التحليل العنقودي في علم النفس: الأسس النظرية والتطبيقات القياسية

يُمثّل التحليل العنقودي (Clustering) أحد أهم الأساليب الإحصائية متعددة المتغيرات التي أحدثت نقلة نوعية في منهجيات التصنيف والنمذجة السلوكية ضمن علم النفس والعلوم المعرفية. تهدف هذه التقنية الاستكشافية إلى تنظيم مجموعة غير متجانسة من المفحوصين أو الاستجابات السلوكية أو المتغيرات النفسية داخل مجموعات فرعية متجانسة تُعرف بالعناقيد، بحيث يتشابه أفراد العنقود الواحد إلى أقصى حد ممكن ويختلفون جوهرياً عن أفراد العناقيد الأخرى. يتيح هذا التمايز البنيوي للباحثين النفسيين تجاوز الافتراضات التقليدية حول التجانس الشامل للمجتمعات الإحصائية، والانتقال نحو بناء أنماط تصنيفية قائمة على معطيات تجريبية دقيقة تفسر التباين الكامن في السلوك البشري والسمات الشخصية والاضطرابات الإكلينيكية.

المفهوم الإبستمولوجي والتعريف النظري للتحليل العنقودي

يُعرَّف التحليل العنقودي في الأدبيات النفسية الإحصائية بأنه عملية تصنيف غير خاضعة للإشراف المباشر (Unsupervised Classification)، تستهدف الكشف عن البنى الطبيعية الكامنة في البيانات المعقدة دون الحاجة إلى فئات تشخيصية مسبقة. في السياق القياسي، لا يتعامل التحليل العنقودي مع متغير تابع ومتغيرات مستقلة، بل ينظر إلى منظومة البيانات بوصفها فضاءً هندسياً متعدد الأبعاد تتقارب فيه الحالات وتتباعد استناداً إلى مقاييس المسافة والتشابه. يتيح ذلك للباحث تحويل المصفوفات الرقمية المجردة إلى تصنيفات نوعية ذات دلالة إكلينيكية ونظرية رصينة.

يرتكز الإطار المعرفي لهذا التحليل على مبدأ “التجانس الداخلي الأقصى والتباين الخارجي الأقصى” (Maximum Internal Cohesion and Maximum External Separation). يعني هذا المبدأ أن الكيانات السيكولوجية المنضوية داخل عنقود معين يجب أن تتقاسم ملفاً نفسياً متقارباً بدرجة عالية، في حين تتباعد الخصائص الجوهرية لهذا الملف عن الملفات النفسية الممثلة للعناقيد المقابلة. يحمي هذا المنطق المنهجي الباحثين من الوقوع في فخ التعميم المفرط الذي يتجاهل التباينات الفردية الدقيقة في دراسات الشخصية وعلم النفس المرضي.

فضلاً عن ذلك، يُعد التحليل العنقودي أداة لبناء التصنيفات النمطية (Typological Approach) التي تقف في مواجهة التصنيفات البُعدية الصرفة (Dimensional Approach) أو تتكامل معها. فبينما يختزل المنهج البُعدي الفروق الفردية في درجات متصلة على أبعاد محددة، يتيح المنهج العنقودي رصد الكيفية التي تتفاعل بها هذه الأبعاد معاً داخل الفرد الواحد لتشكيل نمط سلوكي كلي. يُعيد هذا التوجه الاعتبار لمفهوم “النظرة الشمولية” للشخصية الإنسانية، حيث لا تكون السمة معزولة بل تعمل في إطار نسق دينامي متكامل.

من الناحية المعرفية والسلوكية، يمتد مفهوم التجميع ليشمل دراسة آليات الذاكرة ومعالجة المعلومات لدى الإنسان ذاته، وهو ما يُعرف في علم النفس المعرفي بالتجميع الدلالي (Semantic Clustering). يشير هذا المفهوم إلى الميل التلقائي للجهاز المعرفي لتنظيم المثيرات أو الكلمات المسترجعة في فئات دلالية متقاربة لتسهيل الاستدعاء وتقليل العبء المعرفي. يعكس هذا التوازي بين الخوارزمية الإحصائية والعملية العقلية حقيقة أن التصنيف العنقودي ليس مجرد أداة رياضية، بل هو محاكاة منهجية للميول التصنيفية الفطرية للعقل البشري.

