Miten valitsen oikean tiedonkeruumenetelmän ABA-ohjelmaani?

Sovelletun käyttäytymisanalyysin (Applied Behavior Analysis, ABA) ala tukeutuu vahvasti tietoon, jotta voidaan tehdä perusteltuja hoitopäätöksiä. Alan ammattilaisten on valittava tiedonkeruumenetelmä, jolla mitataan oikeaa käyttäytymistä. He analysoivat tietoja määrittääkseen interventioiden tehokkuuden. Jos tiedot osoittavat edistystä, interventioita jatketaan. Jos tiedot paljastavat suuntauksen väärään suuntaan, ammattilainen muuttaa interventiota.

Oikea tiedonkeruujärjestelmä tuottaa tietoa, jota tarvitaan ohjelmoinnin tehokkuuden määrittämiseen. Valitse joko jatkuva tiedonkeruumenetelmä (taajuus, nopeus, kesto tai latenssi) tai epäjatkuva tiedonkeruumenetelmä (osittainen aikaväli, koko aikaväli tai hetkellinen aikanäytteenotto). Oikea menetelmä tuottaa tarkkoja tietoja, jotka ovat herkkiä käyttäytymisen muutokselle. Jatkuvatoimiset menetelmät tuottavat tarkimmat tiedot, vaikka niitä voi olla vaikea käyttää kiireisissä ympäristöissä. Epäjatkuvat menetelmät tarjoavat arvion käyttäytymisen esiintymisestä, mutta niitä voidaan käyttää myös silloin, kun henkilökunta ei voi seurata oppijan käyttäytymistä koko istunnon ajan.

Lataa tämä infograafi, jotta voit pitää tiedot tuoreina!

Katso alta, jos haluat ladata tietolomakepohjia!

Jatkuva tiedonkeruu

Jatkuvilla tiedonkeruumenetelmillä mitataan käyttäytymisen jokaista esiintymistä. Nämä menetelmät joko laskevat jokaisen käyttäytymistapauksen tai tietyn ajan, jolloin käyttäytyminen esiintyy. Näiden menetelmien avulla voidaan mitata käyttäytymistä perusulottuvuuksia pitkin ja havaita tarkasti käyttäytymisen muutos. Valitse jatkuva menetelmä, kun ohjelmointi edellyttää käyttäytymisen täydellistä tallentamista. Useat eri järjestelmät tarjoavat jatkuvia tietoja.

Tiheys

Tiheys tarjoaa yksinkertaisen laskennan esiintyvästä käyttäytymisestä. Tallenna käyttäytymisen taajuus käyttämällä laskentamerkkejä, naksutinta tai jopa pieniä esineitä. Pienten helmien siirtäminen taskusta toiseen käyttäytymisen esiintyessä tarjoaa yksinkertaisen tavan laskea käyttäytymisen esiintymistä. Kun istunto on päättynyt, laske helmien määrä ja merkitse se tietolomakkeelle. Käytä taajuusmittausta silloin, kun käyttäytymisellä:

• on selkeä alku ja loppu
• esiintyy sellaisella nopeudella, että se voidaan laskea tarkasti

Tiheydellä mitataan sekä toivottua että ei-toivottua käyttäytymistä, kuten sitä, kuinka monta kertaa asiakkaasi pissaa pottaan tai heittää leluja. Henkilökunnan on helppo kerätä yksinkertaisia frekvenssilukuja; niissä ei kuitenkaan oteta huomioon sitä, kuinka kauan kukin istunto kestää, ja ne voivat olla harhaanjohtavia, kun istunnon kesto vaihtelee suuresti. Esimerkiksi 10 käyttäytymiskertaa 30 minuutin istunnon aikana on aivan eri asia kuin 10 käyttäytymiskertaa neljän tunnin istunnon aikana.

Rate

Rate-mittaukset tasoittavat tilannetta istunnon keston suhteen. Ne kuvastavat tietyn ajanjakson aikana esiintyvän käyttäytymisen tiheyttä. Tämäntyyppiset tiedot antavat enemmän tietoa kuin pelkät frekvenssitiedot, ja ne ovat yleensä tarkempi esitys käyttäytymisestä. Kun haluat laskea nopeuden, jaa taajuus istunnon kestolla (esim. minuutit tai tunnit). Nopeus ilmaistaan lukuna aikayksikköä kohti (esim. 6 tapausta tunnissa tai 12 tapausta minuutissa).

