Успеваемость и аттитюды школьников: гендерные эффекты

Успеваемость и аттитюды школьников: гендерные эффекты.
Ксения Алексеевна Тенишева (презентующий автор), НИУ ВШЭ Санкт-Петербург
Вера Викторовна Титкова, НИУ ВШЭ Санкт-Петербург
Валерия Александровна Иванюшина, НИУ ВШЭ Санкт-Петербург
Даниил Александрович Александров, НИУ ВШЭ Санкт-Петербург
Гендерные различия в школе часто оказываются ключевыми для понимания
формирования успеваемости и аттитюдов учащихся (см. Catsambis, 1994). В большинстве
стран мальчики получают более высокие оценки по математике и их уверенность в своих
силах в этой области также оказывается значимо выше, чем у девочек (Marsh et.al., 2006).
Это принято объяснять определенными социальными стереотипами, которые делают
обучение одним предметам более желательным для девочек, а другим – для мальчиков
(Wigfield et.al., 2002; Nosek et.al., 2009). При этом ряд исследователей также показывает,
что данные механизмы по-разному действуют в школах/классах разных типов: высокая
анти-школьная культура может привести к общему снижению успеваемости, а высокая
про-академическая культура – напротив, провоцировать всех на более высокие
академические успехи (Jonkmann, Trautwein, Ludtke, 2009; Piazza 2001).
Учащиеся из школ/классов с разным уровнем академической мотивации, а также
мальчики и девочки создают разные образы популярного сверстника. Зачастую
поддержкой сверстников пользуется не самый академически успешный школьник.
Образовательный успех уходит на второй план, уступая место физической подготовке,
статусу «крутого» и модной внешности (Lease et al 2002, Dijkstra, Lindenberg, 2009).
Гендерные эффекты оказываются важными при описании связи поддержки
одноклассников и успеваемостью школьника. Исследователи говорят, что сильная
поддержка одноклассников повышает интерес и мотивацию к образованию (Schwartz,
Gorman, 2006). Однако в условии разных гендерных стереотипов, оказывается так, что
заинтересованность в учебе воспринимается как важна черта для девочек, и как немужественная деятельность для мальчиков (Legewie, DiPrete, 2012). Мальчики вынуждены
соблюдать тактику поведения, которая помогает им поддерживать баланс между их
академическими достижениями и статусом популярного ученика, создавая видимость
образовательного успеха без особых усилий и заучивания (Read et al, 2011).
Окружение одноклассников создает среду, которая провоцирует или сглаживает
гендерные эффекты. В классах с высокой академической мотивацией, где сильная
заинтересованность учеников в получении образования, сглаживается эффект
маскулинности как противоположности академическим достижениям, подавляются антишкольные аттитюды мальчиков (Legewie, DiPrete, 2012).
Наше исследование посвящено изучению механизмов формирования гендерных
различий в академических достижениях школьников и в их представлениях о своих
способностях в сфере математики при учете социального контекста. Мы предполагаем,
что мальчики и девочки по-разному оценивают важность академических достижений в
1
разных доменах (математика, русский язык и пр.), как следствие, различается их
успеваемость и уверенность в своих силах в этих конкретных областях знания.
Гипотезы нашей работы: (1) гендерные различия имеют разную направленность в
странах со стратифицированной и нестратифицированной школьной системой; (2) для
девочек высокая успеваемость является одобряемой при любом уровне анти-школьной
культуры в классе, следовательно, они стараются учиться лучше мальчиков в школе
любого типа; (3) для мальчиков из неспециализированных школ высокая успеваемость
ведет к низкой популярности, так что их академические успехи выше, чем у девочек,
только в гимназиях и лицеях; (4) представления о своих способностях в сфере математики
у мальчиков значимо выше, чем у девочек.
Мы сосредотачиваем наше исследование на двух аспектах. Во-первых, изучение
эффекта гендера в межстрановой перспективе, сравнивая представление о своих
способностях по математике между девочками и мальчиками в Норвегии, Швеции и
Чехии. Во-вторых, мы проверяем эффект гендера на «локальном» уровне, проводя
детальный анализ отношений гендера и успеваемости школьников в классах с разной
академической средой. Для данных целей применяется сетевой анализ данных.
