مصفوفة السمات المتعددة والطرائق المتعددة (MTMM) – دونالد ت. كامبل ودونالد و. فيسك

تُعد مسألة التحقق من صدق الأدوات والمقاييس السيكومترية أحد أركان البحث العلمي في العلوم السلوكية والنفسية والاجتماعية؛ إذ إن القياس النفسي يتعامل بطبيعته مع تكوينات افتراضية وبناءات كامنة (Latent Constructs) لا يمكن ملاحظتها أو إدراكها بصورة حسية مباشرة، كالقلق والذكاء والدافعية والرضا الوظيفي وسمات الشخصية. وظلت مسألة الفصل بين ما تقيسه الأداة فعلياً وبين أثر الأداة نفسها معضلة إبستمولوجية ومنهجية واجهت علماء النفس الأوائل، حيث ارتبطت نتائج القياس لسنوات طويلة بأدوات القياس ذاتها دون تمييز واضح بين السمة المستهدفة والوسيلة المستخدمة لقياسها.

في عام 1959، نشر العالمان الأمريكيان دونالد ت. كامبل (Donald T. Campbell) ودونالد و. فيسك (Donald W. Fiske) ورقتهما العلمية المرجعية في مجلة Psychological Bulletin بعنوان “الصدق التقاربي والتمايزي بواسطة مصفوفة السمات المتعددة والطرائق المتعددة”، وهي الورقة التي أحدثت ثورة حقيقية في نظرية القياس الكلاسيكية، وصارت واحدة من أكثر الأوراق العلمية استشهاداً في تاريخ العلوم الإنسانية. قدمت هذه المنهجية المعروفة اختصاراً بـ MTMM (Multitrait-Multimethod Matrix) إطاراً تحليلياً متكاملاً لا يكتفي بالتحقق من مدى تطابق المقاييس المختلفة للسمة الواحدة، بل يشترط أيضاً إثبات قدرة المقياس على التمييز بدقة بين السمات المختلفة وعدم التأثر الإجرائي بطريقة القياس المتبعة.

يقدم هذا المقال دراسة شاملة لمنهجية مصفوفة السمات المتعددة والطرائق المتعددة، بدءاً من خلفيتها التاريخية وأسسها النظرية، مروراً بتشريح بنيتها الإحصائية ومعايير كامبل وفيسك الأربعة، وصولاً إلى تطبيقاتها المعاصرة عبر نماذج المعادلات البنائية (SEM) والتحليل العاملي التوكيدي (CFA)، والتحديات المنهجية التي واجهتها، والآفاق الواعدة لاستخدامها في عصر القياس الرقمي والعلوم العصبية.

1. المدخل النظري والتاريخي لمصفوفة السمات المتعددة والطرائق المتعددة (MTMM)

1.1 السياق التاريخي لورقة كامبل وفيسك التأسيسية (1959)

شهدت خمسينيات القرن العشرين أزمة منهجية صامتة داخل أروقة القياس النفسي والتقييم السلوكي؛ إذ ساد الاعتماد شبه المطلق على معامل الارتباط البسيط للبرهنة على صدق المقاييس. كان الباحثون يعتمدون على حساب الارتباط بين مقياس مستحدث ومقياس قائم مسبقاً، واعتبروا وجود ارتباط دال إحصائياً دليلاً كافياً على صدق الأداة. غير أن هذا المنطق شابه قصور خطير، إذ أهمل حقيقة أن الارتباط المرتفع قد لا ينبع من تطابق المحتوى المقاس بل من اشتراك الأداتين في أسلوب القياس نفسه، كالاعتماد المشترك على استبانات التقرير الذاتي (Self-Report Inventories) أو سلالم ليكرت المتقاربة.

في هذا المناخ البحثي المتأزم، نشر دونالد كامبل ودونالد فيسك بحثهما التاريخي بعنوان “Convergent and discriminant validation by the multitrait-multimethod matrix” في دورية Psychological Bulletin التابعة لجمعية علم النفس الأمريكية (APA). أعادت هذه الورقة صياغة مفهوم صدق البناء (Construct Validity) الذي كان قد أرسى دعائمه كرونباخ وميل (Cronbach & Meehl, 1955)، محولةً إياه من إطار فلسفي ونظري إلى استراتيجية إجرائية وتطبيقية محكمة وقابلة للاختبار التجريبي المباشر داخل المختبرات والميادين السيكولوجية.

تضافرت خبرات العالمين لصياغة هذا التحول؛ فبينما جلب كامبل خلفيته المعرفية العميقة في نظرية المعرفة التجريبية (Epistemology) وفلسفة العلم والمنهجيات شبه التجريبية، قدم فيسك خبرته التطبيقية الواسعة في القياس السلوكي وتحليل أداء الأفراد وتقييم الشخصية. وأثمر هذا التعاون عن صياغة تحول جذري في القياس: الانتقال من مجرد فحص الارتباط السطحي بين المتغيرات إلى تفكيك الارتباطات وعزل التباين المنسوب للأداة وطريقة القياس (Method Variance) عن التباين المنسوب للسمة النفسية الأصيلة (Trait Variance).

1.2 الأهمية الإبستمولوجية لمنهجية MTMM في القياس النفسي

تجاوزت منهجية MTMM مجرد كونها أداة إحصائية؛ إذ مثلت نقلة إبستمولوجية أرست مفهوم التثليث المنهجي (Methodological Triangulation) والتحقق المتقاطع في دراسة الظواهر غير المرئية. انطلقت الفلسفة الكامبلية من مبدأ أن أي محاولة لقياس بناء نفسي عبر طريقة قياس مفردة ستكون بالضرورة مشوبة بخصائص تلك الطريقة، مما يجعل من المستحيل التمييز بين الظاهرة السلوكية الحقيقية والشوائب التي تفرزها أداة القياس.

قوضت هذه المنهجية النزعة الاختزالية في التفسير السيكولوجي، والتي كانت تفترض تطابق النتائج عبر مختلف الأدوات بمجرد حملها نفس الاسم النظري (المغالطة التسموية Nominal Fallacy). واشترطت مصفوفة MTMM ألا يُقبل أي بناء نفسي كحقيقة علمية موضوعية ما لم يُثبت قدرته على الظهور والتماسك عبر طرائق جمع بيانات متعددة ومستقلة تماماً (كالاستبانة، وملاحظة السلوك، وتقييم الأقران)، مع احتفاظه بالتمايز والاستقلال عن السمات الأخرى المقاسة بالطريقة نفسها.

وفّرت هذه المنهجية معايير علمية صارمة لقبول أدوات القياس كأدوات موثوقة في بناء النظريات وتوجيه القرارات الإكلينيكية والمهنية، كما أسست لقاعدة التناغم والتكامل بين النظرية السيكولوجية المجردة والتطبيق الإحصائي الملموس، جاعلة من تفكيك التباين ومحاصرة أخطاء القياس المنهجية شرطاً مسبقاً لصحة أي تعميم سيكومتري.

1.3 تطور المنهجية وانتقالها عبر الأجيال العلمية

مرت منهجية مصفوفة السمات المتعددة والطرائق المتعددة عبر العقود اللاحقة لتحولات بنيوية وتطورات إحصائية متسارعة. في جيلها الأول (مرحلة الستينيات والسبعينيات)، اعتمد الباحثون على التحليل البصري الإرشادي للمصفوفة وفق قواعد المقارنة التناظرية التي وضعها كامبل وفيسك. ورغم جاذبية هذا الأسلوب وسهولة تطبيقه، فإنه واجه انتقادات متزايدة بسبب افتقاره إلى اختبارات دلالة إحصائية صارمة لتقييم النموذج بمجمله، واعتماده على أحكام شخصية في تفسير الأنماط المعقدة.

