Saltar al contenido
Volver a los resultados

Diseño AB — Diseño Experimental de Sujeto Único AB

Propuesto por
Murray Sidman; Baer, Wolf & Risley
Año
1960s
Tipo
Single-subject experimental design
Familia
Experimental design

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

El diseño AB es el diseño experimental de sujeto único más simple, que consta de dos fases secuenciales: una fase de línea base (A) en la que se observa el comportamiento objetivo en condiciones naturales sin intervención, seguida de una fase de intervención (B) en la que se introduce el tratamiento o la manipulación.

Los cambios en el nivel, la tendencia o la variabilidad del comportamiento entre fases se utilizan para inferir el efecto de la intervención en el participante individual.

La intuición detrás del método

Piense en el diseño AB como una comparación de antes y después para una sola persona. Primero observa y registra lo que hace un estudiante, paciente o cliente sin ninguna intervención: esta es la línea base. Luego introduce su tratamiento y continúa registrando el mismo comportamiento. Si el comportamiento cambia notablemente cuando, y solo cuando, introduce el tratamiento, tiene evidencia de que el tratamiento puede estar funcionando. La palabra clave es 'puede': debido a que no hay una fase de retirada o retorno a la línea base, no puede descartar definitivamente otras explicaciones para el cambio. El diseño AB es a menudo el punto de entrada para la investigación de sujeto único y el bloque de construcción a partir del cual se construyen diseños más sólidos (ABA, ABAB).

Historia

La metodología experimental de sujeto único fue sistematizada por Murray Sidman en su texto de 1960 Tactics of Scientific Research, que estableció la replicación intra-sujeto como una alternativa a los diseños grupales. La lógica de dos fases AB se formalizó dentro del análisis de comportamiento aplicado tras el artículo histórico de 1968 de Baer, Wolf y Risley en el número inaugural del Journal of Applied Behavior Analysis. El diseño AB sigue siendo la expresión más simple de esta tradición y el andamiaje sobre el cual se construyen todos los diseños de caso único más complejos — ABA, ABAB, línea base múltiple.

Cuándo usarlo

Utilice el diseño AB cuando necesite un marco práctico y de bajos recursos para sujeto único para documentar la asociación entre una intervención y el cambio de comportamiento en un individuo, común en análisis de comportamiento aplicado, educación especial, psicología clínica y rehabilitación. Es apropiado cuando una reversión (retirada del tratamiento) es ética o prácticamente imposible, o cuando el objetivo es la documentación preliminar en lugar de un control experimental sólido. No utilice el diseño AB cuando necesite evidencia causal: sin una fase de retorno a la línea base o replicación, el diseño no puede descartar explicaciones alternativas como la historia, la maduración o la regresión a la media. Cuando la validez interna es la prioridad, actualice a un diseño ABA o ABAB.

Limitaciones y consideraciones

  • Baja validez interna: la ausencia de una fase de retirada o replicación significa que los eventos coincidentes (historia) no pueden descartarse como la causa del cambio observado.
  • Los resultados se aplican solo al individuo estudiado; la generalización a otras personas, entornos o comportamientos requiere replicación sistemática en múltiples casos.
  • Dependiente de una línea base estable y predecible: las líneas base variables o con tendencia hacen que el cambio post-intervención sea ininterpretable.
  • El diseño no puede detectar efectos de tratamiento retardados si el cambio de comportamiento se retrasa con respecto a la transición de fase en múltiples sesiones.

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Máxima simplicidad de implementación: requiere solo dos fases y puede ser realizado por un solo profesional con un solo participante.
  • Éticamente factible cuando retirar o revertir un tratamiento supuestamente beneficioso sería inapropiado.
  • Proporciona una imagen individualizada del cambio de comportamiento que los promedios de diseño grupal oscurecerían.
  • Sirve como el bloque de construcción fundamental a partir del cual se construyen diseños más sólidos de retirada y de línea base múltiple.
  • El análisis visual de datos de series temporales hace que los hallazgos sean interpretables para los profesionales sin formación estadística avanzada.

Aplicaciones

  • Documentar el efecto de una intervención de fluidez lectora en las palabras por minuto leídas correctamente de un estudiante individual en educación especial.
  • Monitorear el impacto de una estrategia de manejo conductual en la frecuencia de autolesiones en un entorno clínico.
  • Rastrear la intensidad del dolor o la movilidad funcional antes y después de un protocolo de fisioterapia en investigación de rehabilitación.
  • Evaluar el efecto de una adaptación en el lugar de trabajo en la productividad o la tasa de errores de un empleado individual.
  • Evaluar el impacto preliminar de un cambio farmacológico o dietético en un resultado conductual o fisiológico medible en un solo paciente.
  • Probar una nueva técnica de instrucción en el aula con un estudiante antes de escalar a una intervención grupal.

Cómo funciona

Cómo funciona

1

Defina operacionalmente la variable dependiente: el comportamiento o resultado específico, observable y medible que rastreará (por ejemplo, número de palabras leídas correctamente por minuto, frecuencia de comportamientos disruptivos por sesión). Una operacionalización clara garantiza una medición consistente en ambas fases.

