تحليل الشبكات: فهم التعقيد النفسي والاضطرابات

يمثل تحليل الشبكات في علم النفس أحد أعمق التحولات الإبستيمولوجية والمنهجية التي شهدها العصر الحديث في دراسة الظواهر العقلية والاضطرابات النفسية والسلوكية. فبدلاً من النظر إلى المشاعر والأفكار والسلوكيات كأعراض سلبية تعكس علة باطنية خفية، يقدّم تحليل الشبكات رؤية ثورية تفيد بأن الظاهرة النفسية هي في جوهرها نظام ديناميكي معقد ينبثق مباشرة من التفاعلات المتبادلة بين مكوناته المترابطة. يُعد هذا الإطار العلمي جسراً يربط بين الرياضيات ونظرية المخططات وبين التشخيص والتقييم النفسي المتقدم، مما يتيح للباحثين والسريريين تفكيك البنية المعقدة للاعتلالات النفسية بدقة غير مسبوقة.

تحليل الشبكات النفسية

1. التعريف الموجز

تحليل الشبكات (Network Analysis) في السياق النفسي والقياسي هو إطار نمذجة إحصائية ومفاهيمية يتعامل مع السمات والاضطرابات النفسية بوصفها أنظمة معقدة تتألف من عناصر قابلة للملاحظة تؤثر في بعضها البعض سببياً وديناميكياً. يقوم هذا التحليل بتمثيل المتغيرات (مثل أعراض الاضطراب، أو السمات الشخصية، أو المعتقدات) على شكل “عقد” (Nodes)، في حين تُمثَّل العلاقات والارتباطات الإحصائية والسببية المتبادلة بينها على هيئة “حواف” أو “روابط” (Edges).

يختلف هذا المنهج بصورة جذرية عن النموذج الطبي والقياسي التقليدي الذي يفترض وجود متغير كامن خفي (Latent Variable)—مثل افتراض أن “الاكتئاب” كيان باطني مستقل يفرز أعراضاً كالأرق والتعب والمزاج المنخفض. ففي إطار تحليل الشبكات، لا يُعد الاكتئاب كياناً مسبباً، بل هو التسمية الكلية لشبكة الأعراض المتفاعلة التي يدعم بعضها بعضاً؛ حيث يؤدي الأرق مثلاً إلى التعب، الذي يفضي بدوره إلى فقدان الدافعية والانسحاب الاجتماعي، وتستمر هذه التغذية الراجعة حتى يستقر النظام في حالة اعتلال ديناميكية.

وبذلك يوفر تحليل الشبكات لعلماء النفس أداة تحليلية فائقة الدقة لدراسة البنية الداخلية للمقاييس النفسية، واستكشاف أثر الحلقات المفرغة والمغذية للاضطراب، ورصد المسارات الدقيقة التي تؤدي إلى تعافي الحالة أو تدهورها عبر الزمن.

2. التأصيل اللغوي والاشتقاق

يعود الأصل اللغوي لكلمة “شبكة” في اللغة العربية إلى الجذر الثلاثي (ش ب ك)، والذي يدل في معاجم اللغة مثل “لسان العرب” و”تاج العروس” على التداخل، والالتباس، والارتباط بين أشياء متعددة؛ فيُقال: شبكتُ أصابعي إذا أدخلت بعضها في بعض، والشَّبَكَةُ هي أداة الصيد المنسوجة بخيوط متقاطعة تربط بينها عُقَدٌ متكررة. أما “التحليل” فهو مصدر مشتق من الفعل الرباعي (حلَّلَ)، من الجذر (ح ل ل)، وهو نقيض العَقْد، ويعني لغوياً فك الأجزاء المتشابكة وإرجاع المركب إلى عناصره الأولية لفهم طبيعته ودقائقه.

وفي الاصطلاح الأجنبي، يقابل المصطلح التعبير الإنجليزي (Network Analysis)، حيث يعود أصل كلمة (Net) إلى الجرمانية القديمة بمعنى النسيج أو الشباك، بينما تعود كلمة (Work) إلى الجذور الهندو-أوروبية الدالة على الفعل والنشاط، واستُخدمت كلمة (Network) تاريخياً في القرن السادس عشر للإشارة إلى الأعمال النسيجية ذات الخيوط المتقاطعة، قبل أن تمتد في القرن العشرين إلى شبكات المواصلات والاتصالات والشبكات الاجتماعية. أما مصطلح (Analysis) فينحدر من اليونانية الكلاسيكية (Analusis)، المكونة من المقطع (Ana) بمعنى التفكيك إلى الأعلى أو الرجوع، و(Lusis) بمعنى الحل أو الإطلاق، لتعني عملية فك المعقد إلى بسائطه.

