الارتباط الذاتي

يُمثّل مفهوم الارتباط الذاتي (Autocorrelation) أحد الركائز الإحصائية والمنهجية الجوهرية في تحليل البيانات الطولية والسلاسل الزمنية، وتبرز أهميته بصورة متزايدة في الأبحاث النفسية المعاصرة التي تركز على دراسة الديناميات السلوكية والانفعالية عبر الزمن. يشير هذا المفهوم في جوهره إلى درجة التشابه أو الاعتماد المتبادل بين قيم متغير معين مقاسة عند نقاط زمنية مختلفة لنفس الفرد أو المجموعة. إن فهم طبيعة هذا الارتباط لا يسهم فقط في تجنب الأخطاء القياسية الشائعة في النمذجة الإحصائية، بل يفتح آفاقاً نظرية عميقة لفهم الاستقرار النفسي، والجمود الوجداني، والأنماط التكيفية في السلوك الإنساني.

مقدمة وتعريف مفهوم الارتباط الذاتي في العلوم النفسية والسلوكية

يُعرَّف الارتباط الذاتي، والذي يُطلق عليه أحياناً الارتباط التسلسلي (Serial Correlation)، بأنه العلاقة الرياضية التي تربط بين سلسلة من الملاحظات لمتغير واحد عبر فترات زمنية متعاقبة. في سياق علم النفس والعلوم السلوكية، يعكس الارتباط الذاتي المدى الذي يمكن من خلاله للحالة النفسية أو السلوكية للفرد في اللحظة الحالية (الزمن t) أن تتنبأ بحالته في اللحظة اللاحقة (الزمن t+1) أو اللحظات التي تليها. هذا النمط من القياس يفترض ضمناً أن الكائن البشري لا يبدأ كل لحظة من نقطة الصفر النفسي، بل يحمل معه رواسب واستجابات اللحظات السابقة، مما يخلق تتابعاً زمنياً ذا مغزى وظيفي وهيكلي.

تاريخياً، كان يُنظر إلى الارتباط الذاتي داخل الأوساط الإحصائية النفسية التقليدية بوصفه مجرد “إزعاج منهجي” أو خطأ قياس ينتهك الفرضية الكلاسيكية القائلة باستقلالية المشاهدات (Independence of Observations)، وهي الفرضية الجوهرية التي تستند إليها نماذج الانحدار الخطي العادي وتحليل التباين. غير أن التحول الباراديمي المعاصر نحو البحث الطولي المكثف، وتقنيات التقييم اللحظي البيئي (Ecological Momentary Assessment – EMA)، جعل من الارتباط الذاتي ظاهرة نفسية بحد ذاتها تستحق التفسير والتحليل، بدلاً من التعامل معها كعنصر تشويش يجب التخلص منه إحصائياً.

عندما تُظهر البيانات النفسية ارتباطاً ذاتياً موجباً مرتفعاً، فإن ذلك يدل على أن الحالات الانفعالية أو السلوكية تميل إلى الاستمرار والبقاء لفترات أطول؛ فالشخص الذي يشعر بالحزن في نقطة زمنية معينة يكون أكثر عرضة للبقاء حزيناً في التقييم التالي. في المقابل، يشير الارتباط الذاتي السالب إلى نمط متذبذب أو ارتدادي حاد، حيث تعقب المستويات المرتفعة من الاستثارة أو المزاج مستويات منخفضة بشكل سريع. هذا التمايز يمنح علماء النفس أداة كمية دقيقة لقياس مرونة الفرد وتكيفه الديناميكي مع البيئة.

من الناحية المعرفية، يتصل الارتباط الذاتي مباشرة بنظرية النظم الديناميكية (Dynamical Systems Theory) في علم النفس، حيث يُنظر إلى العقل والسلوك كنظام مستمر التغير يبحث عن نقاط جذب واستقرار. تتيح دراسة هذا الترابط الزمني للباحثين الكشف عن البنية العميقة للتنظيم الذاتي (Self-Regulation)، وتحديد ما إذا كان الفرد يمتلك القدرة على التعافي السريع من الضغوط أو أنه عالق في حلقات مفرغة من المشاعر السلبية أو السلوكيات القهرية، وهو ما يجعل المفهوم جسراً نظرياً فريداً يربط بين الرياضيات التطبيقية والعيادة النفسية.

