- Beskriv de grundlæggende elementer i et enkelt emne forskningsdesign.
- Design enkle enkeltfagsstudier ved hjælp af reversal og multiple baseline design.
- forklare, hvordan single-emne forskning design løse spørgsmålet om intern validitet.
- fortolke resultaterne af enkle enkeltfagsstudier baseret på visuel inspektion af grafiske data.,
før man ser på specifikke enkeltfaglige forskningsdesign, vil det være nyttigt at overveje nogle funktioner, der er fælles for de fleste af dem. Mange af disse funktioner er illustreret i figur 10.2, som viser resultaterne af en generisk enkeltfagsundersøgelse. For det første måles den afhængige variabel (repræsenteret på grafens y-akse) gentagne gange over tid (repræsenteret af x-aksen) med regelmæssige intervaller. For det andet er undersøgelsen opdelt i forskellige faser, og deltageren testes under en betingelse pr., Betingelserne betegnes ofte med store bogstaver: A, B, C og så videre. Figur 10.2 repræsenterer således et design, hvor deltageren først blev testet i en tilstand (a), derefter testet i en anden tilstand (B) og til sidst testet igen i den oprindelige tilstand (a). (Dette kaldes et reverseringsdesign og vil blive diskuteret mere detaljeret inden for kort tid.)
et andet vigtigt aspekt ved enkeltfagsforskning er, at ændringen fra en betingelse til den næste normalt ikke forekommer efter et fast tidsrum eller antal observationer. I stedet afhænger det af deltagerens adfærd. Specifikt venter forskeren, indtil deltagerens adfærd i en tilstand bliver ret konsistent fra observation til observation, før de ændrer forholdene., Dette kaldes undertiden steady state-strategien (Sidman, 1960). Tanken er, at når den afhængige variabel har nået en stabil tilstand, vil enhver ændring på tværs af forholdene være relativt let at opdage. Husk, at vi stødte på det samme princip, når vi diskuterede eksperimentel forskning mere generelt. Effekten af en uafhængig variabel er lettere at registrere, når “støj” i dataene minimeres.
Reversal Designs
det mest grundlæggende forskningsdesign med et enkelt emne er reversal design, også kaldet ABA design., I den første fase etableres en basislinje for den afhængige variabel. Dette er niveauet for at reagere, før der introduceres nogen behandling, og derfor er basisfasen en slags kontroltilstand. Når steady state reagerer er nået, fase B begynder som forskeren introducerer behandlingen. Der kan være en periode med tilpasning til behandlingen, hvor adfærd af interesse bliver mere variabel og begynder at stige eller falde., Igen venter forskeren, indtil den afhængige variabel når en stabil tilstand, så det er klart, om og hvor meget det har ændret sig. Endelig fjerner forskeren behandlingen og venter igen, indtil den afhængige variabel når en stabil tilstand. Dette grundlæggende reverseringsdesign kan også udvides med genindførelse af behandlingen (ABAB), en anden tilbagevenden til baseline (ABABA) og så videre.
undersøgelsen fra Hall og hans kolleger var et ABAB-reverseringsdesign. Figur 10.3 tilnærmer dataene for Robbie., Den procentdel af tid, han brugte på at studere (den afhængige variabel) var lav i den første baseline fase, er steget i løbet af de første behandling fase, indtil det udjævnes, faldt i anden baseline fase, og igen er øget under den anden behandling fase.
Hvorfor er det omvendte—fjernelse af den behandling, der anses for at være nødvendige i denne type design? Hvorfor bruge et ABA-design, for eksempel, snarere end et enklere AB-design? Bemærk, at et AB-design i det væsentlige er et afbrudt tidsseriedesign, der anvendes på en individuel deltager., Husk, at et problem med dette design er, at hvis den afhængige variabel ændres, efter at behandlingen er introduceret, er det ikke altid klart, at behandlingen var ansvarlig for ændringen. Det er muligt, at noget andet ændrede sig på samme tid, og at denne fremmede variabel er ansvarlig for ændringen i den afhængige variabel., Men hvis den afhængige variabel ændres med introduktionen af behandlingen og derefter ændres tilbage med fjernelsen af behandlingen (forudsat at behandlingen ikke skaber en permanent effekt), er det meget klarere, at behandlingen (og fjernelse af behandlingen) er årsagen. Med andre ord øger reverseringen i høj grad undersøgelsens interne gyldighed.
