-
01
Thema 6 - Eindopdracht
1
-
02
In deze eindopdracht breng je de opgedane kennis in de praktijk aan de hand van een onderzoekscasus.
1
-
03
Na het afronden van de eindopdracht kun je
1
-
04
samen met een medestudent meerdere complexe analyses uitvoeren op een longitudinaal databestand
1
-
05
je onderzoek bondig rapporteren in een samenvatting
1
-
06
de door jullie gemaakte keuzes bij een analyse van het soort onderzoek zoals in deze cursus wordt behandeld kort en bondig mondeling toelichten.
1
-
07
De eindopdracht bestaat uit een onderzoekscasus waarin je op basis van zelf-geformuleerde onderzoeksvragen longitudinale multilevelanalyses uitvoert en waarover je een samenvatting schrijft en een presentatie geeft. Het idee achter de eindopdracht is dat de situatie wordt nagebootst dat je als wetenschapper je onderzoek wilt presenteren op een wetenschappelijk congres.
1
-
08
Stappen om tot afronding van de eindopdracht te komen
1
-
09
1. Zoek een presentatiepartner, bijvoorbeeld via het Discussieforum.
1
-
10
2. Schrijf je indien nodig/mogelijk alvast in voor het tentamen door een geschikt tijdslot voor jullie presentatie te reserveren, of doe dat nadat je de opdracht hebt uitgewerkt. Zie verderop op deze pagina voor meer informatie over het reserveren van een tijdslot.
1
-
11
3. Bestudeer de casus en de aanwijzingen voor de eindopdracht in studietaak 6.2.
1
-
12
zie separaat bestand: Onderzoekscasus longitudinaal onderzoek.docx
1
-
13
4. Formuleer de volgende onderdelen aan de hand van de informatie over de casus:
1
-
14
a. Probleemstelling (aanleiding, relevantie, doel). Raadpleeg aanvullende literatuur indien nodig.
1
-
15
b. Een of meerdere onderzoeksvragen die aansluit(en) bij het genoemde doel in de casus en die je kunt beantwoorden met de beschikbare data.
1
-
16
c. Toetsbare hypotheses die aansluiten bij je onderzoeksvraag.
1
-
17
d. Conceptueel model dat aansluit bij de onderzoeksvraag en bij de hypotheses.
1
-
18
De casus beschrijft een experimenteel longitudinaal onderzoek met drie condities (positieve groepsvorming, anti-pestprogramma, controle), waarin leerlingen gedurende acht maanden zijn gevolgd om de ontwikkeling van verbondenheid met de klas te meten, en waarin gepest worden (ja/nee) als moderator wordt beschouwd.
1
-
19
Probleemstelling
2
-
20
Aanleiding
2
-
21
Sociale verbondenheid met klasgenoten vormt een essentiële basis voor het welzijn, de motivatie en het sociaal-emotioneel functioneren van leerlingen in het basisonderwijs. Een lage ervaren verbondenheid hangt samen met een verhoogd risico op eenzaamheid, internaliserende problematiek en blijvende moeilijkheden in sociale relaties op latere leeftijd. Pesten vormt een ernstige bedreiging voor deze verbondenheid. Leerlingen die structureel worden gepest voelen zich vaker buitengesloten en kunnen terechtkomen in een negatieve sociale ontwikkelingsspiraal. Om dit tegen te gaan worden op scholen verschillende interventies ingezet, zoals programma’s gericht op positieve groepsvorming en specifieke anti-pestprogramma’s. Hoewel deze interventies op grote schaal worden toegepast, is hun effect op de longitudinale ontwikkeling van verbondenheid nog beperkt empirisch onderbouwd, met name in vergelijking met een controleconditie zonder interventie.
2
-
22
Relevantie
2
-
23
Inzicht in de effectiviteit van deze interventies is van groot belang voor scholen en beleidsmakers, omdat nog onvoldoende bekend is:
2
-
24
hoe verbondenheid zich gedurende een schooljaar ontwikkelt onder verschillende interventiecondities;
2
-
25
of gepeste leerlingen in gelijke mate profiteren van deze interventies;
2
-
26
en in hoeverre interventies daadwerkelijk bijdragen aan het verbeteren van de sociale positie van kwetsbare leerlingen. Longitudinaal experimenteel onderzoek is noodzakelijk om deze ontwikkelingsprocessen betrouwbaar in kaart te brengen en om scholen te ondersteunen bij het maken van evidence-based keuzes.
2
-
27
Doelstelling
2
-
28
Het doel van dit onderzoek is om met behulp van longitudinale multilevelanalyses te onderzoeken in hoeverre de ontwikkeling van verbondenheid met de klas over de tijd verschilt tussen leerlingen in een positieve groepsvormingsinterventie, een anti-pestinterventie en een controleconditie, en of deze effecten worden gemodereerd door gepest worden aan het begin van het schooljaar.
2
-
29
Onderzoeksvragen – verbeterde en methodologisch strakke versie
2
-
30
Hypothesen
2
-
31
Nieuwe hypotheses:
2
-
32
H1 — Hoofdeffect van Tijd H1. Naarmate het schooljaar vordert (t₀–t₇), ervaren leerlingen gemiddeld een toename in verbondenheid met hun klas, onafhankelijk van interventieconditie en gepest-status.
2
-
33
H2 — Interventie-effect: Tijd × Interventieconditie H2. De ontwikkeling van verbondenheid over tijd verschilt tussen de interventiecondities; leerlingen in de interventiecondities laten over het schooljaar een sterkere toename in verbondenheid zien dan leerlingen in de controleconditie. Deze algemene interactiehypothese (H2) wordt verder gespecificeerd in H2a en H2b, die de richting van de verwachte verschillen tussen de condities aangeven H2a. Leerlingen in de conditie positieve groepsvorming vertonen over tijd de sterkste stijging in verbondenheid, vergeleken met zowel de anti-pestconditie als de controleconditie zonder programma. H2b. Leerlingen in de anti-pestconditie vertonen over tijd een grotere stijging in verbondenheid dan leerlingen in de controleconditie zonder programma.
2
-
34
H3 — Tijd × Gepest-status H3. De stijging in verbondenheid met de klas over tijd is gemiddeld minder sterk voor leerlingen die substantieel worden gepest dan voor leerlingen die niet of nauwelijks worden gepest, onafhankelijk van interventieconditie.
2
-
35
H4 — Drieweginteractie Tijd × Interventie × Gepest-status H4. Het effect van de interventiecondities op de ontwikkeling van verbondenheid met de klas verschilt tussen gepeste en niet-gepeste leerlingen (drieweginteractie Tijd × Interventieconditie × Gepest-status). Deze algemene interactiehypothese (H4) wordt verder gespecificeerd in H4a en H4b, die de verwachte richting van de verschillen voor gepeste leerlingen verduidelijken. H4a – Anti-pestprogramma werkt minder goed voor gepeste leerlingen H4a. In de anti-pestconditie is de stijging in verbondenheid over tijd minder sterk voor leerlingen die substantieel worden gepest dan voor leerlingen die niet of nauwelijks worden gepest. H4b – Positieve groepsvorming werkt beschermend H4b. In de conditie positieve groepsvorming vertonen gepeste leerlingen over tijd een grotere toename in verbondenheid dan gepeste leerlingen in zowel de anti-pestconditie als de controleconditie.
3
-
36
H5 — Controlevariabelen (leeftijd en geslacht) H5. Leeftijd en geslacht van leerlingen hangen samen met het niveau en/of de ontwikkeling van verbondenheid met de klas, maar de verwachte effecten van tijd, interventieconditie en gepest-status op de ontwikkeling van verbondenheid blijven bestaan na controle voor leeftijd en geslacht.
3
-
37
Conceptueel Model
3
-
38
Onderzoeksopzet en niveaus
3
-
39
Het onderzoek heeft een longitudinaal multileveldesign met herhaalde metingen binnen leerlingen. De gegevens zijn hiërarchisch gestructureerd als volgt:
3
-
40
Niveau 1 (within-leerling): herhaalde metingen van gevoelens van verbondenheid met de klas over acht meetmomenten (t₀–t₇).
3
-
41
Niveau 2 (between-leerling): stabiele leerlingkenmerken en de toegewezen interventieconditie.
3
-
42
Dit model maakt het mogelijk om zowel veranderingen binnen leerlingen in de tijd als verschillen tussen leerlingen te analyseren.
3
-
43
Variabelen in het model
3
-
44
Afhankelijke variabele (Y)
3
-
45
Verbondenheid met de klas Gemeten met de Comfort-schaal van de Classroom Peer Context Questionnaire (schaalgemiddelde 1–10), op acht meetmomenten (t₀–t₇).
3
-
46
Onafhankelijke variabelen (X)
3
-
47
Tijd (within-leerling predictor)
3
-
48
Meetmoment: t = 0–7
3
-
49
Continue predictor
3
-
50
Gecentreerd op t₀, zodat het intercept de beginsituatie vóór de interventies weergeeft.
