تحليل المنفعة متعددة السمات: هندسة القرارات المعقدة

يمثل اتخاذ القرار في البيئات المركبة أحد أكثر التحديات النفسية والمعرفية تعقيداً في التجربة الإنسانية، حيث تتشابك الرغبات المتناقضة وتتداخل الأهداف وتتعدد المعايير التقييمية في سياقات تتسم بعدم اليقين. يقدم تحليل المنفعة متعددة السمات إطاراً منهجياً متقدماً يستند إلى علم نفس القرار والقياس النفسي، محولاً الصراعات القيمية الذاتية إلى نماذج رياضية بنائية تسمح بالمفاضلة العقلانية المتزنة. من خلال تفكيك الاختيارات الصعبة إلى أبعادها الأولية ووزن تفضيلات الفرد وموقفه النفسي تجاه المخاطر، يشكل هذا النموذج جسراً فريداً يربط بين المنطق المعياري والواقع النفسي المعاش لصانع القرار.

تحليل المنفعة متعددة السمات

1. التعريف الدقيق والموجز

تحليل المنفعة متعددة السمات (Multiattribute Utility Analysis – MAUA)، والمعروف أيضاً بنظرية المنفعة متعددة الخصائص، هو منهجية نمذجة قرارية معيارية ونفسية تُستخدم لتقييم وترتيب البدائل عندما تنطوي النتائج على أهداف أو سمات متضاربة متعددة مقترنة بدرجات متفاوتة من المخاطرة وعدم اليقين. يقوم التحليل على تحويل التفضيلات الذاتية للمستفيد أو صانع القرار إزاء كل سمة فردية إلى دالة منفعة قياسية موحدة، ومن ثم تجميع هذه الدوال في دالة منفعة كلية شاملة تمثل الرضا المتوقع الإجمالي لكل بديل متاح.

يمتد المفهوم في علم النفس المعرفي وعلم النفس التنظيمي ليتجاوز مجرد الحسابات الرياضية الجافة؛ إذ يُنظر إليه بوصفه عملية استقصاء منظمة تساعد الفرد أو المجموعة على التعبير الصريح عن منظومتهم القيمية، وحل التنافر المعرفي الناشئ عن المفاضلات القاسية بين الأهداف المتنافسة، وقياس الوزن النسبي للأولويات الحياتية والمهنية بدقة متناهية.

2. التأصيل اللغوي والاشتقاقي

يرجع أصل مصطلح «المنفعة» (Utility) اشتقاقياً في الفلسفة اللاتينية إلى الجذر utilitas، والذي يشير إلى الفائدة أو الجدوى أو الصلاحية لتحقيق غرض معين، وقد استعاره الفلاسفة النفعيون مثل جيريمي بنثام وجون ستيوارت مل للدلالة على ميزان اللذة والألم، قبل أن يُعاد تعريفه في الاقتصاد السلوكي ونظرية القرار للدلالة على مستوى التفضيل النفسي النسبي. أما مصطلح «السمات» (Attributes)، فمشتق لغوياً من اللاتينية attribuere، بمعنى الإسناد أو الإلحاق بصفة معينة، ويقصد به هنا الخصائص والأبعاد النوعية والكمية المحددة للبديل موضوع الاختيار.

دخل المصطلح المتكامل (Multiattribute Utility Analysis) الأدبيات العلمية في النصف الثاني من القرن العشرين، وتحديداً من خلال أبحاث علماء النفس الرياضي ورواد بحوث العمليات الذين سعوا لتوسيع إطار نظرية المنفعة المتوقعة الكلاسيكية لتشمل قضايا القرار متعددة الأبعاد بدلاً من اقتصارها على بعد واحد كالعائد المالي.

