Hur väljer jag rätt datainsamlingsmetod för mitt ABA-program?

Att området tillämpad beteendeanalys (ABA) är starkt beroende av data för att fatta välgrundade behandlingsbeslut. Yrkesverksamma inom området måste välja den datainsamlingsmetod som mäter rätt beteende. De analyserar data för att avgöra hur effektiva insatserna är. Om uppgifterna visar på framsteg fortsätter interventionerna. Om data avslöjar en trend i fel riktning ändrar yrkesutövaren interventionen.

Rätt datainsamlingssystem ger information som behövs för att fastställa programmens effektivitet. Välj antingen en kontinuerlig datainsamlingsmetod (frekvens, hastighet, varaktighet eller latens) eller en diskontinuerlig datainsamlingsmetod (partiellt intervall, helt intervall eller momentan tidsprovtagning). Rätt metod ger exakta data som är känsliga för beteendeförändringar. Kontinuerliga metoder ger de mest exakta uppgifterna, även om de kan vara svåra att använda i upptagna miljöer. Diskontinuerliga metoder ger en uppskattning av beteendets förekomst, men kan användas även när personalen inte kan vara uppmärksam på inlärarens beteende under hela sessionen.

Ladda ner den här infografiken för att hjälpa dig att hålla informationen uppdaterad!

Se nedan för att ladda ner mallar för datablad!

Kontinuerlig datainsamling

Kontinuerliga datainsamlingsmetoder mäter varje förekomst av ett beteende. Dessa metoder räknar antingen varje instans av beteendet eller den specifika tid som ett beteende förekommer. Med dessa metoder kan du mäta beteendet längs de grundläggande dimensionerna och noggrant upptäcka förändringar i beteendet. Välj en kontinuerlig metod när programmeringen kräver en fullständig registrering av beteendet. Flera olika system tillhandahåller kontinuerliga data.

Frekvens

Frekvens ger en enkel räkning av det beteende som förekommer. Registrera beteendets frekvens med hjälp av tallymarkeringar, en klickare eller till och med små föremål. Att flytta små pärlor från en ficka till en annan när ett beteende inträffar ger ett enkelt sätt att diskret räkna förekomsten av beteendet. När sessionen är slut, räkna antalet pärlor och skriv in det antalet på ditt datablad. Använd frekvensmätning när beteendena:

• Har en tydlig början och ett tydligt slut
• Förekommer i en takt som exakt kan räknas

Frekvens mäter både önskvärt och oönskat beteende, t.ex. hur många gånger din klient kissar på pottan eller kastar leksaker. Enkla frekvensräkningar är lätta för personalen att samla in; de tar dock inte hänsyn till hur lång tid varje session är och kan vara missvisande när sessionens längd varierar kraftigt. Till exempel är 10 fall av beteende som inträffar under en 30-minuters session helt annorlunda än 10 fall som inträffar under en 4-timmars session.

Rate

Rate-mätningar jämnar ut spelplanen när det gäller sessionens längd. De återspeglar frekvensen av ett beteende som inträffar under en viss tidsperiod. Denna typ av data ger dig mer information än enbart frekvensdata och är vanligtvis en mer exakt representation av beteendet. För att beräkna hastigheten dividerar du frekvensen med sessionens längd (dvs. minuter eller timmar). Hastigheten uttrycks som ett antal per tidsenhet (dvs. 6 tillfällen per timme eller 12 tillfällen per minut).

Använd hastighetsdata när:

• Sessionens varaktighet är inkonsekvent
• Du mäter beteendet under vissa delar av dygnet, men inte under andra delar av dygnet

Som med andra kontinuerliga datainsamlingsåtgärder kan hastighetsdata användas för att dokumentera beteenden som är inriktade på att öka eller minska. Du kan välja att använda hastighetsdata för att fastställa hur många gånger per timme din klient mansar efter något han vill ha eller ägnar sig åt aggressiva beteenden.

Duration

Durationsdata mäter hur länge ett beteende varar från början till slut. När man definierar beteenden som ska samlas in med varaktighetsregistrering måste yrkesverksamma identifiera en början och en förskjutning för att säkerställa en korrekt mätning. Ett stoppur eller en timer i en app för datainsamling ger de mest tillförlitliga varaktighetsdata. Undvik att uppskatta varaktighet genom att förvänta dig att personalen tittar på en klocka eller ett ur för att mäta tiden. Använd registrering av varaktighet när beteendena:

• Har otydlig början och slut
• Durar under en inkonsekvent tidsperiod

Också varaktighet kan mäta både beteenden som du vill öka och beteenden som du vill minska. Mängden tid som spenderas på fantasifull lek eller på ett raseriutbrott är exempel på beteenden som du kan mäta med hjälp av uppgifter om varaktighet.

