كارل يوريسكوغ – 1935 الحاضر

السيرة

يمثّل تاريخ القياس الإحصائي في العلوم السلوكية والاجتماعية ملحمةً فكرية متواصلة من أجل تحويل المفاهيم النفسية المجردة وغير المرئية إلى كيانات رياضية قابلة للقياس والاختبار والتحقق التجريبي. وفي قلب هذا التحول التاريخي الحاسم، يبرز اسم عالم الإحصاء والقياس النفسي السويدي كارل يوريسكوغ (Karl Jöreskog) بوصفه المهندس المعماري الأول لأعظم ثورة منهجية شهدتها العلوم الإنسانية في النصف الثاني من القرن العشرين؛ إذ نقل القياس السلوكي من مجرد توصيف تجريبي استكشافي قائم على التخمين، إلى آفاق النمذجة الرياضية الصارمة القائمة على اختبار النظريات والفرضيات السببية عبر ابتكاره لمنهجية التحليل العاملي التوكيدي وتأسيسه الشامل لعلم نمذجة المعادلات الهيكلية وتطويره البرمجي التاريخي لحزمة ليزرل (LISREL).

قبل بزوغ إسهامات يوريسكوغ الرياضية والمنهجية، كانت البحوث في مجالات علم النفس، والتربية، وعلم الاجتماع، والاقتصاد السلوكي، تعاني من قيود إبستمولوجية ومنهجية خانقة؛ حيث عجزت الأدوات الإحصائية التقليدية مثل الانحدار الخطي المتعدد والتحليل العاملي الاستكشافي عن التمييز الدقيق بين التباين الحقيقي المرتبط بالسمات النفسية الكامنة وبين تباين أخطاء القياس العشوائية والمنتظمة. كما وقفت الأوساط الأكاديمية عاجزة أمام بناء نماذج تفسيرية تعكس التعقيد الشبكي للسلوك البشري؛ حيث تؤثر المتغيرات في بعضها بعضاً بطرق مباشرة وغير مباشرة ومتزامنة، مما خلق فجوة سحيقة بين ثراء النظريات السيكولوجية وفقر الأدوات الإحصائية المتاحة لاختبارها.

يقدّم هذا المقال تحليلاً شاملاً وموسوعياً لمسيرة كارل يوريسكوغ الفكرية والعلمية الممتدة منذ ولادته عام 1935 وحتى الوقت الحاضر. ولا يتوقف هذا العمل عند حدود السرد البيوغرافي التقليدي، بل يغوص في التفكيك الرياضي والنظري لنماذجه الإحصائية، ويوضح السياقات التاريخية والمعرفية التي أحاطت باكتشافاته، ويتتبع التعاون الأسطوري الذي جمعه مع زميله داغ سوربوم، كاشفاً عن كيفية صياغة المفاهيم التي أعادت هندسة العقلية الأكاديمية العالمية وجعلت من القياس النفسي ركيزة صلبة تعتمد عليها السياسات التربوية، والتشخيصات الإكلينيكية، والقرارات الاجتماعية عبر العالم المعاصر.

1. النشأة والخلفية الأكاديمية والسنوات التكوينية

1.1 البيئة المبكرة والتعليم الأولي في السويد

ولد كارل غوستاف يوريسكوغ (Karl Gustav Jöreskog) في 25 أبريل من عام 1935 في مملكة السويد، في خضم فترة زمنية اتسمت بالتحولات الاجتماعية والصناعية الكبرى التي أرست نموذج الرفاه الاجتماعي السويدي الشهير. نشأ يوريسكوغ في بيئة عائلية ومجتمعية كانت تقدّر المعرفة الصارمة، والانضباط الفكري، والارتباط الوثيق بجماليات الطبيعة ودقتها الهندسية. تجلّت بواكير نبوغه المعرفي في مراحل تعليمه الأساسي؛ إذ أظهر ميلاً استثنائياً نحو الأرقام، والأنماط التجريدية، والتحليل المنطقي الصارم الذي ميز مناهج الرياضيات الكلاسيكية في المدارس السويدية حينها، والتي كانت تولي برهان النظريات الهندسية والجبرية اهتماماً بالغاً قبل التطبيق الميكانيكي.

تأثرت سنوات نشأته المبكرة بثقافة العلم الإسكندنافية التي تميزت بالهدوء والصرامة العلمية، حيث وفرت المؤسسات التعليمية السويدية في ثلاثينيات وأربعينيات القرن الماضي أساساً متيناً يجمع بين تدريس الرياضيات البحتة والعلوم الفيزيائية والتطبيقية. هذا المحيط الأكاديمي الصارم لم يغذِّ فقط فضوله الرياضي، بل طوّر لديه حساً نقدياً عميقاً تجاه المسلمات؛ فكان ينظر إلى الظواهر الطبيعية بوصفها معادلات تنتظر الصياغة، وإلى الفوضى الظاهرية للبيانات بوصفها انعكاساً لنظام رياضي كامن يمكن فك شفرته إذا ما استُخدمت المنظومات الجبرية الصحيحة، وهو الفكر الذي شكّل النواة التأسيسية التي بنى عليها لاحقاً ثورته في مجال المتغيرات الكامنة.

1.2 الدراسة الجامعية في جامعة أوبسالا

مع مطلع خمسينيات القرن العشرين، التحق كارل يوريسكوغ بـ جامعة أوبسالا (Uppsala University)، إحدى أعرق المنارات الأكاديمية في شمال أوروبا والعالم، والتي تأسست عام 1477. كانت أوبسالا في تلك الحقبة تعيش عصراً ذهبياً في العلوم الدقيقة، ولا سيما في قسم الإحصاء والرياضيات، حيث كانت ساحة للتفاعل العلمي الخصب بين مدرسة التحليل الرياضي السويدية العريقة والتطبيقات الإحصائية البازغة. تخصص يوريسكوغ في دراسة الرياضيات والإحصاء الرياضي، وانغمس في دراسة نظريات الاحتمالات، والجبر الخطي المتقدم، وحساب المصفوفات، والتحليل التوافقي، مما صقل عقليته التحليلية ومنحه مرونة فائقة في التعامل مع البنى الجبرية المعقدة.

خلال دراسته الجامعية في أوبسالا، تأثر يوريسكوغ بعمق بالتقاليد الإحصائية التي قادها كبار أساتذة الإحصاء السويديين، وعلى رأسهم عالم الإحصاء الشهير هيرمان وولد (Herman Wold)، الذي كان له صدى دولي بارز في تحليل السلاسل الزمنية والاقتصاد القياسي. وفّر المناخ الفكري في أوبسالا ليوريسكوغ إدراكاً مبكراً بأن الإحصاء الرياضي ليس مجرد فرع تجريدي من فروع الرياضيات البحتة، بل هو لغة حية وأداة معرفية بالغة القوة تهدف إلى نمذجة الواقع الموضوعي. بدأ يوريسكوغ في الربط بين النظريات الاحتمالية الجافة ومسائل القياس الواقعي، وولد لديه شغف عميق بكيفية تطويع نظرية المصفوفات لخدمة العلوم التي تعاني من ضبابية القياس.

1.3 رسالة الدكتوراه والانتقال إلى القياس النفسي

توج يوريسكوغ مسيرته الجامعية في جامعة أوبسالا بإعداد رسالة الدكتوراه التي نال بها الدرجة العلمية في عام 1963، وكان عنوان أطروحته يركز على المشكلات الإحصائية والتقديرية في التحليل العاملي: “Statistical Estimation in Factor Analysis: A New Technique and its Foundation”. لم تكن هذه الأطروحة مجرد دراسة تقليدية لنيل درجة أكاديمية، بل مثّلت إعلاناً صريحاً عن ولادة رؤية منهجية جديدة في التعامل مع البيانات غير المرئية مباشرة؛ حيث عكف يوريسكوغ على مراجعة الأسس الرياضية الضعيفة التي كان يعتمد عليها التحليل العاملي منذ بدايات القرن، محاولاً إرساء قواعد تقدير متينة تنبثق مباشرة من نظرية التقدير الإحصائي الصارم بدلاً من الحلول التقريبية المرتجلة.

خلال عمله على أطروحته، اكتشف يوريسكوغ فجوة إبستمولوجية هائلة بين الإحصائيين الرياضيين وعلماء القياس النفسي (Psychometricians). فقد لاحظ أن علماء النفس والتربية يجمعون بيانات ضخمة ومعقدة ويحللونها بطرق رياضية تفتقر إلى النماذج الإحصائية الدقيقة التي تسمح باختبار الفرضيات وحساب فترات الثقة والأخطاء المعيارية، بينما كان الإحصائيون النظريون يعيشون في أبراج عاجية بعيداً عن مشكلات القياس السلوكي المشوه بالأخطاء. كان هذا الاكتشاف نقطة التحول الكبرى في حياته العلمية؛ إذ قرر توجيه كامل طاقته الرياضية نحو ترويض مشكلات القياس في العلوم الإنسانية، متخذاً قراراً تاريخياً بالانتقال من أروقة الإحصاء النظري البحت إلى فضاء القياس النفسي التطبيقي، ليعيد كتابة تاريخه من جديد.

2. السياق التاريخي لتطور القياس النفسي ونشوء نمذجة المعادلات الهيكلية

2.1 أزمة التحليل العاملي الاستكشافي التقليدي

لفهم حجم التحول الثوري الذي أحدثه يوريسكوغ، لا بد من استعراض الأزمة المعرفية التي واجهها القياس النفسي منذ مطلع القرن العشرين. تعود الجذور التاريخية إلى أبحاث تشارلز سبيرمان (Charles Spearman) عام 1904، حين صاغ مفهوم “العامل العام” للذكاء ($g$-factor)، محاولاً تفسير الارتباطات الموجبة بين أداء الطلاب في مختلف الاختبارات العقلية. تلا ذلك تطوير لويس ثورستون (Louis Thurstone) لنموذج القدرات العقلية الأولية، وتأسيسه للتحليل العاملي المتعدد. ومع ذلك، ظل التحليل العاملي الاستكشافي (Exploratory Factor Analysis – EFA) محكوماً بقيود بنيوية شلت قدرته على أن يكون أداة علمية دقيقة لاختبار النظريات.