الجذور التاريخية والتطور النظري للمفهوم

تعود الجذور الأولى لمفهوم الارتباط الذاتي إلى تطور الرياضيات الإحصائية في أواخر القرن التاسع عشر وأوائل القرن العشرين، وتحديداً مع أعمال الإحصائيين الإنجليز مثل جورج أودني يول (George Udny Yule) وتطبيقها اللاحق على يد جودموند فولد (Herman Wold) في تحليل السلاسل الزمنية الثابتة. في تلك المراحل المبكرة، كان الاهتمام منصباً بالدرجة الأولى على الظواهر الفيزيائية والفلكية والاقتصادية، مثل التنبؤ بالدورات الاقتصادية أو تحليل تقلبات البقع الشمسية، حيث كان الهدف الأساسي هو إزالة الاتجاهات العامة والترددات الدورية للوصول إلى النواة العشوائية للظاهرة.

مع دخول النصف الثاني من القرن العشرين، بدأت السيكولوجيا التجريبية والقياس النفسي في استيراد هذه المفاهيم الرياضية، لا سيما مع تطور القياسات السيكوفيزيائية والأبحاث العصبية كتحليل مخطط كهربية الدماغ (EEG)، حيث تظهر السلاسل الزمنية درجة هائلة من الاعتماد الداخلي المشترك. بدأ علماء القياس يلاحظون أن تكرار القياس على نفس المفحوص عبر جلسات متعددة أو عبر الزمن يؤدي إلى انهيار دقة اختبارات الدلالة الإحصائية التقليدية مثل اختبار (t) واختبار (F)، ما قاد إلى جهود مكثفة لصياغة نماذج تصحيحية تأخذ في الاعتبار البنية التكرارية للبيانات.

شهدت تسعينيات القرن الماضي ومطلع الألفية الثالثة ثورة تكنولوجية ومنهجية كبرى في علم النفس الإكلينيكي وعلم نفس الشخصية، بفضل انتشار الهواتف الذكية وأجهزة الاستشعار القابلة للارتداء. هذه التقنيات سمحت بجمع بيانات طولية مكثفة بمعدل عدة مرات في اليوم لعدة أسابيع، وهي الظاهرة المعروفة بنماذج “الحياة اليومية”. هنا، تحول الارتباط الذاتي من مجرد قضية تتعلق بضبط خطأ القياس إلى مفهوم محوري في أبحاث بيتر كابنز (Peter Kuppens) وجيرن هورنبيك (Joran Jongerling) وغيرهم من الرواد الذين أعادوا صياغة الارتباط الذاتي كمؤشر سيكولوجي ذي دلالة وجودية وعيادية.

الأسس الرياضية والإحصائية للارتباط الذاتي

يستند الارتباط الذاتي رياضياً إلى حساب معامل الارتباط الخطي (معامل بيرسون) بين متغير أصلي $Y_t$ ونسخة مزاحة زمنياً من نفس المتغير تُعرف باسم المتغير المتأخر أو المُرجأ (Lagged Variable) $Y_{t-k}$، حيث يمثل $k$ مقدار الإزاحة الزمنية (Lag). في أبسط صوره، وهو الارتباط الذاتي من الدرجة الأولى (Lag-1 Autocorrelation)، يتم حساب الارتباط بين كل قيمة والقيمة التي تسبقها مباشرة عبر الزمن، وفق الصيغة الرياضية التي تقسم التباين المشترك الذاتي (Autocovariance) على التباين الكلي للمتغير عبر السلسلة الزمنية بأكملها.

