Zum Inhalt springen
Zurück zu den Suchergebnissen

AB-Design — Einfachstes Einzelfall-Experimentelles Design

Eingeführt von
Murray Sidman; Baer, Wolf & Risley
Jahr
1960s
Typ
Single-subject experimental design
Familie
Experimental design

Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen

Schriftgröße

Was leistet sie?

Das AB-Design ist das einfachste experimentelle Einzelfall-Design und besteht aus zwei sequenziellen Phasen: einer Baseline-Phase (A), in der das Zielverhalten unter natürlichen Bedingungen ohne Intervention beobachtet wird, gefolgt von einer Interventionsphase (B), in der die Behandlung oder Manipulation eingeführt wird.

Veränderungen im Niveau, Trend oder in der Variabilität des Verhaltens zwischen den Phasen werden verwendet, um die Wirkung der Intervention auf den einzelnen Teilnehmer abzuleiten.

Die Intuition hinter der Methode

Betrachten Sie das AB-Design als einen Vorher-Nachher-Vergleich für eine einzelne Person. Zuerst beobachten und protokollieren Sie, was ein Schüler, Patient oder Klient ohne jegliche Intervention tut – das ist die Baseline. Dann führen Sie Ihre Behandlung ein und protokollieren weiterhin dasselbe Verhalten. Wenn sich das Verhalten merklich ändert, wenn – und nur wenn – Sie die Behandlung einführen, haben Sie einen Hinweis darauf, dass die Behandlung wirksam sein könnte. Das Schlüsselwort ist 'könnte': Da es keine Rücknahme oder Rückkehr zur Baseline-Phase gibt, können Sie andere Erklärungen für die Veränderung nicht endgültig ausschließen. Das AB-Design ist oft der Einstiegspunkt für die Einzelfallforschung und der Baustein, aus dem stärkere Designs (ABA, ABAB) aufgebaut werden.

Geschichte

Die experimentelle Einzelfallmethodik wurde von Murray Sidman in seinem Werk 'Tactics of Scientific Research' von 1960 systematisiert, das die Within-Subject-Replikation als Alternative zu Gruppendesigns etablierte. Die zweiseitige AB-Logik wurde in der angewandten Verhaltensanalyse nach dem wegweisenden Artikel von Baer, Wolf und Risley von 1968 im Eröffnungsheft des 'Journal of Applied Behavior Analysis' formalisiert. Das AB-Design bleibt der einfachste Ausdruck dieser Tradition und das Gerüst, auf dem alle komplexeren Einzelfalldesigns – ABA, ABAB, Multiple Baseline – aufgebaut sind.

Wann wird sie eingesetzt?

Verwenden Sie das AB-Design, wenn Sie einen praktischen, ressourcenschonenden Einzelfallrahmen benötigen, um den Zusammenhang zwischen einer Intervention und Verhaltensänderungen bei einer Einzelperson zu dokumentieren – üblich in der angewandten Verhaltensanalyse, Sonderpädagogik, klinischen Psychologie und Rehabilitation. Es ist geeignet, wenn eine Rücknahme oder Umkehrung (Entzug der Behandlung) ethisch oder praktisch unmöglich ist oder wenn das Ziel die vorläufige Dokumentation und nicht eine starke experimentelle Kontrolle ist. Verwenden Sie das AB-Design nicht, wenn Sie kausale Beweise benötigen: Ohne eine Rückkehr zur Baseline oder eine Replikationsphase kann das Design andere Erklärungen wie Geschichte, Reifung oder Regression zum Mittelwert nicht ausschließen. Wenn die interne Validität Priorität hat, rüsten Sie auf ein ABA- oder ABAB-Design auf.

Grenzen und Hinweise

  • Schwache interne Validität: Das Fehlen einer Rücknahme- oder Replikationsphase bedeutet, dass zufällige Ereignisse (Geschichte) nicht als Ursache der beobachteten Veränderung ausgeschlossen werden können.
  • Ergebnisse gelten nur für die untersuchte Person; eine Generalisierung auf andere Personen, Settings oder Verhaltensweisen erfordert eine systematische Replikation über mehrere Fälle hinweg.
  • Abhängig von einer stabilen, vorhersagbaren Baseline – variable oder trendende Baselines machen Veränderungen nach der Intervention uninterpretierbar.
  • Das Design kann verzögerte Behandlungseffekte nicht erkennen, wenn Verhaltensänderungen um mehrere Sitzungen hinter dem Phasenübergang zurückbleiben.

Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.

Stärken

  • Maximal einfach zu implementieren – erfordert nur zwei Phasen und kann von einem einzelnen Praktiker mit einem Teilnehmer durchgeführt werden.
  • Ethisch machbar, wenn der Entzug oder die Umkehrung einer vermutlich vorteilhaften Behandlung unangemessen wäre.
  • Liefert ein individualisiertes Bild von Verhaltensänderungen, das Durchschnittswerte von Gruppendesigns verdecken würden.
  • Dient als grundlegender Baustein, aus dem stärkere Withdrawal- und Multiple-Baseline-Designs aufgebaut werden.
  • Die visuelle Analyse von Zeitreiendaten macht die Ergebnisse für Praktiker ohne fortgeschrittene statistische Ausbildung interpretierbar.

Anwendungen

  • Dokumentation der Wirkung einer Leseflüssigkeitsintervention auf die Wörter pro Minute eines einzelnen Schülers in der Sonderpädagogik.
  • Überwachung der Auswirkungen einer Verhaltensmanagementstrategie auf die Häufigkeit selbstverletzenden Verhaltens in einem klinischen Umfeld.
  • Erfassung von Schmerzintensität oder funktioneller Mobilität vor und nach einem physiotherapeutischen Protokoll in der Rehabilitationsforschung.
  • Bewertung der Auswirkungen einer Arbeitsplatzanpassung auf die Produktivität oder Fehlerrate eines einzelnen Mitarbeiters.
  • Bewertung der vorläufigen Auswirkungen einer pharmakologischen oder diätetischen Veränderung auf ein messbares Verhaltens- oder physiologisches Ergebnis bei einem einzelnen Patienten.
  • Pilotierung einer neuen Unterrichtstechnik im Klassenzimmer mit einem Schüler, bevor sie auf eine Gruppenintervention ausgeweitet wird.

So funktioniert es

So funktioniert es

1

Definieren Sie die abhängige Variable operant – das spezifische, beobachtbare und messbare Verhalten oder Ergebnis, das Sie verfolgen werden (z. B. Anzahl der korrekt gelesenen Wörter pro Minute, Häufigkeit störender Verhaltensweisen pro Sitzung). Eine klare Operationalisierung gewährleistet eine konsistente Messung über beide Phasen hinweg.

2

Erheben Sie wiederholte Messungen des Zielverhaltens über mehrere Sitzungen, bevor eine Intervention eingeführt wird (die A-Phase). Baseline-Daten etablieren den Trend und die Variabilität vor der Intervention. Eine stabile, vorhersagbare Baseline – mindestens drei bis fünf Datenpunkte, die ein klares Niveau und einen klaren Trend zeigen – ist erforderlich, bevor zur Interventionsphase übergegangen wird; eine aufwärts gerichtete Baseline in die gewünschte Richtung macht es fast unmöglich, eine nachfolgende Verbesserung der Behandlung zuzuschreiben.

3

An einer klar definierten Sitzungsgrenze führen Sie die Behandlung oder Manipulation ein und halten dabei alle anderen Bedingungen konstant. Dokumentieren Sie präzise, wann und wie die Intervention beginnt, damit der Phasenübergang im Datenprotokoll eindeutig ist. Vermeiden Sie gleichzeitige Verfahrensänderungen, die den Phasenwechsel verzerren würden.

4

Messen Sie das gleiche Zielverhalten unter den gleichen Bedingungen mit der gleichen Datenerfassungsmethode während der gesamten B-Phase weiter. Konsistenz der Messung über die Phasen hinweg ist entscheidend: Jede Verfahrensabweichung außer der Intervention selbst stellt eine Störvariable dar, die die Interpretation untergräbt.

5

Tragen Sie alle Datenpunkte in einem Zeitreiendiagramm auf, wobei eine Phasenwechsellinie den Übergang von A nach B markiert. Bewerten Sie Veränderungen im Niveau (Mittelwert der Daten pro Phase), im Trend (Steigungsrichtung) und in der Variabilität (Streuung um den Trend). Eine klare, unmittelbare Verschiebung im Niveau oder Trend, die mit dem Phasenwechsel zusammenfällt, liefert erste Hinweise auf eine Interventionswirkung; formale statistische Ergänzungen wie Tau-U können ebenfalls angewendet werden.

