Diretriz - Efetiva

Escopo

A evidência do quanto as intervenções comportamentais estão sendo eficazes está diretamente relacionada a proporção de mudanças significativas na resolução de problemas ou de melhorias na qualidade de vida do sujeito alvo da intervenção HOMER; DUNLAP;KOEGEL, 1988. Desta forma, não basta apenas obter mudança no comportamento, mas torna-se necessário a demonstração de resultados significativos na melhoria do estilo de vida do sujeito, bem como das pessoas com as quais convive (BAER; WOLF; RISLEY,1968). Assim, a eficácia de um programa ABA é avaliada pelas famílias por meio da observação direta das mudanças ocorridas nas habilidades comprometidas e pelos Analistas do Comportamento por meio da observação, coletando dados visualmente de um único sujeito e comparando a julgamentos de níveis socialmente aceitáveis de melhoria significativas dos comportamentos-alvo (FALCOMATA, 2015).

A coleta de dados comportamentais é fundamental para intervenções baseadas em evidências, pois os planos de tratamento são guiados por eles (BAER; WOLF; RISLEY,1968). Ou seja, os dados coletados e analisados têm como objetivo orientar os profissionais na tomada de decisões clínicas, bem como os pesquisadores no estabelecimento de uma base de evidências para novas descobertas científicas (JACKSON; DIXON, 2007). A literatura existente sugere (mas não se limita) a alguns exemplos (LERMAN et al.,2011; TAUBMAN et al., 2013; FERGUSON et al., 2020) de coletas de dados que podem fornecer uma estimativa do desempenho de aquisição de habilidades. Assim, ter clareza de que a intervenção terapêutica resulta em crescente grau de progresso para um sujeito, faz com que pais e cuidadores se sintam motivados a persistir com as sessões de terapia. Assim, é relevante:

Isto é possível a partir das consistentes coletas de dados que acontecem ao longo da intervenção por meio de algum protocolo como o VB-MAPP, ABLLS-R, ABLA, EFL, AFLS, etc.

Durante a intervenção o registro dos dados será realizado pela coleta contínua, a qual ocorre a cada resposta emitida pelo sujeito ao longo do ensino de uma habilidade alvo (COOPER; HERON; HEWARD, 2019). Algumas intervenções podem utilizar a sondagem de dados para avaliar se o sujeito alcançou o domínio da habilidade alvo. A sondagem de dados consiste em coletar as informações sobre o aprendizado do sujeito no final de um dia de intervenção ou em dias alternados, ou semanalmente, sem utilizar algum tipo de reforçamento (COOPER; HERON; HEWARD, 2019).

A obtenção dos dados, colhidos na intervenção possibilita a identificação da taxa de aprendizagem do sujeito e assim, observar se existem problemas interferindo no aprendizado para que possam ser corrigidos antes que eles possam afetar o sujeito e sua aprendizagem. De acordo com (COOPER; HERON; HEWARD, 2019), por meio da observação dos dados é possível tomar decisão sobre a continuação, modificação ou término do tratamento.

É importante definir como será registrado as respostas emitidas pelo sujeito, como acertos, acertos com dica ou erros, e ainda registrar as datas de ocorrência das intervenções e das sondagens, definir a quantidade de acertos e erros durante a sondagem para identificar o domínio da tarefa realizada pelo sujeito como: “Programa Aprendido” (seguir para o próximo nível de aprendizagem) ou manter-se no mesmo programa até que o sujeito aprenda a habilidade alvo. Mesmo que o sujeito aprenda uma determinada habilidade é necessário que esta seja periodicamente reavaliada, garantido a manutenção da habilidade adquirida.

Uma vez que os dados foram coletados durante as sondagens, os mesmos devem ser apresentados em um modelo visual que possibilite a avaliação da evolução do sujeito pelo Analista do Comportamento perante uma determinada habilidade.

Requisitos Tecnológicos

A eficácia é o que determina a qualidade de uma intervenção ABA. Assim seguindo essa diretriz, a tecnologia assistiva desenvolvida deve ser capaz de coletar os dados de uma intervenção na qual foi utilizada, pois eles demonstrarão se o sujeito alvo da intervenção está aprendendo, com qual frequência e velocidade, fornecendo assim o desempenho de aquisição da habilidade alvo pelo sujeito. Desta forma, os Analistas do Comportamento conseguirão identificar se o sujeito atingiu os critérios do programa, podendo avançar para outros níveis e se as mudanças no comportamento alvo foram práticas e significativas.

