スウェーデンの小学校における PAX Good Behavior Game のクラスタ無作為対照試験

デザイン

クラスター無作為化対照試験が実施され、合計 84 の教師/教室を持つ約 28 の学校 (クラスター) を無作為化して、PAX GBG のトレーニングと監督を受けるか、コントロール介入の 1 つを実施するために同等のトレーニングと監督を受けるかのいずれかになります。

両方の腕の教師は、最初の 1 年間に無作為に割り付けられた介入を実施して使用し、その後、最初の介入を使用し続けながら、他の介入も実施し始めます。 ベースライン測定が 2 年生の終わりに行われ、最初の介入が 3 年生の生徒に実施される場合、これらのクラスの生徒は、どの方法も使用されない中学校に進むため、1 回の介入のみを受けます。 代わりに、教師は 1 年生の新しい生徒からやり直し、両方の方法を使用します。 したがって、介入を 1 回だけ受けた生徒のサブグループは、長期的なフォローアップのために無作為化制御デザインを保持します。

手順

理想的には、春学期と秋学期に半分の教室が介入/制御介入を開始するために登録されます。 これの目的は、介入が導入される学年および暦年の時点の時折の影響を制御することです。

新しい方法の実施による不特定の影響を制御するために、同量のトレーニングと監督を必要とする信頼できる制御介入が使用されます。 また、目的は異なりますが、いくつかの有用な方法を実装して比較する方法として、学校や教師に研究を促進することもできます。これにより、PAX に対する過度の期待やプラセボ効果を回避し、可能性のある失望やノセボ効果を最小限に抑えることができます。 PAX を開始する前に 1 年間待たなければならないことに。 学校は、数学アプリケーション、「Count On Me!」、または大学学習コミュニティの 2 つの制御介入のいずれかを選択する可能性があります。 これには 2 つの目的があります。 (1) 選択する可能性は、PAX に無作為に割り付けられない場合に nocebo または不満になるリスクをさらに低減し、(2) 制御介入の 1 つが実施するのが非現実的であると見なされる場合、より多くの学校が参加できるようになります。 対照介入のいずれも PAX と同じ特異的効果を持っているとは見なされないため、少なくとも同程度ではないため、両方とも非特異的効果の対照として機能します。

2 年間で生徒、教師、教室に関連して合計 7 つの対策が実施されます。ベースライン (測定 0) は学期末に実施が開始される前 (学期 0)、主要エンドポイント (測定 4 は測定 4) です。 ）それから1年。 教師と生徒の負担を軽減するために、アウトカム測定の全範囲は 2 回 (測定 0 と測定 4) だけで実施され、それ以外の場合は、生徒と教師に対して縮小された一連の測定が使用されます (教室レベルでの測定については、対策の完全なセットが常に適用されます)。 教師の自己評価尺度の縮小セットには、仕事関連のストレス (主要な結果)、教室の管理、一般的なストレス、睡眠の問題、作業能力、および実装されている方法の観察されたマイナス/プラスの効果が含まれます。 生徒の場合、削減されたセットには幸福に関する質問が含まれます (一次尺度)。 教師はまた、各測定ポイントで各生徒の幸福度を測定します。

