自然主义教学方法对于促进儿童自发发声和增强交流的个案研究

文献：Alzrayer, N. M., Aldabas, R., Alhossein, A., & Alharthi, H. (2021). Naturalistic teaching approach to develop spontaneous vocalizations and augmented communication in children with autism spectrum disorder. Augmentative and Alternative Communication, 37(1), 14–24. https://doi.org/10.1080/07434618.2021.1881825 论文原文

自闭症被诊断为社交沟通技能缺陷，并伴随着强烈的重复活动和兴趣模式。这些症状从婴儿期就开始出现，可能会严重损害患者的日常功能。由于社交技能的缺陷和限制性行为的释放，患有自闭症的儿童自然语言发展迟缓，在某些情况下，可能永远不会完全习得语言。培养沟通技能最成功的方法之一是增强型和替代性沟通(AAC)。然而，很少有研究关注在AAC干预措施的实施过程中使用自然主义教学程序。

自然语言范式(NLP)是NDBI的另一种类型，它优先考虑在非人工环境中(或至少尽可能地)进行教学。NLP有四个主要组成部分：(A)提供一个发声示范并强化任何近似的发音，(B)在教师和儿童之间轮流玩玩具，(C)模拟与玩具和游戏语境有关的不同口语或短语，(D)通过跟随儿童改变玩具或活动的愿望与其分享控制权。在NLP策略中，儿童是发起者，以一种自然且大多无剧本的方式选择所需的刺激。在之前的研究中，AAC和自然主义教学法或NDBI被证明是处理言语障碍的有效方法。然而，测试这些方法结合的有效性的研究却很少。因此，这项研究的主要目的是确定自然发声和时间延迟是否会增加发声水平，如果不成功，则会增加自发请求的后续增强交流。

从一所特殊教育学校招募了三名被试（Erin、Joseph和Mary）参加了这项研究且符合以下标准： (A)4-6岁；(B)被诊断为自闭症，没有伴随诊断(例如，视觉或听力障碍)；(C)基于言语行为里程碑评估和安置计划(VB-Mapp)中的障碍评估，请求非常少或有效的请求很少；(D)有限的发声模仿，(E)没有使用GoTalk NoowTM 1应用程序的经验。 Erin、Joseph和Mary(化名)能够发出简单的单一声音，使用回声提示请求一些首选的项目和活动。Joseph能够发出单一的声音来单独请求不同的首选物品。没有一名被试事先接触过AAC干预措施。

此研究在一所特殊教育学校进行，被试在此接受教育和其他服务。每节课都遵循学员和导师一对一的形式。独立观察员在课程期间在场，收集观察员间协议(IOA)和治疗完整性数据。游戏区有儿童尺寸的椅子、桌子、放着玩具的架子和其他材料。每天1 ~ 2次，每周5次，每次10 ~ 15分钟。

采用跨被试的多重基准设计来评估干预的效果。同时收集所有被试的基准数据。当其中一名被试的增强请求和自发发声数据在基准期间稳定时(即，依赖测量的变异性不超过5%)，则对所选被试进行干预。当干预阶段的两个相关指标的数据都稳定时，对下一个被试实施干预，直到所有被试都接受干预。当被试达到获取标准(即，在任意一种模式下的三个连续会话中，至少每分钟一个请求)时，从所有被试收集持久数据。

自发发声：独立地发出与所选项目的单词相同的声音和音节数，或在5秒内至少有一个近似发声(例如，ba代表ball)，并且没有事先的发声示范。 增强交流：独立地按下与所需项目相对应的图形符号(例如，在与教练玩球时按下球的图形符号)。

实验人员：教师(实施课程)是特殊教育教师，有自闭症和应用行为分析的背景。每个教师都有三年以上教学经验且都接受了实施干预的培训。

工具：AAC系统使用的是一台装载了GoTalk Now应用程序的16GB苹果iPad IIC 2。iPad被配置为在网格显示屏上显示6到9个首选物品的图形符号(例如，汽车、球、儿童书籍、音乐玩具、培乐多、积木和火车)。在激活显示屏上的图形符号后，合成语音输出产生，将对应于图形符号的项目标记出来。

