- Beskrive de grunnleggende elementene i en enkelt-emne research design.
- Design enkelt-emne studier med tilbakeføring og multippel baseline design.
- Forklare hvordan enkelt-emne forskning design spørsmålet om interne gyldigheten.
- Tolke resultatene av enkelt-emne studier basert på visuell inspeksjon av grafiske data.,
Før du ser på en enkelt-emne forskning design, vil det være nyttig å vurdere noen av funksjonene som er felles for de fleste av dem. Mange av disse funksjonene er illustrert i Figur 10.2, som viser resultatene av en enkelt generisk-emne studie. Første, den avhengige variabelen (representert på y-aksen i diagrammet) er målt flere ganger over tid (representert ved x-aksen), og med jevne mellomrom. Andre studien er delt inn i forskjellige faser, og deltakeren blir testet under én betingelse per fase., Forholdene er ofte angitt med store bokstaver: A, B, C og så videre. Dermed Figur 10.2 representerer en design der deltakeren ble testet først i en tilstand (A), deretter testet i en annen tilstand (B), og til slutt testes i den opprinnelige stand (En). (Dette kalles en reversering design og vil bli diskutert i mer detalj kort tid.)
en Annen viktig aspekt av enkelt-emne forskning er at endringen fra en tilstand til den neste ikke oppstår vanligvis etter en fast tid eller antall observasjoner. I stedet, det kommer an på deltakerens atferd. Spesielt forsker venter til deltakerens atferd i en tilstand blir ganske konsekvent fra observasjon til observasjon før skiftende forhold., Dette er noen ganger referert til som den steady state-strategi (Sidman, 1960). Ideen er at når den avhengige variabelen har nådd en steady state, og deretter noen endring over forholdene vil være relativt lett å oppdage. Husker at vi opplevde dette samme prinsippet når man diskuterer eksperimentell forskning mer generelt. Effekten av en uavhengig variabel er lettere å oppdage når de «støy» i dataene er minimert.
Tilbakeføring Design
Den mest grunnleggende enkelt-emne forskning design er tilbakeføring design, også kalt ABA design., Under den første fasen, En, en baseline er etablert for den avhengige variabelen. Dette er nivået for å svare før en eventuell behandling er innført, og derfor baseline fase er en slags kontroll tilstand. Når steady state svarer er nådd, fase B starter som forsker introduserer behandling. Det kan være en periode med tilpasning til behandling i løpet av hvilken atferd som er av interesse blir mer variabel og begynner å øke eller redusere., Igjen, forsker venter til som avhengig variabel når en steady state slik at det er klart om og hvor mye det har endret seg. Til slutt, forsker fjerner behandling og igjen venter til den avhengige variabelen når en steady state. Denne grunnleggende tilbakeføring design kan også utvides med gjeninnføring av behandling (ABAB), en annen går tilbake til baseline (ABEBA), og så videre.
studier av Hall og hans kolleger var en ABAB tilbakeføring design. Figur 10.3 tilnærmet lik data for Robbie., Prosentandelen av tiden tilbrakte han studerer (den avhengige variabelen) var lav i de første baseline fase, økt under den første behandlingen fase før det flatet ut, redusert i løpet av andre baseline fase, og igjen økt i andre behandlingsfasen.
Hvorfor er tilbakeføring—fjerning av behandling som anses å være nødvendig i denne typen design? Hvorfor bruke en ABA design, for eksempel, snarere enn en enklere AB design? Legg merke til at en AB-design er i hovedsak en avbrutt gang-serien design brukt til en enkelte deltaker., Husker at ett problem med at design er at hvis den avhengige variabelen endres etter at behandlingen er innført, og det er ikke alltid klart at behandlingen var ansvarlig for endringen. Det er mulig at noe annet endret på omtrent samme tid, og at denne ekstra variabel som er ansvarlig for endringen i den avhengige variabelen., Men hvis den avhengige variabelen endres med innledning av behandling og deretter tilbake med fjerning av behandling (forutsatt at behandlingen ikke opprette en permanent effekt), det er mye klarere på at den behandling og fjerning av behandlingen) er årsaken. Med andre ord, tilbakeføring øker den interne gyldigheten av studien.
