Skip to content
กลับไปยังผลการค้นหา

การออกแบบการทดลองแบบผู้เข้าร่วมรายบุคคล (Single-Subject Experimental Design)

ผู้เสนอ
Murray Sidman (foundational tactics); B. F. Skinner (applied behavior analysis lineage)
ปี
1960s (Sidman 1960; formal applied codification by Kazdin and Baer in 1970s–1980s)
ประเภท
Experimental research design
กลุ่มวิธี
Experimental design

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

การออกแบบการทดลองแบบผู้เข้าร่วมรายบุคคล (SSED) สร้างการควบคุมการทดลองโดยการวัดผลผู้เข้าร่วมหนึ่งราย (หรือจำนวนน้อยราย) ซ้ำๆ ในช่วงก่อนการทดลองและช่วงการทดลอง โดยใช้ผู้เข้าร่วมเป็นกลุ่มควบคุมของตนเอง แทนที่จะเปรียบเทียบระหว่างกลุ่ม วิธีนี้จะเปรียบเทียบพฤติกรรมของผู้เข้าร่วมเองภายใต้เงื่อนไขที่แตกต่างกันเมื่อเวลาผ่านไป SSED เป็นที่นิยมใช้ในการวิเคราะห์พฤติกรรมประยุกต์ การศึกษาพิเศษ การฟื้นฟูสมรรถภาพ และจิตวิทยาคลินิก ช่วยให้สามารถอนุมานเชิงสาเหตุจากกลุ่มตัวอย่างขนาดเล็กหรือกลุ่มตัวอย่างที่มีลักษณะเฉพาะ ซึ่งการออกแบบกลุ่มไม่สามารถทำได้

แนวคิดเบื้องหลังวิธีการ

ลองนึกภาพว่าคุณต้องการทราบว่าการบำบัดการอ่านแบบใหม่ช่วยเด็กคนหนึ่งที่มีภาวะดิสเล็กเซียได้หรือไม่ คุณไม่สามารถรวบรวมเด็กหลายร้อยคนได้ แต่คุณสามารถวัดความแม่นยำในการอ่านของเด็กคนนั้นทุกวันเป็นเวลาหลายสัปดาห์ — เริ่มแรกโดยไม่มีการบำบัด (ช่วงก่อนการทดลอง) จากนั้นจึงมีการบำบัด (ช่วงการทดลอง) และอาจย้อนกลับไปอีกครั้ง หากพฤติกรรมเปลี่ยนแปลงทุกครั้งที่เงื่อนไขเปลี่ยนแปลง หลักฐานที่บ่งชี้ว่าการบำบัดเป็นสาเหตุของการเปลี่ยนแปลงจะสะสมผ่านการทำซ้ำภายในบุคคลคนเดียวกัน SSED ทำให้บุคคลเป็นหน่วยของการวิเคราะห์แทนที่จะเป็นกลุ่ม โดยถือว่าความแปรปรวนภายในบุคคลเป็นแหล่งหลักของหลักฐานเชิงทดลอง

ประวัติศาสตร์

รากฐานทางปัญญาของ SSED มาจากแนวคิดการวางเงื่อนไขแบบการกระทำ (operant conditioning) ที่ริเริ่มโดย B. F. Skinner ผู้ศึกษาองค์กรแต่ละรายภายใต้ตารางการเสริมแรงที่มีการควบคุม หนังสือ Tactics of Scientific Research ของ Murray Sidman ในปี 1960 ได้อธิบายหลักการของการทำซ้ำภายในบุคคลเป็นพื้นฐานของการอนุมานเชิงทดลองในจิตวิทยา บทความสำคัญในปี 1968 ของ Donald Baer, Montrose Wolf และ Todd Risley ในวารสาร Journal of Applied Behavior Analysis ได้ก่อตั้งสาขาวิชาการวิเคราะห์พฤติกรรมประยุกต์และกำหนดให้ระเบียบวิธีแบบผู้เข้าร่วมรายบุคคลเป็นเครื่องมือวิจัยหลัก หนังสือคู่มือของ Alan Kazdin ในปี 1982 ได้จัดระบบตัวเลือกการออกแบบ ข้อกำหนดในการวัดผล และข้อตกลงในการวิเคราะห์ที่ยังคงเป็นมาตรฐานในปัจจุบัน

