- opisują podstawowe elementy projektu badawczego jedno podmiotowego.
- projektowanie prostych studiów jedno-obiektowych z wykorzystaniem projektów odwróconych i wielowątkowych.
- wyjaśnij, w jaki sposób projekty badań Pojedynczych Przedmiotów rozwiązują problem wewnętrznej ważności.
- ,
zanim przyjrzymy się konkretnym projektom badawczym z jednym przedmiotem, warto rozważyć niektóre funkcje, które są wspólne dla większości z nich. Wiele z tych cech zilustrowano na rysunku 10.2, który pokazuje wyniki ogólnego badania z jednym przedmiotem. Po pierwsze, zmienna zależna (reprezentowana na osi Y wykresu) jest mierzona wielokrotnie w czasie (reprezentowana przez oś x) w regularnych odstępach czasu. Po drugie, badanie jest podzielone na różne fazy, a uczestnik jest testowany pod jednym warunkiem na fazę., Warunki są często oznaczane wielkimi literami: A, B, C i tak dalej. Tak więc rysunek 10.2 przedstawia projekt, w którym uczestnik został przetestowany najpierw w jednym stanie (A), następnie przetestowany w innym stanie (B), a na koniec ponownie przetestowany w pierwotnym stanie (a). (Nazywa się to projektem odwrócenia i zostanie omówione bardziej szczegółowo wkrótce.)
innym ważnym aspektem badań z jednym przedmiotem jest to, że zmiana z jednego warunku do następnego zwykle nie występuje po ustalonej ilości czasu lub liczby obserwacji. Zamiast tego zależy to od zachowania uczestnika. W szczególności badacz czeka, aż zachowanie uczestnika w jednym stanie stanie się dość spójne z obserwacji do obserwacji przed zmianą warunków., Jest to czasami określane jako steady state strategy (Sidman, 1960). Chodzi o to, że gdy zmienna zależna osiągnie stan stały, wtedy każda zmiana w różnych warunkach będzie stosunkowo łatwa do wykrycia. Przypomnijmy, że natknęliśmy się na tę samą zasadę podczas omawiania badań eksperymentalnych bardziej ogólnie. Efekt zmiennej niezależnej jest łatwiejszy do wykrycia, gdy” szum ” w danych jest zminimalizowany.
projekty odwrócenia
najbardziej podstawowym projektem badawczym dla jednego przedmiotu jest projekt odwrócenia, zwany także projektem ABA., W pierwszej fazie ustalana jest wartość wyjściowa dla zmiennej zależnej. Jest to poziom odpowiedzi przed wprowadzeniem jakiegokolwiek leczenia, a zatem Faza wyjściowa jest rodzajem stanu kontrolnego. Po osiągnięciu stanu równowagi faza B rozpoczyna się wraz z wprowadzeniem leczenia przez badacza. Może istnieć okres dostosowania leczenia, w którym zachowanie zainteresowania staje się bardziej zmienne i zaczyna się zwiększać lub zmniejszać., Ponownie badacz czeka, aż ta zależna zmienna osiągnie stan stały, aby było jasne, czy i jak bardzo się zmieniła. Na koniec badacz usuwa leczenie i ponownie czeka, aż zmienna zależna osiągnie stan równowagi. Ten podstawowy projekt odwrócenia można również rozszerzyć o ponowne wprowadzenie leczenia (ABAB), kolejny powrót do wartości wyjściowej (ABABA) i tak dalej.
opracowanie Halla i jego kolegów było projektem ABAB. Rysunek 10.3 przybliża dane dla Robbiego., Odsetek czasu spędzonego na badaniu (zmienna zależna) był niski w pierwszej fazie wyjściowej, zwiększał się w pierwszej fazie leczenia, aż wyrównał się, zmniejszał się w drugiej fazie wyjściowej i ponownie zwiększał się w drugiej fazie leczenia.
