تقدير الإمكان الأكبر: ركيزة القياس النفسي

يمثل الاستدلال الإحصائي الدعامة الجوهرية التي ترتكز عليها القياسات النفسية الحديثة وتفسير السلوك البشري المعقد، حيث تنبثق أهمية المنهجيات الرياضية في سبر أغوار السمات الكامنة غير القابلة للملاحظة المباشرة. ويقف أسلوب تقدير الإمكان الأكبر (Maximum Likelihood Estimation – MLE) في طليعة هذه المنهجيات باعتباره الإطار الاستدلالي الأكثر كفاءة وموثوقية في تقويم النماذج السيكومترية المتقدمة. يهدف هذا المقال الموسوعي إلى تفكيك أبعاد هذا المفهوم الإحصائي التحليلي وموقعه الحاسم في بناء الاختبارات النفسية والتحقق من صدقها وثباتها.

تقدير الإمكان الأكبر في القياس النفسي

1. التعريف الموجز

تقدير الإمكان الأكبر (Maximum Likelihood Estimation – MLE) هو أسلوب إحصائي استدلالي استمثالي يُستخدم لتقدير معلمات أو وسائط مجتمع إحصائي محدد استناداً إلى بيانات عينية ملحوظة، وذلك عن طريق تعظيم دالة الإمكان (Likelihood Function) لجعل البيانات المرصودة هي الأكثر احتمالاً للحدوث في ضوء النموذج المفترض. ويشكل هذا الأسلوب حجر الزاوية الخوارزمي في نمذجة الظواهر النفسية وقياس القدرات الذهنية والسمات الشخصية الكامنة.

في السياق السيكومتري والنفسي، ينقل تقدير الإمكان الأكبر التحليل الإحصائي من مجرد التوصيف السطحي للعلاقات الارتباطية إلى نمذجة احتمالية دقيقة تربط بين الاستجابات السلوكية الظاهرة على بنود الاختبارات والسمات النفسية الكامنة وراءها. وبدلاً من الاعتماد على الدرجات الخام البسيطة التي تتأثر بخصائص الاختبار، يفترض أسلوب الإمكان الأكبر توزيعاً احتمالياً محدداً للاستجابات، ثم يسعى رياضياً لاشتقاق قيم المعلمات التي تجعل مصفوفة البيانات المشاهدة أعلى احتمالية للتحقق، مما يتيح عزوفاً علمياً عن التحيزات التقليدية في القياس.

ويُعد هذا المدخل الرياضي الأساس المحرك لأغلب البرمجيات الإحصائية المعاصرة في التحليل العاملي التوكيدي ونمذجة المعادلات البنائية وتدريج المفردات الاختبارية، حيث يمنح الباحثين في علم النفس قدرة فائقة على اختبار فرضيات معقدة حول البنية العاملية للاضطرابات النفسية والقدرات المعرفية بدقة متناهية تفوق الأساليب المعلمية التقليدية كالمربعات الصغرى.

2. التأثيل والنشأة اللغوية

يعود الأصل اللغوي لمصطلح “الإمكان الأكبر” أو “الأرجحية القصوى” في اللغة الإنجليزية إلى تركيب (Maximum Likelihood Estimation)؛ فكلمة (Maximum) مشتقة من اللاتينية وتعني الحد الأقصى أو القيمة العظمى، بينما تعود كلمة (Likelihood) إلى الإنجليزية القديمة (gelīclic) وتدل على المشابهة أو المعقولية أو القبول المنطقي للحدوث، مع تمييز دقيق في الأدبيات الإحصائية بين مفهوم “الاحتمال” (Probability) ومفهوم “الإمكان” (Likelihood).

وقد دخل المصطلح إلى الأدبيات العلمية بصورته الرياضية المنهجية على يد عالم الوراثة والإحصاء البريطاني الشهير رونالد فيشر (Ronald A. Fisher) خلال العقدين الثاني والثالث من القرن العشرين، حيث ميز فيشر بصرامة بين الدالة الاحتمالية التي تفترض معلمات ثابتة وتتنبأ بالبيانات، ودالة الإمكان التي تنطلق من بيانات مرصودة فعلياً وتستدل رجعياً على المعلمات المجهولة المولدة لتلك البيانات.

وفي المعاجم والمجامع اللغوية العربية المعاصرة، تُرجم المصطلح بعدة صيغ اصطلاحية متقاربة، منها “تقدير الإمكان الأكبر” و”تقدير الإمكان الأعظم” و”تقدير الأرجحية القصوى”. وتستند الصياغة العربية إلى الجذر (م-ك-ن) الذي يحمل دلالات القدرة والجواز والتحقق، وصيغة التفضيل “الأكبر” أو “الأعظم” للدلالة على تعظيم الدالة الرياضية عبر التفاضل، بينما يستند مصطلح “الأرجحية” إلى الجذر (ر-ج-ح) المشير إلى غلبة الظن والميل نحو التحقق الواقعي.