دخل المصطلح إلى حقل القياس النفسي وعلم النفس السريري بصيغته المعاصرة، وتحديداً عبر مفهوم “قياس الشبكات” (Network Psychometrics)، ليحدد فرعاً متخصصاً يوظف نظريات الرسوم البيانية الرياضية والفيزياء الإحصائية لتفكيك الظاهرة النفسية وقياس العلاقات البينية المعقدة بين عناصرها المنفردة.

3. النطق والصيغة الصرفية واللغوية

تُلفظ العبارة في اللغة العربية الفصحى بصوت نقي مضبوط بالشكل: تَحْلِيلُ الشَّبَكَاتِ (Taḥlīlu aš-Šabakāt)، أو بصيغتها النعتية التخصصية: تَحْلِيلُ الشَّبَكَاتِ النَّفْسِيَّةِ (Taḥlīlu aš-Šabakāti an-Nafsiyyah). من الناحية النحوية والصرفية، تتألف العبارة من مضاف ومضاف إليه؛ فكلمة “تحليل” اسم جامد مشتق على وزن “تَفْعِيل” يعمل مصدراً قياسياً للفعل الثلاثي المزيد بالتضعيف (حلَّلَ)، وهو اسم نكرة اكتسب التعريف بالإضافة. أما كلمة “الشبكات” فهي اسم معرف بـ (أل) الجنسية، بصيغة جمع المؤنث السالم لمفرده “شَبَكَة” (على وزن فَعَلَة).

تستخدم العبارة في السياقات الأكاديمية إما كمركب إضافي مجرور بالتبعية، أو كفاعل ومفعول به بحسب الموقع الإعرابي في الجملة البحثية (مثال: “أظهرَ تحليلُ الشبكاتِ ترابطاً وثيقاً…”، أو “قام الباحثون بتطبيقِ تحليلِ الشبكاتِ…”). ومن المتغيرات الاصطلاحية الشائعة استخدام مصطلح “منظور الشبكات النفسية” (Network Perspective)، أو “نماذج الشبكات” (Network Models)، وجميعها تصب في الإشارة إلى البنية المنهجية التي تدرس التفاعل المتبادل بين المتغيرات النفسية.

4. الشرح المفاهيمي التفصيلي

يؤسس تحليل الشبكات في علم النفس لنموذج معرفي بديل تماماً للرؤية الاختزالية والجوهرية (Essentialist Model) التي سيطرت على التصنيف النفسي والطب النفسي لعقود طويلة. في النموذج التقليدي، الذي تجسده الدلائل التشخيصية مثل الدليل التشخيصي والإحصائي للاضطرابات النفسية (DSM)، يُنظر إلى الكيانات التشخيصية—كالرهاب الاجتماعي، والوسواس القهري، واضطراب الهلع—على أنها أمراض موحدة ومستقلة، تُقاس بأعراض دالة عليها تماماً كما يدل ارتفاع درجة حرارة المريض على وجود عدوى فيروسية كامنة. بموجب هذا المنطق الكامن، يُفترض أن كل مريض يعاني من اضطراب ما لديه مسبب خفي غير مرئي يربط جميع الأعراض بعضها ببعض إحصائياً.

على النقيض من ذلك، يرى تحليل الشبكات أن هذا المسبب الكامن ليس سوى وهم إحصائي ناتج عن الخلط بين النتيجة والسبب؛ إذ لا توجد “علة مركزية” منفصلة تتسبب في الأعراض بصورة أحادية. بل إن الأعراض ذاتها تمتلك قوى سببية ذاتية نشطة تتفاعل فيما بينها بشكل مباشر، مكوّنة نظاماً ذاتي الاستمرار (Self-sustaining system). فعلى سبيل المثال، لا يعاني الشخص من الأرق وفقدان الشهية والشعور بالذنب لأن “الاكتئاب” الكامن يدفعه لذلك؛ بل إن خسارة وظيفة ما قد تؤدي إلى قلق حاد، يتبعه انعدام النوم ليلاً، مما يُنتج إجهاداً عصبياً وعجزاً عن التركيز في اليوم التالي، فيؤدي ذلك إلى تعثر في المهام وتصاعد لوم الذات والشعور بالانكسار، وبذلك تكتمل حلقة تفاعلية مغلقة ترتقي إلى ما نسميه سريرياً “نوبة اكتئاب”.