Dlaczego odwrócenie—usunięcie zabiegu—jest uważane za konieczne w tego typu projekcie? Po co na przykład stosować projekt ABA, a nie prostszy projekt AB? Zauważ, że projekt AB jest zasadniczo przerywanym projektem szeregów czasowych stosowanym do indywidualnego uczestnika., Przypomnijmy, że jeden problem z tym projektem jest to, że jeśli zmienna zależna zmienia się po wprowadzeniu leczenia, nie zawsze jest jasne, że leczenie było odpowiedzialne za zmianę. Jest możliwe, że coś innego zmieniło się mniej więcej w tym samym czasie i że ta zmienna zewnętrzna jest odpowiedzialna za zmianę zmiennej zależnej., Ale jeśli zmienna zależna zmienia się wraz z wprowadzeniem leczenia, a następnie zmienia się z powrotem wraz z usunięciem leczenia (zakładając, że leczenie nie tworzy stałego efektu), jest znacznie jaśniejsze, że leczenie (i usunięcie leczenia) jest przyczyną. Innymi słowy, odwrócenie znacznie zwiększa wewnętrzną Ważność badania.
istnieją bliscy krewni podstawowej konstrukcji odwróconej, która pozwala na ocenę więcej niż jednego leczenia., W konstrukcji odwracania wielokrotnego leczenia, po fazie wyjściowej następuje oddzielna Faza, w której wprowadzane są różne metody leczenia. Na przykład, badacz może ustalić podstawę badania zachowań dla zakłócającego ucznia (A), a następnie wprowadzić leczenie obejmujące pozytywną uwagę nauczyciela (B), a następnie przejść do leczenia obejmującego łagodną karę za nie studiowanie (C). Uczestnik może następnie powrócić do fazy wyjściowej przed ponownym wprowadzeniem każdego leczenia-być może w odwrotnej kolejności jako sposób kontrolowania efektów przeniesienia., Ten szczególny projekt odwrócenia wielokrotnego przetwarzania może być również określany jako projekt ABCACB.
w projekcie naprzemiennych zabiegów, dwa lub więcej zabiegów są naprzemiennie stosunkowo szybko w regularnym harmonogramie. Na przykład pozytywna uwaga na studia może być wykorzystana jednego dnia, a łagodna kara za nie studiowanie następnego i tak dalej. Lub jeden zabieg może być realizowany rano, a drugi po południu. Zmienna konstrukcja zabiegów może być szybkim i skutecznym sposobem porównywania zabiegów, ale tylko wtedy, gdy zabiegi szybko działają.,
konstrukcje Wielowarstwowe
istnieją dwa potencjalne problemy z konstrukcją odwracalną-oba mają związek z usunięciem leczenia. Jednym z nich jest to, że jeśli leczenie działa, usunięcie go może być nieetyczne. Na przykład, jeśli leczenie wydawało się zmniejszać częstość samouszkodzenia u dziecka niepełnosprawnego rozwojowo, byłoby nieetyczne usunięcie tego leczenia tylko po to, aby pokazać, że częstość samouszkodzenia wzrasta. Drugi problem polega na tym, że zmienna zależna może nie powrócić do wartości wyjściowych po usunięciu leczenia., Na przykład, gdy pozytywna uwaga na studia zostanie usunięta, student może kontynuować naukę w zwiększonym tempie. Może to oznaczać, że pozytywna Uwaga miała trwały wpływ na naukę ucznia, co oczywiście byłoby dobre. Ale może to również oznaczać, że pozytywna uwaga nie była tak naprawdę przyczyną zwiększonego studiowania w pierwszej kolejności. Być może coś innego wydarzyło się mniej więcej w tym samym czasie, co leczenie—na przykład rodzice ucznia mogli zacząć nagradzać go za dobre oceny.,
jednym z rozwiązań tych problemów jest użycie konstrukcji wielowarstwowej, która jest przedstawiona na rysunku 10.4. W jednej wersji projektu ustala się podstawę dla każdego z kilku uczestników, a następnie wprowadza się leczenie dla każdego z nich. Zasadniczo każdy uczestnik jest testowany w projekcie AB. Kluczem do tego projektu jest to, że leczenie jest wprowadzane w innym czasie dla każdego uczestnika. Chodzi o to, że jeśli zmienna zależna zmienia się po wprowadzeniu leczenia dla jednego uczestnika, może to być przypadek., Ale jeśli zmienna zależna zmienia się, gdy leczenie jest wprowadzane dla wielu uczestników-zwłaszcza, gdy leczenie jest wprowadzane w różnym czasie dla różnych uczestników-to jest bardzo mało prawdopodobne, aby być zbiegiem okoliczności.