ИССЛЕДОВАНИЕ 1.
В данном исследовании изучалось влияние гендера в так называемой модели
«большой рыбки в маленьком пруду», описывающей взаимосвязь успеваемости учащихся,
уровня успеваемости по школе и индивидуальных представлений о своих способностях.
Эффекты проверялись на трех уровнях: индивидуальном, школьном и страновом, что
позволяет делать выводы об обусловленности выявленных связей типом школьной
системы.
Гипотезы:
1) Эффект «большой рыбки в маленьком пруду» обнаруживается для всех типов
школьных систем: во всех странах индивидуальные результаты теста по математике
оказывают на уверенность в себе в сфере математики положительный эффект, а средний
результат по школе влияет на уверенность отрицательно.
2) Влияние гендера скорее проявляется в странах с нестратифицированной школьной
системой, где мальчики более уверенны в своих силах в области математики, в то время
как в случае наличия стратификации более уверены в себе учащиеся наиболее успешных
школ, независимо от гендерной принадлежности
Данные.
Анализировались данные TIMSS (Trends in International Mathematics and Science
Study) для восьмых классов, за 2007. Это международное сравнительное исследование,
проводящееся более чем в 60 странах мира. Из пятидесяти стран-участниц были выбраны
четыре: две страны со стратифицированной образовательной системой (Россия и Чехия) и
две с нестратифицированной (Швеция и Норвегия).
Переменные.
2
Уверенность в себе. Переменная, сконструированная как средняя ответов на четыре
вопроса: «Usually do well in math», «Math is more difficult for me, than for many of my
classmates», «I learn things quickly in math», «Mathematics is not one of my strength»1.
(Степень согласованности Cronbach’s Alpha составляет 0,849 для России; 0,825 для
Швеции; 0,804 для Норвегии; 0,850 для Чехии)
Успеваемость. Результат теста TIMSS по математике.
Средняя успеваемость по школе. Рассчитана как средняя успеваемость каждой школы
по всем пяти plausible values по математике.
Пол. Стандартная бинарная переменная (1) – девочка, (2) – мальчик.
Анализ.
Анализ поводился методом иерархического линейного моделирования в программе
HLM7. Для каждой из четырех стран (Россия, Чехия, Швеция, Норвегия) строилась
отдельная модель, т.к. их количество недостаточно для введения третьего, странового,
уровня в модель. К тому же, задачей нашего анализа является сравнение в большей мере
наличия и направления связей, а не размера эффектов, что выполнимо и при
сопоставлении четырех многоуровневых моделей.
Итак, для проверки гипотез исследования были специфицированы двухуровневые
регрессионные модели. Первый уровень – индивидуальный (ученики), второй – уровень
школы (параллели 8 классов). Все интервальные переменные были стандартизованы
(M=0, SD=1) для упрощения интерпретации полученных в ходе анализа коэффициентов.
На первом уровне предикторами являются индивидуальный результат теста по
математике и пол ученика. Результаты теста по математике были агрегированы на уровне
параллели (Уровень 2), таким образом, был получен предиктор второго уровня.
Результаты TIMSS в среднем находятся в пределах 450 +/-113 баллов, что дает очень
большой разброс. Он мог бы помешать сравнивать эффекты для школ, где учащиеся в
большинстве получили низкие баллы и где большинство было оценено высоко. По этой
причине показатель индивидуальных успехов учеников по математике был центрирован в
рамках школы, чтобы обеспечить сравнимость результатов учащихся из разных школ.
Центрирование переменной первого уровня является одним из важных требований
многоуровневого анализа (см. Enders & Tofighi, 2007).
При работе с выборками, подобными TIMSS, важно применять весовые
коэффициенты. В нашем случае рекомендовано использовать два вида весов – отдельно
для индивидуального и школьного уровней. На индивидуальном уровне применяется вес
SENWGT, уравнивающий выборки во всех странах до 500, что позволяет сравнивать
полученные эффекты, не обращая внимания на реальный объем выборки. TIMSS не
предлагает готового веса для использования на уровне школ в многоуровневых моделях.
