Aktif öğrenme, öğrencinin yalnız öğretmeni dinlediği bir ders düzeninden farklı olarak; problem çözme, işbirlikli çalışma, soru-cevap, biçimlendirici değerlendirme ve başka sınıf içi etkinlikler yoluyla öğrenme sürecine doğrudan katıldığı öğretim yaklaşımıdır. Shangmou Xu ve çalışma arkadaşlarının yayımladığı bu meta-analiz, lisans düzeyindeki STEM derslerinde aktif öğrenmenin sınav performansıyla ilişkisini yalnız “var veya yok” biçiminde değil; kullanılan aktif öğrenme türü, sınıf zamanının ne kadarının aktif etkinliklere ayrıldığı, disiplin, sınıf büyüklüğü ve ders düzeyi açısından incelemiştir.

Analizin nihai veri seti 134 bağımsız araştırmadan gelen 37.839 öğrenci kaydını ve 232 ayrı aktif öğrenme–geleneksel ders karşılaştırmasını içerir. Genel olarak aktif öğrenme sınıflarında öğrencilerin sınav performansı geleneksel öğretmen merkezli derslere göre yaklaşık yarım standart sapma daha yüksek bulunmuştur: Hedges' g = 0,519.

Çalışmanın en önemli ayrıntılarından biri aktif öğrenmenin yoğunluğudur. Sınıf zamanının %34–66'sının aktif öğrenmeye ayrıldığı orta yoğunluklu uygulamalarda tahmini etki büyüklüğü g = 0,583, zamanın %67'sinden fazlasının aktif öğrenmeye ayrıldığı yüksek yoğunluklu uygulamalarda ise g = 0,593 bulunmuştur. Sınıf zamanının üçte birinden azının aktif etkinliklere ayrıldığı düşük yoğunluklu grupta tahmin g = 0,246 olmuş ve geleneksel dersten istatistiksel olarak anlamlı biçimde ayrılmamıştır.

Ancak bu sonuç “sınıfta aktif öğrenme süresini artırmak tek başına başarıyı kesin olarak yükseltir” biçiminde yorumlanmamalıdır. İncelenen araştırmalarda aktif öğrenme yoğunluğu deneysel olarak rastgele atanmış bir değişken değildir. Yüksek yoğunluklu dersler aynı zamanda daha kapsamlı ders tasarımı, daha deneyimli öğretim elemanları, daha iyi değerlendirme uyumu veya daha güçlü kurumsal destek gibi başka özelliklere sahip olabilir.

Meta-analiz farklı STEM disiplinlerinde, küçük ve büyük sınıflarda ve hem giriş hem üst düzey derslerde aktif öğrenmeyle pozitif sonuçlar bildirmektedir. Bununla birlikte kaynak araştırmaların esas veri dönemi 2010–2016'dır. Dolayısıyla sonuçlar özellikle COVID öncesi yüz yüze lisans STEM eğitiminin kanıtlarını özetler; günümüzdeki çevrim içi, hibrit veya teknoloji yoğun öğretim biçimlerinin tamamını doğrudan temsil etmez.

Aktif öğrenme nedir?

Bu çalışmada geleneksel ders, öğretmenin sürekli bilgi aktardığı ve öğrencilerin katılımının büyük ölçüde zaman zaman soru sormakla sınırlı kaldığı öğretim biçimi olarak ele alınmaktadır. Aktif öğrenme ise öğrencinin ders sırasında öğrenme faaliyetlerine katılmasını; özellikle analiz, sentez ve problem çözme gibi daha yüksek düzeyli bilişsel süreçleri ve çoğu durumda işbirlikli çalışmayı içeren yaklaşımlar için kullanılan geniş bir kavramdır.

Bu ayrımın arkasında iki farklı öğrenme modeli bulunmaktadır. Aktarımcı veya transmissivist yaklaşım, alan uzmanının düzenli ve açık anlatımı yoluyla bilginin öğrencinin zihnine aktarılmasını merkeze alır. Yapılandırmacı yaklaşım ise öğrencinin yeni bilgiyi mevcut anlayışı, problemler, veriler ve deneyimler üzerinden aktif biçimde işleyerek kendi bilgi yapısını geliştirdiğini varsayar.

