később a fejezet teljes szerkezetét is összezavarja.

Mit kell az olvasónak megtudnia?

A fejezet végére az olvasónak három dologban kell biztosnak lennie. Először: mekkora és milyen összetételű mintán készült az elemzés. Másodszor: hogyan viselkedtek a fő változók leíró szinten. Harmadszor: a hipotézisek vagy kutatási kérdések milyen statisztikai eredményt kaptak.

Pszichológiai szakdolgozatban például, ha a hallgató a stressz és az alvásminőség kapcsolatát vizsgálja egyetemisták körében, nem elég annyit írni, hogy „szignifikáns kapcsolat volt”. Az olvasónak látnia kell a minta elemszámát, a stresszskála átlagát és szórását, az alvásminőség mutatóit, majd a korrelációs együtthatót, a p-értéket és lehetőleg a hatás irányát is. Így a „volt kapcsolat” ellenőrizhető állítássá válik.

Milyen sorrendben érdemes felépíteni a kvantitatív eredmények bemutatását?

A kvantitatív eredmények bemutatása általában a minta rövid leírásával indul, ezt követik a leíró statisztikák, majd a kutatási kérdések vagy hipotézisek szerinti fő elemzések. Ha vannak kiegészítő elemzések, azok a fő eredmények után következnek. A sorrendnek azt kell tükröznie, ahogy az olvasó lépésről lépésre megérti az adatokból levont válaszokat.

Ajánlott közlési sorrend

Egy átlátható eredmények fejezet gyakran a következő logikát követi:

1. Elemzési minta bemutatása: hány válaszadó vagy megfigyelés került az elemzésbe, történt-e kizárás, volt-e hiányzó adat.
2. Leíró statisztikák közlése: átlag, szórás, minimum, maximum, gyakoriságok vagy arányok a fő változókra.
3. Feltételek és előellenőrzések rövid jelzése: például normalitás, skálamegbízhatóság, csoportlétszámok, ha releváns.
4. Fő hipotézisek vagy kutatási kérdések eredményei: minden kérdés külön alfejezetben vagy bekezdésben.
5. Kiegészítő elemzések: csak akkor, ha valóban támogatják a fő kérdést, és nem terelik el a figyelmet.

Ez a sorrend nem merev sablon. Egy egészségtudományi dolgozatban, például ha ápoló szakos hallgató a gyógyszerszedési adherenciát vizsgálja otthoni ápolásba bocsátott idős betegek körében, először a betegek életkori és ellátási jellemzői kerülhetnek előre. Utána jön az adherencia skála leíró statisztikája, majd az, hogy van-e különbség a magasabb és alacsonyabb családi támogatással rendelkező csoportok között.

Miért nem jó a szoftver output sorrendje?

Az SPSS vagy más statisztikai program kimenete technikai sorrendben készül, nem olvasói logika szerint. Előfordulhat, hogy a normalitásvizsgálat, az esetszűrés, a változóátalakítás és a fő teszt egymás után jelenik meg, miközben a dolgozatban ezek közül csak néhány adatnak van helye.

A fejezet nem attól tudományos, hogy minden outputot bemásolsz. Inkább attól, hogy kiválasztod azokat az eredményeket, amelyek a kutatási kérdés megválaszolásához szükségesek. Ha a minta és a változók még nincsenek tisztán meghatározva, előbb a fogalmi változóból mérhető indikátorrá alakítás logikáját érdemes rendbe tenni.

Sorrend összehasonlítása konkrét példával

Gyenge sorrend	Erősebb sorrend
„Normalitásvizsgálat”, majd egy korrelációs tábla magyarázat nélkül	„A minta és a fő változók leírása”, majd „A stressz és alvásminőség kapcsolata”
Minden SPSS-tábla egymás után, cím nélkül	Csak a releváns táblázatok, kutatási kérdésenként csoportosítva
Először a legérdekesebb szignifikáns eredmény	Először a tervezett hipotézisek sorrendje, utána kiegészítő eredmények
A nem szignifikáns eredmények kihagyása	A nem szignifikáns eredmények pontos közlése, értelmezés nélkül
Táblázat után új téma bevezetés nélkül	Táblázat előtt rövid célmondat, utána 1–3 mondatos eredményközlés

Mit tartalmazzon a statisztikai eredmények fejezet táblázatokkal és szöveggel?

A statisztikai eredmények fejezet akkor átlátható, ha minden fő állításhoz tartozik rövid szöveges közlés és szükség esetén táblázat vagy ábra. A táblázat nem helyettesíti a szöveget, a szöveg pedig nem ismétli el mechanikusan a táblázat minden celláját. A kettő együtt mutatja meg, melyik eredmény mihez kapcsolódik.