3. النطق والصياغة الصرفية والنحوية

يُنطق المصطلح باللغة العربية الفصحى: تَقْدِيرُ الإِمْكَانِ الأَكْبَر (Taqdīr al-’Imkān al-’Akbar)، ويُعرب تركيباً إضافياً متبوعاً بنعت؛ حيث “تقدير” مصدر قياسي للفعل الرباعي “قَدَّرَ” ويقع مبتدأً أو مفعولاً بحسب موقعه الإعرابي، و”الإمكان” مضاف إليه مجرور وعلامة جره الكسرة، و”الأكبر” نعت مجرور للإمكان وعلامة جره الكسرة (أو الفتحة نيابة عن الكسرة إذا عُومل كاسم ممنوع من الصرف مجرد، ولكنه هنا معرف بأل فيجر بالكسرة الظاهرة).

ويشيع في المؤلفات الأكاديمية استخدام الاختصار اللاتيني (MLE) إشارةً إلى المصطلح، وتتعدد الاستخدامات النحوية للمصطلح باشتقاق اسم الفاعل “المُقدِّر” (Estimator) للدلالة على الصيغة الرياضية أو الخوارزمية ذاتها، واسم المفعول “المُقدَّر” (Estimate) للدلالة على القيمة الرقمية النهائية الناتجة عن عملية الحساب، مما يستوجب توخي الدقة الصرفية في الكتابة الأكاديمية للتفريق بين الإجراء الرياضي والنتيجة العددية.

كما يُستخدم التركيب الاصطلاحي في سياقات الوصف المنهجي مثل قولنا: “استُخدم أسلوب تقدير الإمكان الأكبر القائم على المصفوفات الكاملة (FIML)” أو “مُقدِّرات الإمكان الأكبر المتينة (Robust Maximum Likelihood – MLR)”، مما يعكس مرونة الصياغة النحوية للمصطلح للتعبير عن تنويعات إحصائية متخصصة تسهم في ضبط التحليلات السيكومترية المتقدمة.

4. الشرح المفاهيمي المفصل

ينطلق مفهوم تقدير الإمكان الأكبر من تساؤل استدلالي معكوس مقارنة بالاحتمال الكلاسيكي؛ فإذا كان حساب الاحتمال يسعى لمعرفة احتمالية الحصول على بيانات معينة في ظل افتراض معرفتنا بالمعلمات الحقيقية للمجتمع، فإن تقدير الإمكان الأكبر ينطلق من الواقع التجريبي المعاش: لقد تم جمع البيانات النفسية بالفعل، فما هي قيم المعلمات (كالقدرة الكامنة، ومستوى صعوبة بند الاختبار، ومعامل التمييز) التي تجعل حدوث هذه البيانات المحددة التي جُمعت يمثل أقصى احتمالية ممكنة؟

رياضياً، يتم تمثيل هذه العملية عبر بناء دالة الإمكان، وهي حاصل ضرب الاحتمالات المشتركة لجميع الملاحظات المستقلة في العينة؛ ونظراً لأن ضرب كسور عشرية متعددة يؤدي إلى أرقام بالغة الصغر يصعب التعامل معها حسابياً، يعمد الإحصائيون إلى تحويل دالة الإمكان إلى دالة “لوغاريتم الإمكان” (Log-Likelihood)، حيث تتحول عمليات الضرب المعقدة إلى عمليات جمع جبرية بسيطة، دون أن تتغير نقطة النهاية العظمى للدالة لأن اللوغاريتم دالة رتيبة التزايد.

تستمر عملية التقدير عبر إجراء التفاضل الرياضي لدالة لوغاريتم الإمكان بالنسبة لكل معلمة من المعلمات المجهولة ومساواة المشتقة الأولى بالصفر، وهو ما يُعرف بمعادلات الإمكان (Likelihood Equations). وفي النماذج البسيطة، يمكن التوصل إلى الحل جبرياً بصورة مغلقة ومباشرة؛ ولكن في النماذج النفسية المعقدة ومتعددة الأبعاد، لا تتوفر حلول مغلقة، مما يستدعي استخدام خوارزميات تكرارية تقريبية متقدمة حتى يستقر التقدير عند قمة الدالة فيما يُعرف بالتقارب الإحصائي (Convergence).

تتمتع المقدرات المستخرجة بواسطة أسلوب الإمكان الأكبر بمجموعة من الخصائص التقاربية المثالية في العينات الكبيرة، وتعرف هذه الخصائص في المراجع الإحصائية بـ (Asymptotic Properties)؛ وتشمل التوافق (Consistency) حيث تقترب القيمة المقدرة من القيمة الحقيقية كلما ازداد حجم العينة، والكفاءة التقاربية (Asymptotic Efficiency) التي تعني الحصول على أصغر تباين خطأ ممكن مقارنة بأي مقدر متوافق آخر، والتوزيع الطبيعي التقاربي، مما يتيح حساب فترات الثقة واختبار الفرضيات بدرجة عالية من الثقة العلمية.

