التوزيع الهندسي: نمذجة محاولات التعلم والسلوك

يشكل التوزيع الهندسي أحد أهم النماذج الاحتمالية المنفصلة التي تستند إليها الأبحاث السيكومترية والتجريبية في العلوم السلوكية لفهم تواتر المحاولات المطلوبة لتحقيق استجابة مستهدفة. يتيح هذا النموذج للباحثين تفكيك ديناميات الاكتساب المعرفي، وسرعة حل المشكلات، وأنماط الاستجابة تحت جداول التعزيز المختلفة بدقة رياضية متناهية. من خلال دراسة احتمالية وقوع النجاح الأول عبر سلسلة من المحاولات المستقلة، يقدم التوزيع إطاراً تحليلياً يربط بين البنية الرياضية للاحتمالات والآليات النفسية الكامنة خلف الإصرار، والانتباه، والأداء المعرفي.

التوزيع الهندسي في القياس والبحث النفسي

1. التعريف الموجز والدقيق

التوزيع الهندسي (Geometric Distribution) هو توزيع احتمالي منفصل يصف احتمال وقوع النجاح الأول بعد عدد معين من المحاولات الفاشلة المستقلة والمتطابقة، أو عدد المحاولات الإجمالية اللازمة لتحقيق أول نجاح في تجربة برنولي ذات احتمال نجاح ثابت. يُعبر هذا التوزيع رياضياً عن المتغير العشوائي المنفصل الذي يمثل رتبة المحاولة التي يظهر فيها الحدث المستهدف لأول مرة، بافتراض ثبات الشروط البيئية والتجريبية عبر المحاولات المتتابعة.

في سياق القياس النفسي والعلوم العصبية الإدراكية، يُستخدم التوزيع الهندسي كأداة قياسية لنمذجة سلوكيات مثل عدد المحاولات التي يستغرقها المفحوص لحل مسألة إدراكية للمرة الأولى، أو عدد التدخلات العلاجية المطلوبة لإحداث أول استجابة إيجابية ملموسة، أو الفترات الزمنية المنفصلة الفاصلة بين استجابات المفحوصين في اختبارات اليقظة والانتباه المستمر. يعكس هذا التوزيع بطبيعته الرياضية مفهوم “الافتقار إلى الذاكرة”، مما يجعله معياراً أساسياً ومحكاً مقارناً لفحص ما إذا كان السلوك البشري يتأثر بالتراكم والخبرة أم يتبع مساراً عشوائياً مستقلاً في مواقف معينة.

2. التأثيل والاشتقاق اللغوي

تعود التسمية اللاتينية لمصطلح “الهندسي” إلى الكلمة اليونانية القديمة (geōmetrikos)، المشتقة من (geōmetria) والتي تعني حرفياً قياس الأرض. وقد انتقل هذا المفهوم إلى لغة الرياضيات والتحليل الإحصائي ليرتبط بما يُعرف بالمتتالية الهندسية (Geometric Progression)، حيث تتناقص الاحتمالات المتعاقبة لكل محاولة بنسبة ثابتة ومحددة تُعرف بأساس المتتالية الهندسية (والذي يمثله مكمل احتمال النجاح). وقد صِيغ المصطلح باللغة الإنجليزية تحت مسمى (Geometric Distribution) في بدايات تطور نظرية الاحتمالات الرياضية، ثم استقر استخدامه في الدراسات القياسية والسلوكية الحديثة.

أما في المعاجم اللغوية العربية، فإن لفظ “التوزيع” مشتق من الجذر ثلاثي الأحرف (و-ز-ع)، والذي يحمل في دلالاته الأصلية معنى التفريق والتنظيم والتصنيف العادل للأجزاء على مستحقيها. واشتق لفظ “الهندسي” من الجذر (هـ-ن-د-س)، المرتبط بتقدير المقادير والأبعاد وترتيبها وفق نسب ونظم محددة ودقيقة. وهكذا، فإن المصطلح المركب يشير اصطلاحاً إلى تنظيم القيم الاحتمالية وتوزيعها على المحاولات المنفصلة وفق متوالية هندسية تنحدر فيها الاحتمالات تدريجياً بنسبة ثابتة مع تزايد عدد المحاولات الفاشلة.

