Коротко и по делу: перечислю методы (качественные и количественные), ключевые приёмы сбора/анализа и как интерпретировать результаты с учётом гендерных и социальных различий.
1) Качественные методы
- Глубинные интервью с учениками, учителями и родителями — выявляют мотивации, контекст, виды буллинга, переживания и барьеры обращения за помощью. Структура: полуструктурированные вопросы, запись/расшифровка, тематический анализ.
- Фокус‑группы — обсуждение группой сверстников даёт динамику групповых норм и репутаций; разбивать по полу и социальному статусу для безопасной среды.
- Наблюдение/этнография в школе — фиксировать поведение вне опросов (перемены, коридоры, соцсети в свободном доступе).
- Анализ контента (посты в соцсетях, дневники) — выявляет язык, способы травли, сети поддержки.
- Кейc‑исследования — глубокий разбор конкретных инцидентов с многоперспективным сбором данных.
Анализ качественных данных: тематический/матричный анализ, кодирование, поиск паттернов по полу и социальному положению; использование цитат для иллюстрации.
2) Количественные методы
- Широкий опросник среди учащихся с валидированными шкалами (напр., Olweus, Revised Peer Experiences Questionnaire) для измерения роли агрессора, жертвы, свидетеля; включить демографию (пол, возраст, SES).
- Социально‑сетевой анализ (SNA) — номинации друзей/врагов, централизация, кластеры; полезен для выявления распространителей буллинга и изоляции.
- Школьные данные (жалобы, отчисления, успеваемость, посещаемость).
- Экспериментальные/квазиэкспериментальные дизайны — оценка вмешательств (RCT либо квази‑RCT, difference‑in‑diff, interrupted time series).
- Статистические методы анализа:
- Логистическая регрессия для бинарных исходов: $\log \frac{P(Y=1)}{1-P(Y=1)}={\beta }_0+{\beta }_1{X}_1+\dots$ (например риск стать жертвой).
- Многоуровневые модели (students nested in classes/schools): $Y_{ij}={\beta }_0+{\beta }_1{X}_{ij}+u_j+{\epsilon }_{ij}$.
- Модели взаимодействия (moderation): включить термы типа ${\beta }_3(\text{bullying}\times \text{gender})$ для проверки различий по полу.
- Латентный класс/кластерный анализ для выявления профилей участников буллинга.
- Propensity score matching для оценки эффектов вмешательств в наблюдательных данных.
- Метрики и репортинг: ор (OR), относительный риск (RR), эффекты в стандартизированных единицах, $p$-values, доверительные интервалы $95\%$.
3) Дизайн выборки и мощность
- Стремиться к репрезентативности по полу и социальным группам; при многоуровневом дизайне иметь достаточное число групп: например, минимум $n_{\text{schools}}\ge 30$ и суммарно учащихся $n_{\text{students}}\ge 500$ для стабильных оценок многоуровневых эффектов (ориентир, зависит от ожидаемых эффектов).
4) Смешанные методы и интеграция результатов
- Последовательный или параллельный mixed methods: количественные данные дают масштаб и связи; качественные — механизмы и контекст.
- Triangulation: сравнить результаты (напр., SNA показывает изоляцию, интервью объясняют почему).
- Use qualitative findings to refine survey items and interpret unexpected quantitative patterns.
5) Интерпретация с учётом гендерных и социальных различий
- Стратификация и взаимодействия: анализировать результаты отдельно по полу и SES, а также тестировать термы взаимодействия (например $\text{bullying}\times \text{SES}$, $\text{bullying}\times \text{gender}$).
- Контроль и устранение смешения: включать возможные ковариаты (возраст, этническая принадлежность, успеваемость, семейный статус).
- Intersectionality: рассматривать пересекающиеся характеристики (напр., девочки из малообеспеченных семей) и использовать многомерные профили (latent class) вместо одного фактора.
- Социальный контекст: учитывать нормы школы/класса — эффекты могут быть модифицированы школьной культурой (поэтому нужны многоуровневые модели).
- Чувствительность и робастность: проводить robustness checks и, при необходимости, поправку на множественные сравнения.
- Практическая интерпретация: различия по полу/SES могут означать разную форму проявления (физический vs. словесный vs. кибер), разную вероятность сообщения о буллинге и разный доступ к поддержке — это важно для рекомендаций.
6) Этические и практические аспекты
- Конфиденциальность, обязательный алгоритм вмешательства при риске самоповреждения, информированное согласие (родители/ученики).
- Безопасная сегментация по полу/соцгруппам, чтобы не стигматизировать конкретные группы.
- Валидация переводов шкал и культурная адаптация.
Короткая схема реализации:
- Сначала пилотные интервью → доработка опросника → крупный опрос + SNA + сбор административных данных → глубинные кейсы для интерпретации → анализ многоуровневых моделей и взаимодействий → интеграция выводов и рекомендации с учётом гендера/SES.
Если нужны конкретные шкалы, пример анкеты или формулы моделей — скажите, какие именно, и пришлю.