Hoofdstuk 14: Single-Subject Research Designs Flashcards
Single-subjectsdesigns of single-casedesigns
onderzoeksdesigns dat de resultaten van één enkele participant of subject gebruiken om het bestaan van oorzaak-gevolgrelaties vast te stellen. Om zich te kwalificeren als experimenten moeten deze designs manipulatie van een onafhankelijke variabele bevatten en controle van vreemde variabelen om alternatieve verklaringen voor de onderzoeksresultaten te voorkomen.
De resultaten van een SSD evalueren
Bij SSD wordt er geen score-set bekomen zoals bij andere studies, wel een visuele grafiek van de
simpele data van het onderzoek. Een verandering in de grafiek toont niet noodzakelijk een oorzaakgevolg relatie aan
Een fase
een reeks observaties van hetzelfde individu onder dezelfde condities.
Baselineobservaties
Observaties die gemaakt zijn wanneer er geen behandeling uitgevoerd werd.
Een reeks baselineobservaties noemen we een baselinefase en wordt geïdentificeerd door de letter
A.
Behandelingsobservaties
observaties die gemaakt zijn wanneer er wel een behandeling uitgevoerd werd. Een reeks behandelingsobservaties noemen we een behandelingsfase en wordt geïdentificeerd door de letter B.
level
Een consistent level komt voor wanneer een reeks metingen ongeveer allemaal dezelfde grootte
hebben. In een grafiek clusteren de reeks datapunten rond een horizontale lijn.
De reeks observaties moeten een duidelijk patroon weergeven dat het gedrag beschrijft. Het level
van gedrag is een manier om een patroon binnen een fase te beschrijven. Level refereert naar de
‘grootte’ van iemands antwoorden.
trend
Een consistente trend komt voor wanneer de verschillen tussen de metingen consistent in dezelfde
richting gaan en ongeveer dezelfde grootte hebben. In een grafiek clusteren de reeks datapunten
rond een schuine lijn.
Trend verwijst naar een consistente stijging/daling in de ‘grootte’/’zwaarte’ van gedrag.
stabiliteit
De stabiliteit van een reeks observaties verwijst naar de mate waarin de observaties een patroon
tonen van een consistent level of consistente trend. Stabiele data vertonen weinig variatie van een
perfect consistent patroon, de variatie is relatief klein en het lineair patroon relatief duidelijk.
De kritische factor is stabiliteit in de data. Wanneer een rechte lijn gevormd kan worden is de data
stabiel (dit moet niet perfect recht zijn). Als er grote verschillen zijn, is de date onstabiel (desastreus
voor interne validiteit).
Omgaan met onstabiele data
Wanneer data onstabiele lijkt te zijn, kunnen onderzoekers enkele technieken hanteren om toch een
stabiel patroon bloot te geven.
• Wachten: observaties blijven maken en hopen dat de data zal stabiliseren en een patroon zal
onthullen. Soms kan een participant onverwachts reageren door de nieuwigheid van
waargenomen te worden. Na een paar dagen zal de nieuwigheid vervallen en de data
stabieler worden.
• Het gemiddelde nemen van twee of meer observaties: vb. gemiddelde van data van dag 1
en dag 2 samennemen, dag 3 en dag 4 samennemen…
• Patronen zoeken in de onstabiliteit of redenen zoeken voor de onstabiliteit en deze
aanpakken.
faseverandering
Een fase bestaat uit een reeks observatie van hetzelfde individu onder dezelfde omstandigheden.
Een faseverandering omvat het veranderen van de omstandigheden, meestal door het uitvoeren of
stoppen van een behandeling.
Wanneer de data in een baseline verbetering toont kan de onderzoeker beter geen behandeling inlassen, om 2 redenen:
- Klinische reden: wanneer er al verbetering is, is er nog geen nood aan een verandering.
- Experimentele reden: verandering zou geen betrouwbare resultaten opleveren.
Visuele inspectietechnieken
De visuele inspectie van SSD-data is een zeer subjectieve taak en verschillende waarnemers
interpreteren gegevens vaak op verschillende manieren. Gelukkig zijn er richtlijnen die de aandacht
vestigen op specifieke aspecten van de data en observeerders helpen beslissen of een
faseverandering een echte patroonverandering heeft veroorzaakt.
Kazdin heeft vier specifieke kenmerken van SSD-data geïdentificeerd die helpen bepalen of er een
zinvolle verandering tussen fasen is:
- Verandering in gemiddeld level: grote veranderingen in gemiddelden (voor en na een fase)
is een teken van echte verschillen. - Directe verandering in level: het laatste datapunt van een fase vergelijken met het eerste in
de volgende fase. Een groot verschil toont een plotse reactie van de participant aan! - Verandering in trend: wanneer de geobserveerde trend in een fase opvallend verschillend is
van die in een andere, is dat een duidelijke indicatie van een verschil tussen fases. - Latentie van verandering (reactietijd): als het gedrag enkele dagen na het introduceren van
een behandeling op het baseline-niveau blijft, geeft het gedrag geen duidelijk resultaat van
de behandeling. Deze techniek biedt het meest overtuigende bewijs.
Een ABAB-design of een omkeringsdesign
een single-subject experimenteel design dat bestaat uit 4 fasen: een baselinefase, een behandelingsfase, een terug-naar-baselinefase en een tweede behandelingsfase.
Beperkingen van het ABAB-design
Het eerste probleem m.b.t. het stopzetten van de behandeling is gericht op de reactie van de
participanten. Hoewel de onderzoeker mogelijk terugkeert naar de baseline door de behandeling te
verwijderen, keert het gedrag van de deelnemer mogelijk niet terug naar de baseline.
Het tweede probleem met een ABAB-design betreft de ethische kwestie van het intrekken van een
succesvolle behandeling.