Der er nære slægtninge til det grundlæggende reverseringsdesign, der muliggør evaluering af mere end en behandling., I et design til reversering af flere behandlinger efterfølges en baseline-fase af separate faser, hvor forskellige behandlinger introduceres. For eksempel kan en forsker etablere en basislinje for studieadfærd for en forstyrrende studerende (a), derefter indføre en behandling, der involverer positiv opmærksomhed fra læreren (B), og derefter skifte til en behandling, der involverer mild straf for ikke at studere (C). Deltageren kunne derefter returneres til en basisfase, før hver behandling genindføres—måske i omvendt rækkefølge som en måde at kontrollere overførselseffekter på., Denne særlige multiple-behandling vending design kunne også betegnes som en ABCACB design.
i et skiftevis behandlingsdesign skiftes to eller flere behandlinger relativt hurtigt efter en regelmæssig tidsplan. For eksempel kunne positiv opmærksomhed for at studere bruges en dag og mild straf for ikke at studere den næste, og så videre. Eller en behandling kunne implementeres om morgenen og en anden om eftermiddagen. Den vekslende behandlinger design kan være en hurtig og effektiv måde at sammenligne behandlinger, men kun når behandlingerne er hurtigt virkende.,
design med flere Baseline
Der er to potentielle problemer med reverseringsdesignet-som begge har at gøre med fjernelse af behandlingen. Den ene er, at hvis en behandling virker, kan det være uetisk at fjerne det. For eksempel, hvis en behandling, der virkede til at reducere forekomsten af selv-skade i et udviklingsmæssigt handicappet barn, ville det være uetisk at fjerne denne behandling, bare for at vise, at forekomsten af selv-skade stiger. Det andet problem er, at den afhængige variabel muligvis ikke vender tilbage til baseline, når behandlingen fjernes., For eksempel, når positiv opmærksomhed for at studere er fjernet, kan en studerende fortsætte med at studere med en øget hastighed. Dette kunne betyde, at den positive opmærksomhed havde en varig effekt på den studerendes studier, hvilket naturligvis ville være godt. Men det kunne også betyde, at den positive opmærksomhed ikke rigtig var årsagen til den øgede undersøgelse i første omgang. Måske skete der noget andet på omtrent samme tid som behandlingen—for eksempel kunne den studerendes forældre være begyndt at belønne ham for gode karakterer.,
en løsning på disse problemer er at bruge et multiple-baseline design, som er repræsenteret i figur 10.4. I en version af designet etableres en basislinje for hver af flere deltagere, og behandlingen introduceres derefter for hver enkelt. I det væsentlige testes hver deltager i et AB-design. Nøglen til dette design er, at behandlingen introduceres på et andet tidspunkt for hver deltager. Ideen er, at hvis den afhængige variabel ændres, når behandlingen introduceres for en deltager, kan det være en tilfældighed., Men hvis den afhængige variabel ændres, når behandlingen introduceres for flere deltagere—især når behandlingen introduceres på forskellige tidspunkter for de forskellige deltagere—er det ekstremt usandsynligt, at det er en tilfældighed.