تمثلت كبرى مشكلات التحليل العاملي الاستكشافي في “معضلة التدوير” (Rotational Indeterminacy)؛ حيث توجد نظرياً وتطبيقياً لانهاية من الحلول الهندسية التي تفسر مصفوفة التغاير والارتباطات بنفس الكفاءة الرياضية دون وجود أي معيار رياضي يرجح حلاً على آخر. كان الباحثون يلجؤون إلى تدويرات متعامدة مثل الفاريماكس (Varimax) أو مائلة مثل البروماكس (Promax) وفق اعتبارات ذاتية تماماً. الأخطر من ذلك أن التحليل الاستكشافي كان يفرض نموذجاً حسابياً حراً بالكامل يربط كل متغير مشاهد بجميع العوامل الكامنة المستخرجة، مما خلق تداخلاً عشوائياً بين التشبعات العاملية، وحرم الباحث من إمكانية تثبيت معاملات معينة عند الصفر لاختبار فرضية نظرية سابقة التحديد، مما جعل الأسلوب الاستكشافي أداة لتوليد فرضيات عشوائية واهية بدلاً من أن يكون أداة حاسمة لدحضها أو تأكيدها.

2.2 الجذور النظرية لتحليل المسار والنماذج الاقتصادية القياسية

على خط موازٍ للتحليل العاملي، كان هناك تياران منهجيان آخران يتطوران بمعزل عن بعضهما البعض وعن علم النفس. التيار الأول قاده عالم الوراثة العبقري سيوال رايت (Sewall Wright) في عشرينيات القرن العشرين، عندما ابتكر ما عُرف بـ “تحليل المسار” (Path Analysis). صمم رايت هذا الأسلوب لرسم مسارات سببية واضحة المعالم تربط المتغيرات الوراثية والبيئية عبر مخططات مسار بيانية تُترجم رياضياً إلى معادلات انحدار خطي مشروطة، مما فتح الباب أمام تقييم التأثيرات المباشرة وغير المباشرة للتراكيب البيولوجية. غير أن إسهام رايت عانى من عيب جوهري قاتل: كان يفترض أن جميع المتغيرات في النموذج مقاسة بدقة مطلقة وخالية تماماً من خطأ القياس، وهو افتراض مستحيل التحقق في العلوم السلوكية.

أما التيار الثاني فكان مدرسة الاقتصاد القياسي (Econometrics)، التي نمت بقوة في الأربعينيات والخمسينيات برعاية “لجنة كاولز” (Cowles Commission)، وبإسهامات عمالقة من أمثال تريغفه هافيلبو وتيالينغ كوبمانز. طوّر الاقتصاديون نماذج المعادلات الخطية المتزامنة (Simultaneous Equation Models) للتعامل مع العلاقات التبادلية والارتدادية (Reciprocal Effects) بين المتغيرات الاقتصادية مثل العرض والطلب والأسعار. ورغم البراعة الرياضية للاقتصاديين في حل مشكلات التعريف والتقدير بالمعادلات الآنية، إلا أنهم -مثل رايت- تجاهلوا تماماً نمذجة المتغيرات الكامنة (Latent Variables)، معتبرين أن المتغيرات الاقتصادية المرصودة مثل الناتج المحلي والأسعار تمثل الحقيقة المطلقة. نشأت الحاجة الملحة إلى عقل رياضي جسور يمتلك القدرة على الجمع بين المنظومات الثلاث: التحليل العاملي للمتغيرات الكامنة، وتحليل المسار للعلاقات الموجهة، والمعادلات المتزامنة للتأثيرات التبادلية.

2.3 الفترة الانتقالية في منظمة خدمة الاختبارات التعليمية (ETS)

في منتصف الستينيات، وتحديداً بعد إتمامه لرسالة الدكتوراه ونشر بواكير أبحاثه الرصينة، تلقى كارل يوريسكوغ دعوة استراتيجية غيرت مجرى تاريخ الإحصاء للانضمام كباحث زائر ومستشار علمي إلى منظمة خدمة الاختبارات التعليمية (Educational Testing Service – ETS) في برينستون، نيو جيرسي بالولايات المتحدة الأمريكية. كانت ETS حينئذ بمثابة مكة العلمية للقياس النفسي والتربوي؛ حيث ضمت تحت سقفها نخبة من ألمع العقول في العالم في مجال القياس، مثل فريدريك لورد (Frederic Lord) وملفين نوفيك (Melvin Novick) وبيرت غرين (Bert Green)، وكان هؤلاء العلماء يواجهون تحديات حقيقية في بناء وتفسير الاختبارات القياسية الدولية مثل GRE وSAT.

وفرت مؤسسة ETS ليوريسكوغ بيئة استثنائية لم تكن متاحة في أي مكان آخر في العالم في ذلك الوقت؛ إذ أتيحت له بنية حاسوبية فائقة تمثلت في أجهزة الحواسيب المركزية العملاقة التابعة لشركة IBM، إلى جانب قواعد بيانات قياسية وتجريبية هائلة تشمل ملايين الاستجابات الحقيقية للطلاب والراشدين. دخل يوريسكوغ في حوارات فكرية عميقة ويومية مع رواد نظرية الاستجابة للمفردة (Item Response Theory)، وأدرك هناك أن التقدم العلمي الحقيقي لا يمكن أن يقتصر على الصياغات الرياضية الورقية المغلقة، بل يحتاج إلى خوارزميات عددية عملية وقابلة للبرمجة تستطيع استيعاب تعقيد البيانات الضخمة وحل مصفوفات التغاير الهائلة بأقل قدر ممكن من التكلفة الحسابية، وهي النواة التي أشعلت ثورته الكبرى في التقدير الإحصائي الصارم.

3. تأسيس التحليل العاملي التوكيدي (CFA): الثورة المنهجية

3.1 الصياغة المفهومية والرياضية للتحليل التوكيدي

في عام 1969، نشر كارل يوريسكوغ ورقته البحثية التاريخية في مجلة Psychometrika المرموقة تحت عنوان: “A General Approach to Confirmatory Maximum Likelihood Factor Analysis”. كانت هذه الورقة بمثابة الزلزال المنهجي الذي قسم تاريخ القياس النفسي إلى عصرين: عصر ما قبل يوريسكوغ وعصر ما بعده. صاغ يوريسكوغ في هذه الورقة ولأول مرة في التاريخ المفهوم الرياضي المتكامل لما بات يُعرف عالمياً بـ التحليل العاملي التوكيدي (Confirmatory Factor Analysis – CFA)، مقدماً بديلاً إبستمولوجياً ثورياً يتجاوز جميع العيوب القاتلة للتحليل الاستكشافي القديم.

قام المفهوم الجديد على فكرة بسيطة في ظاهرها، لكنها بالغة العمق والتعقيد في بنائها الرياضي: بدلاً من ترك الحاسوب يستخرج عوامل عشوائية لا رابط نظرياً بينها، يقوم الباحث بصياغة نموذج نظري قبلي (A Priori Theoretical Model) مستمد من الأدبيات السيكولوجية العميقة. في هذا النموذج، يحدد الباحث بدقة عدد العوامل الكامنة، وما هي المؤشرات أو الأسئلة المشاهدة التي تقيس كل عامل، مع تثبيت تشبعات المتغيرات الأخرى بدقة رياضية عند الصفر ($0$). رياضياً، قام النموذج على تفكيك مصفوفة التغاير النظرية للمتغيرات المشاهدة $boldsymbol{\Sigma}$ بوصفها دالة في متجهات ومعالم النموذج المعيارية:

$$boldsymbol{\Sigma}(boldsymbol{\theta}) = boldsymbol{\Lambda}_x boldsymbol{\Phi} boldsymbol{\Lambda}_x’ + boldsymbol{\Theta}_\delta$$

حيث تمثل $boldsymbol{\Lambda}_x$ مصفوفة التشبعات العاملية، و$boldsymbol{\Phi}$ مصفوفة التغاير والتباين بين العوامل الكامنة ذاتها، بينما تمثل $boldsymbol{\Theta}_\delta$ مصفوفة تباينات وتغايرات أخطاء القياس الفريدة. سمح هذا البناء الرياضي لأول مرة باختبار ما إذا كانت البيانات التجريبية تدعم البناء النظري المفترض أم تدحضه، محولاً التحليل العاملي من أداة وصفية إلى أداة اختبار فرضيات استنتاجية صارمة.

3.2 طريقة تقدير الإمكانية العظمى (Maximum Likelihood)

لم يكتفِ يوريسكوغ بوضع المعادلات النظرية التجريدية للتحليل التوكيدي، بل شيد البنية الإحصائية الكاملة لتقدير معالم النموذج بالاعتماد على دالة الإمكانية العظمى (Maximum Likelihood Estimation – ML). في ظل افتراض أن المتغيرات المشاهدة تتوزع توزيعاً طبيعياً متعدد المتغيرات، صاغ يوريسكوغ دالة مطابقة الإمكانية العظمى التي تقيس الفجوة الإحصائية بين مصفوفة التغاير المحسوبة من العينة الفعلية $\mathbf{S}$ ومصفوفة التغاير المستنتجة من النموذج النظري المقترح $boldsymbol{\Sigma}(boldsymbol{\theta})$، والتي تأخذ الشكل الرياضي الدقيق التالي:

$$F_{ML}(boldsymbol{\theta}) = \ln |boldsymbol{\Sigma}(boldsymbol{\theta})| + \text{tr}(\mathbf{S}boldsymbol{\Sigma}^{-1}(boldsymbol{\theta})) – \ln |\mathbf{S}| – p$$

حيث يمثل $\text{tr}$ أثر المصفوفة (Trace)، و$p$ عدد المتغيرات المشاهدة في النموذج. كان التحدي الأكبر يكمن في كيفية تصغير هذه الدالة الرياضية المعقدة وغير الخطية للوصول إلى أدنى قيمة ممكنة، حيث تكون مصفوفة النموذج أقرب ما يكون رياضياً لمصفوفة البيانات الفعلية.

لتحقيق ذلك، طور يوريسكوغ خوارزميات عددية متقدمة للغاية مستندة إلى أساليب الاستمثال الرياضي مثل خوارزمية ديفيدون-فليتشر-باول (DFP) وتطبيقات طريقة نيوتن-رافسون الرياضية لحساب المشتقات الأولى والثانية للدالة بالنسبة لجميع المعالم الحرة في النموذج. ومن خلال قلب مصفوفة المعلومات لفيشر (Fisher Information Matrix)، تمكن يوريسكوغ من توفير الأخطاء المعيارية (Standard Errors) الدقيقة لكل معامل مقدر، مما أتاح للباحثين ولأول مرة في تاريخ علم النفس إمكانية إجراء اختبارات الدلالة الإحصائية ($z$-tests و $t$-tests) لكل تشبع عاملي، ولكل تباين خطأ قياس، بدقة رياضية لا تقبل الشك.