يُعبر عن التباين المشترك الذاتي عند الإزاحة $k$ بالعلاقة التي تأخذ في الحسبان الفرق بين المشاهدة عند اللحظة $t$ والمتوسط الحسابي العام للسلسلة، مضروباً في الفرق بين المشاهدة عند اللحظة $t-k$ والمتوسط نفسه، مجمعاً عبر جميع النقاط الزمنية المتاحة ومقسوماً على عدد الملاحظات. عندما تكون $k=0$، فإن الارتباط الذاتي يساوي بداهة الواحد الصحيح، لأنه يمثل ارتباط المتغير بذاته في نفس اللحظة بالتمام، في حين تتناقص قيم المعامل عادة كلما زادت قيمة الإزاحة $k$ في السلاسل الزمنية المستقرة (Stationary Time Series).

تتراوح قيمة معامل الارتباط الذاتي نظرياً بين -1 و +1، تماماً مثل معامل الارتباط التقليدي. القيمة الصفرية تعني أن العملية خالية تماماً من الاعتماد التسلسلي، وهو ما يُعرف في الفيزياء والإحصاء باسم “الضوضاء البيضاء” (White Noise)، حيث تكون كل نقطة زمنية مستقلة كلياً عن سابقتها. أما إذا اقتربت القيمة من +1، فإن السلسلة الزمنية تُظهر ذاكرة قوية واعتمادية عالية على الماضي القريب، وهو ما يشير إلى ظاهرة بطء الزوال أو التخميد، في حين تعكس القيم المقتربة من -1 تذبذباً حاداً ومنتظماً بين الإيجاب والسلب عند كل خطوة زمنية متتالية.

من الأدوات الرياضية الأساسية في هذا السياق “دالة الارتباط الذاتي” (Autocorrelation Function – ACF)، وهي رسم بياني أو جدول رياضي يعرض معاملات الارتباط الذاتي عند إزاحات زمنية متعددة ومتتالية ($k=1, 2, 3, …$). يتيح فحص هذه الدالة للباحث النفسي تحديد النظام الرياضي المولد للبيانات، مثل ما إذا كانت العملية تتبع نموذج الانحدار الذاتي البسيط (Autoregressive Model AR(1))، أو نموذج الانحدار الذاتي ذي الرتب العليا AR(p)، أو تتضمن مكونات المتوسطات المتحركة (Moving Average – MA).

الارتباط الذاتي في النماذج النفسية: من القياس اللحظي البيئي إلى السلاسل الزمنية

يعد التقييم اللحظي البيئي (EMA) وتجربة العينات اللحظية (Experience Sampling Method – ESM) الحقل الخصب لتطبيق الارتباط الذاتي في علم النفس الحديث. في هذه المنهجيات، يُطلب من المشاركين الإجابة على استبيانات قصيرة على هواتفهم الذكية عدة مرات يومياً لتقييم مستويات التوتر، والتركيز، والمشاعر الإيجابية والسلبية. تنتج هذه البروتوكولات مصفوفة بيانات معقدة ثنائية المستوى: مستوى السلاسل الزمنية المكررة داخل الأفراد (Within-Person Level)، ومستوى الفروق الفردية بين الأشخاص (Between-Person Level).

في التحليلات النفسية المتقدمة، يُستخدم ما يُعرف باسم “نماذج المعادلات البنائية الديناميكية” (Dynamic Structural Equation Modeling – DSEM) والنمذجة الخطية متعددة المستويات (Multilevel Modeling) لفصل التباين الخاص بالارتباط الذاتي لكل فرد على حدة. يتيح ذلك للباحثين ليس فقط حساب متوسط الارتباط الذاتي لعينة الدراسة، بل معاملة معامل الارتباط الذاتي كمتغير عشوائي (Random Slope) يختلف من فرد لآخر، مما يفتح الباب لدراسة العوامل الشخصية والبيئية التي تجعل بعض الأفراد يمتلكون ارتباطاً ذاتياً أعلى من غيرهم في تقلباتهم المزاجية.