A táblázat szerepe: sűrítés, nem díszítés

Táblázatot akkor használj, ha több adatot kell egyszerre összehasonlítható formában közölni. Leíró statisztikáknál például hasznos lehet egy táblázat, amelyben a fő skálák átlaga, szórása, minimuma és maximuma szerepel. Csoportösszehasonlításnál a csoportonkénti átlagok, szórások, próbaértékek és p-értékek is jól rendezhetők táblázatba.

Egy üzleti vagy menedzsment témájú diplomamunkában, amely a munkavállalói elégedettség és a fluktuációs szándék kapcsolatát vizsgálja, a táblázatban szerepelhet az elégedettségi skála átlaga, a fluktuációs szándék átlaga, a korrelációs együttható és a szignifikanciaszint. A szövegben viszont elég a fő irányt és erősséget kiemelni: „Az elégedettség magasabb értékei alacsonyabb fluktuációs szándékkal jártak együtt.”

Ha a leíró statisztikák közlésében vagy bizonytalan, a leíró statisztikák rendezett adatábrájáról szóló útmutató segíthet eldönteni, mikor kell átlag, medián, szórás vagy gyakoriság.

Mit írj a táblázat elé és után?

A táblázat elé egy irányító mondat kerül. Ez megmondja, miért látja az olvasó a táblázatot. Például: „Az 1. táblázat a vizsgálat fő változóinak leíró statisztikáit mutatja.” Ez nem eredményértelmezés, hanem olvasói tájékozódási pont.

A táblázat után 1–3 mondatban közöld a fő mintázatot. Ne írd újra az összes számot. Ha a táblázatban öt skála szerepel, nem kell mind az öt átlagát mondatba foglalni. Emeld ki azt, ami a további elemzéshez számít: melyik változó mutat magasabb vagy alacsonyabb értéket, vannak-e feltűnő szóródások, vagy melyik eredmény kapcsolódik a hipotézishez.

Milyen statisztikai adatokat kell közölni?

Próbaérték: a statisztikai teszt számszerű eredménye, például t, F, χ² vagy r.
p-érték: azt jelzi, hogy a megfigyelt eredmény mennyire egyeztethető össze a nullhipotézissel.
Hatásméret: az eredmény gyakorlati vagy statisztikai nagyságát mutatja, például Cohen-féle d, η² vagy korrelációs együttható.

Nem minden szakon kérik ugyanazt a részletezettséget, de a p-érték önmagában ritkán elég. Egy t-próba közlésénél például a csoportátlagok, szórások, t-érték, szabadságfok, p-érték és hatásméret adhat teljes képet. Ha APA-jellegű közlésre van szükséged, az APA-stílusú statisztikai eredményközlés logikája jól átültethető magyar szakdolgozatba is, ha az intézményi útmutató nem ír mást.

Hogyan néz ki egy szakdolgozat eredmények fejezet példa gyengén és erősen?

Egy szakdolgozat eredmények fejezet példa akkor tanulságos, ha nemcsak a kész szöveget látod, hanem azt is, mitől gyenge az első változat. A gyenge verzió általában túl általános, keveri az értelmezést az eredményközléssel, vagy nem kapcsolja az adatokat a hipotézishez. Az erősebb verzió pontosabb, rövidebb és ellenőrizhetőbb.

Gyenge és erősebb eredményközlés egymás mellett

Gyenge hallgatói változat	Erősebb átdolgozás
„A kérdőív alapján látható, hogy a motiváció hatással van a teljesítményre, mert a legtöbben magas pontszámot értek el.”	„A motivációs skála és a vizsgaeredmény között pozitív kapcsolat mutatkozott, r = .42, p = .003. Ez azt jelzi, hogy a magasabb motivációs pontszámok magasabb vizsgaeredményekkel jártak együtt a vizsgált mintában.”
„A nők és férfiak között volt különbség, de nem túl nagy.”	„A nők átlaga magasabb volt az elégedettségi skálán (M = 4.12, SD = 0.68), mint a férfiaké (M = 3.84, SD = 0.71), de a különbség nem érte el a szignifikanciaszintet, t(118) = 1.94, p = .055.”
„Az eredmények bizonyítják, hogy a beavatkozás működik.”	„A beavatkozási csoport átlagos fájdalompontszáma alacsonyabb volt a kontrollcsoporténál a második méréskor. Az eltérés szignifikáns volt, t(58) = 2.41, p = .019, d = 0.62.”