يتسع نطاق تحليل الشبكات ليشمل ثلاثة مستويات رئيسية من الدراسة والتحليل:

• المستوى الطوبولوجي (Topology): ويُعنى بخرائط الاتصال وتحديد العقد المركزية (Central Nodes) التي تمتلك التأثير الأكبر على سائر عناصر الشبكة، فضلاً عن تحديد العقد الجسرية (Bridge Nodes) التي تربط بين متلازمتين مختلفتين، مثل الأعراض التي تصل بين اضطراب القلق واضطراب المزاج.
• المستوى الديناميكي والزمني (Dynamics & Temporal Evolution): ويدرس كيفية تحول الشبكة عبر الوقت باستخدام بيانات التقييم اللحظي البيئي (Ecological Momentary Assessment – EMA)، متتبعاً كيفية انتقال التنشيط من عرض إلى آخر على مدار الساعات والأيام.
• مستوى الاستقرار والهشاشة (Stability & Vulnerability): ويشمل تحليل عتبات الانتقال الحرج (Tipping Points)؛ حيث يحدد مدى كثافة الاتصالات في الشبكة وما إذا كانت الشبكة تتسم بمرونة تكيفية تسمح لها بالعودة لحالتها السوية، أم أنها متصلبة ومفرطة الارتباط بحيث ينشر أي ضغط عابر موجة واسعة من الاضطراب في سائر أنحاء النظام.

5. التطور التاريخي والمسار العلمي

يمتد الجهد التأسيسي لتحليل الشبكات إلى مجالات علمية متداخلة؛ فقد ولدت نظرية الرسوم البيانية والشبكات في أحضان الرياضيات البحتة على يد العالم السويسري ليونهارد أويلر عام 1736 عندما حل معضلة جسور كونيغسبرغ، مما أرسى القواعد الأولى لكيفية دراسة الكيانات وروابطها هندسياً. وتطور هذا الحقل لاحقاً في علم الاجتماع خلال ثلاثينيات القرن العشرين مع جاكوب مورينو وظهور القياس الاجتماعي (Sociometry)، ومن ثم ازدهر في تسعينيات القرن العشرين ومطلع القرن الحادي والعشرين عبر أبحاث الفيزياء الإحصائية وشبكات العالم الصغير (Small-world networks) التي قادها دنكان واتس وستيفن ستروغاتز وألبرت لاسلو باراباسي.

أما الانعطافة الحاسمة لدخول هذا النموذج إلى صميم علم النفس والقياس النفسي، فقد قادها عالم النفس الهولندي ديني بورسبوم (Denny Borsboom) وفريقه البحثي في جامعة أمستردام اعتباراً من عام 2008. نشر بورسبوم وزملاؤه ورقة بحثية محورية في عام 2011 بعنوان “عالم الأعراض المعقد” (The Small World of Psychopathology)، بيّنوا فيها أن الأعراض التشخيصية في الدليل الإحصائي تتجمع وتتداخل في شبكة مترابطة كثيفة تتقاطع فيها التشخيصات المتعددة، مفسرين ظاهرة التواكب المرضي (Comorbidity) دون حاجة لافتراض أمراض متعددة متزامنة.

شهد العقد الثاني من الألفية الثالثة طفرة كبرى في الأدوات الحسابية لتحليل الشبكات مع تطوير حزم برمجية متخصصة ومفتوحة المصدر داخل بيئة البرمجة الإحصائية R، لا سيما مع إطلاق حزمة (qgraph) على يد ساشا إبسكامب وزملائه عام 2012، تلتها حزم متقدمة لتقدير ثبات الشبكات وضبطها الإحصائي مثل (bootnet). أدى هذا التحول التكنولوجي إلى انفجار هائل في الأبحاث السريرية والاجتماعية التي أعادت فحص معظم الاضطرابات النفسية الكبرى—مثل الفصام، واضطراب ما بعد الصدمة، واضطرابات الأكل، واضطرابات الشخصية—من منظور تحليل الشبكات، ليصبح اليوم أحد أكثر الاتجاهات المنهجية حيوية وتأثيراً في علم النفس المعاصر.

6. الأسس النظرية والأطر الفكرية

يستند تحليل الشبكات النفسية إلى مرتكزات فلسفية ونظرية متينة مستقاة من نظرية النظم المعقدة (Complex Systems Theory). يفترض هذا الإطار أن النفس الإنسانية والاضطرابات المرتبطة بها ليست آليات خطية يمكن التنبؤ بها ببساطة عبر تجميع الأجزاء، بل هي ظواهر تنبثق (Emergent Phenomena) من التفاعلات المعقدة غير الخطية بين العناصر التكوينية. ترفض هذه الرؤية الفكر الاختزالي الذي يحصر المعاناة النفسية في مجرد خلل جيني أو اضطراب كيميائي عصبي أحادي، وتستبدله بنموذج تركيبي تتضافر فيه العمليات الحيوية والنفسية والاجتماعية في مصفوفة سببية دائرية متكاملة.