Meta-analizin amacı bu iki eğitim yaklaşımını yalnız teorik düzeyde tartışmak değildir. Araştırmacılar aktif öğrenmenin sınav performansına ilişkin ortalama etkisini yeniden hesaplamakla birlikte ikinci kuşak bir soruya yönelmiştir: Aktif öğrenme hangi biçimde ve ne kadar uygulandığında sonuçlar değişmektedir?

Aktif Öğrenmenin Genel Etkisi Ne Kadar Büyük?

134 bağımsız araştırmanın bir araya getirildiği ana modelde aktif öğrenmenin sınav sonuçlarına ilişkin genel tahmini Hedges' g = 0,519 olarak hesaplanmıştır. İstatistiksel test sonucu Z = 10,537 ve p < 0,001'dir.

Hedges' g, iki grubun ortalama performansı arasındaki farkı standart sapma birimleriyle ifade eden standartlaştırılmış bir etki büyüklüğüdür. Bu nedenle 0,519 değeri “öğrenciler %51,9 daha başarılı oldu” anlamına gelmez. Doğru yorum, aktif öğrenme grubunun sınav performansının geleneksel ders grubundan ortalama olarak yaklaşık yarım standart sapma daha yüksek olduğudur.

Çalışmadaki 232 vaka karşılaştırmasının etkileri birbirine eşit değildir. Araştırmacılar bu nedenle yalnız genel ortalamaya bakmamış; aktif öğrenmenin türü ve yoğunluğu ile disiplin, sınıf büyüklüğü ve ders düzeyinin sonuçları açıklayıp açıklayamayacağını da incelemiştir.

Aktif Öğrenmede “Ne Kadar Süre” Önemli mi?

Bu meta-analizde aktif öğrenme yoğunluğu esas olarak sınıf süresinin ne kadarının öğrenci merkezli aktif faaliyetlere ayrıldığı üzerinden sınıflandırılmıştır. Düşük yoğunluk sınıf zamanının üçte birinden azını, orta yoğunluk yaklaşık üçte bir ile üçte iki arasını, yüksek yoğunluk ise sınıf zamanının üçte ikisinden fazlasını ifade etmektedir.

Yoğunluk grupları arasındaki genel heterojenlik testi anlamlıdır: Q_M = 112,8; p < 0,001. Araştırmacıların verileri, orta ve yüksek yoğunluklu aktif öğrenme uygulamalarında daha yüksek tahmini etkiler bulunduğunu göstermektedir.

Bununla birlikte bu sonuçta önemli bir bilimsel sınır vardır. Yoğunluk, araştırmalarda deneysel olarak rastgele belirlenmemiş; yayınlarda raporlanan sınıf uygulamalarından kodlanmıştır. Bu nedenle “daha fazla aktif öğrenme süresi doğrudan daha yüksek sınav puanına neden oldu” şeklinde kesin bir nedensellik kurulamaz.

Ayrıca 232 vaka karşılaştırmasının 102'sinde aktif öğrenme yoğunluğu kesin olarak sınıflandırılamamıştır. Araştırmacılar bu bilinmeyen grubu dışarıda bırakan duyarlılık analizi yaptığında genel örüntünün değişmediğini bildirse de, yoğunluk sonucunun genellenmesinde özellikle dikkatli olunmasını istemektedir.

“Biraz aktif öğrenme eklemek” neden her zaman belirgin sonuç vermeyebilir?

Yazarlar öğretim pratiği açısından dikkat çekici bir problemi “start-small conundrum” olarak tartışmaktadır. Öğretim elemanlarına aktif öğrenmeye geçerken genellikle küçük adımlarla başlamaları önerilir. Bunun pratik gerekçesi açıktır: bütün bir dersi tek seferde yeniden tasarlamak zaman, deneyim ve kurumsal kaynak gerektirir.

Ancak meta-analizde düşük yoğunluk grubunun istatistiksel olarak belirgin bir performans üstünlüğü göstermemesi, erken aşamadaki küçük uygulamaların öğretim elemanına “aktif öğrenme işe yaramıyor” izlenimi verebilmesine yol açabilir.

Bu yorum bir eşik değerinin deneysel olarak kanıtlandığı anlamına gelmez. Araştırma yalnız daha yoğun uygulamaların ortalama olarak daha büyük etkilerle ilişkili olduğunu göstermektedir. Yazarlar bu ilişkinin uygulama kalitesi ve ders tasarımının başka özellikleriyle iç içe olabileceğini özellikle kabul etmektedir.