1，偏好评估：为每个被试选择最喜欢的项目。实验者(第一作者)通过使用间接偏好评估访谈协议(Green et al.， 2008)对指导者进行了间接偏好评估,选择10到15个首选物品，使用人工自由操作偏好评估确定最喜欢的玩具和活动。在进行评估之前，实验者给每个被试一个大约15-25秒的机会来试用每个玩具。然后，所有的玩具被随机地放在地板上，并指导被试玩。偏好评估时间为5分钟，每天进行一次，连续进行4天。在每个环节中，实验者关注三方面的数据:方法(接触)、参与(适当或不适当地操纵玩具)和持续时间(与玩具互动的时间)。 2，在进行标准课程之前，实验员对每个被试的指导员进行培训，以实现每个阶段的程序。 3，基准课程 课程开始时，教练通过放置最喜欢的玩具来设置游戏环境在游戏区域的地板上随意放。课程以儿童为导向，教练遵循被试的引导，给孩子一个选择喜欢的玩具的机会。在游戏过程中，教练为被试提供了多次(10到15次)使用任何一种方式(iPad或发声)的机会。例如，当被试玩一个喜欢的玩具约10-15秒时，教练会中断被试的游戏，或给被试一个关闭开关的玩具，等待3 - 5秒，让被试使用语音和/或iPad提出要求。教员记录了被试发声或激活iPad屏幕上的单个图标以要求获得首选玩具的能力。基准课程为期两到三周。 4，干预： 教师们实施了一种改进的NLP程序以及一个固定时间延迟程序。在被试选择了一个玩具后，教练轻轻地从被试手中拿过玩具，模仿适当的游戏5秒，同时给适当的单词/短语的语言模型最多3次。然后，教师等待5秒，让被试重复口头模型，以要求获得喜欢的玩具。用玩具引诱被试，并给出多个语言模型来鼓励被试模仿。当被试在5秒的时间内重复口头模型时，教练立即将玩具交给被试。教练给被试35秒的游戏时间，与被试互动，并继续提供多种适合在游戏背景下的单词和短语的发声模型。如果被试没有发出声音，教练提供一个没有声音模型的模型提示(按下iPad上的符号)，让被试在5秒内激活喜欢的玩具对应的符号。当被试模仿模仿动作时，教练给被试想要的玩具和30秒的游戏时间，并在游戏过程中与被试互动。发声和增强请求之间的游戏时间差异是为了通过实施不同的强化来增加声音反应。若被试在5秒内未对前一个提示作出反应，则讲师为被试重复一次模型提示。如果被试对第二个模型提示做出反应，教练给被试15秒的时间玩他们喜欢的物品。 若被试在语言模型面前自发发声，指导员立即给被试选择的玩具，并记录其正确的反应。同样地，如果被试在给出口头模型之前或之后选择使用iPad进行要求，教练就会给他们最喜欢的玩具。当被试激活一个符号时，教员将所有的玩具呈现给被试，并指导被试挑选玩具，以评估被试的符号辨别能力以及说(激活符号)和做(选择正确的指物)之间的对应关系。如果被试选择了与所选符号对应的玩具，教练给被试35秒的游戏时间，并记录他们的回答是正确的。如果被试选择了一个与激活的符号不对应的玩具，教练提供一个身体提示(即握住被试的手，引导他/她选择与激活的符号对应的玩具)。此外，如果被试对选择符号的身体示范没有反应，指导老师会给出发出目标响应的身体提示。如果被试选择iPad进行请求，则不要求被试发声。干预会议进行了四到五周的时间。 与增强请求相比，为自发发声提供更多示范是为了增加发声的可能性，并且只在请求过程中出现发声失败的情况下使用iPad。 5，Maintenance 在这个阶段，教师遵循同样的基准程序。在上次干预课程和本阶段开始之间有两周的间隔。课程每周举行一次，为期五周，共六周。

