Multiple-Baseline-Design — Ein-Fall-Experimentelles-Design
- Eingeführt von
- Donald M. Baer, Montrose M. Wolf, Todd R. Risley
- Jahr
- 1968
- Typ
- Single-subject experimental design
- Familie
- Experimental design
Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen
Was leistet sie?
Das Multiple-Baseline-Design ist ein Ein-Fall-Experimentelles-Design, das funktionale Kontrolle demonstriert, indem eine Intervention zu gestaffelten Zeitpunkten über zwei oder mehr Baselines hinweg eingeführt wird – typischerweise über verschiedene Verhaltensweisen, Individuen oder Settings.
Da kein Entzug der Behandlung erforderlich ist, eignet es sich besonders, wenn das Zielverhalten irreversibel ist oder wenn die Entfernung einer wirksamen Intervention unethisch wäre.
Die Intuition hinter der Methode
Stellen Sie sich vor, Sie bringen drei Schülern das Lesen von Sichtwörtern bei. Anstatt die Intervention mit allen dreien gleichzeitig zu beginnen, warten Sie und sammeln Basisdaten von allen dreien, führen dann die Intervention zuerst bei Schüler 1 ein, dann – erst nachdem Schüler 1 eine Verbesserung zeigt – bei Schüler 2 und schließlich bei Schüler 3. Wenn die Verbesserung jede Einführung der Intervention widerspiegelt und nicht spontan bei allen Schülern auftritt, können Sie schlussfolgern, dass die Intervention und nicht ein externes Ereignis die Veränderung verursacht hat. Der gestaffelte Beginn ist der logische Motor des Designs: Zufall könnte eine Verbesserung zu einem Zeitpunkt erklären, aber nicht drei Verbesserungen zu drei verschiedenen, bewusst gewählten Zeitpunkten.
Geschichte
Das Multiple-Baseline-Design wurde 1968 von Baer, Wolf und Risley in ihrem grundlegenden Artikel im Journal of Applied Behavior Analysis formell beschrieben, der die Kernstandards der angewandten Verhaltensanalyse festlegte. Das Design adressierte eine kritische Einschränkung von Reversal-Designs: die Unfähigkeit, Kontrolle zu demonstrieren, wenn erlernte Verhaltensweisen nicht entfernt werden können oder sollten. In den 1970er und 1980er Jahren übernahmen und verfeinerten Forscher in der Sonderpädagogik und klinischen Psychologie das Design, kodifizierten Konventionen der visuellen Analyse und erweiterten die Anwendungen. Heute ist es nach wie vor eines der am häufigsten verwendeten Einzelfall-Experimentellen-Designs in der verhaltensanalytischen und pädagogischen Interventionsforschung.
Wann wird sie eingesetzt?
Verwenden Sie ein Multiple-Baseline-Design, wenn erwartet wird, dass das Zielverhalten nach dem Erlernen irreversibel ist (z. B. Lesefähigkeiten, Erwerb sozialer Fähigkeiten), was ein Reversal-Design unethisch oder unpraktisch macht. Es eignet sich gut, wenn Sie mindestens zwei oder drei konzeptionell ähnliche, funktionell unabhängige Ebenen (Verhaltensweisen, Teilnehmer oder Settings) identifizieren können, die die gleiche Interventionslogik teilen. Mindestanforderung: mindestens zwei Ebenen mit stabilen Baselines von jeweils mindestens drei bis fünf Datenpunkten. Verwenden Sie dieses Design nicht, wenn die Ebenen nicht unabhängig sind – gleichzeitige Verbesserungen über alle Ebenen während einer einzelnen Baseline-Phase untergraben die Logik der gestaffelten Demonstration. Vermeiden Sie es auch, wenn die Intervention aus ethischen oder praktischen Gründen nicht für einen sinnvollen Zeitraum von einigen Ebenen zurückgehalten werden kann.
Grenzen und Hinweise
- Erfordert mindestens zwei (vorzugsweise drei oder mehr) funktionell unabhängige Ebenen; ein Design mit nur zwei Ebenen bietet eine schwächere experimentelle Kontrolle.
- Die Datenerfassung muss von Anfang an kontinuierlich über alle Ebenen gleichzeitig erfolgen, was ressourcenintensiv ist.
- Die Generalisierung von Befunden über Teilnehmer oder Settings hinweg wird durch die kleinen, oft nicht zufälligen Stichproben, die dem Einzelfallforschung inhärent sind, begrenzt.