مع بداية الثمانينيات وظهور الجيل الثاني، انتقل الحقل السيكومتري إلى استخدام التحليل العاملي الكلاسيكي ونماذج تحليل التباين (ANOVA)، تمهيداً للانتقال الكبير نحو التحليل العاملي التوكيدي (Confirmatory Factor Analysis – CFA) ونماذج المعادلات البنائية (Structural Equation Modeling – SEM) التي قادها باحثون كبار مثل كارل يوريسكوغ (Jöreskog) وهربرت مارش (Herbert W. Marsh). سمح هذا التحول بنمذجة السمات والطرائق كمتغيرات كامنة منفصلة رياضياً، وحساب نسب التباين بدقة متناهية، واختبار جودة المطابقة الكلية للبيانات.

اتسع نطاق تطبيق MTMM من موطنها الأصلي في علم النفس الإكلينيكي وتقييم الشخصية ليمتد إلى العلوم الإدارية والسلوكية التنظيمية، والبحوث التربوية، ودراسات التسويق، وعلم الاجتماع، والعلوم الطبية السلوكية، حيث باتت تُعد المعيار الذهبي لتقييم صدق الأدوات متعددة الأبعاد ومحاصرة التباين المنهجي المشترك.

2. المفاهيم الجوهرية: التمايز بين السمات والطرائق في القياس

2.1 مفهوم السمة النفسية (Trait) والتباين الحقيقي

تُعرّف السمة النفسية (Psychological Trait) في سياق القياس النفسي بأنها بناء نظري وتجريدي مستقر نسبياً يُعبر عن نزعات سلوكية، أو خصائص معرفية، أو حالات وجدانية ودافعية تُميز الأفراد وتوجه استجاباتهم عبر مواقف مختلفة. تمثل السمة المتغير المستهدف الحقيقي بالقياس، والذي يسعى الباحث لرصده بمعزل عن الظروف العارضة للموقف التجريبي أو السياق الفيزيائي لأداة الجمع.

يُعرف التباين الإحصائي المنسوب مباشرة إلى الاختلافات الفردية الحقيقية في هذه السمة باسم تباين السمة (Trait Variance). يمثل هذا التباين جوهر الصدق والمؤشر الأبرز على قدرة الأداة على عكس الفروق الفردية في البناء المعني. وكلما ارتفعت نسبة تباين السمة مقارنة بالتباين الكلي، اقتربت الأداة من التعبير عن الواقع السيكولوجي للمفحوصين بصورة دقيقة وموضوعية.

يشترط تصميم MTMM السليم تضمين سمتين على الأقل (ويفضل ثلاث سمات أو أكثر) في المخطط البحثي، شريطة أن تكون هذه السمات متمايزة نظرياً ومتباينة في طبيعتها البنائية. يضمن هذا التنوع إمكانية فحص استقلالية المفاهيم والتأكد من أن الأداة لا ترصد مجرد نزوع عام أو تشابه سطحي بين استجابات المفحوصين داخل الدراسة الواحدة.

2.2 مفهوم طريقة القياس (Method) وتباين الخطأ المنهجي

تُشير طريقة القياس (Measurement Method) إلى الأسلوب الإجرائي والوسيط التقني أو الشكلي المستخدم لاستخلاص البيانات وتقدير مستويات السمة لدى المفحوصين. تتعدد طرائق القياس لتشمل استبانات التقرير الذاتي (Self-Report Questionnaires)، والملاحظة السلوكية المباشرة من قِبل فاحصين مدربين (Behavioral Observation)، وتقييمات الأقران أو الرؤساء (Peer/Informant Ratings)، والاختبارات الأدائية والموضوعية المحوسبة (Objective Performance Tests).

تُولّد كل طريقة من هذه الطرائق ما يُعرف بـ تباين الطريقة (Method Variance)، وهو التباين النظامي الدخيل الذي يُعزى للخصائص البنائية لأداة القياس وليس للسمة المقاسة. يعمل تباين الطريقة كعامل تشويش وتلوث سيكومتري، حيث يؤدي اشتراك متغيرين في نفس طريقة القياس إلى توليد ارتباطات اصطناعية مضللة تضخم العلاقات الإحصائية بين متغيرات قد تكون متباينة كلياً على المستوى النظري.

تقتضي شروط التطبيق الرصين لمنهجية MTMM اختيار طرائق قياس متباينة جوهرياً ومستقلة بنيوياً. فتطبيق ثلاث استبانات تقرير ذاتي مختلفة الصياغة لا يُعد استخداماً لثلاث طرائق متعددة، بل تكراراً لنفس الطريقة الأحادية. يتطلب التحليل الحقيقي تنويعاً راديكالياً في مصادر البيانات (Data Sources) وميكانيزمات الرصد للحد من الخطأ المنهجي المشترك.

2.3 تفاعل السمة والطريقة (Trait-Method Interaction)

تمثل الدرجة المشاهدة (Observed Score) التي يحصل عليها المفحوص في أي مقياس نفسي نتاجاً مركباً وغير نقي. في إطار نظرية القياس المتقدمة، يُنظر إلى كل درجة بوصفها وحدة هجينة تتكون من تضافر تأثير السمة مع تأثير أداة القياس، مضافاً إليها الخطأ القياسي العشوائي. وتُصاغ هذه العلاقة رياضياً وفق النموذج الخطي الكلاسيكي لتفكيك التباين على النحو التالي:

$$\sigma^2_{Y} = \sigma^2_{Trait} + \sigma^2_{Method} + \sigma^2_{Interaction} + \sigma^2_{Error}$$

حيث تمثل $\sigma^2_{Y}$ التباين الكلي للدرجة المشاهدة، و$\sigma^2_{Trait}$ تباين السمة الأصيل، و$\sigma^2_{Method}$ تباين الطريقة المنتظم، و$\sigma^2_{Interaction}$ تباين التفاعل غير الخطي بين السمة والطريقة، وأخيراً $\sigma^2_{Error}$ تباين الخطأ العشوائي غير المنتظم.

يؤدي إهمال تباين الطريقة وتفاعلها مع السمة إلى تشويه تقديرات الصدق والثبات؛ إذ يُعزى التباين المنهجي خطأً إلى تباين السمة، مما يوهم الباحثين بوجود علاقات سببية أو ارتباطية قوية بين بناءات نفسية لا يجمعها في الواقع سوى أنها قِيست بالأسلوب نفسه. إن تفكيك هذه المكونات وعزلها يُعد المطلب الأساسي لبناء استنتاجات سيكومترية تتسم بالاتساق والقابلية للتعميم.

3. صدق البناء: الصدق التقاربي والصدق التمايزي

3.1 الصدق التقاربي (Convergent Validity) وأبعاده

يُعرّف الصدق التقاربي (Convergent Validity) إجرائياً بأنه مدى اتفاق وتطابق الدرجات المستخلصة من مقاييس مختلفة صُممت لقياس السمة النفسية ذاتها، عند تطبيقها عبر طرائق قياس مستقلة ومتباينة. يرتكز المفهوم على فرضية منطقية مفادها: إذا كان البناء النفسي يعبر عن حقيقة واقعية مستقرة، فإن تقديراته يجب أن تتقارب وتلتقي بصرف النظر عن زاوية الرصد أو الأداة المستخدمة في القياس.

يُستدل على الصدق التقاربي في مصفوفة MTMM من خلال معاملات الارتباط الواقعة في أقطار الصدق، وهي معاملات الارتباط أحادية السمة-متعددة الطرائق (Monotrait-Heteromethod Correlations). تُمثل هذه القيم الارتباط بين مقياسين يقيسان نفس السمة (كالانبساطية مثلاً) ولكن بطريقتين مختلفتين (كالتقرير الذاتي وملاحظة السلوك الميداني).