Det er nære slektninger av de grunnleggende tilbakeføring design som gir mulighet for evaluering av mer enn én behandling., I en multippel-behandling med tilbakeføring design, en baseline fasen er etterfulgt av separate faser hvor ulike behandlinger er innført. For eksempel, en forsker kan etablere en baseline for å studere atferd for en helt ny student (A), for så å introdusere en behandling som involverer positiv oppmerksomhet fra læreren (B), og deretter bytte til en behandling som involverer mild straff for ikke å studere (C). Deltakeren vil da kunne bli returnert til en baseline fase før gjeninnføre hver behandling—kanskje i omvendt rekkefølge, som en måte å kontrollere for overføring effekter., Dette bestemte flere-behandling med tilbakeføring design kan også bli referert til som en ABCACB design.
I en vekslende behandlinger design, to eller flere behandlinger er vekslet relativt raskt på en regelmessig basis. For eksempel, positiv oppmerksomhet for å studere kan brukes en dag og mild straff for ikke å studere det neste, og så videre. Eller en behandling kan bli implementert i morgen og en annen i ettermiddag. De vekslende behandlinger design kan være en rask og effektiv måte å sammenligne behandlinger, men bare når den behandlinger er hurtigvirkende.,
Multiple-Baseline Design
Det er to potensielle problemer med tilbakeføring design—som begge har å gjøre med fjerning av behandlingen. Det ene er at hvis en behandling virker, kan det være uetisk å fjerne det. For eksempel, hvis en behandling så ut til å redusere forekomsten av selv-skader i en utviklingshemmede barn, det ville være uetisk å fjerne at behandling bare for å vise at forekomsten av selv-skader øker. Det andre problemet er at den avhengige variabelen kan ikke gå tilbake til baseline når behandlingen er fjernet., For eksempel, når positiv oppmerksomhet for å studere er fjernet, en student kan fortsette å studere ved en økt pris. Dette kan bety at den positive oppmerksomheten hatt en varig effekt på elevens å studere, noe som selvsagt skulle være bra. Men det kan også bety at den positive oppmerksomheten var egentlig ikke årsaken til den økte å studere i første omgang. Kanskje noe annet som skjedde på omtrent samme tid som behandling—for eksempel elevens foreldre kan ha begynt å belønne ham for å få gode karakterer.,
En løsning på disse problemene er å bruke en multippel baseline design, som er representert i Figur 10.4. I én versjon av design, en baseline er etablert for hvert av flere deltakere, og behandlingen er da introdusert for hver og en. I hovedsak, hver deltaker er testet i en AB design. Nøkkelen til dette designet er at behandlingen er innført på et annet tidspunkt for hver deltaker. Tanken er at hvis den avhengige variabelen endrer seg når behandlingen er innført for en deltaker, kan det være en tilfeldighet., Men hvis den avhengige variabelen endrer seg når behandlingen er innført for flere deltakere—spesielt når behandlingen er innført på ulike tidspunkt for de ulike deltakerne—så det er ekstremt usannsynlig å være en tilfeldighet.