Som et eksempel, at overveje en undersøgelse af Scott Ross og Robert Horner (Ross & Horner, 2009). De var interesserede i, hvordan et program for forebyggelse af mobning i hele skolen påvirkede mobningsadfærden hos bestemte problemstuderende. På hver af tre forskellige skoler studerede forskerne to studerende, der regelmæssigt havde engageret sig i mobning. I basisfasen observerede de eleverne i 10 minutters perioder hver dag i frokostpausen og tællede antallet af aggressive adfærd, de udstillede over for deres jævnaldrende., (Forskerne brugte håndholdte computere til at hjælpe med at registrere dataene.) Efter 2 uger implementerede de programmet på en skole. Efter 2 uger implementerede de det på den anden skole. Og efter 2 uger implementerede de det på den tredje skole. De fandt ud af, at antallet af aggressive adfærd, der blev udstillet af hver studerende, faldt kort efter, at programmet blev implementeret på hans eller hendes skole., Bemærk, at hvis forskerne havde kun læst én skole, eller hvis de havde indført den behandling, på samme tid på alle tre skoler, så ville det være uklart, om reduktionen i aggressiv adfærd var på grund af den mobning program eller noget andet, der skete på omtrent samme tidspunkt, den blev indført (fx, en ferie, et tv-program, en ændring i vejret). Men med deres multiple baseline-design skulle denne form for tilfældighed ske tre separate gange—en meget usandsynlig forekomst—for at forklare deres resultater.,
i en anden version af multiple-baseline-designet etableres flere basislinjer for den samme deltager, men for forskellige afhængige variabler, og behandlingen introduceres på et andet tidspunkt for hver afhængig variabel. Forestil dig for eksempel en undersøgelse af effekten af at sætte klare mål for produktiviteten hos en kontormedarbejder, der har to primære opgaver: at foretage salgsopkald og skrive rapporter. Basislinjer for begge opgaver kunne etableres. For eksempel kunne forskeren måle antallet af salgsopkald og rapporter skrevet af arbejderen hver uge i flere uger., Derefter kunne den målrettede behandling introduceres til en af disse opgaver, og på et senere tidspunkt kunne den samme behandling introduceres til den anden opgave. Logikken er den samme som før. Hvis produktiviteten stiger på en opgave, efter at behandlingen er indført, er det uklart, om behandlingen forårsagede stigningen. Men hvis produktiviteten stiger på begge opgaver, efter at behandlingen er introduceret-især når behandlingen introduceres på to forskellige tidspunkter-synes det meget klarere, at behandlingen var ansvarlig.,
i endnu en tredje version af multiple-baseline design, Flere basislinjer er etableret for den samme deltager, men i forskellige indstillinger. For eksempel kan der etableres en basislinje i den tid, et barn bruger på at læse i sin fritid i skolen og i sin fritid derhjemme. Derefter kan en behandling som positiv opmærksomhed introduceres først i skolen og senere hjemme. Igen, hvis den afhængige variabel ændres, efter at behandlingen er introduceret i hver indstilling, giver dette forskeren tillid til, at behandlingen faktisk er ansvarlig for ændringen.,
dataanalyse i Enkeltfagsforskning
ud over dets fokus på individuelle deltagere adskiller enkeltfagsforskning sig fra gruppeforskning i den måde, dataene typisk analyseres på. Som vi har set i hele bogen, involverer gruppeforskning at kombinere data på tværs af deltagere. Gruppedata beskrives ved hjælp af statistikker som midler, standardafvigelser, Pearsons r og så videre for at detektere generelle mønstre. Endelig bruges inferentielle statistikker til at hjælpe med at beslutte, om resultatet for prøven sandsynligvis vil generalisere til befolkningen., Forskning med et enkelt emne er derimod stærkt afhængig af en meget anden tilgang kaldet visuel inspektion. Dette betyder at plotte individuelle deltagers data som vist i hele dette kapitel, se nøje på disse data og træffe afgørelser om, hvorvidt og i hvilket omfang den uafhængige variabel havde indflydelse på den afhængige variabel. Inferentiel statistik anvendes typisk ikke.
Ved visuelt at inspicere deres data tager forskere med enkeltfag flere faktorer i betragtning. En af dem er ændringer i niveauet af den afhængige variabel fra tilstand til tilstand., Hvis den afhængige variabel er meget højere eller meget lavere i en tilstand end en anden, antyder dette, at behandlingen havde en effekt. En anden faktor er trend, der henviser til gradvise stigninger eller fald i den afhængige variabel på tværs af observationer. Hvis den afhængige variabel begynder at stige eller falde med en ændring i forholdene, så tyder det igen på, at behandlingen havde en effekt. Det kan især være sigende, når en trend skifter retning-for eksempel når en uønsket adfærd er stigende under baseline, men derefter begynder at falde med introduktionen af behandlingen., En tredje faktor er latenstid, hvilket er den tid det tager for den afhængige variabel at begynde at ændre sig efter en ændring i forholdene. Generelt, hvis en ændring i den afhængige variabel begynder kort efter en ændring i forholdene, antyder dette, at behandlingen var ansvarlig.