تتطلب المعايير الإحصائية لإثبات الصدق التقاربي أن تكون معاملات هذه الأقطار موجبة، وذات دلالة إحصائية عند مستويات ثقة صارمة، وكبيرة الحجم بدرجة تكفي لرفض الفرضية الصفرية القائلة باستقلال المقاييس. يُعد توثيق الصدق التقاربي الخطوة الأولى لإثبات أن الأداة ترصد ظاهرة فعلية تتجاوز حدود الورقة والقلم أو الملاحظة العابرة.

3.2 الصدق التمايزي (Discriminant Validity) وأهميته النقدية

يُمثل الصدق التمايزي (Discriminant Validity) الوجه النقدي المكمل للصدق التقاربي، ويُعرّف بأنه قدرة أداة القياس على التمييز بدقة بين السمة المستهدفة والسمات النفسية الأخرى التي يُفترض نظرياً استقلالها عنها. يضمن الصدق التمايزي عدم تداخل البناءات النفسية (Construct Redundancy) ويحمي النظريات من الوقوع في فخ إعادة تسمية المفاهيم القديمة بأسماء حديثة دون وجود تمايز تجريبي حقيقي.

يُفحص الصدق التمايزي في المصفوفة عبر نوعين من معاملات الارتباط: معاملات الارتباط متعددة السمات-أحادية الطريقة (Heterotrait-Monomethod)، ومعاملات الارتباط متعددة السمات-متعددة الطرائق (Heterotrait-Heteromethod). ويتحقق الصدق التمايزي عندما تكون الارتباطات بين السمات المختلفة منخفضة أو معتدلة، وأقل بكثير من ارتباطات الصدق التقاربي لنفس السمة.

يكتسب الصدق التمايزي أهمية حرجة في البحوث التفسيرية والنماذج السببية؛ إذ إن غيابه يؤدي إلى تضخم زائف في معاملات الانحدار والمسارات السببية المشتركة، مما يجعل العلاقات الإحصائية المرصودة مجرد انعكاس لعجز الأدوات عن التفريق بين المفاهيم المتباينة كالاحتراق النفسي، والاكتئاب، والرضا الوظيفي.

3.3 التكامل بين الصدق التقاربي والتمايزي لتقييم البناء النفسي

يُشكل الصدقان التقاربي والتمايزي جناحين لا ينفصلان لصدق البناء؛ فلا يمكن الحكم على جودة أي مقياس نفسي بالاعتماد على أحدهما بمعزل عن الآخر. إن تحقيق صدق تقاربي مرتفع مع صدق تمايزي ضعيف يعني أن الأداة تقيس متغيراً عاماً مشوشاً يتداخل مع بناءات مجاورة دون تمييز حدوده. وعلى النقيض من ذلك، فإن وجود صدق تمايزي دون صدق تقاربي يشير إلى أن المقاييس المختلفة لا تجمعها سمة مشتركة أصلاً.

تؤكد نظرية القياس الحديثة أن الثبات العالي (High Reliability) لا يُعد بحد ذاته ضماناً لصدق البناء؛ إذ يمكن لأداة معيبة مليئة بالتحيز المنهجي أن تعطي قياسات متسقة وثابتة عبر الزمن دون أن تكون صادقة. إن غياب أي من الصدقين التقاربي أو التمايزي يقوض المشروعية العلمية للمقياس ويهدم صلاحية الاستدلالات والقرارات المبنية عليه في السياقات السريرية والبحثية والتربوية.

4. البنية الهيكلية وتصميم مصفوفة (MTMM)

4.1 التصميم العام للمصفوفة ومتطلبات البيانات

تعتمد مصفوفة MTMM على تصميم عاملي متقاطع يتطلب قياس عدد $t$ من السمات النفسية ($t ge 2$، ويفضل $t ge 3$) باستخدام عدد $m$ من طرائق القياس المستقلة ($m ge 2$، ويفضل $m ge 3$). ينتج عن هذا التقاطع مصفوفة ارتباطات متعامدة تضم $(t \times m) \times (t \times m)$ من المتغيرات المشاهدة، وتُوزع فيها البيانات بطريقة تسمح بالمقارنة المنهجية المباشرة لجميع أزواج الارتباط الممكنة.

يشترط التصميم الرصين لمصفوفة MTMM توافر عينة بحثية كافية وممثلة للمجتمع المستهدف؛ لضمان استقرار معاملات الارتباط وحساب الأخطاء المعيارية بدقة. وتوصي الأدبيات السيكومترية بألا يقل حجم العينة عن 200 إلى 400 مشارك في الدراسات الكلاسيكية، مع تزايد هذا المتطلب ليصل إلى 500 مشارك فأكثر عند استخدام نماذج المعادلات البنائية المتقدمة لضمان تقارب الخوارزميات الحسابية وتجنب التقديرات المشوهة.

4.2 كتل ومناطق المصفوفة الأربع الرئيسية

تنقسم مصفوفة MTMM المنظمة إلى أربع مناطق بنيوية رئيسية تتميز كل منها بوظيفة سيكومترية محددة في تفكيك مصادر التباين:

• أقطار الثبات (Reliability Diagonals): تقع في القطر الرئيسي للمصفوفة، وتضم معاملات الارتباط أحادية السمة-أحادية الطريقة (Monotrait-Monomethod – $M_i T_j / M_i T_j$). تمثل هذه القيم معاملات ثبات المقاييس (مثل ألفا كرونباخ أو الثبات بطريقة إعادة الاختبار) وتوضع عادة بين قوسين لتمييزها.
• أقطار الصدق (Validity Diagonals): تمثل معاملات الارتباط أحادية السمة-متعددة الطرائق (Monotrait-Heteromethod – $M_i T_j / M_k T_j$). وتعد هذه الأقطار النواة المركزية للتحقق من الصدق التقاربي، حيث تقيس نفس السمة باستخدام طريقتين مختلفتين.
• مثلثات السمات المتعددة-أحادية الطريقة (Heterotrait-Monomethod Triangles): تُمثل الارتباطات بين سمات مختلفة مقاسة بنفس الطريقة ($M_i T_j / M_i T_k$). تعكس هذه المثلثات التداخل بين المفاهيم مضافاً إليه تباين الطريقة المشترك، مما يجعلها عادة أعلى مناطق المصفوفة ارتباطاً.
• مثلثات السمات المتعددة-متعددة الطرائق (Heterotrait-Heteromethod Triangles): تضم الارتباطات بين سمات مختلفة مقاسة بطرائق قياس مختلفة ($M_i T_j / M_k T_l$). تمثل هذه القيم أدنى مستويات الارتباط في المصفوفة؛ نظراً لعدم اشتراك المتغيرات في السمة أو في طريقة القياس.

4.3 الترميز والتنظيم الرياضي لجداول MTMM

اعتمد كامبل وفيسك نظام ترميز أبجدي رقمي صارم لضبط قراءة المصفوفة وتسهيل عمليات المقارنة التناظرية. تُرمز الطرائق بالأحرف اللاتينية أو الأرقام ($M_1, M_2, M_3$) بينما تُرمز السمات بحروف فرعية ($T_A, T_B, T_C$). يتم ترتيب المصفوفة على شكل كتل فرعية (Sub-matrices) تمثل تقاطع كل طريقة مع الطرائق الأخرى.

في مصفوفة افتراضية $3 \times 3$ (ثلاث سمات: الانبساطية $A$، العصابية $B$، الضمير الحي $C$ مقاسة بثلاث طرائق: تقرير ذاتي 1، تقييم أقران 2، وملاحظة سلوكية 3)، يتكون الجدول من 9 متغيرات مشاهدة و81 خلية ارتباطية. تُنظم المثلثات المتباينة حول الأقطار الرئيسية بوضوح، مما يُمكّن الباحث من مسح الصفوف والأعمدة بصرياً ومقارنة معاملات الصدق بمعاملات التباين المنهجي والتداخل السمتي بدقة متناهية.

