Адаптация и валидизация шкалы киберагрессии и кибервиктимизации (CAV)

Контекст и актуальность. В статье представлены результаты адаптации и валидизации шкалы киберагрессии и кибервиктимизации (CAV) на взрослой выборке в России. Шкала представляет собой инструмент, предназначенный для оценки уровня кибервиктимизации и киберагрессии, и состоит из 24 вопросов. Методы и материалы. В исследовании приняли участие 1020 человек в возрасте от 17 до 35 лет (293 мужчины и 727 женщин). Для проверки конвергентной валидности были использованы переведенные на русский язык методики: Cyberbullying and Online Aggression Survey, Retrospective Bullying Questionnaire, Illions Bully Scale; для проверки критериальной валидности — «Способы совладающего поведения», Трирский опросник. Также фиксировались: пол, оценка времени, проведенного в школе, оценка взаимоотношений в семье, попытки суицида, выраженность симптомов ПТСР (с помощью Retrospective Bullying Questionnaire). Результаты. Эксплораторный и конфирматорный факторный анализ показал, что две субшкалы — киберагрессии и кибервиктимизации — независимы друг от друга. Коэффициент α Кронбаха показал высокую согласованность каждой из двух субшкал на общей выборке (0,847 и 0,839), а также в половых (от 0,807 до 0,861) и возрастных (от 0,817 до 0,852) группах. Внутренняя согласованность опросника подтверждается корреляционными связями между двумя субшкалами. Выводы. Проведенный психометрический анализ шкалы киберагрессии и кибервиктимизации показал критериальную и конвергентную валидность методики, которую можно использовать на русскоязычной выборке. Исследование имеет важное значение для понимания проблемы кибербуллинга и разработки эффективных мер борьбы с ним.

Введение

Кибербуллинг является новой формой буллинга, появившейся вслед за развитием технологий. Он осуществляется с помощью социальных сетей, сотовой связи и мессенджеров (Strabic, Milakovic, 2026) и предполагает намеренные оскорбления и издевательства с использованием современных средств коммуникации на протяжении длительного времени. Часто агрессоры боятся совершать нападки на жертву в реальной жизни из-за угрозы быстрого наказания или пресечения их попыток унизить другого. Поэтому социальные сети или SMS благодаря своей анонимности становятся для них идеальным способом для совершения оскорбительных действий по отношению к своей жертве.

Как и обычный буллинг, травля онлайн связана с дисбалансом сил между жертвой и агрессором, но включает в себя технологический компонент, охватывающий множество способов, через которые может осуществляться травля в онлайн-пространстве: например, путем распространения нежелательной информации, различных слухов; высмеивания или оскорбления; осуждения поступков и внешности (хейтинг); киберсталкинга; поиска личной информации о человеке для распространения ее в Интернете с целью шантажа или мошенничества (доксинг); публикация личной информации человека без его согласия, чтобы унизить его (аутинг); подделка аккаунта (фейкинг).

Потенциальная повторяемость киберзапугивания делает его похожим на традиционную травлю, а технологические средства придают дополнительный уровень сложности поведению при киберзапугивании. Например, жертва может стать мишенью для унизительного видео, которое может быть отправлено одному человеку или большинству случайных пользователей, которые также могут переслать контент другим со злым умыслом или без него (Wolak, Mitchell, Finkelhor, 2007; Ybarra, Mitchell, 2004).

Ключевая особенность кибербуллинга заключается в том, что его сложно прекратить. Жертва постоянно подвергается давлению со стороны нежелательных сообщений, комментариев и публикаций. Воздействие травмирующих факторов зачастую оказывается сильнее, чем при буллинге, так как после него существует возможность дистанцироваться от произошедшего события и избавиться от воспоминаний о нем (Runions et al., 2013), а при кибербуллинге благодаря современным средствам связи, позволяющим поддерживать постоянное существование и доступность информации, любое онлайн-взаимодействие между двумя людьми потенциально может продолжаться бесконечно, без изменений в результате пересказа или эффектов, связанных с особенностями человеческой памяти.