3.3 الأثر المنهجي على القياس الصدقي والوثوقي في علم النفس

أحدث التحليل العاملي التوكيدي ثورة زلزلت أركان نظرية القياس الكلاسيكية (Classical Test Theory – CTT). فلعقود طويلة، اعتمد علماء النفس على مؤشرات مبسطة لتقييم الثبات مثل معامل ألفا كرونباخ (Cronbach’s Alpha)، دون إدراك حقيقي للافتراضات الرياضية الخطيرة التي يستند إليها هذا المعامل، وأهمها افتراض “تكافؤ تاو الأساسي” (Essential Tau-Equivalence) الذي يفترض تساوي تشبعات جميع المفردات على العامل الكامن المقاس وتساوي وحدات قياسها، وهو افتراض نادراً ما يتحقق في الواقع العملي.

وفّر إطار يوريسكوغ التوكيدي الأدوات الرياضية الصارمة لاختبار نماذج القياس المتدرجة بدقة متناهية: بدءاً من النماذج المتوازية تماماً (Parallel Tests)، مروراً بالنماذج المتكافئة تاو (Tau-Equivalent)، ووصولاً إلى النماذج التوليفية العامة (Congeneric Measurement Models) التي تسمح باختلاف التشبعات واختلاف تباينات الأخطاء لكل مفردة. هذا التطور قاد مباشرة إلى صياغة مؤشرات ثبات حديثة وفائقة الدقة مثل الثبات البنائي (Composite Reliability / McDonald’s Omega)، والتي أصبحت المعيار الذهبي المعتمد في المجلات العلمية المحكمة عالمياً بدلاً من ألفا كرونباخ المضللة في كثير من السياقات.

علاوة على ذلك، وفّر CFA الأساس الإحصائي الأكثر صرامة للتحقق من الصدق البنائي (Construct Validity) بشقيه: الصدق التقاربي (Convergent Validity) والصدق التمييزي (Discriminant Validity). فمن خلال تثبيت أو تحرير الارتباطات بين العوامل الكامنة في مصفوفة $boldsymbol{\Phi}$ ومقارنة النماذج المتداخلة عبر اختبار الفروق في درجات مربع كاي، بات بإمكان الباحثين السلوكيين إثبات ما إذا كان مفهومان سيكولوجيان -مثل القلق والاكتئاب، أو الدافعية الذاتية والخارجية- يمثلان تركيبين مستقلين حقاً في البناء النفسي أم أنهما مجرد وجهين لعملة مفاهيمية واحدة مشوهة بأخطاء الصياغة والقياس.

4. ابتكار وتطوير برنامج ليزرل (LISREL): ولادة عصر جديد

4.1 تاريخ نشأة وتطوير برنامج ليزرل في السبعينيات

أدرك كارل يوريسكوغ بحسه العلمي العميق أن أعظم النظريات الرياضية تظل حبيسة الأوراق الأكاديمية ما لم تتحول إلى برمجيات تطبيقية ميسرة يستطيع الباحثون والممارسون في ميادين العلوم السلوكية استخدامها على أرض الواقع. ومن هذا المنطلق الاستراتيجي، شرع في مطلع سبعينيات القرن العشرين في برمجة نظام حاسوبي متكامل لترجمة المعادلات المصفوفية الهيكلية المعقدة، وأطلق عليه اسم LISREL، وهو نحت لغوي ذكي مأخوذ من الحروف الأولى للعبارة الإنجليزية: LInear Structural RELations (العلاقات الخطية الهيكلية الكامنة).

كان إطلاق النسخة الأولى من برنامج LISREL في مطلع السبعينيات إنجازاً تكنولوجياً وهندسياً خارقاً بمقاييس ذلك العصر. كانت بيئة الحوسبة حينها قاسية ومقيدة للغاية؛ إذ كان الباحثون يضطرون لكتابة أوامرهم الحسابية على بطاقات مثقوبة (Punched Cards)، ثم إدخالها في أجهزة حواسيب مركزية ضخمة (Mainframes) تنتظر لساعات طويلة لتنفيذ العمليات الرياضية المعقدة، وكان أي خطأ في حرف واحد أو مصفوفة يؤدي إلى انهيار العملية بأكملها. تحدى يوريسكوغ هذه القيود، وكتب بلغة فورتران (Fortran) أكواداً رياضية فائقة الذكاء، تتميز بقدرتها على تحسين استهلاك الذاكرة وتفادي انهيار العمليات الحسابية أثناء حل المصفوفات الهائلة، محولاً الصياغات الرياضية الورقية المغلقة إلى أداة تنفيذية غير مسبوقة غيرت مجرى البحث السلوكي إلى الأبد.

4.2 التطور المعماري والبرمجي لحزم ليزرل المتتابعة

شهد برنامج LISREL قفزات معمارية متتابعة عبر عقود من التطوير المستمر. فبعد النجاح الساحق للإصدارات الأولى (LISREL I و II و III)، جاء إطلاق إصدار LISREL IV و V في أواخر السبعينيات ومطلع الثمانينيات ليؤسس النموذج الرياضي الثماني المصفوفي الشامل، ويوفر بيئة أكثر استقراراً لمعالجة مشكلات عدم التقارب العددي. ومع الثورة التقنية للحواسيب الشخصية في منتصف الثمانينيات، كان يوريسكوغ في طليعة المبتكرين؛ حيث أصدر نسخة مخصصة للحواسيب الشخصية عُرفت باسم PC-LISREL، مما حرر الباحثين من التبعية للحواسيب المركزية في الجامعات الكبرى وأتاح النمذجة الهيكلية لمئات الآلاف من طلاب الدراسات العليا حول العالم.

لكن العقبة الكبرى التي ظلت تواجه انتشار البرنامج تمثلت في أن واجهة الإدخال كانت تتطلب من الباحث تحديد المعالم والمصفوفات بالرموز اليونانية القديمة (مثل LAMBDA-X و GAMMA و BETA)، وهي لغة بدت صعبة ومنفرة لعلماء النفس والاجتماع الذين لا يمتلكون خلفيات رياضية متقدمة. استجاب يوريسكوغ لهذا التحدي بعبقرية تربوية فذة؛ حيث طور بالتعاون مع فريقه لغة برمجة نصية مبسطة للغاية أُطلق عليها اسم سيمبليس (SIMPLIS – Simple LISREL). أتاحت لغة SIMPLIS للمستخدمين كتابة النماذج الهيكلية بجمل إنجليزية أقرب للغة الطبيعية، مثل:

Observed_Variables = Exam1 Exam2 Motivation Confidence
Relationships:
Confidence -> Motivation
Motivation -> Exam1 Exam2

حيث يقوم المترجم البرمجي الداخلي للبرنامج بترجمة هذه العبارات النصية البسيطة تلقائياً إلى المصفوفات الرياضية الثمانية الصارمة، مما أدى إلى انتشار برمجية LISREL بصورة انفجارية في الجامعات والمراكز البحثية العالمية.

4.3 الهيمنة المنهجية لبرنامج ليزرل في البيئات الأكاديمية

خلال عقدي السبعينيات والثمانينيات وحتى تسعينيات القرن الماضي، فرض LISREL هيمنة مطلقة لا نظير لها على المشهد الأكاديمي والبحثي في العلوم الاجتماعية في جميع أنحاء العالم، لدرجة أن المصطلح ذاته “LISREL” تحول في الأوساط العلمية والمجلات المحكمة مثل Journal of Applied Psychology و American Sociological Review إلى مرادف لغوي وعملي لمنهجية نمذجة المعادلات الهيكلية برمتها؛ فكان يقال “تم لزرلة البيانات” (LISRELing the data) للإشارة إلى تطبيق النمذجة السببية الحديثة.

وعلى الرغم من ظهور حزم إحصائية منافسة لاحقاً حاولت تقديم واجهات رسومية جذابة أو معالجات متخصصة -مثل برنامج EQS لبيتر بنتلر، وبرنامج Amos لجيمس أرباكل الذي ركز على الرسم التخطيطي التفاعلي، ولاحقاً برنامج Mplus لبينغت موثين الذي ركز على النماذج الخليطة والمعقدة- ظل LISREL يحتفظ بمكانة استثنائية كمعيار ذهبي للأصالة الرياضية والدقة الحسابية القصوى. لقد كانت الخوارزميات التي صممها يوريسكوغ للمصفوفات تمثل الحصن الرياضي الذي تلجأ إليه المجلات العلمية للتحقق من النتائج في حال تناقضت مخرجات البرامج الأخرى، وظلت بصمته البرمجية منقوشة في ذاكرة كل من مارس البحث الكمي الرصين.

5. الإطار الرياضي والإحصائي لنموذج يوريسكوغ الشامل

5.1 معادلات القياس للمتغيرات المستقلة والتابعة

يتألف نموذج يوريسكوغ الشامل (The Full Jöreskog Model) من نظام رياضي محكم يدمج بين جزأين متكاملين: نموذج القياس (Measurement Model)، والنموذج الهيكلي (Structural Model). يمثل نموذج القياس الجسر الرابط بين فضاء المتغيرات الكامنة المجردة غير المشاهدة وفضاء المؤشرات التجريبية المشاهدة، وينقسم رياضياً إلى منظومتين فرعيتين مستقلتين لمصفوفات المتغيرات الخارجية (المستقلة) والمتغيرات الداخلية (التابعة).

تُعطى معادلة القياس للمتغيرات المشاهدة الخارجية $x$ بالعلاقة الخطية المصفوفية التالية:

$$\mathbf{x} = boldsymbol{\Lambda}_x boldsymbol{\xi} + boldsymbol{\delta}$$

حيث يمثل $\mathbf{x}$ متجه المتغيرات المشاهدة الخارجية بحجم $(q \times 1)$، بينما يمثل $boldsymbol{\xi}$ (كساي) متجه المتغيرات الكامنة الخارجية بحجم $(n \times 1)$. وتمثل المصفوفة $boldsymbol{\Lambda}_x$ (لامبدا-إكس) بحجم $(q \times n)$ مصفوفة أوزان أو تشبعات القياس التي توضح مدى انعكاس العامل الكامن على المؤشرات المشاهدة، في حين يمثل $boldsymbol{\delta}$ (دلتا) متجه أخطاء القياس الفريدة بحجم $(q \times 1)$. وتحدد مصفوفة التباين والتغاير لأخطاء قياس المتغيرات الخارجية بالمصفوفة $boldsymbol{\Theta}_\delta$ (ثيتا-دلتا)، وهي في الغالب مصفوفة قطرية تفترض استقلال الأخطاء، وإن كان نموذج يوريسكوغ يسمح بتحرير عناصرها غير القطرية لنمذجة أخطاء القياس المرتبطة عند وجود مبررات منهجية.