5. معايير كامبل وفيسك الأربعة لتقييم مصفوفة (MTMM)

5.1 المعيار الأول: دلالة وكبر قيم أقطار الصدق

ينص المعيار الأول لكامبل وفيسك على أن تكون معاملات الارتباط الواقعة في أقطار الصدق (Monotrait-Heteromethod) موجبة إحصائياً، وكبيرة القيمة بدرجة تختلف جوهرياً عن الصفر، وذات دلالة إحصائية عند مستويات ثقة مقبولة ($p < .05$ أو $p < .01$). يمثل هذا المعيار الشرط المبدئي والضروري للبرهنة على وجود صدق تقاربي؛ فإذا فشلت طريقتان مستقلتان في إعطاء ارتباط دال لنفس السمة، فإن هذا يعني غياب الحد الأدنى من التماسك الإجرائي للبناء المقاس.

يجب التمييز في هذا السياق بين الدلالة الإحصائية المحضة والأهمية العملية لقيمة المعامل؛ إذ إن أحجام العينات الكبيرة قد تجعل من معامل ارتباط منخفض جداً (مثل $r = .15$) دالاً إحصائياً ولكنه عديم المعنى من الناحية السيكومترية. لذلك، تتطلب الممارسات الرصينة أن تكون معاملات الصدق مرتفعة بما يكفي لافتراض وجود تباين مشترك حقيقي يتجاوز حدود الصدفة والخطأ العشوائي.

5.2 المعيار الثاني: تفوق الصدق على ارتباطات السمات المتعددة-متعددة الطرائق

يقتضي المعيار الثاني أن تكون قيمة معامل الصدق التقاربي الواقعة في قطر الصدق أعلى بصورة واضحة من معاملات الارتباط الواقعة في نفس الصف ونفس العمود داخل مثلثات السمات المتعددة-متعددة الطرائق (Heterotrait-Heteromethod Triangles). رياضياً، يشترط هذا المعيار أن يتحقق:

$$r(T_i M_a, T_i M_b) > r(T_i M_a, T_j M_b) \quad \text{and} \quad r(T_i M_a, T_i M_b) > r(T_j M_a, T_i M_b)$$

يضمن هذا المعيار أن اتفاق طريقتين مختلفتين في قياس السمة الواحدة يفوق الارتباط بين تلك السمة وأي سمة مختلفة أخرى مقاسة بطريقة مختلفة. يُعد هذا الاختبار دليلاً أولياً وحاسماً على الصدق التمايزي، حيث يبرهن على أن قوة العلاقة الارتباطية تعود في جوهرها إلى وحدة السمة المقاسة وليس إلى مجرد تشابه خلفيات القياس أو الصدف الإحصائية.

5.3 المعيار الثالث: تفوق الصدق على ارتباطات السمات المتعددة-أحادية الطريقة

يُمثل المعيار الثالث الاختبار الأكثر صرامة وتحدياً في منهجية كامبل وفيسك؛ إذ يشترط أن يتجاوز معامل الصدق التقاربي (الذي يقيس السمة الواحدة بطريقتين مختلفتين) قيمة معامل الارتباط بين سمتين مختلفتين مقاستين بالطريقة نفسها (Heterotrait-Monomethod). بصيغة رياضية:

$$r(T_i M_a, T_i M_b) > r(T_i M_a, T_j M_a)$$

تكمن صعوبة هذا المعيار في أن الارتباطات أحادية الطريقة تتضخم دائماً بفعل تباين الطريقة المشترك (Common Method Variance). فإذا كان ارتباط الانبساطية المقاسة بالتقرير الذاتي مع الانبساطية المقاسة بتقييم الأقران ($r = .55$) أعلى من ارتباط الانبساطية مع العصابية عبر التقرير الذاتي ($r = .35$)، فإن هذا يعني نجاح المقياس في التغلب على التلوث المنهجي. أما إذا انعكست الآية، فإن ذلك يكشف عن هيمنة تباين أداة القياس على تباين السمة، مما يشير إلى خلل بنيوي في صدق الأداة.

5.4 المعيار الرابع: تماثل نمط العلاقات الارتباطية عبر المصفوفات

ينص المعيار الرابع على ضرورة وجود تماثل واستقرار نمطي (Pattern Consistency) في العلاقات البينية للسمات عبر جميع المثلثات الارتباطية داخل المصفوفة، سواء كانت تلك المثلثات أحادية الطريقة أو متعددة الطرائق. يعني ذلك أنه إذا كانت السمة $A$ ترتبط بالسمة $B$ ارتباطاً أقوى من ارتباطها بالسمة $C$ عند استخدام الطريقة الأولى، فإن هذا الترتيب التفاضلي للعلاقات يجب أن يتكرر ويحافظ على بنيته عند القياس بالطريقتين الثانية والثالثة.

يُبرهن تحقق هذا المعيار على الاتساق البنائي الشامل للأداة والنظرية الكامنة وراءها، ويثبت أن شبكة العلاقات السيكولوجية بين التكوينات النفسية تتسم بالاستقرار الموضوعي ولا تتغير هويتها أو طبيعتها التفاعلية بمجرد تبديل الأداة الإجرائية أو زاوية الملاحظة والتقييم.

6. تباين الطريقة المنهجية (Method Variance) وتأثيرها على القياس النفسي

6.1 مصادر التباين المنهجي في أدوات القياس النفسي

ينشأ التباين المنهجي (Method Variance) من مصفوفة معقدة من العوامل الفنية والإدراكية والسياقية المحيطة بعملية جمع البيانات. في استبانات التقرير الذاتي، تبرز تحيزات الاستجابة كأحد أهم المصادر، وعلى رأسها المرغوبية الاجتماعية (Social Desirability)، والميل للموافقة المفرطة والإذعان (Acquiescence Bias)، والنزوع نحو الاستجابة المتطرفة أو المركزية.

أما في أساليب التقييم المعتمدة على الملاحظين والأقران، فتظهر تحيزات أخرى خطيرة، مثل أثر الهالة (Halo Effect)، حيث يطغى الانطباع العام للمُقيِّم على تقديره لسمات نوعية ومستقلة، بالإضافة إلى أخطاء التساهل أو التشدد (Leniency/Severity Errors) وخطأ النزعة المركزية في إصدار الأحكام.

تؤدي خصائص صياغة الفقرات دوراً إضافياً في توليد تباين الطريقة، كاستخدام عبارات منفية مقابل عبارات مثبتة، وترتيب الفقرات داخل الأداة، وطول سلم الاستجابة (Likert Scales). وتتفاعل هذه العوامل مع السياق البيئي وظروف التطبيق الميداني (كالضغط الزمني وتأثير حضور الفاحص) لتخلق تباينات منتظمة تشوش على القياس الحقيقي للسمة.

6.2 التباين المنهجي المشترك (Common Method Variance – CMV)

يُعد التباين المنهجي المشترك (Common Method Variance – CMV)، والذي يُعرف أيضاً بالانحياز المنهجي المشترك (Common Method Bias)، واحداً من أخطر المهددات لصحة الاستنتاجات العلمية والصدق الداخلي والخارجي في البحوث السلوكية والتنظيمية. يحدث هذا التباين عندما تُقاس المتغيرات المستقلة والتابعة باستخدام المصدر نفسه والأداة نفسها والتوقيت ذاته (Mono-method Research Designs).

يؤدي CMV إلى تضخم زائف في معاملات الارتباط والانحدار بين المتغيرات، مما يولد علاقات ارتباطية وهمية لا وجود لها في الواقع السلوكي للأفراد، أو يؤدي على النقيض من ذلك إلى حجب العلاقات الحقيقية والتعتيم عليها بفعل التشتت المنهجي المشترك. وتشير الدراسات الميتاتحليلية إلى أن تباين الطريقة قد يستحوذ في بعض الأحيان على ما بين 20% إلى 40% من إجمالي التباين المشاهد في المقاييس النفسية والإدارية.