Por meio dos dados coletados o Analista do Comportamento verifica se uma intervenção pôde melhorar a emissão de um comportamento em determinado valor X, mas só será efetiva se X remeter a uma mudança que faça com que haja relevância social considerável ao sujeito alvo da intervenção. Além disso, a tecnologia deve ser capaz de apresentar os resultados coletados por meio de gráficos aos Analistas do Comportamento, para que consigam tomar as devidas decisões em relação ao tratamento. Em geral, a representação gráfica dos dados fornece ao Analista do Comportamento informações sistemáticas, eficientes, compactas e detalhadas sobre o desempenho do sujeito alvo da intervenção. Segundo (COOPER; HERON; HEWARD, 2019) o uso de gráficos:

Aplicações Tecnológicas

Esta seção objetiva apresentar exemplos de pesquisas que mostrem a relação tecnologia e a efetividade da intervenção. As pesquisas descritas aqui, não se restringem apenas as tecnologias assistivas desenvolvidas baseadas na ABA, pois o objetivo é mostrar de forma geral que elas podem ser utilizadas para auxiliar na efetividade da pesquisa.

Tecnologia

Dispositivos móveis e web.

Descrição

O trabalho de Whalen et al. (2006) propôs o TeachTown, desenvolvido baseado no Discrete Trial Training (DTT) e no Pivotal Response Training (PRT), para ser utilizado por crianças em idade pré-escolar com foco em ensinar uma variedade de habilidades socialmente significativas como: linguagem receptiva, compreensão social, autoajuda, atenção, memória, processamento auditivo e habilidades acadêmicas iniciais. Este estudo incluiu quatro crianças com diagnóstico TEA, pontuação média de 38 na Childhood Autism Rating Scale (CARS) e idade média de 4 anos. Para isso, foram realizados dois estudos, sendo que o primeiro teve como propósito investigar a eficácia do TeachTown na aquisição de linguagem receptiva, habilidades cognitivas e sociais. Um projeto de pré-teste/pós-teste foi usado para determinar a aquisição dos conceitos-alvo usando o TeachTown para todos os oitos participantes. Os resultados deste primeiro estudo foram gerados automaticamente pelo TeachTown é mostram que não houve diferença no desempenho das crianças com autismo em comparação com as crianças com outros atrasos no desenvolvimento. Todos os participantes, houve uma mudança significativa usando o TeachTown desde os pré-testes (média = 60,23, desvio padrão = 22,60) para os pós-testes (média = 92,38, desvio padrão = 8,00). Já o segundo estudo incluiu apenas as crianças com TEA e a linguagem, comportamentos sociais e inadequados foram observados para determinar se o uso do TeachTown impedia o uso espontâneo da linguagem e/ou isolamento social, para isso utilizou um desenho de linha de base múltipla. Os resultados deste segundo estudo mostram que as crianças, durante a linha de base, exibiram as seguintes médias de porcentagens aproximadas para: comentários espontâneos (0%, 50%, 18% e 4%); linguagem inapropriada (60%, 20%, 68% e 60%); comportamentos inapropriados (44,5%, 0%, 61% e 57%); contato visual (8%, 25%, 6% e 10%); e demonstração de afeto positivo (3%, 55%, 26% e 30%). Já durante o tratamento, foi observado as seguintes médias de porcentagens aproximadas para: comentários espontâneos (3,5%, 72%, 57% e 36%); linguagem inapropriada (5%, 20%, 20% e 30%); comportamentos inapropriados (25%, 1,6%, 17% e 38%); contato visual (26%, 68%, 43% e 22%); e demonstração de afeto positivo (51%, 46%, 40% e 48%). Os resultados ainda mostram que as crianças também usaram mais palavras por frase durante o tratamento (média = 2,14, desvio padrão = 0,61) com relação a linha de base (média = 1,41, desvio padrão = 0,73). Baseados nos resultados do experimento, é possível observar a eficácia no uso do TeachTown, ou seja, todos os oito participantes reterão as informações trabalhadas dos conceitos-alvo, além disso as quatro crianças com autismo tiveram mudanças significativas apresentando mais comentários espontâneos, menos linguagem inadequada, redução nos comportamentos inapropriados, aumento no contato visual e melhor demonstração de afeto positivo nas sessões de tratamento em comparação com as sessões de linha de base.