i toppanelet i figur 10.5 er der ret åbenlyse ændringer i niveauet og tendensen for den afhængige variabel fra tilstand til tilstand. Desuden er latenserne for disse ændringer korte; ændringen sker straks., Dette resultatmønster antyder stærkt, at behandlingen var ansvarlig for ændringerne i den afhængige variabel. I bundpanelet i figur 10.5 er niveauændringerne imidlertid ret små. Og selvom der ser ud til at være en stigende tendens i behandlingstilstanden, ser det ud til, at det kan være en fortsættelse af en tendens, der allerede var begyndt under baseline. Dette resultatmønster tyder stærkt på, at behandlingen ikke var ansvarlig for ændringer i den afhængige variabel—i det mindste ikke i det omfang, at enkeltfagsforskere typisk håber at se.,
resultaterne af enkeltfagforskning kan også analyseres ved hjælp af statistiske procedurer-og dette bliver mere almindeligt. Der er mange forskellige tilgange, og forskere med et enkelt emne fortsætter med at diskutere, hvilke er de mest nyttige., En tilgang er parallel med, hvad der typisk gøres i gruppeforskning. Middel – og standardafvigelsen for hver deltagers svar under hver betingelse beregnes og sammenlignes, og inferentielle statistiske tests såsom T-testen eller variansanalyse anvendes (Fisch, 2001). (Bemærk, at gennemsnit på tværs af deltagere er mindre almindeligt.) En anden metode er at beregne procentdelen af nonoverlapping data (PND) for hver deltager (Scruggs & Mastropieri, 2001)., Dette er den procentdel af responser i behandlingstilstanden, der er mere ekstreme end den mest ekstreme respons i en relevant kontroltilstand. I undersøgelsen af Hall og hans kolleger, for eksempel, er alle foranstaltninger af Robbie ‘ s studie tid i den første behandling betingelse var større end den højeste måling i den første baseline, for en PND på 100%. Jo større procentdelen af ikke-overlappende data er, desto stærkere er behandlingseffekten., Alligevel betragtes formelle statistiske tilgange til dataanalyse i enkeltfagsforskning generelt som et supplement til visuel inspektion, ikke en erstatning for den.
- Single-subject forskning, design indebærer typisk måling af den afhængige variabel gentagne gange over tid og på skiftende betingelser (fx fra baseline til behandling), når den afhængige variabel er nået til et ” steady state. Denne tilgang gør det muligt for forskeren at se, om ændringer i den uafhængige variabel forårsager ændringer i den afhængige variabel.,
- i et reverseringsdesign testes deltageren i en baseline-tilstand, testes derefter i en behandlingstilstand og returneres derefter til baseline. Hvis den afhængige variabel ændres med introduktionen af behandlingen og derefter ændres tilbage med tilbagevenden til baseline, giver dette stærkt bevis for en behandlingseffekt.
- i et design med flere baseline etableres basislinjer for forskellige deltagere, forskellige afhængige variabler eller forskellige indstillinger—og behandlingen introduceres på et andet tidspunkt på hver basislinje., Hvis introduktionen af behandlingen efterfølges af en ændring i den afhængige variabel på hver basislinje, giver dette stærke tegn på en behandlingseffekt.
- Single-subject forskere typisk analysere deres data ved plotning af dem og træffe afgørelser om, hvorvidt den uafhængige variabel påvirker den afhængige variabel baseret på niveau, trend og ventetid.
- praksis: Design En simpel enkelt-emne undersøgelse (ved hjælp af enten en tilbageførsel eller multiple-baseline design) for at besvare følgende spørgsmål., Sørg for at specificere behandlingen, operationelt definere den afhængige variabel, beslutte, hvornår og hvor observationerne skal foretages, og så videre.
- øger positiv opmærksomhed fra en forælder et barns tandbørsteadfærd?
- forbedrer selvtest, mens du studerer, en studerendes præstation på ugentlige stavningstest?
- hjælper regelmæssig motion med at lindre depression?