6.3 استراتيجيات ضبط وتقليل تباين الطريقة

يتطلب التصدي لتباين الطريقة تبني استراتيجيات وقائية وعلاجية متكاملة تتوزع على مستويين رئيسيين: الضبط الإجرائي أثناء التصميم (Procedural Remedies)، والضبط الإحصائي اللاحق (Statistical Remedies). يشمل الضبط الإجرائي:

• فصل القياسات زمانياً أو مكانياً بين المتغيرات المستقلة والتابعة لتقليل أثر الذاكرة والاتساق الإدراكي المعرفي.
• تنويع مصادر البيانات عبر دمج التقرير الذاتي مع تقييم الرؤساء، وملاحظات السلوك الميداني، ومؤشرات الأداء الموضوعية.
• حماية سرية وهوية المستجيبين لتقليل قلق التقييم والمرغوبية الاجتماعية، وتحسين صياغة الفقرات لتفادي الغموض والمصطلحات المحملة قيمياً.

أما على المستوى الإحصائي، فتُعد مصفوفة MTMM الإطار الأقوى لاكتشاف وتفكيك هذا التباين، بالإضافة إلى تقنيات استخدام المتغيرات العلامية الموضعية (Marker Variable Technique) لتقدير حجم التباين المنهجي وعزله رياضياً عن العلاقات البنائية المستهدفة.

7. التطبيقات الإحصائية والتحليلية المتقدمة لمصفوفة (MTMM)

7.1 التحليل الاستكشافي الكلاسيكي وحدوده

اعتمد التحليل الاستكشافي الكلاسيكي الذي وضعه كامبل وفيسك على القراءة البصرية للمصفوفة وتطبيق المعايير الوصفية الأربعة عبر مقارنة أزواج معاملات الارتباط بشكل نسبي. ورغم بساطة هذا الأسلوب وقيمته التعليمية، فإنه واجه حدوداً منهجية بالغة التعقيد، حالت دون قدرته على تقديم أحكام قاطعة في كثير من الدراسات الميدانية.

تتمثل أبرز هذه الحدود في غياب مؤشرات كمية واختبارات فرضية صارمة لتقييم مصفوفة MTMM كوحدة بنائية متكاملة؛ إذ غالباً ما تتحقق بعض المعايير في جزء من المصفوفة وتفشل في أجزاء أخرى، مما يترك الباحث أمام قرارات ذاتية وانطباعية. كما يعجز الفحص البصري عن التعامل مع المصفوفات الضخمة المعقدة التي تحتوي على أعداد كبيرة من السمات والطرائق، علاوة على إهماله التام لحساب أخطاء القياس العشوائية المرتبطة بحجم العينة وتباين الثبات بين المقاييس.

7.2 تحليل التباين لبيانات MTMM (ANOVA Approach)

لتجاوز عيوب الفحص البصري، اقترح باحثون سيكومتريون استخدام تحليل التباين متعدد الاتجاهات (Factorial ANOVA) كبديل إحصائي يتيح تكميم مصادر التباين بدقة. يُصمم التحليل وفق نموذج ثلاثي الأبعاد: الأفراد ($Subjects$) $\times$ السمات ($Traits$) $\times$ الطرائق ($Methods$).

يسمح هذا الأسلوب بتفكيك التباين الكلي إلى مكونات قابلة للاختبار الإحصائي:

• الأثر الرئيسي للأفراد: يعكس الفروق الفردية العامة غير المرتبطة بالسمات المحددة.
• الأثر الرئيسي للسمات وتفاعلها مع الأفراد ($Subjects \times Traits$): يمثل تباين السمة الأصيل ومؤشر الصدق التقاربي والتمايزي.
• الأثر الرئيسي للطرائق وتفاعلها مع الأفراد ($Subjects \times Methods$): يقيس حجم تباين الطريقة والتحيزات المنهجية.
• التباين المتبقي والخطأ العشوائي ($Residual Variance$): يعكس خطأ القياس والتفاعلات غير المفسرة.

ورغم قوة نموذج ANOVA في تقديم نسب مئوية محددة لمكونات التباين، فإنه يعاني من افتراضات إحصائية مقيدة، كافتراض تجانس التباينات وتساوي معاملات الارتباط عبر جميع السمات والطرائق، وهو ما يندر تحققه في البيانات النفسية الواقعية.

7.3 التحليل العاملي غير التوكيدي واستخراج العوامل المشتركة

استُخدم التحليل العاملي الاستكشرافي (Exploratory Factor Analysis – EFA) كخطوة وسيطة لفحص بنية مصفوفة MTMM؛ حيث يتم استخراج العوامل المشتركة وتدويرها (سواء بالتدوير المتعامد مثل Varimax أو التدوير المائل مثل Promax) للكشف عما إذا كانت الفقرات والمقاييس ستتشبع على عوامل تمثل السمات أم عوامل تمثل الطرائق المنهجية.

كشف هذا الأسلوب عن تحديات سيكومترية معقدة، أبرزها ظاهرة التشبع المزدوج (Cross-loading)، حيث يتشبع المتغير المشاهد بدرجات متقاربة على عامل السمة المستهدفة وعامل الطريقة المستخدمة في آن واحد، مما يُصعّب من عزل البناء النظري. وظل EFA أداة استكشافية أولية تفتقر إلى القدرة على تقييد البنية العاملية واختبار الفرضيات النظرية المسبقة حول استقلال السمات عن الطرائق.

8. التحليل العاملي التوكيدي (CFA) ونماذج المعادلات البنائية في إطار (MTMM)

8.1 نموذج العوامل المباشرة (Correlated Traits-Correlated Methods – CT-CM)

يمثل التحليل العاملي التوكيدي (CFA) الإطار الإحصائي الأكثر نضجاً وقوة لتحليل مصفوفة MTMM. يُعد نموذج السمات المرتبطة والطرائق المرتبطة (Correlated Traits-Correlated Methods – CT-CM) النموذج المعياري الأكثر اكتمالاً، وفيه يتم تعريف عوامل كامنة (Latent Factors) لكل سمة من السمات، وعوامل كامنة منفصلة لكل طريقة من طرائق القياس، مع السماح لعوامل السمات بالارتباط البيني فيما بينها، ولعوامل الطرائق بالارتباط البيني فيما بينها، مع فرض تعامد واستقلال تام بين مجموعة عوامل السمات ومجموعة عوامل الطرائق ($Cov(Trait, Method) = 0$).

يتيح نموذج CT-CM تفكيك تباين كل متغير مشاهد ($Y_{ij}$) إلى تشبع معياري على عامل السمة ($\lambda_{t}$)، وتشبع معياري على عامل الطريقة ($\lambda_{m}$)، وتباين خطأ فريد ($\delta$). وتُحسب نسب التباين المفسر بدقة وفق المعادلة التالية:

$$Var(Y_{ij}) = \lambda_{t}^2 + \lambda_{m}^2 + \theta_\delta$$

يتم تقييم جودة مطابقة النموذج الكلية عبر مؤشرات المطابقة الإحصائية المعيارية، مثل: مؤشر المطابقة المقارن (CFI $ge .95$)، ومؤشر توكر-لويس (TLI $ge .95$)، وجذر متوسط مربعات خطأ الاقتراب (RMSEA $le .06$)، والجذر التربيعي لمتوسط مربع البواقي القياسية (SRMR $le .08$).

ورغم القوة النظرية لنموذج CT-CM، فإنه يواجه مشكلات إحصائية متكررة في التطبيق العملي، أبرزها مشكلات عدم التقارب الحسابي (Non-convergence) وظهور تقديرات غير مقبولة رياضياً تُعرف بـ حالات هيوود (Heywood Cases)، كظهور تباينات سالبة لأخطاء القياس أو معاملات ارتباط تتجاوز الواحد الصحيح، ناتجة عن فرط تشبع النموذج بالمعالم الحرة المراد تقديرها.