3
-
51
Interventieconditie (between-leerling predictor)
3
-
52
1 = Positieve groepsvorming
3
-
53
2 = Anti-pestprogramma
3
-
54
3 = Controleconditie (zonder programma; referentiecategorie via dummycodering of contrasten)
3
-
55
Gepest-status (between-leerling predictor)
3
-
56
0 = Niet of nauwelijks gepest
3
-
57
1 = Substantieel gepest (vastgesteld op t₀)
3
-
58
Controlevariabelen (covariaten, niveau 2)
3
-
59
Leeftijd in maanden op t₀ (LT_maanden)
3
-
60
Geslacht (0 = man, 1 = vrouw)
3
-
61
Moderatiestructuur
3
-
62
De moderator in het model is gepest-status. Gepest-status modereert het effect van de interventiecondities op de ontwikkeling van verbondenheid over de tijd. Dit wordt statistisch gemodelleerd via de drieweginteractie:
3
-
63
Tijd × Interventieconditie × Gepest-status
4
-
64
Daarnaast worden de onderliggende tweeweginteracties meegenomen:
4
-
65
Tijd × Conditie
4
-
66
Tijd × Gepest
4
-
67
Hiermee wordt getoetst of:
4
-
68
interventies de groei in verbondenheid beïnvloeden,
4
-
69
en of dit interventie-effect verschilt tussen gepeste en niet-gepeste leerlingen.
4
-
70
Hoofdstructuur van het multilevelmodel
4
-
71
Random effects (toevallige effecten)
4
-
72
Random intercept per leerling: Leerlingen verschillen in hun beginscore op verbondenheid (t₀).
4
-
73
Random slope voor Tijd: Leerlingen verschillen in hun individuele groeitraject van verbondenheid over de tijd.
4
-
74
Deze random effecten modelleren de individuele variatie in startniveau en ontwikkeling.
4
-
75
Fixed effects (vaste effecten)
4
-
76
Het uiteindelijke model bevat ten minste de volgende vaste effecten:
4
-
77
Hoofdeffect Tijd
4
-
78
Hoofdeffect Interventieconditie
4
-
79
Hoofdeffect Gepest-status
4
-
80
Tweeweginteractie Tijd × Interventieconditie
4
-
81
Tweeweginteractie Tijd × Gepest-status
4
-
82
Drieweginteractie Tijd × Interventieconditie × Gepest-status
4
-
83
Covariaten: Leeftijd en Geslacht
4
-
84
Deze fixed effects testen gezamenlijk alle geformuleerde hypothesen.
4
-
85
Conceptuele toetsing van de hypothesen binnen het model
4
-
86
Het conceptuele model toetst de hypothesen als volgt:
4
-
87
1. H1 – Hoofdeffect van Tijd → Is er een gemiddelde verandering in verbondenheid over de tijd?
4
-
88
2. H2 – Tijd × Interventieconditie → Verschillen de groeitrajecten in verbondenheid tussen:
4
-
89
positieve groepsvorming,
4
-
90
anti-pestprogramma,
4
-
91
en controleconditie?
4
-
92
3. H3 – Tijd × Gepest-status → Ontwikkelen gepeste leerlingen zich anders in verbondenheid dan niet-gepeste leerlingen?
4
-
93
4. H4 – Tijd × Interventie × Gepest (moderatie) → Verschilt het effect van de interventies op de groei in verbondenheid tussen gepeste en niet-gepeste leerlingen?
4
-
94
5. H5 – Covariaten (leeftijd en geslacht) → Blijven de effecten van tijd, interventie en gepest-status bestaan na controle voor leeftijd en geslacht?
4
-
95
Betekenis van dit model:
5
-
96
Yt0 – Yt7 = herhaalde metingen van Verbondenheid
5
-
97
Intercept = beginscore op verbondenheid (t₀)
5
-
98
Slope = verandering per tijdseenheid
5
-
99
Interventieconditie → Intercept = verschillen bij start
5
-
100
Interventieconditie → Slope = verschillen in ontwikkeling
5
-
101
Gepest → Slope = moderatie van groei
5
-
102
Leeftijd & Geslacht → Intercept/Slope = controlevariabelen
5
-
103
Multilevel-variant:
5
-
104
Legenda conceptueel model (voor figuur)
5
-
105
Rechte pijlen: directe (fixed) effecten
5
-
106
Gestippelde of gekruiste pijlen: interactie- en moderatie-effecten
5
-
107
Cirkel rond leerlingniveau: random intercept en random slope voor Tijd
5
-
108
Figuur: Conceptueel longitudinaal multilevel groeimodel van verbondenheid met de klas. Verbondenheid is gemeten op acht tijdstippen (t₀–t₇). Volle pijlen geven fixed effecten weer van Tijd, Interventieconditie, Gepest-status en de covariaten Leeftijd en Geslacht. De gestippelde pijl representeert de moderatie-effecten (Tijd × Conditie, Tijd × Gepest en Tijd × Conditie × Gepest). Op leerlingniveau zijn een random intercept en een random slope voor Tijd opgenomen.
6
-
109
Methoden
7
-
110
Onderzoeksdesign
7
-
111
Het onderzoek heeft een experimenteel longitudinaal design met drie interventiecondities. Leerlingen uit 24 klassen werden gedurende acht maanden gevolgd via acht meetmomenten (t₀–t₇). Klassen waren vooraf random toegewezen aan één van drie condities: (1) positieve groepsvorming, (2) anti-pestprogramma of (3) controleconditie zonder programma. Het onderzoek richtte zich op de ontwikkeling van verbondenheid met de klas over tijd en op verschillen tussen gepeste en niet-gepeste leerlingen.
7
-
112
Deelnemers
7
-
113
De analyses werden uitgevoerd op een steekproef van 499 leerlingen (3.592 observaties), getrokken via de steekproefapp op basis van studentnummer 838877821. Leerlingen waren afkomstig uit 24 bovenbouwklassen van verschillende Nederlandse basisscholen. De leeftijd varieerde tussen 132–144 maanden, en 0=man, 1=vrouw.
7
-
114
Meetinstrumenten
7
-
115
Verbondenheid met de klas (afhankelijke variabele)
7
-
116
Verbondenheid werd gemeten met de subscale Comfort van de Classroom Peer Context Questionnaire (CPCQ). Vier items (o.a. “In deze klas hoor ik erbij”) werden beantwoord op een 10-punt Likert-schaal (1 = helemaal niet waar, 10 = helemaal waar). Per meetmoment werd een gemiddeldescore berekend. Deze score fungeerde als continue afhankelijke variabele.
7
-
117
Gepest worden (moderator)
7
-
118
Gepest worden werd gemeten op t₀ met items uit de Olweus Bully-Victim Questionnaire. Leerlingen die minimaal één pestsituatie rapporteerden met een frequentie ≥ “twee of drie keer per maand” werden gecodeerd als 1 = gepest, overige leerlingen als 0 = niet gepest.
7
-
119
Interventiecondities
7
-
120
De onafhankelijke variabele Conditie omvatte drie groepen:
7
-
121
1. Positieve groepsvorming
7
-
122
2. Anti-pestprogramma
7
-
123
3. Controle (referentiecategorie in contrastcodering)
7
-
124
Tijd
7
-
125
Tijd representeerde het meetmoment (0–7) en werd in de analyses gecentreerd op t₀, zodat het intercept overeenkomt met de beginsituatie van leerlingen vóór start van de interventies.
7
-
126
Controlevariabelen
7
-
127
Leeftijd (in maanden) en geslacht (0=man, 1=vrouw) werden meegenomen als additionele voorspellers om mogelijke demografische verschillen te controleren.
7
-
128
✅ Procedure
8
-
129
Data werden verzameld via leerlingvragenlijsten die maandelijks in de klas zijn ingevuld tussen oktober (t₀, vóór invoering van de interventies) en mei (t₇). Elke leerling leverde maximaal acht observaties. De interventies werden na de herfstvakantie uitgevoerd door de groepsleerkrachten en liepen gedurende het volledige schooljaar.
8
-
130
Datascreening omvatte controle op:
8
-
131
coderingen en bereik van variabelen
8
-
132
missende waarden
8
-
133
ongeldige waarden (geen gevonden)
8
-
134
uitbijters op basis van z-scores
8
-
135
normaliteit (indicatief) en bivariate relaties
8
-
136
clustering (ICC ≈ .50)
8
-
137
Er waren geen missende waarden; uitbijters (0,14%) hadden geen significant effect op de ICC of analyses en zijn behouden.
8
-
138
✅ Analyseplan
8
-
139
Analysestrategie
8
-
140
De onderzoeksvragen en hypothesen worden getoetst met behulp van lineaire multilevelmodellen (mixed models) vanwege de hiërarchische datastructuur met herhaalde metingen (meetmomenten) genest binnen leerlingen. Hiermee wordt rekening gehouden met de afhankelijkheid van observaties binnen dezelfde leerling.
8
-
141
De analyses worden uitgevoerd met een random intercept en random slope voor Tijd per leerling. De variabele KlasID wordt conform de opdracht buiten beschouwing gelaten.
8
-
142
De afhankelijke variabele is Verbondenheid met de klas (continue schaal 1–10). Alle modellen worden geschat met de restricted maximum likelihood-methode (REML) voor het bepalen van random effecten; modellen met verschillende fixed effects worden onderling vergeleken op basis van –2 log likelihood (–2LL), AIC en BIC, waarbij voor de eindtoetsing van fixed effects de maximum likelihood-methode (ML) wordt gebruikt.
8
-
143
Effecten worden getoetst met een significantieniveau van α = .05 (tweezijdig).
