İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Deney tasarımı›Uyarlanabilir Çoklu Temel Çizgi Tasarımı — Uyarlanabilir Tekli Vaka Deneysel Tasarımı (SCED)
Process / pipelineExperimental design

Uyarlanabilir Çoklu Temel Çizgi Tasarımı — Uyarlanabilir Tekli Vaka Deneysel Tasarımı (SCED)

Adaptive Multiple Baseline Single-Case Experimental Design · Ayrıca şöyle bilinir: adaptive MBD, flexible multiple baseline design, adaptive SCED multiple baseline, data-driven multiple baseline design

Uyarlanabilir Çoklu Temel Çizgi Tasarımı, standart çoklu temel çizgi mantığını — müdahale başlangıcını iki veya daha fazla katmanda (davranışlar, ortamlar veya katılımcılar) kademeli olarak başlatma — uygulayan ancak faz değişikliği kararlarının sabit, önceden belirlenmiş programlar yerine devam eden veri incelemesiyle yönlendirilmesine izin veren tekli vaka deneysel bir tasarımdır. Bu esneklik, tasarımı katılımcı değişkenliğine daha duyarlı hale getirirken, nedensel çıkarımı destekleyen temel tekrarlama mantığını korur.

ScholarGate
  1. Process / pipeline
  2. v1
  3. 2 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Uyarlanabilir Çoklu Temel Çizgi Tasarımı
AB TasarımıABA TasarımıABAB TasarımıUyarlanabilir DeneyÇoklu Temel Çizgi Tasarı…Tek Kişilik Deneysel Des…

Ne zaman kullanılır

Bir veya az sayıda katılımcıda bir davranışı, beceriyi veya sonucu incelerken ve bir müdahalenin değişikliğe neden olup olmadığını test etmek isterken, ancak sabit süreli temel çizgiler pratik değilse veya etik olarak sorunluysa (örneğin, katılımcının durumuna bakılmaksızın sabit bir süre tedavi uygulamamak), uyarlanabilir çoklu temel çizgi tasarımını kullanın. Özellikle katılımcı değişkenliğinin yüksek olduğu ve bireyselleştirilmiş zamanlamanın önemli olduğu davranışsal müdahale araştırmaları, özel eğitim, klinik psikoloji ve rehabilitasyon için çok uygundur. Katmanların işlevsel olarak bağımsız olmadığı durumlarda KULLANMAYIN — bir davranıştaki müdahale otomatik olarak diğerini değiştirirse, tekrarlama mantığı başarısız olur. Ayrıca grup düzeyinde genellemeler yapmanız gerektiğinde veya araştırma sorusu popülasyon parametreleri üzerinde çıkarımsal istatistik gerektirdiğinde bundan kaçının; bu durumlarda rastgele kontrollü bir çalışma veya grup tasarımı daha uygundur.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Çoklu temel çizgi tasarımının nedensel mantığını korur — bağımsız katmanlar arasında kademeli tekrarlama, bir geri çekilme fazı olmadan nedensel çıkarımı destekler.
  • Sabit süreli temel çizgilere sahip tasarımlara göre daha fazla etik pratik fizibilite sunar; çünkü önceden belirlenmiş bir süre boyunca tedaviyi uygulamamak uygun olmadığında daha esnektir.
  • Gerçek katılımcı değişkenliğine duyarlıdır — faz değişiklikleri keyfi zaman kuralları yerine gösterilmiş kararlılığa bağlıdır.
  • Deneyimsel kontrolü göstermek için faydalı bir tedavinin geri çekilmesini gerektirmez, tersine çevirme (ABAB) tasarımlarının aksine.
  • İki veya üç katmanla kullanılabildiğinden, küçük-n ve uygulamaya dayalı araştırmalar için erişilebilirdir.
Sınırlılıklar
  • Gerçekten işlevsel olarak bağımsız katmanlar gerektirir; davranışlar, ortamlar veya katılımcılar birbirlerini etkilerse, kontrol mantığı tehlikeye girer.
  • Uyarlanabilir karar kuralları önceden belirlenmiş olmalıdır; sonradan yapılan ayarlamalar araştırmacı yanlılığına kapı aralar ve etkinliğe dair görünen kanıtları şişirir.
  • Sadece iki veya üç katman arasındaki tekrarlama, dördü veya daha fazlasından daha zayıf nedensel kanıt sağlar; nedensellik konusundaki güven, tekrarlama sayısıyla artar.
  • Grup düzeyinde etki tahminleri veya istatistiksel olarak genelleştirilebilir sonuçlar vermez; bulgular incelenen bireylere yöneliktir.

SSS

Uyarlanabilir çoklu temel çizgi tasarımı, standart çoklu temel çizgi tasarımından nasıl farklıdır?

Her iki tasarımda da müdahale bağımsız katmanlar arasında sıralı olarak tanıtılır ve kademeli tekrarlama deseni nedensellik kanıtı sağlar. Fark, zamanlamadadır: standart bir çoklu temel çizgi tasarımı temel çizgi süresini önceden sabitlerken, uyarlanabilir versiyon her katmanın müdahaleye ne zaman geçeceğini belirlemek için önceden belirlenmiş verilere dayalı karar kurallarını (örneğin, eğilim ve değişkenlik için kararlılık kriterleri) kullanır. Bu, uyarlanabilir versiyonu daha esnek ve genellikle daha etik olarak haklı çıkarılabilir hale getirir, ancak aynı zamanda karar kurallarının daha dikkatli önceden kaydedilmesini gerektirir.