8.2 نموذج السمات المرتبطة والطرائق غير المرتبطة (CT-UM)

طُوِّر نموذج السمات المرتبطة والطرائق غير المرتبطة (Correlated Traits-Uncorrelated Methods – CT-UM) كحل إحصائي بديل للتغلب على مشكلات عدم التقارب الشائعة في نموذج CT-CM. يفترض هذا النموذج أن عوامل الطرائق مستقلة تماماً عن بعضها البعض وتتعامد فيما بينها ($Cov(M_i, M_j) = 0$)، في حين تظل عوامل السمات حرة في الارتباط البيني.

يؤدي تقييد ارتباطات الطرائق بالصفر إلى تقليل عدد المعالم الحرة (Free Parameters) المطلوب تقديرها في النموذج، مما يرفع من درجات الحرية ويزيد من استقرار الخوارزميات التكرارية مثل أسلوب الإمكانية العظمى (Maximum Likelihood). يُمكّن هذا النموذج الباحث من المقارنة المباشرة مع نموذج CT-CM عبر اختبار فرق كاي تربيع ($\Delta \chi^2$) لتحديد ما إذا كان افتراض استقلال الطرائق يضر بجودة تمثيل البيانات أم يعزز من بساطة وقوة النموذج السيكومتري.

8.3 النماذج العاملية من الدرجة الثانية والنماذج الهرمية (Second-Order Models)

تقدم النماذج العاملية الهرمية ونماذج العامل المزدوج (Bifactor MTMM Models) معالجة رياضية متقدمة لتنظيم تأثيرات الطريقة والسمة. في نموذج العامل المزدوج، يُفترض أن كل فقرة أو مقياس فرعي يتشبع تشبعاً مباشراً على عاملين كامنين عامين متوازيين: عامل السمة العام المستهدف بالدراسة، وعامل خاص بالطريقة المنهجية المتبعة.

تتميز هذه النماذج بقدرتها على فصل التباين العام المشترك عبر كل الأدوات عن التباين الخاص المحصور في تقنية جمع بيانات معينة دون الحاجة إلى افتراض مسارات انحدارية معقدة بين المتغيرات الكامنة. يوفر هذا الأسلوب رؤية سيكومترية دقيقة حول ما إذا كانت الأداة تقيس سمة موحدة عابرة للأشكال التطبيقية أم أنها تقتصر على قياس جزئيات متباينة تحركها أشكال الأدوات المستخدمة.

8.4 نموذج الطريقة المرجعية المباشرة (CT-C(M-1) Model)

يُمثل نموذج السمات المرتبطة وطرائق القياس الناقصة واحداً المرتبطة بالطريقة المرجعية (CT-C(M-1) Model)، الذي طوره العالم مايكل إيد وزملاؤه (Michael Eid et al., 2003, 2008)، إحدى أهم القفزات المنهجية في تاريخ تحليل MTMM الحديث. جاء هذا النموذج ليعالج بشكل جذري معضلة التعريف الرياضي وحالات هيوود التي كانت تصيب نموذج CT-CM التقليدي.

تقوم فلسفة نموذج $CT-C(M-1)$ على اختيار إحدى طرائق القياس لتكون طريقة مرجعية أو معياراً ذهبياً (Golden Standard Method)، كاختيار تقرير الملاحظة الإكلينيكية المباشرة أو الاختبار الموضوعي. يتم بعد ذلك نمذجة عوامل السمات استناداً إلى هذه الطريقة المرجعية، بينما يتم إنشاء عوامل طرائق لعدد $(M – 1)$ فقط من الطرائق المتبقية (أي استبعاد طريقة واحدة من التمثيل كعامل طريقة منفصل).

يتميز هذا النموذج بالاستقرار الإحصائي الفائق وتجنب مشكلات عدم المطابقة الحسابية، كما يوفر تفسيراً سيكومترياً شديد الوضوح: إذ تُفسر عوامل الطرائق المتبقية بوصفها التباين الزائد أو الانحراف المنهجي (Method-Specific Discrepancy) عن الطريقة المرجعية المعيارية، مما يمنح الباحث تقديراً كمياً دقيقاً لقيمة ومقدار التباين الذي تضيفه كل طريقة جديدة مقارنة بالمعيار الذهبي المعتمد.

9. خطوات تطبيق مصفوفة (MTMM) في البحوث النفسية والتربوية

9.1 المرحلة الأولى: التصميم واختيار السمات والطرائق

تبدأ الدراسة التطبيقية لمصفوفة MTMM ببلورة إطار نظري رصين يحدد السمات النفسية المستهدفة بدقة مفاهيمية متناهية. يجب على الباحث اختيار سمتين على الأقل (ويفضل 3 أو 4 سمات) تنتمي لمجال سيكولوجي متقارب ولكنها تتمتع باستقلال بنائي واضح في الأدبيات (مثل: قلق الاختبار، وقلق السمة العام، والاكتئاب).

يلي ذلك اختيار طرائق قياس متباينة جذرياً من حيث ميكانيزمات جمع البيانات. يجب الابتعاد تماماً عن استخدام صيغ مختلفة من نفس الطريقة؛ بل يتعين دمج طرائق مثل: الاستبانة الذاتية، وملاحظة السلوك في مواقف مقننة، وتقييم الزملاء أو المشرفين، والاختبارات النفسية الفسيولوجية. كما يجب التأكد من تكافؤ الفقرات والمقاييس المستخدمة وتناظرها الإجرائي عبر الطرائق المختلفة لضمان صلاحية المقارنات الرياضية اللاحقة.

9.2 المرحلة الثانية: جمع البيانات وإعداد المصفوفة الارتباطية

تتطلب هذه المرحلة تطبيق كافة أدوات القياس لمختلف السمات والطرائق على نفس العينة من الأفراد (Within-Subjects Design). يتعين على الباحث اتخاذ تدابير منهجية صارمة لتقليل آثار الإرهاق والملل وتأثير الترتيب (Order Effects) عبر تدوير وترتيب تطبيق المقاييس بصورة عشوائية موزونة (Counterbalancing).

عقب استكمال جمع البيانات والتأكد من خلوها من القيم الشاذة، يتم حساب معاملات ارتباط بيرسون بين جميع أزواج المتغيرات المشاهدة ($N \times N$)، وترتيبها داخل مصفوفة MTMM المنظمة بيانياً. كما يتم حساب معاملات الثبات الداخلي (ألفا كرونباخ أو أوميغا ماكدونالد) أو ثبات الاختبار وإعادة الاختبار لكل مقياس فرعي وتضمينها في القطر الرئيسي للمصفوفة لتشكل أقطار الثبات المرجعية.

9.3 المرحلة الثالثة: التحليل الإحصائي واختبار الفرضيات

تتضمن هذه المرحلة مسارين متكاملين من التحليل:

• المسار الوصفي الكلاسيكي: مراجعة معايير كامبل وفيسك الأربعة وفحص أقطار الصدق، ومقارنتها بمثلثات السمات المتعددة-أحادية الطريقة ومتعددة الطرائق، وتوثيق نسب نجاح أو فشل كل معيار عبر خلايا المصفوفة.
• المسار التوكيدي المتقدم (CFA-MTMM): بناء النماذج الإحصائية التوكيدية (مثل نموذج $CT-C(M-1)$ أو $CT-UM$) باستخدام الحزم الإحصائية المتقدمة (مثل R lavaan أو Mplus). يتم اختبار جودة المطابقة الكلية واستخراج تشبعات العوامل ونسب التباين المعزوة لكل من السمة والطريقة وخطأ القياس لكل متغير.

9.4 المرحلة الرابعة: تفسير النتائج وكتابة التقرير السيكومتري

تتوج العملية بصياغة تقرير سيكومتري تفصيلي يُقيّم الصدق البنائي للأدوات المفحوصة. يتضمن التقرير تقييماً شاملاً لمدى صلاحية استخدام المقاييس في الميدان، وتحديد الأدوات التي أظهرت تلوثاً منهجياً مرتفعاً يستدعي إعادة صياغتها أو استبعادها بالكامل.