8
-
144
COMPACTER: modelopbouw – afgestemd H1–H5
8
-
145
Model 0 – Leeg model (nulmodel)
8
-
146
Random effects: intercept per leerling
8
-
147
Fixed effects: geen
8
-
148
Doel: vaststellen hoeveel variantie in verbondenheid zich op leerlingniveau bevindt.
8
-
149
De intraclass correlatie (ICC) wordt berekend om de noodzaak van multilevelanalyse te onderbouwen.
8
-
150
Model 1 – Tijdseffect (H1)
8
-
151
Random effects: intercept + slope Tijd per leerling
8
-
152
Fixed effects: Tijd
8
-
153
Doel: toetsen of verbondenheid gemiddeld toeneemt over het schooljaar. De random slope laat toe dat leerlingen verschillend groeien.
8
-
154
Model 2 – Hoofdeffecten Conditie en Gepest
8
-
155
Random effects: intercept + slope Tijd per leerling
8
-
156
Fixed effects: Tijd, Conditie, Gepest
8
-
157
Doel: toetsen of startniveau (t₀) van verbondenheid verschilt tussen condities en tussen gepeste vs. niet-gepeste leerlingen.
8
-
158
Model 3 – Interventie-effecten en interacties (H2, H3, H4)
8
-
159
Random effects: intercept + slope Tijd per leerling
8
-
160
Fixed effects: Tijd, Conditie, Gepest, alle twee-weg interacties, Tijd × Conditie × Gepest
8
-
161
Doel: toetsen van:
8
-
162
H2 / H2a / H2b: Tijd × Conditie – verschillen in groei tussen interventiecondities; positieve groepsvorming → sterkste stijging, anti-pest > controle.
8
-
163
H3: Tijd × Gepest-status – verschillen in groei tussen gepeste en niet-gepeste leerlingen.
8
-
164
H4 / H4a / H4b: Tijd × Conditie × Gepest – interventie-effecten verschillen voor gepeste leerlingen; positieve groepsvorming beschermt gepeste leerlingen het sterkst.
8
-
165
Opmerking: H2, H3 en H4 gecombineerd in één model, zodat de lagere-orde effecten correct meegenomen worden bij de hogere-orde interacties.
9
-
166
Model 4 – Covariatenmodel (H5)
9
-
167
Random effects: intercept + slope Tijd per leerling
9
-
168
Fixed effects: alles uit Model 3 + Leeftijd + Geslacht
9
-
169
Doel: toetsen of de effecten van Tijd, Conditie en Gepest onafhankelijk blijven van demografische kenmerken.
9
-
170
Modelvergelijking
9
-
171
Opeenvolgende modellen worden met elkaar vergeleken met behulp van:
9
-
172
Likelihood-ratio-toetsen (–2LL)
9
-
173
Akaike Information Criterion (AIC)
9
-
174
Bayesian Information Criterion (BIC)
9
-
175
Een model wordt als beter passend beschouwd wanneer:
9
-
176
de –2LL significant afneemt,
9
-
177
en AIC/BIC lager worden.
9
-
178
Het eindmodel wordt geselecteerd op basis van:
9
-
179
statistische fit,
9
-
180
theoretische onderbouwing,
9
-
181
en consistentie met de hypothesen.
9
-
182
5. Gebruik de steekproefapp (zie studietaak 6.2) om een unieke steekproef van 90% uit het databestand te trekken, gebaseerd op één van jullie studentnummers. Sla het resulterende databestand op met jullie beider achternamen en het gebruikte studentnummer, bijvoorbeeld: Data_Jansen_DeVries_123456789.sav. Let op: de site bevat teksten voor een andere cursus, maar dit heeft geen invloed op het trekken van de steekproef.
9
-
183
6. Voer een datascreening uit.
9
-
184
Datascreening
9
-
185
Steekproef en datakwaliteit
9
-
186
De dataset bevat 3.592 observaties van 499 leerlingen uit 24 klassen, gemeten op maximaal acht meetmomenten (t₀–t₇). Elke combinatie van leerling en meetmoment komt maximaal één keer voor; er zijn dus geen dubbele metingen per leerling per tijdstip. Alle variabelen vallen binnen het verwachte bereik en zijn correct gecodeerd (o.a. Verbondenheid 2.99–10; Tijd 0–7; Conditie 1–3; Gepest 0–1; Leeftijd 132–144 maanden; Geslacht 0/1).
9
-
187
Missing data, uitbijters en uitval
9
-
188
Er werden geen missende waarden gevonden voor de opgenomen variabelen (0% missings); een UpSet-plot kon daardoor niet worden gegenereerd, wat de volledigheid van de dataset bevestigt.
9
-
189
Op basis van z-scores per meetmoment werden 5 observaties (ca. 0,14%) met |z| > 3.29 op Verbondenheid als extreme uitbijters geïdentificeerd. Een herhaling van het nulmodel (random intercept per leerling) zonder deze observaties liet slechts een minimale verandering in de ICC zien (van .496 naar .493), zodat geconcludeerd werd dat de resultaten robuust zijn voor uitbijters. De uitbijters zijn daarom in de hoofdanalyses behouden.
9
-
190
Het aantal beschikbare meetmomenten per leerling varieerde tussen 4 en 8; 80% van de leerlingen nam deel aan 7 of 8 metingen. Slechts 4 leerlingen (0,8%) hadden 4 meetmomenten en geen enkele leerling had minder dan 4 metingen. Het gemiddelde aantal metingen bedroeg 7,20, wat wijst op minimale uitval en voldoende longitudinale informatie voor het schatten van individuele groeitrajecten.
9
-
191
Verdelingen en bivariate relaties
9
-
192
De verdeling van Verbondenheid was over het geheel en per conditie nagenoeg normaal, met een piek rond 5–6 op een schaal van 1–10. Er waren geen duidelijke vloer- of plafondeffecten en de spreiding was vergelijkbaar tussen condities, wat wijst op ongeveer gelijke varianties. Een QQ-plot liet slechts lichte afwijkingen in de staarten zien, passend bij een acceptabele normaliteit voor gebruik in lineaire mixed models.
10
-
193
Een verkennende correlatieanalyse liet een zwak positieve samenhang zien tussen Tijd en Verbondenheid (r ≈ .23), wat wijst op een lichte toename van verbondenheid over de meetmomenten. Leeftijd in maanden hing nauwelijks samen met Verbondenheid (r ≈ –.03) en ook niet met Tijd (r ≈ .01). De scatterplots toonden geen aanwijzingen voor niet-lineaire patronen of sterke uitbijters, en de lage correlaties wijzen op afwezigheid van multicollineariteit tussen deze predictors.
10
-
194
Multilevelstructuur en tijdstrend
10
-
195
Een leeg random-interceptmodel, met metingen genest binnen leerlingen, liet zien dat ongeveer 50% van de variantie in Verbondenheid op leerlingniveau ligt (ICC ≈ .50). Dit duidt op substantiële clustering van observaties binnen leerlingen en rechtvaardigt het gebruik van multilevelanalyse.
10
-
196
Vervolgens werd getoetst of de ontwikkeling over tijd lineair of kromlijnig verloopt. Vergelijking van een lineair model (Tijd) met een model waarin een kwadratische tijdsterm (Tijd²) was toegevoegd, liet geen significante verbetering van het model zien (χ²(1) ≈ 0.46, p ≈ .50). De ontwikkeling van verbondenheid kan daarom adequaat worden beschreven met een lineaire tijdstrend.
10
-
197
Een model met alleen een random intercept werd vergeleken met een model met zowel random intercept als random slope voor Tijd. Het model met random slopes voor Tijd paste significant beter bij de data (χ²(2) = 417.78, p < .001), wat aangeeft dat leerlingen niet alleen verschillen in beginniveau maar ook in de mate waarin hun verbondenheid over tijd verandert.
10
-
198
Baselineverschillen en balans tussen groepen
10
-
199
Op het eerste meetmoment (t₀) werden geen significante verschillen in verbondenheid gevonden tussen de drie interventiecondities. Wel rapporteerden leerlingen die als gepest zijn gecodeerd gemiddeld een lager niveau van verbondenheid dan niet-gepeste leerlingen (ongeveer 0.6 punt verschil), zonder significante interactie tussen conditie en gepest op t₀. De condities zijn dus vergelijkbaar in startniveau van verbondenheid, terwijl gepeste leerlingen in alle condities kwetsbaarder starten.
10
-
200
Een chi-kwadraattoets op de verdeling van gepeste en niet-gepeste leerlingen over condities liet een klein maar significant verschil zien (χ²(2) ≈ 9.72, p ≈ .008): in de anti-pestconditie was het aandeel gepeste leerlingen iets lager (±20%) dan in de positieve-groepsvorming- en controlecondities (±25%). Dit ondersteunt de keuze om gepest-status expliciet als moderator op te nemen en interacties tussen Conditie en Gepest in de verdere modellen te modelleren.
10
-
201
Conclusie datascreening
10
-
202
Samengevat is de dataset compleet, schoon en geschikt voor longitudinale multilevelanalyses.
10
-
203
Er zijn geen missende waarden en geen ongeldige coderingen.
10
-
204
Een klein aantal uitbijters heeft geen invloed op de kernresultaten.
10
-
205
De verdelingen van de afhankelijke variabele zijn acceptabel normaal.
10
-
206
Er is substantiële clustering binnen leerlingen (ICC ≈ .50).