3. النطق والصيغة الصرفية النحوية

يُنطق المصطلح باللغة العربية الفصحى: «تَحْلِيلُ المَنْفَعَةِ مُتَعَدِّدَةِ السِّمَاتِ»، وهو مركب إضافي ونعتي. كلمة «تحليل» مصدر للفعل الرباعي «حلّل» ويُعرب حسب موقعه في الجملة مضافاً إلى «المنفعة» المجرورة بالإضافة، بينما تُعرب «متعددة» نعتاً للمنفعة مجروراً بالكسرة الظاهرة، و«السمات» مضافاً إليه لاسم الفاعل متعددة. يُستخدم المصطلح أيضاً بصيغ رديفة متداولة في المعاجم الأكاديمية مثل: «تحليل المنفعة متعدد الخصائص» أو «نظرية المنفعة متعددة المعايير» (MAUT – Multiattribute Utility Theory).

4. الشرح المفاهيمي المفصل

يرتكز تحليل المنفعة متعددة السمات على فكرة جوهرية مفادها أن القرارات المعقدة نادراً ما تتمايز استناداً إلى معيار فردي بسيط؛ فاختيار خطة علاجية نفسية، على سبيل المثال، لا يعتمد على نسبة الشفاء فحسب، بل يتداخل معه مدى شدة الآثار الجانبية، والمدة الزمنية للعلاج، والتكلفة المالية، ومستوى الالتزام السلوكي المطلوب. في مثل هذه الحالات المعقدة، يعجز العقل البشري عن معالجة كافة المقايضات ذهنياً بصورة موضوعية نظراً لقصور سعة الذاكرة العاملة وهيمنة الاختصارات الذهنية غير المكتملة.

يقوم التحليل بمعالجة هذه المعضلة من خلال تفكيك المشكلة القرارية إلى مستويات هرمية تبدأ بتحديد جميع السمات الجوهرية (Attributes) ذات الصلة بالهدف النهائي. لكل سمة من هذه السمات، يتم بناء دالة منفعة أحادية السمة (Single-Attribute Utility Function)، تُمثل المنحنى النفسي لتقييم الفرد لدرجات تحقق هذه السمة بين حدها الأدنى المقبول وحدها الأقصى المأمول، مع تضمين موقفه النفسي من المخاطرة (تجنب المخاطرة، الحياد، أو البحث عن المخاطرة).

تتمثل الخطوة المحورية في إيجاد الأوزان الترجيحية التفضيلية (Scaling Weights) لكل سمة؛ أي تحديد المقدار الذي يكون صانع القرار مستعداً للتضحية به من سمة معينة في سبيل كسب تحسين محدد في سمة أخرى، وهو ما يُعرف بالمفاضلة التوافقية (Compensatory Trade-off). يتم ذلك تحت افتراضات رياضية ونفسية دقيقة، أهمها شرط «الاستقلالية التفضيلية» (Preferential Independence) و«استقلالية المنفعة» (Utility Independence)، والتي تنص على أن التفضيل بين مستويات سمة معينة لا يتأثر بالمستويات الثابتة للسمات الأخرى.

عقب تحديد الدوال والأوزان، تُجمع هذه العناصر عبر دالة رياضية تجميعية (غالباً ما تكون دالة جمعية Additive أو ضربية Multiplicative)، لتعطي لكل بديل درجة منفعة كلية تقع عادة بين (0 و 1). تُمكّن هذه النتيجة النهائية صانع القرار ليس فقط من المفاضلة بين البدائل في ظل اليقين، بل وأيضاً من حساب القيمة المتوقعة للمنفعة عند وجود احتمالات متعددة لوقوع النتائج، مما يوفر درعاً وقائياً ضد القرارات الانفعالية والارتجالية.

5. التطور التاريخي والمسار الزمني

تعود الجذور الأولى لنظرية المنفعة متعددة السمات إلى العمل التأسيسي الذي وضعه جون فون نيومان وأوسكار مورغنشتيرن (John von Neumann & Oskar Morgenstern) عام 1944 في كتابهما «نظرية الألعاب والسلوك الاقتصادي»، حيث صاغا بديهيات المنفعة المتوقعة القابلة للقياس تحت ظروف المخاطرة. ومع ذلك، اقتصرت النماذج الأولى على حالات القرار ذات البعد الأحادي، وظلت عاجزة عن استيعاب المشكلات متعددة الأهداف التي تشغل الإنسان في واقعه العملي.