3. النطق والبنية النحوية والمصطلحية

يُنطق المصطلح باللغة العربية الفصحى بصيغة التركيب النعتي: “التَّوْزِيعُ الهَنْدَسِيُّ” (بفتح التاء وسكون الواو وكسر الزاي، يعقبها همزة وصل وفتح الهاء وسكون النون وفتح الدال وكسر السين والياء المشددة). يُعرب هذا المصطلح حسب موقعه في الجملة؛ حيث يكون “التوزيعُ” مبتدأ أو فاعلاً أو مفعولاً به، وتتبعه كلمة “الهندسيُّ” نعتاً تابعاً له في علامات الإعراب وحركات الضبط. وفي الجمع التخصصي يقال: “التوزيعات الهندسية” للإشارة إلى عائلات النماذج الاحتمالية المتفرعة عنه أو المعتمدة على معالم احتمالية مختلفة.

يُرمز لهذا التوزيع في المراجع الإحصائية والسيكومترية اللاتينية بالحرف الكبير المشتق من اسمه: Geo(p) أو G(p)، حيث يمثل الرمز (p) معلمة الاحتمال (Parameter) المحصورة بدقة بين الصفر والواحد. وفي الأوساط الأكاديمية والبحثية العربية، يُقبل استخدام اختصار “ت. هـ” في الجداول الإحصائية الميدانية، مع الحفاظ على التسمية الكاملة في المتون التحليلية لضمان الوضوح الاصطلاحي وعدم الخلط بينه وبين التوزيع الهندسي الفوقي أو التوزيعات الهندسية المعممة.

4. الشرح المفاهيمي المتعمق

يقوم التوزيع الهندسي على ركيزة احتمالية واضحة: مراقبة سلسلة مستمرة من تجارب برنولي المستقلة التي لا تحتمل سوى نتيجتين اثنتين فقط: النجاح (الذي يرمز له بالرمز p) أو الفشل (الذي يرمز له بالرمز q حيث q = 1 – p). يركز هذا النموذج على حصر المتغير العشوائي الممثل للحظة حدوث الانعطاف؛ أي الانتهاء من سلسلة الفشل بالوصول إلى النجاح الأول. ويمتلك التوزيع صياغتين رياضيتين شائعتين: الأولى تقيس العدد الإجمالي للمحاولات حتى أول نجاح (حيث تبدأ القيم من 1 وتستمر إلى ما لا نهاية)، والثانية تقيس عدد المحاولات الفاشلة قبل ظهور أول نجاح (حيث تبدأ القيم من الصفر وتستمر إلى ما لا نهاية).

الخاصية المحورية التي تميز التوزيع الهندسي عن سائر التوزيعات الاحتمالية المنفصلة هي “خاصية انعدام الذاكرة” (Memorylessness Property). وتعني هذه الخاصية فلسفياً ورياضياً أن احتمال تحقيق النجاح في المحاولة القادمة يظل ثابتاً ومستقلاً تماماً، بغض النظر عن عدد المحاولات السابقة التي باءت بالفشل. فإذا أخفق المفحوص في عشر محاولات متتالية، فإن فرصة نجاحه في المحاولة الحادية عشرة تظل مساوية لاحتمال النجاح في المحاولة الأولى تماماً. في سياق السلوك البشري، يشكل هذا الافتراض محكاً تجريبياً بالغ الأهمية؛ إذ يتيح لعلماء النفس التمييز بين السلوكيات التي يحكمها الحظ العشوائي الخالص وتلك التي تعتمد على التراكم المعرفي وخبرة التعلم.

علاوة على ذلك، يتناقص شكل منحنى التوزيع الهندسي تناقصاً أسياً مستمراً؛ إذ تكون أعلى قيمة احتمالية دائماً عند المحاولة الأولى (إذا كانت p أكبر من الصفر)، ثم تتناقص احتمالية الحاجة إلى محاولات إضافية بصورة مطردة. وتتحدد معالم هذا التوزيع كلياً من خلال وسيط واحد هو احتمال النجاح (p). يبلغ المتوسط الرياضي أو القيمة المتوقعة لعدد المحاولات حتى النجاح الأول المقدار (1/p)، في حين يقدر تباين التوزيع بالمقدار (1-p) مقسوماً على مربع p. هذا التحديد الرياضي المباشر يجعل التوزيع الهندسي نموذجاً مثالياً لبناء الفرضيات المقارنة في أبحاث زمن الرجع وسرعة اكتساب المفاهيم الرياضية واللغوية المعقدة.

