Краткий протокол лонгитюдного исследования.
Цель: изучить, как потребление социальных медиа влияет на развитие самооценки и идентичности у подростков во времени, выделить направления причинно‑следственных связей и нейробиологические механизмы.
Дизайн
- Тип: проспективное лонгитюдное когортное исследование с многоволновыми измерениями (смешанные эффекты + LGCM/CLPM/DSEM).
- Возраст на входе: $12$–$17$ лет.
- Временная сетка: волны каждые $6$ месяцев в течение $3$ лет (всего $7$ волн: $t=0,6,12,18,24,30,36$ мес).
- Размер выборки: целевой когорты $N=1200$ (исходя из расчёта мощности и ожидаемой убылью); нейроподвыборка для fMRI/EEG $n=150$–$200$.
Выбор выборки
- Стратифицированная случайная выборка по школам/районам с целевым оверсэмплингом меньшинств и низкого SES для внешней валидности.
- Критерии включения: возраст в диапазоне, согласие родителя и assent подростка, владение смартфоном (для пассивного трекинга).
- Критерии исключения (нейроподвыборка): стандартные противопоказания к МРТ, неврологические заболевания, сильная интеллектуальная задержка.
- Корректировка на убыль: при ожидании убыли $25\%$ берём запас: $N_{start}=\frac{N_{target}}{1-0.25}$.
Методы сбора данных
1) Самосообщения (волново)
- Самооценка: Rosenberg Self‑Esteem Scale или эквивалент.
- Идентичность: Dimensions of Identity Development Scale (DIDS) или Ego Identity Process Questionnaire.
- Сопутствующие шкалы: депрессия (CES‑D), тревожность (GAD‑7), социальное сравнение, удовлетворённость жизнью, родительская поддержка.
- Частота: каждую волну.
2) Поведенческие/пассивные данные (смартфон + API)
- Метрики: суммарное время в приложениях, частота сессий, число лайков/комментариев, доля визуального контента, экспозиция популярных аккаунтов, соотношение активного vs пассивного использования.
- Метод: мобильное приложение с сбором метаданных (время/идентификатор приложения/активность), агрегирование и хеширование идентификаторов.
- Частота: непрерывный сбор с агрегированием по волнам (6‑месячные окна).
3) Нейроизмерения (подвыборка)
- fMRI: задачи самоотнесения (self‑referential task), социального вознаграждения/отторжения (e.g., social evaluation task), resting‑state для сетей DMN/Salience.
- EEG: задачи социальной оценки, ERPs (например, FRN/P3) для быстрого реагирования на социальную обратную связь.
- Биомаркеры: опционально кортизол (слюна) при стрессовых сессиях.
- Частота: baseline, годовой и финальный замер (минимум $3$ скана).
Контрольные переменные (сбор на baseline и обновление при волнах)
- Демография: пол/гендер, возраст, SES семьи, этническая принадлежность.
- Пубертатный статус.
- Базовое психическое здоровье и история терапии/медицины.
- Личностные черты (Big Five или краткая шкала).
- Оффлайн социальная сеть: число друзей, качество взаимодействий, участие в активности вне сети.
- Семейный мониторинг и правила использования устройств.
- Школа/район (уровни кластеризации).
Этические меры
- Согласие: письменное информированное согласие родителей + assent подростков. Отдельные согласия на пассивный сбор данных и на нейроизмерения.
- Минимизация данных: сбор только необходимых метаданных; хеширование/анонимизация идентификаторов; запрещение хранения содержимого личных сообщений (если собирается — только агрегаты).
- Хранение: шифрование данных «в покое» и при передаче; доступ по ролям; журнал доступа.
- Конфиденциальность: разделение идентификационных данных и исследовательских данных на разные хранилища.
- Обращение с рисками: протоколы для обнаружения и реакции на риск самоповреждения/суицидальных намерений (быстрая связь с родителями/службами поддержки по заранее согласованному плану).
- Компенсация: коммерческая компенсация за участие и транспорт для сканирования.
- Вознаграждение и право на выход: право на выход в любой момент без объяснений; удаление данных по запросу, в пределах нормативов.
- Комитет по наблюдению за безопасностью данных и независимый этический мониторинг; вовлечение школьных советов/сообщества.
Аналитический план (основные модели)
- Модели смешанных эффектов (учёт вложенности измерений в субъектах и школах):
$$Y_{it}={\beta }_0+{\beta }_{1}S{M}_{it}+{\beta }_{2}Tim{e}_t+{\beta }_3{X}_i+u_i+v_{school}+{\epsilon }_{it},$$ где $Y_{it}$ — самооценка/индентность у участника $i$ в момент $t$, $S{M}_{it}$ — поведенческие метрики соцмедиа, $X_i$ — вектор контрольных переменных.
- Латентный рост (LGCM) для траекторий самооценки/идентичности:
$${\eta }_{i,intercept},{\eta }_{i,slope}\sim \text{N}(\mu ,\Sigma ),$$ с предикторами на уровне индивида (включая среднее потребление соцмедиа) и time‑varying SM как сопредиктор.
- Кросс‑лаговые модели/ DSEM для оценки направленного влияния в краткосрочной динамике:
$$Y_t=a{Y}_{t-1}+bS{M}_{t-1}+cControls+{ϵ}_t.$$
- Медиаторы/модераторы: тесты на медиирование через социальное сравнение, восприятие чужой популярности; модерация полом, SES, качества оффлайн поддержки.
Пример расчёта мощности (упрощённо)
- Для детекции эффекта размера $\delta$ в парных измерениях:
$$n=\frac{(Z_{1-\alpha /2}+Z_{1-\beta }{)}^{2}2{\sigma }^2}{{\delta }^2}.$$ Подставляя типичные значения ($\alpha =0.05,\beta =0.2$), выбирают $\delta$ соответствующее малому/среднему эффекту и корректируют на убыль.
Практические замечания
- Валидация пассивных метрик с самосообщениями (сопоставление).
- Пилот $N\approx 100$ для теста логистики сбора данных и шкал.
- Протокол по инцидентам при обнаружении психопатологии; обучение персонала.
- Публикация проспектического протокола и предрегистрация анализа.
Если нужно, могу дать шаблон шкал, подробный план выборки по округам/школам или пример кода для LGCM/CLPM.