次の時間枠が測定ポイントに適用されます。

測定 0 (M0) - 最初の実装学期の前の学期、学期終了の 2 週間前に終了する 4 週間の管理ウィンドウ。

測定 1 (M1) - 最初の実装学期、学期開始の 2 週間後 (できれば介入トレーニングの完了後 2 週間) から始まる 6 週間の管理ウィンドウ。

測定 2 (M2) - 最初の実装学期、学期終了の 2 週間前に終了する 4 週間の管理ウィンドウ)。

測定 3 (M3) - 2 番目の実装学期、学期開始の 2 週間後に開始する 4 週間の管理ウィンドウ)。

測定 4 (M4) - 主要評価項目、第 2 実施学期、学期終了の 2 週間前に終了する 4 週間の投与期間。

測定 5 (M5) - 3 番目の実装学期、学期終了の 2 週間前に終了する 4 週間の管理ウィンドウ。

測定 6 (M6) - 4 番目の実装学期、学期終了の 2 週間前に終了する 4 週間の管理ウィンドウ。

参加者と募集

学校、教師、教室、その他の学校職員

クラスター無作為化は学校レベルで実行され、どの教師と生徒が含まれるかが順番に決定されます。 学校は、スウェーデンの PAX GBG トレーナーの確立されたネットワークと、学校関連ネットワークとの他のつながりを持つ研究グループを通じて募集され、募集は全国的に行われます。 学校は、結果の一般化を高めるために、少なくとも 2 つの異なる地域と少なくとも 4 つの異なる自治体 (kommuner) から採用されます。 各学校の参加教室数にもよりますが、合計で約28校が対象となります。

プロジェクトには合計 84 のクラスが含まれ、最大 100 人の教師が予想されます (複数の教師がいるクラスもあるため)。

他の学校職員は、介入の期待と経験の質的評価に参加するためだけに募集されます。 これらの選択は実用的であり、理論的には、各学校から最大 4 人のスタッフを追加することで、定性的データが飽和状態に達することにつながります。

生徒と介入およびデータ収集への生徒の参加

合計で 2200 人の生徒が参加し、各教室から約 26 人の生徒が含まれます。 含まれる教師/教室に関連するクラスのすべての生徒が介入に参加します。これらはすべて、学校での通常の運営/教育で実施され、教師の教え方とクラスと教室の管理方法に焦点を当てているためです。特定の生徒を除外することはできません。 ただし、生徒は次の 3 つの方法でデータ コレクションに含めることができます。

• インフォームド コンセントに署名した生徒から保護者/保護者へのデータには、生徒の自己評価、教師の評価、および ID 番号に関連付けられたレジストリからのデータが含まれ、ID 番号は社会保障番号に関連付けることができます。 (個人番号)。
• 保護者が同意書に記入していない生徒のデータは引き続き収集されますが、ID 番号やその他の識別子がないため、特定の生徒に関連付けてデータを匿名にすることはできません。 生徒が無作為化された介入と、データが収集された時点のみが、このデータに関連付けられます。
• 保護者/後見人および生徒自身は、生徒が教師または研究者に希望を伝える場合、自己評価を記入する必要がないことを通知されます。 生徒は、各自己評価の前にこれについて通知されます。

ランダム化

学校の社会経済的地位 (SES) があまり変わらないようにするために、各学校は低、中、または高の SES に分類され、コホートに十分な数の学校がある場合、次のいずれかに従って連続して無作為化されます。ブロック サイズが 2、4、6 の間でランダムに変化する 3 つの対応するブロック ランダム リスト。 無作為化は、研究者がリストを評価したり、無作為化の結果を予測したりできないようにするために、独立した第三者機関であるカロリンスカ試験同盟によって処理されます。

介入

実施手順は各介入で同様ですが、各方法の特定のニーズに合わせて微調整します。 それぞれが、介入に関する簡単な最初の書面による情報から始まり、その後、教師向けの 1 ～ 2 日間のトレーニング/教育が続きます。 これに続いて、実際的な側面とCovid-19パンデミックによる制限の可能性に応じて、対面またはビデオ/電話による定期的な監督が行われます. スーパーバイザーには、スーパーバイザーにさらに情報を提供するための情報源として、スーパーバイザーによるメソッドの使用の何らかの形式の観察と監視が常に含まれます。 実施第1学期に4回（第1～第4クオーターに実施、個人セッション2回、グループセッション1回、個人セッション1回）と2回の合計6回のスーパービジョンセッションを予定しています。実施セメスターの2学期中（それぞれセメスターの前半と後半に開催され、グループセッション1回、個人セッション1回） すべてのグループの教師は、必要に応じて、オンデマンドで簡単な監督を受けるか、監督者が開始する追加の監督セッションを受けることができます。

