Дизайн исследования
Цель: оценить влияние дистанционного обучения на социальную мобильность школьников разных классов за период 5\) лет.
Гипотезы
- H1: Дистанционное обучение системно влияет на образовательные достижения и последующую социальную мобильность; эффект зависит от исходного класса (соц.‑экономического статуса, SES).
- H2: Эффект дистанта опосредован доступом к технике/интернету и семейной поддержкой.
- H3: Разрыв в мобильности между низким и высоким SES увеличивается при длительном дистанте.
Выборка
- Дизайн: лонгитюдная панельная выборка учащихся, стратифицированная по SES (низкий/средний/высокий), региону и типу школы (город/село, публичная/частная).
- Размер выборки: исходный N = 3000\) учащихся, по 1000\) в каждой SES‑страте (позволяет анализ гетерогенности и частичные потери выборки).
- Ожидаемая потеря на последующих волнах: примерно 20\%\); планируемые конечные данные ≈ 2400\).
- Подвыборка для качественных интервью: 150\) респондентов (50\) из каждого SES).
Период и волны измерений
- Ежегодные волны: базовое измерение + 4\) последующих волны = 5\) волн за 5\) лет.
- Административные данные (аттестации, переводы, поступления в ВУЗы) собираются постоянно по согласованию с школами.
Операционализация ключевых переменных
- Дистанционное обучение (экспозиция): бинарный/интенсивный показатель — доля учебных часов в дистанте за учебный год (например, 0\)–1\)).
- Социальная мобильность: относительная мобильность через изменение ранга/статуса: $\Delta Rank=Ran{k}_{child}-Ran{k}_{parent}$, где ранги вычисляются по распределению дохода/образования в популяции; также использовать индикаторы: поступление в ВУЗ, профиль учебного трека.
- Контрольные переменные: пол, возраст, этническая принадлежность, начальный академический балл, доступ к технике (индекс), качество школы, регион.
- Медиаторы: индекс домашней поддержки, качество интернет‑связи, время учебы онлайн.
Методы сбора данных
- Анкеты для учащихся и родителей (ежегодно): академические результаты, доступ к ресурсам, учебное поведение, планы на образование.
- Школьные/административные данные: оценки, тесты, запись о формах обучения, переводы, выпуск/поступление.
- Стандартизированные тесты навыков (математика/чтение) раз в год.
- Глубинные интервью с подвыборкой и фокус‑группы для качественного понимания механизмов.
- Логирование использования образовательных платформ (при доступе) — при согласии.
Аналитические методы
1) Описательная статистика и траектории по SES: средние, медианы, графики роста достижений.
2) Панельные регрессии с индивидуальными эффектами:
$$Y_{it}={\beta }_0+{\beta }_{1}Remot{e}_{it}+{\beta }_2{X}_{it}+{\alpha }_i+{\gamma }_t+{ϵ}_{it},$$
где $Y_{it}$ — показатель образовательного достижения или ранга мобильности для индивида $i$ в год $t$; $Remot{e}_{it}$ — интенсивность дистанта; ${\alpha }_i$ — фиксированные эффекты индивида; ${\gamma }_t$ — годовые эффекты.
3) Модель роста (growth curve) для траекторий:
$$Y_{it}={\eta }_{0i}+{\eta }_{1i}t+{ϵ}_{it},$$
с последующей регрессией индивидуальных параметров ${\eta }_{0i},{\eta }_{1i}$ на $Remote$ и SES.
4) Дифф‑в‑дифф / квази‑эксперименты: если есть группы с разной степенью перехода на дистант в разные моменты, использовать
$$Y_{it}=\alpha +\delta (Trea{t}_i\times Pos{t}_t)+\dots$$ для оценки квази‑каузальных эффектов.
5) Медиционный анализ для проверки механизмов (доступ к интернету, поддержка семьи).
6) Гетерогенность: взаимодействия $Remot{e}_{it}\times SE{S}_i$ для оценки различий по классам.
7) Робаст‑чек: propensity score weighting, inverse probability weighting для корректировки отбора, multiple imputation для пропусков, анализ чувствительности к убыли выборки.
Качественный анализ
- Тематический анализ интервью для выявления механизмов и контекста, дополнение количественной картины.
Этика и практические моменты
- Согласия родителей/учащихся, защита персональных данных, хранение anonymized данных.
- План по снижению потери выборки: контактные данные, стимулы, мобильные опции опроса.
Ожидаемые результаты и показатели
- Основной результат: оценка величины ${\beta }_1$ и её зависимости от SES (взаимодействие), оценка изменения среднего ранга $\mathbb{E}[\Delta Rank]$ по группам.
- Механистические выводы через медиаторы и качественные данные.
Кратко: панельная стратифицированная выборка 3000\), ежегодные волны 5\), комбинированные методы (анкеты, админ‑данные, тесты, интервью), анализ — фикс‑эффекты, growth models, DiD, медиация и проверки робастности.