5. التطور التاريخي والمحطات المفصلية

على الرغم من وجود ومضات تاريخية مبكرة لأفكار شبيهة لدى علماء مثل دانييل برنولي وتوماس بايز ويوهان كارل فريدريش غاوس في القرنين الثامن عشر والتاسع عشر، إلا أن الفضل في بلورة وتأسيس نظرية تقدير الإمكان الأكبر كإطار عام ومنهجي يعود بالكامل إلى السير رونالد فيشر في أوراقه البحثية الحاسمة المنشورة بين عامي 1912 و1922، حيث وضع الأسس الرياضية للمفهوم وبرهن على خصائصه التوزيعية وتفوقه على أسلوب العزوم والمربعات الصغرى.

شهد منتصف القرن العشرين دخول أسلوب الإمكان الأكبر إلى أروقة علم النفس والقياس السيكومتري؛ ففي خمسينيات وستينيات القرن الماضي، قاد الإحصائي النفسي الأمريكي ديريك لوولي (Derrick N. Lawley) والمؤثر كارل يوريسكوغ (Karl Jöreskog) ثورة حقيقية من خلال تطبيق تقدير الإمكان الأكبر في التحليل العاملي الاستكشافي والتوكيدي، مما أدى في مطلع السبعينيات إلى ابتكار برنامج (LISREL) الشهير الذي أحدث نقلة تاريخية في دراسة المتغيرات النفسية الكامنة.

وفي مسار متوازٍ لا يقل أهمية، شهدت سيكومترية التدريج والتقييم قفزة نوعية عبر تطوير نظرية الاستجابة للمفردة (Item Response Theory – IRT) على يد فريدريك لورد (Frederic Lord) وجورج راش (Georg Rasch) خلال عقدي الستينيات والسبعينيات، حيث أضحى تقدير الإمكان الأكبر الأداة الرياضية المركزية لتقدير قدرات الأفراد المستجيبين ومعلمات البنود، وتحرير عملية القياس النفسي من اعتماديتها العقيمة على خصائص عينة التقنين.

ومع تفجر الثورة الحاسوبية في ثمانينيات وتسعينيات القرن المنصرم وحتى وقتنا الحاضر، تطورت خوارزميات التقدير المتفرعة عن الإمكان الأكبر، مثل خوارزمية تعظيم التوقع (EM Algorithm) المقترحة عام 1977 بواسطة ديمبستر وروبين، وأسلوب الإمكان الأكبر للمعلومات الكاملة (FIML)، مما مكن الباحثين من معالجة البيانات النفسية المفقودة وتطوير الاختبارات التكيفية المحوسبة (CAT) التي تُدار بدقة متناهية عبر شبكة الإنترنت.

6. الأسس النظرية والمدارس الفكرية

يستند تقدير الإمكان الأكبر فلسفياً وإبستمولوجياً إلى المدرسة التكرارية (Frequentist School) في الاستدلال الإحصائي؛ إذ يُنظر إلى معلمات المجتمع على أنها ثوابت حقيقية مجهولة ومحددة في الطبيعة، وتعد البيانات المجمعة متغيراً عشوائياً ناتجاً عن تجارب قابلة للتكرار اللانهائي، وتتحدد جودة المقدر بمدى قدرته على الاقتراب من تلك الحقيقة الكامنة عبر تكرار العينات.

يقف هذا المنظور في تباين فلسفي ونظري مع المدرسة البيزية (Bayesian School) في القياس النفسي؛ ففي حين ينطلق أسلوب الإمكان الأكبر من البيانات المرصودة وحدها دون افتراض أي معلومات أو اعتقادات سابقة حول توزيع المعلمات، تُدخل التحليلات البيزية “التوزيعات القبلية” (Prior Distributions) وتدمجها مع دالة الإمكان للوصول إلى “التوزيع البعدي” (Posterior Distribution)، وهو ما يجعل الإمكان الأكبر مفضلاً لدى الباحثين الراغبين في تجنب الذاتية المرتبطة باختيار التوزيعات القبلية.

ومن الناحية الرياضية السيكومترية، يرتكز الإمكان الأكبر على مبدأ استقلال الملاحظات المشروط بالسمة الكامنة، وهو ما يُعرف في نظرية القياس بمبدأ “الاستقلال الموضعي” (Local Independence)؛ فبمجرد ضبط وتحديد مستوى السمة النفسية المفحوصة (كالذكاء أو القلق)، تصبح استجابات الفرد على بنود المقياس المختلفة مستقلة إحصائياً عن بعضها البعض، مما يتيح ضرب احتمالات الاستجابة المنفردة معاً لتكوين دالة الإمكان الكلية للاختبار.