تواجه دراسة الارتباط الذاتي في البيانات النفسية الحياتية تحديات منهجية خاصة، لعل أبرزها عدم انتظام الفواصل الزمنية بين القياسات ووجود القيم المفقودة (Missing Data)، مثل الفترات الليلية التي ينام فيها المشارك. تتطلب هذه التحديات استخدام تقنيات استيفاء رياضية متطورة أو صياغة نماذج السلاسل الزمنية في الزمن المستمر (Continuous-Time Models) بدلاً من الزمن المنفصل، لضمان أن قوة الارتباط الذاتي المقاسة تعكس العمليات النفسية الفعلية وليس التباعد الفيزيائي الاصطناعي بين رنات الهاتف أو أوقات الاستجابة.

الجمود النفسي والتنظيم الانفعالي: الارتباط الذاتي كعلامة ديناميكية نفسية

من أعظم الإنجازات النظرية للارتباط الذاتي في علم النفس العيادي هو إدخال مفهوم الجمود الوجداني أو الجمود النفسي (Affective/Psychological Inertia). يُعرَّف الجمود النفسي بأنه المقاومة التي يبديها الجهاز النفسي ضد التغيير في الحالة الانفعالية عبر الزمن، ويُقاس إحصائياً بصورة مباشرة من خلال معامل الارتباط الذاتي من الدرجة الأولى للمشاعر الإيجابية أو السلبية داخل الفرد عبر التقييمات اللحظية المتكررة.

تشير الأدبيات السريرية، وبخاصة أعمال كابنز وزملائه، إلى أن الارتفاع الكبير في الارتباط الذاتي للمشاعر السلبية يمثل سمة بارزة ونذيراً بيولوجياً ونفسياً للإصابة بمرض الاكتئاب الحاد. فالشخص غير المكتئب عندما يواجه موقفاً محبطاً، يرتفع لديه الشعور بالضيق مؤقتاً، لكن نظامه الانفعالي يمتلك “قوة استرجاعية” عالية تعيده بسرعة إلى حالته القاعدية المستقرة، مما يترجم إحصائياً بارتباط ذاتي منخفض. أما الفرد المعرض للاكتئاب أو المصاب به فعلياً، فيعاني من ضعف المرونة التنظيمية، فتلتصق به المشاعر السلبية وتستمر لفترات طويلة جداً، مما يولد ارتباطاً ذاتياً موجباً يقترب من الواحد.

علاوة على ذلك، لا ينحصر مفهوم الجمود في المشاعر السلبية وحدها؛ إذ أظهرت الدراسات الحديثة أن الجمود المفرط في المشاعر الإيجابية (ارتباط ذاتي فائق الارتفاع للمشاعر الإيجابية) قد لا يكون صحياً دائماً كما يبدو ظاهرياً، بل قد يرتبط باضطرابات طيف ثنائي القطب أو بانخفاض القدرة على التكيف مع البيئة المتغيرة، حيث يفشل الفرد في الاستجابة الحساسة للمثيرات البيئية الجديدة التي تتطلب الحذر أو خفض التفاؤل غير المبرر. يعكس هذا التحليل أن الصحة النفسية ترتبط بنطاق أمثل ومتوازن من الارتباط الذاتي، يتجنب كلاً من الجمود المتصلب والتذبذب الفوضوي المفرط.

في اضطرابات القلق والشخصية الحدية (Borderline Personality Disorder)، يظهر الارتباط الذاتي أنماطاً ديناميكية فريدة ومتباينة. فبينما يتميز مرضى الاكتئاب بالجمود، قد يُظهر مرضى الشخصية الحدية ارتباطاً ذاتياً منخفضاً جداً أو حتى سالباً عند قياس تقلباتهم الانفعالية، مما يعكس “الاضطراب العاطفي غير المستقر” (Emotional Lability)، حيث يقفز المريض من قطب انفعالي إلى نقيضه بسرعة فائقة دون استقرار، مما يدل على فشل منظومة الكبح والتنظيم الذاتي الداخلي في الحفاظ على أي اتزان نسبي.

