De rol van de binding met school in de verklaring van offline en online deviant gedrag van adolescenten in Nederland: Verschillen tussen stedelijke en plattelandsgebieden?
Master Scriptie Forensische Orthopedagogiek Graduate School of Child Development and Education Universiteit van Amsterdam Janine Hofman, 11986328 Begeleider: Dr. I.B. Wissink Tweede beoordelaar: prof. dr. G.J.J.M. Stams Amsterdam, juli 2019 Aantal woorden: 8285
Abstract
In this study, using an online self-report questionnaire, it was investigated whether the level of urbanity of the place of residence and the connection with school (attachment, challenge and cognitive engagement) were associated with both offline and online deviant behavior. The respondents (N = 404, Mage = 14.04) completed a questionnaire about their place of residence, their connection with school (based on Rakt et al., 2005 and the Student Engagement
Instrument; SEI), the degree of offline- (Vragenlijst Deviant Gedrag; VDG) and online deviant behavior (Monitor Zelfrapportage Jeugdcriminaliteit; MZJ ) they had shown in the past 12 months. The results of multiple regression analyses, an independent t-test and a Pearson Correlation test showed that age, attachment to- and challenge in school were explaining variables for both offline and online deviant behavior. Education level turned out to be an explaining factor only for online deviant behavior. However, overall, the studied variables seemed to play quite comparable roles in the explanation of offline and online deviant behavior.
Keywords: deviant behavior, adolescents, connection with school, residence, risk factors.
De rol van de binding met school in de verklaring van offline en online deviant gedrag van adolescenten in Nederland: Verschillen tussen stedelijke en plattelandsgebieden?
De laatste jaren is er sprake van een opmerkelijke daling in de jeugdcriminaliteit. Als mogelijke oorzaak hiervoor wordt de ontwikkeling op het terrein van computers, internet en media genoemd (Weerman, 2017). De opkomst van social media en computergames heeft er naar alle waarschijnlijkheid toe geleid dat jongeren minder tijd zijn gaan doorbrengen met het rondhangen op straat. Het is mogelijk dat hierdoor de traditionele criminaliteit is afgenomen. Echter heeft deze ontwikkeling mogelijk ook voor een nieuw type criminaliteit gezorgd, namelijk cybercrime. Onder cybercrime worden misdrijven verstaan waarbij gebruik wordt gemaakt van computers of netwerken. Met deze definitie valt cybercrime onder online deviant gedrag. In huidig onderzoek wordt deviant gedrag gedefinieerd als gedrag dat afwijkt van de wet of sociale normen (Snyder, 2001). Binnen dat gedrag wordt onderscheid gemaakt tussen online en offline gedrag. Bij online gedrag wordt gebruik gemaakt van computers of
netwerken. Offline gedrag kan gezien worden als traditioneel gedrag waar geen computer of netwerk bij betrokken is. Online deviant gedrag beslaat een breed scala van gedragingen en criminaliteit zoals: misleiding, e-fraude, cyberpesten, sexting en grooming (Kerstens & Stol, 2012). Online deviant gedrag komt steeds meer voor in onze samenleving (Holt, & Bossler, 2014). In 2012 is in een bevolkingsonderzoek een slachtofferpercentage gevonden van bijna vijf procent voor hacken (CBS, 2016). Met dit percentage lijkt hacken al iets vaker voor te komen in Nederland dan bijvoorbeeld een fietsendiefstal, hiervan was volgens de cijfers van het CBS in 2016 namelijk vier procent slachtoffer.
In hoeverre adolescenten die online deviant gedrag vertonen een nieuwe dadergroep vormen en andere kenmerken hebben dan adolescenten die (eerder) offline deviant gedrag vertonen is nog onduidelijk. Diverse omgevings- en persoonlijke factoren kunnen een rol spelen in het ontstaan van deviant gedrag (Zaagsma, De Graaf, & Kloppenbrug, 2013). Het is
de vraag of deze factoren een gelijkwaardige rol spelen bij zowel offline als online deviant gedrag. Huidig onderzoek richt zich op de mate van stedelijkheid van een woonplaats en de binding met school als risicofactoren voor deviant gedrag.
Om de mate van stedelijkheid van de woonplaats van de adolescenten die deelnemen aan het onderzoek in te kunnen delen is gebruik gemaakt van de indeling naar stedelijkheid van het CBS (Den Dulk, Stadt, & Vliegen, 1992; zie methode voor meer informatie). Aan de hand van deze methode wordt onderscheid gemaakt in klassen van stedelijkheid gebaseerd op de gemiddelde omgevings- adressendichtheid.
De binding met school omvat een aantal dimensies. In huidig onderzoek zal gekeken worden naar de gehechtheid aan school, de ervaren uitdaging op school en de cognitieve betrokkenheid bij school als indicatoren van de binding met school. Uit eerder onderzoek is gebleken dat plezier op school en een positieve evaluatie van leeractiviteiten (aspecten van de gehechtheid, uitdaging en cognitieve betrokkenheid op school) negatief samenhangen met delinquentie bij adolescenten (Weijters, Vinke, Van der Logt, & Gerris, 2004). Daarnaast bleek een gebrekkige schoolbetrokkenheid in eerder onderzoek een voorspellende factor van vroegtijdig schoolverlaten (Janosz, Archambault, Morizot, & Pagani, 2008). Als de
adolescent investeert in het onderwijs kan er een goede binding ontstaan met school die vervolgens de kans op delinquentie lijkt te verkleinen. De gehechtheid aan school verwijst naar een gevoel van verbondenheid met school en een comfortabel gevoel op school (Liljeberg, Eklund, Fritz, & Klinteberg, 2011). De ervaren uitdaging op school wordt in huidig onderzoek gedefinieerd als een status waarin de leerling intrinsiek gemotiveerd is, het niveau van de taak gelijk of net boven het niveau van de leerling is, en een leerling een gevoel heeft dat hij of zij iets kan en dus competent is (Nakamura & Csikszentmihalyi, 2002; Pekrun, 2006). Cognitieve betrokkenheid verwijst in huidig onderzoek naar de persoonlijke
naar goede cijfers (Liljeberg, Eklund, Fritz, & Klinteberg, 2011). De eerste onderzoeksvraag betreft de vraag in hoeverre de mate van deviant gedrag (waarbij onderscheid wordt gemaakt tussen offline- en online deviant gedrag) bepaald wordt door de mate van stedelijkheid van de woonplaats van de adolescenten. De tweede onderzoeksvraag betreft de vraag in hoeverre deviant gedrag (off- en online) wordt verklaard door de binding die leerlingen hebben met school (gehechtheid, uitdaging en cognitieve betrokkenheid). In de analyses zal gecontroleerd worden voor sekse- en opleidingsverschillen en interacties tussen de variabelen zullen ook getoetst worden.
Mate van stedelijkheid van woonplaatsen als risicofactor
De mate van stedelijkheid van een woonplaats kan een rol spelen in de verklaring van deviant gedrag onder adolescenten. De woonplaats is een belangrijke omgeving die invloed heeft op de ontwikkeling van de sociale identiteit van een persoon en zijn of haar kansen in het leven (Forrest, & Kearns, 2001). Het kan zijn dat adolescenten in de minder stedelijke gebieden juist meer met off- en online deviant gedrag bezig zijn, omdat er minder
alternatieven zijn voor normatieve vrijetijdbesteding dan in zeer stedelijke gebieden. Mogelijk richten adolescenten in minder stedelijke gebieden zich (door een minder groot aanbod van activiteiten) ook nog wel sterker op de online wereld, met grotere risico’s op online deviant gedrag tot gevolg.
Divers onderzoek, dat is uitgevoerd in Amerika, heeft echter aangetoond dat er een hogere rapportage van offline deviant gedag is in steden, en er is gekeken naar kenmerken die deze verschillen in offline deviant gedrag tussen steden kunnen verklaren (De Coster, Heimer, & Wittrock 2006; Elliott et al., 1996; Haynie, Silver, & Teasdale, 2006; Peeples & Loeber, 1994; Simons, Gordon Simons, Burt, Brody, & Cutrona, 2005; Van Horn, Hawkins, Arthur, & Catalano, 2007). Uit deze literatuur kan geconcludeerd worden dat drie aspecten van
stedelijkheid een verklaring kunnen bieden voor een hogere rapportage van offline deviant gedrag in steden (Burgers, 2001). Ten eerste wordt gewezen op de openbare sfeer die heerst in steden. Steden worden vaak gekenmerkt als een plek waar veel onbekende mensen
aanwezig zijn. Door het grote aantal mensen zijn er meer mogelijkheden om deviant gedrag te vertonen en vervolgens te verdwijnen in de anonimiteit van de medemens. Als tweede zijn in steden vaak grote groepen mensen aanwezig die dezelfde interesse, smaak of leefstijl hebben (Burgers). Dit maakt dat een draagvlak en markt ontstaat voor allerlei gedragingen en
daarmee ook voor deviant gedrag. Het derde aspect benadrukt dat in steden veelal buurten en wijken zijn waar veel mensen wonen die in economische achterstandssituaties verkeren (Burgers). In deze buurten en wijken is de geregistreerde criminaliteit vaak hoger dan op andere plaatsen. Volgens de General Strain Theory van Agnew (1992) komt dit door sociale ongelijkheid. Sociale ongelijkheid zorgt ervoor dat mensen niet via reguliere wegen succes kunnen bereiken en daardoor hun succes zoeken in de criminaliteit. Deze resultaten
suggereren dat het offline deviante gedrag van adolescenten hoger zal zijn in de stedelijke (versus de minder stedelijke) gebieden. Het is echter onbekend of dit ook zal gelden voor online deviant gedrag. Huidige studie zal hier meer duidelijkheid over geven.
