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›Küme Rastgele Çoklu Başlangıç Tasarımı
Process / pipelineExperimental design

Küme Rastgele Çoklu Başlangıç Tasarımı

Cluster Randomized Multiple Baseline Design · Ayrıca şöyle bilinir: CR-MBD, cluster-randomized MBD, group-randomized multiple baseline, multilevel multiple baseline design

Küme rastgele çoklu başlangıç tasarımı, küme düzeyinde rastgele atamayı çoklu başlangıç tasarımının mantığıyla birleştirir. Sınıflar, okullar veya klinikler gibi bütünleşik gruplar, müdahaleyi farklı zaman noktalarında almak üzere rastgele atanır. Bu, küme düzeyinde rastgele atamanın nedensel geçerliliğini eklerken, çoklu başlangıç tasarımının birim içi tekrarlanan ölçüm 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.

Küme Rastgele Çoklu Başlangıç Tasarımı
ABAB TasarımıKüme Rastgele Kontrollü…Çoklu Temel Çizgi Tasarı…Rastgele Kontrollü Deney…Tek Kişilik Deneysel Des…

Ne zaman kullanılır

Bu tasarımı şu durumlarda kullanın: (1) müdahale grup veya organizasyon düzeyinde uygulandığında ve bireysel rastgele atama mümkün olmadığında; (2) birden fazla küme arasında tekrarlanabilir, nedensel olarak yorumlanabilir bir etkiyi göstermeniz gerektiğinde; (3) başlangıç kararlılığını ve müdahale sonrası değişimi gözlemlemek için yeterince sık zaman serisi verileri toplanabildiğinde. Özellikle okul tabanlı, topluluk veya sağlık sistemi müdahaleleri için uygundur. Kümelerin anlamlı bütünleşik birimler olarak belirlenemediği, üçten az kademe elde edilebildiği, kararlı başlangıçların olası olmadığı (hızla doğal olarak meydana gelen değişim) veya müdahalenin bazı kümelere uzatılmış başlangıç aşaması boyunca etik olarak reddedilemediği durumlarda KULLANMAYIN.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Çoklu başlangıç tasarımının tekrarlama mantığını rastgele atamanın nedensel geçerliliği ile birleştirir, rastgele olmayan tek denekli tasarımlara göre iç geçerliliği güçlendirir.
  • Doğal kümelenmeyi dikkate alır - aynı gruptaki bireyleri rastgele atamaktan kaynaklanacak bulaşmayı önler.
  • Bir etkiyi göstermek için paralel gruplu kümele rastgele kontrollü çalışmalardan çok daha az küme gerektirir, bu da onu düşük kaynaklı veya yeni müdahale bağlamlarında uygulanabilir kılar.
  • Sadece bir ön-sonrası anlık görüntüsü değil, değişim yörüngesini ortaya koyan zaman serisi verileri sağlar.
  • Kademeli başlangıç, çalışma içi tekrarlama görevi görür: etki, müdahale başladığında üç veya daha fazla kez görünürse, alternatif açıklamalar zayıflar.
Sınırlılıklar
  • En az üç kademe gerektirir; yalnızca ikisiyle, tesadüfi zamanlamayı dışlamak için yeterli tekrarlama kanıtı yoktur.
  • Daha sonraki kademelerdeki kümeler daha uzun başlangıçlarla karşı karşıya kalır, bu da müdahalenin faydalı olması beklendiğinde etik kaygılara yol açar.
  • Kümeler içindeki sınıfiçi korelasyon standart hataları şişirir; analiz, çok düzeyli yapıyı hesaba katmalıdır, aksi takdirde sonuçlar anti-konservatif olur.
  • Tasarım, kümeler arasında müdahale yayılmasını varsayar - kontrol kümeleri tedaviye maruz kalırsa (bulaşma), başlangıç kararlılığı bozulur.
  • Görsel analiz birincil olsa da, analist yanlılığına eğilimlidir; ek nicel testler tavsiye edilir.

SSS

Bu, standart bir küme rastgele kontrollü çalışmadan nasıl farklıdır?

Standart bir küme rastgele kontrollü çalışma, kümeleri tedavi veya kontrol grubuna atar ve bunları tek bir son testte karşılaştırır. Bir küme rastgele çoklu başlangıç tasarımı, kümeleri kademeli müdahale başlangıç noktalarına atar ve her kümeyi zaman içinde yoğun tekrarlanan ölçümlerle takip eder. Bu, her müdahale başlangıcında etki için bir çalışma içi tekrarlama üretir, bu da nedensel çıkarımı güçlendirir ve tek bir son testin sağlayamayacağı değişim yörüngesini ortaya çıkarır.

Kaç küme gereklidir?