وبالمثل تماماً، تُصاغ معادلة القياس للمتغيرات المشاهدة الداخلية $y$ عبر العلاقة المصفوفية:

$$\mathbf{y} = boldsymbol{\Lambda}_y boldsymbol{\eta} + boldsymbol{\epsilon}$$

حيث يمثل $\mathbf{y}$ متجه المؤشرات المشاهدة التابعة بحجم $(p \times 1)$، و$boldsymbol{\eta}$ (إيتا) متجه المتغيرات الكامنة الداخلية بحجم $(m \times 1)$. وتضبط المصفوفة $boldsymbol{\Lambda}_y$ (لامبدا-واي) تشبعات المؤشرات التابعة على العوامل الداخلية، في حين يمثل $boldsymbol{\epsilon}$ (إبسلون) متجه أخطاء القياس لهذه المؤشرات، مع مصفوفة تغاير خطأ مرافقة يُرمز لها بـ $boldsymbol{\Theta}_\epsilon$ (ثيتا-إبسلون). يعزل هذا الفصل الرياضي الدقيق أخطاء أدوات القياس تماماً قبل اختبار الروابط البنائية بين المتغيرات الكامنة ذاتها.

5.2 المعادلة الهيكلية للعلاقات بين المتغيرات الكامنة

بمجرد تطهير البناء القياسي للمتغيرات من شوائب أخطاء القياس، يأتي دور النموذج الهيكلي ليربط المتغيرات الكامنة ببعضها البعض في شبكة علاقات سببية وافتراضية معقدة. يمثل هذا الجزء الترجمة الرياضية الحقيقية للفرضيات النظرية التي يسعى الباحث لاختبارها، وتُصاغ المعادلة الهيكلية العامة في نموذج يوريسكوغ عبر المعادلة المصفوفية البديعة التالية:

$$boldsymbol{\eta} = \mathbf{B} boldsymbol{\eta} + boldsymbol{\Gamma} boldsymbol{\xi} + boldsymbol{\zeta}$$

تتضمن هذه المعادلة البنائية ثلاثة عناصر مصفوفية مركزية تعكس جوهر العلاقات الديناميكية:

• مصفوفة بيتا ($\mathbf{B}$): مصفوفة معاملات هيكلية بحجم $(m \times m)$ تمثل التأثيرات المباشرة بين المتغيرات الكامنة الداخلية ($boldsymbol{\eta}$) وبعضها البعض. يشترط يوريسكوغ أن تكون أقطار هذه المصفوفة مساوية للأصفار دائماً ($B_{ii} = 0$)؛ إذ لا يمكن لأي متغير كامن أن يؤثر مباشرة في نفسه في نفس اللحظة الزمنية. وتسمح هذه المصفوفة بنمذجة التأثيرات التبادلية والحلقات الارتدادية غير التكرارية.
• مصفوفة غاما ($boldsymbol{\Gamma}$): مصفوفة معاملات هيكلية بحجم $(m \times n)$ تضبط مسارات التأثير المباشر الممتدة من المتغيرات الكامنة الخارجية المستقلة ($boldsymbol{\xi}$) إلى المتغيرات الكامنة الداخلية التابعة ($boldsymbol{\eta}$).
• متجه البواقي الهيكلية ($boldsymbol{\zeta}$ – زيتا): متجه الأخطاء الهيكلية أو التباينات غير المفسرة بحجم $(m \times 1)$ في المتغيرات الكامنة التابعة، الناتجة عن قصور النموذج النظري عن تفسير كامل التباين البنائي، وترتبط به مصفوفة تغاير البواقي الهيكلية $boldsymbol{\Psi}$ (بساي).

ومن خلال دمج نماذج القياس مع النموذج الهيكلي، استطاع يوريسكوغ اشتقاق مصفوفة التغاير الإجمالية للبيانات المشاهدة المشتركة للمتجهين $\mathbf{z}’ = [\mathbf{y}’, \mathbf{x}’]$ بدلالة المصفوفات الثماني الأساسية ($boldsymbol{\Lambda}_x, boldsymbol{\Lambda}_y, \mathbf{B}, boldsymbol{\Gamma}, boldsymbol{\Phi}, boldsymbol{\Psi}, boldsymbol{\Theta}_\delta, boldsymbol{\Theta}_\epsilon$)، والتي تمثل النواة الحسابية الصلبة لبرنامج LISREL.

5.3 مشكلات تحديد النموذج واستقرار المعالم

واحدة من أعمق المساهمات الفكرية والرياضية التي قادها يوريسكوغ في تنظير النمذجة الهيكلية هي المعالجة الصارمة لـ مشكلة التعرف على النموذج وتحديده (Model Identification). فالمعادلات الهيكلية ليست مجرد حسابات انحدار ميكانيكية؛ إذ لا يمكن تقدير معالم أي نموذج إحصائي ما لم يكن النموذج “محدداً” رياضياً، أي أن هناك حلاً فريداً وحيداً لكل معلمة حرة في النموذج يمكن استنتاجه من مصفوفة التغاير المشاهدة.

قسّم يوريسكوغ النماذج من حيث شروط التحديد إلى ثلاثة مستويات إبستمولوجية:

• نماذج محددة دون كفاية (Under-identified Models): حيث يكون عدد المعالم الحرة المطلوب تقديرها أكبر من عدد التباينات والتغايرات غير المكررة في البيانات المشاهدة، وفي هذه الحالة يستحيل إيجاد حل رياضي مستقر، وتكون النتائج اعتباطية تماماً.
• نماذج تامة التحديد (Just-identified Models): حيث يتساوى عدد المعالم الحرة بدقة مع عدد نقاط البيانات المتاحة، ويكون للنموذج درجات حرية تساوي الصفر ($df = 0$). ورغم إمكانية تقدير المعالم، إلا أن هذا النموذج يفتقر لأي قيمة علمية من زاوية دحض الفرضيات؛ إذ إنه يطابق البيانات مطابقة جبرية تافهة ولا يمكن اختباره إحصائياً.
• نماذج مفرطة التحديد (Over-identified Models): وهي النماذج التي تمتلك درجات حرية موجبة ($df > 0$)؛ حيث يكون عدد المعالم المطلوب تقديرها أقل من المعلومات المتاحة في مصفوفة البيانات. وهذا هو الصنف الوحيد المقبول علمياً ومنهجياً؛ لأنه يخضع النموذج لاختبار الرفض والدحض الحقيقي عبر مقارنة التغاير النظري بالتغاير التجريبي.

علاوة على ذلك، حسم يوريسكوغ معضلة تحديد مقياس المتغيرات الكامنة (Scale Identification)؛ إذ إن المتغيرات النفسية الكامنة لا تملك وحدة قياس فيزيائية طبيعية كالمتر أو الكيلوغرام. ابتكر يوريسكوغ حلين منهجيين صارمين: إما تثبيت تشبع أحد المؤشرات المشاهدة لكل عامل عند القيمة واحد ($1.0$) ليصبح “المؤشر المرجعي” (Reference Indicator) الذي ينقل وحدة قياسه إلى العامل الكامن، أو تثبيت التباين الكلي للعامل الكامن في مصفوفة $boldsymbol{\Phi}$ أو $boldsymbol{\Psi}$ عند القيمة واحد صحيح لجعله متغيراً معيارياً ($Z$-score)، وهو ما وفر حلاً قاطعاً لمعضلة انعدام المقياس.

ولم يغفل يوريسكوغ عن مواجهة الظواهر الرياضية الشاذة التي كانت تعصف بتحليلات الباحثين، وأشهرها “حالات هيروود” (Heywood Cases)، والمتمثلة في ظهور تقديرات غير منطقية إحصائياً مثل تباينات أخطاء سالبة ($theta < 0$) أو معاملات ارتباط تفوق الواحد الصحيح. قدّم يوريسكوغ تشريحاً رياضياً لهذه الحالات، مبيناً أنها تنشأ إما عن أخطاء فادحة في تحديد النموذج (Misspecification)، أو صغر متطرف في حجم العينة، أو انتهاك شنيع لفرضيات التوزيع الطبيعي، واضعاً في LISREL قيوداً تكرارية ومعالجات صارمة تمنع انحراف المقدرات إلى الفضاءات الرياضية المستحيلة.

6. التعاون الأكاديمي المثمر مع داغ سوربوم

6.1 الشراكة البحثية في جامعة أوبسالا وتكامل الرؤى

في سجلات تاريخ العلوم، نادراً ما نجد شراكة فكرية متناغمة ومثمرة كتلك التي جمعت بين كارل يوريسكوغ وزميله ومواطنه داغ سوربوم (Dag Sörbom). التقى الباحثان في رحاب قسم الإحصاء بجامعة أوبسالا في أوائل سبعينيات القرن الماضي، ونشأت بينهما كيمياء أكاديمية فريدة من نوعها استمرت لعدة عقود وشكلت القوة الدافعة الكبرى وراء التطورات الهائلة التي شهدتها نمذجة المعادلات الهيكلية.

تميزت هذه الشراكة بتكامل معرفي استثنائي؛ فبينما كان يوريسكوغ يمثل المفكر النظري صاحب الرؤية الرياضية الشاملة والموهبة الخارقة في الربط الإبستمولوجي بين الإحصاء الاحتمالي ونظريات القياس، كان داغ سوربوم يتمتع ببراعة تحليلية نادرة في تطوير الخوارزميات العددية المعقدة، والبرمجة الحسابية الدقيقة، وتطويع حساب التفاضل والتكامل المصفوفي لحل مشكلات القياس الميدانية. تحول قسم الإحصاء في جامعة أوبسالا بفضل هذا الثنائي إلى قبلة علمية عالمية ومحجّ لعلماء القياس والسلوك من شتى بقاع الأرض، من الولايات المتحدة وأوروبا واليابان، لتعلم الأسس الجديدة للمنهجية الكمية.