في الستينيات والسبعينيات من القرن العشرين، قاد عالم النفس الإدراكي الرائد وارد إدواردز (Ward Edwards) حركة إدخال هذه النماذج الرياضية في مختبرات علم النفس، مؤكداً أن القرارات البشرية تتطلب أدوات استنباط معيارية تساعد الأفراد على التغلب على قيودهم المعرفية الذاتية. وتزامن ذلك مع التحول الكبير في بحوث العمليات والعلوم السلوكية.

بلغ التحليل ذروته المنهجية والأكاديمية عام 1976 مع نشر الكتاب المرجعي الفارق لرالف كيني وهوارد رايفا (Ralph Keeney & Howard Raiffa) بعنوان «القرارات ذات الأهداف المتعددة: التفضيلات ومفاضلات القيمة» (Decisions with Multiple Objectives: Preferences and Value Trade-Offs). قدّم كيني ورايفا الإطار الرياضي الصارم لشروط الاستقلالية وبناء الدوال الجمعية والضربية متعددة السمات، وربطا بين النمذجة الرياضية والقياس السيكولوجي الدقيق لتفضيلات البشر.

مع مطلع الألفية الحالية وتطور علوم الحوسبة والذكاء الاصطناعي، انتقل تحليل المنفعة متعددة السمات من الأوساط الأكاديمية الصرفة إلى واجهات النظم الذكية لدعم اتخاذ القرار (Decision Support Systems)، حيث يُستخدم اليوم في تصميم الخوارزميات التشخيصية السريرية، واستشارات التوجيه المهني، وتقييم السياسات الصحية العامة.

6. الأسس والأطر النظرية

يستند تحليل المنفعة متعددة السمات إلى شبكة متماسكة من الأطر النظرية المتقاطعة بين علم النفس المعرفي، والاقتصاد السلوكي، ونظرية القياس الرياضي:

أولاً، النظرية المعيارية للقرار (Normative Decision Theory): تنطلق هذه النظرية من مسلمة أن هناك قواعد منطقية وبديهيات عقلانية ينبغي على صانع القرار اتباعها لتعظيم منفعته المتوقعة وتجنب الوقوع في فخاخ التناقض الداخلي (مثل التعدي في التفضيلات؛ فإذا كان البديل أ أفضل من ب، وب أفضل من ج، فإن أ يجب أن يكون حتماً أفضل من ج). يوفر التحليل المسار الإجرائي لتحقيق هذه المعيارية العقلانية في مواجهة تحديات العقلانية المقيدة.

ثانياً، نظرية القياس النفسي والتقييم الذاتي (Psychometric and Utility Assessment Theory): تتعامل مع التفضيلات الذاتية والمواقف الشخصية بوصفها متغيرات نفسية كامنة قابلة للقياس الكمي المباشر وغير المباشر. يُعتمد هنا على تقنيات استنباط الدوال التي تترجم الإحساس الذاتي بالقيمة والألم والمخاطرة إلى مؤشرات رقمية قياسية موحدة تلبي متطلبات مقاييس الفترة أو النسبة (Interval or Ratio scales).

ثالثاً، نظرية الحمل المعرفي (Cognitive Load Theory): يبرهن علم النفس المعرفي على أن معالجة مصفوفة من البدائل المعقدة متزامنة السمات تؤدي إلى إجهاد الذاكرة العاملة، مما يضطر الدماغ البشري للاعتماد على الاستدلالات السريعة (Heuristics) غير المتوازنة. يعمل تحليل المنفعة متعددة السمات كأداة إسناد معرفي خارجي تُوزّع الحمل الذهني وتتيح معالجة كل سمة وكل مفاضلة على حدة في بيئة معرفية آمنة ومتحكم بها.