Naast de drie aspecten van stedelijkheid en de General Strain Theory is er een
belangrijke theoretische benadering die de verschillen in criminaliteit tussen steden beoogt te verklaren. Deze theoretische benadering is het sociale controleperspectief. Dit perspectief is afgeleid van de sociale desorganisatietheorie die is ontwikkeld door Shaw en McKay (1969). Deze benadering stelt dat een gebrek aan sociale integratie in gemeenschappen de informele sociale controle op deze gebieden vermindert, wat op haar beurt de criminaliteitscijfers in deze gemeenschappen verhoogt. In huidig onderzoek wordt uitgegaan van het sociale
controleperspectief. Wanneer gekeken wordt naar deze theorie, wordt verwacht dat in de meer stedelijke gebieden (met minder sociale integratie) meer off- en online deviant gedrag wordt
vertoond ten opzichte van de minder stedelijke gebieden. Online deviant gedrag kent echter een anoniem karakter. Om die reden is het mogelijk dat de sociale controle een minder grote rol speelt bij online deviant gedrag. Mogelijk is er dan ook sprake van een minder groot verschil in online deviant gedrag tussen adolescenten in steden, dorpen en kleinere steden (vergeleken met offline deviant gedrag). Daarnaast was het mogelijk dat adolescenten woonachtig in steden minder off- en online deviant gedrag zouden vertonen ten opzichte van adolescenten woonachtig in minder stedelijke gebieden. Het is uiteraard ook mogelijk dat er geen verschil te zien is in off- en online deviant gedrag tussen steden, dorpen en kleinere steden. Tevens was het mogelijk dat er geen significant verschil te zien zou zijn in de sterkte van de verbanden tussen bijvoorbeeld de band met school en het off- en online gedrag voor adolescenten woonachtig in steden en adolescenten die daarbuiten woonden. Het kon ook nog zo zijn dat school-factoren een minder sterk verband zouden hebben met het deviante gedrag van adolescenten in zeer stedelijke gebieden, omdat adolescenten daar meer alternatieven tot hun beschikking hebben, naast school (voor hun tijdsbesteding).
De binding met school als risicofactor voor deviant gedrag
School is een belangrijke plek voor adolescenten aangezien ze daar een groot deel van hun tijd doorbrengen. Bij adolescenten neemt de invloed van ouders op het gedrag van hun kind af en neemt de invloed van school en vrienden op het gedrag toe (e.g. Thornberry,1987). Eerder onderzoek naar de directe relatie tussen de binding met school (d.w.z. de band die een student heeft met zijn school, het schoolpersoneel en de academische idealen die de school heeft aangenomen) en deviant gedrag, gemeten door middel van vragenlijsten, toonde aan dat de binding met school samenhangt met de mate van deviant gedrag van adolescenten (Bui, 2009; Felson & Staff, 2006; Liska & Mark, 1985; Payne, 2008; Payne & Gottfredson, 2003; van de Rakt et al., 2005; Thornberry, Lizotte, Krohn, Farnworth, & Joon Jang, 1991). Meer
specifiek bleek in eerder onderzoek een geringe hechting van de adolescent aan school (d.w.z. in mindere mate een gevoel van verbondenheid en in mindere mate een comfortabel gevoel op school) een risicofactor te zijn voor probleemgedrag zoals spijbelen, weglopen,
middelengebruik en het plegen van delicten (Brown, Killian, & Evans 2003; Gavazzi, Yarcheck, Sullivan, Jones, &Khurana, 2008; Schwalbe, Frases, Day, & Cooley, 2006; Weerman & Van der Laan, 2006). Liljeberg et al. (2011) hebben gekeken naar verschillende aspecten van schoolbinding: de gehechtheid aan docenten, de gehechtheid aan school, de toewijding aan school en de mate van uitdaging. Deze aspecten werden gemeten door middel van een vragenlijst. Uit dit longitudinale onderzoek is gebleken dat al deze aspecten de mate van deviant gedrag in de loop van de tijd voorspelden. Daarnaast hebben zij gekeken naar de invloed van deviant gedrag op de binding met school. Deviant gedrag blijkt tevens van invloed op de binding met school. De relatie tussen deviant gedrag en schoolbinding betreft dus een bidirectionele relatie. De longitudinale studie van Catalano, Haggerty, Oesterle, Fleming en Hawkins (2004) laat tevens zien dat een sterke binding met school geassocieerd was met minder middelengebruik, criminele betrokkenheid en schooluitval op latere leeftijd. Een ander longitudinaal onderzoek toonde echter aan dat slechte schoolbetrokkenheid geen significante voorspeller was van deviant gedrag (Longshore, Chang, & Messina, 2005).In dit onderzoek is niet onderzocht of deviant gedrag een significante voorspeller was van
schoolbetrokkenheid.Desalniettemin lijken over het geheel genomen de meeste onderzoeken het verwachte verband tussen de binding met school en deviant gedrag te ondersteunen.
Hirschi’s sociale-controletheorie stelt dat wanneer een persoon een sterke binding heeft met de maatschappij, deze persoon weerhouden wordt om de wet te overtreden (Hirschi, 1969). Echter wanneer de binding met de maatschappij verzwakt of verbroken is, vertonen zij sneller crimineel gedrag. Hirschi onderscheidt in zijn theorie vier elementen waar de band met de maatschappij uit bestaat. Voor dit onderzoek zijn twee van die elementen van belang. Ten
eerste het hebben van emotionele gehechtheid aan andere personen en de mogelijke afkeuring van deze personen kan iemand tegen houden om de wet te overtreden. Ten tweede wordt de investering in een schoolopleiding en goede baan genoemd. Mensen kunnen deze investering op het spel zetten door deviant gedrag te vertonen. De investering in een schoolopleiding en een goede baan weerhoudt mensen dus van deviant gedrag. Wanneer gekeken wordt naar deze theorie en het eerder besproken onderzoek, wordt verwacht dat adolescenten die een sterke binding hebben met school (gehechtheid aan school, voldoende uitdaging op school en cognitieve betrokkenheid) minder deviant gedrag vertonen. Het is echter nog onbekend of dit ook zal gelden voor online deviant gedrag, en om die reden richt huidige studie zich zowel op het verband tussen de binding met school en offline deviant gedrag als op het verband tussen de binding met school en online deviant gedrag.
Voorgaand beschreven studies hebben veel informatie opgeleverd over het verband tussen de mate van stedelijkheid van een woonplaats en offline deviant gedrag en het verband tussen de binding met school en offline deviant gedrag. Ondanks deze studies, zijn er weinig recente onderzoeken te vinden. Daarnaast is in Nederland nog maar weinig onderzoek gedaan naar de rol van stedelijkheid in de verklaring van offline deviant gedrag. Ook is er nog zeer weinig bekend over de verklaring van online deviant gedrag, en in hoeverre diverse
verklarende factoren een gelijkwaardige rol spelen voor de verklaring van zowel offline als online deviant gedrag. Het is dus van belang om te kijken naar zowel offline- als online deviant gedrag, omdat er mogelijk verschillen zijn voor de twee typen deviant gedrag in de verklarende waarde van de risicofactoren (in dit geval: binding met school en mate van stedelijkheid). Wanneer dit het geval is, zijn er specifieke interventies nodig voor beide typen gedragingen. Deze specifieke interventies dienen speciaal gericht te zijn op de werkzame protectieve- en/of risicofactoren die mogelijk verschillen tussen offline- en online deviant gedrag. Hierbij valt te denken aan het betrekken van computers of netwerken bij interventies
voor online deviant gedrag om het internetgedrag van de jongere positief te beïnvloeden. Om effectieve interventies in te kunnen zetten is het van belang dat er voldoende
wetenschappelijk onderzoek gedaan wordt naar de risicofactoren voor zowel offline als online deviant gedrag. Om meer inzicht te krijgen in de risicofactoren voor zowel offline als online deviant gedrag, richt huidig onderzoek zich op de volgende vraagstellingen. De eerste onderzoeksvraag van huidig onderzoek betreft de vraag in hoeverre de mate van deviant gedrag (off- en online) bepaald wordt door de mate van stedelijkheid van de woonplaats van de adolescenten. De tweede onderzoeksvraag betreft de vraag in hoeverre deviant gedrag (off- en online) wordt verklaard door de band die leerlingen hebben met school (gehechtheid, uitdaging en cognitieve betrokkenheid). Aan de hand van de eerder besproken literatuur is er geen duidelijke verwachting met betrekking tot de verklarende rol van de woonplaats (stad versus buitenstedelijk) van de adolescent. Omtrent de voorspellende waarde van de
schoolbindingvariabelen wordt verwacht dat adolescenten die een sterke binding hebben met school (gehechtheid aan school, cognitieve betrokkenheid aan school en uitdaging op school) minder off- en online deviant gedrag vertonen.