6.2 تطوير نماذج القياس متعددة المجموعات (Multi-Group SEM)

من أعظم الإنجازات المشتركة التي قدمها يوريسكوغ وسوربوم للعلوم الإنسانية صياغتهما للمنهجية الرياضية الصارمة لتحليل النماذج متعددة المجموعات (Multi-Group Structural Equation Modeling) واختبار “تكافؤ القياس” (Measurement Invariance). فقبل هذا الإنجاز، كانت المقارنات الثقافية والمجتمعية تعاني من سذاجة منهجية خطيرة؛ حيث كان الباحثون يقارنون متوسطات درجات الاختبارات النفسية بين شعوب مختلفة أو بين الذكور والإناث، ويفترضون بشكل أعمى أن أدوات القياس تفهم وتعمل بنفس الكفاءة لدى المجموعتين.

وضع يوريسكوغ وسوربوم نموذجاً هرمياً رياضياً يختبر تكافؤ القياس خطوة بخطوة عبر قيود متتالية للمصفوفات المتعددة، متضمناً المستويات الصارمة التالية:

• التكافؤ الشكلي (Configural Invariance): إثبات أن النمط الأساسي للعوامل والمؤشرات متطابق عبر المجموعات دون فرض أي قيود عددية على قيم المعالم.
• التكافؤ المتري أو الضعيف (Metric / Weak Invariance): فرض تساوي مصفوفات التشبعات العاملية عبر المجموعات ($boldsymbol{\Lambda}_x^{(1)} = boldsymbol{\Lambda}_x^{(2)}$)، وهو الشرط الرياضي الجوهري الذي يسمح بمقارنة العلاقات والارتباطات والانحدارات البنائية بين المجموعات.
• التكافؤ القياسي أو القوي (Scalar / Strong Invariance): فرض قيود تساوي مقاطع المؤشرات المشاهدة (Measurement Intercepts)، وهو الشرط الإحصائي الوحيد الذي يبيح للباحثين مقارنة المتوسطات الكامنة (Latent Means) بين الثقافات والشعوب بشكل سليم علمياً ودون تحيز.
• التكافؤ الصارم (Strict Invariance): فرض تساوي مصفوفات تباينات أخطاء القياس الفريدة عبر المجموعات ($boldsymbol{\Theta}_\delta^{(1)} = boldsymbol{\Theta}_\delta^{(2)}$).

أصبح هذا التسلسل الهرمي الدقيق الركيزة الأساسية لجميع الدراسات المقارنة عبر الثقافات (Cross-Cultural Studies) والاختبارات الدولية الموسعة مثل دراسات بيزا (PISA) وتيمز (TIMSS).

6.3 المؤلفات والأبحاث المشتركة التي شكلت مرجعيات علمية

أثمر التعاون بين يوريسكوغ وسوربوم عن سلسلة من المؤلفات المرجعية الكبرى التي تعد بمثابة “الأناجيل المنهجية” في القياس الإحصائي المعاصر. وفي مقدمة هذه الأعمال، كتابهما التأسيسي الصادر عام 1979 بعنوان: “Advances in Factor Analysis and Structural Equation Models”، الذي نُشر بواسطة دار Abt Books، والذي قدم للمجتمع العلمي خلاصة أبحاثهما وأرسى القواعد المعرفية للنمذجة الهيكلية في أوج نضجها.

تلا ذلك تأليفهما المشترك لسلسلة الأدلة الإرشادية الموسعة لبرنامج LISREL (من LISREL 6 وصولاً إلى LISREL 8 و 9)، والتي لم تكن مجرد كتيبات تشغيل تقنية للبرمجيات، بل كُتباً تدريسية ومنهجية بالغة العمق، تشرح بالتفصيل الممل المعالجات الإحصائية، وطرائق الاشتقاق الرياضي، وتفسير المخرجات في سياق اختبار النظريات. كما نشر الباحثان عشرات الأوراق البحثية التاريخية في مجلة Psychometrika المرجعية ومجلة British Journal of Mathematical and Statistical Psychology، والتي لا تزال تحظى حتى اللحظة بآلاف الاستشهادات العلمية سنوياً في جميع التخصصات الأكاديمية.

7. تطبيقات نماذج يوريسكوغ في القياس النفسي والعلوم السلوكية

7.1 قياس السمات الشخصية المعقدة واختبار النظريات

وجدت نظريات الشخصية في علم النفس ضالتها الكبرى في النماذج الإحصائية التي صاغها كارل يوريسكوغ؛ حيث كان نموذج العوامل الخمسة الكبرى للشخصية (Big Five Personality Traits: العصابية، والانبساطية، والانفتاح، والمقبولية، واليقظة) يواجه تحديات منهجية شاقة لإثبات صدقه العاملي المستقل عبر مختلف المجتمعات. وباستخدام التحليل العاملي التوكيدي، تمكن علماء الشخصية من فحص البنية الداخلية لمقاييس الشخصية مثل مقياس NEO-PI بدقة متناهية، والتحقق مما إذا كانت الأبعاد الفرعية تنضوي حقاً تحت العوامل الخمسة المجردة دون تشوهات إحصائية.

كما أتاحت نمذجة يوريسكوغ حلاً جذرياً لواحدة من أقدم وأعقد المشكلات المنهجية في علم النفس: مشكلة “تباين الطريقة” (Method Variance)؛ حيث تتأثر استجابات المفحوصين بطريقة القياس ذاتها (مثل استمارات التقرير الذاتي، أو ملاحظات الأقران، أو المقابلات الإكلينيكية) وليس فقط بالسمة النفسية الحقيقية المراد قياسها. وبفضل نموذج يوريسكوغ، تمت ترجمة تصميم “السمات المتعددة والطرق المتعددة” (Multitrait-Multimethod Matrix – MTMM) التاريخي الذي اقترحه كامبل وفيزك عام 1959 إلى نموذج معادلات هيكلية توكيدي صارم، مما سمح بفصل تباين السمة الحقيقية ونمذجته رياضياً في معزل تام عن تباين الطريقة وتباين الخطأ العشوائي، مما وفر مقاييس شخصية تتسم بنقاء سيكومتري لا مثيل له.

7.2 القياس الطولي ودراسة التغير النمائي عبر الزمن

في علم نفس النمو والعلوم الاجتماعية التطورية، يمثل تتبع التغير النمائي عبر الزمن التحدي التجريبي الأكبر؛ إذ ترتبط قياسات المفحوصين عبر الفترات الزمنية المتتابعة بارتباطات ذاتية قوية ومربكة. قبل ابتكارات يوريسكوغ، كان الباحثون يستخدمون تحليل التباين للقياسات المتكررة (Repeated Measures ANOVA)، الذي كان يعجز تماماً عن التعامل مع تغير طبيعة السمة المقاسة بمرور الزمن وتراكم أخطاء القياس المرتبطة.

طور يوريسكوغ نماذج القياس الطولي المعقدة، وخصوصاً نماذج اللوحة ذات التأخر المتبادل (Cross-Lagged Panel Models – CLPM). أتاح هذا النموذج للباحثين الإجابة الرياضية الحاسمة عن أسئلة السببية التبادلية الصعبة، مثل: هل يؤدي تدني تقدير الذات في مرحلة الطفولة إلى الاكتئاب في مرحلة المراهقة، أم أن أعراض الاكتئاب المبكرة هي التي تحطم تقدير الذات بمرور السنين؟ ومن خلال نمذجة التأثيرات المستقرة للمتغير عبر الزمن (Autoregressive Effects) بالتوازي مع مسارات التأثير المتبادل المتأخرة (Cross-Lagged Paths) ونمذجة تغاير أخطاء القياس لنفس المؤشرات عبر الزمن ($\theta_{\delta_{t1}, \delta_{t2}} \neq 0$)، أمكن حسم النزاعات النظرية حول اتجاهات التأثير السببي في التطور الإنساني بدرجة مذهلة من الموثوقية الإحصائية.

7.3 تطبيقات في علم النفس المرضي والتشخيص الإكلينيكي

امتدت ثورة يوريسكوغ المنهجية إلى أعماق الطب النفسي وعلم النفس المرضي الإكلينيكي (Psychopathology)؛ حيث كانت الأدلة التشخيصية الكلاسيكية، مثل الدليل التشخيصي والإحصائي للاضطرابات النفسية (DSM)، تعتمد على تصنيفات فئوية حدية جامدة تفصل بين الاضطرابات وتواجه مشكلة التواكب المرضي المزمن (Comorbidity)؛ حيث يشخص أغلب المرضى بأكثر من اضطراب في نفس الوقت دون تفسير علمي مقنع للتداخل العرضي.

باستخدام منهجية يوريسكوغ، طور الباحثون الإكلينيكيون النماذج ثنائية العامل (Bi-factor Models) ونماذج العوامل الكامنة الهرمية؛ حيث تم إثبات وجود عامل كامن عام للاعتلال النفسي العام (يُعرف اليوم بعامل $p$-factor في الطب النفسي)، تتفرع منه عوامل كامنة خاصة تعكس الاضطرابات الاستبطانية (كالاضطرابات الاكتئابية والقلقية) والاضطرابات الخارجية (كالاندفاعية واضطرابات السلوك). كما أتاحت النماذج الهيكلية تفكيك مسارات الضغوط الحياتية الصادمة واختبار المتغيرات الوسيطة (Mediators) كاجترار الأفكار، والمتغيرات المعدلة (Moderators) كالدعم الاجتماعي والصلابة النفسية، مما وفر للمؤسسات الصحية إطاراً دقيقاً لتصميم وتوجيه برامج التدخل العلاجي المعرفي والسلوكي بناءً على نماذج سببية مثبتة إحصائياً.

8. معالجة البيانات غير السوية والترتيبية في القياس النفسي

8.1 تحديات مقاييس ليكرت والبيانات المنفصلة

على الرغم من النجاح الأسطوري لنموذج تقدير الإمكانية العظمى الكلاسيكي، واجه التطبيق الميداني في العلوم الاجتماعية مأزقاً رياضياً جوهرياً؛ فالإمكانية العظمى تفترض بصرامة أن البيانات المشاهدة مستمرة وتتبع التوزيع الطبيعي المتعدد (Multivariate Normal Distribution). لكن الواقع التجريبي للقياس النفسي والتربوي نادراً ما يتعامل مع متغيرات مستمرة ومتصلة حقاً؛ فالسواد الأعظم من البيانات يُجمع عبر مقاييس ليكرت (Likert Scales) الترتيبية (مثل: غير موافق بشدة، غير موافق، محايد، موافق، موافق بشدة)، أو الأسئلة الثنائية (نعم/لا).