Latency

Latency mäter tiden mellan det diskriminerande stimuli (SD) och svaret. Med detta mått kan du utvärdera hur snabbt du svarar på ett visst stimulus. Du kan till exempel använda latensdata för att öka svarshastigheten under DTT (genom att minska latensen) eller för att minska svarshastigheten innan du hör hela SD under DTT (genom att öka latensen). Använd latensdata när:

• Responsen sker för långsamt eller för snabbt efter SD

Latensmått ger mycket specifik information. För att registrera latenstid, starta tiden på ett stoppur efter leveransen av SD och stoppa tiden så snart inläraren börjar svara.

Lär dig mer om kontinuerlig datainsamling:

Diskontinuerlig datainsamling

System för diskontinuerlig datainsamling mäter endast ett urval av det beteende som inträffar genom att bryta ner sessionen i små tidsintervall. Även om dessa data är potentiellt mindre exakta än kontinuerliga datainsamlingsmetoder är de lättare att samla in i upptagna miljöer. Det finns ett inneboende fel i varje metod för diskontinuerlig mätning (Fiske & Delmolino, 2012). När du väljer en metod för diskontinuerlig mätning bör du överväga dessa fel noggrant. I diagrammet nedan beskrivs dessa fel.

Diskontinuerlig mätmetod	Typ av fel	Användning för:
Partiell intervallregistrering	Överskattar förekomsten av beteende	Beteendeförsämring
Helintervallregistrering	Underskattar. förekomsten av beteende	Förbättring av beteende
Momentär tidsprovtagning	Varken överskattar eller underskattar förekomsten av beteende	Hög frekvens, beteendeökning

Partiellt intervall

Partiella intervalldata delar upp sessionen i lika stora delar (intervaller). Registrera om beteendet inträffade vid någon tidpunkt under det intervallet. Eftersom beteendet bara behöver förekomma en gång eller under en liten del av intervallet överskattar data om partiella intervall förekomsten av beteendet. Använd partiell intervallregistrering när:

• Beteendet har inte en tydlig start och ett tydligt stopp
• Beteendet uppträder i så hög takt att det är opraktiskt att försöka räkna varje förekomst
• En uppskattning av beteendets frekvens är godtagbar

Håll i åtanke att eftersom data från partiella intervall ger en överskattning av beteendets förekomst, vill du använda det minsta intervallet som är praktiskt för din situation. Ju större intervallet är, desto mer uppblåsta blir uppgifterna. På grund av den här metodens överskattning använder yrkesverksamma ofta partiella intervall för att dokumentera beteenden som är avsedda att minskas. Exempel på beteenden som du kan registrera med hjälp av data med partiellt intervall är förekomsten av stereotypier eller skrik under en hel dag, om något av beteendena förekommer i hög grad.

Då personalen bara behöver uppmärksamma beteendet om det inträffar kan registrering med partiellt intervall vara effektivare för upptagen personal att samla in än att övervaka och räkna varje förekomst av ett visst beteende.

Helhetsintervall

Med data med helhetsintervall bryts sessionen återigen upp i lika stora delar (intervaller). Registrera om beteendet förekommer under hela intervallet. Eftersom beteendet måste förekomma under hela intervallet underskattar denna metod förekomsten av målbeteendet. Använd registrering av hela intervall när:

• Beteendet uppträder under långa perioder
• Det är opraktiskt att använda varaktighetsregistrering i din miljö
• En överskattning av beteendet är acceptabel

Då den här metoden underskattar beteendets förekomst vill du använda det minsta intervallet som är praktiskt möjligt i din situation för att säkerställa den mest exakta återspeglingen av beteendet. Ofta, på grund av underskattningen av beteendets förekomst, använder yrkesverksamma hela intervallet för att dokumentera beteenden mål för ökning. Detta kan inkludera beteenden som mängden tid som ägnas åt bordsarbete eller funktionell lek, förutsatt att dessa förekommer under betydande perioder av barnets dag.

Momentär tidssampling

Momentär tidssampling tar en snabb ögonblicksbild av om ett beteende förekommer eller inte. Identifiera ett lämpligt intervall baserat på utgångsdata. När intervallet är slut registrerar du om beteendet förekommer eller inte vid den tidpunkten. Denna datainsamlingsmetod varken över- eller underskattar beteendet, men eftersom inte varje tillfälle av beteendet registreras är uppgifterna mycket mindre exakta än kontinuerlig datainsamling. Använd tillfällig tidssampling när:

• Andra metoder för datainsamling är opraktiska i din situation
• Du förlitar dig på att någon annan ska samla in data som inte kan övervaka beteendet kontinuerligt på grund av andra ansvarsområden
• Det är inte nödvändigt att se till att du får en fullständig inspelning av beteendet

Momentär tidssampling ger dig inte tillförlitliga data; Upptagna yrkesutövare kan dock samla in data om beteende när de inte har möjlighet att vara med barnet under längre tidsperioder. Momentan tidssampling kan ge tillräcklig information för beteenden som att arbeta självständigt i skolan eller leka ensam hemma.