7. المكونات الرئيسة والأبعاد والأنواع

يتألف تحليل المنفعة متعددة السمات من أركان بنيوية لا يمكن اكتمال النموذج القراري بدونها، وتتلخص في الأبعاد الآتية:

• شجرة الأهداف والمعايير (Objective Hierarchy): تفكيك الهدف القراري الشامل إلى أهداف فرعية وصولاً إلى سمات محددة قابلة للقياس الموضوعي أو الذاتي.
• البدائل القرارية (Decision Alternatives): مجموعة الخيارات الحصرية أو المتاحة التي يتم المفاضلة بينها في سياق التحليل.
• دوال المنفعة أحادية السمة (Single-Attribute Utility Functions): منحنيات رياضية تعكس التفضيل النفسي والموقف من المخاطرة لكل سمة بشكل مستقل، وتتخذ أشكالاً مقعرة (تدل على تجنب المخاطرة)، أو محدبة (تدل على البحث عن المخاطرة)، أو خطية (تدل على الحياد).
• أوزان المعايرة التفضيلية (Scaling Constants / Weights): معاملات عددية ترجح الأهمية النسبية لكل سمة مقارنة بالسمات الأخرى، بناءً على مقايضة صريحة بين النطاقات التقييمية.
• النماذج التجميعية (Aggregation Models): تشمل نوعين رئيسين:
  • النموذج الجمعي (Additive Model): يُستخدم عندما يتحقق شرط استقلالية المنفعة المضافة، حيث يكون مجموع أوزان السمات مساوياً تماماً للواحد الصحيح.
  • النموذج الضربي (Multiplicative Model): يُستخدم في الحالات المعقدة التي لا تتطابق فيها التفضيلات مع الجمع الخطي التام، مما يستدعي إدخال معامل تآزر أو تنافر بين السمات المتعددة.

8. أمثلة وحالات توضيحية

لتوضيح التحليل في السياق النفسي والعيادي، دعنا نستعرض حالة مريض يعاني من اضطراب الاكتئاب الجسيم المقاوم للعلاج التقليدي. يواجه الطبيب النفسي والمريض معضلة اختيار التدخل العلاجي الأنسب من بين ثلاثة بدائل: (العلاج الدوائي المركب، العلاج بالصدمات الكهربائية ECT، أو التحفيز المغناطيسي عبر الجمجمة TMS). تتضمن المشكلة سمات تقييمية متضاربة: سرعة الاستجابة، شدة التأثيرات المعرفية الجانبية (مثل فقدان الذاكرة العابر)، التكلفة المادية، واحتمالية الانتكاسة.

يقوم المعالج النفسي، مستعيناً بتحليل المنفعة متعددة السمات، باستنباط دوال المنفعة الخاصة بالمريض لكل سمة؛ فالمريض قد يظهر تجنباً متطرفاً للمخاطر المتعلقة بالتأثير المعرفي (دالة منفعة شديدة التقعر تفقد معظم قيمتها عند وجود أدنى تهديد للذاكرة)، بينما يكون متسامحاً نسبياً مع مدة الاستجابة وتكلفتها. عند حساب الأوزان وإجراء التركيب الجمعي للمنفعة، قد يرجح التحليل بديل (TMS) على الرغم من أن (ECT) يتمتع بمعدل استجابة أسرع طبياً، مما يعكس بدقة التوازن الأمثل للمنظومة القيمية الخاصة بالمريض وموقفه السيكولوجي.

وفي مثال تنظيمي، عند اختيار مدير تنفيذي لمؤسسة تخضع لإعادة هيكلة، قد تتضمن السمات: (الذكاء العاطفي، الكفاءة في إدارة الأزمات، القدرة على الابتكار، والراتب المتوقع). تُمكّن النمذجة لجان التعيين من تجنب الانبهار بجانب الكاريزما الظاهرية (أثر الهالة)، والتركيز على التوليفة الدقيقة للسمات التي تعظم المنفعة المؤسسية الشاملة وفق الأوزان المحددة سلفاً.