5. التطور التاريخي والجذور الإحصائية

تعود الجذور الأولى لنماذج التوزيعات المنفصلة إلى أعمال عالم الرياضيات السويسري ياكوب برنولي في كتابه التأسيسي “فن التخمين” (Ars Conjectandi) المنشور عام 1713، حيث وضع القواعد الصارمة لدراسة المحاولات الثنائية المستقلة. ومن رحم هذه الأطر الرياضية، تبلور التوزيع الهندسي كحالة خاصة تهتم بزمن الانتظار حتى الحدث الأول، وتطورت نظرياته الموازية بالتكامل مع إسهامات أبراهام دي موافر وبيير سيمون لابلاس خلال القرنين الثامن عشر والتاسع عشر عند دراستهم لمسائل ألعاب الحظ واحتمالات دوام الخسارة.

ومع مطلع القرن العشرين، بدأ انتقال التوزيع الهندسي من مجاله الرياضي البحت إلى فضاء العلوم الإنسانية والتجريبية بفضل علماء الإحصاء الحيوي والقياس النفسي. فقد ساهمت دراسات جون بور فيل وتشارلز سبيرمان في تسليط الضوء على كيفية استخدام التوزيعات الرياضية المنفصلة لتفسير أنماط الأخطاء في الاختبارات العقلية. وفي منتصف القرن العشرين، وتحديداً مع الثورة السلوكية بقيادة بر Burrhus Frederic Skinner، اكتسب التوزيع الهندسي زخماً استثنائياً كأداة رياضية لتوصيف جداول التعزيز ذات النسب المتغيرة والفاصل الزمني العشوائي في دراسات تكييف السلوك الإجرائي.

وفي مرحلة الثورة المعرفية خلال عقدي الستينيات والسبعينيات، برزت الحاجة لنمذجة استراتيجيات حل المشكلات بصورة احتمالية من خلال أبحاث علماء النفس الرياضي مثل ويليام إستس (William K. Estes) وريتشارد أتكينسون (Richard Atkinson). حيث وظف الباحثون التوزيع الهندسي لدراسة نماذج الحالة الواحدة ومراحل التعلم المفاجئ المعروفة بـ “استبصار كوهلر”، حيث ينتقل المفحوص من حالة الجهل الكامل إلى حالة الفهم التام، مما يجعل عدد المحاولات اللازمة للوصول إلى هذا الحل يخضع للتوزيع الهندسي تحت فرضيات افتقار الذاكرة قبل حدوث الاستبصار الإدراكي.

6. الأسس والنمذجة النظرية في علم النفس

ترتكز النمذجة النظرية للتوزيع الهندسي في علم النفس على أطر ومفاهيم متعددة تربط بين الرياضيات والسلوك. من أبرز هذه الأطر “نظرية أخذ العينات من المثيرات” (Stimulus Sampling Theory) ونماذج التعلم بالمحاولة والخطأ التي وضع أسسها إدوارد ثورندايك. تفترض هذه الأطر أن الكائن الحي في المواقف المعرفية الغامضة يختبر استجابات متعددة عشوائياً، فإذا افترضنا أن البيئة تقدم احتمالية ثابتة للوصول إلى الاستجابة التكيفية الصحيحة عند كل محاولة، فإن عدد المحاولات حتى الاستجابة الأولى الصحيحة يتطابق تماماً مع التوزيع الهندسي النظري.

أما الإطار الثاني فيتمثل في نظرية القياس النفسي ونظرية الاستجابة للمفردة (Item Response Theory)، حيث يُستعان بالتوزيع الهندسي لدراسة ظاهرة التخمين العشوائي لدى المفحوصين عند مواجهة أسئلة الاختيار من متعدد ذات الصعوبة المفرطة. فإذا لم يمتلك الطالب أي معرفة بالموضوع، فإن احتمالية اختياره للإجابة الصحيحة تمثل محاولة برنولي بنسبة نجاح ثابتة تعتمد على عدد البدائل المتاحة، ويكون عدد الأسئلة التي يخمنها قبل أن يصيب أول إجابة صحيحة خاضعاً رياضياً لخصائص التوزيع الهندسي، مما يسمح بفرز الأداء المعرفي الحقيقي عن النجاح الناتج عن الصدفة.

وفي علم النفس المعرفي المعاصر، يُستخدم التوزيع الهندسي كنموذج صفري (Null Model) في نظريات اتخاذ القرار ومعالجة المعلومات. يتيح هذا النموذج للباحث مقارنة بيانات الأداء الفعلي للمفحوص بالمنحنى الهندسي المثالي؛ فإذا انحرفت بيانات المفحوص عن التوزيع الهندسي وأظهرت تحسناً تدريجياً في احتمالية النجاح مع توالي المحاولات، استنتج الباحث وجود تراكم معرفي وتعلم بنائي تدريجي. أما إذا انحدرت البيانات بصورة أسرع أو أبطأ من المتوقع مع ثبات المعدل، دل ذلك على وجود عوامل تشتت انتباه أو نضوب في الدافعية أو جمود معرفي يتطلب التدخل التشخيصي.