10
-
207
De ontwikkeling van verbondenheid kan als lineair worden gemodelleerd, met variatie in groeisnelheid tussen leerlingen.
10
-
208
De condities zijn op baseline vergelijkbaar in verbondenheid; gepeste leerlingen starten lager en zijn licht ongelijk verdeeld over condities, wat in de verdere modellering wordt meegenomen.
10
-
209
Deze bevindingen geven een stevige basis om de vooraf geformuleerde hypothesen met lineaire mixed models te toetsen.
10
-
210
Uitval analyse:
10
-
211
Het aantal meetmomenten per leerling varieerde van 4 tot 8 (M = 7,20), waarbij 80% van de leerlingen aan 7 of 8 metingen deelnam. De uitval was daarmee minimaal en willekeurig van aard.
10
-
212
Als je nog iets wilt toevoegen (optioneel) op de Data screening in R:
11
-
213
1. Modeldiagnostiek op het uiteindelijke multilevelmodel
11
-
214
performance::check_model(m_eind) om residuen vs. fitted, normaliteit, homoscedasticiteit en invloedrijke cases te laten zien.
11
-
215
Korte zin in je verslag dat de assumpties van normaliteit en homoscedasticiteit van de residuen indicatief zijn gecontroleerd en geen grote problemen gaven.
11
-
216
2. VIF/multicollineariteit voor het volledige fixed-effectmodel
11
-
217
Met check_collinearity(m_eind) uit performance kun je laten zien dat alle VIF < 5 blijven.
11
-
218
Past mooi bij “geen multicollineariteit tussen tijd, conditie, gepest en covariaten”.
11
-
219
3. (Optioneel) Residuen per tijdstip inspecteren
11
-
220
Bijvoorbeeld een plot van residuen tegen Tijd om te laten zien dat de variantie niet sterk toeneemt of afneemt over de meetmomenten.
11
-
221
Is extra, maar laat zien dat je kritisch naar de modelaannames hebt gekeken.
11
-
222
7. Toets jullie geformuleerde hypotheses met relevante analysetechnieken uit deze cursus. Gebruik daarbij een passende modelopbouw indien nodig. Voer de analyses uit met het unieke bestand dat gekoppeld is aan één van jullie studentnummers.
11
-
223
Modelopbouw en analysemethode
11
-
224
De onderzoeksvragen werden getoetst met behulp van lineaire multilevelmodellen (mixed-effects modellen), vanwege de hiërarchische structuur van de data met herhaalde metingen (meetmomenten t₀–t₇) genest binnen leerlingen. Deze analysemethode maakt het mogelijk om zowel veranderingen binnen leerlingen over de tijd als verschillen tussen leerlingen in startniveau en ontwikkeling te modelleren.
11
-
225
Stap 1: Nulmodel (Model 0)
11
-
226
De analyse startte met een nulmodel waarin uitsluitend een random intercept per leerling werd opgenomen. Dit model had als doel vast te stellen hoeveel variantie in verbondenheid met de klas zich bevindt op leerlingniveau. De intraclass correlatiecoëfficiënt (ICC) liet zien dat een substantieel deel van de variantie toe te schrijven was aan verschillen tussen leerlingen, wat de toepassing van multilevelanalyse rechtvaardigde.
11
-
227
Stap 2: Tijdseffect (Model 1)
11
-
228
In Model 1 werd tijd toegevoegd als vaste predictor om de gemiddelde verandering in verbondenheid met de klas over het schooljaar te onderzoeken. Daarnaast werd een random slope voor tijd per leerling opgenomen, zodat individuele verschillen in ontwikkelingspatronen konden worden gemodelleerd. Dit model vormde de basis voor het longitudinale groeimodel en maakte het mogelijk om te toetsen of verbondenheid gemiddeld toeneemt of afneemt over de tijd.
11
-
229
Stap 3: Interventie-effecten (Model 2)
11
-
230
In Model 2 werd interventieconditie toegevoegd als between-leerling predictor, evenals de interactie tussen tijd en interventieconditie. Hiermee werd onderzocht of de ontwikkeling van verbondenheid met de klas verschilde tussen leerlingen in de positieve groepsvormingsinterventie, de anti-pestinterventie en de controleconditie zonder programma. Door deze interactieterm toe te voegen kon worden vastgesteld of interventies invloed hadden op de groeisnelheid van verbondenheid over tijd.
11
-
231
Stap 4: Moderatie door gepest worden (Model 3)
11
-
232
In Model 3 werd gepest-status (gemeten op t₀) toegevoegd als moderator. Zowel het hoofdeffect van gepest worden, de interactie tussen tijd en gepest-status, als de drieweginteractie tussen tijd, interventieconditie en gepest-status werden opgenomen. Dit model maakte het mogelijk om te toetsen of het effect van de interventies op de ontwikkeling van verbondenheid verschilde tussen gepeste en niet-gepeste leerlingen. Hiermee werd expliciet onderzocht of interventies verschillend uitpakken voor een kwetsbare subgroep leerlingen.
11
-
233
Stap 5: Toevoeging van controlevariabelen (Model 4)
11
-
234
In het laatste model werden leeftijd (in maanden) en geslacht toegevoegd als controlevariabelen. Deze stap had als doel om te onderzoeken of de gevonden effecten van tijd, interventieconditie en gepest-status onafhankelijk waren van demografische kenmerken. De kerninteracties uit het voorgaande model werden behouden, zodat kon worden beoordeeld of de interventie- en moderatie-effecten robuust bleven na controle voor leeftijd en geslacht.
11
-
235
Modelvergelijking
12
-
236
Opeenvolgende modellen werden met elkaar vergeleken op basis van −2 log-likelihood, AIC en BIC. Een significante afname in −2 log-likelihood en lagere informatiecriteria werden geïnterpreteerd als een verbetering in model fit. Alle modellen werden geschat met maximum likelihood (ML), zodat vergelijking van vaste effecten tussen geneste modellen mogelijk was.
12
-
237
Samenvattende rationale
12
-
238
De stapsgewijze modelopbouw maakte het mogelijk om:
12
-
239
1. eerst de noodzaak van multilevelanalyse vast te stellen,
12
-
240
2. vervolgens de gemiddelde ontwikkeling in verbondenheid over tijd te beschrijven,
12
-
241
3. daarna interventie-effecten op deze ontwikkeling te toetsen,
12
-
242
4. en ten slotte te onderzoeken of deze effecten verschillen voor gepeste en niet-gepeste leerlingen en robuust zijn na controle voor demografische kenmerken.
12
-
243
In het kort:
12
-
244
Vanwege de hiërarchische datastructuur met herhaalde metingen genest binnen leerlingen zijn lineaire multilevelmodellen toegepast. De analyse is stapsgewijs opgebouwd: eerst werd een nulmodel geschat om de noodzaak van multilevelanalyse vast te stellen, gevolgd door een groeimodel met tijd als predictor. Vervolgens zijn interventieconditie en de interactie tussen tijd en conditie toegevoegd om verschillen in ontwikkeling tussen condities te toetsen. In het volledige model is gepest-status opgenomen als moderator, inclusief een drieweginteractie met tijd en conditie, en zijn leeftijd en geslacht toegevoegd als controlevariabelen om de robuustheid van de bevindingen te beoordelen.
12
-
245
Herschreven modelopbouw – afgestemd op Jamovi-output en H1–H5
12
-
246
Model 0 – Leeg model (nulmodel)
12
-
247
Random effects: intercept per leerling
12
-
248
Fixed effects: geen
12
-
249
Doel: vaststellen hoeveel variantie in verbondenheid zich op leerlingniveau bevindt. De intraclass correlatie (ICC) wordt berekend om de noodzaak van multilevelanalyse te onderbouwen.
12
-
250
Model 1 – Tijdseffect (H1)
12
-
251
Random effects: intercept + slope Tijd per leerling
12
-
252
Fixed effects: Tijd
12
-
253
Doel: toetsen of verbondenheid gemiddeld toeneemt over het schooljaar. De random slope laat toe dat leerlingen verschillend groeien.
12
-
254
Model 2 – Hoofdeffecten Conditie en Gepest
12
-
255
Random effects: intercept + slope Tijd per leerling
12
-
256
Fixed effects: Tijd, Conditie, Gepest
12
-
257
Doel: toetsen of startniveau (t₀) van verbondenheid verschilt tussen condities en tussen gepeste vs. niet-gepeste leerlingen.
12
-
258
Model 3 – Interventie-effecten en interacties (H2, H3, H4)
12
-
259
Random effects: intercept + slope Tijd per leerling
12
-
260
Fixed effects: Tijd, Conditie, Gepest, alle twee-weg interacties, Tijd × Conditie × Gepest
12
-
261
Doel: toetsen van:
12
-
262
H2 / H2a / H2b: Tijd × Conditie – verschillen in groei tussen interventiecondities; positieve groepsvorming → sterkste stijging, anti-pest > controle.
12
-
263
H3: Tijd × Gepest-status – verschillen in groei tussen gepeste en niet-gepeste leerlingen.
12
-
264
H4 / H4a / H4b: Tijd × Conditie × Gepest – interventie-effecten verschillen voor gepeste leerlingen; positieve groepsvorming beschermt gepeste leerlingen het sterkst.