jako przykład rozważ badanie Scotta Rossa i Roberta Hornera (Ross & Horner, 2009). Byli zainteresowani tym, w jaki sposób program zapobiegania zastraszaniu w całej szkole wpłynął na nękanie uczniów. W każdej z trzech różnych szkół naukowcy badali dwóch uczniów, którzy regularnie angażowali się w zastraszanie. Podczas fazy podstawowej obserwowali uczniów przez 10 minut każdego dnia podczas przerwy obiadowej i liczyli liczbę agresywnych zachowań, które wykazywali wobec swoich rówieśników., (Naukowcy używali komputerów przenośnych, aby pomóc w zapisywaniu danych.) Po 2 tygodniach realizowali program w jednej szkole. Po kolejnych dwóch tygodniach wdrożyli ją w drugiej szkole. A po kolejnych 2 tygodniach wprowadzili go w trzeciej szkole. Okazało się, że liczba zachowań agresywnych wykazywanych przez każdego ucznia spadła wkrótce po wdrożeniu programu w jego szkole., Zauważ, że gdyby badacze studiowali tylko jedną szkołę lub gdyby wprowadzili leczenie w tym samym czasie we wszystkich trzech szkołach, wówczas nie byłoby jasne, czy redukcja agresywnych zachowań była spowodowana programem zastraszania, czy czymś innym, co wydarzyło się mniej więcej w tym samym czasie, co zostało wprowadzone (np. wakacje, program telewizyjny, zmiana pogody). Ale przy ich konstrukcji z wieloma bazami danych, tego rodzaju zbieg okoliczności musiałby wydarzyć się trzy razy-bardzo mało prawdopodobne zdarzenie – aby wyjaśnić ich wyniki.,
w innej wersji projektu multiple-baseline, wiele linii bazowych są ustalane dla tego samego uczestnika, ale dla różnych zmiennych zależnych, a leczenie jest wprowadzane w innym czasie dla każdej zmiennej zależnej. Wyobraź sobie, na przykład, badanie na temat wpływu ustalania jasnych celów na produktywność pracownika biurowego, który ma dwa podstawowe zadania: wykonywanie połączeń sprzedażowych i pisanie raportów. Można by ustalić linie bazowe dla obu zadań. Na przykład, badacz może zmierzyć liczbę połączeń sprzedaży wykonane i raporty napisane przez pracownika każdego tygodnia przez kilka tygodni., Następnie leczenie wyznaczania celów może zostać wprowadzone do jednego z tych zadań, a w późniejszym czasie to samo leczenie może zostać wprowadzone do drugiego zadania. Logika jest taka sama jak poprzednio. Jeśli wydajność wzrasta na jednym zadaniu po wprowadzeniu leczenia, nie jest jasne, czy leczenie spowodowało wzrost. Ale jeśli wydajność wzrasta na obu zadań po wprowadzeniu leczenia-zwłaszcza, gdy leczenie jest wprowadzane w dwóch różnych czasach-to wydaje się znacznie jaśniejsze, że leczenie było odpowiedzialne.,
