15/08/2026
Buon ferragosto 📚
𝗙𝘂𝗻𝗰𝘁𝗶𝗼𝗻𝗮𝗹 𝗔𝗻𝗮𝗹𝘆𝘀𝗶𝘀: 𝗰𝗼𝗺𝗲 𝘀𝗶 𝗹𝗲𝗴𝗴𝗼𝗻𝗼 𝗶 𝗴𝗿𝗮𝗳𝗶𝗰𝗶?
𝗨𝗻𝗮 𝗴𝘂𝗶𝗱𝗮 𝗽𝗮𝘀𝘀𝗼 𝗽𝗮𝘀𝘀𝗼 𝗮 𝟴 𝗱𝗶𝘃𝗲𝗿𝘀𝗶 𝗺𝗼𝗱𝗶 𝗱𝗶 𝗰𝗼𝗻𝗱𝘂𝗿𝗿𝗲 𝘂𝗻𝗮 𝗙𝘂𝗻𝗰𝘁𝗶𝗼𝗻𝗮𝗹 𝗔𝗻𝗮𝗹𝘆𝘀𝗶𝘀
Figura tratta da Iwata, B. A., & Dozier, C. L. (2008).
𝐴 𝑐𝑢𝑟𝑎 𝑑𝑖 𝑆𝑎𝑡𝑖𝑎 𝑅𝑖𝑣𝑎
La Figura 1 dell’articolo di Iwata e Dozier mette a confronto otto diverse modalità di conduzione o adattamento della Functional Analysis.
I pannelli A–C rappresentano soprattutto differenti disegni sperimentali; i pannelli D–H mostrano invece adattamenti pensati per rendere la Functional Analysis più praticabile in condizioni cliniche reali, per esempio quando il tempo è limitato, il comportamento è pericoloso o il controllo dell’ambiente è ridotto.
𝗔. 𝗠𝘂𝗹𝘁𝗶𝗲𝗹𝗲𝗺𝗲𝗻𝘁 𝗗𝗲𝘀𝗶𝗴𝗻
Nel Multielement Design vengono alternate rapidamente diverse condizioni della Functional Analysis. Ogni condizione testa una possibile funzione del comportamento problema.
Una sequenza può essere, per esempio:
Attention (attenzione) → Play (gioco, condizione di controllo) → Demand (richiesta) → Alone (solo) → Attention → Demand → Play...
La logica è confrontare il livello del comportamento nelle diverse condizioni. Se una condizione produce sistematicamente livelli più elevati rispetto alle altre, questo suggerisce che la conseguenza programmata in quella condizione possa mantenere il comportamento.
Nel pannello A la condizione di richiesta (Demand) produce un livello nettamente più alto di comportamento rispetto alle altre.
La relazione funzionale rappresentata è:
Richiesta→ comportamento problema → rimozione della richiesta
Il comportamento è quindi interpretato come mantenuto da fuga, cioè dalla possibilità di interrompere o evitare le richieste.
Il vantaggio del Multielement Design è la rapidità: più ipotesi funzionali vengono confrontate nello stesso assessment.
Il possibile limite è che l’alternanza molto rapida tra condizioni possa rendere più difficile la discriminazione tra una condizione e l’altra.
𝗕. 𝗥𝗲𝘃𝗲𝗿𝘀𝗮𝗹 𝗗𝗲𝘀𝗶𝗴𝗻
Nel pannello B le condizioni non vengono alternate rapidamente, come nel Multielement Design. Ogni condizione viene mantenuta per più sessioni consecutive, quindi si passa a una nuova fase.
È importante osservare che il grafico non rappresenta un classico ABAB con due sole condizioni.
La sequenza raffigurata è sostanzialmente:
Alone → Attention → Play → Demand → Attention
cioè, schematicamente:
A → B → C → D → B
La condizione critica, Attention, viene quindi introdotta una prima volta, successivamente rimossa e infine reintrodotta.
E’ proprio questa reintroduzione a fornire la logica di reversal.
Nel grafico:
Alone → il comportamento diminuisce;
Attention → il comportamento aumenta nettamente;
Play → il comportamento torna basso;
Demand → resta relativamente basso;
Attention → il comportamento torna nuovamente alto.
La parte più importante è quindi la replica dell’effetto:
Attention presente → comportamento elevato
Attention assente → comportamento basso
Attention nuovamente presente → comportamento nuovamente elevato
Gli autori interpretano quindi il comportamento come mantenuto dall’attenzione.