Erin 如图1所示，在基线阶段的少数试验中，没有出现增强请求和自发发声。

图1

经过NLP程序后，Erin的iPad请求平均使用率为0.51，范围为每分钟0到1.2个增强请求。增强请求数据显示，水平立即发生变化，具有中等的可变性，并有逐渐下降的趋势。自发发声的平均频率为1.4次/ min，范围为0.4 ~ 2次/ min。自发发声的数据在水平上呈逐渐变化的趋势，具有较高的可变性和增加趋势。增强请求的干预具有中等效果和统计学意义。自发发声的干预具有很强的效果和统计学意义。在维持过程中，Erin喜欢通过发声来请求访问首选项目。自发发声的平均频率为0.8，范围为0.7 ~ 0.9次/分钟。数据保持在高水平范围内，变异性低，呈上升趋势。对于增强请求，Erin在维护期间使用iPad进行了一次尝试，他的性能平均为每分钟0.2个请求，范围从0到0.1个请求不等。 Joseph 如图2所示，Joseph在基线阶段没有发出增强的请求或自发的发声。

图2

在干预过程中，增强请求的平均速率为0.28，范围为每分钟0到1.2个请求。数据显示增强请求的水平立即发生变化，具有中等的可变性，并有下降趋势。对于自发发声，Joseph的发射平均值为1.3，范围在0.8 - 1.8个发声/分钟之间。数据显示水平立即发生变化，变异性低，并有逐渐增加的趋势。增强请求的干预效果较弱，具有统计学意义。自发发声的干预效果显著，具有统计学意义。在维持过程中，Joseph更多地选择通过发声来请求，而不是使用iPad。自发发声的平均频率为1.2，范围为每分钟1-1.6个请求。数据保持在较高的水平，并有增加的趋势。对于增强请求，增强请求的平均速率为0.1，范围为每分钟0到0.4个请求。数据保持在较低的范围内。 Mary 如图3所示，在基线阶段，Mary没有发出增强的请求或自发的声音。

图3

在干预过程中，增强请求的平均速率为0.2，范围为0 ~ 0.6个请求/分钟。数据显示，水平变化不大，变异性低，有下降趋势。对于自发发声，平均速率为1.3，范围为每分钟1到1.4个请求。数据显示，干预后该水平立即上升，但变异性低，呈上升趋势。强化请求的干预具有中等效果和统计学意义。自发发声的干预效果显著，具有统计学意义。在维持过程中，Mary自发地发声，要求使用自己喜欢的物品。发声的平均频率为1.3次，范围为1.2 ~ 1.4次/分钟。数据保持在高水平，变异性低，并有增加的趋势。

综上，在所有被试中，自发发声和增强请求的基线数据水平都很低。干预后，所有被试的自发发声有明显变化，增强请求数据的变化最小。在维持期间，数据继续围绕自发发声的高水平和增强请求的低水平聚集。与增强请求的表现相比，被试在自发发声方面表现出了改善。

目前的研究结果扩展了文献，提供了证据，支持采用NLP和时间延迟来教授具有最低发声技能的ASD儿童的功能性沟通的有效性。 有一些因素可能促成了研究的积极结果: 1,动机变量在沟通干预方案中至关重要。孩子必须有与他人互动的动力。 2,时间延迟可能是促进自发发声发展的另一个因素。 3,所有被试都有声音模仿，并大量接触非增强交流干预，有助于获得自发发声。声音模仿技能的个体差异影响获得语言发展。

本研究结果提供了NLP和时间延迟在ASD和功能交流受限儿童发声和增强要求发展中的有效性的初步证据。从业者应该考虑将AAC和非AAC干预结合起来，以培养ASD儿童的口语技能。 包括时间延迟的干预被证明增加了所有被试的自发发声。因此，鼓励实践者将时间延迟与沟通干预相结合，以增加儿童产生口头语言请求的动机。

该研究没有收集不同背景、不同人物和不同项目的泛化数据。未来的研究应该探讨NLP结合AAC干预在新情况下增强交流和非增强交流发生中的效果。另一个限制与自发发声的测量有关，尽管所有被试都只发出近似的发声。发声的测量方法提供了关于口语发生的一般信息。进一步的研究应该考虑以近似的、完整的单词发音来衡量发音，并区分提示发音和非提示发音。此外，鉴于发声的可解性信息的缺乏，未来的研究鼓励对语音进行可解性的测量。此外，由于所有的被试在他们的技能表中都有一些口语，没有办法知道自然主义的教学策略和增强干预是否会有效地出现在ASD儿童的技能表中没有口语的发声。