Käytä nopeustietoja, kun:

• Session kesto on epäjohdonmukainen
• Mittaat käyttäytymistä joissakin osissa päivää, mutta et toisissa osissa

Kuten muitakin jatkuvia tiedonkeruumenetelmiä, nopeustietoja voidaan käyttää dokumentoimaan käyttäytymismuotoja, joita on tarkoitus lisätä tai vähentää. Voit halutessasi käyttää nopeustietoja määrittääksesi, kuinka monta kertaa tunnissa asiakkaasi käsittelee jotain haluamaansa asiaa tai harjoittaa aggressiivista käyttäytymistä.

Kesto

Kestotiedot mittaavat, kuinka kauan käyttäytyminen kestää alusta loppuun. Kun ammattilaiset määrittelevät käyttäytymistä, jota kerätään keston tallentamisella, heidän on määriteltävä alkamis- ja päättymisajankohta tarkan mittauksen varmistamiseksi. Luotettavimmat kestotiedot saadaan tiedonkeruusovelluksen sekuntikellolla tai ajastimella. Vältä arvioimasta kestoa odottamalla henkilökunnan katsovan kelloa tai rannekelloa ajan mittaamiseksi. Käytä keston tallentamista silloin, kun käyttäytymisellä:

• on epäselvä alku ja loppu
• kestää epäjohdonmukaisen kauan

Taas, kestolla voidaan mitata sekä käyttäytymistä, jota halutaan lisätä, että käyttäytymistä, jota halutaan vähentää. Mielikuvitusleikkiin tai kiukutteluun käytetyn ajan määrä ovat esimerkkejä käyttäytymisestä, jota voisit mitata kestotietojen avulla.

Latenssi

Latenssi mittaa aikaa erottelevan ärsykkeen (SD) ja vasteen välillä. Tämän mittarin avulla voit arvioida tiettyyn ärsykkeeseen vastaamisen nopeutta. Voit esimerkiksi käyttää latenssitietoja lisätäksesi reagointinopeutta DTT:n aikana (lyhentämällä latenssia) tai vähentääksesi reagointinopeutta ennen koko SD:n kuulemista DTT:n aikana (lyhentämällä latenssia). Käytä latenssitietoja, kun:

• Vastaukset tapahtuvat liian hitaasti tai liian nopeasti SD:n jälkeen

Latenssimittaukset antavat hyvin spesifistä tietoa. Latenssin tallentamiseksi käynnistä aika sekuntikellolla SD:n antamisen jälkeen ja pysäytä aika heti, kun oppija alkaa reagoida.

Lisätietoa jatkuvasta tiedonkeruusta:

Epäjatkuva tiedonkeruu

Epäjatkuvilla tiedonkeruujärjestelmillä mitataan vain otos käyttäytymisestä, joka tapahtuu pilkkomalla istunto pieniin aikaväleihin. Vaikka nämä tiedot ovat mahdollisesti epätarkempia kuin jatkuvatoimiset tiedonkeruumenetelmät, niitä on helpompi kerätä kiireisissä ympäristöissä. Jokaisessa epäjatkuvan mittauksen menetelmässä on luontainen virhe (Fiske & Delmolino, 2012). Kun valitset epäjatkuvaa mittausmenetelmää, ota nämä virheet huolellisesti huomioon. Alla olevassa taulukossa kuvataan näitä virheitä.

Epäjatkuva mittausmenetelmä	Virhetyyppi	Käyttö:
Partial Interval Recording	Overestimates the occurrence of behavior	Behavior decrease
Whole Interval Recording	Underestimates käyttäytymisen esiintymistä	Käyttäytymisen lisääntyminen
Momenttiajan näytteenotto	Ei yli- eikä aliarvioi käyttäytymisen esiintymistä	Korkea taajuus, käyttäytymisen lisääntyminen