Methode Steekproef
In totaal zijn 38 scholen benaderd voor deelname aan het onderzoek. Verschillende middelbare scholen in verschillende plaatsen door heel Nederland en met alle niveaus (i.e. VMBO, HAVO, VWO en Gymnasium) zijn benaderd voor medewerking. Uiteindelijk hebben twee scholen meegewerkt waar in totaal 438 adolescenten de vragenlijst hebben ingevuld. De uiteindelijke steekproef bestond uit 404 respondenten (N = 404) adolescenten die de vragenlijst volledig hadden ingevuld (M = 14.04, SD = .90). De adolescenten in de onderzoeksgroep waren in de leeftijd van 12 tot 17 jaar. De steekproef bestond uit 208
jongens (51.5%) en 196 meisjes (48.5%). 183 adolescenten (46.2%) werden praktisch opgeleid, de rest theoretisch. Het merendeel van de steekproef woonde in een dorp of op het platteland (Stad = 0.3%, Kleine stad = 12.1%, Dorp = 76.0%, Platteland = 11.1%)
Procedure
Alle adolescenten uit de steekproef zijn via hun school benaderd voor deelname aan het onderzoek. Tijdens een lesuur op school is de vragenlijst ingevuld door de adolescenten. De gemiddelde duur van het invullen van de vragenlijst was 45 minuten. Het invullen van de vragenlijst heeft online plaatsgevonden. De adolescenten kregen een link waarmee ze naar de vragenlijst werden gestuurd. Voorafgaand aan de afname is een korte instructie gegeven aan de deelnemers. Tijdens de instructie is benoemd dat deelname geheel vrijwillig en verwerking anoniem was en dat de deelnemers hun deelname aan het onderzoek op elk moment konden terugtrekken. Daarnaast is benoemd dat er geen goede of foute antwoorden waren, maar dat het wel belangrijk was dat de vragenlijst naar waarheid werd ingevuld. Tijdens de afname was er een docent of een onderzoeker aanwezig om eventuele vragen te beantwoorden.
Voorafgaand aan het invullen van de vragenlijst hebben alle respondenten een
formulier ondertekend, waarmee zij (na alle informatie te hebben gelezen) actief toestemming voor deelname gaven. Op deze manier hebben de respondenten toestemming gegeven voor hun deelname. Voor de respondenten onder de 16 jaar is er, in samenwerking met de scholen, voorafgaand aan het onderzoek toestemming gevraagd aan de ouders door middel van een passieve informed consent procedure. Hiertoe is de informatiebrief over het onderzoek minimaal twee weken voorafgaand aan de afnames door de scholen via de mail aan de ouders verzonden. Huidig onderzoek is goedgekeurd door de Commissie Ethiek van de Faculteit der Maatschappij- en Gedragswetenschappen van de Universiteit van Amsterdam (nummer: 2019-CDE-10109).
Instrumentarium
De volgende demografische gegevens zijn gemeten: sekse (jongen, meisje, of anders), leeftijd, opleidingsniveau (vmbo- basis beroepsgerichte leerweg, vmbo- kader beroepsgerichte leerweg, vmbo- gemengde leerweg, vmbo- theoretische leerweg, havo, vwo, gymnasium of anders) en de mate van stedelijkheid van de woonplaats (grote stad, stad, kleine stad, dorp en platteland). In huidig onderzoek had een grote stad meer dan 2500 adressen per km², een stad 1500 tot 2500 adressen per km², een kleine stad 1000 tot 1500 adressen per km², een dorp 500 tot 1000 adressen per km² en het platteland minder dan 500 adressen per km².
Offline deviant gedrag
Om offline deviant gedrag te meten is gebruik gemaakt van de ‘Vragenlijst Deviant Gedrag’ (VDG). Deze vragenlijst meet met 14 items in welke mate er de afgelopen 12
maanden sprake is geweest van offline deviant gedrag (Meeus, Deković, & Noom, 1996). Een voorbeelditem is: ‘Geef aan of je de afgelopen 12 maanden= dronken bent geweest’. Er kon antwoord worden gegeven op een 5-punts Likertschaal (1 = Nooit, 2 = Heel soms, 3 = Regelmatig, 4 = Vaak, 5 = Heel vaak). In huidig onderzoek had de schaal VDG een goede betrouwbaarheid (α = .86).
Online deviant gedrag
Om online deviant gedrag te meten is gebruik gemaakt van een aangepaste versie van de ‘Monitor Zelfrapportage Jeugdcriminaliteit’ (MZJ) (Rokven, Weijters, & van der Laan, 2017). De vragenlijst bestond uit 11 items. Een voorbeelditem is: ‘Geef aan of je de afgelopen 12 maanden jezelf hebt voorgedaan als iemand anders op internet’. Er kon antwoord worden gegeven op een 5-punts Likertschaal (1 = Nooit, 2 = Heel soms, 3 = Regelmatig, 4 = Vaak, 5 = Heel vaak). Aan deze subschaal zijn nog twee items toegevoegd, één item omtrent het verspreiden van gênant beeldmateriaal van iemand onder de 18 via internet of telefoon en één
item omtrent het plaatsen van beeldmateriaal dat stiekem was opgenomen. In huidig onderzoek had de aangepaste schaal MZJ een voldoende betrouwbaarheid (α = .70).
Schoolbinding
In huidig onderzoek is gekeken naar de gehechtheid aan school, de ervaren uitdaging op school en de cognitieve betrokkenheid bij school als indicatoren van de binding met school. De items uit deze subschaal bezaten een 5-punts Likertschaal (1 = Mee oneens, 2 = Beetje mee oneens, 3 = Neutraal, 4 = Beetje mee eens, 5 = Helemaal mee eens). In huidig onderzoek had deze subschaal een goede betrouwbaarheid (α = .81).
De gehechtheid aan school
De gehechtheid aan school werd gemeten door middel van vier items uit de vragenlijst van Rakt et al. (2005). Een voorbeelditem is: ‘Ik ga met plezier naar mijn school’.
De ervaren uitdaging op school
De ervaren uitdaging op school werd gemeten door middel van drie items uit de vragenlijst van Rakt et al. (2005). Een voorbeelditem is: ‘Ik verveel me op mijn school’. De cognitieve betrokkenheid bij school
Om de cognitieve betrokkenheid bij school te meten is gebruik gemaakt van de
‘Student Engagement Instrument (SEI) (Appleton, & Christenson, 2004). Uit deze vragenlijst zijn vijf items gebruikt. Een voorbeelditem is: ’School is belangrijk voor het bereiken van mijn toekomstdoelen’.
Sociale wenselijkheid
Met de vragenlijst is ook de mate van sociaal wenselijk antwoorden gemeten. Aan de gehele vragenlijst zijn vier items toegevoegd die sociale wenselijkheid beogen te meten. Voor deze items is gebruik gemaakt van de ‘Brief Social Desirability Scale’ (BSDS)
worden gegeven op een 5-punts Likertschaal (1 = Nooit, 2 = Heel soms, 3 =
Regelmatig/Soms, 4 = Vaak, 5 = Heel vaak/Bijna altijd). Na het verwijderen van een item van de subschaal, bezat de subschaal een Cronbach’s alfa van .63
Analyseplan
Huidig onderzoek is uitgevoerd om meer inzicht te krijgen in de mate van stedelijkheid van een woonplaats en de band met school als risicofactoren voor deviant gedrag bij adolescenten in de leeftijd van 12 tot 17 jaar. Om de genoemde vragen te kunnen beantwoorden, zijn met behulp van het statistische data-analysecomputerprogramma SPPS, beschrijvende analyses uitgevoerd.