Исследования показывают, что кибербуллинг носит более травматогенный характер и может привести к психологическим и поведенческим проблемам. Перенесенная ранее онлайн-травля коррелирует с развитием у жертв депрессии (Song et al., 2024; Tynes, Rose, Williams, 2010), склонности к суициду (Schonfeld et al., 2023; Bonanno, Hymel, 2013), тревоги (Wang et al., 2024), эмоционального стресса (Molero et al., 2022). Также последствиями кибервиктимизации являются снижение успеваемости в школе, ухудшение отношений с родителями и низкая самооценка (Livazović, Ham, 2019; Hamburger, Basile, Vivolo, 2011).

Для киберагрессоров характерны экстернализирующее поведение (оппозиционно-вызывающее, агрессивное и делинквентное поведение), неспособность к просоциальному поведению, а также низкая учебная успеваемость (Campbell et al., 2013).

Для оценки последствий кибербуллинга необходимо использовать надежные и валидные методики. К сожалению, на данный момент в России нет валидизированных методик, что затрудняет изучение долгосрочных последствий киберагрессии и кибервиктимизации у взрослых. В связи с этим данное исследование является важным как в научном, так и в практическом плане.

Для решения этой проблемы нами было проведено исследование, целью которого стала адаптация и валидизация шкалы киберагрессии и кибервиктимизации — Cyber-aggression and cyber-victimization scale (Shapka, Maghsoudi, 2017). Шкала была разработана в ответ на отсутствие валидных методик для изучения последствий кибербуллинга, т.к. несмотря на то, что подобные шкалы разрабатывались в рамках конкретных исследований, в них не сообщалось об их психометрических свойствах. В обзоре С. Берне с соавторами было отмечено, что менее половины из 44 рассмотренных исследований предоставили информацию о внутренней согласованности вопросов шкал и лишь немногие из них предоставили какую-либо информацию о валидности методики (Berne et al., 2013).

Примечательным и важным качеством CAV является то, что элементы не привязаны к какой-либо конкретной социальной сети или способу общения, что является уникальным в отличие от других валидизированных методик, которые применялись до этого в исследованиях. Таким образом, CAV всесторонне охватывает множество способов, через которые может осуществляться травля в онлайн-пространстве. Это должно обеспечить долговечность методики, поскольку модели поведения останутся актуальными и не устареют, даже если изменится технология.

Материалы и методы

В исследовании приняли участие 1020 человек в возрасте от 17 до 35 лет, из них 293 мужчины и 727 женщин.

Использование опросника Retrospective Bullying Questionnaire (Hamburger, Basile, Vivolo, 2011) позволило нам разделить выборку на группы в зависимости от их роли и степени участия в ситуации буллинга. Это было необходимо для проверки одной из гипотез исследования о том, что уровень кибервиктимизации или киберагрессии у респондента будет детерминирован тем положением, которое он занимал в буллинге.

Контрольную группу составили 73 человека, которые никогда не участвовали и не были свидетелями буллинга/кибербуллинга. 202 человека были «свидетелями» данных ситуаций, 387 — оказались «жертвами» буллинга, 169 — инициировали и проявляли агрессию по отношению к другим, 189 человек вошли в группу людей, который сначала были «жертвами», а потом сами становились буллерами — «агрессорами».

Выборка также была разделена на три возрастные группы. Половозрастной состав выборки представлен в табл. 1.

Таблица 1 / Table 1

Половозрастной состав выборки (N = 1020)

Gender and age composition of the sample (N = 1020)

Методики

В основу исследования была положена шкала киберагрессии и кибервиктимизации (CAV), которая состоит из 24 вопросов, образующих 2 субшкалы: «Кибервиктимизация» и «Киберагрессия». Вопросы основаны на пятибалльной шкале Лайкерта от 0 (никогда) до 4 (постоянно). Порядок пунктов распределен случайным образом.

Перевод методики с английского языка на русский был выполнен двумя независимыми экспертами: психологом, который владеет английским языком, и профессиональным переводчиком. В процессе перевода внимание уделялось сохранению содержания вопроса и его грамматической формы.

Для проверки конвергентной валидности шкалы киберагрессии и кибервиктимизации использовались Cyberbullying and Online Aggression Survey — COAS (Hinduja, Patchin, 2006), Retrospective Bullying Questionnaire — RBQ (M. Shäfer et al.) (Hamburger, Basile, Vivolo, 2011), Illions Bully Scale — IBS (Espelage, Holt, 2001).