Tecnologia

Robôs

Descrição

A pesquisa de Huskens et al. (2013), fornece um exemplo da demonstração da eficácia de uma intervenção realizada por um robô em comparação com uma intervenção conduzida por um Analista do Comportamento para estimular crianças a realizarem perguntas. Os participantes desta pesquisa foram 6 crianças diagnosticados com TEA de acordo com os critérios do Manual Diagnóstico e Estatístico de Transtornos Mentais (DSM-IV), tinham idade entre 8 e 14 anos, que possuíam Quociente de inteligência (QI) acima de 80 e não foram capazes de iniciar uma pergunta após uma indagação de uma pessoa. Um delineamento de linha de base múltipla foi utilizado, assim a linha de base consistiu de três a cinco sessões individuais de 10 minutos cada, e dois psicólogos (treinadores) interagiram com as crianças. Já durante as sessões de intervenção todas as seis crianças receberam duas intervenções, uma intervenção conduzida pelo robô e uma intervenção conduzida pelo treinador humano. Todas as sessões de linha de base e intervenção foram gravadas usando uma câmera de vídeo para que os comportamentos alvos registrados pudessem ser analisados. A análise de dados envolveu primeiro a inspeção visual e o cálculo do número médio de questões auto iniciadas para os grupos experimentais durante cada fase com os respectivos desvios padrão. Em seguida, foi analisado o aumento no número de auto iniciações durante as fases, que foi determinado pelo cálculo de Taunovlap (Parker, Vannest e Davis, 2011). Em relação ao grupo experimental 1, durante a primeira linha de base, o número de perguntas auto iniciadas (de 1 máximo de 4) foi relativamente baixo (média = 1,17, desvio padrão = 1,40). Porém, o número de perguntas auto iniciadas aumentou durante a intervenção do robô para uma média de 3,92 e desvio padrão = 0,29. Em relação a segunda linha de base, o número de perguntas auto iniciadas permaneceu alto para todas as três crianças (média = 3,17, desvio padrão = 1,27). O número médio de perguntas auto iniciadas não aumentou durante a intervenção do treinador (média = 3,83; desvio padrão = 0,39). Por fim, durante a fase de acompanhamento, o número de perguntas auto iniciadas permaneceu alto (média = 3,75, desvio padrão = 0.62), mostrando que as auto iniciações foram mantidas. Já em relação ao grupo experimental 2, o número de perguntas auto iniciadas foi geralmente baixo durante a primeira linha de base (média = 0,25, desvio padrão = 0,62). O número de perguntas auto iniciadas aumentou durante a intervenção do treinador (média = 3,92, desvio padrão = 0,29). O número de perguntas auto iniciadas permaneceu alto durante a linha de base 2 (média = 3,33, desvio padrão = 1,23). Portanto, o número de perguntas auto iniciadas dificilmente aumentaria durante a intervenção do robô (média = 3,75, desvio padrão = 0,62). Durante a fase de acompanhamento, o número de perguntas auto iniciadas permaneceu alto (média = 3,92, desvio padrão = 0,29), mostrando que as auto iniciações foram mantidas. Baseados nos resultados da pesquisa, tanto uma intervenção conduzida por um robô, quanto uma intervenção conduzida por um terapeuta, foram eficazes em estimular questionamentos nas crianças com TEA.