Il grafico non rappresenta un ABAB “puro”, ma utilizza una reversal logic: la variabile critica viene rimossa e successivamente reintrodotta per verificare se l’effetto ricompare.
𝗖. 𝗣𝗮𝗶𝗿𝘄𝗶𝘀𝗲 𝗧𝗲𝘀𝘁-𝗖𝗼𝗻𝘁𝗿𝗼𝗹 𝗗𝗲𝘀𝗶𝗴𝗻
Il Pairwise Test-Control Design assomiglia al Multielement Design perché utilizza un’alternanza relativamente rapida, ma invece di confrontare contemporaneamente molte condizioni, confronta una sola Test Condition con una Control Condition (la condizione di gioco o Play).
Per esempio:
Attention ↔ Play/Control ↔ Attention ↔ Play/Control
oppure:
Demand ↔ Play/Control ↔ Demand ↔ Play/Control
Successivamente si può effettuare un altro confronto separato con un’altra funzione.
La domanda sperimentale diventa quindi:
“Questa specifica condizione di test produce più comportamento rispetto al controllo?”
anziché:
“Tra tutte le possibili condizioni, quale produce più comportamento?”
Nel modello classico, la Control Condition è generalmente la Play Condition: attenzione disponibile, accesso a stimoli preferiti e assenza di richieste.
Nel pannello C gli autori mostrano un esempio interpretato come automatic reinforcement.
La distinzione fondamentale è quindi:
Multielement Design = confronto molte condizioni rapidamente.
Pairwise Test-Control Design = confronto una Test Condition alla volta contro il Control.
Reversal Design = mantengo le condizioni per fasi più lunghe e verifico se la reintroduzione della condizione critica replica l’effetto.
𝗗. 𝗕𝗿𝗶𝗲𝗳 𝗙𝘂𝗻𝗰𝘁𝗶𝗼𝗻𝗮𝗹 𝗔𝗻𝗮𝗹𝘆𝘀𝗶𝘀
La Brief Functional Analysis, o BFA, è stata sviluppata soprattutto per situazioni nelle quali il tempo disponibile è limitato.
Nella procedura descritta da Iwata e Dozier, ciascuna condizione può essere presentata inizialmente una sola volta, generalmente per circa 5 minuti.
Durante quei 5 minuti si mantiene quella specifica condizione e si misura il comportamento.
Per esempio:
Attention — 5 minuti → misuro il comportamento
Demand — 5 minuti → misuro il comportamento
Alone — 5 minuti → misuro il comportamento
Play/Control — 5 minuti → misuro il comportamento
Poi si confrontano i risultati.
Se una condizione emerge chiaramente, può essere replicata per verificare che l’effetto si ripeta. Successivamente può essere effettuato un treatment probe, cioè una breve prova di un intervento basato sulla funzione appena individuata, per verificare se modificando quella contingenza il comportamento problema diminuisce.
Quindi la logica è:
una breve esposizione a ciascuna condizione → identificazione della condizione più rilevante → eventuale replica → possibile treatment probe.
La BFA non cambia la logica della Functional Analysis; riduce soprattutto il numero e la durata delle sessioni.
𝗘. 𝗦𝗶𝗻𝗴𝗹𝗲-𝗙𝘂𝗻𝗰𝘁𝗶𝗼𝗻 𝗧𝗲𝘀𝘁
Se dalle informazioni raccolte prima dell’analisi, per esempio osservazioni, colloqui o questionari, emerge una forte ipotesi su una specifica funzione del comportamento, non è necessario testare subito tutte le possibili funzioni.
Se si sospetta, ad esempio, che il comportamento serva soprattutto a evitare o interrompere richieste, si può testare direttamente l’ipotesi di fuga.
Si costruiscono quindi due condizioni:
Demand/Test → vengono presentate richieste o compiti e, se compare il comportamento problema, la richiesta viene interrotta secondo la procedura prevista.
Control (condizione di gioco, Play) → si crea una condizione nella quale quella specifica contingenza non è presente.
Si confronta poi comportamento nelle due condizioni.
Se il comportamento problema è chiaramente più frequente nella Demand Condition rispetto al Control, l’ipotesi che sia mantenuto dalla fuga dal compito riceve supporto sperimentale.
In altre parole:
“Penso che il comportamento serva a evitare le richieste”
↓
creo una situazione in cui le richieste sono presenti e, se compare il comportamento problema, vengono interrotte: il comportamento produce quindi fuga come conseguenza
↓
la confronto con una situazione di controllo
↓
se il comportamento aumenta soprattutto quando ci sono le richieste e la loro rimozione segue il comportamento problema, l’ipotesi di fuga diventa più plausibile.
