Baseline und Förderphase verstehen
Die Baseline ist der Vergleichsmaßstab: Ohne sie lässt sich nicht sagen, ob sich nach Förderbeginn etwas verändert hat. Plane mindestens drei, besser fünf Messpunkte ein, bevor die Maßnahme startet.
Wie lang die Baseline sein sollte
Standards der Einzelfallforschung verlangen mindestens drei, besser fünf Messpunkte pro Phase (Kratochwill et al., 2013). Bei ein bis zwei Bewertungen pro Tag ist das in ein bis zwei Wochen erreicht. Ob du wechseln kannst, entscheidet der Verlauf:
- Stabil oder ungünstig: Die Werte bewegen sich in einem erkennbaren Band oder werden schlechter. Die Förderung kann starten.
- Stark schwankend: Weitere Werte sammeln, bis sich ein Muster zeigt. Je unruhiger die Kurve, desto mehr Werte braucht es.
- Schon besser werdend: Abwarten. Startet die Förderung in einen laufenden Aufwärtstrend, lässt sich ihr Beitrag kaum erkennen.
- Gefährdung: Bei Selbst- oder Fremdgefährdung wartet niemand auf fünf Messpunkte. Dann geht Sicherheit vor, und der Verlauf dokumentiert ab dem ersten Tag der Maßnahme.
Was als Förderphase zählt
Die Förderphase beginnt an dem Tag, an dem die Maßnahme tatsächlich umgesetzt wird, nicht mit dem Beschluss im Team. Bewertet wird weiter wie zuvor: gleiche Person, gleiche Situation, gleiche Skala. Ändert sich mit der Maßnahme auch die Messung, ist ein Unterschied nicht mehr interpretierbar.
Den Vergleich lesen
Die visuelle Analyse betrachtet sechs Merkmale (Kratochwill et al., 2013; Lane & Gast, 2014):
| Merkmal | Frage an die Kurve |
|---|---|
| Niveau | Liegen die Werte im Mittel höher oder niedriger als vorher? |
| Trend | Zeigt die Kurve innerhalb der Phase nach oben oder unten? |
| Schwankung | Ist der Verlauf ruhiger oder unruhiger geworden? |
| Unmittelbarkeit | Ändert sich schon in den ersten drei bis fünf Werten nach dem Wechsel etwas? |
| Überlappung | Wie viele Förderwerte liegen im Bereich der Baseline-Werte? |
| Konsistenz | Sieht es in vergleichbaren Phasen ähnlich aus, etwa in einem zweiten Fach? |
NAP und Tau-U einordnen
- NAP (Nonoverlap of All Pairs) vergleicht jeden Baseline-Wert mit jedem Förderwert. Der Kennwert gibt an, in wie viel Prozent der Paare der Förderwert in der gewünschten Richtung liegt; Gleichstände zählen halb (Parker & Vannest, 2009). 50 Prozent bedeuten keinen Unterschied, 100 Prozent vollständige Trennung.
- Tau-U verbindet Nicht-Überlappung mit einer Korrektur für einen Trend in der Baseline (Parker et al., 2011). Gerade diese Trendkorrektur kann schwer interpretierbare Werte liefern, und manche Tau-U-Varianten stimmen nur schwach mit der visuellen Analyse überein (Brossart et al., 2018).
Beide Kennwerte ergänzen den Blick auf die Kurve, sie ersetzen ihn nicht. Dazu gehört immer die Frage, ob die Veränderung im Alltag bedeutsam ist (Manolov et al., 2016).
Was ein Phasenunterschied zeigt
Ein Vergleich aus Baseline und Förderphase (A-B-Design) zeigt, ob sich etwas verändert hat, aber nicht sicher, warum (Manolov et al., 2016). Ferien, ein neuer Sitzplatz oder ein anderer Stundenplan können zur selben Zeit wirken. Stärker wird die Aussage, wenn sich der Effekt wiederholt:
- Zeitversetzter Start: Dieselbe Maßnahme beginnt zuerst in Mathe und ein bis zwei Wochen später in Deutsch. Ändert sich das Verhalten jeweils erst mit dem Start, spricht das deutlich für die Maßnahme. Dieses Vorgehen heißt multiple Baseline.
- Follow-up: Nach dem Ende der Förderung einige Wochen weiter messen. So zeigt sich, ob der Effekt hält.
Absetzen und Wiedereinführen der Maßnahme ist methodisch stark, im Schulalltag aber selten sinnvoll und oft nicht vertretbar.
Check vor dem Phasenwechsel
- mindestens drei, besser fünf Baseline-Werte
- kein laufender Trend in die gewünschte Richtung
- Maßnahme konkret beschrieben, Starttag festgelegt
- Messung bleibt unverändert
- Termin für die erste Auswertung steht
Weiterlesen
Literatur
- Brossart, D. F., Laird, V. C., & Armstrong, T. W. (2018). Interpreting Kendall’s Tau and Tau-U for single-case experimental designs. Cogent Psychology, 5(1), Artikel 1518687. https://doi.org/10.1080/23311908.2018.1518687
- Kratochwill, T. R., Hitchcock, J. H., Horner, R. H., Levin, J. R., Odom, S. L., Rindskopf, D. M., & Shadish, W. R. (2013). Single-case intervention research design standards. Remedial and Special Education, 34(1), 26–38. https://doi.org/10.1177/0741932512452794
- Lane, J. D., & Gast, D. L. (2014). Visual analysis in single case experimental design studies: Brief review and guidelines. Neuropsychological Rehabilitation, 24(3–4), 445–463.
- Manolov, R., Losada, J. L., Chacón-Moscoso, S., & Sanduvete-Chaves, S. (2016). Analyzing two-phase single-case data with non-overlap and mean difference indices: Illustration, software tools, and alternatives. Frontiers in Psychology, 7, Artikel 32. https://doi.org/10.3389/fpsyg.2016.00032
- Parker, R. I., & Vannest, K. J. (2009). An improved effect size for single-case research: Nonoverlap of all pairs. Behavior Therapy, 40(4), 357–367. https://doi.org/10.1016/j.beth.2008.10.006
- Parker, R. I., Vannest, K. J., Davis, J. L., & Sauber, S. B. (2011). Combining nonoverlap and trend for single-case research: Tau-U. Behavior Therapy, 42(2), 284–299. https://doi.org/10.1016/j.beth.2010.08.006