12
-
265
? Opmerking: In Jamovi zijn H2, H3 en H4 gecombineerd in één model, zodat de lagere-orde effecten correct meegenomen worden bij de hogere-orde interacties.
12
-
266
Model 4 – Covariatenmodel (H5)
12
-
267
Random effects: intercept + slope Tijd per leerling
12
-
268
Fixed effects: alles uit Model 3 + Leeftijd + Geslacht
12
-
269
Doel: toetsen of de effecten van Tijd, Conditie en Gepest onafhankelijk blijven van demografische kenmerken.
13
-
270
Uitleg van de aanpassing
13
-
271
De oorspronkelijke Word-tekst had H2, H3 en H4 als aparte modellen (3, 4, 5).
13
-
272
In Jamovi zitten deze interacties samen in één model (Model 3) om correcte schattingen van hogere-orde interacties te garanderen.
13
-
273
In de herschreven tekst behoud je de stapsgewijze structuur voor overzicht, maar leg je uit dat Model 3 meerdere hypotheses tegelijk toetst.
13
-
274
8. Interpreteer de resultaten die voortkomen uit de analyses en beantwoord de onderzoeksvraag.
13
-
275
Model 1 – Tijdseffect
13
-
276
(RQ1 / H1: Verandert verbondenheid over tijd?)
13
-
277
Wat laat het model zien?
13
-
278
Intercept (t₀, controleconditie, niet-gepest): b = 5.27
13
-
279
Effect van tijd: b = 0.097, t = 14.22 → duidelijk positief
13
-
280
Interpretatie
13
-
281
De gemiddelde verbondenheid met de klas neemt significant toe gedurende het schooljaar. Per meetmoment stijgt de verbondenheid met ongeveer 0.10 punt op de 10-puntsschaal.
13
-
282
Conclusie RQ1 / H1
13
-
283
✅ Onderzoeksvraag 1 beantwoord ✅ H1 bevestigd
13
-
284
Leerlingen ervaren gemiddeld een toename in verbondenheid met de klas naarmate het schooljaar vordert, onafhankelijk van interventieconditie en gepest-status.
13
-
285
Interpretatie resultaten – per hypothese (spreekversie)
14
-
286
H1 — Hoofdeffect van Tijd
14
-
287
Hypothese: Verbondenheid neemt gemiddeld toe over het schooljaar.
14
-
288
Wat testen we?
14
-
289
Het vaste effect van Tijd (gecentreerd op t₀) in het groeimodel.
14
-
290
Wat vinden we?
14
-
291
B = 0.097, SE = 0.0068, t = 14.25, p < .001
14
-
292
In Model 1 verklaart tijd alleen ~5.6% van de variantie (R²_marginal = .056)
14
-
293
Hoe zeg je dit mondeling?
14
-
294
“Los van interventies zien we een duidelijke stijging in verbondenheid over tijd: per meetmoment neemt verbondenheid gemiddeld met ongeveer 0.10 punt toe. Dat effect is sterk en significant.”
14
-
295
Conclusie H1
14
-
296
✅ Bevestigd
14
-
297
Model 1 – Tijdseffect
14
-
298
(RQ1 / H1: Verandert verbondenheid over tijd?)
14
-
299
Wat laat het model zien?
14
-
300
Intercept (t₀, controleconditie, niet-gepest): b = 5.27 - Dit gaat over t0, in de tekst gecentreerde tijd. Die geeft b=5.608
14
-
301
Effect van tijd: b = 0.097, t = 14.22 → duidelijk positief
14
-
302
Interpretatie
14
-
303
De gemiddelde verbondenheid met de klas neemt significant toe gedurende het schooljaar.
14
-
304
Per meetmoment stijgt de verbondenheid met ongeveer 0.10 punt op de 10-puntsschaal.
14
-
305
Beschrijvend zien we een lichte stijging in verbondenheid over tijd. Dit zegt nog niets over interventie-effecten, maar laat wel zien dat ontwikkeling plaatsvindt.
14
-
306
Conclusie RQ1 / H1
14
-
307
✅ Onderzoeksvraag 1 beantwoord ✅ H1 bevestigd
14
-
308
Leerlingen ervaren gemiddeld een toename in verbondenheid met de klas naarmate het schooljaar vordert, onafhankelijk van interventieconditie en gepest-status.
14
-
309
In deze grafiek zien we de gemiddelde ontwikkeling van verbondenheid met de klas over het schooljaar. De meetmomenten zijn hier ongecentreerd weergegeven van t0 tot en met t7, zodat het verloop door de tijd intuïtief zichtbaar is.
14
-
310
Voor de statistische analyses is tijd wel gecentreerd, maar voor deze descriptieve visualisatie hebben we gekozen voor de oorspronkelijke meetmomenten.
15
-
311
(RQ2 / H2: Verschilt de ontwikkeling tussen condities?)
15
-
312
Deze figuur laat de door het multilevelmodel geschatte ontwikkeling van verbondenheid zien per interventieconditie.
15
-
313
Hoewel de x-as t0 tot t7 toont, is tijd in het model gecentreerd. Dat betekent dat deze lijnen gebaseerd zijn op een gecentreerd tijdseffect, maar hier zijn terugvertaald naar de oorspronkelijke meetmomenten voor interpretatie. We zien dat met name de positieve groepsvorming een sterkere stijging in verbondenheid laat zien.
15
-
314
Toets van de algemene interactie (H2)
15
-
315
De toevoeging van de interactie tussen tijd en interventieconditie leidde tot een significante verbetering van het model ten opzichte van het model met alleen tijd:
15
-
316
Δχ²(4) = 87.14, p < .001
15
-
317
AIC daalde van 7508.5 naar 7429.4
15
-
318
Dit wijst erop dat de ontwikkeling van verbondenheid over tijd significant verschilt tussen de condities, wat H2 ondersteunt
15
-
319
Interpretatie van de vaste effecten (hellingen)
15
-
320
De referentieconditie is controle (geen programma). De tijdscoëfficiënt voor deze groep is:
15
-
321
Controleconditie:
15
-
322
Tijdseffect: B = 0.023, t = 2.10 → een lichte, maar significante toename in verbondenheid over tijd.
15
-
323
Voor de interventiecondities komen daar extra stijgingen bovenop:
15
-
324
Anti-pestprogramma:
15
-
325
Extra tijdseffect: B = 0.086, t = 5.59
15
-
326
Totale helling ≈ 0.109 per meetmoment
15
-
327
Positieve groepsvorming:
15
-
328
Extra tijdseffect: B = 0.141, t = 9.02
15
-
329
Totale helling ≈ 0.164 per meetmoment
15
-
330
Dit betekent dat leerlingen in beide interventiecondities sneller toenemen in verbondenheid dan leerlingen zonder programma, en dat dit effect het sterkst is voor positieve groepsvorming
15
-
331
Toetsing van de subhypothesen
15
-
332
H2a — Positieve groepsvorming sterkste stijging
15
-
333
✔ Ondersteund
15
-
334
De interactie Tijd × Positieve groepsvorming is:
15
-
335
groter dan die van anti-pest
15
-
336
sterk significant (t = 9.02)
15
-
337
Grafisch zichtbaar als de steilste groeilijn in de figuur.
15
-
338
Interpretatie: Programma’s die expliciet inzetten op positieve groepsprocessen versterken de natuurlijke groei in verbondenheid het meest.
15
-
339
H2b — Anti-pest sterker dan controle
15
-
340
✔ Ondersteund
15
-
341
De interactie Tijd × Anti-pest is positief en significant (t = 5.59).
15
-
342
De groei in verbondenheid is duidelijk groter dan in de controleconditie, maar minder sterk dan bij positieve groepsvorming.
15
-
343
Interpretatie: Anti-pestprogramma’s dragen bij aan verbondenheid, maar lijken vooral gericht op het voorkomen van negatieve interacties, en minder op het actief versterken van groepscohesie.
15
-
344
Voor de analyse is tijd gecentreerd, maar voor de presentatie tonen we de meetmomenten zoals ze in de praktijk plaatsvinden. Meetmoment (t0–t7; ongecentreerd weergegeven)
16
-
345
Gepeste leerlingen voelen zich structureel minder verbonden met hun klas, maar ontwikkelen zich gemiddeld niet langzamer dan niet-gepeste leerlingen. De effectiviteit van interventies verschilt echter sterk: waar anti-pestprogramma’s vooral winst opleveren voor gepeste leerlingen, versterken programma’s voor positieve groepsvorming vooral de ontwikkeling van niet-gepeste leerlingen, terwijl ze voor gepeste leerlingen een beschermend effect hebben.
16
-
346
H2 — Tijd × Interventieconditie
16
-
347
Hypothese: De groei in verbondenheid verschilt tussen condities.
16
-
348
Wat testen we?
16
-
349
De interactie Tijd × Conditie (positieve groepsvorming, anti-pest, controle).
16
-
350
Wat vinden we?
16
-
351
Model met Tijd × Conditie past significant beter dan tijd-alleen:
16
-
352
Δχ²(4) = 87.14, p < .001
16
-
353
Groei t.o.v. controle:
16
-
354
Positieve groepsvorming: B = 0.071, SE = 0.017, t = 4.09, p < .001
16
-
355
Anti-pest: B = 0.158, SE = 0.017, t = 9.09, p < .001
16
-
356
Simple slopes (niet-gepeste leerlingen):
16
-
357
Controle ≈ 0.02
16
-
358
Positieve groepsvorming ≈ 0.095
16
-
359
Anti-pest ≈ 0.182
16
-
360
Hoe zeg je dit mondeling?