Descrição

A pesquisa de Yun et al. (2017) avaliou e verificou os resultados de intervenções que utilizaram robô para auxiliar na melhoria de comportamentos em crianças com TEA. Assim, foi proposto um programa baseado no Discrete Trial Training (DTT) que trabalhou as habilidades de contato visual e reconhecimento de emoções. Foram selecionados quinze crianças com TEA, idades entre 4 e 7 anos, que apresentavam QI verbal de 60 pontos, tendo seus diagnósticos sido confirmados por um psiquiatra infantil certificado e educador especial experiente de acordo com os critérios do DSM-5, Autism Diagnostic Observation Schedule (ADOS) e Autism Diagnostic InterviewRevised (ADI-R). As crianças foram recrutadas e aleatoriamente designadas para o grupo de tratamento (GT – 8 participantes) ou grupo controle (GC – 7 participantes). No grupo de tratamento, com o objetivo de reduzir dependência da plataforma do esquema de intervenção e avaliar as consequências dos diferentes tipos de comportamento do robô nas atividades das sessões de tratamento, foram utilizados dois robôs, sendo que durante as quatro primeiras semanas o robô iRobiQ foi facilitador terapêutico e nas quatro semanas posteriores de ensaio clínico, utilizou-se o robô CARO. No GC, o facilitador foi um terapeuta humano treinado, o qual participou de todos os experimentos a fim de tronar suas decisões subjetivas mais fiéis. Ambos os grupos tiveram os mesmos procedimentos de intervenção, em que robô (GT) e terapeuta (GC) realizavam o contato visual e atividades de reconhecimento das expressões faciais das emoções. O iRobiQ e o CARO foram responsáveis pelas oito sessões clínicas do GT, já no GC o responsável foi o facilitador humano. Todas as sessões foram monitoradas, com objetivo de manter a fidelidade e a eficácia do tratamento. Os resultados do experimento envolveram as respostas dos pais aos questionários e as observações diretas das crianças selecionadas, além disso foi utilizado a versão coreana da Child Behavior Checklist (K-CBCL) como medida secundária dos resultados. O contato visual foi mensurado por observação direta e comportamentos específicos do sujeito em um período de 300 segundos em intervalos de 5 segundos, estas informações foram codificadas manualmente. Com isso, determinou-se a porcentagem do contato visual definida pela razão entre o número de intervalos de tempo em que o contato visual ocorreu no mínimo uma vez em cada 60 intervalos de tempo, sendo avaliada nos períodos pré e pós tratamento. Durante a linha de base a porcentagem do contato visual que foi mensurada durante a sessão de ADOS pré-tratamento, foi de 20% no GT e 17,4% no GC. Após a primeira sessão de tratamento houve um aumento significativo nas porcentagens iniciais, sendo que a porcentagem do GT (96,46%) foi maior em relação a do GC (68,57%). Após a oitava sessão de tratamento os percentuais médios do contato visual ainda permaneceram elevados no GT (86,8%) em comparação ao GC (69,8%), em relação a linha de base a frequência do contato visual aumentou para ambos os grupos (77,92% no TG e 73,81% no GC). Com relação a mensuração do reconhecimento facial das emoções, as porcentagens aumentaram em ambos os grupos de 16,25% na primeira sessão para 86,43% no GT e de 14,49% na primeira sessão para 90,68% no GC. Assim, os resultados desta pesquisa refletem a ideia de que robôs podem ser utilizados como facilitadores eficientes em intervenções para indivíduos com TEA, além disso é possível observar a eficácia do uso de robôs na melhoria do desempenho do contato visual em relação ao terapeuta humano.

Tecnologia

Software para Desktop

Descrição

A pesquisa de Moore e Calvert (2000) comparou o uso de um software que foi desenvolvido baseado em princípios de aprendizagem comportamental em relação a instruções realizadas pela professora para ensinar habilidades básicas de vocabulário para crianças com TEA. Fizeram parte desta pesquisa 14 crianças diagnosticadas com TEA com idade entre 3 a 6 anos. Medidas de aprendizagem (pré-teste/pós-teste) foram realizadas, assim antes do tratamento, um pré-teste consistindo de 18 substantivos foram distribuídos em flashcards. O tratamento promoveu o aprendizado dos nomes de seis substantivos-alvos não dominados pelas crianças anteriormente. Em uma fase de pós-teste, que ocorreu uma semana após o tratamento, a professora apresentou as crianças flashcards contendo os mesmos substantivos-alvos aprendidos. Para examinar os padrões de atenção, às crianças foram filmadas durante as condições de tratamento e a porcentagem total de tempo de “atenção” ou “desatenção” foram registradas para cada sujeito. Além disso medidas da motivação foram realizadas, após a sessão final de tratamento, as crianças foram questionadas se queriam continuar trabalhando ou ir brincar. Os resultados do tratamento demonstram que as crianças ficaram atentas 97% do tempo quando utilizaram o software e apenas 62% quando estavam com a professora; aprenderam 74% dos substantivos alvo utilizando sistema e apenas 41% na condição da professora; por fim, 57% das crianças tinham interesse em continuar o tratamento utilizando o software, em comparação com nenhuma das crianças gostaria de manter o tratamento na condição da professora. Além disso, os resultados demonstraram que estimular a atenção visual das crianças contribui para uma melhor memorização. Assim, estas informações comprovam a eficácia no uso do software desenvolvido, pois concluiu-se que ele possibilita a ampliação da aprendizagem de palavras e aprendizagem, e maior estimulação do interesse pelas atividades, em comparação às crianças na condição de instrução direta.