Partial Interval

Partial Interval data jakaa istunnon yhtä suuriin osiin (intervalleihin). Kirjataan ylös, jos käyttäytyminen tapahtui jossakin vaiheessa kyseisen jakson aikana. Koska käyttäytymisen tarvitsee esiintyä vain kerran tai vain pienen osan jaksosta, osittainen jaksotieto yliarvioi käyttäytymisen esiintymisen. Käytä osittaista intervallirekisteröintiä, kun:

• Käyttäytymisellä ei ole selkeää alkamis- ja loppumisajankohtaa
• Käyttäytymistä esiintyy niin paljon, että on epäkäytännöllistä yrittää laskea jokaista esiintymiskertaa
• Käyttäytymisen esiintymistiheyden estimaatti on hyväksyttävä

Käyttäytymisen toistuvuuden arviointi on hyväksyttävää

Muista, että koska osittaisten intervallien aineisto antaa käyttäytymismuodon esiintyvyydelle liikaa arvioita, sinun kannattaa käyttää tilanteesi kannalta käytännöllisinä pidettäviä, kaikkein pienimpiä intervalleja. Mitä suurempi väli on, sitä enemmän tiedot paisuvat. Tämän menetelmän yliarvioinnin vuoksi ammattilaiset käyttävät usein osittaista aikaväliä dokumentoidakseen käyttäytymistä, jota pyritään vähentämään. Esimerkkejä käyttäytymisistä, joita voit kirjata käyttämällä osittaista intervallidataa, ovat stereotypioiden tai huutamisen esiintyminen koko päivän ajan, jos kumpaakin käyttäytymistä esiintyy paljon.

Koska henkilökunnan tarvitsee kiinnittää huomiota käyttäytymiseen vain silloin, kun sitä esiintyy, osittainen intervallirekisteröinti voi olla kiireiselle henkilökunnalle tehokkaampi tapa kerätä tietoja kuin tietyn käyttäytymisen jokaisen esiintymisen seuraaminen ja laskeminen.

Kokonaisen intervallin

Kokonaisen intervallin datassa istunto taasen hajotetaan yhtä suuriin osiin (intervalleihin). Kirjaa, esiintyykö käyttäytymistä koko jakson ajan. Koska käyttäytymisen on tapahduttava koko jakson ajan, tämä menetelmä aliarvioi kohdekäyttäytymisen esiintymisen. Käytä koko intervallin mittaista tallennusta silloin, kun:

• Käyttäytymistä esiintyy pitkiä aikoja
• Keston mittaista tallennusta ei ole käytännöllistä käyttää ympäristössäsi
• Käyttäytymisen yliarviointi on hyväksyttävää

Koska tämä menetelmä aliarvioi käyttäytymisen esiintymisen, haluat käyttää pienintä käytännöllistä aikaväliä tilanteessasi varmistaaksesi käyttäytymisen mahdollisimman tarkan kuvauksen. Käyttäytymisen esiintymisen aliarvioinnin vuoksi ammattilaiset käyttävät usein kokonaista väliä dokumentoidakseen käyttäytymiskohteita, joita pyritään lisäämään. Tällaisia käyttäytymismuotoja voivat olla esimerkiksi pöytätyöskentelyyn tai toiminnalliseen leikkiin käytetyn ajan määrä, olettaen, että nämä esiintyvät merkittävinä ajanjaksoina lapsen päivästä.

Hetkittäinen ajanotto

Hetkittäinen ajanotto ottaa nopean tilannekuvan siitä, esiintyykö käyttäytymistä vai ei. Määritä sopiva aikaväli perustietojen perusteella. Kun aikaväli on kulunut, kirjoita, esiintyykö käyttäytymistä kyseisenä ajankohtana vai ei. Tämä tiedonkeruumenetelmä ei yli- eikä aliarvioi käyttäytymistä; koska jokaista käyttäytymistapausta ei kuitenkaan kirjata, tiedot ovat paljon epätarkempia kuin jatkuva tiedonkeruu. Käytä hetkellistä aikanäytteenottoa, kun:

• Muut tiedonkeruumenetelmät ovat tilanteessasi epäkäytännöllisiä
• Luotat tiedonkeruussa johonkin muuhun henkilöön, joka ei pysty muiden velvollisuuksien vuoksi seuraamaan käyttäytymistä jatkuvasti
• Ei ole välttämätöntä varmistaa, että saat käyttäytymisestä täydellisen tallenteen

Hetkittäinen aikanäytteenottomenetelmä ei tuota luotettavaa tietoa; kiireiset ammattilaiset pystyvät kuitenkin keräämään tietoa käyttäytymisestä silloin, kun heillä ei ole mahdollisuutta olla lapsen seurassa pitkiä aikoja. Hetkellinen aikanäytteenotto voi antaa riittävästi tietoa käyttäytymisestä, kuten itsenäisestä työskentelystä koulussa tai yksin leikkimisestä kotona.