Se il risultato è positivo, si può procedere verso un intervento basato sulla funzione.
Se il risultato è negativo, occorre ampliare l’analisi e considerare altre possibili funzioni.
Questo mostra bene il ruolo dei metodi indiretti: possono essere utili per generare un’ipotesi e rendere l’assessment più efficiente, ma non sostituiscono la verifica sperimentale.
Un punto importante: Single-Function Test e Pairwise Test-Control Design non sono sinonimi.
Pairwise descrive il disegno sperimentale del confronto.
Single-Function Test descrive la strategia clinica di scegliere deliberatamente una sola funzione da testare perché già fortemente sospettata.
𝗙. 𝗔𝗹𝗼𝗻𝗲 𝗦𝗲𝗿𝗶𝗲𝘀
La Alone Series viene utilizzata soprattutto quando si sospetta che il comportamento sia mantenuto da rinforzo automatico.
In questo caso non c’è il tradizionale confronto Condizione di Test-Condizione di controllo.
La persona viene osservata ripetutamente in una condizione di solo (alone), cioè senza conseguenze sociali programmate per il comportamento.
Se il comportamento continua ad alti livelli anche in assenza di attenzione, richieste o accesso a oggetti forniti dagli altri, diventa plausibile che il comportamento produca direttamente una conseguenza rinforzante.
Nel pannello F vengono mostrati due possibili pattern.
Primo pattern:
Alone → comportamento elevato → comportamento rimane elevato
Questo pattern è compatibile con l’ipotesi di rinforzo automatico.
Secondo pattern:
Alone → comportamento inizialmente presente → progressiva diminuzione
Questo suggerisce estinzione: l’ipotesi di rinforzo automatico diventa meno convincente e può essere necessario verificare funzioni sociali.
Quindi:
Mantenimento del comportamento nelle sessioni Alone → più plausibile l’ipotesi di rinforzo automatico.
Estinzione del comportamento nelle sessioni Alone → più plausibile che il comportamento sia mantenuto da conseguenze sociali, che andranno indagate.
𝗚. 𝗟𝗮𝘁𝗲𝗻𝗰𝘆 𝗙𝘂𝗻𝗰𝘁𝗶𝗼𝗻𝗮𝗹 𝗔𝗻𝗮𝗹𝘆𝘀𝗶𝘀
La Latency Functional Analysis è una variante particolarmente utile quando il comportamento problema è grave o potenzialmente pericoloso e, quindi, si vuole evitare che si verifichi molte volte nel corso della valutazione.
In una Functional Analysis tradizionale si misura quante volte il comportamento compare durante una sessione. Nella Latency Functional Analysis, invece, si registra quanto tempo passa dall’inizio della condizione alla prima comparsa del comportamento target.
In pratica, la sequenza è questa:
inizia la condizione → parte la misurazione del tempo → compare la prima risposta → si registra la latenza → la sessione termina.
Immaginiamo, per esempio, di confrontare una condizione Attention con una condizione Play.
Nella condizione Attention l’attenzione viene resa indisponibile fin dall’inizio della sessione. Se il comportamento problema compare dopo 20 secondi, la latenza è di 20 secondi.
Nella condizione Play, invece, la persona dispone di attenzione e attività preferite e non vengono presentate richieste.
Se il comportamento non compare per tutti i 5 minuti della sessione, la latenza viene considerata pari alla durata massima prevista.
Il dato importante, quindi, non è quante risposte si verificano, ma quanto rapidamente compare la prima risposta nelle diverse condizioni.
Se il comportamento compare sistematicamente molto prima nella condizione Attention rispetto alle altre, questo suggerisce che quella condizione eserciti un effetto più forte sul comportamento.
La persona non deve aspettare di emettere una prima risposta per “capire” quale condizione è in vigore. Le diverse condizioni sono già caratterizzate da antecedenti differenti.
Per esempio:
nella Attention Condition l’attenzione è ritirata o non disponibile;
nella Demand Condition vengono presentate richieste o compiti;
nella Play Condition sono disponibili attenzione e attività preferite e non vengono presentate richieste.
La persona entra quindi in contatto con caratteristiche ambientali differenti fin dall’inizio della sessione.
Per leggere il grafico bisogna ricordare una cosa importante: nella Latency Functional Analysis il significato del dato è quasi opposto rispetto a un grafico basato sulla frequenza.
Latenza breve → il comportamento compare rapidamente.