w jeszcze trzeciej wersji projektu z wieloma liniami bazowymi, wiele linii bazowych jest ustanawianych dla tego samego uczestnika, ale w różnych ustawieniach. Na przykład, linia bazowa może zostać ustalona dla ilości czasu, jaki dziecko spędza na czytaniu w czasie wolnym w szkole i w czasie wolnym w domu. Następnie leczenie takie jak pozytywna Uwaga Może być wprowadzony najpierw w szkole, a później w domu. Ponownie, jeśli zmienna zależna zmienia się po wprowadzeniu leczenia w każdym otoczeniu, to daje to badaczowi pewność, że leczenie jest w rzeczywistości odpowiedzialne za zmianę.,
Analiza danych w badaniach z jednym przedmiotem
oprócz skupienia się na poszczególnych uczestnikach, badania z jednym przedmiotem różnią się od badań grupowych w sposób, w jaki dane są zazwyczaj analizowane. Jak widzieliśmy w całej książce, badania grupowe obejmuje łączenie danych między uczestnikami. Dane grupowe są opisywane za pomocą statystyk, takich jak środki, odchylenia standardowe, r Pearsona i tak dalej, aby wykryć ogólne wzorce. Wreszcie, wnioskowania Statystyki są wykorzystywane do pomocy w podjęciu decyzji, czy wynik dla próbki jest prawdopodobne uogólnić do populacji., Badania jednego przedmiotu, z kolei, opiera się w dużej mierze na bardzo innym podejściu zwanym oględziny. Oznacza to wykreślanie danych poszczególnych uczestników, jak pokazano w całym tym rozdziale, uważne przyglądanie się tym danym i Dokonywanie osądów na temat tego, czy i w jakim stopniu zmienna niezależna miała wpływ na zmienną zależną. Statystyki wnioskowania zazwyczaj nie są używane.
podczas kontroli wzrokowej swoich danych, badacze jednego przedmiotu biorą pod uwagę kilka czynników. Jedną z nich jest zmiana poziomu zmiennej zależnej z warunku na warunek., Jeśli zmienna zależna jest znacznie wyższa lub znacznie niższa w jednym stanie niż w innym, sugeruje to, że leczenie miało efekt. Drugim czynnikiem jest trend, który odnosi się do stopniowego wzrostu lub spadku zmiennej zależnej w ciągu obserwacji. Jeśli zmienna zależna zaczyna się zwiększać lub zmniejszać wraz ze zmianą warunków, to ponownie sugeruje to, że leczenie miało efekt. Może to być szczególnie powiedzieć, kiedy trend zmienia kierunki—na przykład, gdy niepożądane zachowanie wzrasta w trakcie wyjściowym, ale następnie zaczyna się zmniejszać wraz z wprowadzeniem leczenia., Trzecim czynnikiem jest opóźnienie, czyli czas potrzebny na to, aby zmienna zależna zaczęła się zmieniać po zmianie warunków. Ogólnie rzecz biorąc, jeśli zmiana zmiennej zależnej rozpoczyna się wkrótce po zmianie warunków, sugeruje to, że leczenie było odpowiedzialne.