16
-
361
“Interventies versnellen de groei in verbondenheid. Zonder programma verandert er weinig, positieve groepsvorming helpt, en anti-pest laat gemiddeld de sterkste groei zien.”
16
-
362
Conclusie H2
16
-
363
✅ Bevestigd
16
-
364
H2a: gedeeltelijk (positieve groepsvorming sterker dan controle, maar niet sterker dan anti-pest)
16
-
365
H2b: bevestigd
16
-
366
Toets van de algemene interactie (H3)
16
-
367
H3 stelt dat de ontwikkeling van verbondenheid over tijd verschilt tussen gepeste en niet-gepeste leerlingen, onafhankelijk van interventieconditie.
16
-
368
In Model 3 wordt dit getoetst via de interactieterm:
16
-
369
Tijd × Gepest-status
16
-
370
Resultaat
16
-
371
Interactiecoëfficiënt: B = −0.003, t = −0.10
17
-
372
Niet significant
17
-
373
De toevoeging van deze interactie draagt niet zelfstandig bij aan een betere verklaring van het model.
17
-
374
Conclusie : ❌ Geen ondersteuning voor H3 De groeisnelheid van verbondenheid over tijd verschilt gemiddeld niet tussen gepeste en niet-gepeste leerlingen, wanneer geen rekening wordt gehouden met interventieconditie.
17
-
375
Interpretatie van de vaste effecten
17
-
376
Hoewel de tijdsinteractie niet significant is, is er wél een sterk hoofdeffect van gepest-status:
17
-
377
Gepest (vs. niet gepest): B ≈ −0.72, t ≈ −6.6, p < .001
17
-
378
Interpretatie
17
-
379
Gepeste leerlingen rapporteren structureel een lager niveau van verbondenheid dan niet-gepeste leerlingen.
17
-
380
Dit verschil is stabiel over de tijd: het is een niveauverschil, geen ontwikkelingsverschil.
17
-
381
Samenvatting H3
17
-
382
Gepeste leerlingen starten en blijven gemiddeld lager in verbondenheid, maar hun ontwikkeling verloopt niet langzamer dan die van niet-gepeste leerlingen.
17
-
383
H3 — Tijd × Gepest-status
17
-
384
Hypothese: Gepeste leerlingen groeien minder sterk in verbondenheid.
17
-
385
Wat testen we?
17
-
386
De interactie Tijd × Gepest (ongeacht conditie).
17
-
387
Wat vinden we?
17
-
388
Niet significant
17
-
389
F(1,501) = 0.82, p = .37
17
-
390
Wat wél?
17
-
391
Gepeste leerlingen starten lager:
17
-
392
B = −0.72, SE = 0.11, t = −6.58, p < .001
17
-
393
Hoe zeg je dit mondeling?
17
-
394
“Gepeste leerlingen beginnen duidelijk lager in verbondenheid, maar hun gemiddelde groeisnelheid verschilt niet automatisch van die van niet-gepeste leerlingen.”
17
-
395
Conclusie H3
17
-
396
❌ Niet bevestigd
17
-
397
H4 — Tijd × Interventie × Gepest-status
17
-
398
Toets van de algemene drieweginteractie (H4)
17
-
399
H4 voorspelt dat het effect van interventies op de ontwikkeling van verbondenheid verschilt tussen gepeste en niet-gepeste leerlingen.
17
-
400
Dit wordt getoetst door Model 3 te vergelijken met Model 2:
17
-
401
Model 2: Tijd × Conditie
17
-
402
Model 3: Tijd × Conditie × Gepest
17
-
403
Resultaat modelvergelijking
17
-
404
Δχ²(6) = 131.56, p < .001
17
-
405
AIC daalt van 7429.4 → 7309.8
17
-
406
➡️ De toevoeging van gepest-status als moderator verbetert het model significant.
17
-
407
Conclusie toets
17
-
408
✔ H4 wordt ondersteund Het effect van interventies op verbondenheid hangt af van gepest-status.
17
-
409
Interpretatie van de vaste effecten (hellingen)
17
-
410
Referentiegroep
17
-
411
Niet-gepest, controleconditie
17
-
412
Niet-gepeste leerlingen (hellingen per conditie)
17
-
413
Controle: B ≈ 0.024
17
-
414
Anti-pest: B ≈ 0.095
17
-
415
Positieve groepsvorming: B ≈ 0.182
17
-
416
→ duidelijke rangorde: positieve groepsvorming > anti-pest > controle
18
-
417
Gepeste leerlingen (hellingen per conditie)
18
-
418
Controle: B ≈ 0.021 (niet significant)
18
-
419
Anti-pest: B ≈ 0.148
18
-
420
Positieve groepsvorming: B ≈ 0.091
18
-
421
→ hier verandert de rangorde: anti-pest > positieve groepsvorming > controle
18
-
422
Toetsing van de subhypothesen
18
-
423
H4a — Anti-pest werkt minder goed voor gepeste leerlingen
18
-
424
❌ Niet ondersteund
18
-
425
Gepeste leerlingen in de anti-pestconditie laten juist een sterkere stijging zien dan niet-gepeste leerlingen:
18
-
426
Verschil in helling: B ≈ −0.053, p = .029
18
-
427
Anti-pestprogramma’s lijken relatief effectiever voor gepeste leerlingen dan voor niet-gepeste leerlingen.
18
-
428
H4b — Positieve groepsvorming werkt beschermend
18
-
429
✔ Gedeeltelijk ondersteund
18
-
430
Gepeste leerlingen in de conditie positieve groepsvorming laten:
18
-
431
een significante stijging in verbondenheid zien
18
-
432
en een duidelijk sterkere groei dan gepeste leerlingen in de controleconditie
18
-
433
Wel is de stijging minder sterk dan bij niet-gepeste leerlingen in dezelfde conditie.
18
-
434
Positieve groepsvorming werkt beschermend, maar niet compenserend.
18
-
435
H4 — Tijd × Interventie × Gepest-status
19
-
436
Hypothese: Interventies werken verschillend voor gepeste leerlingen.
19
-
437
Wat testen we?
19
-
438
De drieweginteractie Tijd × Conditie × Gepest.
19
-
439
Wat vinden we?
19
-
440
Model met drieweginteractie past veel beter:
19
-
441
Δχ²(6) = 131.56, p < .001
19
-
442
Cruciale parameter:
19
-
443
Tijd × Anti-pest × Gepest: B = −0.09, SE = 0.04, t = −2.37, p = .018
19
-
444
Tijd × Positieve × Gepest: niet significant
19
-
445
Simple slopes:
19
-
446
Niet-gepeste leerlingen
19
-
447
Anti-pest ≈ 0.182 (sterkst)
19
-
448
Gepeste leerlingen
19
-
449
Positieve groepsvorming ≈ 0.148
19
-
450
Anti-pest ≈ 0.091
19
-
451
Controle ≈ 0.03
19
-
452
Hoe zeg je dit mondeling?
19
-
453
“Het anti-pestprogramma werkt vooral goed voor niet-gepeste leerlingen. Voor gepeste leerlingen is die winst duidelijk kleiner, terwijl positieve groepsvorming voor hen relatief gunstiger uitpakt.”
19
-
454
Conclusie H4
19
-
455
✅ Bevestigd (gedeeltelijk)
19
-
456
H4a: bevestigd (anti-pest werkt minder goed voor gepesten)
19
-
457
H4b: ondersteund, maar verschil met anti-pest niet overal significant
19
-
458
Model 4 – Covariaten (Leeftijd & Geslacht)
19
-
459
Meetmoment (t0–t7; ongecentreerd weergegeven)
19
-
460
Visualisatie geslacht (man vs vrouw) op basis van m4
19
-
461
Visualisatie leeftijdseffect (continu) op basis van m4
19
-
462
drie “representatieve” leeftijden: laag (−1 SD), gemiddeld, hoog (+1 SD).
19
-
463
Tot slot hebben we gecontroleerd voor leeftijd en geslacht.
19
-
464
Beide variabelen blijken geen significante samenhang te hebben met verbondenheid of de ontwikkeling daarvan.
19
-
465
Belangrijker is dat alle eerder gevonden effecten van tijd, interventie en gepest-status overeind blijven.
19
-
466
Dit betekent dat onze conclusies niet verklaard worden door leeftijds- of sekseverschillen, wat de robuustheid van de resultaten versterkt.
20
-
467
H5 — Controlevariabelen: leeftijd en geslacht
20
-
468
1. Toets van H5: draagt controle voor leeftijd en geslacht bij?
20
-
469
H5 stelt twee dingen:
20
-
470
Leeftijd en/of geslacht kunnen samenhangen met verbondenheid
20
-
471
De effecten van tijd, interventieconditie en gepest-status blijven bestaan na controle
20
-
472
Dit is getoetst door Model 4 (met leeftijd en geslacht) te vergelijken met Model 3 (zonder deze covariaten).
20
-
473
Modelvergelijking
20
-
474
Δχ²(2) = 1.23, p = .54
20
-
475
AIC stijgt licht: 7309.8 → 7312.6
20
-
476
Conclusie toets
20
-
477
➡️ Het toevoegen van leeftijd en geslacht verbetert het model niet significant. Deze variabelen verklaren geen extra variantie bovenop de reeds opgenomen voorspellers.
20
-
478
2. Interpretatie van de vaste effecten (covariaten)
20
-
479
Geslacht
20
-
480
Vrouw (vs. man):
20
-
481
B = −0.06, t = −1.11
20
-
482
Niet significant
20
-
483
Interpretatie: Meisjes en jongens verschillen niet betekenisvol in hun gemiddelde niveau van verbondenheid, noch in de ontwikkeling daarvan over tijd.
20
-
484
Wat je ziet in de figuur: De lijnen voor jongens en meisjes lopen vrijwel parallel en overlappen grotendeels.
20
-
485
Leeftijd
20
-
486
Leeftijd (in maanden):
20
-
487
B ≈ 0.00, t = −0.06
20
-
488
Niet significant
20
-
489
Interpretatie: Binnen deze leeftijdsrange (groep 8) hangen kleine leeftijdsverschillen niet samen met verbondenheid of de groei daarin.
20
-
490
Wat je ziet in de figuur: De lijnen voor verschillende leeftijdsgroepen liggen vrijwel over elkaar.
20
-
491
3. Cruciaal punt van H5: robuustheid van hoofd- en interactie-effecten
20
-
492
Hoewel leeftijd en geslacht zelf geen significante effecten laten zien, is het belangrijkste resultaat van H5 dat:
20
-
493
Het hoofdeffect van tijd blijft bestaan
20
-
494
De Tijd × Interventieconditie-interactie (H2) blijft significant
20
-
495
De drieweginteractie Tijd × Interventie × Gepest (H4) blijft significant
20
-
496
De interpretatie van H3 en H4 verandert niet
20
-
497
Conclusie
20
-
498
➡️ De gevonden interventie- en moderatie-effecten zijn robuust ➡️ Ze zijn niet het gevolg van leeftijds- of geslachtsverschillen tussen leerlingen
20
-
499
H5 — Controlevariabelen (leeftijd, geslacht)
21
-
500
Wat testen we?
21
-
501
Toevoeging van leeftijd en geslacht (Model 4).
21
-
502
Wat vinden we?
21
-
503
Geen verbetering van fit:
21
-
504
Δχ²(4) = 2.91, p = .57
21
-
505
Kerninteracties blijven gelijk
21
-
506
R²_marginal blijft ≈ .22
21
-
507
Hoe zeg je dit mondeling?
21
-
508
“Leeftijd en geslacht verklaren weinig extra en veranderen onze conclusies niet. De interventie- en moderatie-effecten zijn robuust.”
21
-
509
Conclusie H5
21
-
510
✅ Bevestigd
21
-
511
Eén zin als totaalantwoord (voor afsluitende vraag
21
-
512
“Verbondenheid neemt toe over tijd, interventies versnellen die groei, maar gepest worden dempt specifiek de winst van anti-pest; positieve groepsvorming lijkt voor gepeste leerlingen relatief gunstiger.”
21
-
513
Samenvattend antwoord op alle onderzoeksvragen:
22
-
514
1. Verbondenheid met de klas neemt gemiddeld toe over het schooljaar.
22
-
515
2. Deze toename verschilt tussen condities; beide interventies zijn effectiever dan geen programma.
22
-
516
3. Het effect van interventies verschilt tussen gepeste en niet-gepeste leerlingen.
22
-
517
4. Positieve groepsvorming werkt specifiek beschermend voor gepeste leerlingen.
22
-
518
5. De resultaten zijn robuust na controle voor leeftijd en geslacht.
22
-
519
Samenvatting APA stijl: Resultaten
22
-
520
Beschrijvende analyse en nulmodel
22
-
521
De dataset bestond uit 3.592 observaties, genest binnen 499 leerlingen die gedurende acht meetmomenten (t₀–t₇) zijn gevolgd. Om te bepalen in hoeverre multilevelanalyse gerechtvaardigd was, werd eerst een nulmodel geschat met alleen een random intercept per leerling. De intraclass correlatiecoëfficiënt (ICC) bedroeg ongeveer .50, wat aangeeft dat circa de helft van de variantie in verbondenheid met de klas toe te schrijven is aan verschillen tussen leerlingen. Dit onderstreept de noodzaak van een multilevelbenadering met herhaalde metingen genest binnen leerlingen.
22
-
522
Tijdseffect op verbondenheid (Model 1)
22
-
523
In Model 1 werd tijd als vaste predictor toegevoegd, met een random intercept en random slope voor tijd per leerling. De analyse liet een significant positief hoofdeffect van tijd zien, b = 0.097, SE = 0.007, t = 14.22. Dit betekent dat gevoelens van verbondenheid met de klas gemiddeld toenamen gedurende het schooljaar. Het intercept (b = 5.27) representeert de gemiddelde verbondenheid bij aanvang van het schooljaar (t₀).
22
-
524
Deze bevinding ondersteunt hypothese 1 en beantwoordt onderzoeksvraag 1: leerlingen ervaren gemiddeld een toename in verbondenheid met hun klas naarmate het schooljaar vordert.
22
-
525
Interventie-effecten op groei in verbondenheid (Model 2)
23
-
526
In Model 2 werd de interactie tussen tijd en interventieconditie toegevoegd. Dit model paste aanzienlijk beter dan het tijdmodel, wat blijkt uit lagere AIC- en −2 log-likelihoodwaarden. De interacties tussen tijd en beide interventiecondities waren significant, wat erop wijst dat de ontwikkeling van verbondenheid verschilde tussen de condities.
23
-
527
Leerlingen in de controleconditie (geen programma) lieten een geringe toename in verbondenheid zien (b = 0.023). De toename was sterker in beide interventiecondities. In de anti-pestconditie nam verbondenheid sneller toe dan in de controleconditie (b = 0.086), en in de conditie positieve groepsvorming was de toename eveneens duidelijk sterker (b = 0.141).
23
-
528
Deze resultaten ondersteunen hypothese 2: de ontwikkeling van verbondenheid over tijd verschilt tussen de interventiecondities en de controleconditie. De subhypothese dat positieve groepsvorming de sterkste groei zou laten zien (H2a) werd echter niet eenduidig ondersteund, terwijl wel bevestigd werd dat beide interventies effectiever waren dan geen programma (H2b).
23
-
529
Moderatie door gepest worden (Model 3)
23
-
530
In Model 3 werd onderzocht of het effect van de interventies op de ontwikkeling van verbondenheid verschilde tussen gepeste en niet-gepeste leerlingen door een drieweginteractie tussen tijd, conditie en gepest-status op te nemen. Dit model liet een duidelijke verbetering in model fit zien ten opzichte van Model 2.
23
-
531
Ten eerste bleek dat gepeste leerlingen bij aanvang van het schooljaar een significant lager niveau van verbondenheid rapporteerden dan niet-gepeste leerlingen, b = −0.716, SE = 0.109, t = −6.58. De interactie tussen tijd en gepest-status was echter niet significant, wat suggereert dat gepeste leerlingen gemiddeld niet anders groeien in verbondenheid dan niet-gepeste leerlingen wanneer interventieconditie buiten beschouwing wordt gelaten. Hypothese 3 werd daarmee niet ondersteund.
23
-
532
Wel werd een significante drieweginteractie gevonden voor tijd × positieve groepsvorming × gepest-status, b = −0.089, SE = 0.037, t = −2.37. Dit duidt erop dat het effect van positieve groepsvorming op de ontwikkeling van verbondenheid verschilt tussen gepeste en niet-gepeste leerlingen. Nadere inspectie van de groeitrajecten liet zien dat gepeste leerlingen in de conditie positieve groepsvorming een relatief sterke toename in verbondenheid vertoonden, terwijl dit patroon niet werd waargenomen in de anti-pestconditie of de controleconditie.
23
-
533
Deze bevindingen ondersteunen hypothese 4b, waarin werd verwacht dat positieve groepsvorming een beschermend effect zou hebben voor gepeste leerlingen. Hypothese 4a, waarin werd verondersteld dat het anti-pestprogramma minder effectief zou zijn voor gepeste leerlingen, werd niet bevestigd.
23
-
534
Controle voor leeftijd en geslacht (Model 4)
23
-
535
In het laatste model werden leeftijd (in maanden) en geslacht toegevoegd als covariaten. Geen van beide variabelen had een significant effect op het niveau of de ontwikkeling van verbondenheid. Belangrijker is dat de kernbevindingen uit Model 3 behouden bleven: de interacties tussen tijd, conditie en gepest-status bleven inhoudelijk en statistisch vergelijkbaar.
23
-
536
Hiermee wordt hypothese 5 ondersteund en kan worden geconcludeerd dat de gevonden interventie- en moderatie-effecten robuust zijn na controle voor demografische kenmerken.
23
-
537
Samenvattende resultaten conclusie
23
-
538
Samenvattend laten de resultaten zien dat verbondenheid met de klas gedurende het schooljaar toeneemt, dat interventies deze ontwikkeling versterken ten opzichte van geen programma, en dat positieve groepsvorming een specifiek beschermend effect heeft voor leerlingen die aan het begin van het schooljaar worden gepest. Deze effecten blijven bestaan na controle voor leeftijd en geslacht.