Häufige Fallstricke

  • Vorgehen mit einer instabilen Baseline: Wenn die Baseline-Daten stark variabel sind oder bereits in die gewünschte Richtung tendieren, kann jede Verbesserung während der B-Phase nicht der Intervention zugeschrieben werden – warten Sie auf Stabilität, bevor Sie die Behandlung einführen.
  • Zu wenige Datenpunkte: Mindestens drei bis fünf Datenpunkte pro Phase sind die übliche Untergrenze; weniger Punkte machen Trends ununterscheidbar und die visuelle Analyse unzuverlässig.
  • Verzerrung des Phasenübergangs: Das Ändern von Messverfahren, Settings oder Beobachtern gleichzeitig mit der Einführung der Intervention schafft eine uninterpretierbare Störvariable.
  • Übermäßige Kausalitätsbehauptungen: Das AB-Design liefert korrelative, keine kausalen Beweise; Schlussfolgerungen sollten als 'mit Veränderung assoziiert' und nicht als 'durch die Intervention verursacht' formuliert werden.

Häufig gestellte Fragen

Warum wird das AB-Design im Vergleich zu ABA- oder ABAB-Designs als schwach angesehen?

Das AB-Design zeigt, dass sich das Verhalten nach Einführung der Intervention geändert hat, kann aber nicht nachweisen, dass die Intervention die Veränderung verursacht hat. Ohne den Entzug der Behandlung und die Beobachtung, ob das Verhalten zur Baseline zurückkehrt – wie in einem ABA-Design – oder die Replikation dieser Umkehrung – wie in ABAB –, können alternative Erklärungen wie zufällige Ereignisse, Reifung oder spontane Erholung nicht ausgeschlossen werden. Stärkere Designs bieten die Within-Subject-Replikation, die experimentelle Kontrolle etabliert.

Wie viele Datenpunkte benötige ich in jeder Phase?

Das übliche Minimum sind drei bis fünf Datenpunkte pro Phase, obwohl mehr besser ist. Das praktische Kriterium ist Stabilität: Sammeln Sie Daten, bis Niveau und Trend vorhersagbar genug sind, dass Sie projizieren können, wohin die Daten gehen würden, wenn nichts geändert würde. Für die Interventionsphase fahren Sie fort, bis die Wirkung oder das Fehlen einer Wirkung klar ist und die Serie sich stabilisiert hat.

Kann ich statistische Tests mit AB-Daten verwenden?

Ja. Die visuelle Analyse ist der primäre und traditionelle Ansatz, aber es werden mehrere statistische Ergänzungen verwendet: Tau-U berücksichtigt den Baseline-Trend und liefert eine Effektstärkenschätzung; stückweise Regression (unterbrochene Zeitreihenanalyse) modelliert Niveau- und Steigungsänderungen an der Phasengrenze. Diese ergänzen die visuelle Analyse und erfordern mindestens acht bis zehn Datenpunkte pro Phase, um aussagekräftig zu sein.

Wann ist das AB-Design ethisch einem stärkeren Reversal-Design vorzuziehen?

Wenn erwartet wird, dass die Intervention irreversible Lernerfolge erzielt (z. B. Erwerb einer neuen akademischen Fähigkeit) oder wenn der Entzug einer vorteilhaften Behandlung schädlich oder unethisch wäre, ist die von ABA- oder ABAB-Designs geforderte Umkehrung unangemessen. In diesen Situationen ist das AB-Design – oder ein Multiple-Baseline-Design, das den Entzug gänzlich vermeidet – die ethische Wahl.

Ist das AB-Design dasselbe wie ein Pre-Post-Design?

Nein. Ein Pre-Post-Design beinhaltet typischerweise eine einzelne Messung vor und eine nach einer Intervention, oft über eine Gruppe hinweg. Das AB-Design beinhaltet wiederholte, häufige Messungen über die Zeit innerhalb eines einzelnen Teilnehmers, wodurch eine Zeitreihe entsteht, die Trends und Variabilität aufdeckt – Informationen, die eine einzelne Vorher-Nachher-Messung nicht liefern kann.

Verwandte Methoden

Quellen

  1. Sidman, M. (1960). Tactics of Scientific Research: Evaluating Experimental Data in Psychology. Basic Books.

    Publikationsreferenz öffnen
    Kopiert.
  2. Baer, D. M., Wolf, M. M., & Risley, T. R. (1968). Some current dimensions of applied behavior analysis. Journal of Applied Behavior Analysis, 1(1), 91-97.

    DOI-Referenz öffnen
    Kopiert.