التطور التاريخي وتطبيقات المفهوم في القياس النفسي

تعود الإرهاصات الأولى للتحليل العنقودي إلى منتصف ثلاثينيات القرن العشرين، عندما سعى رواد القياس النفسي مثل روبرت تريون (Robert Tryon) في كتابه الرائد “تحليل الأنماط الكامنة” عام 1939 إلى ابتكار أدوات بديلة أو مكملة للتحليل العاملي. كان دافع تريون الأساسي هو الكشف عن التجمعات الطبيعية للأفراد بناءً على سماتهم وقدراتهم المعرفية، مما رسخ مبادئ ما سُمي لاحقاً بتحليل الأنماط أو القياس النمطي (Taxometrics)، والذي وضع اللبنات الرياضية الأولى للتصنيف العنقودي.

مع بزوغ الثورة الحاسوبية في ستينيات وسبعينيات القرن العشرين، شهد التحليل العنقودي طفرة هائلة تمثلت في صياغة خوارزميات التجميع الهرمي وتطوير مقاييس التباعد الإقليدي على أيدي باحثين مثل وارد (Joe H. Ward). أتاحت هذه القوة الحسابية الوليدة لعلماء النفس تطبيق التحليلات على عينات عريضة وبيانات متعددة الأبعاد، مما أخرج التحليل من نطاق المعادلات اليدوية المضنية إلى فضاء البرمجة الإحصائية المتقدمة القادرة على استيعاب تعقيدات السلوك الإنساني.

في العصر الراهن، تداخل التحليل العنقودي مع تقنيات الذكاء الاصطناعي وتعلم الآلة الإحصائي، مما أفرز نماذج فائقة الدقة مثل نمذجة المزيج المحدود (Finite Mixture Modeling) وتحليل الملفات الكامنة (Latent Profile Analysis). لم يعد الهدف مجرد فرز وصفي للمفحوصين، بل أصبح يركز على إيجاد احتمالية انتماء كل فرد إلى مجموعة كامنة، مع تقدير أخطاء القياس بدقة متناهية، وهو ما غير جذرياً مسار الأبحاث النفسية المعاصرة المرتبطة بالجينات السلوكية وعلم الأعصاب الإدراكي.

الأسس الرياضية والمنهجية: مقاييس المسافة والتشابه

يعتمد أي تحليل عنقودي بالدرجة الأولى على اختيار المقياس الرياضي الذي يحدد درجة القرب أو التباعد بين الحالات المدروسة. تتعدد مقاييس المسافة تبعاً لطبيعة البيانات السيكومترية؛ ومن أشهرها في البيانات الفترية والنسبية مسافة إقليدس (Euclidean Distance)، والتي تقيس المسافة الهندسية المباشرة بين نقطتين في فضاء متعدد الأبعاد، ومسافة مانهاتن (Manhattan Distance) التي تحسب المسافات عبر جمع الفروق المطلقة بين الإحداثيات.

تكتسب مسافة ماهالانوبيس (Mahalanobis Distance) أهمية استثنائية في التحليلات النفسية، حيث تأخذ في الحسبان التباينات المشتركة بين المتغيرات وتزيل أثر الارتباطات البينية؛ مما يمنع التكرار القياسي للسمات المترابطة. يُعد هذا الاختيار بالغ الحساسية، إذ إن استخدام مقياس مسافة غير ملائم لطبيعة المتغيرات قد يؤدي إلى خلق عناقيد مصطنعة لا وجود لها في الواقع السيكولوجي المدروس.

في حالة البيانات الاسمية أو الثنائية (مثل الإجابة بنعم/لا على فقرات استبيان تشخيصي)، يعتمد الباحثون على معاملات الاقتران والتشابه مثل معامل جاكارد (Jaccard) أو معامل دايس (Dice)، اللذين يستبعدان التوافق السلبي لتفادي التضخيم الزائف للتشابه. يتطلب هذا التنوع من الباحث النفسي إدراكاً عميقاً لمستوى القياس السيكومتري قبل الشروع في حساب مصفوفات القرب.