Nedensel çıkarım için gereken tekrarlamayı sağlamak için en az üç küme (kademe başına bir) gereklidir. Uygulamada, kademe başına iki veya daha fazla küme olması - toplam altı veya daha fazla küme - gücü ve genellenebilirliği önemli ölçüde artırır. Güç analizi, kümeler içindeki sınıfiçi korelasyonu hesaba katmalıdır.

Ya başlangıcım müdahale başlamadan önce kararlı değilse?

Kararsız veya eğilimli bir başlangıç ciddi bir tasarım tehdididir. Müdahaleden önce sonuç zaten değişiyorsa, herhangi bir müdahale sonrası değişim tedaviye net bir şekilde atfedilemez. Araştırmacılar, başlangıç eğilimi açıkça kararlı ve düz olana kadar, bu durum çalışmayı uzatsa bile, belirli bir kademede müdahalenin tanıtılmasını geciktirmelidir. Kararlılık sürekli olarak elde edilemiyorsa, farklı bir tasarım daha uygun olabilir.

Verileri analiz etmek için standart regresyon kullanabilir miyim?

Standart OLS regresyonu, kümelenmiş veri yapısını (kümeler içindeki gözlemler bağımsız değildir) ve tekrarlanan ölçümler yapısını (bir küme içindeki zaman noktaları otokorelasyonludur) göz ardı eder. Geçerli çıkarımlar için küme düzeyindeki rastgele etkileri hesaba katan çok düzeyli veya hiyerarşik modeller veya tek denekli veriler için tasarlanmış rastgele atama testleri gereklidir.

Daha sonraki kademeler için uzun bir başlangıç süresi boyunca tedaviyi reddetmek etik midir?

Bu, tasarımın temel etik gerilimidir. Araştırmacılar, maksimum başlangıç uzunluğunu önceden belirlemeli ve bir katılımcı veya küme bir zarar eşiğine ulaşırsa erken müdahale için hükümler oluşturmalıdır. Müdahalenin henüz etkili olduğu kanıtlanmamış olduğunda - bir pilot çalışmada olduğu gibi - başlangıç sırasında reddetmek genellikle savunulabilir. Kanıtlanmış etkili tedaviler için, tasarım etik olarak haklı çıkarılamayabilir.

Kaynaklar

  1. Murray, D. M. (1998). Design and Analysis of Group-Randomized Trials. Oxford University Press. ISBN: 978-0195120424
  2. Kowalski, J. T., & Shadish, W. R. (2015). Incorporating cluster randomization into multiple baseline designs. Journal of School Psychology, 53(6), 435-449. link ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 3). Cluster Randomized Multiple Baseline Design. ScholarGate. https://scholargate.app/tr/experimental-design/cluster-randomized-multiple-baseline-design

İlişkili yöntemler

ABAB TasarımıKüme Rastgele Kontrollü ÇalışmaÇoklu Temel Çizgi TasarımıRastgele Kontrollü Deney (RKD)Tek Kişilik Deneysel Desen

Hangi yöntem?

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

  • ABAB TasarımıDeney tasarımı↔ karşılaştır
  • Küme Rastgele Kontrollü ÇalışmaDeney tasarımı↔ karşılaştır
  • Çoklu Temel Çizgi TasarımıDeney tasarımı↔ karşılaştır
  • Rastgele Kontrollü Deney (RKD)Deney tasarımı↔ karşılaştır
  • Tek Kişilik Deneysel DesenDeney tasarımı↔ karşılaştır
Yan yana karşılaştır →

Benzer yöntemler

Küme Randomize Kontrollü Grup Deneysel TasarımıÇoklu Temel Çizgi TasarımıPragmatik Çoklu Temel Çizgi DeseniKüme Rastgele Saha DeneyiKüme Rastgele Çok Kollu DeneyKüme Rastgele Kontrollü ÇalışmaEngellenmiş Çoklu Temel Çizgi TasarımıBasamaklı Kama Küme Randomize Kontrollü Çalışma

İlgili referans kavramlar

Randomize Kontrollü ÇalışmaYarı Deneysel ve Doğal Deney TasarımıÇalışma Tasarımları ve Kanıt TürleriRandomize Kontrollü ÇalışmaRandomizasyon ve BloklamaAraştırma Yöntemleri ve Deneysel Tasarım

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

ScholarGate — Cluster Randomized Multiple Baseline Design (Cluster Randomized Multiple Baseline Design). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/experimental-design/cluster-randomized-multiple-baseline-design · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Extension of Baer, Wolf & Risley (1968) multiple baseline; cluster adaptation by Murray and colleagues (1990s)
Year
1990s–2000s
Type
Experimental design (single-subject / small-N with cluster randomization)
DataType
Repeated measures (observations per unit per time point), cluster-level assignment variable
Subfamily
Experimental design
İlişkili yöntemler
ABAB TasarımıKüme Rastgele Kontrollü ÇalışmaÇoklu Temel Çizgi TasarımıRastgele Kontrollü Deney (RKD)Tek 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