2

Recopile mediciones repetidas del comportamiento objetivo durante múltiples sesiones antes de introducir cualquier intervención (fase A). Los datos de línea base establecen la tendencia y la variabilidad pre-intervención. Se requiere una línea base estable y predecible, con al menos tres a cinco puntos de datos que muestren un nivel y una tendencia claros, antes de pasar a la fase de intervención; una línea base con tendencia ascendente en la dirección deseada hace que sea casi imposible atribuir la mejora posterior al tratamiento.

3

En un límite de sesión claramente definido, introduzca el tratamiento o la manipulación manteniendo todas las demás condiciones constantes. Documente precisamente cuándo y cómo comienza la intervención para que la transición de fase sea inequívoca en el registro de datos. Evite realizar cambios procedimentales concurrentes que puedan confundir el cambio de fase.

4

Continúe midiendo el mismo comportamiento objetivo bajo las mismas condiciones utilizando el mismo método de recopilación de datos durante la fase B. La consistencia en la medición entre fases es fundamental: cualquier desviación procedimental que no sea la intervención en sí constituye un factor de confusión que socava la interpretación.

5

Represente gráficamente todos los puntos de datos en un gráfico de series temporales con una línea de cambio de fase que marque la transición de A a B. Evalúe los cambios en el nivel (media de los datos por fase), la tendencia (dirección de la pendiente) y la variabilidad (dispersión alrededor de la tendencia). Un cambio claro e inmediato en el nivel o la tendencia que coincida con el cambio de fase proporciona evidencia inicial de un efecto de intervención; también se pueden aplicar suplementos estadísticos formales como Tau-U.

Errores comunes

  • Proceder con una línea base inestable: si los datos de línea base son muy variables o ya tienen una tendencia en la dirección deseada, cualquier mejora durante la fase B no puede atribuirse a la intervención; espere la estabilidad antes de introducir el tratamiento.
  • Pocos puntos de datos: un mínimo de tres a cinco puntos de datos por fase es el umbral convencional; menos puntos hacen que las tendencias sean indiscernibles y el análisis visual poco fiable.
  • Confundir la transición de fase: cambiar los procedimientos de medición, los entornos o los observadores al mismo tiempo que se introduce la intervención crea un factor de confusión ininterpretable.
  • Afirmar causalidad en exceso: el diseño AB produce evidencia correlacional, no causal; las conclusiones deben formularse como 'asociado con el cambio' en lugar de 'causado por la intervención'.

Preguntas frecuentes

¿Por qué se considera débil el diseño AB en comparación con los diseños ABA o ABAB?

El diseño AB muestra que el comportamiento cambió después de introducir la intervención, pero no puede demostrar que la intervención causó el cambio. Sin retirar el tratamiento y observar si el comportamiento regresa a la línea base — como en un diseño ABA — o replicar esa reversión — como en ABAB — no se pueden descartar explicaciones alternativas como eventos coincidentes, maduración o recuperación espontánea. Los diseños más sólidos proporcionan la replicación intra-sujeto que establece el control experimental.

¿Cuántos puntos de datos necesito en cada fase?

El mínimo convencional es de tres a cinco puntos de datos por fase, aunque más es mejor. El criterio práctico es la estabilidad: recopile datos hasta que el nivel y la tendencia sean lo suficientemente predecibles como para proyectar hacia dónde irían los datos si nada cambiara. Para la fase de intervención, continúe hasta que el efecto o la falta de efecto sea claro y la serie se haya estabilizado.

¿Puedo usar pruebas estadísticas con datos AB?

Sí. El análisis visual es el enfoque principal y tradicional, pero se utilizan varios suplementos estadísticos: Tau-U tiene en cuenta la tendencia de la línea base y proporciona una estimación del tamaño del efecto; la regresión por tramos (análisis de series temporales interrumpidas) modela los cambios de nivel y pendiente en el límite de fase. Estos complementan el análisis visual y requieren al menos ocho a diez puntos de datos por fase para ser significativos.

¿Cuándo es el diseño AB éticamente preferible a un diseño de reversión más sólido?

Cuando se espera que la intervención produzca un aprendizaje irreversible (por ejemplo, la adquisición de una nueva habilidad académica) o cuando retirar un tratamiento beneficioso sería perjudicial o poco ético, la reversión requerida por los diseños ABA o ABAB es inapropiada. En estas situaciones, el diseño AB — o un diseño de línea base múltiple, que evita por completo la retirada — es la elección ética.

¿Es el diseño AB lo mismo que un diseño pre-post?

No. Un diseño pre-post típicamente implica una sola medición antes y una después de una intervención, a menudo en un grupo. El diseño AB implica mediciones repetidas y frecuentes a lo largo del tiempo dentro de un solo participante, produciendo una serie temporal que revela tendencias y variabilidad, información que una sola medición pre y post no puede proporcionar.

Métodos relacionados

Fuentes

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

    Abrir referencia de la publicación
    Copiado.
  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.

    Abrir referencia DOI
    Copiado.