يناقش الباحث في هذه المرحلة الآثار النظرية المترتبة على تباين الطريقة المرصود؛ فإذا أظهرت طريقة معينة تباينات منهجية ضخمة، يتعين تحذير الباحثين في المجال من الاعتماد الحصري عليها. ويُختتم التقرير بتقديم توصيات منهجية دقيقة للبحوث المستقبلية حول أفضل تركيبات المقاييس التي توفر أعلى درجات الصدق التقاربي والتمايزي بأقل قدر ممكن من الخطأ المنهجي المشترك.

10. التحديات والانتقادات الموجهة لأسلوب مصفوفة (MTMM) الكلاسيكي

10.1 المشكلات المنهجية واللوجستية في التطبيق الميداني

تواجه منهجية MTMM عقبات لوجستية وميدانية معقدة جعلت تطبيقها نادراً مقارنة بأهميتها النظرية؛ فإلزام الباحث بجمع بيانات لنفس العينة عبر طرائق قياس متعددة ومستقلة تماماً يمثل عبئاً زمنياً ومالياً هائلاً. وتزداد هذه الصعوبة عند الحاجة لتطبيق ملاحظات سلوكية ميدانية أو استدعاء مراقبين وأقران لتقييم المفحوصين، مما يؤدي في كثير من الأحيان إلى ارتفاع معدلات التسرب وفقدان البيانات (Attrition Rate).

يولد طول جلسات القياس وتعدد المقاييس إرهاقاً شديداً لدى المشاركين، وهو ما ينعكس سلباً على جودة البيانات ويولد أخطاء استجابة عشوائية بفعل انخفاض الدافعية والتركيز. يضاف إلى ذلك ندرة توافر طرائق قياس متعددة ومستقلة بنيوياً لبعض السمات النفسية المعقدة والوجدانية العميقة (كالشعور بالذنب أو التجارب الذاتية الفريدة)، حيث يظل التقرير الذاتي الوسيلة الوحيدة المتاحة إجرائياً لرصدها.

10.2 المآخذ الإحصائية على معايير كامبل وفيسك الوصفية

تعرضت معايير كامبل وفيسك الأربعة لانتقادات إحصائية حادة من رواد القياس السيكومتري؛ نظراً لطبيعتها الوصفية التي تفتقر إلى حدود كمية حاسمة. لا تحدد المعايير مقدار الفرق الإحصائي المطلوب بين معامل الصدق ومعاملات تباين الطريقة للبت في وجود الصدق من عدمه، مما يترك النتائج عرضة للتأويل الذاتي والتحيزات الفردية للباحثين.

تتأثر هذه المعايير الوصفية بشدة باختلاف مستويات ثبات المقاييس (Differences in Reliability)؛ إذ إن مقياساً يتسم بثبات منخفض سيولد بطبيعته ارتباطات صدق منخفضة بغض النظر عن جودة بنائه النظري، في حين قد يظهر مقياس آخر ذو ثبات متضخم ارتباطات زائفة مرتفعة. كما يهمل التحليل الكلاسيكي تصحيح معاملات الارتباط لأثر التوهين (Correction for Attenuation) الناجم عن أخطاء القياس العشوائية غير المنتظمة.

10.3 تحديات تقارب النماذج الإحصائية المتقدمة (CFA)

رغم التطور الكبير الذي حققه التحليل العاملي التوكيدي في إطار MTMM، فإنه فرض تحديات حسابية وإحصائية معقدة. تعاني نماذج المعادلات البنائية المطبقة على مصفوفات MTMM من معدلات فشل مرتفعة في الوصول إلى التقارب الحسابي (Non-convergence Rates)، لا سيما في النماذج الكلاسيكية المشبعة مثل نموذج CT-CM.

تتكرر في هذه التحليلات ظاهرة التقديرات الشاذة وغير المقبولة سيكومترياً (Improper Solutions)، كظهور تباينات سالبة لأخطاء القياس وتباينات عوامل تزيد عن حدودها المنطقية، ومصفوفات معلومات غير موجبة التعريف (Non-positive Definite Matrices). تتطلب هذه النماذج المعقدة أحجام عينات هائلة وشروط توزيعية صارمة للبيانات نادراً ما تتوفر في البحوث الإكلينيكية والاجتماعية الميدانية.

11. نماذج وبدائل حديثة مطورة عن مصفوفة (MTMM)

11.1 نموذج المتغير المستهدف ونظرية الصدق الحديثة

أعادت الأدبيات السيكومترية المعاصرة صياغة منهجية MTMM لتتوافق مع المعايير المحدثة للاختبارات النفسية والتربوية (AERA/APA/NCME Standards)؛ حيث انتقل المفهوم من النظر إلى الصدق كخاصية داخلية ثابتة في الأداة إلى اعتباره حجة استدلالية متكاملة (Argument-based Approach to Validity) تدعم استخداماً وتفسيراً محدداً للدرجات في سياق معين وفق أطروحات مايكل كين (Michael Kane).

دُمجت مصفوفة MTMM مع نظرية تعميم القياس (Generalizability Theory – G-Theory) التي وضعها كرونباخ وزملاؤه؛ مما أتاح نمذجة تباينات السمة، والطرائق، والمصححين، ومواقف التطبيق بوصفها أوجه قياس متعددة (Facets). يُمكّن هذا الدمج الباحثين من تقدير معاملات التعميم (G-coefficients) ومعاملات الاتساق المطلق والنسبي وتحديد حجم التباين المعزو لكل وجه من أوجه القياس بدقة متناهية تفوق التحليلات التقليدية.

11.2 مصفوفة MTMM مع القياس المتكرر والطولي (Longitudinal MTMM)

أحدث إدخال البعد الزمني على تصميم MTMM نقلة نوعية في دراسة استقرار وتغير البناءات السلوكية؛ حيث تتيح مصفوفة MTMM الطولية (Longitudinal MTMM) تتبع صدق السمات والطرائق عبر موجات متعددة من القياس الزمني ($Time_1, Time_2, dots, Time_k$).

يُمكّن هذا النموذج المتقدم من الفصل الإحصائي بين الاستقرار الحقيقي للسمة عبر الزمن (True Trait Stability) وبين الاستقرار الزائف لأسلوب القياس (Method-specific Autoregressive Effects) الناتج عن اعتياد المفحوص على أداة القياس. وتُستخدم في هذا الإطار نماذج منحنيات النمو الكامنة المتعددة الطرائق (Latent Growth MTMM Models) لفحص مسارات التغير النمائي مع ضبط التحيز المنهجي المستمر عبر الزمن.

11.3 نماذج الاستجابة للمفردة الاختبارية الموسعة (Item Response Theory – IRT)

انتقلت المعالجات السيكومترية الحديثة من التحليل على مستوى الدرجة الكلية المركبة للمقياس إلى التحليل الميكروسكوبي على مستوى المفردة الاختبارية الفردية عبر استخدام نظرية الاستجابة للمفردة متعددة الأبعاد (Multidimensional IRT – MIRT) ضمن إطار MTMM.

تسمح نماذج MIRT بتقدير معالم الصعوبة والتمييز والتخمين لكل فقرة مع نمذجة تشبع الفقرة في الوقت ذاته على بعد السمة المستهدفة وبعد أسلوب الاستجابة المنهجي. يوفر هذا الأسلوب ميزة استخراج دالة معلومات الاختبار (Test Information Function) عند مستويات مختلفة من السمة الكامنة ($\theta$)، مما يكشف بدقة عن المستويات السلوكية التي يتغلب فيها تباين السمة على تباين الطريقة وتلك التي يطغى فيها التشويش المنهجي على دقة القياس.

