Wat is een single-case onderzoek? - Chapter 14

Welke benaderingen zijn er tot het analyseren van gedrag?

Het is belangrijk om je te bedenken dat het ontdekte effect van de onafhankelijke variabele slechts gaat over de gemiddelde persoon. Dat wil zeggen dat het effect van de onafhankelijke variabele niet per se van toepassing is op letterlijk iedereen uit de populatie. Er zijn ook mensen op wie de onafhankelijke variabele geen effect heeft. Wetenschappers hebben in het verleden veel gediscussieerd over de vraag of menselijk gedrag volgens de nomothetische benadering of de idiografische benadering geanalyseerd moet worden:

• De nomothetische benadering stelt dat we op zoek moeten gaan naar algemene principes en generalisaties die kunnen gelden voor alle individuen. Maar zoals hierboven staat beschreven, komt het zelden voor dat een onderzoeksresultaat geldt voor de gehele populatie.

• De idiografische benadering stelt dat gedrag van individuele deelnemers moet worden beschreven, geanalyseerd en vergeleken. Er zijn meerdere designs waarmee onderzoekers onafhankelijke variabelen kunnen manipuleren. Ook kan er met deze designs experimentele controle over externe variabelen worden uitgeoefend. Vervolgens wordt het gedrag van individuele deelnemers geanalyseerd (en dus niet het gedrag van gemiddelden van de gehele groep). 

• Andere wetenschappers stellen dat case studies van belang zijn. Bij case studies wordt één groep of één individu beschreven. Case studies maken geen gebruik van experimentele controle. Single-case experimenten doen dit daarentegen wel.

Hoe zien single-case experimentele designs eruit?

In de designs die tot nu toe zijn besproken, bestuderen de onderzoekers de effecten van onafhankelijke variabelen door de gemiddelde responsen van twee of meer groepen met elkaar te vergelijken. Dat soort designs wordt ook wel groepsdesign (‘group design’) genoemd. Bij een single-case experimenteel design wordt de experimentele groep niet als geheel geanalyseerd, maar wordt elk individu uit de experimentele groep apart geanalyseerd. Vaak worden in totaal drie tot acht deelnemers geanalyseerd. Bij single-case experimentele designs wordt bijna nooit het gemiddelde van de resultaten van de proefpersonen berekend. Omdat naar het individu wordt gekeken, doet het groepsgemiddelde er immers niet toe. Doordat er geen gemiddelde wordt berekend, kan er ook geen gebruik gemaakt worden van inferentiële statistieken, zoals de t-toets of de F-toets.

Welke kritiek is er op groepsdesigns?

Wetenschappers die voorstander zijn van single-case experimentele designs hebben kritiek op groepsdesigns. Volgens deze tegenstanders van groepsdesigns, staat het gebruik van een groepsdesign niet garant voor (1) het elimineren van de error variantie, (2) generaliseerbaarheid en (3) betrouwbaarheid.

Error variantie

In een dataset is er altijd sprake van een bepaalde mate van error variantie. Groepsdesigns proberen de error variantie op twee manieren te verminderen. Ten eerste proberen ze het gemiddelde te berekenen van de responsen van deelnemers in een groep. Met deze methode proberen ze een schatting te maken van het effect van de onafhankelijke variabele. Ten tweede kan de error variantie worden verkleind door het gebruik van groepen. We kunnen dan analyseren of de verschillen tussen groepen groter zijn dan we zouden verwachten op basis van alleen de error variantie.

Tegenstanders van groepsdesigns stellen dat de error variantie in een groep niet het gevolg is van de verschillen in gedrag tussen deelnemers. Volgens hen veroorzaakt het zich bevinden in een groep op zichzelf al error variantie. Daarnaast is een argument van deze tegenstanders dat wetenschappers te makkelijk omgaan met error variantie in een groepdesign. De tegenstanders vinden dat het bij groepdesigns te veel gaat over het ontdekken van verschillen tussen mensen (‘interparticipant variance’), terwijl het zou moeten gaan om verschillen binnen individuen zelf (‘intraparticipant variance’). Error variantie is het gevolg van de verschillen binnen individuen zelf, maar deze verschillen verdienen wel de aandacht. Volgens voorstanders van single-case experimentele designs, wordt daar bij groepsdesigns te weinig bij stilgestaan. Zij stellen dat we eerst moeten uitzoeken wat de oorzaken van error variantie precies zijn. Alleen dan kunnen we de error variantie elimineren.