9. طرائق القياس والتقييم النفسي

يتطلب تحليل المنفعة متعددة السمات أدوات قياس دقيقة لاستخلاص التفضيلات الذاتية والأوزان التنافسية من أذهان المشاركين. وتعتمد الأدبيات النفسية على عدة طرائق معيارية:

طريقة الرهان القياسي (Standard Gamble Method): تُعد المعيار الذهبي لقياس دوال المنفعة في ظل عدم اليقين. يُخيّر المفحوص بين نتيجة مؤكدة عند مستوى معين من السمة، وبين رهان ينطوي على احتمالين: أفضل نتيجة ممكنة للسمة باحتمال (p) أو أسوأ نتيجة باحتمال (1-p). يُعدل الاحتمال (p) تجريبياً حتى يصل المفحوص إلى نقطة اللامبالاة أو التساوي النفسي بين النتيجة المؤكدة والرهان، وتُمثل قيمة (p) عندئذ قيمة المنفعة لتلك النتيجة المؤكدة.

طريقة المكافئ اليقيني (Certainty Equivalence Method): يُعرض فيها رهان معروف الاحتمالات، ويُطلب من صانع القرار تحديد المقدار القطعي الذي يجعله مستعداً للتنازل عن خوض الرهان لصالحه، مما يكشف عن درجة تقوس دالة المنفعة ومعامل التجنب النفسي للمخاطرة (Risk Aversion Coefficient).

أسلوب أوزان الأرجحة (Swing Weighting Method): أسلوب نفسي شهير لتقدير الأوزان النسبية للسمات؛ يبدأ بوضع سيناريو افتراضي متخيل تتواجد فيه جميع السمات عند أدنى مستوياتها الممكنة، ثم يُطلب من المشارك اختيار سمة واحدة فقط لـ «أرجحتها» ورفعها من أدنى مستوى إلى أعلى مستوى ممكن. تمنح السمة الأولى المختارة الوزن الأقصى (عادة 100 نقطة)، ثم ترجح باقي السمات مقارنة بها بصورة متتالية، مما يضمن تقييم السمات استناداً إلى مداها ونطاقها الفعلي وليس فقط إلى أهميتها المجردة الشائعة.

10. التطبيقات والأهمية العملية

يمتد النطاق التطبيقي لتحليل المنفعة متعددة السمات إلى قطاعات واسعة ذات صلة وثيقة بالسلوك البشري:

الرعاية الصحية واتخاذ القرار الطبي المشترك (Shared Medical Decision-Making): يُستخدم التحليل لتضمين تفضيلات المرضى في اختيار التدخلات الجراحية أو الدوائية المعقدة، محولاً رعاية المريض إلى ممارسة متمحورة حول قيمه الفردية الخاصة، مما يرفع من معدلات الامتثال العلاجي والرضا النفسي.

علم النفس الصناعي والتنظيمي (Industrial-Organizational Psychology): يُعد التحليل أداة حاسمة في هندسة الاختيار المهني، وتصميم برامج الحوافز والتعويضات، واختيار الموردين الاستراتيجيين، وتقييم كفاءة الفرق متعددة الوظائف في بيئات العمل عالية المخاطر.

السياسات البيئية والتخطيط المجتمعي: يُعتمد التحليل كآلية لحل النزاعات بين أصحاب المصلحة المتعددين عند تخطيط المشاريع التنموية الحساسة (مثل مواقع محطات الطاقة أو المحميات الطبيعية)، حيث تُقاس وتُوزن المنافع الاقتصادية في مواجهة الأضرار البيئية والآثار السيكولوجية والاجتماعية على المجتمعات المحلية.

11. الأبحاث والأدلة التجريبية

أثبتت عقود من الأبحاث التجريبية في مختبرات علم نفس القرار فاعلية ودقة تحليل المنفعة متعددة السمات مقارنة بأساليب التقييم الحدسية الساذجة. في دراسات كلاسيكية رائدة أجراها وارد إدواردز ومساعدوه (مثل Edwards, 1977)، تبيّن أن استخدام نماذج المنفعة البسيطة والمبسطة (مثل تقنية SMART و SMARTS) قلص بشكل ملحوظ معدلات الخطأ التقييمي وأسهم في تحقيق توافق أعلى بين الخبراء في مجالات التقييم العقاري والتشخيص السلوكي.