Een onafhankelijke t-toets is eerst uitgevoerd om een indruk te krijgen van de scores van jongens en meisjes op de achtergrondvariabelen en deze met elkaar te vergelijken (achtergrond analyses). Daarnaast is met deze toets gekeken naar het verschil in offline- en online deviant gedrag tussen adolescenten die wonen in een stad en adolescenten die wonen in een dorp of op het platteland ter beantwoording van de onderzoeksvraag. Een Pearson
Correlatietoets is uitgevoerd om te bestuderen in hoeverre de onderzochte variabelen met elkaar samenhingen. Om antwoord te vinden op de vraag in hoeverre deviant gedrag wordt verklaard door de mate van stedelijkheid van een woonplaats en de band die leerlingen hebben met school zijn twee multiple regressieanalyses uitgevoerd met op stap één controlevariabelen, op stap twee de band met schoolvariabelen (gehechtheid, uitdaging en cognitieve betrokkenheid) en op stap drie de twee-weginteracties tussen de schoolvariabelen onderling. De onafhankelijke variabelen waren de mate van stedelijkheid van een woonplaats en de band met school. De afhankelijke variabele was deviant gedrag (offline en online).
Resultaten Beschrijvende statistieken
Om te bestuderen in welke mate adolescenten de diverse online- en offline deviante gedragingen vertoonden, zijn descriptieve analyses uitgevoerd per afzonderlijk item voor deviant gedrag. Alhoewel 438 adolescenten deelnamen aan de huidige studie, werden onderstaande analyses uitgevoerd met gegevens van de adolescenten die de vragenlijst volledig hadden ingevuld (N = 404).
Wanneer gekeken wordt naar het voorkomen van diverse offline deviante gedragingen in de afgelopen 12 maanden gaf bijvoorbeeld 13.6% van respondenten (13.6%) aan dat ze met opzet iets op straat hadden kapot gemaakt. Daarnaast gaf 7.3% van de respondenten aan dat ze iemand hadden geslagen, of hier mee gedreigd hadden. Van alle respondenten gaf 12.2% van de respondenten aan dat ze een steek- of vuurwapen in hun bezit hadden gehad. Relatief veel respondenten (20.6%) hebben aangegeven iets te hebben gestolen van minder dan 25 euro. Meer dan de helft van de respondenten (65%) gaf aan te hebben gespiekt of gefraudeerd op school. Ten slotte gaf 14.2% van de respondenten aan dat ze een hele dag van school waren weggebleven zonder een geldige reden.
Wanneer gekeken wordt naar diverse online deviante gedragingen in de afgelopen 12 maanden, gaf 65.7% van de respondenten aan dat ze hun mobiel hadden gebruikt tijdens de les zonder dat ze hier toestemming voor hadden. Daarnaast gaf 8.2% van de respondenten aan dat ze iemand via een sms, e-mail of in een chatbox een bericht hadden gestuurd met de bedoeling hem of haar bang te maken. Via andere sociale media had 11% van de
respondenten iemand een bericht gestuurd met de bedoeling hem of haar bang te maken. Ongeveer een kwart van de respondenten (23.5%) had zich voorgedaan als iemand anders op internet. Daarnaast had 15.1% van de respondenten ingelogd op een computer, e-mailaccount of sociale netwerk van iemand anders zonder dat diegene hiervan wist. Van alle respondenten
had 11% van de respondenten iemand zijn wachtwoord veranderd zodat diegene niet meer kon inloggen. Relatief veel respondenten (20.5%) gaven aan dat ze in de afgelopen 12 maanden via internet of hun telefoon genânt beeldmateriaal hadden verspreid van iemand anders, terwijl diegene nog geen 18 jaar was. Ten slotte had 10.5% van de respondenten beeldmateriaal geplaatst dat stiekem was opgenomen.
Wanneer gekeken wordt naar de verschillen in voorkomen tussen offline- en online deviant gedrag, is opmerkelijk dat meer adolescenten iemand online bedreigen dan dat ze dat offline doen. Voor een compleet overzicht van hoe vaak de online- en offline gedragingen voorkwamen in de steekproef, zie Tabel 1 en 2.
Tabel 1
Percentages per offline deviant gedrag.
Gedragingen Nooit Heel soms –
Heel vaak
1.Hasj of marihuana gebruikt. 94.4% 5.6%
2. Harddrugs gebruikt. 98.2% 1.8%
3. Met opzet iets op straat kapot gemaakt. 86.4% 13.6% 4. Ingebroken in een gebouw of een auto. 95.2% 4.8%
5. Iemand geslagen of ermee gedreigd. 82.7% 7.3%
6. Iemand met een mes of ander wapen bedreigd. 98% 2% 7. Een steek- of vuurwapen in je bezit gehad 87.8% 12.2%
8. Iets gestolen van meer dan 25 euro. 96.9% 3.1%
9. Iets gestolen van minder dan 25 euro. 79.4% 20.6%
10. Gespiekt of gefraudeerd op school. 35% 65%
11. Een hele dag van school weggebleven zonder geldige reden. 85.8% 14.2% 12. Met opzet iets dat niet van jou was in de brand gestoken. 94.4% 5.6%
Tabel 2
Percentages per online deviante gedraging.
Gedragingen Nooit Heel soms –
Heel vaak 1.Via een sms, e-mail of in een chatbox iemand een bericht
gestuurd met de bedoeling hem of haar bang te maken.
91.8% 8.2%
2. Via andere sociale media, zoals WhatsApp, Facebook, Twitter, Instagram of Snapchat iemand een bericht gestuurd met de bedoeling hem of haar bang te maken.
89% 11%
3. Iets verkocht via internet, het geld gekregen van de koper, maar het artikel nooit opgestuurd.
98.7% 1.3%
4. Iets gekocht en ontvangen via het internet, maar nooit betaald. 98.2% 1.8% 5. Jezelf voorgedaan als iemand anders op internet. 76.5% 23.5% 6. Via internet of per e-mail virussen hebt rondgestuurd naar
andere computers.
98.2% 1.8%
7. Ingelogd op een computer, e-mailaccount of sociale netwerk van iemand anders zonder dat diegene hiervan wist.
84.9% 15.1%
8. Geprobeerd een website of een e-mailbox plat te leggen door enorme hoeveelheden informatie daarnaartoe te sturen.
96.7% 3.3%
9. Iemand zijn wachtwoord veranderd zodat diegene niet meer kon inloggen.
89% 11%
10. Op iemand anders zijn computer of profiel ingelogd en hier gegevens in verander of gewist zonder dat diegene daarvan wist.
95.1% 4.9%
11. Zonder toestemming je mobiel gebruikt tijdens de les. 34.3% 65.7% 12. Via internet of je telefoon genânt beeldmateriaal verspreid
van iemand anders, terwijl diegene nog geen 18 jaar was.
79.5% 20.5%
- Agressief 3.3%, Grappig 14.6%, Seksueel 8.1%, anders 0.8%
13. Beeldmateriaal geplaatst dat stiekem was opgenomen. 89.5% 10.5%
Een independent t-toets is vervolgens uitgevoerd om de scores van jongens en meisjes op alle onderzoeksvariabelen met elkaar te vergelijken. Meisjes (M = .15; SD = .82) waren significant beter gehecht aan school dan jongens (M = -.15; SD = .94), t (362.403) = -3.292,
p = .001). Daarnaast ervoeren meisjes (M = .18; SD = .78) significant meer uitdaging op school dan jongens (M = -.18; SD = .84), t (367.410) = -4.211, p = <.001). Ook waren
meisjes (M = .07; SD = .45) cognitief meer betrokken bij school dan jongens (M = -.08; SD = .59), t (344.050) = -2.916, p = .004.
Wanneer gekeken werd naar het verschil in online- en offline deviant gedrag tussen jongens en meisjes dan bleek dat jongens (M = 1.30; SD = .23) significant meer online deviant gedrag vertoonden dan meisjes (M = 1.23; SD = .16), t (346.725) = 1,235, p = .001. Daarnaast bleek ook dat jongens (M = 1.23; SD = .30) significant meer offline deviant vertoonden dan meisjes (M = 1.12; SD = .15), t (283.118) = 4,259, p = < .001.
Ten slotte is gekeken naar het verschil in online- en offline deviant gedrag tussen adolescenten die woonden in een stad en adolescenten die woonden in een dorp of op het platteland. Er is geen significant verschil gevonden in offline deviant gedrag bij adolescenten die woonden in een stad (M = 1.16; SD = .22) en adolescenten die woonden in een dorp of op het platteland (M = 1.20; SD = .33). Daarnaast is er ook geen significant verschil gevonden in online deviant gedrag bij adolescenten die woonden in een stad (M = 1.27; SD = .16) en adolescenten die woonden in een dorp of op het platteland (M = 1.28; SD = .25).
Een Pearson Correlatietoets is uitgevoerd om te bestuderen in hoeverre de onderzochte variabelen met elkaar samenhingen (zie Tabel 3). Uit de resultaten van deze analyse is ten eerste gebleken dat hoe hoger de mate van offline deviant gedrag was, hoe hoger ook de mate van online deviant gedrag was. Daarnaast geldt hoe ouder de adolescent was, hoe meer online- en offline deviant gedrag hij/zij rapporteerde. Voor de schoolbindingsvariabelen geldt hoe minder gehecht aan school, cognitief betrokken bij school en ervaren uitdaging op school enerzijds, hoe meer offline deviant gedrag anderzijds. Voor online deviant gedrag geldt grotendeels hetzelfde: hoe minder gehecht aan school en hoe minder uitdaging op school ervaren wordt, hoe meer online deviant gedrag de adolescent vertoont. Voor cognitieve
betrokkenheid is alleen geen significante samenhang met online deviant gedrag gevonden. Alle genoemde correlaties waren significant.
