1. descrie elementele de bază ale unui design de cercetare cu un singur subiect.
  2. proiectați studii simple cu un singur subiect utilizând modele de inversare și mai multe linii de bază.
  3. explicați modul în care proiectele de cercetare cu un singur subiect abordează problema validității interne.
  4. interpretați rezultatele studiilor simple cu un singur subiect pe baza inspecției vizuale a datelor grafice.,înainte de a analiza orice proiect specific de cercetare cu un singur subiect, va fi util să luați în considerare unele caracteristici care sunt comune celor mai multe dintre ele. Multe dintre aceste caracteristici sunt ilustrate în figura 10.2, care arată rezultatele unui studiu generic cu un singur subiect. În primul rând, variabila dependentă (reprezentată pe axa y a graficului) este măsurată în mod repetat în timp (reprezentată de axa x) la intervale regulate. În al doilea rând, studiul este împărțit în faze distincte, iar participantul este testat într-o singură condiție pe fază., Condițiile sunt adesea desemnate cu majuscule: A, B, C și așa mai departe. Astfel, figura 10.2 reprezintă un proiect în care participantul a fost testat mai întâi într-o condiție (A), apoi testat într-o altă condiție (B) și, în final, retestat în starea inițială (a). (Aceasta se numește un design inversare și vor fi discutate mai detaliat în scurt timp.)

    Figura 10.,2 Rezultate de un Generic cu un Singur Subiect Studiul Ilustrează Câteva Principii de Singur Subiect de Cercetare

    un Alt aspect important al single-obiectul de cercetare este că schimbarea de la o stare la alta nu apar de obicei după o perioadă fixă de timp sau numărul de observații. În schimb, depinde de comportamentul participantului. Mai exact, cercetătorul așteaptă până când comportamentul participantului într-o singură condiție devine destul de consistent de la observație la observație înainte de a schimba condițiile., Aceasta este uneori menționată ca strategia steady state (Sidman, 1960). Ideea este că atunci când variabila dependentă a ajuns la o stare de echilibru, atunci orice schimbare în condiții va fi relativ ușor de detectat. Reamintim că am întâlnit același principiu atunci când discutăm cercetarea experimentală mai general. Efectul unei variabile independente este mai ușor de detectat atunci când „zgomotul” din date este minimizat.

    modele de inversare

    cel mai de bază design de cercetare cu un singur subiect este designul de inversare, numit și designul ABA., În prima fază, A, o linie de bază este stabilită pentru variabila dependentă. Acesta este nivelul de răspuns înainte de introducerea oricărui tratament și, prin urmare, faza inițială este un fel de condiție de control. Când se atinge răspunsul la starea de echilibru, Faza B începe pe măsură ce cercetătorul introduce tratamentul. Poate exista o perioadă de ajustare a tratamentului în timpul căreia comportamentul de interes devine mai variabil și începe să crească sau să scadă., Din nou, cercetătorul așteaptă până când variabila dependentă atinge o stare de echilibru, astfel încât să fie clar dacă și cât de mult s-a schimbat. În cele din urmă, cercetătorul elimină tratamentul și așteaptă din nou până când variabila dependentă atinge o stare de echilibru. Acest design inversare de bază poate fi, de asemenea, extins cu reintroducerea tratamentului (ABAB), o altă revenire la linia de bază (Abeba), și așa mai departe.studiul realizat de Hall și colegii săi a fost un design de inversare ABAB. Figura 10.3 aproximează datele Pentru Robbie., Procentul de timp pe care l-a petrecut studiind (variabila dependentă) a fost scăzut în timpul primei faze inițiale, a crescut în timpul primei faze de tratament până la nivel, a scăzut în timpul celei de-a doua faze inițiale și a crescut din nou în timpul celei de-a doua faze de tratament.

    Figura 10.,3 O Aproximare a Rezultatelor pentru Sala si Colegilor Participant Robbie în ABAB Inversare de Design