- Wenn Ebenen nicht wirklich unabhängig sind, kann sich das Verhalten in unbehandelten Ebenen ändern (multiple Baseline-Kovariation), was die interne Validität bedroht.
Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.
Stärken
- Demonstriert experimentelle Kontrolle, ohne eine Rückkehr zur Baseline-Phase zu erfordern, was es ethisch vertretbar macht, wenn der Erwerb von Fähigkeiten irreversibel ist.
- Jede Ebene dient als unabhängige Replikation und stärkt die Argumentation für eine funktionale Beziehung.
- Anwendbar in verschiedenen Kontexten: verschiedene Teilnehmer, Verhaltensweisen oder Settings können als Ebenen dienen.
- Gut etabliert in der Literatur der angewandten Verhaltensanalyse, Sonderpädagogik und klinischen Psychologie.
- Produziert reichhaltige, kontinuierliche Verhaltensdaten, die die Flugbahn und Unmittelbarkeit von Interventionseffekten aufzeigen.
Anwendungen
- Bewertung von Interventionen zum Erwerb von Fähigkeiten (z. B. Lesen, Kommunikation, tägliche Lebensfertigkeiten) bei Schülern mit Entwicklungsstörungen.
- Testen von Verhaltensinterventionen bei mehreren Teilnehmern in der angewandten Verhaltensanalyse und der Sonderpädagogikforschung.
- Bewertung der Generalisierung einer therapeutischen Technik über verschiedene Settings (Klinik, Zuhause, Schule) hinweg.
- Untersuchung der sequenziellen Einführung von Schulungsprotokollen am Arbeitsplatz über verschiedene Abteilungen oder Rollen hinweg.
- Validierung neuer klinischer Verfahren in der Kleinstichprobenforschung im Gesundheitswesen, wo Gruppendesigns unpraktisch sind.
- Nachweis von Behandlungsgenauigkeit und Replikation in der Forschung zu evidenzbasierter Praxis.
So funktioniert es
So funktioniert es
Simultane, kontinuierliche Basisdaten werden über alle Ebenen hinweg gesammelt – ob diese Ebenen nun mehrere Verhaltensweisen desselben Individuums, dasselbe Verhalten bei mehreren Individuen oder dasselbe Verhalten in mehreren Settings sind. Alle Ebenen müssen stabile, vorhersagbare Basisleistungen zeigen, bevor die Intervention für eine Ebene eingeführt wird.
Die Intervention wird für die erste Ebene eingeführt, während die verbleibenden Ebenen im Baseline-Status verbleiben. Die Länge jeder Baseline wird bewusst gestaffelt, sodass die Baseline jeder Ebene länger ist als die der vorhergehenden Ebene, typischerweise um mindestens drei bis fünf Datenpunkte unterschiedlich.
Sobald die erste Ebene eine klare, stabile Verhaltensänderung nach der Intervention zeigt, wird die Intervention für die zweite Ebene eingeführt, während nachfolgende Ebenen im Baseline-Status verbleiben. Das gleiche Kriterium gilt: Eine stabile, replizierbare Veränderung sollte sichtbar sein, bevor die nächste Ebene behandelt wird.
Die Intervention wird nacheinander für jede verbleibende Ebene eingeführt, nach der gleichen Logik. Jede neue Ebene bietet eine unabhängige Replikation des Interventionseffekts. Idealerweise sollte das Verhalten in Ebenen, die sich noch im Baseline-Status befinden, unverändert bleiben, während jede behandelte Ebene sich verbessert.
Eine funktionale Beziehung zwischen der unabhängigen Variable (Intervention) und der abhängigen Variable (Zielverhalten) wird hergestellt, wenn sich das Verhalten vorhersagbar und nur nach Einführung der Intervention in jeder aufeinanderfolgenden Ebene ändert. Die visuelle Analyse von grafisch dargestellten Daten – Untersuchung von Niveau, Trend, Variabilität, Unmittelbarkeit des Effekts und Überlappung zwischen den Phasen – ist die primäre Analysemethode.
Häufige Fallstricke
- Zu wenige Datenpunkte in der Baseline – mindestens drei bis fünf stabile Datenpunkte pro Ebene sind erforderlich; eine überstürzte Intervention ohne stabile Baselines macht es unmöglich, einen echten Effekt zu erkennen.