Som et eksempel, bør du vurdere et studium av Scott Ross og Robert Horner (Ross & Horner, 2009). De var interessert i hvordan et skoleomfattende program for forebygging av mobbing påvirket mobbing atferd spesielt problem studenter. På hver av de tre forskjellige skoler, forskere studert to studenter som hadde jevnlig er involvert i mobbing. Under baseline fase, de observerte elevene for 10-minutters perioder hver dag til lunsj friminuttene og telles antall av aggressiv atferd de viser overfor sine jevnaldrende., (Forskerne brukt håndholdte datamaskiner for å hjelpe registrere data. Etter 2 uker, de har implementert programmet på en skole. Etter 2 uker, de er implementert det på den andre skolen. Og etter 2 uker, de er implementert det på den tredje skolen. De fant at antall aggressiv atferd som utvises av hver student falt kort tid etter at programmet ble implementert på hans eller hennes skole., Legg merke til at hvis forskerne hadde bare studerte en skole eller hvis de hadde innført behandling på samme tid i alle tre skolene, så ville det være uklart om reduksjon i aggressiv atferd var på grunn av mobbing program eller noe annet som skjedde omtrent på samme tid ble det innført (f.eks., en ferie, et tv-program, en endring i været). Men med sine multiple-baseline design, denne typen av tilfeldighetene ville ha det til å skje tre separate ganger—en svært usannsynlig hendelse—å forklare sine resultater.,
I en annen versjon av den multiple-baseline design, flere grunnlinjene er etablert for samme deltager, men for ulike avhengige variabler, og behandlingen er innført på et annet tidspunkt for hver avhengig variabel. Tenk, for eksempel, en studie på effekten av å sette klare mål på produktiviteten til en kontorarbeider som har to primære oppgaver: lage salg samtaler og skriving av rapporter. Grunnlinjene for begge oppgavene kan være etablert. For eksempel, forsker kunne måle antall salg samtaler og rapporter skrevet av arbeideren hver uke i flere uker., Deretter målsetting behandling kan være introdusert for en av disse oppgavene, og på et senere tidspunkt samme behandling kan være introdusert for den andre oppgaven. Logikken er den samme som før. Hvis produktiviteten øker på en oppgave etter at behandlingen er innført, og det er uklart om behandling forårsaket økningen. Men hvis produktiviteten øker på begge oppgaver etter behandling er innført—spesielt når behandlingen er innført på to ulike tidspunkt—så det virker mye klarere på at behandlingen var ansvarlig.,
I ennå en tredje versjon av multiple-baseline design, flere grunnlinjene er etablert for samme deltager men i forskjellige innstillinger. For eksempel, en baseline kan være etablert for hvor mye tid barnet bruker på å lese i løpet av sin fritid på skolen og i fritiden hjemme. Deretter en behandling som positiv oppmerksomhet kan være først introdusert på skolen og senere hjemme. Igjen, hvis den avhengige variabelen endres etter at behandlingen er innført i hver setting, da dette gir forskeren, og tillit til at behandling er, faktisk, som er ansvarlig for endringen.,
Data Analyse i Enkelt-Emne Forskning
I tillegg til sitt fokus på individuelle deltakere, enkelt-emne forskning skiller seg fra gruppe forskning i måten dataene er vanligvis analysert. Som vi har sett gjennom hele boka, gruppe forskning innebærer å kombinere data på tvers av deltakerne. Konsernet data er beskrevet ved hjelp av statistikk som betyr, standard avvik, pearsons r, og så videre for å oppdage generelle mønstre. Til slutt, slutningsstatistikk brukes til å hjelpe til med å bestemme om resultatet for eksempel er sannsynlig å generalisere til populasjonen., Enkelt-emne forskning, derimot, baserer seg tungt på en helt annen tilnærming kalt visuell inspeksjon. Dette betyr plotting enkelte deltakernes data som vist gjennom hele dette kapitlet, ser nøye på disse dataene, og å gjøre vurderinger om hvorvidt og i hvilken grad den uavhengige variabelen hadde en effekt på den avhengige variabelen. Slutningsstatistikk er vanligvis ikke brukes.
I visuelt inspisere sine data, enkel gjenstand forskere ta flere forhold i betraktning. En av dem er endringer i nivået på den avhengige variabelen fra tilstand til tilstand., Hvis den avhengige variabelen er mye høyere eller mye lavere i en tilstand enn en annen, dette tyder på at behandlingen hadde effekt. En annen faktor er trend, som refererer til gradvis økes eller reduseres i den avhengige variabelen over observasjoner. Hvis den avhengige variabelen begynner å øke eller redusere med en endring i forhold, så igjen dette tyder på at behandlingen hadde effekt. Det kan være spesielt å fortelle når en trend endringer retninger—for eksempel, når en uønsket adferd øker under baseline, men så begynner å avta med innledning av behandling., En tredje faktor er ventetid, som er den tiden det tar for den avhengige variabelen til å begynne å forandre seg etter at en endring i forholdene. Generelt, hvis en endring i den avhengige variabelen begynner kort tid etter en endring i forhold, tyder dette på at behandlingen var ansvarlig.