Andra datainsamlingsmetoder

Ovanstående datainsamlingsmetoder ger den bredaste tillämpningen för att lära sig om förekomsten av ett identifierat beteende. Listan ovan uppfyller de flesta behov av datainsamling för yrkesverksamma inom ABA-området. Andra metoder fångar upp information som missas när dessa metoder används. Nedanstående datainsamlingssystem används mindre ofta och för mer specifika ändamål än de metoder som anges ovan.

ABC-datainsamling

ABC-data är ofta en kritisk komponent när man genomför en funktionell beteendebedömning (FBA). Denna datainsamlingsmetod tittar på vad som händer precis före och precis efter det beteende som du är intresserad av. Detta gör det möjligt att analysera beteendets sammanhang för att börja fastställa en eventuell funktion. Även om det finns många sätt att samla in ABC-data är en enkel metod att skapa ett formulär med kryssrutor för vanligt förekommande antecedenter, beteenden och konsekvenser. Detta gör inte bara datainsamlingen enklare, utan ger också en enklare metod för att analysera dessa data.

ABC Data Collection Templates (som ses i vår bok ABA Fundamentals for Parents, som också finns tillgänglig från Amazon i både pocketbok och Kindle)

För mer information om ABC-data, se våra inlägg: För mer information om ABC-data: Using ABC Data to Make Informed Decisions och What is the Difference Between Functional Analysis and Functional Behavior Assessment? på Accessible ABA.

Scatterplot

En scatterplot ger information om förekomsten av beteende över olika delar av dagen, antingen tidsramar eller aktiviteter. Denna metod möjliggör en visuell analys för att avgöra om det finns mönster. I exemplet nedan delas dagen in i tidsblock på 1 timme och ger sedan utrymme för att jämföra data över en hel vecka. I detta dataarkiv finns också utrymme för att dokumentera var man befinner sig. På så sätt kan du med en snabb blick se att det högsta beteendet förekommer mellan 19 och 20 på kvällen i hemmet. Även om det inte ger dig en specifik räkning av beteendet, kan du med hjälp av denna information avgöra när du bör försöka samla in mer specifika uppgifter.

Blank spridningsdiagram (som syns i vår bok ABA Fundamentals for Parents, som också finns tillgänglig från Amazon i både pocket och Kindle)

Permanent produkt

Data om permanenta produkter ger ett sätt för den professionella att utvärdera förekomsten av beteende efter att det har upphört. Med denna metod för datainsamling behöver den professionella inte vara tillgänglig för att observera beteendet när det inträffar. Skolor använder sig mycket av permanent produktdataregistrering av denna anledning. En lärare kan inte observera var och en av sina elever när de arbetar, men hon kan titta på de permanenta produkter som de producerar (dvs. arbetsblad, projekt, videor etc.).

Probe

Probe-data testar helt enkelt för att avgöra om ett beteende förekommer eller inte förekommer i en viss situation. I ett försök att se till att datainsamlingen inte stör undervisningsmetoderna kan en yrkesutövare välja att använda ett system för insamling av enbart sonddata för specifika mål. Om yrkesutövaren väljer att göra en sondering före undervisningsförsök kallar vi detta för en ”kall sondering”. Med hjälp av sonddata kan yrkesutövaren fokusera sin uppmärksamhet på undervisningsmetodik, inklusive felfri inlärning och tekniker för att minska antalet uppmaningar. Detta datasystem är mest fördelaktigt när det finns ett begränsat antal personer som arbetar med en klient och som inte förlitar sig på uppgifterna för att veta vilken promptnivå som är rätt att använda under undervisningen.

Fördelar och nackdelar med varje typ av datainsamlingsmetod

Varje datainsamlingsmetod har sina egna unika för- och nackdelar. Överväg dessa noga innan du bestämmer vilket system som ska användas.

.

	Fördelar	Nackdelar
Kontinuerlig datainsamling	~Mest exakt ~Känslig för små förändringar i beteende	~Kräver konstant observation ~Svårt att använda utan 1:1 personal
Diskontinuerlig datainsamling	~Enklare att använda i en trafikerad miljö ~ Ger tillräckligt med information. för många situationer ~Förmåga att spåra beteende med mycket hög frekvens	~Enbart en uppskattning av beteende ~Måste ta hänsyn till över- eller underskattning när man analyserar data ~Kan behöva mer tid för att se förändringar i beteendet

Välj din datainsamlingsmetod

Den datainsamlingsmetod som du väljer måste ge korrekta data, mäta resultat och vara känslig för förändringar i det beteende som mäts (Fiske & Delmolino, 2012). Många faktorer påverkar datainsamlingens noggrannhet, bland annat:

• Operationsdefinition
• Utbildning av interventionister
• Typ av datainsamlingssystem som valts

För mer information om hur man skriver tydliga operationsdefinitioner, kolla in vårt inlägg: För mer information om operativa definitioner av beteendet, se vårt inlägg: Clearly Definine the Behavior on Accessible ABA.