كما يتكامل هذا الإطار مع نظرية المعلومات الرياضية لـ (شاندون) ومفهوم “معلومات فيشر” (Fisher Information)؛ حيث يُقاس مدى دقة التقدير بانحناء دالة لوغاريتم الإمكان حول قمتها، فكلما كانت القمة حادة ومدببة، كانت معلومات فيشر أكبر، مما يترجم سيكومترياً إلى خطأ معياري أصغر في قياس القدرة أو السمة النفسية المقاسة، وهو الأساس النظري لبناء دوال معلومات الاختبار والمفردة في القياس المعاصر.

7. المكونات والأنواع والأبعاد الأساسية

يتفرع تقدير الإمكان الأكبر إلى منظومة متكاملة من العناصر والمناهج المشتقة التي صُممت لمواكبة طبيعة البيانات النفسية السلوكية وتعقيداتها، وتتلخص أبرز مكوناته وأنواعه في الأبعاد الآتية:

• دالة الإمكان ودالة لوغاريتم الإمكان (Likelihood & Log-Likelihood Function): الصيغة الرياضية المركزية التي تترجم احتمالية الحصول على مصفوفة الاستجابات النفسية الفعلية كدالة في معلمات النموذج المجهولة المطلوب تقديرها.
• معلومات فيشر ومصفوفة هايسيان (Fisher Information & Hessian Matrix): المشتقة الثانية لدالة لوغاريتم الإمكان، وتستخدم لتحديد تقعر الدالة وحساب الأخطاء المعيارية للمقدرات، وتحدد دقة القياس وموثوقيته حول كل نقطة من متصل السمة.
• تقدير الإمكان الأكبر المشترك (Joint Maximum Likelihood – JML): أسلوب يهدف إلى تقدير معلمات المفردات وقدرات الأفراد في وقت متزامن؛ ورغم بساطته المفاهيمية، فإنه يعاني من مشكلة عدم التوافق في العينات الصغيرة بسبب تزايد المعلمات مع كل مفحوص جديد.
• تقدير الإمكان الأكبر الهامشي (Marginal Maximum Likelihood – MML): منهج سيكومتري متقدم يفترض توزيعاً مستمراً للقدرة النفسية الكامنة في المجتمع، ويقوم بدمج وتهميش قدرات الأفراد لتقدير معلمات البنود أولاً باستقلالية تامة، وهو المعيار الذهبي في معايرة الاختبارات النفسية.
• تقدير الإمكان الأكبر المشروط (Conditional Maximum Likelihood – CML): أسلوب مخصص لنماذج راش اللوجستية البسيطة، حيث يتم عزل معلمات القدرة بالاعتماد على الدرجة الكلية كإحصاء كافٍ، مما يتيح تقديراً مستقلاً تماماً لمعلمات المفردات دون افتراض أي توزيع سكاني محدد.
• تقدير الإمكان الأكبر للمعلومات الكاملة (Full Information Maximum Likelihood – FIML): تقنية حديثة لمعالجة البيانات المفقودة في الدراسات الطولية والنفسية، حيث تقوم بحساب الإمكان لكل مشارك بالاعتماد على المتغيرات المتوفرة لديه دون اللجوء لحذف الحالات أو التلفيق الاصطناعي للبيانات.
• تقدير الإمكان الأكبر المتين (Robust Maximum Likelihood – MLR): تنويع إحصائي يصحح قيم الأخطاء المعيارية ومؤشرات مطابقة النموذج (مثل خي مربع سواتورا-بنتلر) في حالات انتهاك التوزيع الطبيعي المتعدد أو استخدام استجابات ليكرت الترتيبية.

8. الأمثلة التوضيحية والحالات التطبيقية

لتوضيح الكيفية التي يعمل بها تقدير الإمكان الأكبر في الممارسة السيكومترية، نفترض حالة باحث نفسي يطبق مقياساً لتشخيص اضطراب القلق العام مكوناً من بنود ثنائية الاستجابة (نعم = 1، لا = 0). إذا أجاب مفحوص بـ “نعم” على بنود تقيس أعراضاً حادة كالهلع، وأجاب بـ “لا” على بنود القلق البسيط، فإن دالة الإمكان تبحث عبر المنحنى اللوجستي عن قيمة سمة القلق (التي يرمز لها بـ θ) التي تجعل نمط هذه الاستجابات المحددة للمفحوص هو الأكثر توافقاً ومنطقية من الوجهة الاحتمالية، وبذلك لا تتحدد درجته بعدد الإجابات بنعم فقط، بل بوزن كل بند وصعوبته وسلوكه التمييزي.

وفي سياق آخر يتعلق بتقنين اختبارات الذكاء للأطفال كاختبار وكسلر، يُستخدم تقدير الإمكان الأكبر الهامشي (MML) لمعايرة بنود الاختبار المعرفي؛ حيث تخضع مصفوفة استجابات آلاف الأطفال من مختلف الأعمار للتحليل لاستخراج معلمات الصعوبة والتمييز لكل مسألة ذهنية. ومن خلال تعظيم دالة الإمكان المشتركة، يحصل مطورو المقياس على تدريج موضوعي وثابت للبنود، لا يتذبذب إذا طُبق الاختبار مستقبلاً على عينة متفوقة دراسياً أو عينة تعاني من صعوبات التعلم.