İyi bir faz değişikliği karar kuralı ne sayılır?

Yaygın olarak kullanılan bir kriter, önceden belirlenmiş bir kararlılık bandı içindeki üç ila beş ardışık veri noktasıdır (örneğin, ortalama etrafında %15-20'den fazla değişkenlik olmaması, beklenen müdahale etkilerinin yönünde belirgin bir eğilim olmaması). Kural, veri toplama başlamadan önce yazılmalı ve tutarlı bir şekilde uygulanmalıdır. Bazı araştırmacılar ayrıca aşırı kısa temel çizgileri önlemek için kararlılıktan bağımsız olarak minimum sayıda temel çizgi oturumu gerektirir.

Nedensel çıkarım için kaç katmana ihtiyacım var?

Alan genel olarak çoklu temel çizgi tasarımında güvenilir nedensel çıkarım için minimum üç katmanı kabul eder. İki katman bazen pilot çalışmalarda kullanılır ancak sınırlı tekrarlama sağlar. Dört veya daha fazla katman argümanı önemli ölçüde güçlendirir. Tekli Vaka Tasarımları için What Works Clearinghouse (WWC) standartları, faz başına minimum veri noktaları ve minimum tekrarlama sayısı etrafındaki gereksinimleri belirtir.

Uyarlanabilir çoklu temel çizgi tasarımını istatistiksel analizle birleştirebilir miyim?

Evet. Görsel analiz birincil araçtır, ancak tekli vaka verileri için geliştirilmiş etki büyüklüğü istatistikleri — Tau-U, tüm çiftlerin örtüşmemesi (NAP) veya tekli vaka tasarımları için standartlaştırılmış ortalama farkı gibi — görsel incelemeyi tamamlayabilir ve giderek daha fazla dergi ve sistematik gözden geçirenler tarafından talep edilmektedir. Bu istatistikler şeffaf bir şekilde seçilmeli ve görsel verilerle birlikte raporlanmalıdır.

Bu tasarım grup araştırma soruları için uygun mu?

Hayır. Uyarlanabilir çoklu temel çizgi tasarımı tekli vaka (küçük-n) tasarımıdır; müdahalenin incelenen belirli bireyler için işe yarayıp yaramadığını ele alır. Sorunuz tanımlanmış bir popülasyondaki ortalama etki veya bir örneklem boyunca istatistiksel genelleme ile ilgiliyse, rastgele kontrollü bir çalışma veya grup yarı-deneyi uygun tasarımdır.

Kaynaklar

  1. 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: 10.1901/jaba.1968.1-91 ↗
  2. Kratochwill, T. R., & Levin, J. R. (Eds.). (2010). Single-Case Intervention Research: Methodological and Statistical Advances. American Psychological Association. ISBN: 978-1433808838

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 3). Adaptive Multiple Baseline Single-Case Experimental Design. ScholarGate. https://scholargate.app/tr/experimental-design/adaptive-multiple-baseline-design

İlişkili yöntemler

AB TasarımıABA TasarımıABAB TasarımıUyarlanabilir DeneyÇoklu Temel Çizgi TasarımıTek Kişilik Deneysel Desen

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • AB TasarımıDeney tasarımı↔ karşılaştır
  • ABA TasarımıDeney tasarımı↔ karşılaştır
  • ABAB TasarımıDeney tasarımı↔ karşılaştır
  • Uyarlanabilir DeneyDeney tasarımı↔ karşılaştır
  • Çoklu Temel Çizgi TasarımıDeney tasarımı↔ karşılaştır
  • Tek Kişilik Deneysel DesenDeney tasarımı↔ karşılaştır
Yan yana karşılaştır →

Benzer yöntemler

Uyarlanabilir AB TasarımıUyarlanabilir KABA TasarımıUyarlanabilir ABAB TasarımıÇoklu Temel Çizgi TasarımıPragmatik Çoklu Temel Çizgi DeseniUyarlanabilir Tek Denekli Deneysel TasarımÇaprazlama Çoklu Temel Çizgi TasarımıEngellenmiş Çoklu Temel Çizgi Tasarımı

İlgili referans kavramlar

Yarı Deneysel ve Doğal Deney TasarımıApplied Behavior AnalysisDavranışsal Gözlem ve Fonksiyonel AnalizAraştırma Yöntemleri ve Deneysel TasarımÇalışma Tasarımları ve Kanıt TürleriSonuç Ölçümü ve İlerleme Takibi

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Adaptive Multiple Baseline Design (Adaptive Multiple Baseline Single-Case Experimental Design). 2026-07-20 tarihinde şu adresten erişildi: https://scholargate.app/tr/experimental-design/adaptive-multiple-baseline-design · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Baer, Wolf & Risley (multiple baseline foundation); adaptive modifications developed within single-case methodology community
Year
1968 (multiple baseline base); adaptive extensions discussed from ~2000s onward
Type
Single-case experimental design (SCED)
DataType
Repeated measures of a single participant or small-n across behaviors, settings, or participants
Subfamily
Experimental design
İlişkili yöntemler
AB TasarımıABA TasarımıABAB TasarımıUyarlanabilir DeneyÇoklu Temel Çizgi TasarımıTek Kişilik Deneysel Desen
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil