Открытый исследовательский вопрос:
Как различные характеристики использования цифровых социальных сетей (время, тип контента, форма взаимодействия) влияют на развитие когнитивной и аффективной эмпатии у подростков?
Гипотеза:
Чем больше целенаправленного социального взаимодействия в сетях (комментирование, личные сообщения, поддерживающие реакции) и чем меньше пассивного потребления визуально‑эмоционного контента, тем выше прирост когнитивной и аффективной эмпатии у подростков в течение времени; эффект модифицируется исходным уровнем эмпатии и качеством офлайн‑социальной поддержки.
Методология
1) Дизайн
- Предпочтительно продольное исследование с $T=3$ волнами (базовая, через $6$ мес, через $12$ мес). Возможна дополнительно экспериментальная подгруппа для теста причинности (рандомизация на интервенцию: эмпатийно‑направленный контент vs нейтральный).
2) Выборка
- Возраст: подростки $13\text{–}17$ лет.
- Размер: ориентировочно $n=300\text{–}500$ для наблюдательного продольного исследования (или $n\approx 100$ для ESM с большим числом повторных измерений); для экспериментальной подгруппы рассчитывать мощность с целью $1-\beta =0.8$ при $\alpha =0.05$.
- Рекрутирование по школам/онлайн‑панелям с стратификацией по полу, социально‑экономическому статусу и уровню первоначальной онлайн‑активности.
3) Переменные
- Независимые:
- Время использования SNS: среднее ежедневное время (см. цифровые следы) — измерение как непрерывная переменная.
- Тип активности: доля взаимодействий (комментарии/сообщения) vs пассивное потребление (скроллинг, просмотры).
- Характер контента: эмоционально насыщенный vs информационный; наличие личных историй.
- Зависимые:
- Когнитивная эмпатия (перспективное принятие) — шкала, напр., Interpersonal Reactivity Index (subscale Perspective Taking).
- Аффективная эмпатия (сочувствие/эмоциональное заражение) — соответствующие подшкалы IRI или Empathic Concern.
- Поведенческие индикаторы эмпатии: помощь в задачах в лаборатории/онлайн (поведенческая мера).
- Контроли/ковариаты:
- Возраст, пол, SES, уровень депрессии/тревожности, базовая социальная поддержка, офлайн взаимодействия.
4) Методы сбора данных
- Анкеты стандартизированные: IRI, Empathy Quotient, шкалы психического здоровья.
- Цифровые следы (с согласия): логи использования приложений (время, типы взаимодействий, тематика контента) — агрегированные метрики.
- Experience Sampling Method (ESM): краткие опросы $3\text{–}5$ раз в день в течение $7$ дней для фиксации моментальных эмоциональных реакций и контекста взаимодействий.
- Лабораторные/онлайн‑поведенческие задания: задачи на распознавание эмоций, сценарные дилеммы и задачи помощи.
- Полуструктурированные интервью с подгруппой для качеального понимания механизмов.
5) Анализ данных
- Смес‑модели (mixed‑effects) для продольных данных: зависимость эмпатии от времени и параметров использования SNS.
- Медиаторный/модераторный анализ: проверка, опосредует ли тип взаимодействия связь время→эмпатия; модерация исходным уровнем эмпатии.
- Для экспериментальной части: ANOVA/регрессия между группами; оценка эффектов с контролем ковариат.
- Коррекция множественных сравнений; проверка устойчивости результатов (sensitivity analyses).
Этические трудности
- Согласие и информированное согласие: требуется согласие родителей/опекунов и согласие подростка; нужно ясно объяснить цели и способы использования данных.
- Конфиденциальность цифровых следов: высокая чувствительность логов; хранение в зашифрованном виде, минимизация данных (агрегация), аннонизация/псевдонимизация.
- Риск вреда/дистресса: участие может вызвать эмоциональное возбуждение при обсуждении личных переживаний или при показе эмоционального контента; предусмотреть процедуру поддержки и ресурсы для участников.
- Право на отзыв и удаление данных: обеспечить простую процедуру выхода и удаления индивидуальных данных.
- Законодательство и платформы: соблюдение местных законов о защите данных (напр., GDPR) и правил платформ при сборе цифровых следов.
- Конфликт интересов и прозрачность: ясное информирование о спонсорах и целях; особая осторожность при работе с чувствительной информацией (минимизировать риски идентификации).
Если нужно, могу предложить пример опросника, шаблон ESM‑вопросов или расчет мощности для конкретного ожидаемого эффекта.