Tecnologia

Jogos

Descrição

O trabalho de Chien et. al (2015) propõe o iCAN, um aplicativo implementado baseado no conceito de Sistema de Comunicação por Troca de Imagens (Picture Exchange Communication System – PECS), cujo objetivos foram melhorar o processo de aplicação do PECS feito por meio de cartões ilustrados em papel e também melhorar o progresso do aprendizado cognitivo, de linguagem e comunicação. O iCAN foi testado por onze crianças com autismo, com faixa etária de 5 a 16 anos, diagnosticadas com autismo de moderado a grave e habilidades verbais comprometidas. Em comparação com a abordagem tradicional do PECS para criação e recuperação de cartões, os profissionais conseguiram realizar as tarefas de forma mais rápida. Além disso, os resultados mostraram um aumento nos comportamentos atencionais das crianças e na motivação de aprender e interagir com outras pessoas.

Como Utilizar Esta Diretriz

Referências

Baer, D. M., Wolf, M. M., & Risley, T. R. (1968). Some current dimensions of applied behavior analysis. Journal of applied behavior analysis, 1(1), 91.

Cooper, J. O.; Heron, T. E.; Heward, W. L. (2019). Applied Behavior Analysis. 3. ed.[S.l.]: Pearson, 912 p. ISBN 0134752554.

Falcomata, T. S. (2015). Defining features of applied behavior analysis. In Clinical and organizational applications of applied behavior analysis (pp. 1-18). Academic Press.

Ferguson, J. L., Milne, C. M., Cihon, J. H., Dotson, A., Leaf, J. B., McEachin, J., & Leaf, R. (2020). An evaluation of estimation data collection to trial‐by trial data collection during discrete trial teaching. Behavioral Interventions, 35(1), 178-191.

Jackson, J., & Dixon, M. R. (2007). A mobile computing solution for collecting functional analysis data on a pocket PC. Journal of Applied Behavior Analysis, 40(2), 359-384.

Lerman, D. C., Dittlinger, L. H., Fentress, G., & Lanagan, T. (2011). A comparison of methods for collecting data on performance during discrete trial teaching. Behavior Analysis in Practice, 4(1), 53-62.

Moore, M., & Calvert, S. (2000). Brief report: Vocabulary acquisition for children with autism: Teacher or computer instruction. Journal of autism and developmental disorders, 30(4), 359-362.

Promoting question-asking in school-aged children with autism spectrum disorders: Effectiveness of a robot intervention compared to a human-trainer intervention

Homer, R.; Dunlap, G.; Koegel, R. (1988). Generalization and maintenance: Life-stylechanges in applied settings.Baltimore: Paul H. Brookes.

Taubman, M. T., Leaf, R. B., McEachin, J. J., Papovich, S., & Leaf, J. B. (2013). A comparison of data collection techniques used with discrete trial teaching. Research in Autism Spectrum Disorders, 7(9), 1026-1034.

Whalen, C., Liden, L., Ingersoll, B., Dallaire, E., & Liden, S. (2006). Behavioral improvements associated with computer-assisted instruction for children with developmental disabilities. The Journal of Speech and Language Pathology–Applied Behavior Analysis, 1(1), 11.

Yun, S. S., Choi, J., Park, S. K., Bong, G. Y., & Yoo, H. (2017). Social skills training for children with autism spectrum disorder using a robotic behavioral intervention system. Autism Research, 10(7), 1306-1323.

Diretriz Tecnológica
Diretriz Generalizada