أثبتت الدراسات التجريبية والمحاكاة أن التعامل المباشر مع استجابات ليكرت بوصفها بيانات رقمية متصلة في مصفوفات ارتباط بيرسون التقليدية يولد تشوهات إحصائية جسيمة؛ إذ يؤدي التواء البيانات المتقطعة وتفرطحها إلى خفض مصطنع لقيم معاملات الارتباط (Correlation Attenuation)، مما يقود إلى تضخيم زائف لقيم إحصاءة مربع كاي لرفض النماذج الجيدة، وتقدير أخطاء معيارية متدنية تعطي دلالات إحصائية زائفة للتشبعات، وربما استخراج عوامل شكلية زائفة (Difficulty Factors) تعكس تقارب نسب الاستجابة وليس تقارب المحتوى السيكولوجي المقاس.

8.2 الارتباطات المتعددة الحلقات (Polychoric Correlation) ومصفوفات التغاير

لم يقف كارل يوريسكوغ مكتوف الأيدي أمام هذه المعضلة الحسابية المعقدة، بل قاد ثورة جديدة في أواخر السبعينيات والثمانينيات عبر تطوير الأسس الرياضية لتقدير معاملات الارتباط الترتيبية. وضع يوريسكوغ نظرية الارتباطات متعددة الحلقات (Polychoric Correlation) للمتغيرات ذات الخيارات المتعددة، والارتباطات الثنائية (Tetrachoric Correlation) للمتغيرات ثنائية الاستجابة، والارتباطات التسلسلية (Polyserial Correlation) بين متغير متصل وآخر رتبي.

افترض يوريسكوغ في هذا النموذج البديع أن خلف كل متغير رتبي مشاهد ومجزأ $x_i$، يكمن متغير نفسي كامن غير مرئي ومستمر تماماً يتوزع توزيعاً طبيعياً ومعيارياً $x^* \sim N(0, 1)$، ويتم تحويل هذا المتغير المستمر إلى استجابة رتبية متقطعة عبر سلسلة من العتبات الرياضية الفاصلة (Thresholds: $\alpha_1, \alpha_2, dots, \alpha_{k-1}$):

$$x = c \quad iff \quad \alpha_{c-1} < x^* \leq \alpha_c$$

ابتكر يوريسكوغ خوارزميات التقدير المرحلية لتقدير قيم العتبات ثم استنتاج مصفوفة معاملات الارتباط الفائقة للمتغيرات الكامنة الكامنة المستمرة خلف الرتب، مقدماً أسلوب المربعات الصغرى الموزونة الخالية من التوزيع المقارب (Asymptotically Distribution-Free / Weighted Least Squares – WLS/ADF) لتقدير نماذج المعادلات الهيكلية للبيانات الترتيبية بدقة رياضية متناهية ودون الحاجة لافتراض التوزيع الطبيعي.

ولترجمة هذا التقدم إلى واقع ملموس، أطلق يوريسكوغ برمجية متخصصة ثورية رافقت حزمة ليزرل عُرفت باسم PRELIS (Pre-processor for LISREL). كانت هذه الأداة الحاسوبية بمثابة المختبر الإحصائي التحضيري الذي يقوم بفحص البيانات الأولية، وتحديد مستويات قياسها، وحساب مصفوفات الارتباط متعدد الحلقات ومصفوفات الأوزان المقاربة للتباين والتغاير (Asymptotic Covariance Matrices)، مما فتح آفاق النمذجة الهيكلية لملايين الدراسات الاجتماعية واستطلاعات الرأي التي كانت تصطدم بجدار البيانات غير الطبيعية.

8.3 المتانة الإحصائية للنماذج في ظل الانحراف عن التوزيع الطبيعي

إلى جانب أسلوب WLS/ADF الذي يتطلب عينات ضخمة للغاية ليعمل بكفاءة، عمل يوريسكوغ على تطوير طرائق “الإحصاء المتين” (Robust Statistics) لحماية مقدرات الإمكانية العظمى الكلاسيكية ضد الانحرافات المتوسطة والشديدة عن التوزيع الطبيعي المتعدد. دمج يوريسكوغ في أبحاثه اللاحقة وفي إصدارات LISREL تصحيحات الخطأ المعياري المعروفة بـ “مقدر الساندويتش” المقارب (Robust Sandwich Estimators)، والتي توفر أخطاء معيارية مصححة للتشبعات والمعاملات البنائية لا تتأثر بالالتواء والتفرطح الزائد للبيانات.

كما ساهم في توفير بدائل متقدمة لحساب فترات الثقة وإجراء المقارنات التجريبية مع تصحيحات ساتورا-بنتلر (Satorra-Bentler Scaled Chi-Square). ولم تتوقف جهوده عند معالجة التوزيعات، بل امتدت لوضع إرشادات منهجية حاسمة لمعالجة البيانات المفقودة (Missing Data) في القياس النفسي، محذراً من الأساليب البدائية كالحذف القائم على القائمة (Listwise Deletion)، ومؤسساً لتطبيق مقدرات الإمكانية العظمى الكاملة للمعلومات (Full Information Maximum Likelihood – FIML) التي تتعامل مع البيانات المفقودة عشوائياً (MAR) بكفاءة رياضية تحافظ على الصدق الداخلي للأبحاث وتمنع تحيز النتائج الإحصائية.

9. معايير جودة المطابقة واختبار النماذج النظرية

9.1 اختبار مربع كاي لجودة المطابقة وقيوده العملية

في قلب نموذج يوريسكوغ الرياضي، تبرز إحصاءة اختبار مربع كاي لجودة المطابقة (Chi-Square Goodness-of-Fit Test – $\chi^2$) بوصفها المعيار الإحصائي الرسمي والاستنتاجي الأول لاختبار الفرضية الصفرية القائلة بالتطابق التام بين مصفوفة التغاير المستنتجة من النموذج النظري ومصفوفة التغاير للبيانات المشاهدة في المجتمع ($boldsymbol{\Sigma}(boldsymbol{\theta}) = boldsymbol{\Sigma}$). تُحسب هذه الإحصاءة عبر ضرب قيمة دالة المطابقة المصغرة عند نقطة التقارب في حجم العينة مطروحاً منه واحد:

$$\chi^2 = (N – 1) F_{\min}$$

بدرجات حرية تساوي الفرق بين عدد المعالم المتاحة وعدد المعالم المقدرة: $df = \frac{1}{2}p(p+1) – t$.

إذا كانت قيمة مربع كاي غير دالة إحصائياً ($p > .05$)، يفشل الباحث في رفض الفرضية الصفرية، مما يعني أن النموذج النظري يطابق البيانات التجريبية مطابقة مقبولة. غير أن هذا الاختبار الكلاسيكي سرعان ما أظهر قيوداً عملية وإبستمولوجية بالغة التعقيد في الميدان السلوكي. فقد بين يوريسكوغ نفسه أن إحصاءة مربع كاي حساسة بصورة متطرفة لـ حجم العينة ($N$)؛ ففي العينات الكبيرة جداً (التي تتجاوز بضع مئات أو آلاف المفحوصين، وهو الوضع المثالي في دراسات القياس)، يكتسب الاختبار قوة إحصائية فائقة تؤدي إلى رفض النماذج النظرية الجيدة والمفيدة علمياً لمجرد وجود انحرافات طفيفة وغير جوهرية بين المصفوفات. قادت هذه المعضلة يوريسكوغ إلى الدعوة التاريخية للانتقال من الاعتماد الحصري والدوغمائي على الدلالة الصفرية لمربع كاي إلى فضاء “مؤشرات المطابقة البديلة والعملية”.

9.2 ابتكار مؤشرات التطابق البديلة (GFI و AGFI وغيرها)

استجابة لمعضلة حساسية اختبار مربع كاي لحجم العينة، ابتكر كارل يوريسكوغ بالتعاون مع داغ سوربوم في أوائل الثمانينيات اثنين من أشهر المؤشرات الإحصائية التي دخلت الأدبيات الأكاديمية تحت اسم: مؤشر جودة المطابقة (Goodness-of-Fit Index – GFI) ومؤشر جودة المطابقة المعدل (Adjusted Goodness-of-Fit Index – AGFI). صُمم GFI ليقيس النسبة النسبية للتباينات والتغايرات المشتركة في مصفوفة البيانات التجريبية التي ينجح النموذج النظري المقترح في تفسيرها وإعادة إنتاجها، بطريقة تشبه من حيث المفهوم معامل التحديد ($R^2$) في تحليل الانحدار المتعدد، بينما يقوم AGFI بضبط هذه القيمة بمراعاة درجات حرية النموذج ومكافأة النماذج المتسمة بالإيجاز النظري والرياضي (Parsimony).

تلا ذلك إدماج يوريسكوغ لمؤشر جذر متوسط مربعات خطأ الاقتراب (Root Mean Square Error of Approximation – RMSEA) الذي صاغه ستايغر وليند، وعمل يوريسكوغ على تضمينه في المخرجات القياسية لبرنامج LISREL مع حسابه لفترات الثقة الإحصائية (Confidence Intervals) بدقة تامة واختباره لفرضية “المطابقة القريبة” (Close Fit: $RMSEA < .05$). شكلت هذه الترسانة من المؤشرات -والتي شملت أيضاً المؤشرات المقارنة مثل CFI و TLI التي دمجت لاحقاً في ليزرل- منظومة تقييم متعددة الأبعاد تسمح للباحثين بالحكم الموضوعي على كفاءة النموذج النظري عبر الموازنة الدقيقة بين المطابقة الإحصائية المطلقة والجدوى الإبستمولوجية والتفسيرية.

9.3 فهارس التعديل (Modification Indices) وتوليد النماذج

في عام 1984، قدم داغ سوربوم وكارل يوريسكوغ واحداً من أعظم الابتكارات الرياضية التشخيصية في تاريخ النمذجة الهيكلية: فهرس التعديل (Modification Index – MI). كان الباحثون عندما يرفض اختبار مربع كاي نماذجهم يعيشون في حيرة تامة حول أين يكمن الخلل في شبكة المصفوفات المعقدة. استند فهرس التعديل رياضياً إلى مبدأ “اختبار مضاعف لاغرانج” (Lagrange Multiplier Test) في الإحصاء الرياضي؛ حيث يحسب الفهرس لكل معلمة مثبتة عند الصفر في النموذج القيمة المتوقعة لانخفاض درجة مربع كاي إذا ما تم تحرير هذه المعلمة وتقديرها كمعلمة حرة في عملية إعادة تشغيل لاحقة.