Generaliseerbaarheid

In groepsdesigns wordt er vaak een groepsgemiddelde voor verschillende condities gevonden, terwijl de individuele score van de proefpersoon hiermee niet overeenkomt. Het is dus bijna nooit zo dat er een gemiddelde wordt gevonden dat precies overeenkomt met een individuele score. Tegenstanders van groepdesigns stellen dan ook dat groepsgemiddelden die niet overeenkomen met individuele responsen, niet mogen worden gebruikt bij het uitvoeren van wetenschappelijke analyses.

Betrouwbaarheid

Een derde kritiekpunt op groepdesigns, is dat het experiment vaak niet wordt herhaald. Er wordt slechts één keer gekeken of een onafhankelijke variabele effect heeft gehad. Dit wordt als het ware niet gecontroleerd met verder onderzoek. Dat gaat ten koste van de betrouwbaarheid van de onderzoeksresultaten. Bij single-case experimentele designs worden de effecten van een onafhankelijke variabele wel gerepliceerd. Dit gebeurt op twee manieren: (1) door inter-participantreplicatie: het repliceren van de effecten van de onafhankelijke variabele bij een individu en (2) inter-participantreplicatie: het repliceren van de effecten van de onafhankelijke variabele bij meer dan één proefpersoon. Door inter-participantreplicatie kan een onderzoeker bepalen of de resultaten van één proefpersoon gegeneraliseerd kunnen worden naar andere proefpersonen. Bij een single-case experimenteel design, wordt elk individu in de groep afzonderlijk geanalyseerd. Proefpersonen worden nooit als groep geanalyseerd, zelfs al worden er meerdere proefpersonen bestudeerd.

Welke soorten single-case experimentele designs zijn er?

Er wordt onderscheid gemaakt tussen drie soorten single-case experimentele designs.

ABA-design

Een ABA-design laat zien dat de onafhankelijke variabele het gedrag beïnvloedt, door eerst te demonstreren dat de onafhankelijke variabele het gedrag veroorzaakt. Vervolgens laat het design zien dat het verwijderen van de variabele ervoor zorgt dat het gedrag weer verdwijnt.

Het ABA-design wordt ook wel een ‘reversal design’ genoemd. De proefpersonen worden namelijk herhaaldelijk gemeten. Eerst wordt de deelnemer geobserveerd zonder invloed van de onafhankelijke variabele. Dit wordt ook wel het baseline-niveau genoemd. Vervolgens wordt de onafhankelijke variabele geïntroduceerd. Hierna wordt het gedrag van de deelnemer opnieuw gemeten. Als de onafhankelijke variabele invloed heeft gehad, dan zou het gedrag van de deelnemer veranderd moeten zijn. Het kan echter wel zo zijn dat deze gedragsverandering veroorzaakt is door iets anders dan door de onafhankelijke variabele. Daarom wordt de onafhankelijke variabele vervolgens weer verwijderd. Hierdoor kunnen we zien of het gedrag weer terugkeert tot het baseline-niveau. De onderzoeker kan deze procedure uitvoeren op meerdere proefpersonen. Wanneer het verwijderen van de onafhankelijke variabele er bij alle proefpersonen toe leidt dat het gedrag tot het baselineniveau terugkeert, dan geeft dit bewijs voor de effectiviteit van de onafhankelijke variabele. Bij een simpel ABA design, stellen we eerst een baseline-niveau (A) vast, daarna introduceren we de onafhankelijke variabele (B) en vervolgens kijken we weer naar het baseline-niveau (A). Soms kan een onderzoeker ervoor kiezen om de onafhankelijke variabele na het tweede baseline-niveau weer opnieuw te introduceren; er is dan sprake van een ABAB-design. Het is ook mogelijk om dit nog (veel) vaker te doen. Er kan dan bijvoorbeeld een ABABABABA-design ontstaan.