Для проверки критериальной валидности использовались методики: «Способы совладающего поведения» (Ways of Coping, WCQ) и Трирский опросник (TRF), позволяющий оценить личностные индикаторы психического здоровья (Becker, 1989).

Среди биографических и других параметров оценивались: пол, оценка времени, проведенного в школе, оценка взаимоотношений в семье, попытки суицида, выраженность симптомов ПТСР (с помощью Retrospective Bullying Questionnaire).

Методы анализа данных

Проверка нормальности распределения всех используемых в исследовании субшкал осуществлялась с помощью критерия Колмогорова–Смирнова. Для проверки адекватности разделения пунктов CAV на две предлагаемые авторами субшкалы использовался эксплораторный факторный анализ. Гипотеза о виде факторной структуры шкалы подтверждалась конфирматорным факторным анализом (КФА). Для оценки согласованности субшкал в группах по полу и возрасту применялся критерий α Кронбаха. Для оценки конвергентной валидности был проведен анализ корреляций (r-Спирмена) между адаптируемой шкалой и альтернативными методиками изучения буллинга и кибербуллинга. Критериальная валидность была проверена с помощью выявления соответствий результатов методики и определенных заранее внешних критериев (копинг-стратегий и личностных индикаторов психического здоровья).

К сожалению, в настоящий момент не существует валидизированных методик для измерения буллинга и кибербуллинга у взрослых в России. В связи с этим невозможно провести оценку конструктивной валидности методики на буллинг, так как отсутствуют надежные инструменты для сравнения результатов.

Обработка данных проводилась с помощью программ статистической обработки данных SPSS-24 и AMOS-20.

Результаты

Репрезентативность выборки обеспечивалась наличием в ней испытуемых разного пола и возраста, с разной позицией в буллинге («жертва», «агрессор», «свидетель», «никогда не принимал участия», «жертва-агрессор»), а также достаточным для стандартизации количеством респондентов.

Факторная структура опросника

На первом этапе анализа мы провели эксплораторный альфа-факторный анализ (ЭФА), чтобы проверить структуру опросника (табл. 2, 3).

Таблица 2 / Table 2

Факторная структура опросника CAV (Повернутая факторная матрица)

Factor model of the CAV questionnaire (Rotated factor matrix)

Примечание: метод выделения факторов: альфа-факторизация; метод вращения: варимакс с нормализацией Кайзера; вращение сошлось за 3 итерации.

Note: factor extraction method: alpha factorization; rotation method: Varimax with Kaiser Normalization; a rotation converged in 3 iterations.

Таблица 3 / Table 3

Объясненная совокупная дисперсия

Cumulative explained variance

Примечание: метод выделения факторов: альфа-факторный анализ.

Note: factoring method in exploratory: factor analysis.

Коэффициент выборочной адекватности КМО составил 0,868, что позволяет считать эти результаты в высокой степени соответствующими исходным данным.

В первый фактор вошли 12 пунктов (шкала «Кибервиктимизация»), во второй — также 12 (шкала «Киберагрессия»).

Факторная структура проверялась с помощью конфирматорного факторного анализа (КФА). Проверка показала, что пункты входят только в свою шкалу и не входят в другую, т.е. шкалы независимы друг от друга (табл. 4).

Таблица 4 / Table 4

Результаты конфирматорного факторного анализа

The results of the confirmatory factor analysis (CFA)

Примечание: χ2 — критерий хи-квадрат; df — количество степеней свободы; RMSEA — среднеквадратичная ошибка приближения; CFI — сравнительный индекс согласия; GFI — критерий согласия; PCLOSE — индекс близости модели исходным данным.

Notе: χ2 — Chi-square test; df — Degrees of freedom; RMSEA — Root Mean Square Error of Approximation; CFI — Comparative Fit Index; GFI — Goodness of Fit Index; PCLOSE — Index of the Proximity of the Model to the Source Data.

Согласованность вопросов шкал

На следующем этапе мы проверили согласованность вопросов внутри выделенных шкал. В табл. 5 представлены результаты согласованности вопросов шкал в группах по полу и возрасту.

Таблица 5 / Table 5

Согласованность вопросов шкал CAV в общей выборке и в половозрастных группах

Consistency of CAV scale questions in the general sample and in age and gender groups

Примечание: возрастные группы: 1 — 17–20 лет; 2 — 21–25 лет; 3 — 26 лет и старше.