Hangi Aktif Öğrenme Yöntemi En İyisi?

Bu meta-analiz böyle bir “kazanan yöntem” sonucu vermemektedir. Aktif öğrenme türleri arasında tahmini etki büyüklükleri farklı olsa da yazarlar öğretim elemanlarının yalnız bu sayıların sıralamasına bakarak bir yöntemi diğerine tercih etmesini önermemektedir.

Türler arasındaki heterojenlik istatistiksel olarak anlamlıdır. Fakat yayınların çoğu uygulamanın ayrıntılarını başka bir öğretim elemanının aynı yöntemi tam olarak tekrar edebileceği düzeyde raporlamamaktadır. “Probleme dayalı öğrenme” veya “ters yüz sınıf” gibi aynı isim altında oldukça farklı gerçek sınıf uygulamaları bulunabilir.

Bu nedenle yüksek bir ortalama etki gördüğümüz yöntemin intrinsik olarak diğerlerinden üstün olduğu sonucuna varmak doğru değildir. Örneğin stüdyo kategorisi yalnız yedi vaka içerdiğinden tahmini daha belirsizdir.

Yazarların önerisi, isimlendirilmiş öğretim modellerinin birbiriyle yarıştırılmasından çok sınıfta gerçekte ne yapıldığının, ne kadar süreyle yapıldığının ve uygulamanın ne kadar yüksek sadakatle gerçekleştirildiğinin ayrıntılı biçimde ölçülmesidir.

Sınıfın Büyüklüğü ve STEM Alanı Sonucu Değiştiriyor mu?

Analizde aktif öğrenmeyle pozitif performans farkı incelenen bütün STEM disiplinlerinde görülmüştür. Bununla birlikte etki büyüklükleri disiplinler arasında aynı değildir.

Bu değerler bir disiplin sıralaması olarak okunmamalıdır. Özellikle “Genel Bilim” kategorisi yalnız tek vaka karşılaştırmasına dayandığından geniş bir belirsizlik taşır. Ayrıca disiplin farklılıkları ders tasarımı, sınıf büyüklüğü, öğretim elemanı, aktif öğrenme yoğunluğu veya öğrenci popülasyonu gibi başka değişkenlerle bağlantılı olabilir.

Küçük sınıflarda etki neden daha yüksek görünüyor?

Aktif öğrenmenin tahmini etkisi üç sınıf büyüklüğü grubunun tamamında pozitiftir. En büyük tahmin küçük sınıflarda görülmektedir. Yazarlar bunun aktif öğrenmenin küçük öğrenme ortamlarında daha güçlü uygulanabilmesiyle ilişkili olabileceğini düşünmektedir.

Fakat burada da doğrudan nedensellik kurulamaz. Çalışma sınıf büyüklüğünü rastgele değiştiren bir deney değildir. Küçük sınıflar başka pedagojik veya kurumsal avantajlara da sahip olabilir.

Giriş dersleri ile ileri düzey dersler arasında büyük fark var mı?

Giriş düzeyi derslerde tahmini etki büyüklüğü g = 0,4592, üst düzey derslerde ise g = 0,4923 bulunmuştur. Yazarlar bu iki sonucun pratik olarak birbirine oldukça yakın olduğunu ve aktif öğrenmenin her iki düzeyde de pozitif sonuç verdiğini belirtmektedir.

Bu bulgu, aktif öğrenmenin yalnız başlangıç öğrencileri veya yalnız ileri düzey öğrenciler için yararlı olduğu biçimindeki basit ayrımları desteklememektedir.

Çalışmanın Yöntemi ve Bulguları

Sistematik tarama nasıl yapıldı?

Araştırmacılar 1 Ocak 2010 ile 30 Haziran 2016 arasında yürütülmüş veya yayımlanmış lisans STEM çalışmalarını taramıştır. Hem hakemli hem gri literatür değerlendirilmiştir.

Kaynak bulmak için beş yöntem bir arada kullanılmıştır: dergilerin elle taranması, veri tabanı aramaları, kaynaklar üzerinden geriye ve ileriye doğru tarama, mevcut derleme ve bibliyografyaların incelenmesi ve eğitim araştırmacılarıyla doğrudan iletişim kurulması.

Çalışma PRISMA 2020 raporlama ilkelerini izlemektedir ve araştırma protokolü PRISMA-P formatında ek materyallerde sunulmuştur.