أما في التطبيقات الإكلينيكية التي توظف الاختبارات التكيفية المحوسبة (Computerized Adaptive Testing – CAT)، فيقوم الحاسوب بعد كل استجابة يقدمها المريض النفسي بتحديث قيمة تقدير الإمكان الأكبر لقدرته أو مستوى اكتئابه فورياً، واختيار البند التالي الذي يقدم أعلى قيمة في دالة معلومات فيشر عند ذلك المستوى المقدر؛ وبذلك يُشخص المريض بدقة متناهية باستخدام ثلث عدد البنود المعتادة في المقاييس الورقية التقليدية، مما يقلل من إجهاده المعرفي والانفعالي.

وتبرز حالة تطبيقية رابعة في الدراسات النفسية الطولية عبر دراسة تطور أعراض الاحتراق النفسي لدى الأطباء عبر خمس سنوات؛ حيث يعاني الباحثون غالباً من تسرب بعض المشاركين وفقدان جزء من البيانات في مراحل المتابعة. يتيح استخدام أسلوب (FIML) تقدير مسارات النمو الكامنة للاحتراق النفسي بالاستفادة من جميع البيانات المتاحة دون تشويه البنية الإحصائية عبر إسقاط الأفراد غير مكتملي الاستجابات.

9. أدوات القياس والتقييم الإحصائي

يعتمد تقييم جودة النماذج النفسية التي تُقدر معلماتها بأسلوب الإمكان الأكبر على منظومة متقدمة من الاختبارات الإحصائية ومؤشرات المطابقة (Goodness-of-Fit Indices)؛ وتأتي في مقدمتها إحصاءة نسبة الإمكان واختبار مربع كاي (Likelihood Ratio Test – LRT)، والتي تقارن لوغاريتم الإمكان للنموذج المفترض بنموذج مشبع (Saturated Model)، حيث تدل الفروق غير الدالة إحصائياً على أن النموذج النظري يتطابق بصورة ممتازة مع البيانات الميدانية المرصودة.

وفي مجال نمذجة المعادلة البنائية والتحليل العاملي، تُشتق من دالة الإمكان الأكبر مؤشرات مطابقة معيارية تحظى بإجماع الأوساط البحثية، مثل مؤشر جذر متوسط مربعات خطأ التقريب (RMSEA)، ومؤشر المطابقة المقارن (CFI)، ومؤشر توكر-لويس (TLI)، ومؤشر الجذر التربيعي لمتوسط باقٍ التوحيد (SRMR)، وتوفر هذه المقاييس معايير كمية صارمة للحكم على مدى تمثيل النموذج للبناء النفسي محل القياس.

وعند المقارنة بين نماذج تفسيرية متنافسة غير متداخلة (Non-nested Models)—مثل مقارنة نموذج أحادي البعد بنموذج ثنائي الأبعاد للاكتئاب والوجدان السلبي—تُستخدم المعايير القائمة على عقاب التعقيد المشتقة من لوغاريتم الإمكان، وأشهرها معيار أكايكي للمعلومات (Akaike Information Criterion – AIC) ومعيار المعلومات البيزي (Bayesian Information Criterion – BIC)؛ حيث يُعد النموذج ذو القيمة الأقل في هذه المؤشرات هو النموذج الأفضل والأكثر اتساماً بالبساطة التفسيرية (Parsimony).

وتُنفذ هذه العمليات التقييمية عبر حزم وبرمجيات متخصصة في علم النفس الإحصائي، مثل حزمة (lavaan) وحزمة (mirt) في لغة البرمجة الإحصائية (R)، وبرامج تجارية كبرى مثل (Mplus) و(AMOS) و(BILOG-MG)، والتي توفر تقارير تفصيلية تتضمن الأخطاء المعيارية وقيم مصفوفة المعلومات ومؤشرات التعديل (Modification Indices) القائمة على مضاعفات لاغرانج للإمكان الأكبر.

10. التطبيقات والأهمية العملية في علم النفس

تتجلى الأهمية العملية لتقدير الإمكان الأكبر في إعادة صياغة ممارسات التقييم والتشخيص النفسي المعاصر عبر مجالات متعددة. في علم النفس الإكلينيكي والصحة النفسية، يسمح أسلوب التقدير هذا بفحص التكافؤ القياسي (Measurement Invariance) للاختبارات التشخيصية، كالتأكد من أن مقاييس الاكتئاب تقيس البناء النفسي نفسه بالدقة والمعنى ذاتهما عبر مختلف الفئات العمرية والجنسية ودون تحيز منهجي.