A második oszlop nem attól jobb, hogy bonyolultabb. Attól jobb, hogy megnevezi a változókat, közli a szükséges statisztikai adatokat, és nem ír többet annál, mint amit az eredmény ténylegesen alátámaszt.

Pszichológiai példa: skálák és kapcsolat

Képzeld el, hogy alapképzéses pszichológiai szakdolgozatban a vizsgaszorongás és a tanulmányi teljesítmény kapcsolatát elemzed. A gyenge változat így hangzana: „A szorongás rontja a teljesítményt, ami látszik az eredményekből.” Ez túl erős oksági állítás, ha csak korrelációs elemzést végeztél.

Erősebb változat: „A vizsgaszorongás pontszáma és a félévi átlag között negatív kapcsolat mutatkozott, r = -.31, p = .012. A magasabb vizsgaszorongás alacsonyabb félévi átlaggal járt együtt a vizsgált mintában.” Ez nem állít okozati hatást, mégis világosan közli az eredményt.

Egészségtudományi példa: csoportkülönbség

Ápolástudományi vagy egészségtudományi diplomamunkában előfordulhat, hogy két betegcsoport fájdalompontszámait hasonlítod össze. Gyenge változat: „A betegek jobban voltak a tájékoztatás után.” Ez nem mondja meg, milyen mérés alapján, mekkora volt a különbség, és melyik csoporthoz képest.

Erősebb változat: „A részletes hazabocsátási tájékoztatást kapó betegek átlagos fájdalompontszáma alacsonyabb volt a kontrollcsoporténál a hazabocsátást követő harmadik napon. A különbség szignifikáns volt, U = 412.00, p = .028.” Ha a dolgozat módszertani része korábban megindokolta a Mann–Whitney-próba használatát, itt már elég a közlés.

Oktatási vagy menedzsment példa: több változó

Oktatástudományi dolgozatban például vizsgálhatod, hogy a digitális tananyaghasználat gyakorisága összefügg-e a tanulói önszabályozással. Menedzsment témában hasonló logika jelenhet meg a home office gyakorisága és munkavállalói elégedettség között.

A jó eredményközlés mindkét esetben kerüli a túlzó kijelentéseket. Nem azt írod, hogy „a digitális tananyag fejleszti az önszabályozást”, ha keresztmetszeti kérdőíved volt. A pontosabb állítás: „A digitális tananyaghasználat gyakorisága pozitív kapcsolatban állt az önszabályozási pontszámmal, r = .27, p = .021.”

Mi az eredmények és megbeszélés különbsége kvantitatív dolgozatban?

Az eredmények és megbeszélés különbsége az, hogy az eredmények fejezet azt közli, mit mutatnak az adatok, a megbeszélés pedig azt magyarázza, mit jelenthetnek ezek az eredmények a kutatási kérdés, a szakirodalom és a gyakorlati következmények szempontjából. Az eredmények részben a bizonyítékot rakod le. A megbeszélésben kapcsolod ezt vissza az elméleti és szakmai kontextushoz.

Mi maradjon az eredmények fejezetben?

Az eredmények fejezetben maradnak a számok, a táblázatok, a próbák eredményei és a közvetlen adatleírások. Itt írhatod le, hogy az egyik csoport átlaga magasabb volt, a kapcsolat pozitív vagy negatív volt, vagy a hipotézis statisztikai értelemben támogatást kapott-e.

A mondatok legyenek óvatosak és adatközeliek. Például: „A H1 hipotézis támogatást kapott, mivel a két változó között szignifikáns pozitív kapcsolat mutatkozott.” Ez még eredményközlés. Az már megbeszélés lenne, ha azt írnád: „Ez valószínűleg azért történt, mert a hallgatók a vizsgaidőszakban tudatosabban szervezik az idejüket.”

Mi kerüljön át a megbeszélésbe?

A megbeszélésbe kerül a „miért” és a „mit jelent”. Itt lehet összevetni az eredményt korábbi kutatásokkal, magyarázatot adni a nem várt eredményekre, jelezni a korlátokat, és megfogalmazni, milyen gyakorlati vagy elméleti következtetések vonhatók le.

Ha például egy egészségtudományi dolgozatban nem találsz szignifikáns különbséget két betegcsoport között, az eredmények fejezetben ezt pontosan közlöd. A megbeszélésben viszont már írhatod, hogy a kis elemszám, a mérőeszköz érzékenysége vagy a rövid követési idő befolyásolhatta az eredményt. A különbség nem formai apróság: a fejezetek funkcióját védi.