Bir araştırmanın meta-analize girebilmesi için hangi koşullar arandı?

Kaynak çalışmanın aktif öğrenmeyle ilgili herhangi bir makaleyi doğrudan havuza eklemesi yeterli değildir. Kabul için araştırmanın:

• aynı kurum ve aynı lisans dersinde aktif öğrenme ile geleneksel öğretimi karşılaştırması,
• normal programdaki lisans öğrencilerini içermesi,
• müdahalenin sınıf veya tartışma/uygulama saatinde gerçekleşmesi,
• tanımlanan STEM alanlarından birine ait olması,
• ders değerlendirmelerine ilişkin kullanılabilir performans verisi içermesi

gerekmiştir.

Her kabul edilen çalışma iki araştırmacı tarafından bağımsız olarak kodlanmış; farklı kararlar uzlaşma görüşmesiyle çözülmüştür. Böylece nicel bir değerlendiriciler arası uyum katsayısı raporlamak yerine veri çıkarımından önce ortak kodlama kararına ulaşılmıştır.

İç geçerlilik için hangi ek kontroller kullanıldı?

Araştırmacılar aktif öğrenme ile geleneksel ders arasındaki performans farkının basit tasarım farklılıklarından kaynaklanmasını azaltmak amacıyla ek kalite koşulları uygulamıştır.

• Aktif öğrenme grubunun haftalık toplam ders süresi daha uzun olan araştırmalar dışlanmıştır.
• Sınıf büyüklüklerinin büyük sınıfın %25'inden fazla farklılaşmasına genel olarak izin verilmemiştir; aktif öğrenme grubunun daha büyük olduğu durumlar istisnadır.
• Karşılaştırılan sınavların aynı, resmen eşdeğer veya ortak soru bankasından oluşturulmuş olması istenmiştir.
• Öğrenci gruplarının başlangıç akademik hazırlıklarının benzer olduğuna ilişkin kanıt aranmıştır.
• Öğretim elemanı farklılığının etkisini azaltmak üzere aynı öğretmen, rastgele öğretmen ataması veya takım öğretimi gibi durumlar kodlanmıştır.
• Aynı araştırmadan gelen birden fazla bağımlı karşılaştırmanın bağımsız çalışma gibi sayılması önlenmiştir.

Meta-analizde bağımlı veriler nasıl ele alındı?

Bu araştırmanın teknik açıdan önemli yanlarından biri bütün etki büyüklüklerini birbirinden bağımsız kabul etmemesidir.

Aynı araştırma birden fazla aktif öğrenme bölümü raporlayabildiği için bazı vaka karşılaştırmaları aynı kontrol grubunu paylaşmıştır. Araştırmacılar bunun için çalışma düzeyinde rastgele etki ve etki büyüklüklerinin ortak kontrol gruplarından doğan kovaryansını hesaba katan varyans-kovaryans yapısı kullanmıştır.

İkinci bağımlılık öğrencilerin sınıfların içinde kümelenmesidir. Aynı sınıftaki öğrencilerin sonuçları birbirinden tamamen bağımsız sayılamaz. Bu nedenle örnekleme varyanslarına sınıf içi korelasyon katsayısı (ICC) üzerinden küme düzeltmesi uygulanmıştır.

Kullanılan ICC tahminleri karşılaştırmanın bölüm, dönem veya yıl düzeyinde yapılmasına göre farklılaştırılmıştır. Bu tahminler 25.000'den fazla kimya öğrencisinin uzun dönemli verilerinden elde edilmiştir. Yazarlar bu ICC'lerin tek bir kimya veri setinden gelmesini başka STEM alanlarına genelleme açısından sınırlılık olarak açıkça belirtmiş ve farklı ICC değerleriyle duyarlılık analizi gerçekleştirmiştir.

Hangi istatistiksel model kullanıldı?

Etki büyüklüğü olarak ağırlıklı standartlaştırılmış ortalama fark, yani Hedges' g hesaplanmıştır. Çok düzeyli meta-analizler R yazılımında metafor paketinin rma.mv fonksiyonuyla yürütülmüştür.

