Grafici ABA online: baseline e fasi
Crea grafici ABA con baseline, fasi e linea obiettivo e leggili in 7 passi usando livello, trend, variabilità, overlap e immediatezza.
Grafici ABA online
Inserisci sessioni, separa baseline e intervento e leggi livello, trend, variabilità, overlap e immediatezza.
- Separatori di fase
- Linea obiettivo
- Dati esportabili
Abstract clinico — Wolfe, Barton e Meadan (2019)
Soluzione: ordina le sessioni nel tempo, nomina ogni fase, inserisci il separatore solo quando la condizione cambia davvero e leggi prima il pattern entro fase, poi il contrasto tra fasi. La linea obiettivo è un criterio, non una prova di efficacia.
Wolfe, Barton e Meadan (2019) descrivono un protocollo sistematico basato su livello, trend, variabilità, immediatezza, overlap e consistenza. Wolfe e colleghi (2026), con 36 analisti e grafici multiple-baseline, hanno rilevato accordo tra valutatori solo moderato, ricordando che vedere lo stesso grafico non garantisce la stessa conclusione.
Limite dell’evidenza: un grafico chiaro riduce errori di lettura ma non crea controllo sperimentale. Un semplice AB può documentare un cambiamento temporale, non dimostrare da solo che l’intervento lo abbia causato.
Costruisci il grafico nella sequenza reale
Aggiungi i dati sessione per sessione, inserisci cambi di fase e obiettivo, poi esporta la serie usata per la revisione clinica.
Apri Grafici ABALeggi tre livelli
Baseline A
- 1Guarda il livello
- 2Stima la direzione
- 3Controlla la variabilità
Domanda: cosa prevedono i dati se nulla cambia?
Cosa guardare prima di decidere
Leggere soltanto “sale” o “scende” elimina proprio le informazioni che distinguono cambiamento stabile, rumore e coincidenza.
| Se osservi | Cosa fare | Come verificare |
|---|---|---|
| Baseline stabile e cambio netto all’intervento | Descrivi livello, immediatezza e overlap; continua a monitorare. | Il separatore corrisponde alla data reale del cambiamento. |
| Baseline già nella direzione desiderata | Evita di attribuire automaticamente il trend successivo all’intervento. | Confronta pendenza e proiezione della fase precedente. |
| Alta variabilità e molto overlap | Raccogli altri dati e verifica misura, contesto e fedeltà. | La regola di raccolta è rimasta costante. |
| Un solo punto oltre la linea obiettivo | Non dichiarare mastery; usa il criterio previsto su più osservazioni. | Prestazione, padronanza e mantenimento restano distinti. |
Procedura per creare e leggere il grafico
La costruzione corretta protegge l’ordine temporale e rende visibili decisioni e cambiamenti di condizione.
- Scegli una sola metrica. Non alternare frequenza, percentuale e tasso sulla stessa serie senza una trasformazione esplicita.
- Inserisci le sessioni in ordine. Mantieni date o numeri di sessione e non riordinare i punti per rendere il pattern più pulito.
- Nomina la baseline. Descrivi la condizione realmente presente, incluso eventuale trattamento già attivo.
- Segna i cambi reali. Aggiungi un separatore per intervento, dose, prompt, criterio o contesto modificato.
- Leggi entro fase. Valuta livello, trend e variabilità prima di confrontare due condizioni.
- Leggi tra fasi. Esamina immediatezza, overlap e consistenza del cambiamento.
- Documenta la decisione. Scrivi continuare, adattare, verificare fidelity o raccogliere altri dati con una data di revisione.
Esempio compilato: richieste indipendenti
Il riepilogo mostra come separare osservazione del grafico e conclusione clinica.
| Campo | Esempio compilato | Perché è utile |
|---|---|---|
| Baseline A | 20%, 30%, 20%, 40% | Livello basso, variabilità moderata, nessun trend netto. |
| Intervento B | 50%, 60%, 70%, 70%, 80% | Cambio di livello e trend crescente con overlap iniziale limitato. |
| Controllo qualità | Fidelity 92% e stessa definizione di risposta indipendente. | Rende più interpretabile il cambiamento osservato. |
| Decisione | Continuare per tre sessioni e programmare prova con un secondo adulto. | Verifica stabilità e generalizzazione prima della chiusura. |
Un grafico AB non dimostra da solo una causa
Un cambiamento coincidente con l’inizio dell’intervento può dipendere anche da maturazione, eventi esterni, diversa misura o implementazione. Descrivi ciò che il grafico mostra, evita il linguaggio causale quando il disegno non lo sostiene e verifica sempre integrità dei dati e della procedura.
Vignetta clinica: il punto alto che ingannava
Contesto
Il grafico di Samuele supera l’80% nella prima sessione di intervento. Il team propone di chiudere subito l’obiettivo.
Intervento
La supervisora separa baseline e intervento, legge tutti i punti e scopre che il dato successivo scende al 45%. Controlla anche una modifica non annotata nel numero di prove.
Esito
La serie viene corretta, si raccolgono cinque sessioni comparabili e la decisione passa da “mastered” a “continuare e stabilizzare”.
Approfondimenti collegati
Cambio non annotato
Il prompt cambia, ma il grafico resta in un’unica fase.
Domande frequenti
Quanti punti servono in baseline?
Non esiste un numero universale. Servono dati sufficienti a formulare una previsione ragionevole; trend forte o alta variabilità possono richiedere più osservazioni.
Che cosa indica una linea di fase?
Indica che una condizione rilevante è cambiata. Non va aggiunta per una semplice pausa nel calendario se procedura e contesto restano gli stessi.
La linea obiettivo è un criterio di mastery?
È una soglia visiva. La mastery richiede anche il numero di sessioni, le condizioni, l’indipendenza e spesso verifiche di mantenimento o generalizzazione.
Posso concludere che l’intervento funziona da un grafico AB?
Puoi descrivere un cambiamento associato temporalmente. Per sostenere una relazione funzionale servono repliche e un disegno adeguato.
Cosa faccio se il grafico è molto variabile?
Controlla definizione, misura, osservatori, contesto, fedeltà e variabili non annotate prima di modificare l’intervento.
Fonti scientifiche full text
- Wolfe K, Barton EE, Meadan H (2019). Systematic Protocols for the Visual Analysis of Single-Case Research Data. Full text sul protocollo basato su sei caratteristiche del dato.
- Wolfe K, Dowdy A, Ferron JM, Li R (2026). Comparing Masked and Traditional Visual Analysis of Multiple-Baseline Designs. Studio Open Access con 36 analisti sull’accordo nelle decisioni visive.
- Manolov R, Tanious R, Fernández-Castilla B (2022). A Proposal for the Assessment of Replication of Effects in Single-Case Experimental Designs. Full text sulla replica degli effetti nei disegni a caso singolo.