- Abhängige Ebenen – wenn dasselbe Verhalten in verschiedenen Settings unabhängig von der Intervention gleichzeitig verbessert wird (z. B. ein Kind generalisiert Fähigkeiten automatisch), bricht die gestaffelte Logik zusammen; überprüfen Sie die Unabhängigkeit der Ebenen, bevor Sie beginnen.
- Behandlung von Ebenen zu schnell – der Übergang zur nächsten Ebene, bevor die vorherige Ebene eine klare, stabile Veränderung zeigt, vermischt die Effekte und untergräbt die Replikationslogik.
- Ignorieren des Trends in der Baseline – ein konstant verbessernder Baseline-Trend bedeutet, dass sich das Verhalten möglicherweise bereits ändert; die Einführung der Intervention in eine bereits verbesserte Baseline macht den Effekt uninterpretierbar.
- Verlassen auf statistische Tests allein – die visuelle Analyse ist die primäre Methode des Feldes; ergänzende statistische Ansätze (z. B. Effektstärkemaße wie Tau-U) sollten eine sorgfältige visuelle Inspektion ergänzen, nicht ersetzen.
Häufig gestellte Fragen
Wie viele Ebenen benötige ich?
Es sind mindestens zwei Ebenen erforderlich, aber drei oder mehr Ebenen werden dringend empfohlen. Mit nur zwei Ebenen bietet das Design eine einzelne Replikation, was eine relativ schwache Demonstration experimenteller Kontrolle darstellt. Die meisten Methodologen und Zeitschriftenrezensenten halten drei Ebenen für das praktische Minimum für die Behauptung einer glaubwürdigen funktionalen Beziehung.
Was zählt als 'Ebene' – kann ich Verhaltensweisen, Teilnehmer und Settings mischen?
Jede Studie verwendet einen Ebenentyp zur konzeptionellen Klarheit. Eine Multiple-Baseline-Analyse über Verhaltensweisen hinweg verwendet denselben Teilnehmer im selben Setting, zielt aber auf verschiedene Verhaltensweisen ab. Eine Multiple-Baseline-Analyse über Teilnehmer hinweg verwendet dasselbe Verhalten und Setting, aber verschiedene Individuen. Eine Multiple-Baseline-Analyse über Settings hinweg verwendet denselben Teilnehmer und dasselbe Verhalten in verschiedenen Settings. Das Mischen von Ebenentypen innerhalb einer einzelnen Studie ist nicht standardmäßig und erschwert die Interpretation.
Woran erkenne ich, wann ich zur nächsten Ebene übergehen soll?
Das Standardkriterium ist, dass die Ebene, die derzeit die Intervention erhält, eine klare, stabile Veränderung in Niveau und/oder Trend relativ zu ihrer Baseline zeigt – und dass diese Veränderung unwahrscheinlich zu reversieren ist. Gängige Konventionen umfassen drei bis fünf aufeinanderfolgende Datenpunkte in der Interventionsphase, die die erwartete Änderungsrichtung mit geringer Variabilität zeigen. Es gibt keine einzelne universelle Regel; das Kriterium sollte vordefiniert und berichtet werden.
Ist das Multiple-Baseline-Design für Gruppendaten geeignet?
Nein. Das Multiple-Baseline-Design ist ein Einzelfall-Design (Single-Case-Design). Jede Ebene wird individuell analysiert, und die Logik der Replikation basiert auf innerhalb-subjektiven Vergleichen über die Zeit, nicht auf zwischen-Gruppen-Vergleichen. Wenn Sie eine Stichprobe haben, die groß genug für Schlussfolgerungen auf Gruppenebene ist, ist ein randomisiert kontrolliertes oder quasi-experimentelles Design besser geeignet.
Kann ich statistische Analysen anstelle von visuellen Analysen verwenden?
Die visuelle Analyse ist die konventionelle und primäre Methode in der Einzelfallforschung. Effektstärkemaße wie Tau-U, Non-Overlap of All Pairs (NAP) oder der Prozentsatz der nicht überlappenden Daten (PND) werden häufig als Ergänzung und für Meta-Analysen verwendet, ersetzen jedoch nicht die sorgfältige visuelle Inspektion grafisch dargestellter Daten für die Phaseninterpretation.
Verwandte Methoden
Quellen
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 öffnenKopiert.Cooper, J. O., Heron, T. E., & Heward, W. L. (2020). Applied Behavior Analysis (3rd ed.). Pearson.
ISBN: 978-0134752556Kopiert.