Tabel 3
Pearson correlaties tussen de continue onderzoeksvariabelen.
1.Leeftijd 2.Hechting aan school 3.Cognitieve betrokkenheid bij school 4.Ervaren uitdaging op school 5.Offline deviant gedrag 6.Online deviant gedrag 1. Leeftijd - 2. Hechting aan school -.193 - 3. Cognitieve betrokkenheid bij school .035 .359* - 4. Ervaren uitdaging op school -.315 .494** .260** - 5. Offline deviant gedrag -.183* -.257** -.175* -.258** - 6. Online deviant gedrag -.229** -.273** -.086 -.273** .677** - Noot. *p <.05. **p <.01. Verklarende risicofactoren
Om te onderzoeken in welke mate het deviante gedrag verklaard kan worden door de mate van stedelijkheid van een woonplaats en de band die leerlingen hebben met school (gehechtheid, uitdaging en cognitieve betrokkenheid) werden twee multiple regressieanalyses uitgevoerd. Voor de analyses zijn de missende waarden vervangen door de gemiddelde score.
Voor beide analyses is voor het uitvoeren van de analyse gecontroleerd of aan de assumpties (lineariteit, homoscedasticiteit, normale verdeling en onafhankelijke observaties) van de toets is voldaan. Aan alle assumpties is voldaan.
Offline deviant gedrag
De analyses lieten zien dat het model op stap één significant was (p = < .001). Deze stap verklaarde 7.8% van de variantie in offline deviant gedrag. Het model op stap twee bleek tevens significant (p = < .001) en verklaarde een extra 4.4% van de variantie in offline deviant gedrag. Het model op stap drie bleek niet significant bij te dragen aan de verklaring van offline deviant gedrag (p = .051). De bèta-coëfficiënten van model twee laten zien dat leeftijd (p = .044) een significante voorspeller was van offline deviant gedrag: hoe ouder de adolescent, hoe meer offline deviant gedrag. Ook de hechting (p = .045) aan- en uitdaging (p = .045) op school waren significante factoren in de verklaring van offline deviant gedrag: hoe minder gehecht aan school en hoe minder uitdaging ervaren wordt op school en, hoe hoger de mate van offline deviant gedrag.
Online deviant gedrag
De analyses lieten zien dat het model op de eerste stap significant was (p = < .001) en verklaarde 9.8% van de variantie in online deviant gedrag. Het model op de tweede stap bleek tevens significant (p = .001) en verklaarde een extra 5.4% van de variantie in online deviant gedrag. Het model op stap drie bleek niet significant (p = .233). De bèta-coëfficiënten van model twee laten zien dat leeftijd (p = .020) en opleiding (p = .022) significante voorspellers waren van offline deviant gedrag: hoe ouder de adolescent en hoe praktischer de adolescent wordt opgeleid, hoe meer online deviant gedrag. Ook de ervaren uitdaging op school (p = .001) en de gehechtheid aan school (p = .032) waren significante variabelen in model twee:
hoe minder uitdaging ervaren wordt op school en hoe minder gehecht aan school, hoe hoger de mate van online deviant gedrag.
Tabel 4
Multipele Regressieanalyse waarbij online- en offline deviant gedrag verklaard worden uit controlevariabelen, schoolvariabelen, twee-weginteracties tussen de schoolvariabelen onderling Offline deviant gedrag Online deviant gedrag Stap Voorspellers β ∆R² F β ∆R² F 1. .078 6.578*** .098 8.508*** Sekse -.047 -.021 Leeftijd .041* .035* Opleidings- niveau -.033 -.055* Stedelijkheid .023 -.006 2. .044 6.442*** .054 8.263*** Cognitieve betrokkenheid -.041 .022
Hechting aan school -.042* -.033*
Ervaren uitdaging op school
-.045* -.055**
3. .018 2.608 .009 1.432
Discussie
Het doel van dit onderzoek was om meer inzicht te krijgen in de risicofactoren voor offline en online deviant gedrag onder adolescenten. In huidig onderzoek werd onderzocht in hoeverre de band met school (gehechtheid, uitdaging en cognitieve betrokkenheid) en de mate van stedelijkheid van de woonplaats van adolescent gelden als risicofactoren voor off- en online deviant gedrag. Op voorhand was er geen duidelijke verwachting met betrekking tot de verklarende rol van de woonplaats (stedelijk versus niet-stedelijk) van de adolescent. Het was mogelijk dat adolescenten woonachtig in steden (met minder sociale integratie) meer off- en online deviant gedrag zouden vertonen ten opzichte van adolescenten woonachtig in minder stedelijke gebieden. Daarnaast was het mogelijk dat adolescenten woonachtig in steden minder off- en online deviant gedrag zouden vertonen ten opzichte van adolescenten woonachtig in minder stedelijke gebieden. Het was echter ook mogelijk dat er geen
significant verschil te zien zou zijn. Tevens was het mogelijk dat er geen significant verschil te zien zou zijn in de sterkte van de verbanden tussen bijvoorbeeld de band met school en het off- en online gedrag voor adolescenten woonachtig in steden en adolescenten die daarbuiten woonden. Het kon ook nog zo zijn dat school-factoren een minder sterk verband zouden hebben met het deviante gedrag van adolescenten in zeer stedelijke gebieden, omdat adolescenten daar meer alternatieven tot hun beschikking hebben, naast school (voor hun tijdsbesteding). De resultaten van huidige studie hebben antwoord gegeven op deze vragen. Omtrent de verklarende waarde van de schoolbindingvariabelen werd verwacht dat
adolescenten die een sterke binding hebben met school (d.w.z. die het naar hun zin hebben op school, zich niet vervelen op school en school belangrijk vinden voor hun toekomst) minder off- en online deviant gedrag zouden vertonen.
ervaren op school, minder offline deviant gedrag vertonen. Voor online deviant gedrag is ook gebleken dat een goede hechting aan school en het ervaren van uitdaging op school
beschermingsfactoren zijn. Deze uitkomsten sluiten aan bij de resultaten uit eerder onderzoek (e.g. Bui, 2009; Felson & Staff, 2006; Liljeberg, Eklund, Fritz, & Klinteberg, 2011; Liska & Mark, 1985; Payne, 2008; Payne & Gottfredson, 2003; van de Rakt et al., 2005; Thornberry, Lizotte, Krohn, Farnworth, & Joon Jang, 1991). Cognitieve betrokkenheid bij school (de bereidheid om te investeren in school) bleek geen verklarende rol te spelen bij offline- en online deviant gedrag. Dit resultaat kan verklaard worden doordat andere variabelen wellicht bepalender zijn op deze leeftijd en hierdoor de (gedeelde) variantie met cognitieve
betrokkenheid weggenomen wordt. Ook lijkt cognitieve betrokkenheid minder van belang op de middelbare schoolleeftijd omdat veel adolescenten op de middelbare school nog vaak het gevoel hebben dat ze verplicht worden om naar school te gaan en hierdoor in het algemeen minder intrinsieke motivatie ervaren en minder het nut van school inzien dan wanneer zij bijvoorbeeld op het middelbaar beroepsonderwijs zitten en zelf hebben gekozen voor een opleiding die ze leuk vinden (Nelis, & Sark, 2017). Het is ook gevonden dat oudere leerlingen die intrinsiek gemotiveerd zijn zelfstandiger, leergieriger, zekerder, volhardender en
gedisciplineerder zijn in vergelijking met jongere leerlingen die extrinsiek gemotiveerd zijn (Deci & Ryan, 1991; Sheldon, Ryan, Rawsthorne, & Deci, 1997). Mogelijk dat de cognitieve betrokkenheid dus op latere leeftijd wel een sterkere rol speelt in de verklaring van het
deviante gedrag. De gestelde hypothese dat adolescenten die een sterke binding hebben met school minder deviant gedrag vertonen, kan in huidig onderzoek voor zowel offline- en online deviant gedrag deels worden bevestigd. Hierbij gaat het dus met name om de hechting aan school en de ervaren uitdaging op school (en -bij deze leeftijd- nog wat minder om de cognitieve betrokkenheid bij school).