التداعيات المنهجية والانتهاكات الإحصائية لافتراض الاستقلالية

إذا كان الارتباط الذاتي ظاهرة نفسية بالغة الأهمية عند دراسته لذاته، فإنه يمثل كابوساً منهجياً إذا تم تجاهله في النماذج الإحصائية التقليدية. تعتمد أغلب النماذج البارامترية، مثل المربعات الصغرى العادية (Ordinary Least Squares – OLS)، على فرضية أن حدود الخطأ العشوائي (Residuals) غير مترابطة فيما بينها وموزعة استقلالياً وتماثلياً (i.i.d). عند وجود ارتباط ذاتي بين الملاحظات المتتالية، ينهار هذا الافتراض الأساسي بصورة جذرية.

يترتب على تجاهل الارتباط الذاتي في بيانات السلاسل الزمنية النفسية عواقب خطيرة على صدق الاستنتاجات الإحصائية؛ فرغم أن تقديرات المعاملات (Beta Coefficients) تظل غير متحيزة حسابياً، إلا أن تقديرات التباين الخاص بهذه المعاملات (Standard Errors) تصبح متحيزة بشدة وغالباً ما تكون مقللة من قيمتها الحقيقية بصورة ملحوظة. يؤدي هذا التخفيض الاصطناعي في الأخطاء المعيارية إلى تضخيم قيم إحصاءات الاختبار مثل قيم (t) و(z)، مما يرفع معدل الوقوع في الخطأ من النوع الأول (Type I Error)؛ أي أن الباحث يرفض الفرضية الصفرية ويعلن وجود تأثير نفسي أو علاقة سببية حقيقية بين المتغيرات في حين أنها مجرد أثر ناجم عن الاعتماد الزمني التراكمي.

تُعرف هذه المعضلة في الإحصاء بظاهرة “الانحدار الزائف” (Spurious Regression)، والتي بيّن فيها كرانجر ونيوبولد (Granger and Newbold) أن تحليل متغيرين يتضمن كلاهما ارتباطاً ذاتياً قوياً عبر الزمن يمكن أن يُنتج معاملات تحديد ($R^2$) مرتفعة جداً وقيم دلالة بالغة القوة حتى لو كان المتغيران مستقلين تماماً ولا تجمعهما أي علاقة منطقية أو سببية على الإطلاق. في علم النفس، قد يقود هذا الخطأ إلى إثبات نظريات خاطئة تماماً تزعم وجود ترابط زمني بين آليات علاجية ونتائج سريرية لا تتعدى كونها مصادفة زمنية ناشئة عن استمرار الاتجاهات الفردية عبر القياسات المتكررة.

لذلك، أضحى لزاماً على أي باحث يستخدم تصميمات القياسات المتكررة أو التقييمات اللحظية أو تصاميم الحالة الفردية (Single-Case Experimental Designs – SCED) أن يقوم بفحص تشخيصي صارم لمخلفات النموذج للتأكد من خلوها من الارتباط الذاتي، أو تضمين هيكل مصفوفة تباين وتباين مشترك (Autoregressive Covariance Structure) يمتص هذا الاعتماد ويصحح الأخطاء المعيارية، مما يعيد للنتائج مصداقيتها العلمية.