7. المكونات الأساسية والخصائص والأنماط الرياضية

يتسم التوزيع الهندسي بخصائص رياضية وسلوكية محددة تجعله قالباً تحليلياً فريداً، وتتحدد هذه الأبعاد في النقاط الآتية:

• دالة الكتلة الاحتمالية (Probability Mass Function): تُحسب احتمالية أن تكون المحاولة رقم k هي المحاولة الناجحة الأولى من خلال المعادلة الرياضية: P(X = k) = (1 – p)^(k – 1) * p، حيث يمثل p احتمال النجاح الثابت، وk يمثل عدد المحاولات، مما يعكس ضرب احتمالات الفشل السابقة باحتمال النجاح النهائي.
• معلمة الاحتمال المفردة (Single Parameter p): يعتمد التوزيع كلياً على معلمة واحدة محصورة في المدى المفتوح بين 0 و1، وتحدد هذه المعلمة شدة انحدار المنحنى الاحتمالي، فكلما زادت قيمة p أصبح المنحنى شديد الانحدار ليعكس سرعة تحقيق النجاح الأول.
• القيمة المتوقعة والتباين (Mean and Variance): تبلغ القيمة المتوقعة للمحاولات E(X) = 1/p، مما يعني أنه كلما قل احتمال النجاح في المحاولة الفردية، تضاعف عدد المحاولات المتوقعة للوصول إلى الهدف، في حين يقاس التباين بالعلاقة Var(X) = (1 – p) / p^2، ما يدل على اتساع مدى التشتت السلوكي كلما كان الحدث نادراً.
• خاصية انعدام الذاكرة (Memoryless Property): الخاصية الجوهرية المتمثلة في العلاقة: P(X > s + t | X > s) = P(X > t)، والتي تفيد بأن استمرار الفشل لعدد معين من المحاولات لا يقدم أي ميزة احتمالية أو ضرر لاحتمال النجاح في المحاولات التالية، وتعد السمة الرياضية الحصرية للتوزيع الهندسي بين كافة التوزيعات المنفصلة.
• دالة التوزيع التراكمي (Cumulative Distribution Function): تعبر عن احتمال حدوث النجاح الأول في أو قبل المحاولة رقم k، وتأخذ الصيغة المباشرة: F(k) = 1 – (1 – p)^k، وهي دالة تصف احتمالية تجاوز عتبة الإخفاق الإجمالية وتزايد فرص النجاح التراكمي مع اتساع نافذة المحاولات.

8. الأمثلة وحالات الدراسة التطبيقية

لتوضيح التوزيع الهندسي في سياق نفسي واقعي، نفترض حالة دراسة تجريبية تُجرى في مختبر علم النفس العصبي لدراسة مرونة التفكير لدى عينة من الأطفال المشخصين بـ اضطراب طيف التوحد مقارنة بأقرانهم النمطيين، باستخدام نسخة محوسبة من اختبار فرز بطاقات ويسكونسن (WCST). في هذا الاختبار، يُطلب من المفحوص مطابقة البطاقات وفق قاعدة غير معلنة (مثل اللون أو الشكل أو العدد)، وتتغير هذه القاعدة فجأة دون إشعار مسبق. يُسجل الباحث المتغير العشوائي الممثل لعدد المحاولات التي يستغرقها الطفل بعد تغيير القاعدة ليكتشف القاعدة الجديدة وينجح في تطبيقها لأول مرة.

إذا كان احتمال اكتشاف القاعدة عشوائياً بواسطة التجربة والخطأ هو p = 0.20 في كل محاولة، فإن التوزيع الهندسي يتنبأ بأن القيمة المتوقعة لعدد المحاولات المطلوبة لتحقيق أول نجاح هي 1 / 0.20 = 5 محاولات. كما يحسب الباحث احتمال أن ينجح الطفل في المحاولة الثالثة تحديداً على النحو الآتي: P(X = 3) = (0.80)^2 * 0.20 = 0.128 (أي بنسبة 12.8%). فإذا أظهرت نتائج الأطفال ذوي التوحد متوسط محاولات بلغ 14 محاولة قبل النجاح الأول، فإن هذا الانحراف الإحصائي الحاد عن التوزيع الهندسي النظري يكشف بدقة عن درجة الجمود المعرفي والمثابرة السلبية على الخطأ (Perseveration).