Note: Age groups: 1 — 17–20 years old; 2 — 21–25 years old; 3 — 26 years old and older.

Для проверки устойчивости шкал был проведен подсчет коэффициента α Кронбаха в подвыборках в зависимости от их участия в буллинге (табл. 6).

Таблица 6 / Table 6

Согласованность вопросов шкал CAV в общей выборке и в половозрастных группах

Consistency of CAV scale issues depending on their participation in cyberbullying

Во всех рассмотренных группах коэффициент α Кронбаха был достаточно высоким. Исключение любого пункта снижало согласованность как отдельных шкал, так и общего показателя.

Корреляционный анализ показал внутреннюю согласованность опросника: коэффициент корреляции между шкалами кибервиктимизации и киберагрессии составил r = -0,423 (p < 0,01).

Дискриминативность пунктов определялась путем вычисления коэффициента их корреляции с итоговым баллом соответствующей шкалы (табл. 7, 8). Все коэффициенты были высоко значимыми. Тесные связи всех вопросов внутри шкал показали их высокую интегрированность.

Таблица 7 / Table 7

Значения коэффициентов корреляции Спирмена между вопросами шкалы «Кибервиктимизация»

Spearman's correlation coefficient ranges from Cyber-victimization scale

Примечание: «**» — корреляция значима на уровне 0,01 (двусторонняя).

Note: «**» — correlation is significant at the 0,01 level (two-sided).

Таблица 8 / Table 8

Значения коэффициентов корреляции Спирмена между вопросами шкалы «Киберагрессия»

Spearman's correlation coefficient ranges from Cyber-agression scale

Примечание: «**» — корреляция значима на уровне 0,01 (двусторонняя).

Note: «**» — correlation is significant at the 0,01 level (two-sided).

На основании результатов корреляционного анализа можно выделить следующие закономерности (табл. 9).

Чем сильнее у респондентов была выражена кибервиктимизация, тем негативнее ими оценивалось время, проведенное в школе, и отношения в семье, тем чаще они задумывались о том, чтобы причинить себе боль или покончить с собой, и тем сильнее у них были выражены симптомы ПТСР. Шкала кибервиктимизации CAV положительно коррелировала со шкалой кибервиктимизации COAS, а также со шкалами виктимизации других опросников (RBQ и IBS), и отрицательно — со шкалой киберагрессии (COAS) и со шкалами агрессии RBQ и  IBS.

«Кибервиктимизированные» лица чаще использовали такие копинг-стратегии, как «Дистанционирование», «Поиск социальной поддержки», «Принятие ответственности», «Бегство-избегание». Они обладали хорошим поведенческим контролем, худшим психическим здоровьем и зависимостью.

Чем сильнее была выражена киберагрессия, тем негативнее оценивались испытуемыми семейные отношения в отличие от времени, проведенного в школе, и тем меньше были выражены симптомы ПТСР. Высокий уровень киберагрессии был больше свойственен юношам. Также шкала «Киберагрессия» CAV положительно коррелировала со шкалой киберагрессии COAS, шкалами агрессии других опросников (RBQ и IBS) и отрицательно — со шкалой кибервиктимизации (COAS) и шкалами виктимизации других опросников (RBQ и IBS).

Киберагрессоры чаще использовали конфронтативный копинг при несформированных копинг-стратегиях «Дистанционирование» и «Самоконтроль». Также киберагрессорам был свойственен плохой поведенческий контроль, эгоцентризм и выраженная экспансивность (склонность к доминированию).

Таблица 9 / Table 9

Результаты проверки конвергентной и критериальной валидности CAV

Results of the convergent validity and criterion-related validity CAV

Примечание: «*» — корреляция значима на уровне 0,01 (двусторонняя); «**» — корреляция значима на уровне 0,001 (двусторонняя).

Note: «*» — correlation is significant at the 0.01 level (two-sided); «**» — correlation is significant at the 0.001 level (two-sided).

Данные корреляционного анализа подтверждаются результатами регрессионного анализа (табл. 10), который призван ответить на вопрос: какие факторы личности и совладающего поведения способствуют формированию кибервиктимизации и киберагрессии?