w górnym panelu rysunku 10.5 występują dość oczywiste zmiany poziomu i trendu zmiennej zależnej od warunku do warunku. Ponadto opóźnienia tych zmian są krótkie; zmiana następuje natychmiast., Ten wzór wyników silnie sugeruje, że leczenie było odpowiedzialne za zmiany w zmiennej zależnej. W dolnym panelu rysunku 10.5, jednak zmiany poziomu są dość małe. I chociaż wydaje się, że trend wzrostowy w stanie leczenia, wygląda na to, że może to być kontynuacja trendu, który rozpoczął się już w momencie rozpoczęcia leczenia. Ten wzór wyników zdecydowanie sugeruje, że leczenie nie było odpowiedzialne za jakiekolwiek zmiany w zmiennej zależnej—przynajmniej nie w takim stopniu, w jakim naukowcy z jednym podmiotem zazwyczaj nadzieję zobaczyć.,
wyniki badań Pojedynczych Przedmiotów mogą być również analizowane przy użyciu procedur statystycznych—i staje się to coraz bardziej powszechne. Istnieje wiele różnych podejść, a naukowcy z jednym przedmiotem nadal debatować, które są najbardziej przydatne., Jedno podejście jest równoległe do tego, co zwykle robi się w badaniach grupowych. Średnie i odchylenie standardowe odpowiedzi każdego uczestnika pod każdym warunkiem są obliczane i porównywane, a wnioskowane testy statystyczne, takie jak test t lub analiza wariancji są stosowane (Fisch, 2001). (Należy pamiętać, że uśrednianie między uczestnikami jest mniej powszechne.) Innym podejściem jest obliczenie procentu danych NONOVERLIPPING (PND) dla każdego uczestnika (Scruggs & Mastropieri, 2001)., Jest to odsetek odpowiedzi w warunkach leczenia, które są bardziej ekstremalne niż najbardziej ekstremalna odpowiedź w odpowiednim stanie kontroli. Na przykład w badaniu Halla i jego współpracowników wszystkie miary czasu badania Robbiego w pierwszym stanie leczenia były większe niż najwyższa miara w pierwszym punkcie wyjściowym, dla PND wynoszącego 100%. Im większy procent danych nonoverlipping, tym silniejszy efekt leczenia., Mimo to formalne podejście statystyczne do analizy danych w badaniach z jednym podmiotem są ogólnie uważane za uzupełnienie oględzin, a nie zastąpienie go.
- projekty badawcze z jednym przedmiotem zwykle obejmują pomiar zmiennej zależnej wielokrotnie w czasie i zmieniające się warunki (np. od początku do leczenia), gdy zmienna zależna osiągnęła stan stacjonarny. Takie podejście pozwala badaczowi sprawdzić, czy zmiany w zmiennej niezależnej powodują zmiany w zmiennej zależnej.,
- w konstrukcji odwróconej uczestnik jest testowany w stanie wyjściowym, następnie testowany w stanie leczenia, a następnie wraca do stanu wyjściowego. Jeśli zmienna zależna zmienia się wraz z wprowadzeniem leczenia, a następnie zmienia się z powrotem wraz z powrotem do wartości wyjściowej, zapewnia to silne dowody na efekt leczenia.
- w konstrukcji z wieloma wyjściami, linie bazowe są ustalane dla różnych uczestników, różnych zmiennych zależnych lub różnych ustawień—a leczenie jest wprowadzane w innym czasie na każdym poziomie wyjściowym., Jeśli po wprowadzeniu leczenia następuje zmiana zmiennej zależnej w odniesieniu do każdego punktu wyjściowego, dostarcza to mocnych dowodów na efekt leczenia.
- naukowcy z jednym podmiotem zazwyczaj analizują swoje dane, wykresując je i oceniając, czy zmienna niezależna wpływa na zmienną zależną w oparciu o poziom, trend i opóźnienie.
- praktyka: Zaprojektuj proste badanie z jednym przedmiotem (z wykorzystaniem projektu odwróconego lub wielowymiarowego), aby odpowiedzieć na następujące pytania., Pamiętaj, aby określić leczenie, operacyjnie zdefiniować zmienną zależną, zdecydować, kiedy i gdzie będą dokonywane obserwacje i tak dalej.
- czy pozytywna Uwaga rodzica zwiększa zachowanie dziecka podczas mycia zębów?
- czy samokontrola podczas nauki poprawia wyniki ucznia na cotygodniowych testach ortograficznych?
- czy regularne ćwiczenia pomagają złagodzić depresję?
- ćwiczenie: Utwórz wykres, który wyświetli hipotetyczne wyniki badania, które zaprojektowałeś w ćwiczeniu 1. Napisz akapit, w którym opisz, co pokazują wyniki., Pamiętaj, aby skomentować poziom, trend i opóźnienia.
długie opisy
rysunek 10.3 długi Opis: Wykres liniowy przedstawiający wyniki badań z odwrotną konstrukcją ABAB. Zmienna zależna była mała w pierwszej fazie wyjściowej; zwiększona w pierwszej fazie leczenia; zmniejszona w drugiej fazie wyjściowej, ale nadal była wyższa niż w pierwszej fazie wyjściowej; i była najwyższa w drugiej fazie leczenia.