وفي تطبيق إكلينيكي آخر يتصل بالعلاج النفسي، يُوظف التوزيع الهندسي في نمذجة عدد جلسات العلاج المعرفي السلوكي اللازمة لحدوث أول تراجع ملموس في نوبات الهلع لدى مرضى القلق العام. فإذا كان احتمال التحسن الإكلينيكي الملحوظ في أي أسبوع علاجي مستقلاً وثابتاً بمعدل p = 0.15، فإن النموذج الهندسي يوضح أن احتمال حاجة المريض لأكثر من أربع جلسات قبل رؤية أول تحسن يُحسب عبر دالة البقاء: P(X > 4) = (1 – 0.15)^4 = 0.522، مما يساعد المعالجين في وضع توقعات عيادية واقعية وتفسير حالات التأخر العلاجي استناداً لمعايير احتمالية معتمدة بدلاً من الحكم الذاتي غير المنضبط.

9. القياس والتقييم في النماذج السلوكية

يتطلب قياس المتغيرات الخاضعة للتوزيع الهندسي في البحوث السيكولوجية بروتوكولات تجريبية صارمة لضمان استقلالية المحاولات وثبات احتمال النجاح عبر الزمن. يُستخدم التوزيع بصورة رئيسية لتقدير معلمة الاحتمال (p) من واقع البيانات الميدانية، وتُعتمد طريقتان رئيستان لتقدير المعالم: طريقة الإمكان الأكبر (Maximum Likelihood Estimation – MLE) وطريقة العزوم (Method of Moments). في كلتا الطريقتين، يكون مقدر الإمكان الأكبر للاحتمال هو مقلوب المتوسط الحسابي لعدد المحاولات المرصودة في العينة التجريبية: p̂ = 1 / X̄.

لتقييم مدى ملاءمة البيانات السلوكية للتوزيع الهندسي، يلجأ الباحثون إلى اختبارات جودة المطابقة (Goodness-of-Fit Tests)، وفي مقدمتها اختبار مربع كاي لحسن المطابقة (Chi-Square Goodness-of-Fit) واختبار كولموغوروف-سميرنوف المعدل للمتغيرات المنفصلة. تساعد هذه الاختبارات الإحصائية في فحص الفرضية الصفرية القائلة بأن أداء المفحوصين يتوافق مع النموذج الهندسي النقي؛ حيث يشير رفض هذه الفرضية إحصائياً إلى أن المحاولات ليست مستقلة، مما يعزز فرضية وجود أثر للتعلم التراكمي إذا تناقصت الأخطاء أسرع من المتوقع، أو وجود إنهاك معرفي إذا تباطأ الأداء مع التقدم في الاختبار.

علاوة على ذلك، يُستخدم التوزيع الهندسي في القياس النفسي المحوسب (Computerized Adaptive Testing) لوضع قواعد التوقف المبكر (Stopping Rules). فعند فحص كفاءة مفحوص ما، يمكن للبرنامج حساب احتمالية وقوع أول خطأ بعد عدد معين من الإجابات الصحيحة المتتالية، مما يتيح للنظام تقدير مستوى القدرة العقلية بدقة فائقة وبأقل عدد ممكن من الأسئلة دون إرهاق المشارك باختبارات طويلة ورتيبة.

10. التطبيقات والمغزى العملي الإكلينيكي والتربوي

يمتلك التوزيع الهندسي تطبيقات عملية بالغة الأهمية في مجالات متعددة من العلوم الإنسانية التطبيقية. في الميدان التربوي والتعليمي، يُوظف هذا التوزيع لتقييم صعوبة المهام الدراسية ومعدلات الاستيعاب لدى الطلاب؛ إذ يتيح للمشرفين التربويين تحليل عدد المسائل التي يحتاجها التلميذ قبل أن يحل أول مسألة بطريقة صحيحة ومستقلة في مادة الجبر أو القراءة. يزود هذا المؤشر المعلمين بأداة تشخيصية لتحديد صعوبات التعلم النوعية وتمييزها عن مشكلات نقص الانتباه المؤقتة.

وفي علم النفس التنظيمي والمهني، يُطبق التوزيع الهندسي لدراسة مرونة الموظفين وتكيفهم مع الأنظمة البرمجية الجديدة في بيئات العمل المعاصرة. يتم رصد عدد الأخطاء أو المحاولات الفاشلة التي يرتكبها الموظف قبل أول استخدام ناجح وخالٍ من الأخطاء لواجهة مستخدم رقمية، مما يقدم لمهندسي العوامل البشرية وتصميم بيئات العمل (Ergonomics) بيانات كمية لتحديد مدى بديهية الأنظمة ومدى سهولة تدريب الكوادر عليها بما يرفع الكفاءة ويقلل الإجهاد النفسي المرتبط بالعمل.