وفي ميدان القياس التربوي وعلم النفس المدرسي، يمثل الإمكان الأكبر المحرك التقني لاختبارات القبول والتقييم واسعة النطاق مثل اختبارات (SAT) و(GRE) والبرنامج الدولي لتقييم الطلبة (PISA)؛ حيث يتم تدريج مئات الآلاف من الطلاب على متصل كمي موحد يسمح بالمقارنة الدولية والمحلية الدقيقة عبر نماذج استجابة المفردة المتطورة التي يستحيل تشغيلها دون خوارزميات الإمكان الأكبر.

وفي علم النفس التنظيمي والمهني، تعتمد الشركات الكبرى على اختبارات الشخصية التكيفية في عمليات التوظيف وانتقاء القيادات؛ حيث يسهم تقدير الإمكان الأكبر في تقليل أثر التزييف الاجتماعي والتحايل على بنود المقاييس عبر تقديم صيغ ثنائية الاختيار الإجباري المقننة بموديلات سيكومترية متقدمة كنموذج التدريج الإجباري لثرستون، مما يضمن تقييماً موضوعياً لملاءمة المتقدم للوظيفة.

أما في علم النفس العصبي والبحوث المعرفية، فيُوظف الإمكان الأكبر في تقدير معلمات نماذج انتشار الانجراف (Drift-Diffusion Models) التي تفسر زمن الرجع ودقة الاستجابة في مهام اتخاذ القرار المعرفي، مما يتيح للعلماء التمييز الدقيق بين سرعة معالجة المعلومات الحسية والتردد الحركي لدى الأفراد المصابين باضطرابات التنكس العصبي أو إصابات الدماغ الرضية.

11. الأبحاث والأدلة التجريبية

أكدت عقود من الأبحاث المحاكية (Monte Carlo Simulation Studies) في القياس النفسي التفوق الإحصائي لمقدرات الإمكان الأكبر على سائر الطرائق التقليدية، خاصة في ظل العينات المتوسطة والكبيرة. وقد بينت دراسات بارزة قادها لودفيغ بوب (Ludwig Peugh) وجيفري ميكلسون وبيرس كوران وفينينغ كوانغ أن الإمكان الأكبر يتمتع بقدرة استثنائية على استعادة معلمات النماذج العاملية بدقة غير متحيزة حتى عند وجود بيانات مفقودة وفق آلية الفقدان العشوائي (Missing at Random – MAR).

وفي سياق أبحاث نمذجة المعادلات البنائية، أظهرت التجارب الإحصائية المقارنة لـ (سواتورا وبنتلر، 1994) أن مقدر الإمكان الأكبر المتين (MLR) يقدم أداءً فائقاً في تصحيح تضخم أخطاء النوع الأول (Type I Error) التي تطرأ على اختبارات المطابقة عند تطبيق المقاييس على بيانات غير طبيعية التوزيع، وهو التحدي الشائع في علم النفس المرضي حيث تميل أعراض الاضطرابات الشديدة مثل الفصام إلى إظهار التواء وتفرطح إحصائي حاد.

كما برهنت دراسات سيكومترية موسعة أجريت على نماذج الاستجابة للمفردة ثلاثية المعلمات (3PL-IRT) على أن استخدام أسلوب تقدير الإمكان الأكبر الهامشي المدمج مع خوارزميات التوقع والتعظيم (Bock & Aitkin, 1981) يحقق الاستقرار العددي اللازم لتقدير معاملات التخمين والتمييز في اختبارات القدرات العقلية، وتجاوز أزمات التباعد الرياضي (Non-convergence) التي كانت تصيب الدراسات السابقة المعتمدة على التقدير المشترك.

وفي مجال القياسات النفسية الحيوية، أثبتت الدراسات التجريبية الحديثة التي تدمج المؤشرات الفسيولوجية العصبية مع الاستجابات السلوكية أن المقدرات المشتقة عبر الإمكان الأكبر للمعلومات الكاملة توفر معاملات ارتباط بنيوية أعلى وأكثر ثباتاً عند إعادة التطبيق مقارنة بطرائق الانحدار الخطي متعدد المتغيرات، مما يعزز الموثوقية التجريبية لنتائج أبحاث التصوير بالرنين المغناطيسي الوظيفي وعلاقتها بالبنى الشخصية.

12. الاعتبارات الثقافية والسياقية في القياس النفسي

يفرض تدويل القياس النفسي وتطبيق المقاييس عبر ثقافات وشعوب متباينة تحديات كبرى تتطلب استخدام أسلوب الإمكان الأكبر للتحقق من سلامة البناء النفسي من خلال اختبارات التحيز الوظيفي للمفردات (Differential Item Functioning – DIF)؛ إذ يتيح اختبار نسبة الإمكان للمفردة الكشف عما إذا كان بند في اختبار نفسي يعمل بصورة غير متكافئة بين المجموعات الثقافية المختلفة على الرغم من امتلاك أفرادها نفس المستوى من السمة الكامنة.