Rysunek 10.,4 długi opis: trzy wykresy liniowe pokazujące wyniki ogólnego badania z wieloma wyjściami, w którym ustala się różne linie bazowe i wprowadza się leczenie do uczestników w różnym czasie.
Zmienna zależna waha się od 12 do 16 jednostek w okresie wyjściowym, ale spada do 10 jednostek podczas leczenia i przeważnie zmniejsza się do końca badania, wahając się od 4 do 10 jednostek.
W przypadku wartości wyjściowych 2, leczenie wprowadza się w połowie badania., Zmienna zależna waha się od 10 do 15 jednostek w okresie wyjściowym, a następnie gwałtownie zmniejsza się do 7 jednostek po wprowadzeniu leczenia. Jednak zmienna zależna zwiększa się do 12 jednostek wkrótce po spadku i waha się między 8 a 10 jednostkami do końca badania.
Zmienna zależna waha się w większości od 12 do 16 jednostek w okresie wyjściowym, z jednym spadkiem do 10 jednostek., Po wprowadzeniu leczenia zmienna zależna spada do 10 jednostek, a następnie waha się między 8 a 9 jednostkami do końca badania.
rysunek 10.5 długi opis: dwa wykresy pokazujące wyniki ogólnego badania z jednym podmiotem z projektem ABA. Na pierwszym wykresie, pod warunkiem A, poziom jest wysoki i trend rośnie. W Warunkach B poziom jest znacznie niższy niż w warunkach A i trend maleje. Pod warunkiem, że ponownie poziom jest tak wysoki, jak za pierwszym razem i trend rośnie., Dla każdej zmiany opóźnienie jest krótkie, co sugeruje, że leczenie jest przyczyną zmiany.
na drugim wykresie, pod warunkiem A, poziom jest stosunkowo niski i trend rośnie. W Warunkach B poziom jest nieco wyższy niż w warunkach A i trend nieznacznie rośnie. W przypadku warunku A ponownie poziom jest nieco niższy niż podczas warunku B i trend nieznacznie spada. Trudno jest określić opóźnienie tych zmian, ponieważ każda zmiana jest raczej minutowa, co sugeruje, że leczenie jest nieskuteczne.,
badacz czeka, aż zachowanie uczestnika w jednym stanie stanie się dość spójne od obserwacji do obserwacji przed zmianą warunków. W ten sposób każda zmiana warunków będzie łatwa do wykrycia.
metoda badawcza, w której badacz gromadzi dane na temat stanu wyjściowego, wprowadza leczenie i kontynuuje obserwację aż do osiągnięcia stanu stacjonarnego, a na koniec usuwa leczenie i obserwuje uczestnika, dopóki nie powróci do stanu stacjonarnego.,
po fazie wyjściowej następuje oddzielna Faza, w której wprowadzane są różne metody leczenia.
dwa lub więcej zabiegów są naprzemiennie stosunkowo szybko w regularnym harmonogramie.
dla kilku uczestników ustalana jest wartość wyjściowa, a leczenie jest następnie wprowadzane do każdego uczestnika w innym czasie.,
kreślenie danych poszczególnych uczestników, badanie danych i dokonywanie ocen, czy i w jakim stopniu zmienna niezależna miała wpływ na zmienną zależną.
czy dane są wyższe czy niższe na podstawie oględzin danych; zmiana poziomu oznacza, że wprowadzone leczenie miało wpływ.
stopniowy wzrost lub spadek zmiennej zależnej w ciągu obserwacji.
czas potrzebny, aby zmienna zależna zaczęła się zmieniać po zmianie warunków.,
odsetek odpowiedzi w warunkach leczenia, które są bardziej ekstremalne niż najbardziej ekstremalna odpowiedź w odpowiednich warunkach kontrolnych.