Multiple-I design

Bij het ABA-design wordt er geen gebruik gemaakt van verschillende niveaus van de onafhankelijke variabele. Een single-case experimenteel design waarbij wel verschillende niveaus van de onafhankelijke variabele worden gebruikt, wordt een ‘multiple-I design’ genoemd. We spreken ook wel van een ABC-design. De onderzoeker probeert daarbij eerst een baselineniveau (A) vast te stellen. Vervolgens introduceert hij of zij voor een bepaalde tijd een bepaald niveau van de onafhankelijke variabele (B). Tenslotte wordt dit niveau vervangen door een ander niveau van de onafhankelijke variabele (C).

Een andere vorm van het multiple-I design is het ABACA-design. Bij dit design wordt eerst het baselineniveau (A) gemeten, dan wordt er een bepaald niveau van de onafhankelijke variabele geïntroduceerd (B), vervolgens wordt dit niveau weggenomen en wordt weer een baselineniveau vastgesteld (A). Daarna wordt een ander niveau van de onafhankelijke variabele geïntroduceerd (C). Tenslotte wordt ook C weer verwijderd, en wordt er opnieuw een baselineniveau vastgesteld (A).

Op deze manier zijn er heel veel verschillende soorten multiple-I designs, allemaal gebaseerd op hetzelfde principe.

Multiple baseline design

Het is soms lastig om een onafhankelijke variabele te weg te nemen. In zo’n geval wordt er vaak gebruik gemaakt van een multiple baseline design. Daarbij worden twee of meer gedragingen tegelijkertijd bestudeerd. Als eerste wordt er een baselineniveau voor alle gedragingen vastgesteld. Vervolgens wordt een onafhankelijke variabele geïntroduceerd waarvan wordt gedacht dat deze slechts één van de gedragingen zal beïnvloeden. Zo kan de onderzoeker aantonen dat de onafhankelijke variabele alleen invloed heeft gehad op één gedraging, terwijl andere gedragingen onveranderd zijn gebleven.

Single-case experimentele designs en data

Bij single-case experimenten wordt er niet gekeken naar de groepsgemiddelden. Daarom kunnen de variantie en de standaarddeviatie ook niet worden berekend. Daarvoor heb je immers gemiddelden nodig. Ook kunnen voor single-case experimentele designs geen t- en F-toetsen worden berekend. Bovendien kunnen we hierdoor niet zien of de resultaten statistisch significant zijn. Wel kunnen we de resultaten van een single-case experimenteel design per deelnemer grafisch (‘graphic analysis’/ ‘visual inspection’) weergeven. Op de horizontale as (de x-as) staan dan de gebeurtenissen (A, B, C). Op de verticale as (de y-as) staan de responsen. De verschillende punten worden verbonden door een lijn. Hierdoor kunnen we zien of een gebeurtenis (een punt op de x-as dus) heeft gezorgd voor een stijging of daling in een respons.

Een nadeel van de grafische weergave is dat we niet weten of het effect op het gedrag binnen een experimenteel design groot genoeg is om van een echt effect te spreken. We kunnen dit niet testen, omdat er geen t-toets of F-toets kan worden uitgevoerd. Een voordeel van de grafische weergave, is dat een dergelijke grafiek er simpel en duidelijk uitziet. Voorstanders van single-case experimentele designs stellen dat visuele inspectie beter is dan een inferentiële statistiek. Er wordt alleen gezegd dat de onafhankelijke variabele effect heeft gehad als de effecten echt groot lijken te zijn. Door inferentiële statistiek kunnen zelfs hele kleine effecten als statistisch significant beschreven worden.

Wanneer worden single-case experimentele designs gebruikt?

Vroeger werden single-case experimentele designs erg vaak gebruikt. Pavlov, Thorndike, Ebbinghaus en Weber waren bijvoorbeeld voorstanders van dit soort designs. Tegenwoordig wordt het single-case design vooral gebruikt om operante conditionering te bestuderen, of om te onderzoeken of gedragsveranderingstechnieken effectief zijn. Ook kan met dit design simpelweg worden gedemonstreerd dat een gedragseffect kan worden gevonden, als de juiste onafhankelijke variabele maar gebruikt wordt.

Welke kritiek is er op single-case experimentele designs?

Resultaten die uit single-case experimentele designs voortvloeien zijn vaak beter te generaliseren dan groepsdesigns. Single-case designs hebben echter ook zo hun nadelen.