    Ce este inversarea—eliminarea tratamentului—considerat a fi necesar în acest tip de design? De ce să folosiți un design ABA, de exemplu, mai degrabă decât un design AB mai simplu? Observați că un design AB este, în esență, un design întrerupt de serii de timp aplicat unui participant individual., Reamintim că o problemă cu acest design este că, dacă variabila dependentă se schimbă după introducerea tratamentului, nu este întotdeauna clar că tratamentul a fost responsabil pentru schimbare. Este posibil ca altceva să se fi schimbat aproximativ în același timp și ca această variabilă străină să fie responsabilă pentru schimbarea variabilei dependente., Dar dacă variabila dependentă se schimbă odată cu introducerea tratamentului și apoi se schimbă înapoi odată cu eliminarea tratamentului (presupunând că tratamentul nu creează un efect permanent), este mult mai clar că tratamentul (și eliminarea tratamentului) este cauza. Cu alte cuvinte, inversarea crește foarte mult validitatea internă a studiului.există rude apropiate ale proiectului de inversare de bază care permit evaluarea mai multor tratamente., Într-un proiect de inversare a tratamentului multiplu, o fază inițială este urmată de faze separate în care sunt introduse diferite tratamente. De exemplu, un cercetător ar putea stabili o linie de bază de a studia comportamentul unui perturbator student (A), apoi se introduce un tratament care implică atenție pozitivă din partea profesorului (B), și apoi trece la un tratament care implică o pedeapsă blândă pentru a nu studia (C). Participantul ar putea fi apoi returnat la o fază de bază înainte de a reintroduce fiecare tratament—poate în ordine inversă ca o modalitate de a controla efectele reportării., Acest design special de inversare a mai multor tratamente ar putea fi, de asemenea, denumit un design ABCACB.într-un design alternativ de tratamente, două sau mai multe tratamente sunt alternate relativ repede pe un program regulat. De exemplu, o atenție pozitivă pentru studiu ar putea fi folosită într-o zi și o pedeapsă ușoară pentru a nu studia următoarea și așa mai departe. Sau un tratament ar putea fi implementat dimineața și altul după-amiaza. Designul alternativ al tratamentelor poate fi un mod rapid și eficient de comparare a tratamentelor, dar numai atunci când tratamentele acționează rapid.,

    modele multiple de bază

    există două probleme potențiale cu proiectarea inversare-ambele din care au de a face cu eliminarea tratamentului. Unul este că, dacă un tratament este de lucru, acesta poate fi lipsit de etică pentru a elimina. De exemplu, dacă un tratament pare să reducă incidența auto-vătămării la un copil cu handicap, ar fi lipsit de etică eliminarea acestui tratament doar pentru a arăta că incidența auto-vătămării crește. A doua problemă este că variabila dependentă nu poate reveni la valoarea inițială atunci când tratamentul este eliminat., De exemplu, atunci când atenția pozitivă pentru studiu este eliminată, un student ar putea continua să studieze într-un ritm crescut. Acest lucru ar putea însemna că atenția pozitivă a avut un efect de durată asupra studierii elevului, ceea ce, desigur, ar fi bine. Dar ar putea însemna, de asemenea, că atenția pozitivă nu a fost cu adevărat cauza creșterii studierii în primul rând. Poate că altceva s—a întâmplat cam în același timp cu tratamentul-de exemplu, părinții elevului ar fi putut începe să-l recompenseze pentru note bune.,o soluție la aceste probleme este de a utiliza un design de bază multiple, care este reprezentat în figura 10.4. Într-o versiune a proiectului, se stabilește o bază pentru fiecare dintre mai mulți participanți, iar tratamentul este apoi introdus pentru fiecare. În esență, fiecare participant este testat într-un design AB. Cheia acestui design este că tratamentul este introdus la un moment diferit pentru fiecare participant. Ideea este că, dacă variabila dependentă se schimbă atunci când tratamentul este introdus pentru un participant, ar putea fi o coincidență., Dar dacă variabila dependentă se schimbă atunci când tratamentul este introdus pentru mai mulți participanți—mai ales atunci când tratamentul este introdus în momente diferite pentru diferiți participanți—atunci este extrem de puțin probabil să fie o coincidență.

    Figura 10.4 Rezultatele unui Generic Multiple-Studiu de Referință. Liniile de bază multiple pot fi pentru diferiți participanți, variabile dependente sau setări. Tratamentul este introdus la un moment diferit pe fiecare bază.,

    Ca un exemplu, ia în considerare un studiu realizat de Scott Ross și Robert Horner (Ross & Horner, 2009). Ei au fost interesați de modul în care un program de prevenire a bullying-ului la nivel școlar a afectat comportamentul de bullying al anumitor elevi cu probleme. La fiecare dintre cele trei școli diferite, cercetătorii au studiat doi studenți care s-au angajat în mod regulat în intimidare. În faza inițială, s-au observat elevii pentru perioadele 10 minute în fiecare zi în pauză de masă și a numărat conduitele agresive au expus față de colegii lor., (Cercetătorii au folosit computere portabile pentru a ajuta la înregistrarea datelor.) După 2 săptămâni, au implementat Programul la o școală. După încă 2 săptămâni, au implementat-o la a doua școală. Și după încă 2 săptămâni, au implementat-o la a treia școală. Ei au descoperit că numărul de comportamente agresive expuse de fiecare elev a scăzut la scurt timp după ce programul a fost implementat la școala lui sau a ei., Observați că dacă cercetătorii au studiat doar o școală sau dacă ei au introdus tratamentul în același timp la toate cele trei școli, atunci ar fi clar dacă reducerea în conduitele agresive fost din cauza agresiunii program sau altceva care s-a întâmplat la aproximativ în același timp a fost introdus (de exemplu, o vacanță, un program de televiziune, o schimbare în caracterul). Dar, cu designul lor de bază multiplă, acest tip de coincidență ar trebui să se întâmple de trei ori separate—o întâmplare foarte puțin probabilă—pentru a explica rezultatele lor.,