Muut tiedonkeruumenetelmät

Edellä mainitut tiedonkeruumenetelmät mahdollistavat laajimman sovelluskohteen, kun halutaan saada tietoa havaitun käyttäytymisen esiintymisestä. Yllä oleva luettelo vastaa suurimpaan osaan ABA-alan ammattilaisten tiedonkeruutarpeista. Muut menetelmät kaappaavat tietoa, joka jää puuttumaan kyseisiä menetelmiä käytettäessä. Alla olevia tiedonkeruujärjestelmiä käytetään harvemmin ja spesifimpiin tarkoituksiin kuin edellä lueteltuja menetelmiä.

ABC-tiedonkeruu

ABC-tiedonkeruu on usein kriittinen osa toiminnallisen käyttäytymisen arvioinnin (FBA) suorittamisessa. Tässä tiedonkeruumenetelmässä tarkastellaan, mitä tapahtuu juuri ennen ja juuri sen jälkeen käyttäytymistä, josta olet kiinnostunut. Tämä mahdollistaa käyttäytymisen kontekstin analysoinnin, jonka avulla voidaan aloittaa mahdollisen toiminnon määrittäminen. Vaikka ABC-tietojen keräämiseen on monia tapoja, yksi yksinkertainen menetelmä on luoda lomake, jossa on valintaruutuja yleisesti esiintyviä edeltäviä tekijöitä, käyttäytymistä ja seurauksia varten. Tämä ei ainoastaan tee tiedonkeruusta yksinkertaisempaa, vaan tarjoaa myös helpomman menetelmän näiden tietojen analysointiin.

ABC Data Collection Templates (kuten kirjassamme ABA Fundamentals for Parents (ABA:n perusteet vanhemmille), joka on saatavana myös Amazonista sekä paperback- että Kindle-versiona)

Lisätietoa ABC:n mukaisesta tiedonkeruusta löydät postauksistamme: Using ABC Data to Make Informed Decisions and What is the Difference Between Functional Analysis and Functional Behavior Assessment? on Accessible ABA.

Scatterplot

Scatterplot antaa tietoa käyttäytymisen esiintymisestä päivän eri osissa, joko aikaväleillä tai toiminnoissa. Tämä menetelmä mahdollistaa visuaalisen analyysin sen määrittämiseksi, onko malleja olemassa. Alla olevassa esimerkissä päivä on jaettu yhden tunnin mittaisiin aikalohkoihin, minkä jälkeen siinä on tilaa verrata tietoja koko viikon ajalta. Tässä tietolomakkeessa on myös tilaa dokumentoida sijainti. Näin voit yhdellä silmäyksellä nähdä, että käyttäytyminen on yleisintä klo 19-20 kotona. Vaikka se ei anna tarkkaa käyttäytymisen lukumäärää, tämän tiedon avulla voit määrittää, milloin sinun pitäisi kerätä tarkempia tietoja.

Blanko Scatterplot (kuten kirjassamme ABA Fundamentals for Parents (ABA:n perusteet vanhemmille), joka on saatavana myös Amazonista sekä paperback- että Kindle-versiona)

Pysyvä tuotos

Pysyvä tuotostieto tarjoaa ammattihenkilölle tavan, jonka avulla hän voi arvioida käyttäytymisen esiintymisen sen jälkeen, kun käyttäytyminen on loppunut. Tällä tiedonkeruumenetelmällä ammattilaisen ei tarvitse olla käytettävissä havainnoidakseen käyttäytymistä sen tapahtuessa. Koulut käyttävät tästä syystä paljon pysyvän tuotetiedon tallentamista. Opettaja ei pysty tarkkailemaan jokaista oppilastaan heidän työskennellessään, mutta hän voi tarkastella heidän tuottamiaan pysyviä tuotteita (esim. työpapereita, projekteja, videoita jne.).