PAX 善行ゲーム

PAX グッド ビヘイビア ゲーム (GBG) は、その前身のプログラムであるグッド ビヘイビア ゲーム (GBG) に基づいており、教師が社会学習の原則を使用して、子供たちのタスク指向の向社会的行動を最大化し、破壊的およびオフの発生を最小限に抑えるように訓練します。タスクの動作。 PAX GBG は、教師が教室管理の実践に導入するように訓練された 10 個の特定のツールにパッケージ化されています。 このプログラムは、向社会的で注意深い行動を促進する言語的および視覚的な合図を導入します。プログラムの中心的な要素の 1 つは PAX ゲームです。チームは、一定期間、教室の規則違反をできるだけ少なくしようとします。 所定の目標を達成することに成功したチームは、向社会的でタスク指向の行動を強化する働きをする報酬 (多くの場合、楽しく望ましい活動) を獲得します。

スーパービジョンは、各教師と個別に (4 セッション) およびグループで (2 セッション) 実行され、各スーパービジョン セッションの前に、PAX トレーナーが教師による講義を観察することが含まれます。

カウント・オン・ミー！ (制御条件)

カウント・オン・ミー！足し算と引き算の事実（つまり、数学の事実）、等号、数の構成と分解、および学校教育の最初の学年で教えられるいくつかの基本的な数学的スキルの流暢さを教える適応型アプリケーションです。 私を頼りに！子供が数学的スキルを使用してさまざまな世界/プラットフォームを移動するアバターを持っているアドベンチャーゲームに設定されています. 子供は、アバターの家、家のような環境で始まり、そこで子供は魔法の地図を発見し、子供を Numberia と呼ばれる別の世界に連れて行きます。 Numberia での冒険中に、子供は数学的力と呼ばれる特定のスキルを持っていることを学びます。このスキルは、すべての美しいもの (たとえば、森でさえずっていた鳥) を捕らえた邪悪な王子の爪から Numberia を解放するために使用されます。 ）。

私を頼りに！元々 Tiemann と Markle によって開発され、後に Headsprout Early Reading と Headsprout Reading Comprehension を作成する際に他の研究者によってわずかに改訂された非線形プログラミング プロセスを使用して、行動分析フレームワーク内で開発されました。 Tiemann と Markle の指導設計要素、明示的指導、生成的指導のモーニングサイド モデルを使用して演習を作成しました。 数学の演習には、すべてのトレーニングで使用される 3 つの反復フェーズ (モデリング、ガイド、および流暢さのフェーズ) のうち少なくとも 1 つが含まれています。 新しいスキルのモデル化には、アニメーションと手描きの例と音声による指示が含まれ、学生は頻繁に時間制限なしで応答する必要があります。 新しくモデル化されたスキルのガイド付き練習は、学生がタイミングなしで高レベルの精度を達成するのに役立ちます。 最後に、流暢さの構築は、タイミングを使用して手元のスキルを習得することを目的としています。 ガイドと流暢さのフェーズは、ゲーム化された要素で構成されています。 このアプリケーションは、スウェーデンの成績の悪い小学校の生徒の間で科学的に評価されており、アプリケーションを使用した子供たちの数学能力が大幅に向上し、認知能力の低い子供たちの中で最大の改善が見られました。

実装を開始する前に、教師のセッションでは、アプリケーションの機能とコンテンツ、およびアプリケーションが担当するクラスの数学学習計画に対応する方法に焦点を当てます。 トレーニング セッションには、教室でアプリケーションを紹介し、前進し、一般的な課題を克服する方法が含まれます。 教師は、トレーニング セッションの直後に教室でアプリケーションの使用を開始するよう奨励されます。 教師は、少なくとも週に 4 回、各回約 15 分間アプリケーションを使用することが推奨されます。