يرتبط تحليل الشبكات أيضاً بـ “نموذج التبادلية” (Mutualism Model)، الذي طرحه في الأصل باحثون مثل هان فان دير ماس في سياق الذكاء العام (General Intelligence). يفسر هذا النموذج وجود الارتباطات الإيجابية العامة بين القدرات المعرفية المتنوعة دون اللجوء لافتراض عامل عام كامن (General Factor / g)، موضحاً أن العمليات المعرفية المنفصلة تدعم وتغذي بعضها عبر مراحل النمو. وقد جرى تطبيق هذه الفلسفة بنجاح على علم النفس المرضي؛ فالأعراض ليست تجليات لجوهر كامن، بل هي عناصر متفاعلة تبادلياً يؤدي كل عنصر منها إلى تعزيز أو تثبيط العناصر الأخرى.

علاوة على ذلك، يتجذر تحليل الشبكات في الإطار الظاهراتي الوجودي والسلوكي؛ حيث يعيد الاعتبار للشكوى السريرية الظاهرة والخبرة الذاتية للمريض. فبدلاً من التقليل من شأن العَرَض واعتباره مجرد قشرة سطحية لا قيمة لها في غياب الكشف عن “المرض الخفي”، يمنح تحليل الشبكات كل عَرَض خصوصيته ووزنه المستقل؛ إذ يمتلك اضطراب النوم أو توتر العضلات آليات فسيولوجية ونفسية محددة تستوجب التقييم والتدخل بذاتها، لا بوصفها مجرد ظلال لعلة باطنية متخيلة.

7. المكونات والأنواع والأبعاد الرئيسية

يتألف تحليل الشبكات من منظومة مترابطة من البنى الرياضية والمفاهيمية التي تُفصَّل على النحو التالي:

• العُقد (Nodes): هي الوحدات الأساسية التي تتكون منها الشبكة، وتمثل في السياق النفسي المتغيرات المرصودة مثل الأعراض المرضية، أو بنود المقاييس النفسية، أو السمات السلوكية، أو المشاعر اللحظية.
• الحواف أو الروابط (Edges): هي الخطوط التي تصل بين العقد، وتدل على وجود علاقة بين متغيرين؛ وتتحدد بخصائص جوهرية:
  • الوزن (Weight): سُمك الرابط الذي يمثل قوة الارتباط الإحصائي أو التأثير السببي.
  • الإشارة (Sign): طبيعة العلاقة، وتكون إما إيجابية (تحفيزية، يرتفعان معاً) أو سلبية (تثبيطية، يرتفع أحدهما بانخفاض الآخر).
  • الاتجاهية (Directionality): روابط غير موجهة (تدل على ارتباط متبادل متزامن)، أو موجهة بأسهم (تدل على أسبقية زمنية وتأثير سببي من متغير لآخر).
• مؤشرات المركزية (Centrality Indices): مقاييس طوبولوجية رياضية لتحديد الأهمية الهيكلية لكل عقدة في الشبكة:
  • قوة العقدة (Node Strength): المجموع المطلق لأوزان الروابط المتصلة بعقدة معينة، وتحدد مدى اندماج العَرَض في الشبكة.
  • الوساطة أو البينية (Betweenness): عدد المرات التي تقع فيها العقدة على أقصر مسار يربط بين عقدتين أخريين، وتدل على قدرتها على نقل التنشيط والتحكم في التدفق داخل الشبكة.
  • القرب (Closeness): مقلوب المسافات التي تفصل العقدة عن جميع العقد الأخرى في الشبكة، ويعكس سرعة وصول أثرها إلى سائر المنظومة.
  • المركزية المتوقعة (Expected Influence): تأخذ في الحسبان الروابط الإيجابية والسلبية معاً دون تحويلها لقيم مطلقة، لمعرفة ما إذا كانت العقدة تنشط النظام ككل أم تثبطه.
• الأنماط الشبكية الشائعة:
  • شبكات الحالة المستعرضة (Cross-sectional Networks): تُبنى على بيانات جُمعت في نقطة زمنية واحدة، وتعتمد غالباً على نماذج الغاوسي الرسومية (Gaussian Graphical Models) لتقدير الارتباطات الجزئية المنتظمة.
  • الشبكات الزمنية والطولية (Temporal / Longitudinal Networks): تُبنى بالاعتماد على بيانات السلاسل الزمنية المكثفة، وتستخدم الانحدار الذاتي المتجهي (Vector Autoregression – VAR) لفصل التأثيرات الزمنية المتأخرة (Lagged Effects) عن العلاقات المتزامنة اللحظية (Contemporaneous Networks).
  • شبكات متعددة المستويات (Multilevel Networks): تميز بين العلاقات الشبكية على مستوى الفرد الواحد عبر الزمن (Within-person level) والتباينات القائمة بين الأفراد داخل المجتمع الإحصائي (Between-person level).