تُعد معالجة البيانات القياسية مسبقاً خطوة منهجية حاسمة لا غنى عنها؛ فاختلاف وحدات القياس أو مقاييس التدرج بين الاستبيانات السيكولوجية يؤدي إلى هيمنة المتغيرات ذات التباين المرتفع على تحديد العناقيد. من هنا، يصبح تطبيق التحويلات المعيارية (Z-score standardization) متطلباً جوهرياً لضمان إسهام متكافئ لكل متغير نفسي في بناء الهيكل العنقودي النهائي.

الخوارزميات والأنماط الرئيسية للتحليل العنقودي

تنقسم أساليب التحليل العنقودي عموماً إلى مسارين رئيسيين: الأساليب الهرمية (Hierarchical Methods) والأساليب غير الهرمية (Non-hierarchical Methods)، ولكل منهما فلسفته واستخداماته المتمايزة في الأبحاث النفسية:

• التجميع الهرمي التجميعي (Agglomerative Hierarchical Clustering): ينطلق من اعتبار كل مفحوص عنقوداً مستقلاً بذاته، ثم تدمج الحالات تباعاً في عناقيد أكبر استناداً إلى معايير الربط (Linkage Methods) مثل طريقة الرابط الفردي، أو الرابط الكامل، أو طريقة وارد (Ward’s Method) التي تسعى إلى تقليل التباين التراكمي الإجمالي داخل العناقيد إلى أدنى حد ممكن عند كل خطوة دمج.
• التجميع الهرمي التقسيمي (Divisive Hierarchical Clustering): يبدأ بالعكس، حيث تُعامل العينة بأكملها بوصفها عنقوداً واحداً ضخماً، ثم تُقسم تدريجياً وبشكل تفرعي إلى عناقيد أصغر حجماً حتى يُفرد كل مشارك في وحدة مستقلة، ويُمثل هذا المسار بيانياً عبر شجرة التفرع (Dendrogram).
• خوارزمية المتوسطات التقاربية (K-means): تُعد أشهر الخوارزميات غير الهرمية؛ وتتطلب من الباحث تحديد عدد العناقيد (K) مسبقاً بناءً على خلفية نظرية أو استكشافية، لتقوم الخوارزمية بتوزيع الحالات على مراكز العناقيد بصورة تكرارية حتى الوصول إلى أقصى استقرار للحل الإحصائي.
• التجميع القائم على الكثافة (Density-Based Clustering مثل DBSCAN): يُستخدم للتعامل مع البيانات المعقدة ذات التوزيعات غير المنتظمة، وتكمن ميزته الفائقة في القدرة على عزل القيم الشاذة والمتطرفة التي قد تشوه النتائج النفسية بدلاً من إجبارها على الانضمام لعنقود ما.
• النماذج القائمة على الاحتمالات (Model-Based Clustering / LPA): تتعامل مع العناقيد كفئات غير مرئية تفترض توزيعات احتمالية طبيعية كامنة، مما يمنح الباحثين معايير ملاءمة إحصائية صارمة لتقييم واختيار عدد العناقيد الأمثل بدلاً من الاعتماد الحصري على التقديرات البصرية التقديرية.

التطبيقات الإكلينيكية والتشخيصية في علم النفس المرضي

يواجه التصنيف النفسي التقليدي المعتمد على الدليل التشخيصي والإحصائي للاضطرابات النفسية (DSM) تحدياً مزمناً يتمثل في التغاير غير المتجانس (Heterogeneity) للأعراض ضمن الفئة المرضية الواحدة؛ فالمرضى الذين يحملون تشخيصاً واحداً مثل الاكتئاب الجسيم قد تتباين ملامحهم العيادية بشكل جذري. هنا يبرز التحليل العنقودي كأداة قوية لتحديد الأنماط الفرعية للاضطرابات (Subtyping)، مما يتيح فرز المرضى وفقاً لتكتلات الأعراض الأكثر تماسكاً وتجانساً.