監督は個別またはグループで行われ、アプリケーションの使用量と使用方法に関する監督者の監視レポートに部分的に基づいて行われます。

共同学習コミュニティ (制御条件)

Muijs と同僚は、教師の専門的学習のための 5 つの周期的なステップを定義しました。 最初のステップは、さまざまなデータ ソース (テスト、成績、調査、学生のインタビューなど) を使用して、学生のスキルまたは知識のギャップを評価することです。 2 番目のステップは、生徒が目標を達成するのを助けるために、教師がどのようなスキルを習得する必要があるかを考えることです。 3つ目は、専門的な知識とスキルを深めることです。 4 番目のステップは、学生を新しい実践に参加させることであり、5 番目のステップは、新しい実践が学生の成果に与えた影響を評価することです。

ティンパーリーと他の研究者によると、この種の学習に適した形式は、教師がこれらの各ステップで構造化された方法で仲間から助けを借りる、共同学習コミュニティです。 たとえば、暗黙知または手続き的知識を深める方法 (ステップ 2) は、授業中に同僚を訪問し、教室での実践を観察することです。

ティンパーリーは、学習プロセスの構造を維持するために専門の監督者を持つことの重要性を指摘しています。 スーパーバイザーが教師が避けるのを助けるよくある落とし穴の 1 つは、専門的な学習から焦点を移し、代わりに新しいスキルを学ぶ代わりに、現在の教師の慣行を定着させることです。

大学学習コミュニティは、事実上あらゆる種類の教師のスキルに焦点を当てることができます。 現在の介入は、次のいずれかに焦点を当てるための資料を提供します: 1) 形成的評価、2) 生徒を引き付けるために、宿題をどのように策定し、フォローアップするか、3) 生徒とのより高度な推論を促進するために、事実の知識をどのように教えるか。 これらのテーマは、PAX GBG の内容との重複を最小限に抑えるために選択されていますが、それでも教師にとって非常に関連性があります。

介入は、Web リソースと、その間に課題を含む 6 つの監督セッションに基づいて行われます。 スーパービジョンと観察は、教師が同僚とグループでスーパービジョンを実行する際にスーパーバイザーが最初に観察し、その後すぐにグループ全体にフィードバックを与えるという点で組み合わされます。 これに続いて、方法についてのさらなる議論と、各教師との10〜15分間の簡単な個人セッションが続きます.

対策

介入の背景データと有効性および実施結果は、以下に説明するさまざまな尺度で評価されます。 措置のタイミングは上記の表 1 に記載されており、場合によっては以下で詳しく説明されています。

学校、教室、および教師のためのベースライン (M0) での追加のバックグラウンド測定 ここで説明する測定は、バックグラウンド データとして使用される唯一のものではなく、ベースラインでのみ具体的に測定されたものです。

保護者の平均収入と保護者の平均教育レベルで測定された各学区の SES (スウェーデン統計局のデータに基づく)神経発達診断の存在と同様に。

追加の COPSOQ-III アンケートは、量的要求、仕事のペース、職場での影響力、予測可能性、監督者からの社会的支援、同僚からの社会的支援、職場での共同体意識をサブスケールします。

TALIS からの追加アイテム、就職に関する質問、学校の他の教師に関する質問。

効果測定

PAX の導入による効果は、学校レベル、教師レベル、教室レベル、生徒レベルで評価されます。

教室中心の対策

訓練を受けたオブザーバーによるクラスルームの観察は、各クラスで最低 20 分間、同じ日または開催日の 2 ～ 3 レッスンで行われます。 尺度の標準化を高めるために、理論的な主題に焦点を当てたレッスンのみが含まれます。 観測は、PAXパイロット試験ですでにテストされた観測スケジュールに基づいており、現在の試験で実施される前に別のプロジェクトでわずかに調整されます。 スケジュールは、次の側面の直接的な観察に焦点を当てます: 1) 課題に取り組んでいる/課題から離れている生徒 (主要な結果)、2) 生徒の破壊的行動の数、3) 異なる課題間の移行時間、および 4) 陽性の数/否定的な教師と生徒の相互作用。 観察は訓練を受けた観察者によって行われ、単一の生徒を特定することは決してないため、匿名のデータが生成されます。 ただし、生徒の性別は評価 (1) ～ (4) のために記録され、性別分析を行う機会を提供します。