من جهة أخرى، كشفت أبحاث دانيال كانمان وعاموس تفيرسكي (Kahneman & Tversky) المؤسسة لـ نظرية التوقع أن الأفراد يظهرون انحرافات منهجية عن البديهيات المعيارية لتحليل المنفعة الكلاسيكي؛ حيث يتأثر التقييم النفسي بشدة بتأطير النتائج (خسائر مقابل مكاسب) بدلاً من تقييم الحالات النهائية للمنفعة الصافية. دفعت هذه الأدلة الباحثين اللاحقين (مثل Detlof von Winterfeldt) إلى تطوير تطبيقات MAUA السلوكية التفاعلية لتصبح عمليات تصحيحية إرشادية تعين الأفراد على التحرر من الانحيازات المعرفية اللحظية والوصول إلى تفضيلات مستقرة ومدروسة تعكس رغباتهم الحقيقية على المدى الطويل.

12. الاعتبارات الثقافية والسياقية

تخضع معايير بناء دوال المنفعة وأوزان السمات لتأثيرات سياقية وثقافية عميقة تتطلب حذراً بالغاً من ممارسي القياس النفسي:

ففي الثقافات الجماعية (Collectivist Cultures)، تميل الأوزان التفضيلية للأفراد إلى إعطاء أولوية مرتفعة لسمات تتعلق بالانسجام الاجتماعي، والالتزام الأسري، وموافقة الجماعة المرجعية، حتى وإن كان ذلك على حساب المكاسب الذاتية الفردية. في المقابل، تمنح الثقافات الفردانية (Individualistic Cultures) وزناً أكبر للاستقلالية، والعوائد الشخصية المباشرة، وحرية الاختيار.

كما تلعب الخلفية الثقافية دوراً محورياً في إدراك مفهوم عدم اليقين والمخاطرة؛ إذ تظهر المجتمعات ذات المؤشر المرتفع في «تجنب عدم اليقين» (وفق تصنيف هوفستيد) ميلاً إحصائياً واضحاً نحو دوال منفعة مقعرة للغاية تعكس حساسية مفرطة للخسائر المحتملة، مقارنة بمجتمعات تتقبل الغموض وتتعامل مع المخاطرة بوصفها فرصة للنمو.

13. الانتقادات والمناقشات والحدود المنهجية

على الرغم من الرصانة المنهجية لتحليل المنفعة متعددة السمات، إلا أنه واجه عدة انتقادات وحدود نظرية وإجرائية هامة:

يأتي في مقدمة هذه الانتقادات التعقيد الإجرائي والعبء المعرفي المفروض على المشاركين أثناء جلسات استنباط التفضيلات؛ فإجراء المئات من المقارنات القائمة على الرهان القياسي يثير مشاعر الإحباط والإنهاك الذهني لدى الأفراد العاديين، مما يدفعهم في أحيان كثيرة إلى إعطاء استجابات عشوائية تفقد النموذج دقته المعيارية المفترضة.

كما يثار جدل واسع حول صعوبة تحقق شرط استقلالية المنفعة في الواقع النفسي التطبيقي؛ فالسمات في الإدراك الإنساني مترابطة ومندمجة بنيوياً وليست كتل منفصلة. إن تقييم الفرد لمنفعة الراحة في سيارة، مثلاً، لا يمكن فصله تماماً وسيكولوجياً عن سرعة السيارة أو مستوى أمانها، مما يجعل تفكيك هذه السمات إلى دوال أحادية مستقلة تبسيطاً مخلاً بديناميكية التجربة الكلية (Gestalt).

علاوة على ذلك، يشير نقاد علم النفس المعرفي إلى مفارقة «بناء التفضيلات» (Preference Construction)، التي تبرهن على أن التفضيلات البشرية ليست كيانات مسبقة التكوين مخزنة في الدماغ تنتظر الاستخراج عبر دوال التحليل، بل هي نتاج ديناميكي وليد اللحظة والسياق وطريقة صياغة الأسئلة، مما يجعل نتائج التحليل عرضة للتأثر الشديد بأدوات القياس المستخدمة وطريقة توجيه الأسئلة.