وتشير الدراسات العابرة للثقافات إلى أن استجابات الأفراد في المجتمعات الشرقية والجمعية قد تظهر أنماط استجابة مختلفة (Response Styles) كالميل إلى الوسطية أو التوافق الاجتماعي مقارنة بالمجتمعات الفردية، مما يؤدي إلى انتهاك افتراض التوزيع الطبيعي المتعدد. ويبرز هنا تقدير الإمكان الأكبر المتين كأداة لا غنى عنها للباحثين لضمان عدم تأثر المعلمات النفسية المقدرة بالأساليب الثقافية غير الموجهة للسمة الأصلية.

وعلاوة على ذلك، تلعب الترجمة والتعريب للاختبارات النفسية دوراً حساساً في تعديل دالة الإمكان الخاصة بالبنود؛ فالتعريب الحرفي لمصطلح يقيس الرهاب الاجتماعي في السياق الغربي قد يغير من معلمة الصعوبة أو التمييز عند تطبيقه في سياق عربي نظراً للتمايزات الثقافية في التعبير عن المشاعر والتفاعل الجمعي. ويساعد تقدير الإمكان الأكبر للمفردات في تحديد التعديلات الصياغية اللازمة لمواءمة الاختبار سيكومترياً مع الثقافة المحلية دون الإخلال بالمقارنات الدولية المعيارية.

وتقتضي المسؤولية الأخلاقية والمهنية للأخصائيين النفسيين توخي الحذر عند تفسير الدرجات المشتقة بواسطة الإمكان الأكبر، والحرص على استخدام أطر تدريج تأخذ بعين الاعتبار تنوع لغات المجموعات الفرعية ومستوياتها الاقتصادية والاجتماعية لضمان عدالة التقييم وموثوقية القرارات التشخيصية والتربوية المترتبة عليه.

13. الانتقادات والمناظرات وحدود المنهج

على الرغم من المكانة المهيمنة لتقدير الإمكان الأكبر، إلا أنه يواجه مجموعة من الانتقادات والمحددات المنهجية الجوهرية؛ وفي طليعتها اعتماده الصارم على اشتراط كبر حجم العينة (Large Sample Property). فالخصائص المثالية للإمكان الأكبر من عدم التحيز والكفاءة هي خصائص تقاربية تتحقق فقط عندما يقترب حجم العينة من اللانهاية، بينما يعاني التقدير في العينات الإكلينيكية الصغيرة (أقل من 100 مفحوص) من تحيزات منهجية في قيم المعلمات وتضخم ملحوظ في الأخطاء المعيارية.

أما الانتقاد الثاني فيتمثل في الحساسية البالغة لانتهاكات افتراض التوزيع الطبيعي المتعدد (Multivariate Normality)؛ فعند استخدام مقدر الإمكان الأكبر القياسي مع متغيرات ترتيبية فئوية ذات خيارات استجابة قليلة (كاستجابات نعم/لا أو مقاييس ليكرت ذات النقاط الثلاث)، يؤدي التحليل إلى تشويه مؤشرات حسن المطابقة والتقليل المفرط من قيم الأخطاء المعيارية، مما يقود إلى استنتاجات إحصائية مضللة ورفض نماذج نفسية صائبة نظرياً.

وتشتعل مناظرة منهجية مستمرة بين أنصار الإمكان الأكبر وأنصار النمذجة الإحصائية البيزية (Bayesian Estimation / MCMC)؛ حيث يوجه البيزيون انتقادات حادة لعجز أسلوب الإمكان الأكبر عن دمج المعرفة التراكمية السابقة للباحثين، وصعوبة وصوله إلى الحلول والتقارب الإحصائي في النماذج البنائية بالغة التعقيد التي تحتوي على تقاطعات متعددة أو تباينات متبقية سالبة غير منطقية تعرف بإشكالية “حلول هايوود” (Heywood Cases)، وهي المشاكل التي تتجاوزها الأساليب البيزية بسهولة عبر التوزيعات القبلية المقيدة.

كما يُعاب على الإمكان الأكبر اعتماده المكثف على الموارد الحاسوبية والوقت المعالج عند التعامل مع النماذج متعددة الأبعاد وعالية التشعب في نظرية استجابة المفردة، حيث يتطلب إجراء تكاملات رقمية متعددة الأبعاد تتعقد هندسياً وتستنزف المعالجات الرقمية، مما دفع الباحثين لتطوير بدائل هجينة مثل التقدير ثنائي الخطوات والطرائق البيزية التقريبية.