- praksis: Opret en graf, der viser de hypotetiske resultater for den undersøgelse, du designede i Øvelse 1. Skriv et afsnit, hvor du beskriver, hvad resultaterne viser., Sørg for at kommentere niveau, trend og latenstid.
lange beskrivelser
figur 10.3 lang beskrivelse: linjegraf, der viser resultaterne af en undersøgelse med et ABAB-reverseringsdesign. Den afhængige variabel var lav i den første baselinefase, steg under den første behandling, faldt under den anden baseline, men var stadig højere end under den første baselinefase, og var højest i den anden behandlingsfase.
Figur 10.,4 Lang beskrivelse: tre linjegrafer, der viser resultaterne af en generisk multiple-baseline-undersøgelse, hvor forskellige basislinjer etableres, og behandling introduceres til deltagere på forskellige tidspunkter.
for Baseline 1 introduceres behandling en fjerdedel af vejen ind i undersøgelsen. Den afhængige variabel varierer mellem 12 og 16 enheder under baseline, men falder ned til 10 enheder med behandling og falder for det meste indtil afslutningen af undersøgelsen, der spænder mellem 4 og 10 enheder.
for Baseline 2 introduceres behandling halvvejs gennem undersøgelsen., Den afhængige variabel varierer mellem 10 og 15 enheder under basislinjen, og har derefter et kraftigt fald til 7 enheder, når behandlingen indføres. Den afhængige variabel stiger imidlertid til 12 enheder kort efter faldet og ligger mellem 8 og 10 enheder indtil undersøgelsens afslutning.
for Baseline 3 introduceres behandling tre fjerdedele af vejen ind i undersøgelsen. Den afhængige variabel varierer mellem 12 og 16 enheder for det meste under baseline, med en dråbe ned til 10 enheder., Når behandlingen indføres, falder den afhængige variabel ned til 10 enheder og ligger derefter mellem 8 og 9 enheder indtil undersøgelsens afslutning. figur 10.5 lang beskrivelse: to grafer, der viser resultaterne af en generisk enkeltfagsundersøgelse med et ABA-design. I den første graf, under betingelse A, er niveauet højt, og tendensen stiger. Under betingelse B er niveauet meget lavere end under betingelse A, og tendensen falder. Under betingelse a igen er niveauet omtrent lige så højt som første gang, og tendensen stiger., For hver ændring er latenstiden kort, hvilket antyder, at behandlingen er årsagen til ændringen.
i den anden graf, under betingelse A, er niveauet relativt lavt, og tendensen stiger. Under betingelse B er niveauet lidt højere end under betingelse A, og tendensen stiger lidt. Under betingelse a igen er niveauet lidt lavere end under betingelse B, og tendensen falder lidt. Det er svært at bestemme latensen af disse ændringer, da hver ændring er ret minut, hvilket tyder på, at behandlingen er ineffektiv.,
forskeren venter, indtil deltagerens adfærd i en tilstand bliver ret konsistent fra observation til observation, før de ændrer forholdene. På denne måde vil enhver ændring på tværs af forhold være let at opdage.
en undersøgelsesmetode, hvor forskeren indsamler data om en baseline-tilstand, introducerer behandlingen og fortsætter observation, indtil en stabil tilstand er nået, og til sidst fjerner behandlingen og observerer deltageren, indtil de vender tilbage til en stabil tilstand.,
niveauet for respons før nogen behandling introduceres og fungerer derfor som en slags kontroltilstand.
en baselinefase efterfølges af separate faser, hvor forskellige behandlinger introduceres.
to eller flere behandlinger skiftes relativt hurtigt efter en regelmæssig tidsplan.
en baseline er etableret for flere deltagere, og behandlingen introduceres derefter til hver deltager på et andet tidspunkt.,
udarbejdelse af individuelle deltageres data, undersøgelse af dataene og bedømmelse af, om og i hvilket omfang den uafhængige variabel havde indflydelse på den afhængige variabel.
om dataene er højere eller lavere baseret på en visuel inspektion af dataene; en ændring i niveauet indebærer, at den indførte behandling havde en effekt.
de gradvise stigninger eller fald i den afhængige variabel på tværs af observationer.
den tid det tager for den afhængige variabel at begynde at ændre sig efter en ændring i forholdene.,
procentdelen af responser i behandlingstilstanden, der er mere ekstreme end den mest ekstreme respons i en relevant kontroltilstand.