woonplaats van adolescenten geen rol speelt in de verklaring van deviant gedrag. De gestelde hypothese dat in steden meer deviant gedrag wordt vertoond ten opzichte van minder
stedelijke gebieden kon in huidig onderzoek niet worden bevestigd. Hierdoor kan geen steun worden gevonden voor de bevindingen uit eerder onderzoek dat adolescenten uit steden meer off- en online deviant gedrag vertonen (De Coster, Heimer, & Wittrock 2006; Elliott et al., 1996; Haynie, Silver, & Teasdale, 2006; Peeples & Loeber, 1994; Simons, Gordon Simons, Burt, Brody, & Cutrona, 2005; Van Horn, Hawkins, Arthur, & Catalano, 2007). Een
mogelijke verklaring voor het gevonden resultaat dat er geen verschil is in de mate van off- en online deviant gedrag tussen adolescenten woonachtig in een stedelijke omgeving versus een niet-stedelijke omgeving is dat er geen adolescenten in de steekproef zaten die in een
stedelijke omgeving woonden (met meer dan 1000 adressen per km²). Een
ondervertegenwoordiging van een subgroep kan zorgen voor minder power met daarbij een grotere kans op een Type-II fout (Erasmus, & Labout, 2016). Wanneer sprake is van een Type-II fout wordt er ten onrechte geconcludeerd dat er geen verband is (Wouters, 2017). Uit eerder onderzoek is namelijk gebleken dat drie aspecten van stedelijkheid (openbare sfeer, aanwezigheid van grote groepen mensen die dezelfde smaak, interesse of leefstijl hebben en aanwezigheid van mensen die in economische achterstandsituaties verkeren) een verklaring kunnen bieden voor een hogere rapportage van deviant gedrag in steden (Burgers, 2001).
In huidig onderzoek komen jongens als risicogroep naar voren voor zowel offline- als online deviant gedrag. Aangezien aspecten van de band met school (gehechtheid en
uitdaging) als belangrijke voorspellers zijn gevonden voor zowel offline- al online deviant gedrag, hangt dit mogelijk samen met het gegeven dat jongens al jaren slechter presteren op school dan meisjes (Remie, 2017). Er klinken verschillende verklaringen hiervoor. Vanuit het biologisch perspectief gezien is de onderwijsachterstand van jongens vooral het gevolg van de aangeboren, genetisch bepaalde verschillen tussen jongens en meisjes in zowel cognitieve- als
niet-cognitieve ontwikkeling (Driessen, & Van Langen, 2010). Daarnaast zou de competitie in het onderwijs zijn vervangen door samenwerking, een vaardigheid waar meisjes beter in zijn. Ook de ‘feminisering’ van het onderwijs lijkt invloed te hebben op de prestaties van jongens (Driessen, 2005, 2009; Veendrick, Tavecchio & Doornenbal, 2004). Mogelijk zijn jongens minder gehecht aan vrouwelijke docenten en houden vrouwelijke docenten in mindere mate rekening met de behoefte van de jongens waardoor de jongens minder uitdaging ervaren op school, waardoor jongens meer off- en online deviant gedrag vertonen.
Ten slotte is gebleken dat de leeftijd van adolescenten een belangrijke risicofactor is voor deviant gedrag. Hierbij geldt hoe ouder, hoe groter het risico op deviant gedrag. Deze uitkomst sluit aan bij de wetenschappelijke literatuur omtrent dit onderwerp (e.g. Dykstra, & De Valk, 2007). Gemiddelden lieten zien dat jongens zowel meer offline als online deviant gedrag vertonen. Echter suggereren de resultaten van de regressie-analyses dat de
sekseverschillen in online deviant gedrag mogelijk gemedieerd worden door de school binding variabelen (en doordat jongens minder gehecht zijn aan school en minder uitdaging ervaren op school). Wanneer meisjes ook minder gehecht zijn aan school en minder uitdaging ervaren op school zullen zij ook sneller offline deviant gedrag vertonen. Daarnaast suggereren de regressie-resultaten dat de verklarende (mediërende) waarde van de gehechtheid aan school en de ervaren uitdaging op school voor online deviant gedrag sterker is voor offline deviant gedrag, omdat bij offline gedrag het sekse-effect overeind blijft. Opleiding bleek verder ook een risicofactor te zijn voor online deviant gedrag. Adolescenten die een praktisch opleidingsniveau hebben, lopen meer risico om online deviant gedrag te gaan vertonen. Ook deze conclusie bevestigt de resultaten uit eerder onderzoek (e.g. Fagan, Van Horn, Hawkins, & Arthur, 2007; Steffensmeier & Allan, 1996). Echter, er wordt ook vaak verondersteld dat online deviant gedrag meer een aangelegenheid is van de slimmere adolescenten en niet zozeer van de lager opgeleiden, dit is een verschil met offline deviant gedrag. Uit huidig
onderzoek is gebleken dat dit niet zo zwart wit te zeggen valt. Om dit verder te onderzoeken zal gekeken moeten worden naar de afzonderlijke subtypen van online deviant gedrag en het verschil met offline deviant gedrag. Mogelijk vertonen slimmere adolescenten vaker online deviant gedrag in enge zin (bijvoorbeeld hacken), maar de praktisch opgeleide adolescenten vaker online deviant gedrag in brede zin (bijvoorbeeld sexting). Het opleidingsniveau van adolescenten die online deviant gedrag in brede zin vertonen, lijkt meer overeen te komen met het opleidingsniveau van adolescenten die offline deviant gedrag vertonen.
Uit huidige studie is gebleken dat schoolfactoren niet alleen verklarend zijn voor offline deviant gedrag, maar ook voor online deviant gedrag. Door deze conclusie kunnen bestaande interventies gericht op het versterken van de hechting aan school en de ervaren uitdaging op school ook ingezet worden ter preventie van online deviant gedrag. Een voorbeeld hiervan is de interventie EQUIP die gericht is op het creëren van een positief moreel klimaat op school en op het voorkomen of verminderen van probleemgedrag van middelbare scholieren (Velden, 2010; Wissink, Stams, & Asscher, 2011). Bij het inzetten van bestaande interventies dient wel rekening te worden gehouden met het opleidingsniveau en het geslacht van de adolescent en wellicht met het specifieke type online deviant gedrag. Hiervoor is meer onderzoek nodig.
Beperkingen en suggesties voor vervolgonderzoek
Eén van de sterke punten van de huidige studie is dat het een vernieuwend onderzoek is. De afgelopen jaren is het onderzoek naar online deviant gedrag toegenomen en wordt er steeds meer bekend over dit fenomeen. Aangezien online deviant gedrag zich snel ontwikkelt in de maatschappij, is onderzoek naar dit fenomeen belangrijk. Daarnaast wordt er veel onderzoek gedaan naar slachtofferschap van online deviant gedrag, maar onderzoek naar daderschap van online deviant gedrag blijft daarbij achterwege. Ook is er veel onderzoek
gedaan naar offline deviant gedrag, echter is nog geen onderzoek geweest naar de overeenkomsten tussen risicofactoren voor online- en offline deviant gedrag. Huidig
onderzoek kijkt naar daderschap van zowel off- als online deviant gedrag en vormt hiermee een aanvulling op de bestaande literatuur over dit onderwerp.
Een tweede sterk punt is dat in huidig onderzoek gecontroleerd is voor sociale
wenselijkheid (Haghighat,2007). Over het algemeen neemt de voorspellende waarde van een onderzoek af door sociaal wenselijk gedrag (Maes, & Hublet, 2008). Uit analyses is gebleken dat geen van de variabelen significant samenhing met de mate van sociaal wenselijke
antwoorden, dit geeft wat meer vertrouwen in de validiteit van de gemeten onderzoeksvariabelen.
Naast sterke kanten, dient er ook rekening te worden gehouden met de beperkingen van huidig onderzoek. Ten eerste dient er rekening te worden gehouden met het cross-sectionele onderzoeksdesign. Dit design heeft maar één meetmoment waardoor het niet mogelijk is om een causaal verband vast te stellen (Bryman, 2015). Aan de hand van het gebruikte onderzoeksdesign kan niet worden vastgesteld of de mate van schoolbinding het deviante gedrag veroorzaakt, of andersom. Ook is het nog mogelijk dat het een bi-directionele relatie betreft. Dit is tevens in eerder onderzoek gevonden (Liljeberg et al., 2011).
Longitudinaal onderzoek is hiervoor nodig.
Een tweede beperking is dat het niet is gelukt om veel adolescenten woonachtig in steden met meer dan 20.000 inwoners mee te nemen in huidig onderzoek. Een
onderzoeksvraag van huidig onderzoek was in hoeverre de mate van stedelijkheid van een woonplaats bijdraagt aan de verklaring van de mate van deviant gedrag onder adolescenten. Aangezien er geen adolescenten woonachtig in steden met meer dan 20.000 inwoners in huidig onderzoek zijn geïncludeerd, kunnen er geen zeer betrouwbare uitspraken worden
gedaan over of de mate van stedelijkheid van een woonplaats verband houdt met deviant gedrag of niet.