التقنيات والنماذج الإحصائية للتعامل مع الارتباط الذاتي واكتشافه

لتشخيص وجود الارتباط الذاتي في النماذج النفسية، يعتمد الباحثون على مجموعة من الاختبارات الإحصائية الكلاسيكية والمتقدمة. يُعد اختبار ديربن-واتسون (Durbin-Watson Test) من أشهر هذه الأدوات، حيث يختبر الفرضية الصفرية القائلة بعدم وجود ارتباط ذاتي من الدرجة الأولى في حدود الخطأ، وتتراوح قيمته بين 0 و 4؛ وتشير القيمة القريبة من 2 إلى غياب الارتباط الذاتي، بينما تشير القيم المقتربة من الصفر إلى ارتباط ذاتي موجب قوي، والقيم المقتربة من 4 إلى ارتباط سالب. كما يُستخدم اختبار بروش-غودفري (Breusch-Godfrey Test) كبديل أكثر مرونة يتيح اختبار الارتباطات الذاتية من درجات عليا ($k > 1$) ولا يتأثر بوجود المتغيرات التابعة المتأخرة في النموذج.

عند التحقق من وجود الارتباط الذاتي، تتوفر أمام المحلل النفسي ترسانة من الاستراتيجيات الإحصائية لمعالجته، من أبرزها:

• نماذج الانحدار الذاتي المتكامل والمتوسطات المتحركة (ARIMA): وتُعد المعيار الذهبي لتحليل السلاسل الزمنية الفردية الطويلة، حيث تعتمد على أخذ الفروق (Differencing) لإزالة الاتجاه العام، ونمذجة كل من المكون التراجعي الذاتي ومكون الأخطاء المتحركة بدقة فائقة.
• النمذجة الخطية متعددة المستويات ذات البنية التراجعية الذاتية (Multilevel Autoregressive Models): تُستخدم عندما تتوفر بيانات طولية لعدد كبير من الأفراد، وتسمح ببرمجة مصفوفة الأخطاء داخل الفرد لتتبع بنية AR(1) المستمرة أو المنفصلة، مع السماح لمتوسطات الأفراد بالتباين الحر.
• نماذج المعادلات البنائية الديناميكية (DSEM): وهي أحدث صرخة في القياس السيكومتري الطولي، تدمج بين التحليل العاملي، ونماذج السلاسل الزمنية، والنماذج الهرمية البايزية (Bayesian Multilevel Modeling)، مما يتيح قياس الارتباط الذاتي للمتغيرات الكامنة (Latent Variables) الخالية من خطأ القياس العشوائي.
• التصحيحات المتينة للأخطاء المعيارية (Robust Standard Errors): مثل مصحح نيووي-ويست (Newey-West Estimator)، الذي يترك معاملات الانحدار كما هي لكنه يعيد حساب مصفوفة التباين بطريقة تقاوم وجود الارتباط الذاتي وعدم ثبات التباين المشترك.

يتطلب تطبيق هذه النماذج فحصاً عميقاً لمفهوم “الاستقرارية” (Stationarity)، فالارتباط الذاتي لا يمكن حسابه وتفسيره بطريقة موثوقة إلا إذا كان المتوسط الرياضي والتباين الخاص بالسلسلة الزمنية ثابتين عبر الزمن ولا يعتمدان على النقطة الزمنية المختارة. إذا كانت البيانات النفسية تُظهر نمواً متصاعداً أو انحداراً مستمراً (كتحسن تدريجي في المزاج نتيجة تلقي علاج معرفي سلوكي)، فإن هذا الاتجاه العام (Trend) يجب عزله أو فصله أولاً (Detrending) حتى لا يختلط الارتباط الذاتي بالنمو التنموي أو العلاجي الفعلي.

التطبيقات السريرية والتشخيصية للارتباط الذاتي

تتجاوز أهمية الارتباط الذاتي النطاق الأكاديمي الصرف لتتحول إلى أداة سريرية تطبيقية ذات نفع تشخيصي وعلاجي بالغ الأهمية. في مجال العلاج النفسي القائم على الأدلة، يمكن استخدام تتبع الارتباط الذاتي للمشاعر والأفكار كأحد المؤشرات البيولوجية والسلوكية الدقيقة لتقييم مدى استجابة المريض للعلاج النفسي والدوائي.