8. الأمثلة والحالات التوضيحية

لتوضيح الآلية التي يعمل بها تحليل الشبكات في الممارسة الإكلينيكية، نستحضر حالة افتراضية شائعة لمريض يُدعى “خالد” (34 عاماً)، واجه ضغوطاً متصاعدة في بيئة عمله أدت إلى تدهور حالته النفسية. وفقاً للتشخيص الإحصائي الجامد التقليدي، سيُصنف خالد ببساطة بأنه يعاني من “اضطراب القلق العام واكتئاب جسيم متزامن”. لكن هذا التصنيف لا يكشف للمعالج من أين بدأت المشكلة ولا كيف تتغذى وتستمر.

عند رسم شبكة الأعراض الخاصة بحالة خالد عبر تتبع مؤشراته اليومية لمدة أربعة أسابيع، أظهرت الشبكة مساراً تفاعلياً واضحاً:
كانت العقدة المبتدئة للشرارة هي “الأرق الشديد وصعوبة الاستغراق في النوم”. ارتبطت هذه العقدة برابط موجب قوي مع “الإجهاد البدني والذهني النهاري”. أدى الإجهاد بدوره إلى “ضعف التركيز وسرعة الاستثارة والغضب”. ومن عقدة ضعف التركيز، انبثق مسار أفضى إلى “التأخر في تسليم مهام العمل ولوم الذات والشعور بفقدان القيمة”. وهنا اشتعلت عقدة “المزاج المنخفض المكتئب” التي أدت إلى “تجنب التواصل الاجتماعي والانعزال في الفراش”، وهو ما أعاد تنشيط الأرق ليلاً نتيجة اجترار الأفكار السلبية، مشكلاً حلقة مفرغة محكمة الإغلاق.

من خلال تحليل الشبكة، استطاع المعالج تحديد أن العقدة ذات “المركزية والتأثير الأكبر” في شبكة خالد ليست المزاج المكتئب بحد ذاته، بل هي “الأرق”. وبالتالي، فإن استهداف الأرق من خلال العلاج السلوكي المعرفي للأرق (CBT-I) أدّى إلى كسر السلسلة السببية وفكك الروابط التي تغذي باقي الأعراض، مما حقق تحسناً دراماتيكياً وسريعاً في سائر أنحاء الشبكة، وأتاح للمريض استعادة توازنه الوظيفي بكفاءة ومرونة أعلى بكثير من محاولة التدخل الشامل غير المركز.

9. القياس والتقييم الإحصائي

يتطلب تحليل الشبكات منهجيات إحصائية رياضية صارمة لتلافي الوقوع في فخ العلاقات الزائفة وضمان دقة النماذج المستخرجة. في حالة البيانات المستمرة أو شبه المستمرة، يُعد “نموذج الغاوسي الرسومي” (Gaussian Graphical Model – GGM) الخيار الإحصائي القياسي. يعتمد هذا النموذج على حساب مصفوفة الارتباط الجزئي (Partial Correlation Matrix) بين كل زوج من المتغيرات مع تثبيت والتحكم في تأثير كافة المتغيرات الأخرى في الشبكة، مما يضمن أن الرابط بين المتغير (أ) والمتغير (ب) يمثل علاقة مستقلة حقيقية وليست مجرد انعكاس لارتباطهما بمتغير ثالث مشترك (ج).

نظراً لأن عدد الروابط المحتملة في الشبكة يزداد بشكل هائل مع زيادة عدد العقد (حيث يساوي n*(n-1)/2)، يواجه المحللون مشكلة الضجيج الإحصائي والتقديرات التافهة الناتجة عن الصدفة. ولمعالجة هذه المعضلة، يستخدم القياس الشبكي خوارزميات الضبط والتنظيم الرياضي، وأشهرها خوارزمية المشغل ذو الحصوة واختيار الانحدار الأقل (LASSO Regularization)، وتحديداً خوارزمية (Graphical LASSO) المدعومة بمعيار المعلومات البيزي الموسع (EBICglasso). تعمل هذه الخوارزمية على تقليص قيم الروابط الضعيفة جداً إلى الصفر التام، مما يؤدي إلى شبكة شحيحة ومنتظمة (Sparse Network) تستبقي فقط العلاقات الحقيقية القوية ويسهل تفسيرها دون فرط مطابقة (Overfitting).