ควรใช้เมื่อใด

ใช้ SSED เมื่อคุณต้องการหลักฐานเชิงทดลองเกี่ยวกับผลของการบำบัดต่อบุคคลเฉพาะรายหรือบุคคลจำนวนน้อยมาก — ตัวอย่างเช่น นักเรียนที่มีความพิการหายาก ผู้ป่วยที่มีลักษณะทางคลินิกเฉพาะตัว หรือกลุ่มผู้เข้าร่วมที่มีขนาดเล็กเกินกว่าจะใช้การออกแบบกลุ่มได้ เหมาะสมเมื่อข้อจำกัดทางจริยธรรมหรือทางปฏิบัติป้องกันไม่ให้การรักษาถูกระงับจากกลุ่มควบคุม และเมื่อสามารถวัดพฤติกรรมที่กำหนดไว้อย่างชัดเจนซ้ำๆ ได้บ่อยครั้งเมื่อเวลาผ่านไป ห้ามใช้ SSED เมื่อคำถามวิจัยเกี่ยวข้องกับความชุกในระดับประชากรหรือผลกระทบเฉลี่ย เมื่อพฤติกรรมเป้าหมายไม่สามารถวัดซ้ำๆ และวัตถุประสงค์ได้ เมื่อผลกระทบจากการบำบัดที่ตกค้างหรือผลกระทบที่ไม่สามารถย้อนกลับได้จะขัดขวางการกลับสู่ช่วงก่อนการทดลองอย่างมีความหมาย หรือเมื่อเป้าหมายคือการเปรียบเทียบกับเกณฑ์มาตรฐาน (norm-referenced comparison) แทนที่จะเป็นการวิเคราะห์เชิงหน้าที่ในระดับบุคคล

ข้อจำกัดและข้อควรพิจารณา

  • ผลการวิจัยมีความเฉพาะเจาะจงต่อบุคคลที่ศึกษา การสรุปผลทางสถิติไปยังประชากรไม่สามารถรับประกันได้จากการศึกษาเดียว
  • ต้องมีการวัดพฤติกรรมเป้าหมายที่กำหนดไว้อย่างชัดเจนซ้ำๆ และวัตถุประสงค์บ่อยครั้ง — ทำได้ง่ายสำหรับพฤติกรรมภายนอก แต่ยากกว่าสำหรับสภาวะภายใน
  • การออกแบบแบบย้อนกลับไม่เหมาะสมเมื่อการบำบัดสอนทักษะที่ไม่สามารถลืมได้ ทำให้ช่วงการกลับสู่ช่วงก่อนการทดลองไม่มีเหตุผลหรือไม่เป็นไปตามหลักจริยธรรม
  • การวิเคราะห์ด้วยสายตาโดยเนื้อแท้แล้วเป็นอัตวิสัย ความสอดคล้องของผู้ประเมิน (interrater agreement) ในข้อสรุปการเปลี่ยนแปลงช่วงไม่สูงเสมอไป และดัชนีขนาดผลกระทบเชิงปริมาณมักถูกใช้น้อยเกินไป
  • ผลกระทบจากการตกค้างระหว่างเงื่อนไขที่สลับกันอย่างรวดเร็ว (ในการออกแบบแบบสลับการรักษา) อาจทำให้ผลการวิจัยสับสน

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • ช่วยให้สามารถอนุมานเชิงสาเหตุจากกลุ่มตัวอย่างขนาดเล็กมากหรือกลุ่มตัวอย่างที่มีลักษณะเฉพาะซึ่งการออกแบบกลุ่มเป็นไปไม่ได้หรือไม่เป็นไปตามหลักจริยธรรม
  • ผู้เข้าร่วมทำหน้าที่เป็นกลุ่มควบคุมของตนเอง ขจัดความแปรปรวนระหว่างบุคคล และทำให้การเปลี่ยนแปลงของแต่ละบุคคลมีความชัดเจน
  • การเก็บข้อมูลอย่างต่อเนื่องเผยให้เห็นพลวัตเชิงเวลาของการเปลี่ยนแปลงพฤติกรรม — ไม่ใช่แค่ภาพรวมก่อนและหลัง
  • มีความยืดหยุ่น: รูปแบบการออกแบบที่หลากหลาย (AB, ABA, ABAB, multiple baseline, alternating treatments) รองรับคำถามวิจัยและข้อจำกัดทางจริยธรรมที่หลากหลาย
  • การทำซ้ำในผู้เข้าร่วม สถานที่ และพฤติกรรมต่างๆ สร้างฐานหลักฐานสะสมที่คล้ายคลึงกับการบรรจบกันของการวิเคราะห์อภิมาน (meta-analytic convergence)