1
Этот набор показателей для конструирования уверенности школьников в своих силах в сфере
математики был предложен IEA, но способ конструирования переменной был изменен для
удобства дальнейших подсчетов.
3
Этот вес был сконструирован согласно предложению E.Gonzalez. В результате
применения обоих весов, исследователь получает пропорциональную выборку,
учитывающую реальный объем и пропорции генеральной совокупности, и при этом
сопоставимую для разных стран.
Результаты анализа.
Первая гипотеза касается проверки классического эффекта «большой рыбки в
маленьком пруду», в ней утверждается, что индивидуальные результаты по математике
повышают уверенность учащегося в себе в сфере математики, а средние по школе
результаты понижают эту уверенность, независимо от типа школьной системы. Для
проверки этой гипотезы была построена модель 1, включающая в качестве предикторов
индивидуальные результаты теста по математике на первом уровне и средние на класс
результаты теста на втором уровне.
Как показано в Таблице 1а, индивидуальные успехи по математике действительно
положительно влияют на уверенность учащегося в себе. В то же время, средние на школу
(параллель 8 классов) результаты по математике также повышают уверенность учащегося
в своих силах, что противоречит классическому эффекту «большой рыбки в маленьком
пруду». Позитивная связь сохраняется для всех четырех стран, что подтверждает
универсальность обнаруженного эффекта. Интерактивный эффект индивидуальных и
средних результатов по математике статистически незначим. Успеваемость школьника,
также как средние достижения по математике на параллель, повышают уверенность
учащегося в своих силах в сфере математики, независимо от того, существует ли в стране
разделение на престижные и менее престижные школы, оценки оказывают влияние в
любом случае.
Таблица 1a. Эффект «большой рыбки в маленьком пруду» для 4 стран
Россия
Чехия
β
SE
P
β
SE
Intercept
1.858
0.067 <0.001 1.617
0.048
Уровень школы
Средняя успеваемость
0.003
0.0007 <0.001 0.003
0.0007
Индивидуальный уровень
Успеваемость
0.144
0.006 <0.001 0.153
0.003
Гендер
-0.011 0.033 0.725 0.145
0.024
Интерактивный эффект
Средняя успеваемость *
-0.0002 0.0001 0.068 -0.0003 0.00008
индивидуальная успеваемость
P
<0.001
<0.001
<0.001
<0.001
<0.001
4
Таблица 1b. Эффект «большой рыбки в маленьком пруду» для 4 стран
Швеция
Норвегия
β
SE
P
β
SE
P
Intercept
1.762 0.037 <0.001 1.757
0.058 <0.001
Уровеь школы
Средняя успеваемость
0.002 0.001 0.049 0.006
0.002 <0.001
Индивидуальный уровень
Успеваемость
0.134 0.004 <0.001 0.155
0.006 <0.001
Гендер
0.225 0.020 <0.001 0.134
0.022 <0.001
Интерактивный эффект
Средняя успеваемость *
0.0001 0.0001 0.268 -0.0003 0.0003 0.298
индивидуальная успеваемость
Вторая гипотеза касалась специфики влияния гендера на представление о своих
способностях в странах с разными системами образования. Как показывают результаты
анализа, во всех странах, кроме России, эффект пола значим: мальчики увереннее в своих
силах по математике, несмотря на разницу в школьных системах. Данный паттерн
систематически обнаруживается в международных сравнительных исследованиях (Marsh
et.al., 2006). Для России же гендерный эффект оказался абсолютно незначимым. Для
объяснения такого результата стоит более детально изучить роль гендерна в российской
школе.
ИССЛЕДОВАНИЕ 2.
Задача второй части – рассмотреть взаимосвязь социометрической популярности
детей и их успеваемости.
Гипотезы:
1) В классах с низким уровнем мотивации высокие оценки приводят к снижению
популярности учеников среди одноклассников.