    într-o altă versiune a proiectului de bază multiplă, sunt stabilite mai multe linii de bază pentru același participant, dar pentru diferite variabile dependente, iar tratamentul este introdus la un moment diferit pentru fiecare variabilă dependentă. Imaginați-vă, de exemplu, un studiu privind efectul stabilirii unor obiective clare asupra productivității unui lucrător de birou care are două sarcini principale: Efectuarea de apeluri de vânzări și scrierea de rapoarte. Ar putea fi stabilite linii de bază pentru ambele sarcini. De exemplu, cercetătorul ar putea măsura numărul de apeluri de vânzări efectuate și rapoarte scrise de lucrător în fiecare săptămână timp de câteva săptămâni., Apoi, tratamentul de stabilire a obiectivelor ar putea fi introdus pentru una dintre aceste sarcini și, ulterior, același tratament ar putea fi introdus pentru cealaltă sarcină. Logica este aceeași ca înainte. Dacă productivitatea crește pe o singură sarcină după introducerea tratamentului, nu este clar dacă tratamentul a cauzat creșterea. Dar dacă productivitatea crește pe ambele sarcini după introducerea tratamentului—mai ales atunci când tratamentul este introdus în două momente diferite-atunci pare mult mai clar că tratamentul a fost responsabil.,

    într-o a treia versiune a designului cu mai multe linii de bază, sunt stabilite mai multe linii de bază pentru același participant, dar în setări diferite. De exemplu, o linie de bază ar putea fi stabilită pentru perioada de timp pe care un copil o petrece citind în timpul liber la școală și în timpul liber acasă. Apoi, un tratament, cum ar fi atenția pozitivă, ar putea fi introdus mai întâi la școală și mai târziu acasă. Din nou, dacă variabila dependentă se schimbă după introducerea tratamentului în fiecare setare, atunci acest lucru dă cercetătorului încrederea că tratamentul este, de fapt, responsabil pentru schimbare.,

    analiza datelor în cercetarea cu un singur subiect

    În plus față de concentrarea asupra participanților individuali, cercetarea cu un singur subiect diferă de cercetarea de grup în modul în care datele sunt de obicei analizate. După cum am văzut în întreaga carte, cercetarea în grup implică combinarea datelor între participanți. Datele de grup sunt descrise folosind statistici cum ar fi mijloacele, abaterile standard, r-ul lui Pearson și așa mai departe pentru a detecta tiparele generale. În cele din urmă, Statisticile inferențiale sunt utilizate pentru a decide dacă rezultatul pentru eșantion este probabil să se generalizeze la populație., Cercetarea cu un singur subiect, în schimb, se bazează foarte mult pe o abordare foarte diferită numită inspecție vizuală. Aceasta înseamnă plotarea datelor participanților individuali, așa cum se arată în acest capitol, analizarea cu atenție a acestor date și luarea de judecăți cu privire la dacă și în ce măsură variabila independentă a avut un efect asupra variabilei dependente. Statisticile inferențiale nu sunt de obicei utilizate.în inspectarea vizuală a datelor lor, cercetătorii cu un singur subiect iau în considerare mai mulți factori. Una dintre ele este schimbarea nivelului variabilei dependente de la condiție la condiție., Dacă variabila dependentă este mult mai mare sau mult mai mică într-o condiție decât alta, acest lucru sugerează că tratamentul a avut un efect. Un al doilea factor este tendința, care se referă la creșteri sau scăderi treptate ale variabilei dependente de-a lungul observațiilor. Dacă variabila dependentă începe să crească sau să scadă odată cu schimbarea condițiilor, atunci din nou acest lucru sugerează că tratamentul a avut un efect. Poate fi deosebit de clar atunci când o tendință schimbă direcțiile—de exemplu, atunci când un comportament nedorit crește în timpul inițial, dar apoi începe să scadă odată cu introducerea tratamentului., Un al treilea factor este latența, care este timpul necesar pentru ca variabila dependentă să înceapă să se schimbe după o schimbare a condițiilor. În general, dacă o modificare a variabilei dependente începe la scurt timp după o schimbare a condițiilor, acest lucru sugerează că tratamentul a fost responsabil.în panoul superior din Figura 10.5, există schimbări destul de evidente în nivelul și tendința variabilei dependente de la condiție la condiție. Mai mult, latențele acestor schimbări sunt scurte; schimbarea se întâmplă imediat., Acest model de rezultate sugerează cu tărie că tratamentul a fost responsabil pentru modificările variabilei dependente. În panoul de Jos din Figura 10.5, cu toate acestea, modificările nivelului sunt destul de mici. Și, deși pare să existe o tendință de creștere a stării de tratament, se pare că ar putea fi o continuare a unei tendințe care a început deja în timpul perioadei de referință. Acest model de rezultate sugerează cu tărie că tratamentul nu a fost responsabil pentru nicio modificare a variabilei dependente—cel puțin nu în măsura în care cercetătorii cu un singur subiect speră de obicei să vadă.,