観察された各レッスンの後、観察者と教師の両方が、教室での破壊的な行動の重大度、教室での騒音のレベル、集中度などの側面の全体的な評価に焦点を当てた観察スケジュールとともに作成されているアンケートを使用して、観察された講義を評価します。クラスは講義中などでした。繰り返しますが、このデータは教室レベルで評価され、個々の学生を特定する可能性はありません。

一定の測定機会に合わせた 1 週間に、各教室で騒音レベルのデータを収集します。 騒音レベルは、教室の環境を乱すことなく、教室に設置される測定装置によって評価されます。 このデバイスは、平均 3 秒のランダムな間隔で非常に短い音の断片を測定して保存するため、音の活動のソースと内容を特定することはできません (会話を聞くなど)。周波数。 したがって、このデータも匿名です。

学校への出席とクラスの追加要員の必要性は、クラスレベルで測定されます。

教室への介入の影響のトピックは、プラスとマイナスの両方で、教師や他の学校スタッフとの定性的なインタビューでカバーされます（実施措置のセクションで説明）。 また、M3、M4、および M6 の教師への 4 つのフリーテキストの質問はこれをカバーし、最後の測定以降の (a) 自分自身および (b) 生徒に対する介入の正と負の効果を説明するよう促します。点。 生徒は、PAX/コントロール介入に対する態度についても質問されます。

教師の健康と仕事の対策

オンライン心理療法を実施し、2 段階認証を要求するために使用される安全なプラットフォームを使用して、多くの自己評価尺度が教師から収集されます。 測定値には、自己評価の健康関連測定値、自己評価の仕事関連データ、およびヘルスケアと処方薬の消費に関する登録ベースのデータが含まれます。

生徒中心の対策

自己採点式のアンケートは、訓練を受けた研究補助者の助けを借りて、生徒が質問と回答の選択肢を理解していることを確認し、それらが互いに邪魔したり影響を与えたりするリスクを最小限に抑えることで、生徒が回答します。 アンケート バッテリーを管理するさまざまな方法が利用可能です (紙とペンまたはタブレットを使用して、クラス全体で、少人数のグループで、または個別に、管理者が指示を与え、場合によっては事前に記録された指示を使用して)、次のことを行うことができます。特定の教室で最も実現可能なものに適応します。 生徒たちは自分の健康状態を評価します。 教師は、強みと難しさのアンケートの調節不全スケール (5 項目) に記入します。 登録ベースのデータを使用して、生徒のヘルスケアと処方薬の消費量、および病気の子供の世話をするために両親が仕事を休んで家にいる必要性を分析します。 子供たちの数学とスウェーデン語の学力は、標準化されたテストを使用して測定されます。

実施措置

実施プロセスの前提条件は、定量的および定性的データ収集の両方を使用して評価されます。 半構造化された質的インタビューは、全参加教師の 25 ～ 50% を無作為に選択して実施されます。 インタビューの目的は、介入の有効性と実施の質の両方の観点から、標準化された手段では捉えられない側面に光を当てることです。 インタビュー ガイドは、小規模なパイロット プロジェクトの一環として作成されています。 面接は電話またはビデオで行われ、平均で約 20 分かかります。 面接は、選択された各教師と 3 回行われます。PAX トレーニングの直後、M2 と M4 で行われます (上記の測定ポイントの仕様を参照してください)。 インタビューは、質的コンテンツ分析を使用して録音、転写、分析されます。