Latenza lunga → il comportamento impiega più tempo a comparire.
Latenza pari alla durata massima della sessione, per esempio 5 minuti → il comportamento non si è verificato durante quella sessione.
Nel pannello G il comportamento compare con latenze particolarmente brevi nella condizione Attention rispetto alle altre condizioni. Per questo il risultato viene interpretato come compatibile con un comportamento mantenuto dall’attenzione.
Il principale vantaggio di questa procedura è che consente di ottenere informazioni sulla funzione del comportamento limitando fortemente il numero di episodi necessari per l’analisi: invece di lasciare che un comportamento pericoloso si verifichi ripetutamente, è sufficiente osservare quando compare la prima risposta e terminare la sessione.
𝗛. 𝗧𝗿𝗶𝗮𝗹-𝗕𝗮𝘀𝗲𝗱 𝗙𝘂𝗻𝗰𝘁𝗶𝗼𝗻𝗮𝗹 𝗔𝗻𝗮𝗹𝘆𝘀𝗶𝘀
La Trial-Based Functional Analysis è pensata per situazioni in cui non è pratico organizzare lunghe sessioni sperimentali separate. Può essere utilizzata, per esempio, a scuola, inserendo brevi confronti Test-Control direttamente nelle normali attività della giornata.
Invece di mantenere una stessa condizione per molti minuti, si effettuano brevi trial, generalmente di 1–2 minuti, e questi vengono ripetuti più volte nel corso della giornata.
L’idea è verificare una possibile funzione del comportamento attraverso un confronto molto breve tra una condizione Test e una corrispondente condizione Control.
Per esempio, se vogliamo verificare una possibile funzione di fuga dalle richieste, possiamo confrontare:
Control → non vengono presentate richieste;
Demand/Test → vengono presentate richieste o compiti e, se compare il comportamento problema, la richiesta viene interrotta secondo la contingenza prevista.
In questo modo si verifica se il comportamento compare più facilmente proprio quando sono presenti richieste e quando il comportamento può produrne la rimozione.
Questo confronto può essere ripetuto più volte in diversi momenti della giornata.
Nel pannello H vengono valutate separatamente tre possibili condizioni funzionali:
Attention
Demand
Alone
Per ciascuna viene effettuato un confronto tra Test e Control.
Nella Trial-Based Functional Analysis il controllo viene costruito in relazione alla funzione che si sta testando.
Per esempio:
Attention → si confronta una situazione Test in cui l’attenzione è indisponibile e il comportamento problema può produrla, con una situazione Control in cui questa specifica contingenza non è presente.
Demand → si confronta una situazione Test in cui vengono presentate richieste e il comportamento problema può produrne l’interruzione, con una situazione Control in cui le richieste non vengono presentate.
Alone → si confronta una situazione Test in cui la persona è senza attenzione, senza richieste e senza conseguenze sociali programmate per il comportamento, con una situazione Control in cui sono disponibili attenzione e attività preferite.
L’asse verticale del grafico indica in quanti trial, sul totale dei trial effettuati, il comportamento è comparso.
Nel pannello H il risultato è questo:
Attention → la differenza tra Test e Control è piccola;
Demand → il comportamento compare in una percentuale molto più alta di trial Test rispetto ai trial Control;
Alone → il Test non produce più comportamento rispetto al Control.
La differenziazione più evidente si osserva quindi nella condizione Demand.
La logica è:
Demand/Test → vengono presentate richieste e il comportamento può produrne l’interruzione → il comportamento compare in molti trial
↓
Demand/Control → questa specifica contingenza non è presente → il comportamento compare in pochi trial
↓
se questa differenza si ripete nei vari trial, l’ipotesi che il comportamento sia mantenuto dalla fuga riceve supporto.
Un punto importante per leggere correttamente il pannello H è che le barre del grafico riassumono più brevi trial effettuati in momenti diversi. Non rappresentano quindi necessariamente una singola prova di Attention, una singola prova di Demand e una singola prova di Alone.
Nella Trial-Based Functional Analysis i confronti Test-Control possono essere distribuiti nel corso della giornata, all’interno delle normali attività. Per esempio, al mattino si può effettuare un breve confronto Attention Test-Control; più tardi un confronto Demand Test-Control; nel pomeriggio un altro confronto Demand Test-Control; in un altro momento un confronto Alone Test-Control.
Alla fine, tutti i trial appartenenti alla stessa funzione vengono raggruppati. Si calcola quindi, separatamente per Attention, Demand e Alone, in quale percentuale dei trial Test e dei trial Control è comparso il comportamento problema.