في دراسات الفصام، ساعدت الخوارزميات العنقودية في التمييز بين الأنماط السلوكية التي تهيمن عليها الأعراض الإيجابية (كالضلالات والهلاوس) وتلك التي تسيطر عليها الأعراض السلبية (كالتبلد الانفعالي والانعزال الاجتماعي)، مع ربط هذه العناقيد بالاختلافات في الاستجابة للعقاقير النفسية والتكهن بمسار المرض. ساهم هذا الفرز الإحصائي في توجيه البروتوكولات العلاجية نحو الاحتياجات الفعلية لكل فئة فرعية.

كذلك يوظف علماء النفس الإكلينيكي التحليل العنقودي في الكشف عن التواكب المرضي (Comorbidity) من خلال تجميع الاضطرابات ذات الظهور المتزامن المرتفع لدى المفحوصين، مثل تكتلات اضطرابات القلق والاكتئاب من جهة، واضطرابات السلوك التخريبي وتعاطي المواد من جهة أخرى. يُسهم هذا النهج في ترسيخ الرؤية الإكلينيكية التي تفكك الثنائيات التشخيصية الجامدة لصالح شبكات أعراض تفاعلية مترابطة ومبنية على وقائع الرصد الميداني.

تطبيقات التحليل العنقودي في أبحاث الشخصية وعلم النفس المعرفي

في ميدان دراسات الشخصية، أدى استخدام التحليل العنقودي إلى إعادة بعث النماذج النمطية التي تجمع بين درجات الفرد على أبعاد نموذج العوامل الخمسة الكبرى (Big Five). أظهرت أبحاث متكررة عبر ثقافات متعددة وجود ثلاثة أنماط شخصية عامة تتكرر باستمرار عبر التحليل العنقودي: النمط المرن (Resilient) الذي يتسم بدرجات متوازنة وتوافق عالٍ، والنمط مفرط السيطرة (Overcontrolled) المتسم بالعصابية والانطواء المرتفع، والنمط ناقص السيطرة (Undercontrolled) الذي يبرز فيه انخفاض اليقظة والقبول مصحوباً بالاندفاعية.

يوفر التحليل العنقودي في هذا الإطار فهماً متكاملاً لكيفية امتزاج السمات المختلفة في تكوين وحدة الفرد النفسية، وهو ما يعجز التحليل الخطي البسيط عن رصده بدقة. كما يُستفاد منه في التوجيه المهني واختيار الموظفين عبر مطابقة العناقيد السلوكية للأفراد مع المتطلبات المحددة لبيئات العمل المتنوعة، مما يدعم التوافق المهني والإنتاجية.

أما في أبحاث علم النفس المعرفي والذاكرة، فيُستخدم مفهوم مؤشر التجميع (Clustering Index) في مهام الاستدعاء الطليق للكلمات (Free Recall Tasks). يُقاس التجميع الدلالي عبر احتساب تسلسل الكلمات المسترجعة وفقاً لانتمائها التصنيفي (مثل تجميع أسماء الحيوانات معاً تليها أسماء الأدوات)؛ ويُعد هذا المؤشر دلالة مباشرة على سلامة استراتيجيات التنظيم الداخلي في الفص الصدغي الإنسي والوظائف التنفيذية في الفص الجبهي، ويشكل مؤشراً فارقاً في تشخيص التدهور المعرفي المبكر ومرض الزهايمر.

التحديات المنهجية والمآزق الإحصائية في التحليل العنقودي

على الرغم من الفوائد المنهجية الجليلة للتحليل العنقودي، فإنه يُعد سلاحاً ذا حدين بسبب طبيعته الاستكشافية المفتوحة وقابليته للتشويش الإحصائي. تتلخص أبرز هذه المعضلات فيما يلي:

• مأزق فرض البنية (Structure Imposition): تتميز معظم الخوارزميات العنقودية بقدرتها على إنتاج عناقيد حتى وإن طُبقت على بيانات عشوائية تماماً تفتقر لأي بنية واقعية، مما يفرض على الباحث التحقق من قابلية البيانات للتجميع (Clustering Tendency) باستخدام اختبارات متخصصة كإحصائية هوبكنز (Hopkins Statistic) قبل تطبيق الخوارزمية.
• غموض تحديد العدد الأمثل للعناقيد: لا توجد قاعدة رياضية قاطعة تحدد عدد العناقيد الحقيقي؛ وتتطلب هذه الخطوة موازنة متأنية بين المؤشرات الإحصائية الشكلية مثل معامل السيلويت (Silhouette Coefficient)، ومعيار الكوع (Elbow Criterion)، واختبار الفجوة الإحصائية (Gap Statistic)، وبين الجدوى النظرية والتطبيقية للتصنيف المقترح.
• حساسية النتائج المفرطة (Instability): تتأثر الحلول العنقودية بشكل حاد بطريقة إدخال البيانات وترتيب الحالات، ووجود القيم المتطرفة، واختيار معايير الربط، مما يستوجب إجراء تحليلات الثبات المتقاطع (Cross-validation) واستخدام عينات عشوائية فرعية للتحقق من صمود العناقيد أمام التغيرات الطفيفة.
• مغالطة التجسيد (Reification Fallacy): يقع بعض الباحثين في خطأ التعامل مع العناقيد المستخرجة بوصفها كيانات موضوعية حقيقية راسخة ومستقلة، متناسين أنها نتاج رياضي احتمالي يرتبط حصراً بالمتغيرات المحددة المدخلة في النموذج وطبيعة الخوارزمية المنفذة.

التحليل المقارن: التحليل العنقودي مقابل التحليل العاملي وتحليل الفئات الكامنة

يخلط بعض الباحثين المبتدئين بين التحليل العنقودي والتحليل العاملي (Factor Analysis)، والواقع أن بينهما تبايناً جوهرياً في التوجه والهدف الرياضي. يسعى التحليل العاملي إلى تجميع المتغيرات المشتركة (Variables) لتقليصها إلى عدد أقل من الأبعاد أو العوامل الكامنة التي تفسر التباين المشترك، في حين يركز التحليل العنقودي التقليدي (Q-type analysis) على تجميع الحالات أو الأفراد (Cases/Individuals) بناءً على تشابه ملفاتهم الشخصية عبر تلك المتغيرات. وبالتالي فإن الأول أداة لتقليص المتغيرات، بينما الثاني أداة لتصنيف الأفراد.

في سياق متصل، يشترك تحليل الفئات الكامنة (Latent Class Analysis – LCA) وتحليل الملفات الكامنة (LPA) مع التحليل العنقودي في الهدف التصنيفي للأفراد، لكنهما يرتكزان على أساس احتمالي استدلالي بارامتري يعتمد على دوال الإمكانية العظمى (Maximum Likelihood)، مما يسمح بالحصول على مؤشرات جودة المطابقة (Model Fit Indices) كمعيار بيك (BIC) ومعيار أيكيكي (AIC)، بالإضافة إلى تقدير أخطاء التصنيف الفردية. أما التحليل العنقودي الكلاسيكي فهو تقنية هندسية تجريبية خالية من الفروض البارامترية، مما يجعله أكثر مرونة لكنه أقل قدرة على النمذجة الاحتمالية الصارمة.

يوضح هذا التمايز أن الاختيار بين هذه الأدوات الإحصائية ليس مسألة تفضيل عشوائي، بل ينبع من التساؤل البحثي المطروح: هل يسعى الباحث إلى فهم بنية الاختبار والسمات المقاسة (التحليل العاملي)، أم إلى اكتشاف تجمعات الأفراد المتجانسين تجريبياً (التحليل العنقودي)، أم إلى اختبار نموذج نظري احتمالي حول فئات سكانية كامنة غير مشهودة (تحليل الفئات الكامنة)؟

إرشادات منهجية للتحقق من صدق البنية العنقودية وثباتها

لضمان الرصانة العلمية للحلول العنقودية وتفادي النماذج الوهمية، ينبغي على الباحث النفسي اتباع استراتيجيات تحقق منهجية متعددة المستويات:

• التحقق الداخلي (Internal Validation): يقيس التماسك الإحصائي للحل العنقودي من خلال مؤشرات تقيس التقارب الداخلي والتباعد الخارجي مثل معامل السيلويت (Silhouette Width)؛ حيث تشير القيم القريبة من (+1) إلى جودة تصنيف ممتازة، بينما تعكس القيم الصفرية أو السالبة تداخلاً غير مقبول بين العناقيد.
• التحقق عبر الاستقرار وإعادة الإنتاج (Stability Assessment): يتم عبر أسلوب العينات المعاد سحبها (Bootstrapping) للتأكد من أن التجميع لا يعتمد على صدفة العينة الأصلية، أو من خلال تقسيم العينة إلى نصفين عشوائيين وتطبيق التحليل على كل نصف بصورة مستقلة ومقارنة درجة التطابق باستخدام معامل راند المعدل (Adjusted Rand Index).
• الصدق التلازمي والتقاربي الخارجي (External Validation): يُعد الخطوة الأهم من الناحية السيكولوجية؛ ويتضمن مقارنة العناقيد المستخرجة عبر متغيرات خارجية لم تُدرج أصلاً في نموذج التجميع العنقودي (مثل المتغيرات الديموغرافية، الاستجابة للعلاج، أو المقاييس السلوكية اللاحقة). يثبت هذا التحقق أن العناقيد تمتلك معنى وظيفياً وتفسيرياً حقيقياً يتجاوز مجرد الحسابات الرياضية.

خاتمة واستشراف مستقبلي

يُمثّل التحليل العنقودي ركيزة منهجية متقدمة في ترسانة القياس النفسي والبحث السلوكي المعاصر، حيث يتيح للباحثين تفكيك التعقيد الكامن في البيانات متعددة المتغيرات وتحويلها إلى رؤى سيكولوجية منتظمة وقابلة للتفسير. من خلال قدرته على استكشاف التجمعات الطبيعية للأفراد والأعراض، يجسد هذا الأسلوب جسراً عملياً يربط بين دقة النمذجة الإحصائية وعمق النظرة الإكلينيكية الإنسانية التي تنظر للفرد كوحدة نمطية متكاملة، لا كمجرد تجميعة لسمات متناثرة.

مع تسارع وتيرة جمع البيانات النفسية الضخمة وظهور القياسات الرقمية المستمرة (Digital Phenotyping) والبيانات العصبية المعقدة، يتجه مستقبل التحليل العنقودي نحو خوارزميات التجميع الدينامي التي ترصد تحول الأفراد بين العناقيد عبر الزمن، ونماذج التجميع متعددة الأنماط التي تدمج البيانات الجينية والمعرفية والسلوكية في آن واحد. يفرض هذا التطور على الباحث النفسي الالتزام بأقصى درجات الضبط المنهجي والمعرفي، لضمان أن تظل مخرجات هذه الخوارزميات خادمةً للفهم الإنساني ومحققةً للعدالة التشخيصية في بيئات البحث والتدخل العلاجي.

المراجع

• Aldenderfer, M. S., & Blashfield, R. K. (1984). Cluster analysis. SAGE Publications. https://doi.org/10.4135/9781412983648
• Everitt, B. S., Landau, S., Leese, M., & Stahl, D. (2011). Cluster analysis (5th ed.). John Wiley & Sons. https://doi.org/10.1002/9780470977811
• Kaufman, L., & Rousseeuw, P. J. (2009). Finding groups in data: An introduction to cluster analysis. John Wiley & Sons.
• MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, 1, 281-297.
• Meehl, P. E. (1992). Factors and taxa, traits and types, differences of degree and differences in kind. Journal of Personality, 60(1), 117-174. https://doi.org/10.1111/j.1467-6494.1992.tb00970.x
• Tryon, R. C. (1939). Cluster analysis: Correlation profile and loci of analysis for the isolation of categories of individuals and properties. Edwards Brothers.
• Ward, J. H., Jr. (1963). Hierarchical grouping to optimize an objective function. Journal of the American Statistical Association, 58(301), 236-244. https://doi.org/10.1080/01621459.1963.10500845