Aktionsforschung: Interpretation und Umsetzung von Forschungsergebnissen

Words: 569
Topic: Psychologie

Einführung

Es kann effektiv sein, eine ähnliche Zeitreihenforschung wie die zur Bewertung der Wirksamkeit der Verhaltensintervention durchgeführte zu verwenden (Babbie, 2016). Es sollten dieselbe Zeitspanne und dieselben Tage verwendet werden, um sicherzustellen, dass die gewonnenen Daten frei von Einflüssen anderer Faktoren sind.

Dabei kann es effektiver sein, denselben Teil des Tages zu wählen, da unterschiedliche Faktoren ins Spiel kommen können. An anderen Tagen kann Kaya zum Beispiel aufgrund bestimmter Faktoren zu Hause oder in der Schule nervöser sein (wenn sie bestimmte Leute trifft, mehr Aufgaben zu erledigen hat usw.). Auch kann sich Kaya zu verschiedenen Tageszeiten unterschiedlich fühlen (z. B. Hunger, Müdigkeit, Heimweh usw.). Daher wird die Zeit fast gleich sein, aber der Zeitraum während des Unterrichts und der Pause wird gewählt. Es kann von Vorteil sein, das Verhalten der Teilnehmer zwei Wochen lang zu beobachten.

Analyse

Es ist möglich, Zeit- und Frequenzbereiche zu verwenden, um Daten zu sammeln, zu interpretieren und zu präsentieren (Senter, n.d.). Ich würde die Zeitdomäne verwenden, da sie einige Besonderheiten von Kayas Verhalten in bestimmten Zeitabschnitten aufzeigen und eventuelle Veränderungen in ihrem Verhalten bewerten kann (siehe Abbildung 1). Der graphenbasierte Rahmen kann bei der Analyse der Daten und der Vorhersage etwaiger Veränderungen helfen (Yadav & Toshniwal, 2011).

Die nach der Intervention erhobenen Daten zeigen eine gewisse Verbesserung von Kayas Verhalten in Bezug auf die drei analysierten Bereiche (siehe Abbildung 2). Die größte Verbesserung zeigt sich im Bereich der körperlichen und verbalen Aggression, da die Häufigkeit des Ausdrucks von Aggression deutlich abnahm (fast um die Hälfte).

Dennoch wurden die Fälle von körperlicher und verbaler Aggression am Mittwoch häufiger, was durch andere Faktoren, die Kayas Verhalten beeinflussen, erklärt werden kann. Dabei blieb die Häufigkeit des aufgabenfremden Verhaltens fast unverändert, was bedeuten könnte, dass die Intervention keine Auswirkungen auf diesen Bereich hat. Die Beobachtung in der zweiten Woche führte zu recht unerwarteten Ergebnissen. Die Häufigkeit unerwünschter Verhaltensweisen war am Montag immer noch recht hoch. Diese Daten zeigen, dass die zu Hause verbrachten Tage (ohne die Intervention) einen negativen Einfluss auf Kayas Verhalten hatten.

Die Beobachtung zeigt die mäßige Wirksamkeit der entwickelten Intervention. Kayas Verhalten änderte sich deutlich und die Häufigkeit unerwünschter Verhaltensweisen nahm ab. Dennoch blieb der Bereich des aufgabenfremden Verhaltens fast unverändert, was zeigt, dass dieses Problem angegangen werden muss. Die Beobachtung in der zweiten Woche machte deutlich, wie wichtig das Engagement der Eltern ist. Es ist klar, dass auch die Eltern Teil der Intervention sein sollten. Sie sollten die Rolle des Lehrers zu Hause übernehmen. In diesem Fall kann Kaya wichtige soziale Kompetenzen erwerben. Obwohl die Häufigkeit von körperlicher und verbaler Gewalt immer noch recht hoch ist, ist es klar, dass die Intervention modifiziert werden sollte. Dem Off-Task-Verhalten von Kaya sollte mehr Aufmerksamkeit gewidmet werden.

Schlussfolgerung

Abschließend ist festzustellen, dass die Zeitreihenforschung den Forschern helfen kann, Trends zu erkennen und vorherzusagen. Sie ist vergleichsweise einfach durchzuführen und ziemlich effektiv. Die Darstellung der gewonnenen Daten ist ebenfalls von entscheidender Bedeutung, weshalb Diagramme verwendet werden sollten, um die Informationen leicht auswerten zu können. Die durchgeführte Analyse zeigt, dass die Intervention mäßig wirksam ist, da die Häufigkeit unerwünschter Verhaltensweisen abnahm, Kaya aber immer noch verbale und körperliche Gewalt an den Tag legte. Daher ist es wichtig, die Intervention zu verbessern.

Referenzen

Babbie, E. (2016). Die Grundlagen der Sozialforschung (7. Aufl.). Belmont, CA: Cengage.

Senter, A. (n.d.). Zeitreihenanalyse.

Yadav, V., & Toshniwal, D. (2011). Graph-based framework for time series prediction. Trends in Information Management, 7(2), 74-83.