أما في علم النفس الإكلينيكي ودراسات الإدمان، فيبرز التوزيع الهندسي كنموذج إحصائي محوري لتحليل محاولات التعافي والانتكاس. يُستخدم التوزيع لحساب عدد المحاولات المنفصلة التي يبذلها المدمن قبل أن ينجح في الحفاظ على أول فترة تعافٍ مستمرة (كأن تبلغ ثلاثين يوماً دون انتكاسة). يتيح هذا التحليل لفرق الدعم النفسي فهم مرونة المريض النفسية، وبناء خطط علاجية تحفيزية مستندة إلى بيانات واقعية تمنع الإحباط المبكر وتوضح أن تكرار المحاولات يعد خطوة احتمالية طبيعية تسبق تحقيق النجاح النهائي المنشود.

11. الأبحاث والأدلة التجريبية

أثبتت الأدبيات التجريبية فاعلية التوزيع الهندسي في العديد من الدراسات السلوكية البارزة. فقد بينت أبحاث عالم النفس الرياضي روبرت بوش وفريدريك موستيلر في منتصف القرن العشرين حول “نماذج التعلم العشوائي” أن الانتقال من الأداء القائم على التخمين إلى الاستجابة المشروطة الثابتة في تجارب المتاهات الحيوانية يبدأ بمرحلة تتطابق إحصائياً مع التوزيع الهندسي، حيث يظل احتمال الوصول إلى حجرة الطعام عشوائياً حتى يكتشف الحيوان الدلالة المكانية للمسار لأول مرة، لتبدأ بعدها منحنيات التعلم التراكمي في الظهور والسيطرة على الأداء.

وفي دراسات اليقظة والانتباه، أظهرت أبحاث ماكوورث وتطويراتها المعاصرة في علم النفس التجريبي أن زمن الاستجابة للمنبهات النادرة وغير المتوقعة (مثل ظهور إشارة طارئة على شاشات مراقبة الرادار) يتبع توزيعات زمنية منفصلة تقترب بدرجة عالية من النموذج الهندسي عندما تُقسم فترات المراقبة إلى وحدات زمنية متساوية. وأوضحت دراسات حديثة أجراها باحثون في القياس العصبي الإدراكي أن الأطفال المشخصين بـ اضطراب نقص الانتباه مع فرط النشاط (ADHD) يُظهرون تبايناً هائلاً في عدد المحاولات حتى الاستجابة الأولى الصحيحة مقارنة بالمجموعات الضابطة، حيث تميل استجاباتهم للتطابق مع التوزيع الهندسي المنعدم الذاكرة بسبب تشتت الانتباه وعدم الاستفادة من التغذية الراجعة الفورية للمحاولات السابقة.

علاوة على ذلك، وظفت الدراسات السيكومترية الحديثة في مجال الاختبارات المحوسبة واسعة النطاق التوزيع الهندسي لإعادة فحص معايير زمن الإجابة وأنماط التخمين السريع غير الموجه (Rapid Guessing Behavior). وقد وثقت دراسات وايز وكونغ كيف أن عدد الأسئلة المتتالية التي يجيب عنها المفحوص بتخمين سريع قبل أن يعود للتفاعل الجاد مع الاختبار يخضع لنمذجة هندسية واضحة تعكس فترات الانفصال المعرفي المؤقت عن الموقف الاختباري.

12. الاعتبارات الثقافية وسياقات التطبيق

على الرغم من الطبيعة الرياضية المجردة للتوزيع الهندسي، فإن تطبيقه وتفسيره في العلوم السلوكية يتأثران تأثراً جوهرياً بالسياق الثقافي والاجتماعي للعينة المفحوصة. تتباين الثقافات تبايناً واسعاً في كيفية النظر إلى “المحاولة الأولى” ومفهوم الفشل في بيئات الاختبار؛ ففي المجتمعات ذات الثقافة الفردية التنافسية، قد يدفع الضغط النفسي الشديد لتحقيق النجاح الفوري المفحوصين إلى اتخاذ استراتيجيات حذرة ترفع زمن التفكير وتزيد من احتمالية النجاح من المحاولة الأولى، في حين تشجع سياقات تربوية أخرى على أسلوب الاستكشاف الحر والمحاولة والخطأ دون خوف من الإخفاق المتكرر.