Probe

Probe-dataa yksinkertaisesti testataan sen määrittämiseksi, esiintyykö käyttäytymistä tietyssä tilanteessa vai ei. Pyrkiessään varmistamaan, että tiedonkeruu ei häiritse opetusmenetelmiä, ammattihenkilö voi halutessaan käyttää tiettyjen kohteiden kohdalla pelkkää koettimen tiedonkeruujärjestelmää. Jos ammattilainen päättää tehdä luotaimen ennen opetuskokeiluja, kutsumme tätä ”kylmäksi luotaimeksi”. Koetietojen avulla ammattilainen voi keskittää huomionsa opetusmenetelmiin, kuten virheettömään oppimiseen ja kehotusten häivyttämistekniikoihin. Tämä tietojärjestelmä on hyödyllisin silloin, kun asiakkaan kanssa työskentelee rajallinen määrä henkilöitä, jotka eivät luota tietoihin tietääkseen oikean kehotetason opetuksen aikana.

Kunkin tiedonkeruumenetelmän edut ja haitat

Kullakin tiedonkeruumenetelmällä on omat ainutlaatuiset etunsa ja haittansa. Harkitse näitä huolellisesti ennen kuin päätät, mitä järjestelmää käytät.

	Edut	Haitat
Jatkuva tiedonkeruu Tiedonkeruu	~Tarkin ~Herkkä pienille muutoksille käyttäytymisessä	~Edellyttää jatkuvaa havainnointia ~ Vaikea käyttää ilman 1:1 työntekijä
Epäjatkuva tiedon keruu	~Helpompi käyttää kiireisessä ympäristössä ~Tarjoaa riittävästi tietoa. moneen tilanteeseen ~voi seurata hyvin korkeataajuista käyttäytymistä	~vain arvio käyttäytymisestä ~pitää ottaa huomioon yli- tai aliarviointi kun analysoidaan tietoja ~voi tarvita enemmän aikaa käyttäytymisen muutosten havaitsemiseen

Tiedonkeruumenetelmän valinta

Valitsemasi tiedonkeruumenetelmän on tuotettava tarkkoja tietoja, mitata tuloksia ja olla herkkä muutoksille mitattavassa käyttäytymisessä (Fiske & Delmolino, 2012). Tiedonkeruun tarkkuuteen vaikuttavat monet tekijät, kuten:

• Toiminnallinen määritelmä
• Interventiohenkilöstön koulutus
• Valittavan tiedonkeruujärjestelmän tyyppi

Lisätietoa selkeiden toiminnallisten määritelmien laatimisesta löydät postauksestamme: Clearly Define the Behavior on Accessible ABA.

Tiedonkeruumenetelmien tutkimus

Monissa tutkimuksissa arvioidaan eri tiedonkeruumenetelmien käyttöä tutkimuksissa. Kahdessa tutkimuksessa arvioidaan tätä suuntausta eri ajanjaksoina. Kelly (1977) tarkasteli The Journal of Applied Behavior Analysis -lehdessä vuosina 1968-1975 julkaistuja tutkimuksia ja Mudford, Taylor ja Martin (2009). Heidän tutkimuksensa tulokset on esitetty alla olevassa taulukossa.

Aikajakso	Jatkuvatiedonkeruumenetelmät	Jatkuvatiedonkeruumenetelmät
1968-1975	59 %	41 %
1995-…2005	55%	45%

Vertailu 40 vuoden ajanjaksolla ensimmäisen tutkimuksen alusta seurantatutkimuksen loppuun, tutkijat tasapainottivat jatkuvien ja epäjatkuvien tiedonkeruumenetelmien käyttöä. Vaikka epäjatkuvilla tiedonkeruumenetelmillä on arvonsa, ne eivät kykene kvantifioimaan käyttäytymisen perusulottuvuuksia (Fiske & Delmolino, 2012). Sähköisten tiedonkeruujärjestelmien käyttöönoton myötä jatkuvat tiedonkeruumenetelmät ovat käytännöllisempiä ja tehokkaampia kuin silloin, kun käytössä oli vain paperi- ja kynätekniikkaa. Vaikka tämän pitäisi johtaa siihen, että tutkijat luottavat enemmän jatkuviin tiedonkeruumenetelmiin, tutkimukset paljastavat, että näin ei välttämättä ole.