Il grafico mostra proprio questo risultato complessivo: non il singolo episodio, ma il pattern che emerge dall’insieme dei brevi confronti effettuati durante la giornata.
Per questo la Trial-Based Functional Analysis mantiene la logica sperimentale della Functional Analysis, ma la rende più facilmente applicabile nei contesti naturali. Invece di organizzare lunghe sessioni separate, suddivide l’analisi in brevi prove controllate, inserite nella routine quotidiana.
𝗜𝗹 𝗽𝘂𝗻𝘁𝗼 𝗰𝗲𝗻𝘁𝗿𝗮𝗹𝗲
Questi otto pannelli mostrano che la Functional Analysis non coincide con un unico protocollo rigido.
La logica fondamentale rimane la stessa: manipolare sistematicamente antecedenti e conseguenze e osservare se il comportamento cambia in funzione delle condizioni.
Quello che può cambiare è il modo in cui il confronto viene organizzato.
Si può alternare rapidamente più condizioni, confrontarne solo due, mantenere una condizione per più sessioni, accorciare le sessioni, testare soltanto una funzione sospettata, utilizzare la latenza anziché la frequenza o inserire piccoli confronti direttamente nella routine quotidiana.
La scelta dipende dalla domanda clinica, dal rischio, dal tempo disponibile e dal grado di controllo che è realisticamente possibile ottenere.
La Functional Analysis può essere adattata alla pratica clinica senza perdere il suo elemento essenziale, cioè la verifica sperimentale della relazione tra condizioni ambientali e comportamento.
𝐅𝐨𝐧𝐭𝐞: Iwata, B. A., & Dozier, C. L. (2008). Clinical application of functional analysis methodology. Behavior analysis in practice, 1(1), 3-9.
𝐷𝑖𝑠𝑐𝑙𝑎𝑖𝑚𝑒𝑟:
𝑄𝑢𝑒𝑠𝑡𝑜 𝑝𝑜𝑠𝑡 ℎ𝑎 𝑒𝑠𝑐𝑙𝑢𝑠𝑖𝑣𝑎𝑚𝑒𝑛𝑡𝑒 𝑠𝑐𝑜𝑝𝑜 𝑡𝑒𝑜𝑟𝑖𝑐𝑜 𝑒 𝑛𝑜𝑛 𝑐𝑜𝑠𝑡𝑖𝑡𝑢𝑖𝑠𝑐𝑒 𝑢𝑛’𝑖𝑛𝑑𝑖𝑐𝑎𝑧𝑖𝑜𝑛𝑒 𝑜𝑝𝑒𝑟𝑎𝑡𝑖𝑣𝑎. 𝐸̀ 𝑣𝑜𝑙𝑡𝑜 𝑎 𝑖𝑙𝑙𝑢𝑠𝑡𝑟𝑎𝑟𝑒 𝑙𝑒 𝑝𝑜𝑡𝑒𝑛𝑧𝑖𝑎𝑙𝑖𝑡𝑎̀ 𝑑𝑖 𝑖𝑛𝑡𝑒𝑟𝑣𝑒𝑛𝑡𝑜 𝑑𝑒𝑙𝑙’𝐴𝑛𝑎𝑙𝑖𝑠𝑖 𝐶𝑜𝑚𝑝𝑜𝑟𝑡𝑎𝑚𝑒𝑛𝑡𝑎𝑙𝑒. 𝑃𝑒𝑟 𝑞𝑢𝑎𝑙𝑠𝑖𝑎𝑠𝑖 𝑎𝑝𝑝𝑙𝑖𝑐𝑎𝑧𝑖𝑜𝑛𝑒 𝑝𝑟𝑎𝑡𝑖𝑐𝑎 𝑐𝑜𝑛 𝑏𝑎𝑚𝑏𝑖𝑛𝑖 𝑜 𝑠𝑡𝑢𝑑𝑒𝑛𝑡𝑖, 𝑠𝑖 𝑟𝑎𝑐𝑐𝑜𝑚𝑎𝑛𝑑𝑎 𝑑𝑖 𝑐𝑜𝑛𝑠𝑢𝑙𝑡𝑎𝑟𝑒 𝑖𝑙 𝑝𝑟𝑜𝑝𝑟𝑖𝑜 𝐴𝑛𝑎𝑙𝑖𝑠𝑡𝑎 𝑑𝑒𝑙 𝐶𝑜𝑚𝑝𝑜𝑟𝑡𝑎𝑚𝑒𝑛𝑡𝑜