การประยุกต์ใช้

  • การประเมินการบำบัดพฤติกรรมสำหรับบุคคลที่มีภาวะออทิสติกสเปกตรัม ความบกพร่องทางสติปัญญา หรือ ADHD ในสภาพแวดล้อมการศึกษาพิเศษ
  • การประเมินโปรโตคอลการฟื้นฟูสมรรถภาพสำหรับผู้ป่วยที่มีการบาดเจ็บที่สมองจากการได้รับบาดเจ็บ เส้นเลือดในสมองตีบ หรือความผิดปกติของการเคลื่อนไหวในสภาพแวดล้อมทางคลินิก
  • การทดสอบขั้นตอนการสอนหรือกลยุทธ์การจัดการห้องเรียนสำหรับนักเรียนแต่ละคนที่มีความต้องการแตกต่างจากกลุ่มอย่างมาก
  • การตรวจสอบการบำบัดด้วยยาหรือพฤติกรรมสำหรับภาวะที่หายากซึ่งการทดลองแบบสุ่มและมีกลุ่มควบคุมในระดับประชากรไม่สามารถทำได้
  • การประเมินโปรแกรมการจัดการตนเองที่ใช้เทคโนโลยีหรือแอปพลิเคชันในระดับบุคคลก่อนที่จะขยายผล
  • การสร้างฐานหลักฐานสำหรับการบำบัดใหม่ๆ ผ่านการทำซ้ำอย่างเป็นระบบในบุคคลและสถานที่ต่างๆ

วิธีการทำงาน

วิธีการทำงาน

1

ก่อนที่จะเริ่มการบำบัดใดๆ ผู้วิจัยจะรวบรวมการวัดผลพฤติกรรมเป้าหมายซ้ำๆ ภายใต้เงื่อนไขตามธรรมชาติหรือไม่ถูกจัดการ ช่วงก่อนการทดลองนี้ (โดยทั่วไปเรียกว่า A) จะสร้างรูปแบบที่คงที่และคาดการณ์ได้ — ประสิทธิภาพของผู้เข้าร่วมโดยไม่มีการบำบัด ช่วงก่อนการทดลองควรมีความคงที่ (ความแปรปรวนต่ำ) หรือมีแนวโน้มไปในทิศทางตรงกันข้ามกับผลการบำบัดที่คาดหวัง ช่วงก่อนการทดลองที่ไม่คงที่จะบั่นทอนการอนุมานเชิงสาเหตุ

2

การบำบัดหรือตัวแปรอิสระจะถูกนำมาใช้ (ช่วง B) และพฤติกรรมเป้าหมายเดียวกันจะยังคงถูกวัดด้วยความถี่เท่าเดิม การเปลี่ยนแปลงของระดับ (ค่าเฉลี่ย) แนวโน้ม (ความชัน) และความแปรปรวนระหว่างช่วง A และ B ถือเป็นหลักฐานสำคัญของผลกระทบ การออกแบบที่ซับซ้อนกว่านี้จะเพิ่มช่วงเพิ่มเติม (ย้อนกลับไปช่วงก่อนการทดลอง, การบำบัดครั้งที่สอง) หรือช่วงก่อนการทดลองพร้อมกันในผู้เข้าร่วม สถานที่ หรือพฤติกรรมต่างๆ

3

ข้อมูลจะถูกพล็อตบนกราฟอนุกรมเวลา และวิธีการวิเคราะห์หลักคือการตรวจสอบด้วยสายตา นักวิเคราะห์จะตรวจสอบลักษณะข้อมูลภายในช่วง (ระดับ แนวโน้ม ความแปรปรวน) และลักษณะข้อมูลระหว่างช่วง (การเปลี่ยนแปลงระดับ การเปลี่ยนแปลงแนวโน้ม การทับซ้อนกันระหว่างช่วงที่อยู่ติดกัน) การทับซ้อนกันของข้อมูลน้อยระหว่างช่วงและการเปลี่ยนแปลงช่วงที่ทันทีและสม่ำเสมอถือเป็นหลักฐานของความสัมพันธ์เชิงหน้าที่ ดัชนีขนาดผลกระทบ เช่น การไม่ทับซ้อนกันของคู่ทั้งหมด (NAP) หรือ Tau-U จะเสริมการวิเคราะห์ด้วยสายตา