يشمل التقييم القياسي للشبكات خطوة حاسمة لا غنى عنها في الأبحاث الحديثة، وهي فحص “استقرار ودقة معالم الشبكة” (Network Stability & Accuracy). يتم ذلك غالباً عبر أسلوب إعادة أخذ العينات العشوائي (Bootstrap) المتاح في حزمة (bootnet)؛ حيث يختبر المحلل حدود الثقة لجميع أوزان الروابط للتأكد من دقتها الإحصائية، ويحسب معامل استقرار إسقاط الحالات (Correlation Stability Coefficient – CS-coefficient) لمؤشرات المركزية، والذي يُشترط ألا يقل عن 0.25 وأن يفضل تجاوزه 0.50 ليُعتبر ترتيب مركزية الأعراض آمناً وقابلاً للتعميم والمقارنة العلمية.

10. التطبيقات والأهمية العملية

يمتلك تحليل الشبكات طيفاً واسعاً من التطبيقات التطويرية والعملية التي تمتد عبر تخصصات الصحة النفسية المختلفة:

• التخطيط العلاجي الشخصي (Personalized Intervention): يساعد الأطباء والمعالجين النفسيين على تحديد “الأعراض المفصلية” أو “أعراض البوابة” (Gateways / Central Symptoms) لكل حالة على حدة، وتصميم خطة علاجية مخصصة تركز الجهد على العقد الأكثر إنتاجية سريرياً، بدلاً من اتباع بروتوكولات علاجية عامة قد تستهدف أعراضاً هامشية لا تؤثر في مسار التعافي.
• فهم التواكب المرضي (Comorbidity Unpacking): يفسر بدقة ظاهرة التزامن المرضي الشائعة عبر رصد “الأعراض الجسرية” (Bridge Symptoms). فمثلاً، يمثل اضطراب النوم أو فقدان الطاقة جسراً وظيفياً يربط شبكة الاكتئاب بشبكة الألم المزمن، وتحديد هذا الجسر يمنع تفاقم الاضطراب وانتقاله من نطاق تشخيصي إلى آخر.
• أنظمة الإنذار المبكر (Early Warning Signals): من خلال تتبع بيانات التقييم اللحظي للمرضى المعرضين للانتكاس (مثل مرضى الذهان أو الاضطراب الوجداني ثنائي القطب)، يتيح تحليل الشبكات رصد ظاهرة “التباطؤ الحرج” (Critical Slowing Down)؛ حيث تصبح الشبكة بطيئة في استعادة توازنها بعد التعرض لضغوط يومية طفيفة، وتزداد قوة الترابط الداخلي بين العقد بشكل مفاجئ، مما يشكل مؤشراً تنبؤياً كمياً دقيقاً بحدوث انهيار نفسي وشيك يستوجب التدخل الاستباقي.
• أبحاث الشخصية والاتجاهات الاجتماعية: لا ينحصر المنهج في المرض النفسي، بل يُطبّق في نمذجة الشخصية كشبكة تفاعلية من العادات والسلوكيات والاستجابات الموقفية التي تشكل بنية الشخصية، وفي دراسة الاتجاهات النفسية والاجتماعية والاستقطاب الفكري بوصفه ترابطاً عقائدياً متيناً بين مجموعة من المعتقدات الراسخة.

11. البحث العلمي والأدلة التجريبية

شهد العقد الأخير زخماً بحثياً هائلاً وفّر أرضية صلبة لجدوى تحليل الشبكات وصلاحيته الإمبريقية. أجرى الباحث إيكو فريد (Eiko Fried) سلسلة من الدراسات الميدانية الرائدة حول تباين أعراض الاكتئاب، وأثبت في دراسة مرجعية عام 2017 أن المعايير التشخيصية التسعة للاكتئاب في دليل (DSM-5) تتضمن تفاوتاً جذرياً في أوزانها وتأثيراتها السريرية؛ حيث أظهر أن أعراضاً مثل الشعور بالعجز واليأس تمتلك قوة شبكية وتأثيراً إعاقياً يفوق بكثير أعراضاً أخرى كالتغير الطفيف في الوزن أو النوم المتقطع، مما وجّه ضربة قوية لفكرة تساوي درجات الأعراض في المقاييس الكلاسيكية.

وفي دراسة تجريبية طولية موسعة قادها فريق علم النفس في هولندا بالتعاون مع باحثين دوليين عام 2019، تم استخدام الهواتف الذكية لجمع بيانات لحظية من مئات المشاركين على مدار أشهر لتقييم شبكات المشاعر والانفعالات السلبية والإيجابية. بيّنت النتائج الإحصائية أن الأفراد الذين يظهرون كثافة شبكية أعلى (Denser Networks) مع ترابطات قوية ومتبادلة بين المشاعر السلبية (مثل الحزن، الخوف، الغضب، الشعور بالذنب) كانوا أكثر عرضة للإصابة بنوبات سريرية صريحة مستقبلاً مقارنة بالأفراد ذوي الشبكات الأكثر مرونة وتخلخلاً، مما أثبت القيمة التنبؤية الفائقة لطوبولوجيا الشبكات.