Таблица 10 / Table 10

Предикторы кибервиктимизации и киберагрессии

Predictors of both cyber-victimization and cyber-aggression

Предикторами кибервиктимизации стало отсутствие проявления киберагрессии и физической агрессии, а также негативная оценка времени, проведенного в школе, и семейных отношений при наличии мыслей о суициде и выраженности симптомов ПТСР.

Личностными предикторами кибервиктимизации стали такие качества, как зависимость, плохой поведенческий контроль и неспособность к проявлению любви, а также востребованность копинг-стратегии бегства-избегания.

Предикторами киберагрессии стали проявление вербальной агрессии при отсутствии виктимизации и кибервиктимизации, а также положительная оценка времени, проведенного в школе, негативная оценка семейных отношений и отсутствие попыток суицида.

Личностными предикторами киберагрессии стали такие качества личности, как эгоцентризм, экспансивность или склонность к доминированию.

Таким образом, результаты регрессионного анализа показывают специфику особенностей личности и копинг-стиля характерного для «жертв» кибербуллинга и «киберагрессоров», что позволяет ответить на поставленный нами ранее вопрос, почему кто-то становится «кибержертвой», а кто-то, наоборот, проявляет насилие по отношению другим.

Обсуждение результатов

Шкала киберагрессии и кибервиктимизации (CAV) является психометрическим инструментом для оценки последствий кибербуллинга.

Шкала обладает хорошей надежностью и валидностью, продемонстрировала хорошую внутреннюю согласованность с высоким уровнем соответствия между пунктами, измеряющими один и тот же конструкт. Также CAV продемонстрировала хорошую конструктную валидность, о чем свидетельствует ее способность различать разные типы поведения в кибербуллинге и прогнозировать связанные с ним последствия, такие как симптомы ПТСР и плохое психическое здоровье.

Изначально шкала создавалась для выявления краткосрочных реакций на ситуации кибербуллинга среди подростков 11–18 лет, но данные, полученные нами в ходе исследования, показали, что она работает и в ретроспективе — для оценки долгосрочных последствий. Это свидетельствует о том, что она может быть использована для измерения уровня кибервиктимизации и киберагрессии у различных возрастных групп.

Полученные данные согласуются с результатами зарубежного исследования (Shapka, Maghsoudi, 2017). Методика, адаптированная в рамках данного исследования, позволяет оценить последствия кибербуллинга у взрослых людей. Дальнейшие исследования в этой области могут быть направлены на изучение факторов, способствующих возникновению кибербуллинга, а также на разработку более эффективных методов его профилактики и преодоления последствий.

Выводы

1. Эксплораторный и конфирматорный факторные анализы выявили два независимых фактора, представляющих собой две независимые шкалы — «Кибервиктимизация» и «Киберагрессия», которые повторили исходные шкалы оригинальной версии опросника.
2. Конфирматорный анализ подтвердил, что двухфакторная структура полностью соответствует эмпирическим данным, на которых построена модель.
3. Для проверки согласованности шкал использовался коэффициент Кронбаха, продемонстрировавший высокую согласованность каждой шкалы (α Кронбаха 0,847 и 0,839).
4. Психометрический анализ адаптации показал критериальную и конвергентную валидность методики, которую можно использовать на русскоязычной выборке.