صُمم فهرس التعديل بحيث إن كل قيمة لـ MI تتوزع توزيع مربع كاي بدرجة حرية واحدة ($df = 1$)؛ وبالتالي فإن أي قيمة تتجاوز $3.84$ تشير إلى أن تحرير هذه المعلمة (كسماح تشبع عاملي متقاطع Cross-loading، أو تغاير بين خطأي قياس) سيؤدي إلى تحسن دال إحصائياً في مطابقة النموذج للبيانات. ترافق هذا الفهرس مع حساب قيمة “التغير المتوقع للمعلمة” (Expected Parameter Change – EPC) لتقدير الحجم والأثر العملي للتعديل.

وعلى الرغم من العبقرية الرياضية لهذا الفهرس، كان كارل يوريسكوغ حريصاً على إطلاق تحذيرات إبستمولوجية ومنهجية صارمة ومدوية للمجتمع العلمي؛ إذ نبّه مراراً وتكراراً من السقوط في مستنقع “التنقيب العشوائي في البيانات” (Data Dredging) أو ما يُعرف بتصيد الدلالة (Capitalizing on Chance). وشدد يوريسكوغ على أن فهارس التعديل هي أدوات استرشادية بحتة لا يجوز اللجوء إلى استخدامها لتحرير أي مسار ما لم يكن هذا المسار مدعوماً بتبرير نظري سيكولوجي صلب وقاطع، محذراً من أن التعديل الآلي المستند للأرقام فقط يحول النموذج من نموذج توكيدي نظري إلى نموذج استكشافي مشوه يفشل حتماً في الصمود عند إعادة اختباره على عينات مستقلة جديدة.

10. الجوائز والتكريمات والمكانة الدولية في تاريخ القياس

10.1 الاعتراف الأكاديمي والانتخاب في الجمعيات المرموقة

حصد كارل يوريسكوغ خلال مسيرته العلمية الحافلة أرفع درجات التقدير والاعتراف الأكاديمي من كبرى المحافل العلمية والمؤسسات الإحصائية والسلوكية حول العالم. وكان من أبرز محطات هذا التقدير انتخابه رئيساً لـ جمعية القياس النفسي الدولية (Psychometric Society) في الفترة ما بين 1977 و 1978، وهي الجمعية العلمية الأهم والأرفع في العالم التي تعنى بتطوير القياس الكمي في علم النفس والتربية، وكان انتخابه في تلك السن المبكرة نسبياً دليلاً قاطعاً على المكانة الفكرية الطاغية التي فرضها على المشهد العالمي لإحصاء القياس.

وتقديراً لإسهاماته الوطنية والعالمية الخالدة في دفع عجلة العلوم الدقيقة، انتُخب يوريسكوغ عضواً عاملاً في الأكاديمية الملكية السويدية للعلوم (The Royal Swedish Academy of Sciences) في عام 1986، وهي المؤسسة العلمية المرموقة المسؤولة تاريخياً عن اختيار الفائزين بجوائز نوبل في الفيزياء والكيمياء والعلوم الاقتصادية. لعب يوريسكوغ أدواراً استشارية محورية داخل لجان الأكاديمية وشارك في تقييم الإنجازات العلمية العالمية، إلى جانب انتخابه زميلاً مرموقاً في معهد الإحصاء الرياضي (Institute of Mathematical Statistics – IMS) وفي الرابطة الأمريكية للإحصاء (American Statistical Association – ASA)، وهو التكريم الذي لا يُمنح إلا لقلة من علماء الإحصاء الذين غيرت أبحاثهم مسار التخصص تاريخياً.

10.2 الجوائز الكبرى والميداليات العلمية الدولية

توالت الجوائز العلمية الكبرى لتتوج عطاء يوريسكوغ الممتد. ففي عام 1988، منحته جمعية علم النفس الأمريكية (American Psychological Association – APA) أرفع تكريم علمي تقدمه لعالم على قيد الحياة، وهو “جائزة الإسهام العلمي المتميز” (Award for Distinguished Scientific Contributions). وجاء في مسوغات منح الجائزة إشادة تاريخية بتطويره لنماذج المعادلات الهيكلية والتحليل العاملي التوكيدي وحزمة LISREL، مؤكدة أن أبحاثه “غيرت للأبد الطريقة التي يفكر بها علماء النفس والعلوم السلوكية في بياناتهم، ووفرت للبشرية لأول مرة لغة رياضية صارمة لاختبار أعمق النظريات حول السلوك البشري”.

كما نال يوريسكوغ جائزة القياس التقديرية المتميزة من الجمعية الأمريكية للبحوث التربوية (AERA)، وحصل على عدد كبير من شهادات الدكتوراه الفخرية في العلوم الاجتماعية والإحصاء من كبريات الجامعات الأوروبية والأمريكية العريقة، تقديراً لكونه جسراً معرفياً استثنائياً ربط بين تجريد الرياضيات وعمق الإنسانيات. وظلت مشاركاته في المؤتمرات المنهجية العالمية على مدار نصف قرن تحظى باحتفاء منقطع النظير، حيث يُنظر إليه بحق بوصفه أسطورة حية وشاهداً على بزوغ العصر الذهبي للمنهجية الكمية.

10.3 التأثير التربوي وتدريب أجيال من أساتذة الإحصاء السلوكي

لم تنحصر عظمة يوريسكوغ في عزلته البحثية بين المعادلات الرياضية، بل كان معلماً استثنائياً وأستاذاً ملهماً تخرجت على يديه أجيال متعاقبة من كبار أساتذة الإحصاء السلوكي والقياس النفسي المنتشرين اليوم في أرقى جامعات العالم. أشرف يوريسكوغ في جامعة أوبسالا والمراكز الدولية على العشرات من أطروحات الدكتوراه التي أصبحت فيما بعد مراجع علمية متخصصة قادت أبحاث القياس في أمريكا الشمالية وأوروبا وآسيا.

أدار يوريسكوغ ونظم، برفقة داغ سوربوم، المئات من ورش العمل التخصصية والمدارس الصيفية الدولية المكثفة حول نمذجة المعادلات الهيكلية وبرمجية LISREL، والتي جابت عواصم العالم من ستوكهولم ولندن وشيكاغو، إلى طوكيو وملبورن. تدرب في هذه الحلقات العلمية رواد منهجية البحث السلوكي المعاصر، الذين نقلوا هذه الثقافة الصارمة إلى كلياتهم ومختبراتهم، مما أدى إلى بناء “المدرسة الفكرية السويدية” في الإحصاء التطبيقي، التي تميزت بالدقة الحسابية القصوى والالتزام الإبستمولوجي الصارم، تاركة بصمة تعليمية لا تُمحى في تاريخ المعرفة الإنسانية.

11. الانتقادات المنهجية والتحديات الفلسفية لنمذجة المعادلات الهيكلية

11.1 إشكالية التفسير السببي والادعاءات النظرية الزائفة

على الرغم من النجاح المدوي للنمذجة الهيكلية، إلا أنها لم تكن بمنأى عن الانتقادات الإبستمولوجية الحادة والنقاشات الفلسفية الساخنة التي خاضها كبار فلاسفة العلم ومناهج البحث. تمحور الانتقاد الأكبر والأخطر حول مصطلح “النمذجة السببية” (Causal Modeling) الذي شاع استخدامه في بعض الأوساط الأكاديمية كمرادف لنمذجة المعادلات الهيكلية. قاد عالم النفس الأمريكي نورمان كليف (Norman Cliff) في عام 1983 هجوماً نقدياً لاذعاً عبر ورقته الشهيرة: “Common Misconceptions in the Use of Causal Modeling”، تلاه الاقتصادي البارز ديفيد فريمان (David Freedman)، حيث حذرا بشدة من الوهم الإبستمولوجي الزائف الذي وقع فيه بعض الباحثين التطبيقيين الذين توهموا أن تشغيل برنامج حاسوبي مثل LISREL على بيانات ارتباطية مستعرضة (Cross-sectional Data) يمكن أن يحول الارتباط الإحصائي بطريقة سحرية إلى إثبات سببي حتمي.

كان موقف كارل يوريسكوغ في هذه المعركة الفلسفية متزناً وعميقاً وصريحاً للغاية؛ إذ تبرأ مراراً من التفسيرات السببية المتطرفة والساذجة لمخرجات برامجه، مؤكداً في كتاباته المنهجية أن:

“النموذج الإحصائي في حد ذاته لا يثبت السببية أبداً، بل هو أداة رياضية تتيح لنا فقط دحض الفرضيات التي تتعارض مع البيانات التجريبية؛ فمطابقة النموذج للبيانات تعني ببساطة أن الفرضيات لم تُدحض بعد، ولا تعني أبداً أنها تمثل الحقيقة المطلقة للواقع.”

وشدد يوريسكوغ دائماً على أن الاستدلال السببي هو مسألة تتعلق بـ تصميم البحث وضبط المتغيرات الدخيلة والأساس النظري الصلب، وليس بخوارزمية التقدير الحسابية؛ فالرياضيات تقيم الاتساق المنطقي للفرضيات مع الأرقام، لكنها لا تصنع الحقائق السببية من العدم.

11.2 معضلة النماذج المتكافئة رياضياً (Equivalent Models)

من أعمق التحديات الفلسفية والرياضية التي حظيت بنقاشات مستفيضة في أدبيات النمذجة الهيكلية برزت ظاهرة النماذج المتكافئة رياضياً (Equivalent Models). اكتشف علماء المنهجية، وعلى رأسهم ستيلغر ولي ماكولوم، أنه بالنسبة لأي نموذج هيكلي يقدم مطابقة ممتازة للبيانات التجريبية، يوجد نظرياً وتطبيقياً عدد من النماذج الهيكلية البديلة تماماً -التي تعكس ترتيبات سببية مختلفة جذرياً أو تعكس اتجاهات مسارات متعاكسة ومتبادلة- والتي تنتج بدقة متناهية نفس مصفوفة التغاير المتوقعة ونفس قيم مؤشرات جودة المطابقة وإحصاءة مربع كاي حتى آخر رقم عشري.

