Abstract
Due to the influence of dynamic systems and microgenetic perspectives, variability is nowadays often seen as an important phenomenon that helps us understand the underlying mechanisms of development. This paper aims at demonstrating several simple techniques that can be used to analyse variability in data of developing (or learning) individuals. These techniques will be illustrated by applying them to a time serial dataset of early child language (to be specific, the emergence of grammatical preposition use). First, we show some descriptive techniques that are essential first steps for generating hypotheses. Also, we propose a measure that expresses qualitative variability. Furthermore, we demonstrate how resampling techniques can be used to test the presence of performance peaks, which may be important because they indicate the emergence of new abilities. Finally, we show the use of a technique that is especially useful for exploring interactions between ordinal variables (the State Space Grid, or SSG). With this illustration, we hope to encourage researchers to take a more exploratory approach to variability in their data and to develop methods directed at analysing dynamic aspects of change.
Resumen
Actualmente, debido a la influencia de los sistemas dinámicos y de las perspectivas microgenéticas, la variabilidad con frecuencia se concibe como un fenómeno que ayuda a entender los mecanismos subyacentes al desarrollo. Este artículo tiene como objetivo demostrar diversas técnicas sencillas que pueden utilizarse para analizar la variabilidad en los datos procedentes de individuos en desarrollo (o aprendiendo). Para ilustrar el uso de estas técnicas, éstas se aplican a un conjunto de datos en series de tiempo sobre el lenguaje infantil temprano (en concreto, la aparición de preposiciones gramaticales). Primero, mostramos algunas técnicas descriptivas que constituyen un primer paso esencial para generar hipótesis. También proponemos una medida que expresa la variabilidad cualitativa. Además, mostraremos cómo las técnicas de re-muestreo pueden utilizarse para evaluar la presencia de picos en el rendimiento, que pueden ser importantes porque indican la aparición de nuevas habilidades. Finalmente, mostramos cómo se utiliza una técnica que resulta especialmente útil para explorar interacciones entre variables ordinales (el State Space Grid, o SSG). Con este ejemplo, esperamos que los investigadores adopten un enfoque más exploratorio respecto a la variabilidad en sus datos, y que desarrollen métodos dirigidos a analizar los aspectos dinámicos del cambio.