Кратко — сначала типовые механизмы, затем способы эмпирической проверки (метрики, дизайн, модели, проверки надёжности).
Механизмы воспроизводства гендерного неравенства в учебниках истории
- Невидимость/представленность: систематическое недопредставление женщин (менее упоминаний, портретов, цитат).
- Фрейминг и агенция: женщины показаны как пассивные, мужчины — как действующие субъекты; разница в глаголах и описании ролей.
- Ролевые стереотипы: женщины преимущественно в частной/семейной сфере, мужчины — в публичной/политической.
- Оценочное построение: достижения женщин обесцениваются/представлены как вторичные.
- Порядок и центральность: мужские фигуры занимают центральные места в структуре тем и хронологии.
- Иллюстрации и визуальная семиотика: пол, возраст, позы, символика у изображённых фигур.
- Авторство/редакционный контекст: состав авторов/методические указания могут влиять на содержание.
Как эмпирически проверить влияние на установки учащихся
1) Измерение содержания учебников (контент-анализ)
- Простые метрики: доля упоминаний женщин ${\text{VisFem}}_j=\frac{{\text{FemMentions}}_j}{{\text{TotalMentions}}_j}$; доля иллюстраций с женщинами; средний «балл агенции» (см. ниже).
- Качественные/компьютерные метрики: частотный анализ, тематическое моделирование, POS-тегинг для выделения субъектов действия (агентности), семантический анализ тональности.
- Индекс агентности: кодирование высказываний/предложений на шкале (напр., 0 = полностью пассивно, 2 = активно), средняя оценка по тексту.
- Надёжность кодирования: Cohen’s kappa $\kappa =\frac{p_o-p_e}{1-p_e}$ (проверять ≥0.6).
2) Связь содержания с установками — наблюдательный подход
- Данные: шкальные опросы учащихся по гендерным установкам $Y_{ij}$ (i — ученик, j — школа/учебник), и метрики учебника $X_j$.
- Базовая модель (кластер по школе): $Y_{ij}=\alpha +\beta X_j+\gamma Z_{ij}+u_j+{\epsilon }_{ij}$, где $Z_{ij}$ — индивидуальные контролы (пол, возраст, соц. статус), $u_j$ — случайный эффект школы. Оценивать $\beta$.
- Альтернатива (OLS с кластер-робаст SE): $Y_{ij}=\alpha +\beta X_j+\gamma Z_{ij}+{\epsilon }_{ij}$, SE кластеризовать по школе.
3) Квази‑эксперименты и идентификация причинности
- Разница-в-разниц (при реформе учебников): если в выборке школы перешли на новый учебник (treatment) в момент t, использовать DID:
$Y_{it}=\alpha +\tau Trea{t}_i+\lambda Pos{t}_t+\delta (Trea{t}_i\times Pos{t}_t)+{\eta }_{it}$. Оценка причинного эффекта — $\delta$.
- Regression discontinuity: если распределение нового учебника зависит от порога (напр., региональный критерий), использовать RDD вокруг порога.
- Инструментальные переменные: если $X_j$ эндогенно, найти инструмент $Z_j$ (напр., административное правило по распределению учебников), 1-й шаг $X_j=\pi Z_j+v_j$, 2-й шаг $Y_{ij}=\alpha +\beta {\hat{X}}_j+\gamma Z_{ij}+{\epsilon }_{ij}$.
- Различия в экспозиции внутри страны: использовать сопоставление школ с похожими характеристиками (matching) и fixed effects по району.
4) Экспериментальные дизайны (лучше для причинности)
- Полуконтролируемый класс/школьный RCT: рандомно распределить версии текстов (стандартный vs гендерно-равноправный отредактированный фрагмент), замерить установки до/после. Эффект: разность средних изменений.
- Вариации вмешательства: короткие тексты/видео/викторины, чтобы проверить краткосрочный vs долгосрочный эффект.
- Поведенческие меры: помимо опросов — распределение ресурсов в задачах, готовность поддержать равные роли (реальное поведение), implicit association tests.
5) Проверки и робастность
- Контроль по предварительным установкам (pre-test), по контексту школы, по семейным установкам.
- Многоуровневые модели, учитывающие вложенность ученик→класс→школа→регион.
- Подсчёт мощности: при планировании RCT/квазиэксперимента вычислить n по требуемой минимальной детектируемой разнице. (формула мощности в простом сравнении средних: $n\approx \frac{2{\sigma }^2(z_{1-\alpha /2}+z_{1-\beta }{)}^2}{{\Delta }^2}$).
- Проверки на обратную причинность и скрытые переменные, placebo-тесты (влияние на исходы, которые не должны меняться).
6) Механизмы — тестирование посредничества (mediation)
- Если выявлен эффект $\beta$ учебника на установки, проверить, через какие переменные: видимость женщин, агенция, ролевые образы. Формально: оценить медиатор $M_j$ и использовать подходы медиативного анализа (непрямой/прямой эффект). Простая система уравнений:
$M_j={\alpha }_1+\gamma X_j+{\epsilon }_{1j}$
$Y_{ij}={\alpha }_2+{\beta }^{\prime }{X}_j+\theta M_j+{\epsilon }_{2ij}$. Проверять значимость $\theta$ и изменения ${\beta }^{\prime }$.
Практические рекомендации
- Кодируйте и публикуйте кодбук; обеспечьте интер‑кодировочную надёжность.
- Сочетайте методы: контент‑анализ → корреляционный анализ → квази/рандомизированные испытания → медиативный анализ.
- Используйте и качественные интервью с учителями/учениками для интерпретации механизмов.
Если нужно, могу предложить шаблон кодбука для контент‑анализа и конкретные опросные вопросы/шкалы для измерения установок.