Números pequenos são uma oportunidade, não um problema
DOI:
https://doi.org/10.15448/1980-6108.2021.1.40128Palavras-chave:
modelo misto, porcentagem de todos os dados bayes não sobrepostos, projeto de caso único, projeto experimental de caso único, séries temporaisResumo
Objetivo: os resultados da pesquisa em educação e treinamento são, em parte, uma função do contexto em que esse estudo ocorre, das perguntas que fazemos e do que é viável. Muitas perguntas são sobre a aprendizagem, que envolve medições repetidas em uma janela de tempo específica, e o contexto prático, geralmente, é tal, que oferecer uma intervenção a alguns, mas não a todos os alunos, não faz sentido ou é antiético. Para garantia de qualidade e outros propósitos, os centros de educação e treinamento podem ter perguntas orientadas localmente que procuram responder, como, por exemplo, se uma intervenção pode ser considerada eficaz em seu contexto de pequeno número de alunos. Embora a justificativa por trás do projeto e dos resultados deste tipo de estudos possa ser do interesse de uma comunidade muito mais ampla, por exemplo, para estudar a possibilidade de transferência de resultados para outros contextos, as pessoas são frequentemente desencorajadas a relatar os resultados de tais estudos em conferências ou em revistas de pesquisa educacional. O objetivo deste artigo é combater esse desânimo e, em vez disso, incentivar as pessoas a verem os pequenos números como uma oportunidade em vez de um problema.
Método: realizado um exemplo de método paramétrico e não paramétrico para este tipo de situação, utilizando dados simulados no programa estatístico Open Source R versão 4.0.5 de custo zero.
Resultados: ao contrário do método não paramétrico, o método paramétrico pode fornecer estimativas da eficácia da intervenção para o participante individual, levando em conta as tendências em diferentes fases de um estudo. No entanto, o método não paramétrico fornece uma solução em várias situações, onde o método paramétrico deve ser usado.
Conclusão: dados os custos da pesquisa, as lições a serem aprendidas com a pesquisa e os métodos estatísticos disponíveis, pequenos números devem ser considerados uma oportunidade, não um problema.
Downloads
Referências
Leppink J. The art of modelling the learning process: Uniting educational research and practice. Cham: Springer; 2020. https://doi.org/10.1007/978-3-030-43082-5
Michiels B, Heyvaert M, Meulders A, Onghena P. Confidence intervals for single-case effect size measures based on randomization test inversion. Behav Res Meth. 2017;49:363-81. https://doi.org/10.3758/s13428-016-0714-4
Michiels B, Onghena P. Randomized single-case AB phase designs: prospects and pitfalls. Behav Res Meth. 2018;51:2454-76. https://doi.org/10.3758/s13428-018-1084-x
Parker RI, Hagan-Burke S, Vannest KJ. Percentage of all non-overlapping data (PAND): An alternative to PND. J Spec Educ. 2007;40:194-204. https://doi.org/10.1177/00224669070400040101
Pérez-Fuster P, Sevilla J, Herrera G. Enhancing daily living skills in four adults with autism spectrum disorder through an embodied digital technology-mediated intervention. Res Aut Spect Dis. 2019;58:54-67. https://doi.org/10.1016/j.rasd.2018.08.006
Tanious R, De TK, Onghena P. A multiple randomization testing procedure for level, trend, variability, overlap, immediacy, and consistency in single-case phase designs. Behav Res Therap. 2019;119:103414. https://doi.org/10.1016/j.brat.2019.103414
Maric M, Van der Werff V. Single-case experimental designs in clinical intervention research. In: R Van de Schoot & M Milocević, Small sample size solutions: A guide for applied researchers and practitioners. OAPEN Home; 2020. p. 102-11. https://library.oapen.org/bitstream/handle/20.500.12657/22385/9780367221898_text%20(1).pdf?sequence=1#page=116
Pinheiro J, Bates D, DebRoy S, Sarkar D, Team RC. nlme: Linear and nonlinear mixed effects models. R Package Ver. 2013;3:111.
R Core Team. R: A language and environment for statistical computing [Internet]. Vienna: R Foundation for Statistical Computing (version 4.0.5); 2021 March 31 [cited 2021 May 6]. Available from: https://www.r-project.org
Viechtbauer W. Bias and efficiency of meta-analytic variance estimators in the random-effects model. J Educ Behav Stat. 2005;30:261-93. https://doi.org/10.3102/10769986030003261
Love J, Selker R, Marsman M, et al. JASP version 0.14.1.0 [Internet]; 2020 Dec 17 [cited 2021 May 6]. Available from: https://jasp-stats.org
Leppink J. Statistics for N = 1: A non-parametric Bayesian approach. Scientia Med. 2020;30:1-10. https://doi.org/10.15448/1980-6108.2020.1.38066
Parker RI, Hagan-Burke S, Vannest KJ. Percentage of all non-overlapping data (PAND): An alternative to PND. J Spec Educ. 2007;40:194-204. https://doi.org/10.1177/00224669070400040101
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2021 Scientia Medica

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Direitos Autorais
A submissão de originais para a Scientia Medica implica na transferência, pelos autores, dos direitos de publicação. Os direitos autorais para os artigos publicados nesta revista são do autor, com direitos da revista sobre a primeira publicação. Os autores somente poderão utilizar os mesmos resultados em outras publicações indicando claramente a Scientia Medica como o meio da publicação original.
Licença Creative Commons
Exceto onde especificado diferentemente, aplicam-se à matéria publicada neste periódico os termos de uma licença Creative Commons Atribuição 4.0 Internacional, que permite o uso irrestrito, a distribuição e a reprodução em qualquer meio desde que a publicação original seja corretamente citada.