Bridging SCED and Group Designs: Demonstrating the Ratio-Metric BC-IRR Effect Size in a Meta-Analysis

在教育与治疗领域，研究人员面临着一个持久的难题：如何衡量一种新方法是否真的帮助了人们学习或改善了行为。几十年来，科学界一直依赖两种截然不同的证据收集方式。一种被称为“组别设计”（group design）的方法，它收集大量的人群，将他们分成不同的团队，并将接受新治疗的团队的平均结果与接受标准护理的团队进行比较。这种方法在观察人群的广泛趋势方面非常有力。另一种被称为“单案例实验设计”（single-case experimental design）的方法，则专注于一次深入观察一个个体。研究人员仔细观察一个人，引入特定的干预措施，并追踪该人的行为随时间的变化，通常寻找特定动作（如提出请求或保持专注）的即时转变。虽然这两种方法都具有严谨性，但在历史上却像是说着不同的语言。组别研究产生的是描述整个群体如何变化的数字，而单案例研究产生的则是描述个体如何变化的数字。由于这些数字的计算方式不同，将它们合并成一个清晰的、关于什么对自闭症谱系障碍学生最有效的统一图景变得非常困难。

这种困难造成了教育工作者和政策制定者的盲点。如果一项新技术帮助一群儿童在社交技能方面提高了一定程度，但帮助另一群儿童在沟通能力方面提高了不同程度，我们该如何知道这项技术是否整体上是有效的？问题不仅在于研究看起来不同，更在于衡量成功的工具是不兼容的。传统的工具经常将改进的幅度与个人之间的差异混为一谈，或者其含义会随着观察持续时间的改变而改变。为了解决这个问题，由德克萨斯 A&M 大学 Wen Luo 领导的研究小组致力于构建一把新的“度量尺”。他们想要一种能够将单一个体和群体研究的结果进行翻译的方法，使它们能够被并排比较。他们专注于一种被称为“发生率比值”（incidence rate ratio）的特定测量类型。通俗地说，这是一种简单的速率比较：它询问在治疗期间行为发生的次数与治疗开始前发生的次数相比如何。通过使用这个比值，研究人员可以将干预的效果表达为一个直观的百分比增减，而不是一个需要专业培训才能理解的复杂统计得分。

研究人员通过重新审视关于自闭症学生技术辅助教学的大量既往研究，测试了这种新方法。这份原始资料集由其他科学家在 2017 年汇编，包含了使用组别设计和单案例设计的数十项研究。该团队重新检查了三十六个特定结果的数据，范围涵盖了从儿童识别面部表情的能力到他们请求帮助或参与对话的频率。他们将这种基于比值的新方法应用于单案例研究，并对组别研究应用了匹配的比值法。目标是观察这两种类型的研究在通过这个新视角观察时，是否能讲述一个一致的故事。结果显示，两种设计在衡量成功方面存在明显的、可量化的差异。组别研究显示，技术干预导致的结果比对照条件平均提高了约 23%。换句话说，接受特定技术辅助的学生表现比未接受辅助的学生大约好四分之一。

然而，单案例研究讲述了一个更为戏剧性的故事。当研究人员将同样的比值逻辑应用于个体案例时，他们发现干预措施产生的积极结果比基线水平增加了四倍以上。这意味着对于这些研究中的个体学生来说，他们试图改进的行为在干型开始后发生的频率比之前高了四倍多。23% 的增长与四倍增长之间的差距非常显著，最初这似乎暗示了一种矛盾。然而，研究人员并没有将这种差距视为数据错误或缺陷。相反，他们利用这个新指标解释了为什么数字看起来如此不同。他们发现，这两类研究本质上是从不同的起点开始的。组别研究通常是将新技术与标准的课堂环境或另一种类型的教学进行比较，而此时学生已经具备了一定的技能水平。相比之下，单案例研究通常以目标行为水平极低的个体作为对象。因为起点如此之低，即使是微小的绝对改进也会导致巨大的百分比增长。

这种区别至关重要，因为它改变了我们对这些干预措施成功程度的解读。新方法表明，单案例研究中看到的巨大数字并不一定意味着治疗对个体比对群体更有效，而是因为个体的起点更低。基于比值的测量法通过关注相对变化而非绝对差异，清晰地说明了这一点。它还凸显了旧方法在比较这些研究时的关键弱点。传统工具经常将改进的大小与数据的变异性混淆，使得很难判断一个巨大的效应是真实的，还是仅仅由于得分的离散程度所致。新的比值方法完全避开了这个陷阱，提供了一个无论得分如何波动或观察时长如何变化都保持稳定的结果。它还提供了一个任何人都能理解的数字：四倍增长是一个切实的概念，而复杂的统计得分则不然。

该研究还探讨了这些不同的结果是否是由研究发表偏向造成的。一个常见的担忧是，研究人员更有可能发表显示巨大进步的单案例研究，而忽略那些效果微小或没有效果的研究。虽然研究人员承认这种偏向可能存在，但他们的分析表明这并非全部真相。数据表明，结果的差异主要源于研究设置方式及测量内容的根本差异。组别研究是在测试技术是否优于现有手段，而单案例研究则是在测试技术能否在几乎没有能力的状态下创造重大变化。这两种发现都是有效的，但它们回答的是不同的问题。组别研究表明，技术提供了比标准做法更微小但有意义的优势，而单案例研究则证明，对于那些处于极低功能水平的学生，技术可以带来变革性的影响。

通过架起这两座世界的桥梁，研究人员为整合证据提供了一条更清晰的路径。他们表明，可以在不强行将其压缩为一个误导性的单一数字的情况下，结合不同类型研究的发现。这种新方法让科学家能够看到全貌：技术辅助教学是有效的，但其影响取决于背景和学生的起点。研究结论指出，没有任何单一的数字可以捕捉到干预有效性的全部真相。相反，研究人员和从业者应该同时观察相对变化和绝对变化，以了解干预力量的全貌。这种方法确保了关于教育和治疗的决策是基于对证据的完整且准确的理解，而不是基于可能忽略不同学生对帮助反应细微差别的片面观点。这项工作证明，当我们使用正确的工具来衡量变化时，我们不仅能看到某样东西是否奏效，还能看清它在何时以及对谁最为有效。