I øverste panel i Figur 10.5, det er ganske opplagt endringer i nivå og trend av den avhengige variabelen fra tilstand til tilstand. Videre latencies av disse endringene er kort; endringen skjer umiddelbart., Dette mønsteret av resultater tyder sterkt på at behandlingen var ansvarlig for endringer i den avhengige variabelen. I det nederste panelet i Figur 10.5, men endringene i nivå er ganske små. Og selv om det synes å være en økende trend i behandling tilstand, det ser ut som om det kan være en fortsettelse av en trend som startet allerede under baseline. Dette mønsteret av resultater tyder sterkt på at behandlingen ikke var ansvarlig for eventuelle endringer i den avhengige variabelen—i hvert fall ikke i den grad at enkelt-emne forskere vanligvis håper å se.,
resultatene av enkelt-emne forskning kan også analyseres ved hjelp av statistiske prosedyrer—og dette blir mer og mer vanlig. Det er mange ulike tilnærminger, og enkelt-emne forskere fortsette å debattere som er den mest nyttige., En tilnærming paralleller hva er vanligvis gjort i gruppe forskning. Middelverdi og standardavvik for hver deltakers svar under hver tilstand er beregnet og sammenlignet, og slutnings-statistiske tester som for eksempel t-test eller analyse av varians er brukt (Fisch, 2001). (Merk at det i snitt over deltakere er mindre vanlig.) En annen tilnærming er å beregne prosentandelen av nonoverlapping data (PND) for hver deltaker (Scruggs & Mastropieri, 2001)., Dette er prosentandelen av reaksjoner i behandling tilstand som er mer ekstreme enn de mest ekstreme svar på en relevant kontroll tilstand. I studiet av Hall og hans kolleger, for eksempel, alle tiltak av Robbie ‘ s studietid i den første behandlingen tilstand var større enn den høyeste mål i den første baseline, for en PND av 100%. Jo større andel av nonoverlapping data, jo sterkere behandling effekt., Likevel, formelle statistiske tilnærminger til data analyse i enkelt-emne forskning er generelt betraktet som et supplement til visuell inspeksjon, ikke en erstatning for det.
- Enkelt-emne forskning design typisk innebære å måle den avhengige variabelen gjentatte ganger over tid og skiftende forhold (f.eks., fra baseline til behandling) når den avhengige variabelen har nådd en steady state. Denne tilnærmingen tillater forskeren å se om endringer i den uavhengige variabelen forårsaker endringer i den avhengige variabelen.,
- I en reversering design, deltakeren blir testet i en baseline tilstand, og deretter testet i behandling for tilstanden, og deretter tilbake til baseline. Hvis den avhengige variabelen endres med innledning av behandling og deretter tilbake med tilbake til baseline, dette gir sterke bevis for effekt av en behandling.
- I en multippel baseline design, grunnlinjene er etablert for forskjellige aktører, ulike avhengige variabler, eller forskjellige innstillinger og behandling er innført i en annen tid på hver baseline., Hvis innføring av behandlingen er etterfulgt av en endring i den avhengige variabelen på hver baseline, dette gir sterke bevis for effekt av en behandling.
- Enkelt-emne forskere vanligvis analysere sine data ved å tegne dem og gjøre vurderinger om hvorvidt den uavhengige variabelen påvirker den avhengige variabelen er basert på nivå, trend, og ventetid.
– >
- Praksis: Design et enkelt-emne studie (enten ved hjelp av en tilbakeføring eller multiple-baseline design) for å svare på følgende spørsmål., Husk å angi behandling, operativt definere den avhengige variabelen, bestemme når og hvor observasjoner vil bli gjort, og så videre.
- Har positiv oppmerksomhet fra en forelder øke et barns tannpuss atferd?
- Gjør self-testing mens han studerte forbedre studentens prestasjon på ukentlige stave-tester?
- Gjør regelmessig mosjon hjelpe lindre depresjon?
- Praksis: Lage en graf som viser den hypotetiske resultater for studiet du laget i oppgave 1. Skriv et avsnitt der du beskriver hva resultatene viser., Sørg for å kommentere nivå, trend, og ventetid.