تضع هذه المعضلة الباحث أمام مأزق معرفي حقيقي: كيف يمكن ترجيح نموذج على نموذج آخر مكافئ له رياضياً؟ أكد يوريسكوغ في مناقشاته لهذه القضية أن الرياضيات وحدها تعجز عن الفصل في حالات التكافؤ التام؛ وهنا تبرز الأهمية القصوى للصرامة الإبستمولوجية والتجريبية. بيّن يوريسكوغ أن التمييز بين النماذج المتكافئة يتطلب أدلة تجريبية وميدانية مستقلة خارج حدود مصفوفة البيانات المشاهدة، كالدراسات الطولية التي تضبط التسلسل الزمني للأحداث (حيث يجب أن تسبق العلة معلولها زمناً)، أو التصاميم شبه التجريبية والتجريبية التي تعتمد على التدخل النشط وعزل المتغيرات، مؤكداً أن الاستسهال الرياضي دون عمق مفاهيمي يقود إلى كوارث استنتاجية في العلوم الإنسانية.

11.3 سوء الاستخدام التطبيقي وممارسات “الصندوق الأسود”

مع الانتشار الكاسح للبرمجيات الإحصائية وتطور الواجهات الحاسوبية، ظهرت إشكالية خطيرة في الممارسات البحثية تمثلت في تحول النمذجة الهيكلية إلى ما يُعرف بظاهرة “الصندوق الأسود” (Black Box Mentality)؛ حيث أقبل الآلاف من الباحثين غير المؤهلين إحصائياً على استخدام البرامج وتطبيق النماذج المعقدة دون امتلاك الحد الأدنى من الفهم للأسس الجبرية ومصفوفات التغاير وشروط التحديد والافتراضات التوزيعية التي تقوم عليها هذه الأساليب.

أدى هذا الجهل المنهجي إلى تفشي ممارسات علمية مشوهة في المجلات الأكاديمية، مثل تجاهل فحص افتراضات التوزيع الطبيعي المتعدد، وتجاهل حالات هيروود، وإساءة استخدام فهارس التعديل لتحقيق مطابقة مصطنعة للبيانات بأي ثمن، وتقديم نماذج غير محددة أو هشة تفسيرياً. كرس يوريسكوغ الجزء الأخير من مسيرته التدريسية والتأليفية لمحاربة هذه الظواهر؛ فكان يكرر في محاضراته أن البرمجيات المتطورة تضاعف من مسؤولية الباحث الفكرية بدلاً من أن تعفيه منها؛ فالأداة الذكية في يد من لا يفهم منطقها تتحول إلى أداة تضليل معرفي تصنع أوهاماً علمية محاطة بهالة زائفة من الأناقة الرياضية.

12. إرث كارل يوريسكوغ والآفاق المستقبلية للمتغيرات الكامنة

12.1 الموقع التاريخي ليوريسكوغ بين عمالقة الإحصاء النفسي

عند رسم الخط البياني لتاريخ الإحصاء والقياس النفسي منذ نشأته، يقف كارل يوريسكوغ في نفس المرتبة التاريخية الخالدة التي يحتلها الآباء المؤسسون الكبار: السير فرانسيس غالتون (Francis Galton) واضع أسس الانحدار والارتباط، وكارل بيرسون (Karl Pearson) مبدع التحليل الرياضي للارتباط، وتشارلز سبيرمان (Charles Spearman) مكتشف التحليل العاملي، ولويس ثورستون (Louis Thurstone) مهندس التحليل العاملي المتعدد، وهارولد غوليكسن (Harold Gulliksen) مقنن نظرية الاختبارات الكلاسيكية.

غير أن الميزة التاريخية الفريدة التي يمتلكها يوريسكوغ تتجلى في كونه الباني الحقيقي للبنية التحتية التوليفية والمعاصرة التي جمعت شتات هذه المدارس المتباعدة في منظومة نظرية وبرمجية موحدة. لقد حوّل يوريسكوغ “المتغير الكامن” من فكرة فلسفية ضبابية ومثيرة للجدل إلى مفهوم رياضي صلب وعملي يخضع لنفس معايير الدقة والضبط التي تخضع لها المتغيرات الفيزيائية المباشرة، مما رسخ التفكير البنائي الصارم كمعيار لا غنى عنه في دراسة العقل والمجتمع والسلوك الإنساني في جميع جامعات العالم.

12.2 تفاعل نموذج يوريسكوغ مع الثورة الحسابية والذكاء الاصطناعي

في عصرنا الراهن، ومع التفجر المعلوماتي وثورة الذكاء الاصطناعي، وتعلم الآلة (Machine Learning)، والبيانات الضخمة (Big Data)، يثبت إرث يوريسكوغ الرياضي حيويته وتجدده المذهل؛ فالتقاطع بين نمذجة المعادلات الهيكلية ونماذج تعلم الآلة الحديثة أصبح اليوم أحد أكثر مجالات البحث العلمي إثارة وازدهاراً. تشهد الأوساط العلمية حالياً ولادة “النمذجة الهيكلية السببية المؤتمتة” التي تدمج بين خوارزميات التنقيب في الرسوم البيانية السببية الموجهة (Directed Acyclic Graphs – DAGs) التي طورها جوديا بيرل (Judea Pearl) والمصفوفات الهيكلية التوكيدية ليوريسكوغ.

علاوة على ذلك، تستلهم شبكات الذكاء الاصطناعي التوليدية المتقدمة -مثل المشفرات التلقائية التباينية (Variational Autoencoders – VAEs) والشبكات العصبية العميقة ذات المتغيرات الكامنة- نفس المنطق الرياضي الذي دشنه يوريسكوغ في الستينيات لتمثيل البيانات عالية الأبعاد في فضاءات كامنة منخفضة الأبعاد ومجردة. كما تتجه أبحاث “الذكاء الاصطناعي القابل للتفسير” (Explainable AI – XAI) إلى استعارة نماذج القياس ليوريسكوغ لتحويل النماذج العصبية الغامضة إلى مسارات هيكلية بيانية يمكن للبشر فهمها وتتبع آلياتها التفسيرية والسببية، مما يبرهن على أن الرؤية الرياضية التي صاغها هذا العالم السويدي الفذ كانت سابقة لعصرها بعقود طويلة.

12.3 الخلاصة: يوريسكوغ كمعلم ملهم وركيزة للعلوم الإنسانية الكمية

إن استعراض السيرة العلمية الحافلة للأستاذ الدكتور كارل يوريسكوغ، الممتدة منذ ولادته في ربيع عام 1935 في السويد وحتى اللحظة الحاضرة، هو استعراض لقصة نجاح ملهمة لعالم استثنائي نذر حياته بالكامل لخدمة الحقيقة العلمية وإرساء صروح الدقة المعرفية. لم تكن طموحاته مادية أو دعائية، بل كانت رحلة عقلية هادئة ومنضبطة انطلقت من مدرجات جامعة أوبسالا التاريخية لتجوب العالم وتحدث ثورة منهجية قلبت موازين العلوم الاجتماعية والتربوية والسلوكية رأساً على عقب.

لقد قدم يوريسكوغ للبشرية برهاناً ساطعاً على أن دراسة النفس البشرية، بتعقيداتها وانفعالاتها ودوافعها الخفية، ليست مجالاً للتأملات الانطباعية الفضفاضة، بل هي علم كمي رصين قادر على التطور والتنبوء واختبار الفرضيات بأعلى درجات الصرامة الرياضية الممكنة. سيظل اسم كارل يوريسكوغ محفوراً بأحرف من نور في السجل الخالد لأعظم علماء الإحصاء في تاريخ البشرية؛ رجلاً بنى بعبقريته الجبرية الجسور التي عبرت عليها العلوم الإنسانية من ضفاف التخمين إلى آفاق العلم التجريبي الرصين، مخلداً رسالته المنهجية الأبدية: إن صرامة الرياضيات ليست غاية في ذاتها، بل هي أنبل وسيلة لفهم تعقيدات الإنسان وعوالمه الباطنة.

المراجع

• Bollen, K. A. (1989). Structural Equations with Latent Variables. John Wiley & Sons. https://doi.org/10.1002/9781118619179
• 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
• Cliff, N. (1983). Some cautions concerning the application of causal modeling methods. Multivariate Behavioral Research, 18(1), 115–126. https://doi.org/10.1207/s15327906mbr1801_7
• Freedman, D. A. (1987). As others see us: A case study in path analysis. Journal of Educational Statistics, 12(2), 101–128. https://doi.org/10.2307/1164888
• Jöreskog, K. G. (1967). Some contributions to maximum likelihood factor analysis. Psychometrika, 32(4), 443–482. https://doi.org/10.1007/BF02289658
• Jöreskog, K. G. (1969). A general approach to confirmatory maximum likelihood factor analysis. Psychometrika, 34(2), 183–202. https://doi.org/10.1007/BF02289343
• Jöreskog, K. G. (1970). A general method for analysis of covariance structures. Biometrika, 57(2), 239–251. https://doi.org/10.1093/biomet/57.2.239
• Jöreskog, K. G. (1973). A general method for estimating a linear structural equation system. In A. S. Goldberger & O. D. Duncan (Eds.), Structural Equation Models in the Social Sciences (pp. 85–112). Seminar Press.
• Jöreskog, K. G. (1978). Structural analysis of covariance and correlation matrices. Psychometrika, 43(4), 443–477. https://doi.org/10.1007/BF02293808
• Jöreskog, K. G., & Sörbom, D. (1979). Advances in Factor Analysis and Structural Equation Models. Abt Books.
• Jöreskog, K. G., & Sörbom, D. (1984). LISREL VI: Analysis of Linear Structural Relationships by Maximum Likelihood, Instrumental Variables, and Least Squares Methods. Scientific Software International.
• Jöreskog, K. G., & Sörbom, D. (1993). LISREL 8: Structural Equation Modeling with the SIMPLIS Command Language. Scientific Software International.
• Jöreskog, K. G., & Sörbom, D. (1996). PRELIS 2: User’s Reference Guide. Scientific Software International.
• Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling (4th ed.). Guilford Press.
• Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press. https://doi.org/10.1017/CBO9780511803161
• Sörbom, D. (1974). A general method for studying differences in factor means and factor structure between groups. British Journal of Mathematical and Statistical Psychology, 27(2), 229–239. https://doi.org/10.1111/j.2044-8317.1974.tb00543.x
• Sörbom, D. (1989). Model modification. Psychometrika, 54(3), 371–384. https://doi.org/10.1007/BF02294623
• Thurstone, L. L. (1947). Multiple-Factor Analysis. University of Chicago Press.
• Wright, S. (1921). Correlation and causation. Journal of Agricultural Research, 20(7), 557–585.