Кратко и по существу: комбинируйте количественные и качественные подходы, измеряйте исход (bullying, эмпатия, благополучие), процесс (фиделити, доза) и контекст; используйте до–после и контролируемые дизайны, анализируйте кластеры (школы/классы), проводите тематический анализ и интеграцию данных.
1) Основные цели и индикаторы
- Эффект на буллинг: частота инцидентов, доля вовлечённых учеников, самооценка буллинга.
- Эффект на эмпатию и взаимоотношения: шкалы эмпатии, качества межличностных отношений.
- Косвенные исходы: посещаемость, поведенческие дисциплинарные записи, академическая успеваемость, психическое здоровье.
- Процессные метрики: число занятий, посещаемость, соблюдение протокола (фиделити), удовлетворённость участников.
2) Количественные методы
- Дизайны:
- Рандомизированное контролируемое исследование (RCT) при возможности (кластеры = классы/школы).
- Квази‑эксперимент: разница-в-разницах (DiD) между вмешательством и сравнительной школой.
- Временные ряды / interrupted time series для отслеживания тренда инцидентов до и после.
- Инструменты измерения (валидация):
- Olweus Bully/Victim Questionnaire, Peer Relations Questionnaire, Interpersonal Reactivity Index (IRI), Strengths and Difficulties Questionnaire (SDQ).
- Анализы:
- Для бинарных/дискретных исходов (наличие буллинга): логистическая регрессия с учётом кластеризации; показатели OR и 95% CI.
- Для счётных исходов (количество инцидентов): пуассоновская либо отрицательная биномиальная регрессия; оценка rate ratio.
- Для непрерывных шкал (эмпатия): линейные смешанные модели (LMM) с фиксированными эффектами интервенции и случайными эффектами для классов/школ: например
$$Y_{ijt}={\beta }_0+{\beta }_1{\mathrm{Interv}}_{jt}+{\beta }_2{\mathrm{Time}}_t+u_j+v_i+{ϵ}_{ijt}.$$ - До–после сравнения: парный t‑тест или LMM для повторных измерений; отчёт эффекта в Cohen's d:
$$d=\frac{{\bar{x}}_1-{\bar{x}}_2}{s_p}.$$ - Разница-в-разницах:
$$\Delta =(Y_{post}^{treatment}-Y_{pre}^{treatment})-(Y_{post}^{control}-Y_{pre}^{control}).$$ - Оценка размера эффекта и мощность:
- Правило для среднего эффекта $d\approx 0.5$: требуется примерно $n\approx 64$ на группу (при уровне значимости $\alpha =0.05$ и мощности $1-\beta =0.8$). Более точно:
$$n=\frac{2(Z_{1-\alpha /2}+Z_{1-\beta }{)}^2{\sigma }^2}{{\Delta }^2}.$$ - Контроль смешивающих факторов: возраст, пол, прошлые инциденты, социально-экономический статус; если данные вложенные — используйте многоуровневые модели.
3) Качественные методы
- Сбор данных: полуструктурированные интервью с учениками, наставниками, учителями и администрацией; фокус‑группы; наблюдения в классе; дневники участников.
- Анализ: тематический анализ или framework analysis; кодирование двумя аналитиками для надёжности; поиск отрицательных/альтернативных случаев для валидности.
- Вопросы для интервью: восприятие безопасности, изменения в поведении, барьеры/мотиваторы участия, примеры успешных случаев и неудач.
4) Процессная оценка (implementation)
- Измеряйте фиделити (соответствие протоколу), доза (сколько контактов), вовлечённость. Анализируйте связь между дозой и результатом (dose–response).
- Собирайте данные по распространению наставничества (peer networks) — социальные сети, centrality metrics.
5) Интеграция качественных и количественных данных (mixed methods)
- Вариант convergent parallel: собирайте оба типа одновременно, сопоставляйте результаты (joint displays), используйте качественные данные для объяснения количественных эффектов.
- Вариант explanatory sequential: сначала количественный анализ эффектов, затем качественные интервью для объяснения причин успеха/провала.
- Примеры мета‑вывода: если количественно снижение инцидентов небольшое, но качественно — ученики описывают улучшение климата, возможно подождать более длительное время или улучшить фиделити.
6) Практические шаги и таймлайн
- Пред-измерение (baseline), промежуточные точки (например 3 и 6 месяцев), итоговое (12 месяцев).
- Минимум: baseline + 6–12 месяцев follow‑up; лучше — дополнительные точки для трендов.
- Документируйте изменения в контексте (новые политики, события).
7) Этические и практические моменты
- Анонимность, информированное согласие, поддержка жертв буллинга при выявлении.
- Учёт сдвигов под влиянием повышенного внимания (Hawthorne effect).
8) Примеры ключевых метрик и формул
- Процентное уменьшение инцидентов:
$$\%\text{снижение}=\frac{\text{pre}-\text{post}}{\text{pre}}\times 100\%.$$ - Отношение шансов (логистическая регрессия) и доверительный интервал для OR; средний эффект (Cohen's d) как выше.
- Rate ratio (при счёте инцидентов):
$$\text{RR}=\frac{{\text{incidents}}_{post}/{\text{person‑time}}_{post}}{{\text{incidents}}_{pre}/{\text{person‑time}}_{pre}}.$$
Резюме (одно предложение): комбинируйте контролируемые количественные дизайны с глубинными качественными исследованиями, измеряйте и процесс, и результат, используйте многоуровневые модели и интегрируйте данные для надёжной оценки эффективности.