1. Becker, B. (1989). Trier personality questionnaire TRF. Hogrefe.
2. Berne, S., Frisen, A., Schultze-Krumbholz, A., Scheithauer, H., Naruskov, K., Luik, P., Zukauskiene, R. (2013). Cyberbullying assessment instruments: A systematic review. Aggression and Violent Behavior, 18(2), 320—334. http://dx.doi.org/10.1016/j.avb.2012.11.022
3. Bonanno, R.A., Hymel, S. (2013). Cyber bullying and internalizing difficulties: Above and beyond the impact of traditional forms of bullying. Journal of Youth and Adolescence, 42, 685—697. http://dx.doi.org/10.1007/s10964-013-9937-1
4. Campbell, M.A., Slee, P.T., Spears, B., Butler, D., Kift, S. (2013). Do cyberbullies suffer too? Cyberbullies' perceptions of the harm they cause to others and to their own mental health. School Psychology International, 34(6), 613—629. http://dx.doi.org/10.1177/0143034313479698
5. Espelage, D.L., Holt, M.K. (2001). Bullying and victimization during early adolescence: Peer influences and psychosocial correlates. Journal of Emotional Abuse, 2(2-3), 123—142. https://doi.org/10.1300/J135v02n02_08
6. Hamburger, M.E., Basile, K.C., Vivolo, A.M. (2011). Measuring Bullying Victimization, Perpetration, and Bystander Experiences: A Compendium of Assessment Tools. Atlanta: Centers for Disease Control and Prevention, National Center for Injury Prevention and Control.
7. Klein, M., Sosu, E. (2024). School absences, academic achievement, and adolescents’ post-school destinations. Oxford Review of Education, 51(3), 339—356. https://doi.org/10.1080/03054985.2024.2308520
8. Livazović, G., Ham, E. (2019). Cyberbullying and emotional distress in adolescents: the importance of family, peers and school. Heliyon, 5(6), e01992. https://doi.org/10.1016/j.heliyon.2019.e01992
9. Molero, M.M., Martos, Á., Barragán, A.B., Pérez-Fuentes, M.C., Gázquez, J.J. (2022). Anxiety and depression from cybervictimization in adolescents: A meta-analysis and meta-regression study. The European Journal of Psychology Applied to Legal Context, 14(1), 42—50. https://doi.org/10.5093/ejpalc2022a5
10. Patchin J., Hinduja S. (2006). Bullies move beyond the schoolyard: a preliminary look at cyberbullying. Youth Violence & Juvenile Justice, 4(2), 148–169. https://doi.org/10.1177/1541204006286288
11. Runions, K., Shapka, J.D., Dooley, J., Modecki, K. (2013). Cyber-aggression and victimization and social information processing: Integrating the medium and the message. Psychology of Violence, 3(1), 9—26. https://doi.org/10.1037/a0030511
12. Schonfeld, A., McNiel, D., Toyoshima, T., Binder, R. (2023). Cyberbullying and adolescent suicide. Journal of the American Academy of Psychiatry and the Law, 51(1), 112—119. https://doi.org/10.29158/JAAPL.220078-22
13. Shapka, J.D., Maghsoudi, R. (2017). Examining the validity and reliability of the cyber-aggression and cyber-victimization scale. Computers in Human Behavior, 69, 10—17. https://doi.org/10.1016/j.chb.2016.12.015
14. Song, K., Zhou, F.J., Niu, G.F., Fan, C.Y., Zhou, Z.K. (2024). The association between cyberbullying victimization and depression among children: A moderated mediation model. Behavioral Science (Basel), 14(5), 414. https://doi.org/10.3390/bs14050414
15. Srinath, A.S., Johnson, H., Dagher, G.G., Long, M. (2021). BullyNet: Unmasking cyberbullies on social networks. IEEE Transactions on Computational Social Systems, 8(2), 332—344. https://doi.org/10.1109/TCSS.2021.3049232
16. Strabic, N., Milakovic, A.T. (2016). Cyberbullying among children and its comparison to traditional forms of peer violence. Criminology & Social Integration Journal, 24(2), 184—201. https://doi.org/10.31299/ksi.24.2.9
17. Tynes, B., Rose, A., Williams, D. (2010). The development and validation of the Online Victimization Scale for adolescents. Cyberpsychology: Journal of Psychosocial Research on Cyberspace, 4(2), art. 2. URL: https://cyberpsychology.eu/article/view/4237 (viewed: 28.11.2025).
18. Wang, Z., Cheng, L., Xie, Z., Jiang, C. (2024). Cyberbullying victimization and perpetration: The influence on cyberostracism and youth anxiety. Behavioral Sciences & The Law, 42(4), 461—473. https://doi.org/10.1002/bsl.2675
19. Wolak, J., Mitchell, K.J., Finkelhor, D. (2007). Does online harassment constitute bullying? An exploration of online harassment by known peers and online-only contacts. Journal of Adolescents Health, 41(6), S51—S58. https://doi.org/10.1016/j.jadohealth.2007.08.019
20. Ybarra, M.L., Mitchell, K.J. (2004). Online aggressor/targets, aggressors, and targets: A comparison of associated youth characteristics. The Journal of Child Psychology and Psychiatry, 45(7), 1308—1316. https://doi.org/10.1111/j.1469-7610.2004.00328.x