Por que a ciência não consegue dizer qual criança vai adoecer por causa do bullying na escola — e por que essa limitaçã… · Matéria

A análise de 50 estudos diretos sobre microviolências escolares mostra um limite central do campo: a maior parte usa autorrelato e desenho transversal, e nenhum permite estimar risco individual, magnitude média de dano…

Em rodas de pais, salas de professores e debates sobre escola, é comum que alguém peça um número. Quanto bullying causa quanto sofrimento. Qual é a porcentagem de crianças que vai adoecer. Quanto tempo leva. A pergunta é justa, mas a resposta honesta é desconfortável: a ciência disponível hoje não permite responder com a precisão que a pergunta sugere. Esta matéria se baseia em uma revisão sistemática viva do ScienceLayers sobre os riscos das microviolências diárias entre pré-adolescentes no ambiente escolar. O trabalho reuniu mais de mil registros, filtrou e analisou em profundidade 50 estudos com dados originais, e fez uma avaliação metodológica detalhada de cada um. Esse mapa serve para muita coisa — mas não para previsão individual. Saber por que ele não serve é, em si, informação pública relevante. O que a literatura disponível efetivamente faz A maior parte dos estudos analisados é transversal. Isso quer dizer que a coleta de dados acontece em um único momento: estudantes respondem ao mesmo tempo se sofreram agressão, como se sentem, como vão na escola. Esse desenho mostra correlação, ou seja, mostra que certas variáveis aparecem juntas. Não mostra causa. A maioria dos estudos depende do autorrelato. O estudante responde se foi vitimizado, se está triste, se dorme mal. É uma fonte importante — ninguém conhece a experiência do aluno melhor do que ele —, mas é também sujeita a vieses: humor do dia, vontade de agradar, medo de admitir. Há diferença entre o que acontece e o que se conta. Nesse conjunto, trinta e sete dos cinquenta estudos diretos têm risco metodológico classificado como alto. Isso não significa que sejam ruins. Significa que apresentam limitações importantes para sustentar inferências fortes — limitações que poderiam mudar o tamanho ou a direção dos…