Lang Beskrivelser
Figur 10.3 lang beskrivelse: Linje graf som viser resultatene av en studie med en ABAB tilbakeføring design. Den avhengige variabelen var lav i første baseline fase; økt i løpet av de første behandling; redusert i løpet av andre baseline, men var fortsatt høyere enn under den første baseline, og var høyest under andre behandling fase.
Figur 10.,4 lang beskrivelse: Tre linje grafer som viser resultatene av en generisk multiple-baseline studie, der ulike grunnlinjene er etablert og behandling er introdusert til deltakere på ulike tidspunkter.
For Baseline 1, behandlingen er innført en fjerdedel av veien inn i studien. Den avhengige variabelen varierer mellom 12 og 16 enheter under baseline, men faller ned til 10 enheter med behandling, og det meste reduseres til slutten av studien, som varierer mellom 4 og 10 enheter.
For Baseline 2, behandlingen er innført halvveis gjennom studiet., Den avhengige variabelen varierer mellom 10 og 15 enheter under baseline, så har en kraftig nedgang til 7 enheter når behandlingen er innført. Men den avhengige variabelen øker til 12 enheter kort tid etter slipp og varierer mellom 8 og 10 enheter til slutten av studien.
For Baseline 3, behandling er innført tre fjerdedeler av veien inn i studien. Den avhengige variabelen varierer mellom 12 og 16 enheter for det meste under baseline, med en dråpe ned til 10 enheter., Når behandlingen er innført, og den avhengige variabelen synker ned til 10 enheter og deretter varierer mellom 8 og 9 enheter til slutten av studien.
Figur 10.5 lang beskrivelse: To grafer som viser resultatene av en enkelt generisk-emne undersøkelse med en ABA design. I den første grafen, under forutsetning A, nivået er høyt, og trenden er økende. Under forutsetning B, nivået er mye lavere enn under En tilstand, og trenden er synkende. Under betingelse for Et nytt, nivå er omtrent like høy som for første gang, og trenden er økende., For hver endring, ventetiden er kort, noe som tyder på at behandlingen er årsaken til endringen.
I den andre grafen, under forutsetning A, nivå er relativt lav, og trenden er økende. Under forutsetning B, nivået er litt høyere enn i løpet av En tilstand, og trenden er økende litt. Under betingelse for Et nytt, nivået er litt lavere enn under betingelse B og trenden er synkende litt. Det er vanskelig å fastsette ventetid for disse endringene, siden hver endring er ganske liten, noe som tyder på at behandlingen er ineffektiv.,
forskeren venter til deltakerens atferd i en tilstand blir ganske konsekvent fra observasjon til observasjon før skiftende forhold. Denne måten, vil eventuelle endringer over forholdene vil være lett å oppdage.
En studie metode der forskeren samler inn data på en baseline staten, introduserer behandling og fortsetter observasjon inntil en steady state er nådd, og til slutt fjerner behandling og observerer den deltaker før de kan gå tilbake til en steady state.,
nivået av å svare før en eventuell behandling er innført, og derfor fungerer som en slags kontroll tilstand.
En baseline fasen er etterfulgt av separate faser hvor ulike behandlinger er innført.
To eller flere behandlinger er vekslet relativt raskt på en regelmessig basis.
En baseline er etablert for flere deltakere, og behandlingen er da introdusert til hver deltaker på et annet tidspunkt.,
Den grafiske fremstillingen av de enkelte deltakere’ data, undersøke data, og gjøre vurderinger om hvorvidt og i hvilken grad den uavhengige variabelen hadde en effekt på den avhengige variabelen.
Om data er høyere eller lavere basert på en visuell inspeksjon av data; en endring i nivå innebærer behandling innført hadde en effekt.
Den gradvis økes eller reduseres i den avhengige variabelen over observasjoner.
Den tiden det tar for den avhengige variabelen til å begynne å forandre seg etter at en endring i forholdene.,
prosentandelen av reaksjoner i behandling tilstand som er mer ekstreme enn de mest ekstreme svar på en relevant kontroll tilstand.