Een derde en tevens laatste beperking is dat de gebruikte steekproef mogelijk niet geheel representatief is voor de beoogde populatie: adolescenten in de leeftijd van 12 tot 25 in Nederland. De respondenten in huidig onderzoek zijn afkomstig van twee middelbare
scholen. De meeste data (75.3%) zijn verzameld op één plaatselijke middelbare school waarbij de adolescenten niet ouder waren dan 16 jaar en autochtone leerlingen
oververtegenwoordigd waren. Door de huidige steekproef kan er een vertekend beeld zijn ontstaan. Door deze beperking dient men dan ook voorzichtig te zijn met het generaliseren van huidige resultaten naar de gehele populatie schoolgaande adolescenten tussen de 12 en 25 jaar in Nederland.
Voor eventueel vervolgonderzoek is het dus wenselijk dat er meerdere scholen door heel Nederland worden geïncludeerd. Het is hierbij belangrijk om, naast scholen in
buitenstedelijke gebieden, ook scholen uit steden mee te nemen. Daarnaast wordt aangeraden om in vervolgonderzoek een longitudinale studie uit te voeren om causale verbanden goed te kunnen toetsen (Bryman, 2015). In huidig onderzoek zijn ten slotte slechts enkele mogelijke verklarende variabelen van deviant gedrag meegenomen. In vervolgonderzoek is het
raadzaam om meer mogelijke verklarende variabelen van deviant gedag mee te nemen om zo een compleet beeld te krijgen van de risicofactoren voor deviant gedrag.
Implicaties
De onderzoeksresultaten geven implicaties voor (preventieve) interventies. Er is gebleken dat een slechte gehechtheid aan school en het ervaren van weinig uitdaging op school risicofactoren vormen voor zowel offline als online deviant gedrag. De overgang naar de adolescentie brengt voor adolescenten veel wisselingen met zich mee (Finkenauer, Engels,
Meeus, & Oosterwegel, 2002). Door deze wisselingen zijn adolescenten extra kwetsbaar voor het vertonen van deviant gedrag. Het is belangrijk dat adolescenten in deze periode van hun leven goed voorgelicht worden door belangrijke volwassenen over deviant gedrag. In de adolescentie brengen adolescenten minder tijd door met hun ouders en meer met hun vrienden en op school (e.g. Thornberry,1987). Scholen kunnen daarom een belangrijke rol spelen in de voorlichting omtrent deviant gedrag, maar ook in het bieden van uitdaging en een veilige basis (hechting). Het is bijvoorbeeld van belang dat scholen aandacht hebben voor de ervaren mate van uitdaging op school en de gehechtheid aan school per leerling. Uit onderzoek is namelijk gebleken dat adolescenten die hacken vaak geen uitdaging ervaren op school, en vervolgens hun uitdaging zoeken op de computer (Lakhani, & Wolf, 2003; Yar, 2005). Voor deze adolescenten is het wellicht van belang dat scholen voldoende online en technische uitdaging bieden, passend bij de huidige tijd en samenleving. Scholen zouden hier bijvoorbeeld op kunnen inspelen door meer aandacht te hebben voor technische skills of keuzevakken aan te bieden die gegeven worden door afgestudeerden van technische
universiteiten. Hechting aan school en uitdaging op school kunnen op verschillende manieren worden vormgegeven binnen het onderwijs en zal door iedere school anders worden ingevuld. Het zou echter wel goed zijn als er een landelijke aanpak wordt gemaakt met diverse modulen waar scholen bijvoorbeeld een passende module uit kunnen kiezen. Op deze manier wordt het aanbod van interventies gestructureerd en kan er onderzoek gedaan worden naar de
werkzaamheid van deze aanpak. Het belangrijkste is dat er aandacht is voor, en ingespeeld wordt op, de gehechtheid aan school en de ervaren uitdaging op school van adolescenten binnen het middelbare onderwijs.
Aangezien er veel overeenkomsten zijn gevonden tussen de onderzochte risicofactoren voor online- en offline deviant gedrag, lijkt voor de preventie en behandeling van online deviant gedrag in de ‘school’ context vooralsnog te kunnen worden voortgeborduurd op
bestaande interventies op deze gebieden (gehechtheid aan school, ervaren uitdaging op school en leeftijd). Vervolgonderzoek moet echter wel uitwijzen of dit geldt voor alle subtypen van online deviant gedrag. Bij het indiceren van interventies dient tevens te worden gekeken naar- en aangesloten op wat de adolescenten boeit. Het soort deviant gedrag waartoe diverse
groepen adolescenten zich aangetrokken voelen kan samenhangen met verschillende
interesses van diverse (sub)groepen en dat maakt dat interventies voor online deviant gedrag misschien nog meer moeten worden afgestemd op de specifieke doelgroep. Hierbij dient tevens rekening te worden gehouden met de What Works principes, waarbij gekeken wordt naar de hoogte van de recidivekans, de omstandigheden, persoonskenmerken die recidive bevorderen, de intensiteit en de vorm van de begeleiding (de Ruiter, & van Veen, 2006). Het is dus belangrijk dat, bij het creëren van interventies rekening wordt gehouden met wat de verschillende subgroepen adolescenten boeit en dat daar zoveel mogelijk op ingespeeld wordt. Hierbij dient wel rekening te worden gehouden met specifieke aspecten die een rol spelen bij online deviant gedrag (e.g. leeftijd en opleidingsniveau). Verwacht wordt dat wanneer interventies zich richten op de genoemde risicofactoren, en dan met name op de gehechtheid aan- en uitdaging op school, afgestemd op de specifieke doelgroep en volgens de What Works principes, positieve veranderingen te zien zullen zijn in zowel het offline als het online
Referenties
Agnew, R. (1992). Foundation for a general strain theory of crime and delinquency. Criminology, 30, 47-84
Appleton, J. J., & Christenson, S. L. (2004). Scale description and references for the Student Engagement Instrument. Unpublished manuscript.
Brown, R., Killian, E., & Evans, W.P. (2003). Familial functioning as a support system for adolescents’ postdetention success. International Journal of Offender Therapy and Comparative Criminology, 47, 529-541.
Bui, H. (2009). Parent- child conflicts, school troubles, and differences in delinquency across immigration generations. Crime & Delinquency, 55, 412-442.
Burgers, J.P.L., ‘Onveiligheid in de stad’, in: Justitiële Verkenningen, 27, 2001, p. 25-32. Catalano, R. F., Oesterle, S., Fleming, C. B., & Hawkins, J. D. (2004). The importance of bonding to school for healthy development: Findings from the Social Development Research Group. Journal of school health, 74, 252-261.
Centraal Bureau voor de Statistiek (CBS) (2012). Veiligheidsmonitor 2012. Den Haag: CBS. De Coster, S., Heimer, K., & Wittrock, S. M. (2006). Neighborhood disadvantage, social
capital, street context, and youth violence. The Sociological Quarterly, 47, 723-753. de Ruiter, C., & Veen, V. C. (2006). Voorkomen van recidive bij geweldsdelinquenten: wat
werkt. Dth, 26(2), 51.
Deci, E.L., & Ryan, R.M. (1991). A motivational approach to self: Integration in personality. In R. Dienstbier (Ed.), Nebraska Symposium on Motivation: Vol 38. Perspectives on motivation: 237-288. Lincoln: University of Nebraska Press.
Driessen, G. (2009). Teacher’s sex and student’s achievement, attitudes and behavior. Nega tive effects of the feminization of primary education? In Z. Buchholz & S. Boyce
(Eds.), Masculinity: Gender roles, characteristics and coping (pp. 1-26). Hauppauge, NY: Nova Science Publishers.
Driessen, G., & Doesborgh, J. (2004). De feminisering van het basisonderwijs. Effecten van het geslacht van de leerkrachten op deprestaties, de houding en het gedrag van de leerlingen. Nijmegen: ITS.
Driessen, G., & Van Langen, A. (2010). De onderwijsachterstand van jongens. Omvang, oorzaken en interventies. Nijmegen: ITS.
Dulk, C.J. den, Stadt, H. & Vliegen, J.M. (1992). Een nieuwe maatstaf voor stedelijkheid: de omgevingsadressendichtheid. Maandstatistiek van de bevolking, 7, 14-22.
Dykstra, P. & H. van der Valk (2007) Criminelen in de familie; verband tussen crimineel gedrag en bevolkingskenmerken onderzocht. Demos, bulletin over bevolking en samenleving 23(1): 6-8.
Elliott, D. S., Wilson, W. J., Huizinga, D., Sampson, R. J., Elliott, A., & Rankin, B. (1996). The effects of neighborhood disadvantage on adolescent development. Journal of Research in Crime and Delinquency, 33, 389-426.
Erasmus, M. C., & Labout, J. J. A. M. (2016). Medische statistiek: Hoe om te gaan met ontbrekende data. Anesthesiologie, 59.