Tekijöitä, jotka on otettava huomioon tiedonkeruumenetelmää valittaessa

Määrittäessäsi, mikä tiedonkeruumenetelmä sopii tarpeisiisi, sinun on otettava huomioon monia tekijöitä, mukaan lukien:

• Onko käyttäytyminen potentiaalisesti vaarallista?
• Käyttäytyykö käyttäytyminen uhkaavasti yksilön sijoittumista?
• Miten usein käyttäytymistä esiintyy tyypillisesti?
• Käyttäytyykö käyttäytyminen tietyn ajanjakson aikana?
• Onko käyttäytymisellä selkeä alku ja loppu?
• Kuka kerää tietoja?
• Kuinka kauan käyttäytyminen yleensä kestää?
• Onko kyseessä käyttäytymisvaje vai -ylijäämä?

Fiske ja Delmolino (2012) antoivat selkeät ohjeet jatkuvan ja epäjatkuvan tiedonkeruumenetelmän valintaan. Alla olevassa taulukossa on kuvaus heidän suosituksistaan.

Jatkuva tiedonkeruumenetelmä	Epäjatkuva tiedonkeruumenetelmä
Diskreetit käyttäytymismuodot, joilla on selkeä alku ja offset	Yksiselitteiset tauot käyttäytymisen esiintymisen välillä
Interventiohoitaja voi kirjata tarkasti jokaisen tapauksen	Käyttäytyminen tapahtuu hyvin usein
Käyttäytymisen kirjaaminen yksitellen	Käyttäytymisen kirjaaminen samanaikaisesti
Interventiohoitaja vastaa yhdestä oppijasta	Interventiohenkilöltä vaaditaan useita tehtäviä kerralla

Serious, vaarallinen tai vakava käyttäytyminen edellyttää järjestelmää, joka tuottaa tarkkoja tietoja. Harkitse vahvasti jatkuvan tiedonkeruun käyttöä, kun puutut tällaiseen käyttäytymiseen. Poikkeuksellisen usein esiintyvät käyttäytymismuodot saattavat vaatia tarkkuuden vuoksi epäjatkuvaa tiedonkeruumenetelmää. Jos luotat tietojen keräämisessä vanhempiin tai opettajiin, sinun tulisi harkita epäjatkuvia menetelmiä. Kun otat kaikki nämä tekijät huomioon, voit valita tehokkaimman ja toimivimman tiedonkeruujärjestelmän ABA-ohjelmaasi.

Valmiina aloittamaan tiedonkeruun? Lataa alla olevat tietolomakkeet, niin pääset vauhtiin!

Viitteet ja lisälukemisto

Fiske, K., & Delmolino, L. (2012). Epäjatkuvien tiedonkeruumenetelmien käyttö käyttäytymisinterventiossa: Ohjeita ammatinharjoittajille. Behavior Analysis in Practice, 5(2), 77-81.

Kelly, M. B. (1977). Katsaus Journal of Applied Behavior Analysis -lehdessä raportoituihin havainnointitiedonkeruu- ja luotettavuusmenettelyihin. Journal of Applied Behavior Analysis, 10(1), 97-101.

Mudford, O. C., Beale, I. L., & Singh, N. N. (1990). Eri pituisten havainnointiotosten edustavuus. Journal of Applied Behavior Analysis, 23(3), 323-331.

Mudford, O. C., Taylor, S. A., & Martin, N. T. (2009). Journal of Applied Behavior Analysis -lehdessä raportoidut jatkuvan kirjaamisen ja tarkkailijoiden välisen sopimuksen algoritmit (1995-2005). Journal of Applied Behavior Analysis, 42(1), 165-169.

Repp, A. C., Roberts, D. M., Slack, D. J., Repp, C. F., & Berkler, M. S. (1976). Taajuus-, intervalli- ja aikanäytteenottomenetelmien vertailu tiedonkeruussa. Journal of Applied Behavior Analysis, 9(4), 501-508.