كما بينت أبحاث اضطراب كرب ما بعد الصدمة (PTSD) بقيادة ريتشارد مكنالي وفريقه في جامعة هارفارد أن استرجاع الذكريات الصدمية واقتحامها للوعي يمثلان العقدتين المركزيتين اللتين تغذيان التجنب السلوكي والاستثارة الفسيولوجية المفرطة، مؤكدين أن التدخلات التي تنجح في خفض مركزية هذين العرضين تحديداً تحدث أثراً وقائياً كلياً في استقرار الشبكة وتراجع شدة الاضطراب.

12. الاعتبارات الثقافية وعبر الثقافية

تفتح مقاربة الشبكات آفاقاً علمية استثنائية لدراسة التنوع الثقافي في التعبير عن المعاناة النفسية؛ إذ إنها تتفوق على النماذج العالمية المفترضة التي تدّعي وجود “مرض كامن موحد” عبر البشرية جمعاء. فبدلاً من افتراض أن الاكتئاب أو القلق يمتلك نفس الطبيعة في المجتمعات الغربية كما في المجتمعات العربية والآسيوية والأفريقية، يُتيح تحليل الشبكات للباحثين معاينة كيفية اختلاف هيكلية وترابط العقد وفقاً للمحددات الثقافية والاجتماعية.

تُظهر الدراسات المقارنة عبر الثقافات أن المجتمعات ذات التوجه الجمعي (Collectivist Cultures) قد تُظهر شبكات تبرز فيها عقد “الجسدنة” (Somatization)—مثل الصداع، والضيق الحركي، والإعياء—كنقاط مركزية ترتبط بقوة بعقد العزلة والضغط الأسري، وذلك بسبب المقبولية الاجتماعية والرمزية لشكاوى الجسد مقارنة بالشكاوى النفسية المحضة التي قد ترتبط بوصمة عار اجتماعية. وفي المقابل، تظهر العينات في المجتمعات الغربية الفردية مركزية أعلى لعقد الشعور بالذنب الفردي وفقدان تقدير الذات والإحباط الوجودي.

يساعد تحليل الشبكات السريريين على تفكيك هذه الخصوصيات الثقافية دون وصم أو تسطيح؛ فالشبكة النفسية تعكس البيئة اللغوية والدلالية والاجتماعية التي يعيش فيها الفرد، مما يجعل التحليل أداة متوافقة تماماً مع معايير الكفاءة الثقافية في التشخيص والتدخل النفسي في المجتمعات العربية والمحلية.

13. الانتقادات والجدل العلمي والمحددات

على الرغم من الآفاق الواسعة التي يقدمها تحليل الشبكات، فإنه يواجه نقاشات منهجية وانتقادات حادة داخل الأوساط الأكاديمية لا يمكن إغفالها:

• معضلة السببية والبيانات المستعرضة (Causality vs. Correlation): يُوجَّه نقد كبير للاستخدام الشائع للشبكات القائمة على بيانات مستعرضة (Cross-sectional)، حيث إن حساب الارتباط الجزئي بين عقدتين لا يعني بالضرورة وجود علاقة سببية حقيقية في اتجاه محدد. إن افتراض أن الرابط القوي يمثل تأثيراً علاجياً مستهدفاً دون تجارب طولية مضبوطة قد يوقع الباحث في فخ الارتباط الزائف.
• ضعف استقرار مؤشرات المركزية (Instability of Centrality): أظهرت أبحاث ناقدة حديثة (مثل دراسات تيرلو وبورسبوم نفسها في المراجعات اللاحقة) أن مؤشرات المركزية الكلاسيكية، لا سيما الوساطة والقرب، تعاني من حساسية مفرطة لحجم العينة والخطأ القياسي، مما يجعل استقرارها الإحصائي موضع شك في العينات الصغيرة أو المتوسطة (أقل من 500-1000 مشارك).
• إشكالية التكافؤ الإحصائي مع النماذج الكامنة (Mathematical Equivalence): يجادل علماء القياس النفسي المحافظون بأن نماذج الشبكات ونماذج العوامل الكامنة (Factor Models) متكافئة رياضياً في كثير من التطبيقات؛ فمصفوفة التباين المشترك التي تُفسَّر بوجود عامل كامن يمكن إعادة صياغتها تماماً في شكل شبكة متفاعلة، مما يطرح تساؤلاً جوهرياً حول ما إذا كان تحليل الشبكات يمثل ثورة وجودية حقيقية أم أنه مجرد إعادة تدوير بياني للنماذج الإحصائية التقليدية.
• الاعتماد على التقارير الذاتية (Self-report Bias): لا تزال أغلب الشبكات تُبنى على استجابات بنود الاستبيانات، وهي بنود قد تتصل ببعضها ليس بسبب تفاعل واقعي، بل بسبب تشابه الصياغة اللغوية والتداخل الدلالي بين المفردات (Semantic Overlap)، وهو ما يجعل الشبكة في بعض الأحيان قياساً لعلم الدلالة بدلاً من علم النفس.

