Procedimentos de Análise Visual dos Gráficos

Antes de apresentar a análise dos dados de desempenho dos participantes, é relevante explicitar os procedimentos realizados e o significado de cada índice, como forma de permitir uma maior compreensão por parte do leitor. Os seguintes procedimentos são baseados em Lane e Gast (2014) e recomenda-se que tal artigo seja lido para maiores detalhes. (Os dados brutos

de cada participante estão agrupados no Apêndice D).

Na área de análise estatística visual de gráficos de EECU ainda não há um consenso sobre o melhor procedimento estatístico. A maioria dos estudos com EECU analisam graficamente os dados, sem nenhum procedimento estatístico. A grande vantagem do procedimento estatístico é permitir uma maior confiabilidade dos dados, pois apenas a análise visual pode levar a enganos. Deste modo, o procedimento de Lane e Gast (2014) foi escolhido para esse trabalho em função da sua facilidade de aplicação, tanto pela fácil compreensão dos procedimentos, quanto por não exigir o uso de um programa estatístico específico e pago.

Sendo assim, sua ideia geral da análise estatística visual de dados em EECU é que “uma intervenção que produz mudanças dramáticas e replicáveis no comportamento que duram ao longo do tempo são prontamente vistas em gráficos bem delineados” (Cooper, 2007, como citado por Lane & Gast, 2014, p. 447).

Outros conceitos-chave para a análise visual dos gráficos que serão apresentados nos resultados do trabalho, são nível de mudança, estabilidade, tendência e nível de sobreposição.

De uma condição A (linha de base) para uma B (intervenção B), existe dois domínios de análise dos dados. O domínio dentro de cada condição analisa a condição A e B, ou as condições A, A1 e A2 separadamente, dentro de cada categoria. Por outro lado, a análise entre condições analisa a mudança de A para B, ou de A, para A1, ou de A para A2. Ambas são importantes para a análise visual.

Na análise entre condições, o primeiro passo é contabilizar o número de sessões dentro de cada condição. Em seguida, calcula-se a média e mediana. A amplitude é calculada subtraindo o maior valor do menor da mesma condição. O próximo passo é calcular 25% da mediana, o que é considerado como um erro padrão, no sentido que se calcula um intervalo da mediana mais e menos esse valor de 25%. Por exemplo, se a mediana for 28,5; 25% desse valor é 7,125. O intervalo é 28,5 menos 7,125, que é 21, 375 e 28,5 mais 7,125; que é 35,625.

Portanto, o próximo passo é calcular a percentagem de valores dentro dessa condição que estão dentro desse intervalo. Se mais de 80% estiverem dentro desse intervalo, pode-se dizer que os dados são estáveis. Se, por outro lado, menos de 80% estiverem, diz-se que os dados são variáveis.

Dois conceitos são importantes dentro da análise dentro da condição. O primeiro é o nível de mudança mediano e o segundo, nível de mudança absoluto. O nível de mudança mediano é calculado ao se subtrair a mediana da 2ª metade da mediana da primeira metade da mesma condição. Isso significa, que os dados dentro da condição precisam ser divididos em dois grupos, cada qual com sua mediana. Um nível de mudança mediano alto dentro da condição significa que houve uma grande mudança proporcional sem que houvesse sido inserido ou alterado alguma variável independente. O segundo conceito, o de nível de mudança absoluto, é calculado subtraindo o último valor da condição com o primeiro e indica a magnitude absoluta da mudança sem a alteração da variável independente. Se esses dois índices forem positivos mesmo antes de se inserir a intervenção, é possível que tal aumento se deva ao efeito de aprendizagem na resolução da tarefa.

Se, em contrapartida, esses índices estivessem diminuindo, mas aumentaram imediatamente e de maneira consistente (estabilidade na condição A1, por exemplo), pode-se associar o aumento da variável dependente (desempenho atencional) à inserção da variável independente (intervenção). Em seguida, se ao se retirar a intervenção, o desempenho voltar a cair, pode-se dizer com maior segurança que há associação entre a intervenção e o aumento atencional. Por outro lado, no caso em que se ensina estratégias cognitivas que não podem ser retiradas posteriormente, se A estivesse diminuindo, mas aumentou logo com A1 e se manteve depois de se retirar a intervenção (A2), pode-se dizer que o participante continuou a usar as estratégias mesmo com a retirada da mediação do pesquisador.

Em relação à análise entre condições, compara-se o desempenho na mesma tarefa entre

diferentes condições. O nível relativo de mudança é calculado subtraindo a mediana da primeira metade da intervenção da mediana da segunda metade de A (linha de base). Tal fator indica o grau de mudança proporcional entre as duas condições. Já o nível absoluto de mudança é calculado ao se subtrair o primeiro valor da intervenção com o último de A (linha de base) e indica o grau absoluto de mudança entre as condições.

Valores altos desse índice sugerem que a mudança foi abrupta, enquanto que valores pequenos, que a mudança imediata não foi abrupta. O nível de mediana e de média de mudança são calculados ao se subtrair a média/mediana da intervenção da média/mediana da linha de base (A). Ambas, ao lado da mudança relativa de mudança, representam a magnitude da mudança proporcional. Isso significa que valores altos desses índices sugerem que a mudança foi mais constante e regular ao longo das sessões. E por fim, o percentual de non-overlapping data é calculado ao se determinar o percentual de valores de A1 ou de A2 ou de B acima do maior valor da linha de base. Altos valores de non-overlapping data indicam maiores magnitudes de mudança. Entretanto, os autores (Lane e Gast (2014) não determinaram um valor de referência (acima de 80%, por exemplo) para que se possa dizer que a mudança foi significativa. Já o overlapping data é o oposto do índice anterior. Se o objetivo da intervenção for reduzir a frequência de comportamentos, o non-overlapping data é calculado ao s e contabilizar quanto valores da condição de intervenção está abaixo do maior valor do da condição A (linha de base).

Como pode ser percebido, tal análise usa a mediana e não a média, pois reconhece que a média, a despeito de ser tão utilizada em outras áreas, é muito influenciada por valores discrepantes.

Tanto na análise dentro da condição, quanto na entre condições a estabilidade é medida a partir da mediana. Se 80% dos dados estiverem dentro de um intervalo de 25% de distância da mediana, pode-se dizer que os dados são estáveis. Caso contrário, são variáveis. A

estabilidade é importante, pois deve ser atingida antes que se mude de condição (A-B-A). A tendência é uma reta linear no gráfico, que indica globalmente se os dados dentro de cada condição estão aumentando ou diminuindo. (Lane & Gast, 2014).