2) Эффект гендера заключается в разной связи между успеваемостью и
популярностью для мальчиков и девочек.
Данные и метод.
Вторая часть работы была проведена на данных опроса школ Санкт-Петербурга в
2010 году. Генеральной совокупностью для собранных данных являлись государственные
общеобразовательные школы. Из ее были исключены частные, коррекционные, вечерние,
начальные школы, кадетские корпуса и школы интернаты.
В выборку попало 5058 учеников из 309 классов (104 школ). Участниками стали
ученики 8, 9 и 10 классов в возрасте 14-16 лет.
Методика обоих опросов едина и заключается в сплошном опросе всех
присутствующих учащихся класса. Анкету школьники заполняли самостоятельно.
В качестве основного метода анализа данных использовался Multilevel analysis Hierarchical Linear Modeling (HLM), позволяющий изучать иерархически организованные
5
данные и учитывать влияние факторов разных уровней, а также учитывать межуровневые
интерактивные эффекты (Hox, 2010; Woltman, Feldstain, 2012). Анализ был проведен при
использовании HLM7.
Второй метод статистического анализа данных – сетевой анализ, p2 моделирование. В
отличие от HLM этот метод позволяет учесть взаимозависимость сетевых данных.
Переменные.
Анкета для обоих опросов содержала блоки вопросов об академических достижениях,
образовательных аттитюдах (мотивация, анти-школьная культура), социальнодемографических характеристиках семьи, блок социометрических вопросов (назвали
имена и фамилии друзей). Для определения включенности школьников в сети общения в
классе их спрашивали, с кем из класса они общаются больше всего. В результате
определялась социометрическая популярность каждого ученика. Расчет производился
простым подсчетом числа номинаций и нормированием относительно общей численности
класса. Нормализация проводилась с целью сглаживания эффекта размера класса, чтобы
результаты разных классов были доступны для сравнения между собой.
Социометрические вопросы позволяют учитывать влияние на детей их ближайшего
окружения, так называемый peer effect.
Результаты анализа.
Классы неоднородны между собой и различаются по уровню академической
мотивации (рис.1). Внутри одной школа в одной параллели классы могут значимо
отличаться друг от друга по уровню академической мотивации.
Рисунок 1. Различия по уровню академической мотивации между классами одной
школы.
В данной части исследования классы были разделены по уровню академической
мотивации учеников (рис. 2). В качестве низко-мотивированных и высокомотивированных классов были взяты классы с максимальным отклонением от среднего
уровня мотивации для всех классов (ниже или выше 1.6).
6
Рисунок 2. Распределение классов по уровню академической мотивации.
Смещение границ ближе к средней распределения и добавление в список низко и
высоко-мотивированных классов приводит к исчезновению описанных далее эффектов.
Результаты моделей наглядно представлены на следующих графиках и в таблицах.
Проверка гипотез осуществлялось в два этапа: сначала многоуровневый анализ, затем
сетевой анализ данных – p2.
Успеваемость ученика положительно связана с его популярность (рис. 3, таблица 2).
Таблица 2. Многоуровневая модель, зависимая переменная популярность ученика.
Модель 0
Модель 1
0.247588 (0.004) *** 0.23202 (0.005)***
0.00017 (0.015)
0.0051 (0.018)
0.02697 (0.005)***
0.0569 (0.005)***
-0.0194 (0.008)**
Intercept
Высоко-мотивированные классы
Низко-мотивированные классы
Мальчики
GPA
Мальчик*GPA
Мальчик*GPA *высоко-мотивированные
классы
Мальчик*GPA *высоко-мотивированные
классы
СЭС семьи
r20 (var (u0))
0.07170 (0.005) ***
2
r 1 (var (Пол, u1)
r22 (var (GPA, u2)
r23 (var (GPA*Пол, u3)
r24 (var (СЭС семьи, u4)
Level 1 (var, r)
0.12968 (0.016)
Модель 2
0,23208 (0.005)***
0,00360 (0.015)
0,00014 (0.019)
0,02727 (0.005)***
0,05679 (0.005)***
-0,01829 (0.008)**
0,02139 (0.014)
-0,04314 (0.023)*
-0.00026(0.0002)
0.06791 (0.005)***
0.04745 (0.002)***
0.04124 (0.002)**
0.05673 (0.03) **
-0,00026 (0.0002)
0,06789 (0.005)***
0,0472 (0.002) ***
0,04146 (0.002)**
0,05631 (0.003) **
0.00115 (<0.001)
0.0012 (<0.001)** **
0.12322 (0.015) 0.12319 (0.01518)
7
Связь оценок и популярности сильнее для девочек, чем для мальчиков. Равный
академический успех способствует большей популярности девочек, чем мальчиков.