14. المصطلحات ذات الصلة والفروق الدقيقة

لتجنب اللبس المفاهيمي الشائع في الكتابات النفسية والإحصائية، ينبغي التمييز الدقيق بين تقدير الإمكان الأكبر ومجموعة من المصطلحات المنهجية المرتبطة به:

• طريقة المربعات الصغرى العادية (Ordinary Least Squares – OLS): تهدف إلى تقليل مجموع مربعات الفروق بين القيم المشاهدة والمتوقعة، وهي طريقة غير احتمالية بسيطة ومثالية للانحدار الخطي البسيط في العينات الصغيرة، ولكنها تفتقر للقدرة على نمذجة المتغيرات الكامنة والبيانات غير الطبيعية التي يتفوق فيها تقدير الإمكان الأكبر.
• التقدير البيزي (Bayesian Estimation): يعامل المعلمات كمتغيرات عشوائية تتبع توزيعات احتمالية بدلاً من كونها قيماً ثابتة مجهولة، ويدمج دالة الإمكان مع التوزيعات القبلية لإنتاج التوزيع البعدي، وهو ما يمنحه مرونة أكبر في العينات الصغيرة وتفادي مشكلات عدم التقارب.
• طريقة المربعات الصغرى المعممة المرجحة قطرياً (WLSMV): أسلوب مصمم خصيصاً للمتغيرات الفئوية والترتيبية في نمذجة المعادلات البنائية، ويعد بديلاً شائعاً لتقدير الإمكان الأكبر عندما تكون بيانات مقياس ليكرت متباينة بشدة عن التوزيع الطبيعي.
• دالة الاحتمال مقابل دالة الإمكان (Probability vs. Likelihood): يُعبر الاحتمال عن فرصة حدوث نتائج وبيانات مستقبلية غير معروفة بناءً على معلمات نموذج محددة وثابتة مسبقاً، بينما تعبر دالة الإمكان عن مدى معقولية افتراض قيم معينة للمعلمات بناءً على بيانات واقعية تم رصدها بالفعل.
• خبرة التعلم الوسيط (Mediated Learning Experience – MLE): مفهوم سيكولوجي وتربوي وضعه عالم النفس روفين فيورشتاين يصف التفاعل التربوي بين الطفل والوسيط البشري لتطوير القابلية للتعديل المعرفي؛ ويتشابه مع تقدير الإمكان الأكبر في الاختصار الإنجليزي (MLE) فقط، لكنهما يمثلان بنائين منفصلين تماماً من حيث الحقل والموضوع.

15. ملخص وخلاصة ختامية

يُعد تقدير الإمكان الأكبر (MLE) حجر الزاوية الرياضي الذي نقل القياس النفسي من مرحلة التقديرات الخطية الوصفية إلى عصر النمذجة الاحتمالية المعقدة. وبفضل خصائصه التقاربية المثالية في العينات الكبيرة—من توافق وكفاءة وتوزيع طبيعي للمقدرات—يمكّن هذا المنهج علماء النفس من استكشاف الأبعاد غير المرئية للشخصية والذكاء والاضطرابات النفسية بدرجة فائقة من الدقة والموثوقية العلمية.

ورغم التحديات المرتبطة بحساسيته لحجم العينة وانتهاكات اعتدالية البيانات، فإن التنويعات المعاصرة للمنهج—مثل تقدير الإمكان الأكبر المتين (MLR) وتقدير المعلومات الكاملة (FIML)—أثبتت مرونة فائقة في التعامل مع المشكلات الإحصائية الشائعة كالبيانات المفقودة وانحراف التوزيعات، مما يجعله الخيار الأول والأساس المعياري لتقنين الاختبارات المعاصرة وتطوير بنوك الأسئلة التكيفية المحوسبة.

وخلاصة القول، يمثل تقدير الإمكان الأكبر تجسيداً للتزاوج المتين بين الرياضيات المتقدمة وعلم النفس التجريبي؛ حيث يوفر الأساس الاستدلالي الذي يربط الاستجابات السلوكية الظاهرة بالسمات النفسية الكامنة بموضوعية تحرر القياس السلوكي من الانحياز، مؤكداً استمراره كإطار مرجعي لا غنى عنه في بناء المعرفة النفسية وتطوير أدواتها في المستقبل المنظور.

المراجع

• Bock, R. D., & Aitkin, M. (1981). Marginal maximum likelihood estimation of item parameters: Application of an EM algorithm. Psychometrika, 46(4), 443–459. https://doi.org/10.1007/BF02293801
• Fisher, R. A. (1922). On the mathematical foundations of theoretical statistics. Philosophical Transactions of the Royal Society of London. Series A, 222(594-604), 309–368. https://doi.org/10.1098/rsta.1922.0009
• Jöreskog, K. G. (1969). A general approach to confirmatory maximum likelihood factor analysis. Psychometrika, 34(2), 183–202. https://doi.org/10.1007/BF02289368
• Lord, F. M. (1980). Applications of item response theory to practical testing problems. Lawrence Erlbaum Associates.
• Satorra, A., & Bentler, P. M. (1994). Corrections to test statistics and standard errors in covariance structure analysis. In A. von Eye & C. C. Clogg (Eds.), Latent variables analysis: Applications for developmental research (pp. 399–419). Sage Publications, Inc.