Határvonal mondatokkal

Az alábbi példák segítenek eldönteni, hol a határ:

Eredmények fejezetbe illik	Megbeszélésbe illik
„A két csoport átlaga között nem volt szignifikáns különbség, p = .184.”	„A nem szignifikáns eredmény összefügghet azzal, hogy a csoportok létszáma alacsony volt.”
„A H2 hipotézis nem kapott statisztikai támogatást.”	„Ez eltér Kovács korábbi eredményétől, amely nagyobb mintán pozitív kapcsolatot talált.”
„A korreláció negatív irányú és gyenge erősségű volt.”	„A gyenge kapcsolat arra utalhat, hogy más tényezők erősebben befolyásolják a kimenetet.”
„A regressziós modell a variancia 18%-át magyarázta.”	„A modell magyarázóereje mérsékelt, ezért további változók bevonása indokolt lehet.”

Milyen hibákat követnek el gyakran a hallgatók az eredmények fejezet írásakor?

A hallgatók leggyakoribb hibái abból fakadnak, hogy a statisztikai outputot, a saját értelmezést és a dolgozat szerkezetét összekeverik. A javítás általában nem több elemzést jelent, hanem pontosabb válogatást, jobb sorrendet és fegyelmezettebb megfogalmazást. Az alábbi hibák tipikusan magyar szakdolgozatokban és diplomamunkákban is előfordulnak.

Konkrét hibák és javításuk

1. Output-másolás címek nélkül
   Hallgatói példa: „A következő táblázatokban láthatók az SPSS eredményei”, majd öt képernyőképszerű táblázat következik.
   Javítás: csak a releváns adatokat vedd át, adj magyar címet a táblázatnak, és írd le, melyik kutatási kérdéshez kapcsolódik.

2. Oksági állítás korrelációból
   Hallgatói példa: „A közösségi média használata csökkenti az önértékelést.”
   Javítás: ha keresztmetszeti korrelációt számoltál, írd így: „A közösségimédia-használat gyakorisága negatív kapcsolatban állt az önértékelési pontszámmal.”

3. Csak a szignifikáns eredmények közlése
   Hallgatói példa: a H1 és H3 szerepel, de a H2 eltűnik, mert p = .312 lett.
   Javítás: a nem szignifikáns eredmény is eredmény. Közöld pontosan, és a megbeszélésben térj vissza arra, mit jelenthet.

4. Táblázat és szöveg ellentmondása
   Hallgatói példa: a táblázatban p = .078, a szövegben mégis ez áll: „szignifikáns különbség volt”.
   Javítás: ellenőrizd minden szöveges állítás és táblázat összhangját. Ha az intézményi küszöb p < .05, akkor p = .078 nem szignifikáns.

5. Hiányzó mintaelemszám
   Hallgatói példa: „A válaszadók átlagéletkora 22.4 év volt”, de nem derül ki, hány válaszadóról van szó.
   Javítás: az eredmények elején add meg az elemzésbe bevont esetek számát, és jelezd, ha változónként eltérő az elemszám.

Miért veszélyes a túl szép történet?

Néha a hallgató ösztönösen „kerek” történetet akar írni: minden hipotézis igazolódik, minden kapcsolat logikus, minden táblázat szépen illeszkedik. A valós kvantitatív adatok ritkán ilyen tiszták. Egy nem szignifikáns eredmény nem bukás, hanem a kutatás része.

A dolgozat értékelője általában nem azt várja, hogy minden hipotézis támogatást kapjon. Inkább azt nézi, hogy az elemzésed követhető-e, az eredményközlés pontos-e, és nem állítasz-e többet, mint amit az adatok megengednek. Ez különösen mesterképzéses diplomamunkánál számít, ahol a módszertani önfegyelem gyakran nagyobb súlyt kap.

Hogyan rendezd a fejezetet hipotézisek, kutatási kérdések és változók szerint?

A fejezetet akkor érdemes hipotézisek vagy kutatási kérdések szerint rendezni, ha ezek adják a dolgozat fő logikai vázát. Ha viszont sok változód van, először a változócsoportokat kell átláthatóvá tenni, különben a hipotézisenkénti közlés szétesik. A legjobb szerkezet az, amelyben az olvasó gyorsan látja, melyik adat melyik kérdésre válaszol.

Hipotézisenkénti szerkezet

Ha három hipotézised van, gyakran a legegyszerűbb alfejezetenként haladni:

• H1 eredményei: a fő változók leírása röviden, majd a teszt eredménye.
• H2 eredményei: csoportkülönbség, kapcsolat vagy modell.
• H3 eredményei: szükséges kiegészítő adatokkal együtt.