Çalışma ayrıca funnel plot incelemeleri, iki farklı failsafe N yaklaşımı, z-skor dağılımı, farklı ICC değerleriyle yeniden hesaplama ve her seferinde bir araştırmayı analizden çıkaran leave-one-out duyarlılık incelemeleri uygulamıştır. Yazarların bu kontrolleri belirgin bir yanlılık işareti göstermemiştir; bununla birlikte çalışma, hiçbir meta-analizin tüm yanlılıklardan tamamen arınmış olduğunun söylenemeyeceğini kabul etmektedir.

Önemli olarak bütün moderatörler tek bir çok değişkenli meta-regresyon modelinde aynı anda değerlendirilmemiştir. Tür, yoğunluk, disiplin, sınıf büyüklüğü ve ders düzeyinin bazı birleşimlerinde çok az veya hiç vaka bulunmadığı için tam çapraz model kararsız olacaktı. Bu nedenle moderatörler ayrı ayrı alt grup heterojenlik analizleriyle değerlendirilmiştir.

Sonuçların öğretim açısından anlamı

Çalışmanın bulguları lisans STEM derslerinde aktif öğrenmenin ortalama olarak geleneksel öğretime göre daha yüksek sınav performansıyla ilişkili olduğuna ilişkin önceki meta-analitik kanıtlarla uyumludur.

Ancak bu çalışma öğretim elemanlarına belirli bir “en iyi aktif öğrenme tekniği” reçetesi vermemektedir. Daha güçlü mesaj, aktif öğrenmenin yalnız adının değil uygulama yoğunluğunun ve uygulama kalitesinin önemli olabileceğidir.

Yazarlar ayrıca aktif öğrenmeye geçişin öğretim elemanının bireysel çabasıyla sınırlanmaması gerektiğini savunmaktadır. Dersleri yeniden tasarlamak zaman, öğretim uzmanlığı, tekrarlı deneme ve kurumsal destek gerektirebilir. İlk düşük yoğunluklu denemelerin belirgin sonuç üretmemesi durumunda uygulamanın hemen terk edilmesi, daha kapsamlı dönüşümün gerçekleşmesini engelleyebilir.

Araştırma açısından ne öneriliyor?

Yazarlar alanın yalnız “aktif öğrenme mi, geleneksel ders mi?” karşılaştırmasından uzaklaşması gerektiğini savunmaktadır. Daha ileri araştırma sorusu, aktif öğrenmenin hangi bileşenlerinin, hangi öğrenci gruplarında ve hangi koşullarda etkili olduğudur.

Bunun için çalışmaların yalnız “flipped classroom”, “problem-based learning” veya “clicker” gibi yöntem isimleri bildirmesi yeterli görülmemektedir. Araştırmacıların sınıfta gerçekte gerçekleşen uygulamayı doğrulanmış gözlem araçlarıyla ölçmesi ve öğrenci katılımı, öğretmen-öğrenci etkileşimi, sınıf öncesi/sonrası çalışmalar ve değerlendirme–öğrenme hedefi uyumu gibi ayrıntıları raporlaması önerilmektedir.

En önemli sınırlılıklar

Birincisi, aktif öğrenme ile geleneksel öğretim geniş kategorilerdir. Aynı kategori altında uygulamanın kalitesi ve yapısı ciddi biçimde değişebilir. İkili sınıflandırma bu çeşitliliğin bir bölümünü gizler.

İkincisi, meta-analiz ortalama etkileri verir. Sonuçlar her üniversite, her öğretim elemanı ve her öğrenci grubunda aynı etki büyüklüğünün oluşacağını garanti etmez.

Üçüncüsü, yoğunluk verisinin büyük bölümü eksiktir. 232 vaka karşılaştırmasının 102'si kesin yoğunluk sınıfına atanamamıştır.

Dördüncüsü, yoğunluk deneysel olarak manipüle edilmemiştir. Daha yoğun aktif öğrenmenin görüldüğü derslerde ders tasarımı kalitesi, öğretim uzmanlığı, değerlendirme uyumu ve kurumsal destek de farklı olabilir.

Beşincisi, moderatörler aynı çok değişkenli modelde birlikte kontrol edilmemiştir. Bu nedenle örneğin sınıf büyüklüğü etkisini diğer bütün özelliklerden bağımsız bir nedensel etki olarak okumamak gerekir.

Altıncısı, veri dönemi eskidir. Analize alınan çalışmalar esas olarak 2010–2016 döneminden ve yüz yüze öğretimden gelmektedir. COVID sonrası hibrit, uzaktan ve teknoloji destekli aktif öğrenme biçimleri bu sentezin doğrudan kapsamı değildir.