De externe validiteit van single-case experimentele designs is niet altijd per definitie beter. Dit is de mate waarin de onderzoeksresultaten gegeneraliseerd kunnen worden naar de populatie. Generaliseerbaarheid hangt namelijk samen met de manier waarop de deelnemers geselecteerd zijn. Bij dieronderzoeken wordt vaak gebruik gemaakt van single-case experimentele designs. Dat komt doordat dieronderzoeken vaak toch beter generaliseerbaar zijn, omdat de dieren die onderzocht worden vaak erg op elkaar lijken. Ze zijn vaak dezelfde omgevingen opgegroeid en genetisch lijken ze ook zeer veel op elkaar. Als een onafhankelijke variabele dan effect heeft gehad, dan geldt dit meteen voor alle dieren van dezelfde soort. Een beperking van single-case experimentele designs is, dat ze niet goed gebruikt kunnen worden om interacties tussen variabelen te bestuderen. Tenslotte gaan single-case experimentele designs soms gepaard met ethische problemen.

Wat zijn case studies?

Een ‘case study’ is een gedetailleerde beschrijving van een individu, groep of gebeurtenis. Bij case studies kan gebruik gemaakt worden van observatie, interviews, vragenlijsten, krantenartikelen en archiefmateriaal. Op basis van alle informatie wordt een beschrijving (‘narrative description’) in elkaar gezet van een persoon, groep of gebeurtenis.

Het gebruik van case studies

Er kan om vier redenen voor een case study gekozen worden:

1. Een case study kan dienen als een bron van inzicht en ideeën. Een onderzoeker kan hierdoor meer leren over het fenomeen dat hij gaat onderzoeken. Zo kan de onderzoeker ideeën opdoen en nadenken over hoe hij of zij in de toekomst onderzoek kan doen.

2. Een case study kan gebruikt worden om zeldzame gebeurtenissen te beschrijven. Wanneer er een zeldzame stoornis wordt bestudeerd, wordt er vaak voor een case study gekozen. Er zijn dan maar weinig mensen die aan de stoornis lijden. Om meer over de ziekte te leren, is het in zo’n geval belangrijk om een individu met deze zeldzame stoornis uitvoerig te bestuderen.

3. Een case study kan gebruikt worden om een psychobiografie over iemand te schrijven. Bij een psychobiografie worden concepten en theorieën uit de psychologie toegepast om de levens van bekende mensen te analyseren. Een psychobiografie is altijd een beschrijving die achteraf wordt gedaan. Het is dus niet mogelijk om te toetsen of zo’n beschrijving accuraat is.

4. Tot slot kan een case study gebruikt worden om echte anekdotes aan te halen in plaats van alleen te spreken over empirische resultaten. Anekdotes zorgen ervoor dat mensen sneller geloven in wat de onderzoeker heeft gevonden.

Beperkingen van case studies

Case studies kunnen nooit gebruikt worden om hypothesen te toetsen. Een case study heeft namelijk geen controle over externe variabelen. Als een onderzoeker bijvoorbeeld een fenomeen opmerkt door middel van een case study, dan kan hij of zij niet met zekerheid zeggen waar dit door komt. Dit is omdat hij geen controle heeft over de variabelen die de onderzochte persoon kunnen beïnvloeden.

Een andere beperking is dat er vaak maar één onderzoeker betrokken is bij een specifieke case study. De onderzoeker is vaak zelfs de psychotherapeut van de deelnemer. We kunnen daarom niet bepalen hoe betrouwbaar en valide de bevindingen van de onderzoeker zijn.

In de designs die tot nu toe zijn besproken, bestuderen de onderzoekers de effecten van onafhankelijke variabelen door de gemiddelde responsen van twee of meer groepen met elkaar te vergelijken. Dat soort designs wordt ook wel groepsdesign (‘group design’) genoemd. Bij een single-case experimenteel design wordt de experimentele groep niet als geheel geanalyseerd, maar wordt elk individu uit de experimentele groep apart geanalyseerd. Vaak worden in totaal drie tot acht deelnemers geanalyseerd. Bij single-case experimentele designs wordt bijna nooit het gemiddelde van de resultaten van de proefpersonen berekend. Omdat naar het individu wordt gekeken, doet het groepsgemiddelde er immers niet toe. Doordat er geen gemiddelde wordt berekend, kan er ook geen gebruik gemaakt worden van inferentiële statistieken, zoals de t-toets of de F-toets.