12. آفاق وتطبيقات مصفوفة (MTMM) في العصر الرقمي والقياس النفسي المعاصر

12.1 دمج البيانات السلوكية الرقمية والمستشعرات كطرائق قياس جديدة

فتح الانفجار الرقمي آفاقاً ثورية لتطبيق مصفوفة MTMM عبر توفير طرائق قياس موضوعية وبيئية لم تكن متاحة في زمن كامبل وفيسك. بات بإمكان الباحثين استخدام الآثار الرقمية (Digital Footprints)، وسجلات استخدام الهواتف الذكية، ونشاط منصات التواصل الاجتماعي، وبيانات نظام تحديد المواقع (GPS)، ومستشعرات الحركة القابلة للارتداء كطرائق قياس مستقلة تماماً ومستمرة لحظياً.

تتيح مصفوفة MTMM الرقمية مقارنة استبانات الشخصية التقليدية مع السمات السلوكية المستنتجة من خوارزميات التعلم الآلي والذكاء الاصطناعي (AI-derived Behavioral Features). يُعد هذا التطبيق ضرورياً للتحقق من الصدق التقاربي والتمايزي للنماذج الحسابية التنبؤية والتأكد من أنها ترصد السمات النفسية الحقيقية للمستخدمين ولا تعكس مجرد تباينات منهجية ناتجة عن طبيعة الخوارزميات أو تصميم واجهات الاستخدام.

12.2 تطبيقات MTMM في العلوم العصبية وعلم النفس الحيوي

تمتد التطبيقات المعاصرة لمنهجية MTMM إلى تقاطع علم النفس مع العلوم العصبية، من خلال ما يُعرف بالتثليث متعدد المستويات (Multilevel Biomarker MTMM). في هذا الإطار، يتم قياس السمات النفسية والمعرفية (كالاندفاعية أو المرونة الإدراكية) عبر ثلاثة مستويات متمايزة من الطرائق: المقاييس السيكومترية التقليدية، والمؤشرات الفسيولوجية الذاتية (مثل تقلب معدل ضربات القلب HRV وتوصيل الجلد الجلفاني EDA)، ومؤشرات التصوير العصبي الوظيفي (fMRI / EEG).

يسمح هذا التكامل المنهجي بعزل التباين الفيزيائي والتقني للأجهزة المخبرية وطرق المعالجة الرياضية للإشارات العصبية عن التباين النفسي الحقيقي للعملية المعرفية، مما يسهم في تأسيس علامات حيوية وسلوكية (Endophenotypes) تتسم بأعلى درجات الصدق البنائي والمشروعية العلمية في أبحاث الطب النفسي والتشخيص العصبي الدقيق.

12.3 دليل إرشادي ومعايير مستقبلية للباحثين في القياس النفسي

لضمان الاستفادة المثلى من مصفوفة MTMM في ظل مبادئ العلم المفتوح (Open Science) والشفافية المنهجية، يوصى الباحثون باتباع الدليل الإرشادي المعياري التالي عند تصميم ونشر دراسات القياس:

• التسجيل المسبق للفرضيات (Preregistration): تحديد السمات والطرائق والنماذج العاملية المستهدفة مسبقاً قبل جمع البيانات لمنع الانحياز والممارسات البحثية المشبوهة (QRPs).
• التنويع الجذري في الطرائق: تجنب الاعتماد على طرائق أحادية المصدر، واشتراط تضمين طريقة قياس موضوعية أو خارجية واحدة على الأقل في التصميم.
• اعتماد النماذج الإحصائية الحديثة: استخدام نموذج $CT-C(M-1)$ أو نماذج Bifactor-CFA كخيارات أساسية للتحليل لتفادي مشكلات عدم التقارب الناتجة عن نموذج CT-CM التقليدي.
• استخدام البرمجيات المفتوحة المصدر: الاستعانة بالحزم الإحصائية المتقدمة والمتاحة مجاناً في بيئة البرمجة R (مثل حزمة lavaan، وحزمة OpenMx، وحزمة psych)، ومشاركة الأكواد البرمجية والمصفوفات الخام لتعزيز القابلية للتكرار وإعادة الإنتاج العلمي (Replicability).

خاتمة واستنتاجات ختامية

تمثل مصفوفة السمات المتعددة والطرائق المتعددة (MTMM)، التي وضع لبنتها الأولى دونالد كامبل ودونالد فيسك في عام 1959، أحد أعظم الإنجازات المنهجية والإبستمولوجية في تاريخ العلوم السلوكية والقياس النفسي. لقد نقلت هذه المنهجية مفهوم الصدق من دائرة التجريد النظري والتخمين الإحصائي البسيط إلى إطار تطبيقي صارم يرتكز على التفكيك المنهجي للتباين وعزل أثر الأداة عن حقيقة السمة المقاسة.

أثبتت المنهجية عبر عقود من التطوير قدرة استثنائية على التكيف والتجدد؛ فانتقلت بنجاح من الفحص البصري للمصفوفات الارتباطية إلى النماذج الهيكلية المتقدمة لمعادلات البناء والتحليل العاملي التوكيدي ونظرية الاستجابة للمفردة. واليوم، في عصر الثورة الرقمية وتكامل العلوم العصبية مع الذكاء الاصطناعي، تكتسب مبادئ MTMM راهنية غير مسبوقة؛ إذ تظل الحارس المنهجي الموثوق لضمان ألا تتحول التدفقات الهائلة للبيانات والمقاييس الرقمية الحديثة إلى مجرد تباينات منهجية خاوية تفتقر إلى الصدق والمشروعية العلمية.

References

• American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2014). Standards for educational and psychological testing. American Educational Research Association. https://www.apa.org/science/programs/testing/standards
• Campbell, D. T., & Fiske, D. W. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix. Psychological Bulletin, 56(2), 81–105. https://doi.org/10.1037/h0046016
• Cronbach, L. J., & Meehl, P. E. (1955). Construct validity in psychological tests. Psychological Bulletin, 52(4), 281–302. https://doi.org/10.1037/h0040957
• Eid, M., Lischetzke, T., Nussbeck, F. W., & Trierweiler, L. I. (2003). Separating trait effects from artifactual and true method effects in multitrait-multimethod models: A multiple-indicator CT-C(M-1) model. Journal of Educational and Behavioral Statistics, 28(2), 109–151. https://doi.org/10.3102/10769986028002109
• Eid, M., Nussbeck, F. W., Geiser, C., Cole, D. A., Gollwitzer, M., & Lischetzke, T. (2008). Structural equation modeling of multitrait-multimethod data: Different models for different types of methods. Psychological Methods, 13(3), 230–253. https://doi.org/10.1037/a0013219
• Kane, M. T. (2013). Validating the interpretations and uses of test scores. Journal of Educational Measurement, 50(1), 1–73. https://doi.org/10.1111/jedm.12000
• Kenny, D. A., & Kashy, D. A. (1992). Analysis of the multitrait-multimethod matrix by confirmatory factor analysis. Psychological Bulletin, 112(1), 165–172. https://doi.org/10.1037/0033-2909.112.1.165
• Marsh, H. W. (1989). Confirmatory factor analyses of multitrait-multimethod data: Many problems and a few solutions. Applied Psychological Measurement, 13(4), 335–361. https://doi.org/10.1177/014662168901300402
• Marsh, H. W., & Grayson, D. (1995). Latent variable models of multitrait-multimethod data. In R. H. Hoyle (Ed.), Structural equation modeling: Concepts, issues, and applications (pp. 177–198). Sage Publications, Inc.
• Podsakoff, P. M., MacKenzie, S. B., Lee, J. Y., & Podsakoff, N. P. (2003). Common method biases in behavioral research: A critical review of the literature and recommended remedies. Journal of Applied Psychology, 88(5), 879–903. https://doi.org/10.1037/0021-9010.88.5.879
• Rosseel, Y. (2012). lavaan: An R package for structural equation modeling. Journal of Statistical Software, 48(2), 1–36. https://doi.org/10.18637/jss.v048.i02