実施された介入の期待と経験

実施された介入の期待、経験、および結果を研究するために、教師および他の学校スタッフは、何度かノーマライゼーション メジャー デベロップメント アンケート (NoMAD) に記入します。 インタビューを実施し、教室の観察に基づく介入の長期使用、各学校で介入を使用している資格のある教師の割合などの客観的なデータを収集することによって、同じ次元も調査されます。

介入忠実度

この方法に対する教師の忠実度は、監督者が直接観察し、教師が記入する自己評価の忠実度尺度を使用して測定されます。

有害事象

有害事象に関する情報は、M3 以降、教師がプラットフォームに記入する自由回答式の質問として収集されます。 負の影響に関する質問も定性面接に含まれます。

統計分析

生徒の心理的症状の 80% の統計的検出力 (パイロット研究から推定されたグループ間効果サイズは d=0.6 に等しい) は、28 の学校、学校ごとに 3 クラス、各学校に 25 人の生徒を含むクラスターランダム化デザインで到達できます。クラス (合計 2100 人の生徒)、20% の予想データ損失、および rho2=.1 (学校レベル) および rho3=.25 (教師レベル) の学校環境での同様の研究者から知られているクラスタリング効果。 生徒数は 25 人を超える可能性があるため、含まれる生徒の総数は 2200 人になると予想されます。

結果の主要エンドポイントは、教師が最初に無作為化されなかった方法も使用し始める前の 1 年間のフォローアップ (M4) になります。 教師と生徒の健康、福利、仕事/学習環境に焦点を当てた測定値、および繰り返し収集される教室ベースの測定値は、最大 3 つの入れ子レベル (学校) を持つ階層的一般線形モデルで分析されます。 、教室/教師、および生徒)。 PAXグループと対照介入の間の経時変化の勾配の違いは、各結果変数についてテストされます。 一連の混合効果モデルを実行して、実装の結果 (忠実度、受容性、適切性など) に影響を与える要因 (背景要因および実装関連要因) を検出します。 混合効果モデルは、実施に関連する変数 (変更への準備状況、忠実度、受容性など) が試験の主な結果 (教師と生徒の健康、福祉、仕事/学習環境など) に影響するかどうかを検出するためにも使用されます。 .

生徒からの匿名データは、次の 2 つの方法で使用されます。(1) 匿名データのレベルと変化を識別可能なデータと比較することによる欠損データ分析、および (2) すべてのデータが時間通りに分析され、介入が行われる感度分析を実行するため。グループレベルのみ、つまり、学校、教室、生徒に関する情報が存在する場合でも無視します。 したがって、統計的手法の検出力は低くなりますが、一方で、より多くの生徒からのデータを利用することができ、主要な分析よりも欠落データの量が少なくなるため、非ランダムな減少によるバイアスのリスクが低くなります。 . 匿名データについては、ある時点で 10 人未満の生徒からのデータと介入が収集された場合、何らかの方法でデータを間接的に接続する可能性から安全なマージンを確保するために、データは破棄され、完全に削除されます。瞳。

費用対効果

GHQ-12 で測定された教師のメンタルヘルスは、質調整生存年 (QALY:s) に再計算されます。 CHU9D で測定された学生の健康関連の生活の質は、QALY:s の計算に使用されます。 実施にかかる費用 (例: トレーニングと監督のための時間) は、教師の病気休暇の減少、学校での人員の追加の必要性、および学生の医療リソースの必要性の減少に関連する節約の可能性と合わせて計算されます。 . フォローアップ期間中の合計 QALY:s は、曲線下面積法を使用して調査されます。 回帰モデルを使用して、介入群と​​対照条件の間の健康転帰の違いを分析します。 コストと節約は、教師と生徒の両方について、QALY:s で表される利益と比較されます。 結果は、費用対効果の割り当てとして提示され、介入と対照群の費用と健康への影響に関して、結果の不確実性を示す費用対効果計画として示されます。