Fagan, A. A., Van Horn, M. L., Hawkins, J. D., & Arthur, M. W. (2007). Gender similarities and differences in the association between risk and protective factors and self-reported serious delinquency. Prevention Science, 8(2), 115-124
Felson, R., & Staff, J. (2006). Explaining the academic performance-delinquency relationship. Criminology, 44, 299-319.
Finkenauer, C., Engels, R. C. M. E., Meeus, W., & Oosterwegel, A. (2002). Self and identity in early adolescence. In T. M. Brinthaupt & R. P. Lipka (Eds.), Understanding the self of the early adolescent: 25-56. State University of New York Press.
Forrest, R., & Kearns, A. (2001). Social cohesion, social capital and the neighbourhood. Urban studies, 38(12), 2125-2143.
Gavazzi, S.M., Yarcheck, C.M., Sullivan, J.M., Jones, S.C., & Khurana, A. (2008). Global risk factors and the prediction of recidivism rates in a sample of first- time
misdemeanant offenders. International Journal of Offender Therapy and Compar- ative Criminology, 52, 330-345.
Haghighat, R. (2007). The development of the brief social desirability scale (BSDS). Europe’s Journal of Psychology, 3.
Haynie, D., Silver, E., & Teasdale, B. (2006). Neighborhood characteristics, peer networks, and adolescent violence. Journal of Quantitative Criminology, 22, 147-169.
Hirschi, T. (1969). A control theory of delinquency. Criminology theory: Selected classic readings, 1969, 289-305.
Holt, T. J., & Bossler, A. M. (2014). An assessment of the current state of cybercrime scholarship. Deviant Behavior, 35(1), 20-40.
Janosz, M., Archambault, I., Morizot, J., & Pagani, L. S. (2008). School engagement trajectories and their differential predictive relations to dropout. Journal of Social Issues, 64, 21-40.
Kerstens, J., & Stol, W. Ph. (Red.) (2012). Jeugd & cybersafety: Online slachtoffer- en daderschap onder Nederlandse jongeren. Den Haag: Boom Juridische Uitgeverij. Lakhani, K. R., and B. Wolf. 2005. Why hackers do what they do: understanding motivation
and effort in free/open source software projects. In J. Feller, B. Fitzgerald, S. Hissam, and K. R. Lakhani, eds., Perspectives on Free and Open Source Software. MIT Press. Liljeberg, J. F., Eklund, J. M., Fritz, M. V., & af Klinteberg, B. (2011). Poor school bonding
and delinquency over time: Bidirectional effects and sex differences. Journal of Adolescence, 34, 1-9.
Liska, A., & Mark, D. (1985). Ties to conventional institutions and delinquency: Estimating reciprocal effects. American Sociological Review, 50, 547-560
Longshore, D., Chang, E., & Messina, N. (2005). Self-control and social bonds: a combined control perspective on juvenile offending. Journal of Quantitative Criminology, 21, 419-437.
Maes, L., & Hublet, L.A. (2008) Het social wenselijk antwoorden bij adolescentenenquetes. Vrije Universiteit Brussel, 1-59.
Meeus, W., Deković, M., & Noom, M. (1996). Opvoeding en problematische ontwikkeling in de adolescentie. Pedagogisch Tijdschrift, 21, 325-340.
Nakamura, J., & Csikszentmihalyi, M. (2002). The concept of flow. Handbook of positive psychology, 89-105.
Nelis, H., & van Sark, Y. (2017). Motivatie binnenstebuiten: het geheim achter gemotiveerde pubers, enthousiaste leerlingen en gedreven studenten. Kosmos Uitgevers.
Payne, A. A. (2008). A multilevel analysis of the relationships among communal school organization, student bonding, and delinquency. Journal of Research in Crime and Delinquency, 45, 429-455.
Payne, A., & Gottfredson, G. (2003). Schools as communities: The relationships among communal school organization, student bonding, and school disorder. Criminology, 41, 749-778.
Peeples, F., & Loeber, R. (1994). Do individual factors and neighborhood context explain ethnic differences in juvenile delinquency? Journal of Quantitative Criminology, 10, 141-157.
Pekrun, R. (2006). The control-value theory of achievement emotions:
assumptions,corollaries, and implications for educational research and practice. Educational Psychological Review, 18, 91-105. doi:10.1007/s10648-006-9029-9
Rakt, M., van de ,Weerman, F., & Need, A. (2005). Delinquent gedrag van jongens en meisjes. Het (anti) sociale kapitaal van vriendschapsrelaties. Mens en Maatschappij, 80, 328-352.
Remie, M. (2017, 14 september). Jongens zijn geen probleem, wél anders. Geraadpleegd 11 juli 2019, van https://www.nrc.nl/nieuws/2017/09/14/jongens-zijn-geen-probleem-wel-anders-12992740-a1573359
Rokven, J. J., Weijters, G., & Van der Laan, A. M. (2017). Jeugddelinquentie in de virtuele wereld: Een nieuw type daders of nieuwe mogelijkheden voor traditionele daders. Den Haag: WODC.
Schwalbe, C.S., Fraser, M.W., Day, S.H., & Cooley, V. (2006). Classifying juvenile offenders according to risk of recidivism: Predictive validity, race/ethnicity, and gender.
Criminal Justice and Behavior, 33, 305-324.
Shaw, C. & McKay, H. (1969). Juvenile delinquency and urban areas (rev. ed.). Chicago: University of Chicago Press.
Sheldon, K.M., Ryan, R.M., Rawsthorne, L. & Ilardi, B. (1997). Trait and the self: Cross-role variation in the Big Five traits and its relations with authenticity and subjective well being. Journal of Personality and Social Psychology. 73, 1380-1393.
Simons, R. L., Gordon Simons, L., Burt, C. H., Brody, G., & Cutrona, C. (2005). Collective efficacy, author- itative parenting and delinquency: A longitudinal test of a model integrating community- and family-level processes. Criminology, 43, 989-1029. Snyder, F. (2001). Sites of criminality and sites of governance. Social & Legal Studies, 10,
251-256.
Steffensmeier, D., & Allan, E. (1996). Gender and crime: Toward a gendered theory of female offending. Annual Review of Sociology, 22, 459-487.
Thornberry, T., Lizotte, A., Krohn, M., Farnworth, M., & Joon Jang, S. (1991). Principal studies testing Interactional Theory: An examination of reciprocal causal relationships among family, school, and delinquency. The Journal of Criminal Law and
Criminology, 82, 3-35.
Thornberry, T. P. (1987). Toward an interactional theory of delinquency. Criminology, 25(4), 863-891.
Van Domburgh, L., De Ruiter., C., & Doreleijers, T. (2004). De rol van dynamische risicofactoren bij recidive van jeugdige delinquenten: een internationaal literatuuronderzoek. In T. Doreleijers, & R. Vermeiren (Eds.), Thema’s uit de forensische jeugdpsychiatrie: 44-52.
Van Horn, M. L., Hawkins, D., Arthur, M. W., & Catalano, R. F. (2007). Assessing community effects on adolescent substance use and delinquency. Journal of Community Psychology, 35, 925-946.
Veendrick, L., Tavecchio, L., & Doornenbal, J. (2004). Jongens als probleem. Inleiding bij het themadeel. Pedagogiek, 24, 12-22.
Velden, F. V. (2010). EQUIPping high school students: Effects of a universal prevention program on antisocial behavior. Utrecht, Netherlands: Universiteit Utrecht. Weerman, F.M. (2017). Social media en smartphones als verklaring voor de daling in
jeugdcriminaliteit?. Dalende jeugdcriminaliteit, 71.
Weerman, F.M., & Laan, P.H. van der (2006). Spijbelaars en drop-outs. Het verband tussen spijbelen, voortijdig schoolverlaten en criminaliteit. (Justitiële Verkenningen
2006/06.) Den Haag: WODC.
Weijters, G., Vinke, A., Van der Logt, M., & Gerris, J. R. (2004). Gezin, vriendengroep en school als predictoren van delinquent gedrag: Vergelijking tussen jonge en oudere
adolescenten. Jeugdzorg en probleemgedrag: Opvoedingswaarden en vernieuwingen in aanpak, 9-22.
Wissink, I. B., Stams, G. J. J. M., & Asscher, J. J. (2011). Agressief en delinquent gedrag op school [Aggressive and delinquent behavior at school]. In P. de Jong, & H. Koomen (Eds.), Interventie bij onderwijsleerproblemen [Interventions for educational
problems] (pp. 131–143). Antwerpen-Apeldoorn, Belgium: Garant. Wouters, E. (2017). Wat is toetsende statistiek?. PodoSophia, 25(2), 72-76.
Yar, M. (2005). Computer hacking: Just another case of juvenile delinquency?. The Howard Journal of Criminal Justice, 44(4), 387-399.
Zaagsma, M., De Graaf, H., & Kloppenburg, S. (2013). Jeugd & cybersafety: hoe je online risico’s kunt voorkomen of beeindigen, vanuit het perspectief van jongeren. Utrecht: Rutgers WPF