Популярность
0,4
0,35
0,3
девочки
0,25
мальчики
0,2
0,15
0,1
Средний балл
Рисунок 3. Основные эффекты связи популярности и среднего балла для мальчиков и
девочек.
Описанный положительный эффект сохраняется для девочек независимо от уровня
академической мотивации в классе. Для мальчиков наблюдаемая связь зависит от
контекста. В классах с высокой мотивацией, чем выше успеваемость, тем выше поддержка
одноклассников. Но в классах с низкой мотивацией популярность мальчиков снижается
при росте их среднего балла (рис. 4).
0,4
мальчики,
классы с
высок.мотив.
Попурялность
0,35
0,3
мальчики,
классы с
сред.мотив.
0,25
0,2
мальчики,
классы с
низ.мотив.
0,15
0,1
Средний балл
Рисунок 4. Связь популярности и успеваемости мальчиков в классах с разным
уровнем мотивации.
Сетевой анализ подтверждает вывод, полученный с помощью HLM. Результаты
моделей показаны в таблице 1. В классах с высоким и среднем уровнем мотивации
академические успехи поддерживаются одноклассниками и способствуют росту
популярности учеников в классе. В низко-мотивированных классах высокая успеваемость
мальчика будет приводить к его исключению их сетей общения в классе и снижению его
популярности среди одноклассников.
8
Таблица 3. Результаты моделей сетевого анализа данных для классов с разным
уровнем академической мотивации.
High-motivated
class
Parameter
Estimate (SE)
Averagemotivated class
Parameter
Estimate (SE)
Low-motivated
class
Parameter
Estimate (SE)
Receiver covariates
GPA
Boy * GPA
0,2694 (0,0305)
0,002 (0,0009)
Reciprocity
Density
3,2891 (0,0686)
-3,5757 (0,0862)
3,2891 (0,0686)
-3,5757
(0,0862)
Density covariates
Receiver boy
girl to girl
boy to boy
majority to majority
0,8464 (0,1031)
1,5924 (0,0541)
0,7209 (0,0555)
-0,2133 (0,0614)
0,8464 (0,1031)
1,5924 (0,0541)
0,7209 (0,0555)
-0,2133
(0,0614)
0,3699 (0,085)
-0,26 (0,0987)
0,9221 (0,2182)
1,7365 (0,1448)
0,7 (0,1299)
0,1185 (0,1995)
0,8179 (0,0527)
0,6479 (0,0419)
-0,436 (0,0417)
0,6661 (0,0996)
0,8022 (0,1159)
-0,4157
(0,0888)
minority to minority
majority to minority
Random effects
Sender variance
Receiver variance
Sender-receiver
covariance
0,3699 (0,085)
-0,26 (0,0987)
0,8179 (0,0527)
0,6479 (0,0419)
-0,436 (0,0417)
0,2694 (0,0305)
0,002 (0,0009)
0,4896 (0,1386)
-0,4867
(0,1826)
3,255 (0,1377)
-3,9186
(0,2674)
1,1701 (0,3098)
0,3658 (0,3792)
Обсуждение
Эффекты гендера на успеваемость и аттитюды в школе всегда легко обнаруживаются
(см. Catsambis, 1994). Тем не менее, наши результаты, основанные на данных TIMSS’07
демонстрируют разницу в представлениях о своих способностях по математике между
девочками и мальчиками в трех исследованных странах из четырех (Норвегия, Швеция и
Чехия), Россия оказывается единственным исключением. Это неожиданный результат, в
большинстве стран исследователи обнаруживают, что уверенность мальчиков в своих
силах в сфере математики значимо выше, чем у девочек.