14. المصطلحات ذات الصلة والفروق الجوهرية

لتجنب اللبس المفاهيمي الشائع في أدبيات بحوث العمليات وعلم النفس، ينبغي إيضاح الفروق الدقيقة بين التحليل والمصطلحات المتقاطعة معه عبر ما يأتي:

• التحليل متعدد المعايير لاتخاذ القرار (MCDA): مظلة تصنيفية عامة وشاملة تضم كافة الأساليب المعنية بالمفاضلة بين المعايير المتعددة. يُعد MAUA فرعاً متقدماً وخاصاً منها يرتكز حصراً على نظرية المنفعة النفسية تحت ظروف المخاطرة وعدم اليقين، بينما تشمل النماذج الأخرى مناهج تتعامل مع حالات اليقين التام مثل نظرية القيمة متعددة السمات (MAVT).
• المنفعة (Utility) مقابل القيمة (Value): تشير القيمة في هذا السياق إلى مقياس نسبي لتفضيل النتائج في ظل ظروف اليقين والاطمئنان التام لعدم وقوع مفاجآت، بينما تدل المنفعة حصراً على التفضيل المقترن بالموقف النفسي تجاه المخاطر والتقلبات الاحتمالية.
• عملية التحليل الهرمي (AHP): منهجية شهيرة طورها توماس ساعاتي تعتمد على المقارنات الزوجية بين المعايير لحساب الأوزان استناداً إلى مصفوفات الجبر الخطي، وتختلف جوهرياً عن MAUA في أنها تفتقر إلى أساس بديهي صلب للتعامل مع عدم اليقين والمخاطر السيكولوجية المعقدة.
• النماذج غير التوافقية (Non-compensatory Models): مناهج قرارية قائمة على الاستدلالات المعرفية مثل نموذج الحذف حسب السمات (Elimination-by-Aspects)، حيث يتم إقصاء البديل كلياً إذا فشل في تلبية حد أدنى لسمة معينة دون السماح للسمات المتميزة بالتعويض عن ذلك النقص، على عكس MAUA الذي يسمح بالتعويض والمفاضلة الشاملة بين السمات.

15. خلاصة واستنتاجات رئيسة

يعد تحليل المنفعة متعددة السمات حجر زاوية في علوم القرار المعاصرة وعلم النفس المعرفي والسلوكي؛ حيث يحول المعضلات التقييمية شديدة التعقيد والتناقض إلى منظومة حسابية متزنة تنطق بالقيم الحقيقية لصانع القرار. وعلى الرغم من متطلباته المنهجية الدقيقة وقيوده المرتبطة بالجهد المعرفي لعملية استنباط التفضيلات، فإنه يظل من أعمق الأدوات الفكرية قدرة على ضبط الانحيازات النفسية وحماية القرارات المصيرية من العشوائية، مما يجعله إطاراً لا غنى عنه في بناء نظم الرعاية الصحية المتكاملة، وتطوير القيادة التنظيمية، وهندسة السياسات المجتمعية الرشيدة.

وفي الختام، يكشف هذا التحليل أن القرار الرشيد لا ينبع من مجرد البحث عن أرقام مثالية، بل من شجاعة مواجهة التناقضات الكامنة في المنظومة القيمية الإنسانية، وصياغتها في ميزان عقلاني يوازن بين الأمل في المكسب والرهبة من الخسارة، في سبيل الوصول إلى خيارات تحقق أعلى درجات الرضا والاتزان النفسي الداخلي.

المراجع

• Edwards, W. (1977). How to use multiattribute utility measurement for social decisionmaking. IEEE Transactions on Systems, Man, and Cybernetics, 7(5), 326–340. https://doi.org/10.1109/TSMC.1977.4309720
• Keeney, R. L., & Raiffa, H. (1976). Decisions with multiple objectives: Preferences and value trade-offs. John Wiley & Sons.
• Von Neumann, J., & Morgenstern, O. (1944). Theory of games and economic behavior. Princeton University Press.
• Von Winterfeldt, D., & Edwards, W. (1986). Decision analysis and behavioral research. Cambridge University Press.
• Tversky, A., & Kahneman, D. (1981). The framing of decisions and the psychology of choice. Science, 211(4481), 453–458. https://doi.org/10.1126/science.7455683