Yedincisi, ICC düzeltmelerinin dayandığı ampirik veri tek bir kimya bağlamından gelmiştir. Duyarlılık analizleri sonucu sağlam göstermiş olsa da bu durum başka STEM disiplinlerinde belirsizlik yaratmaktadır.

Kaynak ve Yöntem Notu

Özgün çalışma: The Impact of Active Learning on Student Course Performance in STEM Varies by Type and Intensity: A Meta-Analysis

Yazarlar: Shangmou Xu, Vicente Velasco, Mariah J. Hill, Elisa Tran, Sweta Agrawal, E. Nicole Arroyo, Shawn Behling, Nyasha Chambwe, Dianne Laboy Cintrón, Jacob D. Cooper, Gideon Dunster, Jared A. Grummer, Kelly M. Hennessey, Jennifer Hsiao, Nicole Iranon, Leonard Jones II, Hannah Jordt, Marlowe Keller, Melissa E. Lacey, Caitlin E. Littlefield, Alexander T. Lowe, Shannon Newman, Vera Okolo, Savannah Olroyd, Brandon R. Peecook, Sarah B. Pickett, David L. Slager, Kathryn E. Stanchak, Vasudha Sundaravaradan, Camila Valdebenito, Claire R. Williams, Kaitlin A. Zinsli, Scott Freeman ve Elli J. Theobald.

Dergi: Education Sciences

Yıl / Cilt / Makale: 2026; 16; 1044.

Yayımlanma tarihi: 1 Temmuz 2026.

DOI: 10.3390/educsci16071044

Resmî kaynak:https://doi.org/10.3390/educsci16071044

Lisans: Creative Commons Attribution 4.0 (CC BY). Makale açık erişim olarak yayımlanmıştır.

Çalışma türü: Sistematik derleme ve meta-analiz.

Raporlama standardı: PRISMA 2020; çalışma protokolü PRISMA-P formatında ek materyallerde sunulmuştur.

Ana veri seti: 134 bağımsız çalışma, 232 vaka karşılaştırması ve 37.839 öğrenci kaydı.

Temel analiz: Hedges' g standartlaştırılmış ortalama farkları ve çok düzeyli meta-analitik modeller.

Yazılım: R 4.0.5; metafor paketi.

Fonlama: University of Washington Office of the Dean of Arts and Sciences ile National Science Foundation NSF-DUE-2012792.

Etik: University of Washington Human Subjects Division, bu meta-analizin insan katılımcılı araştırma oluşturmadığını belirlemiştir; kayıt numarası STUDY00023637. Meta-analize dahil edilen özgün araştırmaların insan katılımcı denetimleri kendi araştırma ekiplerinin sorumluluğundadır.

Veri erişilebilirliği: Yazarlar nihai analitik veri setinin GitHub deposunda açık olarak bulunduğunu bildirmektedir. Kod/veri deposunun lisansı, makalenin CC BY lisansından bağımsız olarak ayrıca değerlendirilmelidir.

Çıkar çatışması: Kelly M. Hennessey'nin Codon Learning şirketinde çalıştığı bildirilmiştir. Diğer yazarlar ticari veya finansal ilişkilerden kaynaklanan bir çıkar çatışması bildirmemiştir.

En önemli yorum sınırı: Bu meta-analiz 2010–2016 dönemindeki, büyük ölçüde yüz yüze lisans STEM öğretimini karakterize etmektedir. Sonuçlar COVID sonrası hibrit veya teknoloji aracılı eğitim sistemlerinin tümüne otomatik olarak genellenmemelidir. Aktif öğrenme yoğunluğu ile etki büyüklüğü arasındaki ilişki gözlemsel moderatör verisine dayanır ve tek başına nedensellik kanıtı değildir.

Verianla yeniden yapılandırma notu: Bu içerik kaynak makalenin Türkçe çevirisi veya paragraf-paragraf yeniden yazımı değildir. Araştırmanın yöntemleri, sayısal bulguları, istatistiksel sınırları, yazar yorumları ve bibliyografik kimliği çıkarılmış; Verianla'nın bağımsız öğretici yapısında yeniden düzenlenmiştir. Kaynak şekillerin özgün grafik tasarımları kopyalanmamış, gerekli sayısal sonuçlar bağımsız HTML tablolarında sunulmuştur.