Эффект гендера на представления о своих возможностях в большинстве стран
оказывается зависящим от домена: «девочки скорее имеют более низкую самооценку и
более негативно оценивают свои физические характеристики и интеллектуальные
способности, чем мальчики» (Kearney-Cooke, 1999; Quatman & Watson, 2001). Обычно
девочки более уверенны в своей грамотности, в то время как мальчики – в своих
способностях в сфере математики и физических упражнений. Данный паттерн также
сохраняется и для выборки одаренных детей (Harter, 1982; Marsh, 1989). Учитывая, что
представление о своих силах зависит от различных социальных стереотипов, включая
«гендерные стереотипы о том, у кого выше математические и вербальные способности»
(Wigfield, Battle, Keller & Eccles, 2002; Nosek et al., 2009), мы можем ожидать, что
гендерные эффекты варьируются по странам и культурам.
9
Для объяснения отсутствия гендерного эффекта в России, можно обратиться к
истории советского образования, где декларировалось равенство полов, но разгадку
можно обнаружить и без подобной отсылки. Другие исследователи также обнаруживали
гендерное равенство в успехах по математике в России в противоположность другим
европейским странам (Bessudnov & Makarov, 2013; Ma, 2008). Вероятно, в российских
школах отсутствует основание для поддержания стереотипов о мужском превосходстве в
сфере математики, т.к. повседневная практика подобный стереотип опровергает. Хотя в
школах с высокими результатами по математике обычно учится больше мальчиков, чем
девочек, в России эти школы крайне селективны и часто принимают учеников в старшие
классы, основываясь на их предшествующих успехах. Таким образом, девочки, которые
там учатся, скорее всего приобрели уверенность в своих силах в сфере математики еще в
младших и средних классах.
Исследование 2, сосредоточенное на изучении влияния контекста на успехи и
аттитюды школьников, позволяет обнаружить сложную связь гендерных и контекстных
эффектов. Результаты показали, что хорошие оценки важны для популярности девочек в
любой школе. Для мальчиков хорошая успеваемость является залогом популярности
только в классах с высоким уровнем академической культуры. В классах с низким
уровнем мотивации хорошие оценки снижают популярность студента.
Всеобщая популярность девочек появляется благодаря тому, что именно они
помогают своим одноклассникам, за что их уважают в классе, а это в свою очередь
приводит к формированию высокого уровня уверенности в своих силах. Для мальчиков
эффекты намного сложнее, они скорее всего связаны с подростковыми представлениями о
маскулинности: в школах с низкой культурой гендерная роль требует от мальчика
неподчинения правилам, и, соответственно, низкой успеваемости. Такие нелинейные и
неочевидные на обобщенном уровне анализа, представленном в Исследовании 1, приводят
к видимому отсутствию связи гендера с уверенностью учащихся в своих силах.
10
СПИСОК ЛИТЕРАТУРЫ
1. Catsambis, S. (1994). The Path to Math: Gender and Racial-Ethnic Differences in
Mathematics Participation from Middle School to High School. Sociology of Education, 67(3),
199. doi:10.2307/2112791
2. Alexander C., Piazza M., Mekos D., Valente T. (2001). Peers, schools, and adolescent
cigarette smoking // Journal of Adolescent Health. V. 29(1). PP. 22–30.
3. Dijkstra J. K., Lindenberg S., Verhulst F. C., Ormel J., Veenstra R. (2009). The Relation
Between Popularity and Aggressive, Destructive, and Norm-Breaking Behaviors: Moderating
Effects of Athletic Abilities, Physical Attractiveness, and Prosociality // Journal of Research on
Adolescence. V. 19(3). PP. 401–413.
4. Legewie J., DiPrete T. A. (2012). School Context and the Gender Gap in Educational
Achievement // American Sociological Review. V. 77(3). PP. 463–485.