تؤثر هذه الفروق الثقافية في قيمة المعلمة (p) واستقرارها المنهجي؛ إذ إن افتراض ثبات احتمال النجاح عبر المحاولات قد ينهار إذا كان المفحوص ينتمي إلى بيئة ثقافية ترى في الفشل في المحاولة الأولى وصمة عار أو دليلاً على عدم الكفاءة، مما يولد استجابة قلق حادة تؤدي إلى تراجع احتمالية النجاح في المحاولات التالية بصورة انحدارية لا تتطابق مع فرضية انعدام الذاكرة التي يقوم عليها النموذج الهندسي. لذلك، يجب على الباحثين فحص تكافؤ القياس عبر الثقافات والتأكد من خلو الاختبارات من الانحياز الثقافي الذي قد يحول دون افتراض تجانس المحاولات عبر المجموعات المتنوعة.

كما تؤثر البيئات الرقمية والتكنولوجية المتباينة بين البلدان المتقدمة والنامية على سرعة استيعاب واجهات الاختبارات المحوسبة. فقد يحتاج المفحوص في البيئات الأقل حظاً تقنياً إلى عدد أكبر من المحاولات الاستكشافية المبدئية فقط لإتقان آلية التفاعل مع الجهاز اللوحي أو لوحة المفاتيح، وهو ما قد يُفسر خطأً في النماذج الإحصائية غير الحساسة ثقافياً على أنه قصور في القدرة العقلية المقاسة، بينما هو في حقيقته انعكاس لتباين الألفة التقنية.

13. الانتقادات والمحددات المنهجية والجدل العلمي

واجه استخدام التوزيع الهندسي في النمذجة السلوكية جملة من الانتقادات العلمية المنهجية التي تركزت أساساً على مدى واقعية افتراضاته الصارمة في وصف الطبيعة البشرية الديناميكية. يأتي في مقدمة هذه الانتقادات الجدل المستمر حول “فرضية انعدام الذاكرة”. يرى علماء النفس المعرفي أن الإنسان بطبيعته كائن يتعلم من أخطائه، ومن النادر جداً أن تكون محاولاته المستقلة متطابقة في احتمالية النجاح؛ ففي معظم المهام الذهنية، يكتسب المفحوص استبصاراً جزئياً مع كل إخفاق، مما يجعل قيمة احتمال النجاح (p) دالة متزايدة مع عدد المحاولات وليست معياراً ثابتاً، وهو ما يبطل افتراض التوزيع الهندسي ويستدعي استخدام نماذج أكثر تعقيداً مثل نماذج التعلم الماركوفية.

المأخذ الثاني يتعلق بظاهرة الإنهاك المعرفي وانخفاض الدافعية؛ فالنموذج الرياضي الهندسي يفترض نظرياً إمكانية امتداد المحاولات الفاشلة إلى المالانهاية مع بقاء احتمال النجاح ثابتاً في كل محاولة جديدة. غير أن الواقع السلوكي يثبت أن استمرار الفشل يولد الإحباط وظاهرة “العجز المتعلم” (Learned Helplessness)، مما يؤدي إلى انحدار قيمة p نحو الصفر بعد عدد معين من المحاولات غير المجدية، أو يؤدي بالمفحوص إلى الانسحاب التام من التجربة، مما ينتج توزيعات ذات ذيول مقتطعة لا تتطابق مع ذيل التوزيع الهندسي النظري الممتد.

علاوة على ذلك، يثير استخدام التوزيع الهندسي لتفسير التخمين في الاختبارات النفسية جدلاً حول عدم تجانس استراتيجيات المفحوصين؛ حيث يفترض النموذج الهندسي أن التخمين عشوائي تماماً ومنفصل عبر الأسئلة، في حين تبين الدراسات التجريبية أن المفحوصين يمارسون غالباً تخميناً ذكياً مبنياً على استبعاد البدائل غير المنطقية، مما يجعل احتمال النجاح متبايناً من سؤال لآخر تبعاً لبنية المشتتات، وهو ما يضعف من قدرة النموذج الهندسي البسيط ذي المعلمة المفردة على تقديم تقديرات دقيقة لقدرات الأفراد الحقيقية دون إدخال معلمات تصحيحية مساندة.

