”Käyttäytymisanalyytikot käyttävät järjestelmällistä visuaaliseksi analyysiksi kutsuttua tarkastelun muotoa tulkitessaan graafisesti esitettyjä tietoja.”– Cooper, Heron ja Heward (2007, s.149).)
Datan kirjaaminen analyysia varten
Sovelletun käyttäytymisanalyysin interventioita toteutettaessa kerätään jatkuvasti tietoa kohdennetusta käyttäytymisestä, koska sen avulla ohjelmien toteuttajat voivat tunnistaa, ovatko interventiot toimivia vai eivät.
Tämä tieto voi olla esimerkiksi oikeiden oikeinkirjoitusten prosentuaalinen osuus testissä tai opiskelijan tekemien taukopyyntöjen määrä tai aika, jonka opiskelija viettää luokassa poissa istuimeltaan.
Tyyppisiä tietoja voidaan kerätä lukuisia, mutta tietojen keräämisen tarkoituksena on antaa interventioita toteuttaville henkilöille mahdollisuus ”säilyttää suora ja jatkuva yhteys tutkittavaan käyttäytymiseen” (Cooper, et al. 2007, s. 127).
Yksi tärkeimmistä tavoista ylläpitää tätä ”kontaktia” dataan ovat kuvaajat. ABA:ssa käytetään useita erityyppisiä kuvaajia, mutta olemme valinneet käsiteltäväksi vain viivakuvaajan, koska se ”on yleisin graafinen muoto tietojen esittämiseen ABA:ssa” (Cooper, et al. 2007, s. 129).).
Kun tiedot piirretään, on olemassa kolme ominaisuutta, joita käytetään tunnistamaan, mitä tiedoissa ”tapahtuu”; nämä ominaisuudet ovat vaihtelevuus, taso ja trendi.
Vaihtelevuus
Datan vaihtelevuus liittyy siihen, kuinka erilaisia tai ”hajallaan” pisteet ovat toisistaan. Tarkastellaan kahta alla olevaa kuvaajaa, joissa esitetään hypoteettiset tiedot oikeiden pisteiden prosenttiosuuksista oikeinkirjoituskokeessa 10 päivän aikana kahden lapsen, Janen ja Mattin, osalta.
Janen piirretyistä tiedoista käy ilmi, että Janen oikeiden oikeinkirjoitusten prosenttiosuus pysyy vakaana 80 %:n tienoilla. Mattin oikeinkirjoitusprosentti muuttuu tai ”vaihtelee” suuresti 10 päivän aikana eikä pysy lainkaan vakaana.
Tulkittaessa Janen ja Mattin datan vaihtelua sanoisit, että Janen vastaaminen on ”vakaata”, kun taas Mattin vastaamista pidettäisiin ”vaihtelevana” tai jopa ”erittäin vaihtelevana”.
Yleisesti, jos datassa on suurta vaihtelua (esim. Mattin oikeinkirjoituksissa), se viittaa siihen, että opettajat eivät hallitse opetusmenetelmää ja käytettävää taktiikkaa on ehkä muutettava.
Taso
Aineiston taso liittyy Y-akselilta otetun aineiston ”sijaintiin”. Katso alla olevia kuvaajia; ensimmäisessä kuvaajassa, jos piirretyt datapisteet osuisivat ylimpään osaan, niillä olisi ”korkea taso”, jos ne osuisivat keskimmäiseen osaan, niillä olisi ”kohtalainen taso” ja jos ne osuisivat alimpaan osaan, niillä olisi ”matala taso”.
Mahdollisesti voisit erottaa datan tasot vielä tarkemmin ”matalasta kohtalaiseen” tai ”kohtalaisesta korkeaan”, kuten toisessa alla olevassa kuvaajassa.
Katsottaessa alla piirrettyä dataa suhteessa Y-akseliin, vaihe 1:n tietokokonaisuuksissa taso on korkea, vaihe 2:n taso on kohtalainen ja vaihe 3:n taso on alhainen. Aineiston keski- tai mediaaniviivaa voitaisiin käyttää havainnollistamaan paremmin aineiston tasoa – tämä voi auttaa enemmän silloin, kun aineisto on jonkin verran vaihteleva.
Trendi
Aineiston trendi on sen ”suunta”. Esimerkiksi alla olevassa kuvaajassa ensimmäinen datasarja osoittaa ”kasvavaa trendiä”, koska datapisteet ”nousevat”. Toisessa datasarjassa on ”laskeva trendi”, koska datapisteet ”laskevat”. Kolmannessa datasarjassa on ”nollatrendi”, koska datapisteet eivät nouse tai laske.
Miksi käyttää graafeja?
Graafit helpottavat huomattavasti tietojen tulkintaa ja ymmärtämistä, koska ne esittävät tiedot visuaalisessa muodossa. Esimerkiksi , mitä voit päätellä näistä numerosarjoista, joihin on kirjattu oppilaan 14 koulupäivän aikana tekemien oikeinkirjoitusten prosenttiosuus:
45 %, 46 %, 52 %, 48 %, 58 %, 61 %, 64 %, 75 %, 70 %, 78 %, 75 %, 80 %, 84 %, 90 %
Pystyit luultavasti havaitsemaan, että prosenttiluvut osoittivat nousua – mutta sinun täytyi lukea kukin lukema sitä mukaa, kun etenit, ja viitata niihin keskenään sitä mukaa, kun etenit
Katsokaa nyt alla olevaa kuvaajaa, joka kuvaa samoja prosentteja. Sinun ei tarvitse edes ottaa prosenttiarvoja haltuun tunnistaaksesi heti, että oikeiden prosenttiosuuksien kasvu oli asteittaista, ja tämä on yksi tärkeimmistä syistä siihen, miksi tietojen graafiset esitystavat ovat niin hyödyllisiä.
Tämä ei tarkoita sitä, että prosenttiluvuilla ei olisi merkitystä, vaan yksinkertaisesti sitä, että tietojen graafinen esittäminen voi nopeuttaa analyysien ja tulkintojen tekemistä.
Tämä pätee erityisesti silloin, kun otetaan huomioon, että lapsella saattaa olla ABA-ohjelmassa käytössä useita eri interventioita, ja jokaista niistä on analysoitava jatkuvasti. Kuvitelkaa, että lukisitte 30 numerosarjaa verrattuna siihen, että voisitte vain katsoa 30:tä kuvaajaa… Tiedämme, kumman valitsisimme mieluummin.