4

การควบคุมการทดลองในการออกแบบ SSED อาศัยการทำซ้ำ ในการออกแบบแบบย้อนกลับ (reversal design) การบำบัดจะถูกถอนออกและนำกลับมาใช้ใหม่ ในการออกแบบแบบฐานหลายช่วง (multiple-baseline design) การบำบัดจะถูกนำมาใช้ทีละช่วงในฐานข้อมูลที่แตกต่างกัน การสาธิตแต่ละครั้งของการเปลี่ยนแปลงพฤติกรรมที่สอดคล้องกับการเปลี่ยนแปลงช่วงถือเป็นการทำซ้ำ การทำซ้ำผลลัพธ์เดียวกันสามครั้งหรือมากกว่าภายในหนึ่งการศึกษาถือเป็นหลักฐานที่น่าเชื่อถือของความสัมพันธ์เชิงสาเหตุ ตามหลักการของการทำซ้ำภายในบุคคล

5

ผู้วิจัยจะสรุปว่ามีความสัมพันธ์เชิงหน้าที่ระหว่างตัวแปรอิสระ (การบำบัด) และตัวแปรตาม (พฤติกรรมเป้าหมาย) หรือไม่ และประเมินความสำคัญทางสังคมหรือทางคลินิกของขนาดของการเปลี่ยนแปลง ความเที่ยงตรงภายนอก (external validity) ไม่ได้สร้างขึ้นจากการอนุมานทางสถิติข้ามกลุ่มตัวอย่าง แต่จากการทำซ้ำอย่างเป็นระบบข้ามการศึกษา สถานที่ และผู้เข้าร่วมในวรรณกรรม

ข้อผิดพลาดที่พบบ่อย

  • จำนวนจุดข้อมูลน้อยเกินไปในช่วงก่อนการทดลอง: ช่วงก่อนการทดลองที่มีจุดข้อมูลคงที่น้อยกว่าสามถึงห้าจุดให้พื้นฐานที่ไม่เพียงพอสำหรับการคาดการณ์สภาวะตรงกันข้าม (counterfactual) ให้เก็บข้อมูลจนกว่ารูปแบบจะชัดเจนก่อนเริ่มการบำบัด
  • การเปลี่ยนแปลงตัวแปรมากกว่าหนึ่งตัวพร้อมกัน: การนำส่วนประกอบหลายอย่างมาใช้พร้อมกันทำให้ไม่สามารถระบุสาเหตุของการเปลี่ยนแปลงให้กับองค์ประกอบใดองค์ประกอบหนึ่งได้ — ให้เปลี่ยนแปลงทีละเงื่อนไข
  • การละเลยแนวโน้มในช่วงก่อนการทดลอง: ช่วงก่อนการทดลองที่มีแนวโน้มไปในทิศทางของผลการบำบัดที่คาดหวังอยู่แล้ว หมายความว่าการปรับปรุงใดๆ ที่ตามมานั้นไม่สามารถตีความได้ — ทำให้รูปแบบคงที่หรือพิจารณาแนวโน้มก่อนดำเนินการต่อ
  • การพึ่งพาการวิเคราะห์ด้วยสายตาเพียงอย่างเดียวมากเกินไป: ฝึกอบรมตามเกณฑ์การวิเคราะห์ด้วยสายตาที่เป็นมาตรฐานและเสริมด้วยสถิติการไม่ทับซ้อนกันที่ผ่านการตรวจสอบแล้วอย่างน้อยหนึ่งรายการ (NAP, Tau-U, PND) เพื่อเพิ่มความเป็นวัตถุวิสัย
  • การใช้การออกแบบแบบย้อนกลับกับผลลัพธ์ที่ไม่สามารถย้อนกลับได้ผิดพลาด: การเรียนรู้ทักษะ (เช่น การเรียนรู้ที่จะอ่าน) ไม่สามารถย้อนกลับได้ — ให้ใช้การออกแบบแบบฐานหลายช่วงแทน

คำถามที่พบบ่อย

การออกแบบแบบผู้เข้าร่วมรายบุคคล (single-subject design) เป็นการวิจัยเชิงทดลองที่ 'แท้จริง' หรือเป็นเพียงการศึกษากรณี (case study) หรือไม่?

เป็นการทดลอง กรณีศึกษาจะอธิบายสิ่งที่เกิดขึ้น; การออกแบบการทดลองแบบผู้เข้าร่วมรายบุคคลจะจัดการตัวแปรอิสระอย่างแข็งขันและควบคุมตัวแปรกวนผ่านการทำซ้ำการเปลี่ยนแปลงช่วงภายในผู้เข้าร่วมคนเดียวกัน ตรรกะของการอนุมานเชิงสาเหตุแตกต่างจากการออกแบบกลุ่ม (อาศัยการทำซ้ำภายในบุคคลแทนที่จะเป็นการทำซ้ำระหว่างบุคคล) แต่ก็ยังคงมีความเข้มงวดเมื่อเป็นไปตามเงื่อนไขการออกแบบ

ฉันต้องการข้อมูลกี่จุดในแต่ละช่วง?