    Figura 10.5 Rezultatele unui Singur Subiect de Studiu Ilustrarea Nivelului, Tendinței și Latență. Inspecția vizuală a datelor sugerează un tratament eficient în panoul superior, dar un tratament ineficient în panoul inferior.

    rezultatele cercetării cu un singur subiect pot fi, de asemenea, analizate folosind proceduri statistice-iar acest lucru devine din ce în ce mai frecvent. Există multe abordări diferite, iar cercetătorii cu un singur subiect continuă să dezbată care sunt cele mai utile., O abordare paralelă cu ceea ce se face de obicei în cercetarea de grup. Abaterea medie și standard a răspunsurilor fiecărui participant în funcție de fiecare condiție sunt calculate și comparate și se aplică teste statistice inferențiale, cum ar fi testul t sau analiza varianței (Fisch, 2001). (Rețineți că media între participanți este mai puțin frecventă.) O altă abordare este de a calcula procentul de nonoverlapping date (PND) pentru fiecare participant (Scruggs & Mastropieri, 2001)., Acesta este procentul de răspunsuri în starea de tratament care sunt mai extreme decât răspunsul cel mai extrem într-o stare de control relevantă. În studiul Hall și al colegilor săi, de exemplu, toate măsurile din timpul de studiu al lui Robbie în prima afecțiune de tratament au fost mai mari decât cea mai mare măsură din prima bază, pentru un PND de 100%. Cu cât este mai mare procentul de date care nu se suprapun, cu atât efectul tratamentului este mai puternic., Totuși, abordările statistice formale ale analizei datelor în cercetarea cu un singur subiect sunt în general considerate un supliment la inspecția vizuală, nu un înlocuitor pentru aceasta.

    • proiectele de cercetare cu un singur subiect implică de obicei măsurarea variabilei dependente în mod repetat în timp și schimbarea condițiilor (de exemplu, de la momentul inițial la tratament) atunci când variabila dependentă a atins starea de echilibru. Această abordare permite cercetătorului să vadă dacă modificările variabilei independente cauzează modificări ale variabilei dependente.,
    • într-un design inversare, participantul este testat într-o stare de bază, apoi testat într-o stare de tratament, și apoi a revenit la valoarea de bază. Dacă variabila dependentă se modifică odată cu introducerea tratamentului și apoi se modifică înapoi odată cu revenirea la valoarea inițială, aceasta oferă dovezi puternice ale unui efect de tratament.
    • într-un design cu mai multe linii de bază, sunt stabilite linii de bază pentru diferiți participanți, diferite variabile dependente sau setări diferite—iar tratamentul este introdus la un moment diferit pe fiecare bază., Dacă introducerea tratamentului este urmată de o modificare a variabilei dependente pe fiecare bază, aceasta oferă dovezi puternice ale unui efect al tratamentului.
    • cercetătorii cu un singur subiect analizează de obicei datele lor prin graficarea lor și făcând judecăți cu privire la faptul dacă variabila independentă afectează variabila dependentă în funcție de nivel, tendință și latență.
    1. practică: proiectați un studiu simplu cu un singur subiect (folosind fie o inversare, fie un design cu mai multe linii de bază) pentru a răspunde la următoarele întrebări., Asigurați-vă că specificați tratamentul, definiți operațional variabila dependentă, decideți când și unde vor fi făcute observațiile și așa mai departe.
      • atenția pozitivă din partea unui părinte crește comportamentul de spălare a dinților unui copil?
      • auto-testarea în timp ce studiază îmbunătățește performanța unui student la testele de ortografie săptămânale?
      • exercițiile fizice regulate ajută la ameliorarea depresiei?
    2. practică: creați un grafic care afișează rezultatele ipotetice pentru studiul pe care l-ați proiectat în Exercițiul 1. Scrieți un paragraf în care descrieți ce arată rezultatele., Asigurați-vă că comentați nivelul, tendința și latența.