14. المفاهيم المقارنة والفروق الدقيقة

لتحديد موضع تحليل الشبكات بدقة في المشهد المنهجي، من الضروري تمييزه ومقارنته بالمفاهيم التحليلية والإحصائية المقاربة:

• التحليل العاملي (Factor Analysis): يفترض التحليل العاملي الكلاسيكي أن التباين المشترك بين البنود يعود إلى وجود متغير كامن خفي (عامل) مسبب غير مرصود، وتُعد البنود مجرد مؤشرات خاملة له. في المقابل، يرفض تحليل الشبكات ضرورة وجود العامل الكامن، ويفسر التباين المشترك كنتيجة للتأثيرات والتغذية الراجعة التبادلية والمباشرة بين البنود نفسها.
• نمذجة المعادلة البنائية (SEM): تمثل نمذجة المعادلة البنائية إطاراً يدمج التحليل العاملي مع مسارات انحدارية محددة مسبقاً بناءً على فرضيات نظرية موجهة. أما تحليل الشبكات (خاصة النماذج الاستكشافية المنتظمة)، فيبحث عن البنية الشاملة والعلاقات الجزئية بين جميع العناصر معاً باستخدام الضبط الإحصائي، دون الحاجة لفرض افتراضات جامدة عن المتغيرات الكامنة وقياساتها.
• تحليل الشبكات الاجتماعية (Social Network Analysis – SNA): في تحليل الشبكات الاجتماعية، تكون العقد أفراداً أو مؤسسات أو جماعات بشرية حقيقية، وتكون الروابط علاقات صداقة، قرابة، أو تواصل وظيفي. أما في تحليل الشبكات النفسية، فإن العقد هي كيانات سيكولوجية داخلية (أعراض، انفعالات، سمات)، وتكون الروابط علاقات ارتباط إحصائي أو تفاعل سببي ديناميكي داخل المنظومة الإدراكية والسلوكية للفرد أو الجماعة.

15. الخلاصة والنتائج الجوهرية

يؤسس تحليل الشبكات لتحول نموذجي عميق في الفهم الإنساني للصحة والاعتلال النفسي؛ إذ ينقل الممارسة السريرية من دائرة التصنيفات المرضية الجامدة ذات المسميات العامة إلى أفق المنظومات الديناميكية المعقدة. يؤكد هذا المنهج أن الاضطرابات النفسية ليست وحوشاً كامنة تتربص بالنفس، بل هي بنى تشابكية تنشأ من تفاعلات الأعراض الحية والمتعاقبة، حيث يمكن لتفكيك عقدة مركزية واحدة أن يحرر النظام ككل من قيده المرضي.

وعلى الرغم من التحديات الإحصائية المرتبطة بضبط السببية وضمان استقرار النماذج، فإن تحليل الشبكات يظل أداة متطورة تمكّن العلماء والمعالجين من التوفيق بين الدقة الحسابية ونظريات الرسوم البيانية وبين الفهم الإنساني العميق لتعقيد التجربة النفسية وخصوصيتها الفردية والثقافية.

المراجع

• Borsboom, D. (2017). A network approach to psychopathology. World Psychiatry, 16(1), 5–13. https://doi.org/10.1002/wps.20375
• Borsboom, D., & Cramer, A. O. (2013). Network analysis: An integrative approach to the structure of psychopathology. Annual Review of Clinical Psychology, 9, 91–121. https://doi.org/10.1146/annurev-clinpsy-050212-185608
• Epskamp, S., Borsboom, D., & Fried, E. I. (2018). Estimating psychological networks and their accuracy: A tutorial paper. Behavior Research Methods, 50(1), 195–212. https://doi.org/10.3758/s13428-017-0862-x
• Fried, E. I., van Borkulo, C. D., Cramer, A. O., Boschloo, L., Schoevers, R. A., & Borsboom, D. (2017). Mental disorders as networks of problems: a review of recent insights. Social Psychiatry and Psychiatric Epidemiology, 52(1), 1–10. https://doi.org/10.1007/s00127-016-1319-z
• van der Maas, H. L., Dolan, C. V., Grasman, R. P., Wicherts, J. M., Huizenga, H. M., & Raijmakers, M. E. (2006). A dynamical model of general intelligence: the positive manifold of intelligence by mutualism. Psychological Review, 113(4), 842–861. https://doi.org/10.1037/0033-295X.113.4.842