Research in Data Collection Methods

Flera studier utvärderar användningen av de olika datainsamlingsmetoderna i forskningsstudier. Två studier utvärderar denna trend under olika tidsperioder. Kelly (1977) tittade på den forskning som publicerades i The Journal of Applied Behavior Analysis från 1968-1975 och Mudford, Taylor och Martin (2009). Resultaten av deras forskning presenteras i tabellen nedan.

Tidsperiod	Metoder för kontinuerlig datainsamling	Metoder för diskontinuerlig datainsamling
1968-1975	59%	41%
1995-.2005	55%	45%

över en tidsperiod på 40 år från början av den första studien till slutet av uppföljningsstudien, forskare balanserade användningen av kontinuerliga och diskontinuerliga datainsamlingsmetoder. Även om diskontinuerliga datainsamlingsmetoder har sitt värde, misslyckas de med att kvantifiera beteendets grundläggande dimensioner (Fiske & Delmolino, 2012). Med införandet av elektroniska datainsamlingssystem är kontinuerliga datamätningar mer praktiska och effektiva än vad de var när endast pappers- och pennteknik fanns. Även om detta borde leda till att forskare förlitar sig mer på kontinuerliga datainsamlingsåtgärder, visar studierna att det inte nödvändigtvis är fallet.

Faktorer att ta hänsyn till när man väljer datainsamlingsmetod

När man bestämmer sig för vilken datainsamlingsmetod som passar ens behov, måste man ta hänsyn till många faktorer, bland annat:

• Är beteendet potentiellt farligt?
• Har beteendet hotat individens placering?
• Hur ofta förekommer beteendet vanligtvis?
• Finns beteendet under en viss tidsperiod?
• Har beteendet en tydlig början och ett tydligt slut?
• Vem kommer att samla in uppgifterna?
• Hur länge brukar beteendet pågå?
• Är det ett beteendemässigt underskott eller överskott?

Fiske och Delmolino (2012) gav tydliga riktlinjer för att välja mellan en kontinuerlig och diskontinuerlig datainsamlingsmetod. Tabellen nedan är en beskrivning av deras rekommendationer.

Kontinuerlig datainsamlingsmetod	Diskontinuerlig datainsamlingsmetod
Diskreta beteenden med en tydlig början och.	Tydliga pauser mellan beteendet
Interventionisten kan noggrant registrera varje tillfälle	Beteendet uppträder vid en mycket kort tidsperiod	. hög frekvens
Registrera beteendena individuellt	Registrera flera beteenden samtidigt
Interventionist ansvarig för 1 elev	Interventionist som måste utföra många uppgifter samtidigt

Seriöst, farligt eller allvarligt beteende kräver ett system som ger exakta uppgifter. Överväg starkt att använda kontinuerlig datainsamling när du tar itu med dessa typer av beteenden. Beteenden som förekommer exceptionellt ofta kan kräva en diskontinuerlig datainsamlingsmetod för att få noggrannhet. Om du förlitar dig på att föräldrar eller lärare samlar in data bör du överväga diskontinuerliga metoder. Om du tar hänsyn till alla dessa faktorer kan du välja det mest effektiva och ändamålsenliga datainsamlingssystemet för ditt ABA-program.

Är du redo att börja samla in data? Ladda ner databladen nedan för att komma igång!

Referenser och vidare läsning

Fiske, K., & Delmolino, L. (2012). Användning av diskontinuerliga metoder för datainsamling vid beteendeintervention: Riktlinjer för utövare. Behavior Analysis in Practice, 5(2), 77-81.

Kelly, M. B. (1977). En genomgång av de förfaranden för observationsdatainsamling och tillförlitlighet som rapporteras i Journal of Applied Behavior Analysis. Journal of Applied Behavior Analysis, 10(1), 97-101.

Mudford, O. C., Beale, I. L., & Singh, N. N. (1990). Representativiteten hos observationsurval av olika varaktighet. Journal of Applied Behavior Analysis, 23(3), 323-331.

Mudford, O. C., Taylor, S. A., & Martin, N. T. (2009). Algoritmer för kontinuerlig registrering och interobservatörsöverensstämmelse som rapporterats i Journal of Applied Behavior Analysis (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). En jämförelse mellan frekvens-, intervall- och tidssamplingsmetoder för datainsamling. Journal of Applied Behavior Analysis, 9(4), 501-508.