descrieri lungi

figura 10.3 descriere lungă: grafic cu linii care arată rezultatele unui studiu cu un design de inversare ABAB. Variabila dependentă a fost scăzută în prima faza inițială; a crescut în timpul primului tratament; a scăzut în cea de-a doua bază, dar era încă mai mare decât în prima referință; și a fost mai mare în a doua fază de tratament. figura 10.,4 descriere lungă: trei grafice de linie care arată rezultatele unui studiu generic de bază multiplă, în care sunt stabilite linii de bază diferite și tratamentul este introdus participanților la momente diferite.

pentru valoarea inițială 1, tratamentul este introdus un sfert din calea în studiu. Variabila dependentă variază între 12 și 16 unități în timpul perioadei inițiale, dar scade până la 10 unități cu tratament și scade în cea mai mare parte până la sfârșitul studiului, variind între 4 și 10 unități.

pentru valoarea inițială 2, tratamentul este introdus la jumătatea studiului., Variabila dependentă variază între 10 și 15 unități în timpul liniei de bază, apoi are o scădere accentuată la 7 unități atunci când este introdus tratamentul. Cu toate acestea, variabila dependentă crește la 12 unități la scurt timp după scădere și variază între 8 și 10 unități până la sfârșitul studiului.

pentru valoarea inițială 3, tratamentul este introdus trei sferturi din calea în studiu. Variabila dependentă variază între 12 și 16 unități în cea mai mare parte în timpul liniei de bază, cu o scădere până la 10 unități., Când se introduce tratamentul, variabila dependentă scade la 10 unități și apoi variază între 8 și 9 unități până la sfârșitul studiului. figura 10.5 descriere lungă: două grafice care arată rezultatele unui studiu generic cu un singur subiect cu un design ABA. În primul grafic, în condiția A, nivelul este ridicat, iar tendința este în creștere. În condiția B, nivelul este mult mai mic decât în condiția A, iar tendința este în scădere. Sub condiția A din nou, nivelul este la fel de mare ca prima dată, iar tendința este în creștere., Pentru fiecare schimbare, latența este scurtă, sugerând că tratamentul este motivul schimbării.

în al doilea grafic, sub condiția A, nivelul este relativ scăzut, iar tendința este în creștere. În cazul condiției B, nivelul este puțin mai mare decât în timpul condiției A, iar tendința crește ușor. În condiția A din nou, nivelul este puțin mai mic decât în timpul condiției B, iar tendința scade ușor. Este dificil să se determine latența acestor modificări, deoarece fiecare schimbare este mai degrabă minut, ceea ce sugerează că tratamentul este ineficient., cercetătorul așteaptă până când comportamentul participantului într-o singură condiție devine destul de consistent de la observație la observație înainte de a schimba condițiile. În acest fel, orice schimbare în condiții va fi ușor de detectat.

o metodă de studiu în care cercetătorul colectează date cu privire la o stare de bază, introduce tratamentul și continuă observarea până când se ajunge la o stare de echilibru, și în cele din urmă elimină tratamentul și observă participantul până când a reveni la o stare de echilibru.,

nivelul de răspuns înainte de introducerea oricărui tratament și, prin urmare, acționează ca un fel de condiție de control.o fază inițială este urmată de faze separate în care sunt introduse diferite tratamente.două sau mai multe tratamente sunt alternate relativ repede într-un program regulat.

o bază este stabilită pentru mai mulți participanți, iar tratamentul este apoi introdus fiecărui participant la un moment diferit.,trasarea datelor participanților individuali, examinarea datelor, și de a face judecăți cu privire la dacă și în ce măsură variabila independentă a avut un efect asupra variabilei dependente.dacă datele sunt mai mari sau mai mici pe baza unei inspecții vizuale a datelor; o modificare a nivelului implică faptul că tratamentul introdus a avut un efect.

creșterile sau scăderile treptate ale variabilei dependente de-a lungul observațiilor.

timpul necesar pentru variabila dependentă pentru a începe schimbarea după o schimbare în condiții.,procentul de răspunsuri din starea de tratament care sunt mai extreme decât răspunsul cel mai extrem într-o stare de control relevantă.