14. المصطلحات ذات الصلة والفروق الجوهرية

ترتبط بالتوزيع الهندسي عدة توزيعات احتمالية ومفاهيم سيكومترية يخلط الباحثون أحياناً بينها، وتوضح النقاط التالية الفروق المفصلية بين هذه المفاهيم:

• توزيع برنولي (Bernoulli Distribution): يمثل اللبنة الأساسية للتوزيع الهندسي، لكنه يقتصر فقط على وصف محاولة مفردة واحدة بنتيجتين (نجاح أو فشل)، في حين يصف التوزيع الهندسي سلسلة غير محددة من محاولات برنولي الممتدة حتى ظهور أول نجاح.
• التوزيع الثنائي السالب (Negative Binomial Distribution): يُعد التوزيع الهندسي حالة خاصة منه؛ حيث يقيس التوزيع الهندسي عدد المحاولات حتى الوصول إلى النجاح رقم واحد فقط، بينما يقيس التوزيع الثنائي السالب عدد المحاولات المطلوبة لتحقيق عدد محدد مسبقاً (r) من النجاحات، كأن يقيس الباحث عدد المحاولات حتى يحل الطالب خمس مسائل بنجاح.
• توزيع بواسون (Poisson Distribution): يصف عدد مرات وقوع حدث نادر في فترة زمنية أو مساحة محددة ومتصلة، بينما يختص التوزيع الهندسي بعدد المحاولات التجريبية المنفصلة والمعدودة المطلوبة لتحقيق استجابة واحدة ناجحة.
• التوزيع الأسي (Exponential Distribution): يمثل النظير المتصل المباشر للتوزيع الهندسي، حيث يختص التوزيع الأسي بقياس الفاصل الزمني المتصل المستغرق حتى وقوع الحدث الأول (مثل زمن الرجع بالثواني وأجزاء الثانية)، في حين يقيس التوزيع الهندسي الزمن المنفصل بوحدات المحاولات أو النبضات الإجرائية المحددة.
• التوزيع الهندسي الفوقي (Hypergeometric Distribution): يفترض السحب العشوائي دون إرجاع من مجتمع إحصائي محدود، مما يغير احتمال النجاح من محاولة لأخرى، في حين يفترض التوزيع الهندسي استقلالية تامة وثباتاً مطلقاً لاحتمال النجاح عبر جميع المحاولات المتتالية.

15. الخلاصة والاستنتاجات الرئيسية

يمثل التوزيع الهندسي نموذجاً رياضياً ومنهجياً رفيع المستوى في ترسانة العلوم السلوكية والقياس النفسي، بفضل دقته في تكميم احتمالات المحاولات المنفصلة اللازمة لبلوغ الاستجابة المستهدفة الأولى. تمنحه خاصية انعدام الذاكرة مكانة فريدة كنموذج معياري للمقارنة؛ إذ يتيح للباحثين فرز السلوكيات القائمة على المصادفة والتخمين العشوائي عن العمليات الإدراكية الناتجة عن التعلم البنائي الحقيقي والاستبصار التراكمي. كما يوفر لمهندسي الاختبارات النفسية أدوات مرنة لتقييم سرعة الاكتساب وتحديد عتبات التوقف الإكلينيكي والتربوي دون إهدار للجهد أو الوقت.

ومع ذلك، تفرض الطبيعة البشرية المعقدة وتأثيرات التعلم والإرهاق ومستويات القلق قيوداً على التطبيق الحرفي للنموذج دون تمحيص؛ مما يوجب على الباحث المتمرس التحقق الدقيق من استيفاء افتراضات استقلالية المحاولات وثبات معلمات الاحتمال قبل اعتماد نتائج التحليل. إن الجمع الواعي بين الصرامة الرياضية للتوزيع الهندسي والفهم العميق للديناميات السيكولوجية يثري قدرة القياس النفسي على تفسير وتوقع وتعديل السلوك الإنساني بكفاءة وموضوعية.

المراجع

• Bush, R. R., & Mosteller, F. (1955). Stochastic models for learning. John Wiley & Sons. https://psycnet.apa.org/record/1956-02758-000
• Estes, W. K. (1950). Toward a statistical theory of learning. Psychological Review, 57(2), 94–107. https://doi.org/10.1037/h0058559
• Feller, W. (1968). An introduction to probability theory and its applications (Vol. 1, 3rd ed.). John Wiley & Sons. https://www.wiley.com/en-us/An+Introduction+to+Probability+Theory+and+Its+Applications%2C+Volume+1%2C+3rd+Edition-p-9780471257080
• Johnson, N. L., Kemp, A. W., & Kotz, S. (2005). Univariate discrete distributions (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/0471715816
• Wise, S. L., & Kong, X. J. (2005). Response time effort: A new measure of examinee motivation in computer-based testing. Applied Measurement in Education, 18(2), 163–183. https://doi.org/10.1207/s15324818ame1802_2