Ez azért működik, mert az olvasó a bevezetésben és a módszertanban már találkozott a hipotézisekkel. Az eredmények fejezetben így nem kell új történetet kitalálnod, csak követed a korábban felépített logikát. Ha a hipotézisek még nem illeszkednek a kutatási célokhoz, a kutatási célok és hipotézisek kapcsolatáról szóló anyag segíthet a fejezet előtti rendrakásban.

Változócsoportok szerinti szerkezet

Nagyobb kérdőíves dolgozatban előfordulhat, hogy sok skálád és alskálád van. Ilyenkor hasznos lehet először témacsoportok szerint bemutatni a változókat: például demográfiai adatok, tanulmányi jellemzők, pszichológiai skálák, kimeneti változók.

Ezután jöhetnek a hipotézisvizsgálatok. Így az olvasó nem a fő teszteknél találkozik először a változókkal. Oktatási témában például először bemutathatod a tanulási motiváció, önszabályozás és digitális eszközhasználat leíró statisztikáit, majd külön alfejezetben közölheted, hogyan függ össze az önszabályozás a tanulmányi eredménnyel.

Közlési sablon egy hipotézishez

Egy-egy hipotézis eredményét gyakran négy mondattípusból lehet felépíteni:

1. Célmondat: „A H1 hipotézis azt vizsgálta, hogy…”
2. Táblázatra utalás: „A kapcsolódó leíró statisztikákat és a próba eredményét a 3. táblázat tartalmazza.”
3. Fő eredmény: „A két változó között pozitív, közepes erősségű kapcsolat mutatkozott…”
4. Hipotézis státusza: „A H1 hipotézis statisztikai támogatást kapott / nem kapott támogatást.”

Ez a minta nem mechanikus kitöltőszöveg. Inkább váz, amely megakadályozza, hogy elkalandozz a megbeszélés felé, vagy kihagyj egy szükséges adatot.

Mit ellenőrizz, mielőtt továbblépsz az eredmények fejezetről?

Mielőtt lezárnád az eredmények fejezetet, ellenőrizd, hogy a sorrend, a táblázatok, a statisztikai adatok és a szöveges állítások ugyanazt mondják-e. A fejezet akkor kész, ha egy kívülálló olvasó a módszertani előzmények ismeretében követni tudja, melyik eredmény melyik kutatási kérdésre válaszol. Az ellenőrzés különösen fontos, mert a hibák gyakran nem a számításban, hanem a közlésben jelennek meg.

Mielőtt továbblépsz: eredmények fejezet ellenőrzőlista

• Az eredmények fejezet elején szerepel az elemzésbe bevont minta elemszáma.
• Világos, történt-e adattisztítás, kizárás vagy hiányzó adatok kezelése.
• A fő változók leíró statisztikái szerepelnek a szövegben vagy táblázatban.
• Minden hipotézis vagy kutatási kérdés külön azonosítható helyen kap választ.
• A táblázatok címei érthetők, és nem csak szoftveroutputból másolt elnevezések.
• A szöveg nem ismétli el feleslegesen a táblázatok minden celláját.
• A próbaértékek, p-értékek, szabadságfokok és hatásméretek következetesen szerepelnek, ahol szükségesek.
• A nem szignifikáns eredmények sem maradtak ki.
• A korrelációs eredményekből nem lett oksági állítás.
• Az eredmények és megbeszélés különbsége a fejezetekben is látszik.
• A táblázatszámok, ábraszámok és szöveges hivatkozások egyeznek.
• A fejezet végén nem jelenik meg új módszertani döntés, amelyet korábban nem vezettél be.

Utolsó olvasási próba

Olvasd végig a fejezetet úgy, hogy csak a kutatási kérdéseket és a hipotéziseket tartod magad előtt. Minden alfejezetnél kérdezd meg: „Ez most melyik kérdésre válaszol?” Ha nem tudsz egyértelműen válaszolni, valószínűleg szerkezeti gond van, nem stilisztikai.

A másik próba a táblázatok önálló olvashatósága. Ha valaki csak a táblázat címét, a változóneveket és a hozzá tartozó rövid bekezdést látja, megérti-e, mi történt? Ha igen, az eredmények fejezet már nem adatkupac, hanem szakdolgozati bizonyítéksor.

Ajánlott belső linkek

(Build system metadata — do not remove this section)

• Statisztikai próba kiválasztása döntési logikával
• Fogalmi változóból mérhető indikátor
• Leíró statisztikák rendezett adatábrája
• Kutatási célok és hipotézisek kapcsolata változódiagramon