23
-
539
9. Bediscussieer de bevindingen en formuleer een conclusie.
23
-
540
✅ DISCUSSIE (academisch, coherent, volledig)
23
-
541
Interpretatie van de bevindingen
23
-
542
De resultaten laten zien dat gevoelens van verbondenheid bij leerlingen gedurende het schooljaar toenemen, wat consistent is met literatuur die suggereert dat meer tijd in een groep leidt tot meer stabiliteit en sociale veiligheid. Beide interventies — positieve groepsvorming en het anti-pestprogramma — versterken deze stijging, maar op verschillende manieren en voor verschillende leerlingen.
24
-
543
Het anti-pestprogramma blijkt vooral effectief voor leerlingen die niet gepest worden: zij laten de sterkste groei in verbondenheid zien. Voor gepeste leerlingen werkt dit programma echter minder goed, mogelijk omdat sociale uitsluiting en negatieve groepsdynamiek reeds bestaan vóórdat het programma start. Gepeste leerlingen hebben vaak minder toegang tot sociale steun en ervaren minder responsiviteit van klasgenoten, wat de effectiviteit van anti-pestprogramma’s kan beperken.
24
-
544
In contrast hiermee blijkt positieve groepsvorming juist gunstig voor gepeste leerlingen. Deze interventie richt zich op gezamenlijke activiteiten, samenwerking en wederzijdse steun, wat kan bijdragen aan het verbeteren van de sociale positie van kwetsbare leerlingen. Hierdoor laat deze groep een relatief sterke stijging in verbondenheid zien.
24
-
545
Theoretische implicaties
24
-
546
Deze bevindingen benadrukken dat interventies niet voor alle leerlingen dezelfde werking hebben. Programma’s die gericht zijn op algemene groepscohesie lijken beter in staat een veilige basis te creëren voor sociaal kwetsbare leerlingen, terwijl anti-pestprogramma’s eerder preventief of normaliserend werken voor leerlingen die reeds een gunstiger positie hebben.
24
-
547
Praktische implicaties
24
-
548
Voor scholen suggereert dit dat:
24
-
549
positieve groepsvorming essentieel is voor het ondersteunen van kinderen die gepest worden;
24
-
550
anti-pestprogramma’s niet voldoende zijn voor leerlingen die al sociaal geïsoleerd zijn;
24
-
551
een combinatie van beide programma’s mogelijk de meest effectieve strategie is om verbondenheid voor alle leerlingen te bevorderen.
24
-
552
Beperkingen
24
-
553
Gepest worden is slechts gemeten op t₀; veranderingen in pesten over tijd konden niet worden meegenomen.
24
-
554
Er is geen klassen- of schoolniveau opgenomen in de modellen, waardoor clustering op hogere niveaus niet is gecontroleerd.
24
-
555
Alle variabelen zijn gebaseerd op zelfrapportage, wat gevoelig is voor sociaal wenselijke antwoorden.
24
-
556
De tijdstrend werd als lineair gemodelleerd; niet-lineaire patronen kunnen theoretisch bestaan.
24
-
557
Aanbevelingen voor vervolgonderzoek
24
-
558
Longitudinaal meten van pesten (t₀–t₇) om dynamische moderatieprocessen te onderzoeken.
24
-
559
Multilevelmodellen uitbreiden naar drie niveaus (leerling, klas, school).
24
-
560
Mediatoren testen zoals inclusie, sociale steun of normpercepties.
24
-
561
Onderzoeken in hoeverre de timing of intensiteit van interventies de effecten beïnvloedt.
24
-
562
10. Schrijf een wetenschappelijke samenvatting. In studietaak 6.3 vind je hiervoor aanwijzingen. Gebruik het gegeven sjabloon en sla het bestand op met jullie beider achternamen (bijvoorbeeld, Abstract_Jansen_DeVries.docx).
24
-
563
11. Bereid een congrespresentatie voor over het door jullie uitgevoerde onderzoek. In studietaak 6.4 vind je hiervoor aanvullende aanwijzingen.
25
-
564
12. Schoon analyse-, syntax- en outputbestanden op en sla deze bestanden op met jullie beider achternamen in de naam (bijvoorbeeld, Syntax_Jansen_DeVries.sps of Analyses_Jansen_DeVries.omv). Verderop op deze pagina staan aanvullende aanwijzingen hiervoor. Jamovi : Andrea
25
-
565
13. Controleer je uitwerking van de eindopdracht aan de hand van de criteria in het beoordelingsformulier (zie bronnen).
25
-
566
14. Stuur uiterlijk drie werkdagen voorafgaand aan je presentatiedatum de benodigde bestanden op via de juiste instuurknop (zie 6.5 – inleveren eindopdracht). Onderaan deze pagina vind je een overzicht van de benodigde bestanden. NB Weekenden en feestdagen gelden niet als werkdagen.
25
-
567
15. Stuur tevens een e-mail bericht naar de twee docenten bij wie jullie de presentatie geven (neem jullie “samenvatting” op als enige bijlage; daarin staat namelijk relevante informatie voor jullie docenten). Via dit mailtje kunnen jullie de twee docenten erop attenderen dat de bestanden zijn ingeleverd in ANS.
25
-
568
In te leveren bestanden
25
-
569
Upload uiterlijk drie werkdagen voorafgaand aan je presentatiedatum beiden de volgende bestanden in ANS via de juiste link (zie 6.5 – inleveren eindopdracht). Deze ingeleverde bestanden worden gebruikt in de beoordeling en kunnen niet meer worden aangepast.
25
-
570
1. Samenvatting van jullie presentatie. Geef dit bestand de naam Abstract_achternaam1_ achternaam2.
25
-
571
2. Gebruikt databestand met daarin de door jullie getrokken steekproef. Dit is een bestand dat eindigt op .sav. Geef dit bestand de naam Data_ achternaam1_ achternaam2_gebruiktstudentnummer.
25
-
572
3. Overzicht van de analyses:
26
-
573
a. Voor SPSS: opgeschoonde a en bij voorkeur geannoteerde b syntax die jullie hebben gebruikt voor de analyses. Geef dit bestand de naam Syntax_ achternaam1_ achternaam2.
26
-
574
b. Voor jamovi: opgeschoond a en bij voorkeur geannoteerd b bestand met de analyses die jullie hebben gebruikt voor de presentatie. Dit is het bestand dat eindigt op .omv. Geef dit bestand de naam Analyses_ achternaam1_ achternaam2.
26
-
575
4. Opgeschoonde en bij voorkeur geannoteerde output van jullie analyses. Dit is een bestand dat eindigt op .pdf. Geef dit bestand de naam Output_ achternaam1_ achternaam2.
26
-
576
5. Presentatieslides die jullie zullen gebruiken. Dit is een bestand dat eindigt op .pptx. Geef dit bestand de naam Presentatie_ achternaam1_ achternaam2.
26
-
577
Gebruik hierbij de achternaam waarmee je staat ingeschreven in het onderwijssysteem (Brightspace en ANS).
26
-
578
a Met 'opgeschoond' bedoelen we dat je die analyses meestuurt die je hebt gebruikt om tot de beantwoording van je onderzoeksvragen te komen. De databewerking (aanmaak nieuwe variabelen, filters enzovoort), de datascreening en de gebruikte modellen in de modelopbouw en hypothesetoetsing moeten in de bestanden staan, zodat a) de lezer van die bestanden kan verifiëren wat je hebt gedaan en b) elk gepresenteerd getal in je presentatie reproduceerbaar is voor iemand die alleen het databestand van jullie persoonlijke steekproef heeft. Zorg dat je 'oude', niet-gebruikte analyses verwijdert. Met name bij het gebruik van SPSS is dat belangrijk om te voorkomen dat het een groot outputbestand van 100 of meer pagina’s wordt.
26
-
579
b Met 'geannoteerd' bedoelen we dat je analyses – waar nodig – een informatieve naam geeft. Als je bijvoorbeeld meerdere modellen toetst en een modelopbouw gebruikt, geef elk model in het bestand dan een voldoende informatieve naam of korte omschrijving (maximaal 1 regel) waardoor de lezer van je syntax-, analyse- of outputbestand weet welk model het is. Zorg in ieder geval dat je duidelijk aangeeft welk(e) model(len) je uiteindelijk presenteert in je presentatie. In SPSS kun je opmerkingen in de syntax plaatsen door een regel te beginnen met een asterisk (*) en af te sluiten met een punt. Die informatie wordt automatisch geprint in de output wanneer je de syntax runt. In jamovi kun je de namen van de analyses in het .omv-bestand aanpassen of direct onder de naam van de analyse klikken om een notitie te plaatsen. Die informatie wordt geëxporteerd naar het outputbestand.
26
-
580
Hoe je dit in je verslag kunt formuleren
35
-
581
Stappenplan
110
-
582
1. Centreren van tijd (zodat t₀ = intercept).
110
-
583
2. Model 1 schatten (H1) → controle of verbondenheid gemiddeld toeneemt.
110
-
584
3. Model 2 schatten (H2) → vergelijken condities over tijd (Tijd × Conditie).
110
-
585
4. Model 3 schatten (H3–H4) → toevoegen van gepest (Tijd × Conditie × Gepest).
110
-
586
5. Modelvergelijking met likelihood ratio-tests (AIC/BIC, anova).
110
-
587
6. Visualisatie van voorspelde trends per conditie en per gepest-status.
110
-
588
7. APA-rapportage van fixed effects en interpretatie.
110