5. Bessudnov, A. and Makarov, A. (2013). Gender Differences in Mathematical
Performance and the School Context: Evidence from Russia. Higher School of Economics
Research
Paper
No.
WP
BRP
11/EDU/2013.
Available
at
SSRN:
http://ssrn.com/abstract=2265376 or http://dx.doi.org/10.2139/ssrn.2265376
6. Enders, C. K., & Tofighi, D. (2007). Centering predictor variables in cross-sectional
multilevel models: a new look at an old issue. Psychological methods,12(2), 121.
7. Harter, S. (1982). The Perceived Competence Scale for Children. Child Development,
53(1), 87. doi:10.2307/1129640
8. Hox J.J. (2010). Multilevel Analysis: Techniques and Applications (2nd edition).
Routledge. New York & Hove.
9. Jonkmann K., Trautwein U., Lüdtke O. (2009). Social Dominance in Adolescence: The
Moderating Role of the Classroom Context and Behavioral Heterogeneity // Child Development.
V. 80(2). PP. 338–355.
10.
Kearney-Cooke, A. (1999). Gender differences and self-esteem. The journal of
gender-specific medicine: JGSM: the official journal of the Partnership for Women’s Health at
Columbia, 2(3), 46–52.
11.
Lease A. M., Musgrove K.T., Axelrod J.L. (2002). Dimensions of Social Status in
Preadolescent Peer Groups: Likability, Perceived Popularity, and Social Dominance // Social
Development. V. 11 (4). PP. 508–533.
12.
Ma, X. (2008). Gender differences in mathematics achievement: Evidence from
latest regional and international student assessments. In International Congress on Mathematical
Education (2008), TSG (Vol. 32).
13.
Marsh, H. W. (1989). Age and sex effects in multiple dimensions of self-concept:
Preadolescence to early adulthood. Journal of Educational Psychology, 81(3), 417.
14.
Marsh, Herbert W., Trautwein, U., Ludtke, O., Koller, O., and Baumert, J. (2006).
Integration of Multidimensional Self-Concept and Core Personality Constructs: Construct
Validation and Relations to Well-Being and Achievement. Journal of Personality, 74(2), 403–
456. doi:10.1111/j.1467-6494.2005.00380.x
15.
Nosek, B. A., Smyth, F. L., Sriram, N., Lindner, N. M., Devos, T., Ayala, A., …
Greenwald, A. G. (2009). National differences in gender-science stereotypes predict national sex
differences in science and math achievement. Proceedings of the National Academy of Sciences,
106(26), 10593–10597. doi:10.1073/pnas.0809921106
11
16.
Quatman, T., & Watson, C. M. (2001). Gender differences in adolescent selfesteem: an exploration of domains. The Journal of genetic psychology, 162(1), 93–117.
doi:10.1080/00221320109597883
17.
Read B., Becky F., Skelton C. (2011). Gender, Popularity and Notions of
In/authenticity Amongst 12-year-old to 13-year-old School Girls // British Journal of Sociology
of Education. V. 32 (2). PP. 169–183.
18.
Rutkowski, L., Gonzalez, E., Joncas, M., & von Davier, M. (2010). International
large-scale assessment data issues in secondary analysis and reporting.Educational
Researcher, 39(2), 142-151.
19.
Schwartz D., Gorman A.H., Nakamoto J., McKay T. (2006). Popularity, Social
Acceptance, and Aggression in Adolescent Peer Groups: Links with Academic Performance and
School Attendance // Developmental Psychology. V. 42 (6). PP. 1116–1127.
20.
Wigfield, A., Battle, A., Keller, L.B., and Eccles, J.S. (2002). This is a chapter. In
McGillicuddy-De Lisi, A. and De Lisi, R (Eds.), Biology, society, and behavior: the
development of sex differences in cognition. (pp. 93-127). Westport, Conn: Ablex Pub.
21.
Woltman H., Feldstain J.A., MacKay C., Rocchi M. (2012). An introduction to
hierarchical linear modeling // Tutorials in Quantitative Methods for Psychology. V. 8(1). PP.
52-69.
12