แนวทางทั่วไปคืออย่างน้อยสามถึงห้าจุดข้อมูลต่อช่วง แต่จำนวนที่มากขึ้นย่อมดีกว่าเสมอ เกณฑ์ไม่ใช่จำนวนที่ตายตัว แต่คือความคงที่: เก็บข้อมูลจนกว่ารูปแบบจะคาดการณ์ได้ (ระดับคงที่ แนวโน้มชัดเจน หรือความแปรปรวนที่ยอมรับได้) ก่อนที่จะเปลี่ยนช่วง การรีบร้อนนำการบำบัดมาใช้หลังจากมีข้อมูลช่วงก่อนการทดลองเพียงหนึ่งหรือสองจุดจะบั่นทอนการอนุมานเชิงสาเหตุ

เมื่อใดที่ฉันควรใช้การออกแบบแบบฐานหลายช่วง (multiple-baseline design) แทนการออกแบบแบบย้อนกลับ (ABA/ABAB design)?

ใช้การออกแบบแบบฐานหลายช่วงเมื่อผลของการบำบัดมีแนวโน้มที่จะไม่สามารถย้อนกลับได้ (เช่น การเรียนรู้ทักษะ) เมื่อการถอนการบำบัดจะเป็นอันตรายต่อจริยธรรม หรือเมื่อการย้อนกลับจะทำให้ผลการรักษาที่ดีสูญเสียไป การออกแบบแบบย้อนกลับจะเหมาะสมที่สุดเมื่อคาดว่าพฤติกรรมเป้าหมายจะกลับสู่ช่วงก่อนการทดลองเมื่อนำการบำบัดออก — โดยทั่วไปคือพฤติกรรมที่ถูกควบคุมโดยเงื่อนไขของสภาพแวดล้อม แทนที่จะเป็นทักษะที่เรียนรู้มา

ฉันสามารถใช้สถิติกับข้อมูลของผู้เข้าร่วมรายบุคคลได้หรือไม่ หรือการวิเคราะห์ด้วยสายตาเพียงพอแล้ว?

การวิเคราะห์ด้วยสายตาเป็นวิธีการหลักและดั้งเดิม แต่ก็มีการเสริมด้วยข้อมูลเชิงปริมาณที่แนะนำ สถิติการไม่ทับซ้อนกัน เช่น Nonoverlap of All Pairs (NAP), Tau-U หรือ Percentage of Nonoverlapping Data (PND) ให้ดัชนีขนาดผลกระทบที่เป็นวัตถุวิสัยและช่วยในการสื่อสารกับผู้ฟังที่ไม่คุ้นเคยกับกราฟอนุกรมเวลา แบบจำลองหลายระดับ (multilevel modeling) และการทดสอบการสุ่ม (randomization tests) ก็สามารถนำมาใช้ได้เช่นกันเมื่อข้อมูลและการออกแบบเอื้ออำนวย

ฉันจะสร้างความเที่ยงตรงภายนอก (external validity) จากการศึกษาที่มีผู้เข้าร่วมเพียงหนึ่งหรือสองคนได้อย่างไร?

ความเที่ยงตรงภายนอกในการออกแบบ SSED สร้างขึ้นผ่านการทำซ้ำอย่างเป็นระบบข้ามการศึกษา — การทำซ้ำของคุณเองในผู้เข้าร่วมหลายคนภายในหนึ่งการศึกษา (การทำซ้ำโดยตรง) และการศึกษาต่อๆ ไปในสถานที่ ประชากร และนักวิจัยที่แตกต่างกัน (การทำซ้ำอย่างเป็นระบบ) การศึกษาเดียวไม่สามารถสร้างความเที่ยงตรงภายนอกได้ แต่ชุดของการศึกษาที่ทำซ้ำกันจะสร้างขึ้น สิ่งนี้เทียบได้กับบทบาทของการวิเคราะห์อภิมาน (meta-analysis) สำหรับวรรณกรรมที่มีการออกแบบกลุ่ม

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

  1. Kazdin, A. E. (1982). Single-Case Research Designs: Methods for Clinical and Applied Settings. Oxford University Press.

    ISBN: 978-0195030440
    คัดลอกแล้ว
  2. Sidman, M. (1960). Tactics of Scientific Research: Evaluating Experimental Data in Psychology. Basic Books.

    เปิดเอกสารอ้างอิงสิ่งพิมพ์
    คัดลอกแล้ว