تشير دراسات علم النفس العيادي المعاصر إلى مفهوم “التحذير المبكر” (Early Warning Signals) المأخوذ من فيزياء النظم المعقدة؛ فعندما يقترب نظام نفسي مستقر من نقطة تحول حرجة (Critical Transition) كالانزلاق المفاجئ نحو نوبة اكتئاب حادة أو انتكاسة ذهانية، يُظهر النظام ما يُعرف بظاهرة “التباطؤ الحرج” (Critical Slowing Down). يتجلى هذا التباطؤ إحصائياً في ارتفاع مفاجئ ومستمر في معامل الارتباط الذاتي للمؤشرات المزاجية قبل أسابيع من ظهور النوبة السريرية الكاملة، حيث يفقد النظام قدرته على التعافي والعودة إلى التوازن بسرعة بعد التعرض للضغوط اليومية الطفيفة.

تفتح هذه الديناميكية الباب على مصراعيه لتطوير تطبيقات الطب النفسي الرقمي والتدخلات اللحظية المخصصة (Just-In-Time Adaptive Interventions – JITAIs). من خلال هذه البرمجيات، تراقب الخوارزميات الحسابية مستويات الارتباط الذاتي للمريض عبر الهواتف الذكية والساعات الذكية؛ فإذا اكتشفت زيادة مقلقة في الجمود الانفعالي والارتباط الذاتي لحالات الضيق، تطلق المنصة إشعاراً علاجياً فورياً أو تنبيهاً للمعالج المعالج للتدخل الوقائي قبل تفاقم الحالة ووقوع الانتكاسة الإكلينيكية الكاملة.

خاتمة وتطلعات بحثية مستقبلية

يمثل الارتباط الذاتي نقطة تقاطع مذهلة بين الدقة الإحصائية والعمق السيكولوجي، مجسداً التحول العلمي من النظرة الثابتة للشخصية والاضطراب النفسي إلى نظرة ديناميكية تركز على العمليات والحركة عبر الزمن. لم يعد الاعتماد التسلسلي للمشاهدات النفسية خطأً حسابياً يجب كنسه تحت سجادة النماذج التقليدية، بل أصبح نافذة كاشفة تكشف عن آليات التنظيم الذاتي، والمرونة النفسية، والجمود الوجداني المرتبط بالهشاشة النفسية والمرضية. ومع استمرار تطور نماذج القياس المتقدمة مثل DSEM والبيانات الضخمة المستمدة من الأجهزة الذكية، يستعد علم النفس لتأسيس طب نفسي دقيق وشخصي، يقوم على فهم إيقاع كل فرد وتناغمه الزمني الخاص.

المراجع

• Box, G. E., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time series analysis: forecasting and control (5th ed.). John Wiley & Sons.
• Chatfield, C. (2004). The analysis of time series: an introduction (6th ed.). Chapman and Hall/CRC.
• Hamaker, E. L., & Wichers, M. (2017). No time like the present: Discovering the hidden dynamics of psychopathology using ecological momentary assessment. Current Directions in Psychological Science, 26(1), 10–15. https://doi.org/10.1177/0963721416666518
• Kuppens, P., Allen, N. B., & Sheeber, L. B. (2010). Emotional inertia and psychological maladjustment. Psychological Science, 21(7), 984–991. https://doi.org/10.1177/0956797610372634
• McNeish, D., & Hamaker, E. L. (2020). A primer on two-level dynamic structural equation models for intensive longitudinal data in psychology. Psychological Methods, 25(5), 610–635. https://doi.org/10.1037/met0000250
• Scheffer, M., Bascompte, J., Brock, W. A., Brovkin, V., Carpenter, S. R., Dakos, V., Held, H., van Nes, E. H., Rietkerk, M., & Sugihara, G. (2009). Early-warning signals for critical transitions. Nature, 461(7260), 53–59. https://doi.org/10.1038/nature08227
• Wichers, M., Groot, P. C., & Psychosystems, E. S. M. G. (2016). Critical slowing down as a personalized early warning signal for depression. Psychotherapy and Psychosomatics, 85(2), 114–116. https://doi.org/10.1159/000441458