Visuell analys av ABA-data

”Beteendeanalytiker använder sig av en systematisk form av undersökning som kallas visuell analys för att tolka data som visas grafiskt.”

– Cooper, Heron och Heward (2007, s.149).)

Registrering av data för analys

När man genomför interventioner med tillämpad beteendeanalys samlas data kontinuerligt in om de målinriktade beteendena, eftersom det gör det möjligt för dem som genomför programmen att identifiera om interventionerna fungerar eller inte.

Dessa data kan vara procentandelen korrekta stavningar i ett prov, eller hur många önskemål som en elev gör om att få ta en paus från jobbet, eller hur mycket tid som en elev tillbringar utanför sin plats i ett klassrum.

De typer av data som kan samlas in är många, men syftet med att samla in data är att göra det möjligt för dem som genomför insatserna att ”upprätthålla en direkt och kontinuerlig kontakt med det beteende som undersöks” (Cooper, et al. 2007, s. 127).

Ett av de främsta sätten att upprätthålla denna ”kontakt” med data är genom grafer. Det finns ett antal olika typer av grafer som används inom ABA, men vi har valt att endast diskutera linjediagrammet eftersom det ”är det vanligaste grafiska formatet för att visa data inom ABA” (Cooper, et al. 2007, s. 129).).

När data plottas finns det tre egenskaper som används för att identifiera vad som ”händer” med data; dessa är variabiliteten, nivån och trenden.

Variabilitet

Datas variabilitet av data relaterar till hur olika eller ”utspridda” poängen är från varandra. Ta de två graferna nedan som visar hypotetiska data om andelen korrekta resultat på ett stavningsprov under 10 dagar för 2 barn, Jane och Matt.

Janes data är stabila medan Matts data är extremt varierande.

Den plottade datan för Jane visar att hennes procentuella andel korrekta stavningar förblir stabil runt 80 %. Uppgifterna för Matts andel korrekta stavningar förändras eller ”varierar” kraftigt under de tio dagarna och förblir inte stabila alls.

När man tolkar variabiliteten i Janes och Matts data skulle man säga att Janes svar är ”stabilt” medan Matts skulle betraktas som ”varierande” eller till och med ”extremt varierande”.

Inallmänt kan man säga att om data har hög variabilitet (t.ex. Matts stavningar) tyder det på att lärarna inte har kontroll över undervisningsmetoden och att den taktik som används kanske måste ändras.

Nivå

Datanivån avser ”positionen” i datamängden utifrån Y-axeln. Titta på graferna nedan; i den första grafen skulle datapunkterna, om de plottade datapunkterna hamnade i den övre sektionen, ha en ”hög nivå”, om de hamnade i den mellersta sektionen skulle de ha en ”måttlig nivå” och om de befann sig i den nedre sektionen skulle de ha en ”låg nivå”.

Du skulle potentiellt kunna dela upp datanivåerna ytterligare i ”låg-till-måttlig” eller ”måttlig-till-höjd”, som i den andra grafen nedan.

Flera olika uppdelningar av hur nivån för datamängden skulle kunna definieras.

Om man tittar på datamängden som är plottad nedan i förhållande till Y-axeln, så är nivån i fas 1-datamängden hög, fas 2 är måttlig och fas 3 är låg. En medel- eller medianlinje för data kan användas för att bättre visualisera nivån i data – detta kan vara till större hjälp när data är något varierande.

Tre olika nivåer i datamängden – hög, måttlig och låg.

Trend

Trenden i data är ”riktningen” som den går åt. I grafen nedan visar till exempel den första datamängden en ”ökande trend” eftersom datapunkterna ”går uppåt”. Den andra datamängden visar en ”minskande trend” eftersom datapunkterna ”sjunker”. Slutligen visar den tredje datamängden en ”nolltrend” eftersom datapunkterna varken går upp eller ner.

Tre olika former av ”trend” – ökande, minskande och ingen trend.

Varför använda grafer?

Grafer gör det mycket lättare att tolka och förstå data eftersom de presenterar informationen i ett visuellt format. Vad kan du till exempel dra för slutsatser av dessa siffror som visar hur stor andel av en elevs rättstavningar som var korrekta under 14 skoldagar:

45 %, 46 %, 52 %, 48 %, 58 %, 61 %, 64 %, 75 %, 70 %, 70 %, 78 %, 75 %, 80 %, 84 %, 90 %

Du kunde antagligen se att procentsatserna visade en ökning – men du var tvungen att läsa varje enskilt tal och hänvisa dem till varandra under tiden.

Kolla nu på grafen nedan som visar samma procentsatser. Du behöver inte ens ta in procentvärdena för att omedelbart inse att det skedde en gradvis ökning av procenttalet rätt, och detta är en av de viktigaste anledningarna till att grafiska visningar av data är så användbara.

Avbildning av data i form av ett linjediagram som ovan gör det mycket lättare att tolka dessa data.

Det betyder inte att procentsatserna är oviktiga utan helt enkelt att grafering av data kan öka hastigheten med vilken analyser och tolkningar kan göras.

Detta gäller särskilt när man tar hänsyn till att ett barn kan ha ett antal olika interventioner inom ett ABA-program och att var och en av dem måste analyseras kontinuerligt. Tänk dig att läsa 30 uppsättningar siffror jämfört med hur lätt det är att bara kunna titta på 30 grafer… vi vet vad vi skulle föredra.