metasignal: A Python Package for Comprehensive Metacognitive Analysis and Decision-Making

تخيل أن عقلك هو محقق فائق الذكاء يحل لغزاً في كل ثانية تمر. أحياناً تكون الأدلة واضحة، وتكون متأكداً تماماً من إلقاء القبض على الجاني. وفي أحيان أخرى، تكون الأدلة غامضة، وتكون مجرد مُخمّن. الوعي الميتا-معرفي (Metacognition) هو ببساطة قدرة المحقق على مراجعة عمله: "انتظر، هل أنا متأكد حقاً من هذا، أم أنني واثق فقط لأنني أريد أن أكون كذلك؟" لا يقتصر الأمر على حل الجرائم فحسب؛ بل يتعلق بكيفية تعلمنا، وكيفية اتخاذنا للخيارات، وحتى كيف نقرر ما إذا كان بإمكاننا الوثوق بروبوت أو ذكاء اصطناعي لاتخاذ القرارات لنا. إذا قال كمبيوتر: "أنا متأكد بنسبة 90% أن هذه الصورة لقطة"، فكيف نعرف ما إذا كان يقول الحقيقة؟ للإجابة على ذلك، يحتاج العلماء إلى طريقة لقياس مدى تطابق ثقتهم مع دقة أدائهم الفعلية. لسنوات، امتلكوا صندوق أدوات مليئاً بمساطر وموازين مختلفة لقياس ذلك، لكنها كانت مشتتة في لغات وتنسيقات مختلفة، مما جعل من الصعب مقارنتها بشكل عادل.

هنا يأتي دور metasignal، وهي أداة جديدة مفتوحة المصدر طورها فريق من الباحثين لجمع كل هذه المساطر في حزمة واحدة منظمة وسهلة الاستخدام بلغة بايثون (Python). قبل ذلك، إذا أراد عالم اختبار 17 طريقة مختلفة لقياس الوعي الميتا-معرفي، فقد يضطر للتنقل بين برامج مختلفة، بعضها يعمل فقط على أجهزة كمبيوتر محددة أو يتطلب تراخيص باهظة الثمن. يوضح البحث أن metasignal يغير قواعد اللعبة من خلال تقديم منصة واحدة مجانية تحسب جميع هذه المقاييس الـ 17 دفعة واحدة، جنباً إلى جنب مع درجات "الحساسية" القياسية التي استخدمها الباحثون لعقود. لم يكتفِ المؤلفون ببنائها فحسب؛ بل اختبروها بصرامة مقابل النتائج المعيارية الذهبية لدراسة كبرى أجراها "راهنيف" (Rahnev) عام 2025. ووجدوا أن metasignal يطابق الحسابات الأصلية المعقدة بشكل مثالي تقريباً، وصولاً إلى أصغر الأجزاء العشرية. إنه يشبه بناء سيارة جديدة، أسرع، تسلك نفس طريق السيارة القد البطيئة بالضبط، ولكن الآن يمكن لأي شخص لديه جهاز كمبيوتر أن يركب ويقودها. تم تصميم الأداة لمساعدة العلماء والأطباء وحتى باحثي الذكاء الاصطناعي على مقارنة نتائجهم بسهولة أكبر، لضمان أنه عندما يتحدثون عن "الثقة"، فإنهم جميعاً يتحدثون اللغة نفسها.

حقيبة أدوات المحقق الجديدة

إذاً، ما هو metasignal بالضبط؟ تخيل أنك عالم تحاول معرفة مدى جودة معرفة الشخص لما يعرفه. تعرض عليهم سلسلة من الصور (بعضها لقطط وبعضها لكلاب) وتطلب منهم التخمين. ثم تسألهم: "ما مدى تأكدكم؟". إذا خمنوا أنها "قطة" وكانوا "متأكدين جداً"، وكانت هي بالفعل قطة، فهذه علامة جيدة. لكن إذا خمنوا أنها "قطة"، وكانوا "متأكدين جداً"، وكانت في الواقع كلباً، فهذه مشكلة في وعيهم الميتا-معرفي.

يقدم البحث metasignal كحزمة بايثون (Python package) — وهي مجموعة من التعليمات لأجهزة الكمبيوتر — تقوم بأتمتة هذه العملية برمتها. بدلاً من إجراء العمليات الحسابية يدوياً أو استخدام برامج منفصلة معقدة، يمكن للباحث تزويد الأداة بقائمة من التجارب (الصورة، التخمين، ومستوى الثقة)، وسيقوم metasignal فوراً بإصدار تقرير كامل. يتضمن هذا التقرير 17 درجة مختلفة، بالإضافة إلى بعض الأرقام التشخيصية الإضافية للتحقق مما إذا كانت الحسابات قد تمت بشكل صحيح.

لماذا 17 درجة؟ مشكلة "المسطرة"

قد تتساءل، لماذا نحتاج إلى 17 طريقة مختلفة لقياس الشيء نفسه؟ يوضح البحث أن "المساطر" المختلفة تقيس أشياء مختلفة. فبعضها أفضل في رصد متى يكون الشخص مجرد مخمن، بينما البعض الآخر أفضل في رصد متى يكون الشخص مفرط الثقة. أحد المساطر الشهيرة يسمى meta-d'. إنه يشبه مسطرة تقيس الثقة على نفس مقياس القدرة على التمييز بين القطة والكلب. وهذا يجعل المقارنة سهلة للغاية: "هل ثقتي حادة مثل قوة بصري؟"

لكن هناك مساطر أخرى أيضاً. بعضها "غير معلمي" (nonparametric)، وهو مصطلح تقني يعني أنها لا تفترض أن البيانات تتبع منحنى جرسياً مثالياً. وهناك أخرى "نموذجية" (model-based)، مما يعني أنها تحاول تخمين الضجيج الخفي في الدماغ الذي يجعلنا غير متأكدين. المشكلة كانت أن هذه المساطر الـ 17 كانت مشتتة في كل مكان. بعضها كان في برنامج MATLAB (وهو برنامج يستخدمه الكثير من الجامعات ولكن ليس الجميع)، وبعضها في لغة R، وبعضها في قصاصات برمجية معزولة. يقوم metasignal بجمعها جميعاً تحت سقف واحد. إنه يشبه أخذ مرآب فوضوي مليء بمفاتيح ربط ومفكات مطارق مختلفة، وتنظيمها في صندوق أدوات واحد ملصق عليه الأسماء بحيث يمكنك التقاط ما تحتاجه بالضبط دون أن تفقد صوابك.

الاختبار "الذهبي": هل يعمل؟

الجزء الأكثر إثارة في البحث هو عملية التحقق. لم يكتفِ المؤلفون بالقول: "ثقوا بنا، إنه يعمل". بل أخضعوا metasignal لاختبار ضغط نهائي. لقد أخذوا نفس البيانات المستخدمة في دراسة ضخمة أجراها راهنيف عام 2025، والتي قارنت بين جميع المقاييس الـ 17، وأجروا التجربة عبر metasignal.

كانت النتائج دقيقة للغاية. بالنسبة للمقاييس الـ 18 غير النموذجية (التي لا تعتمد على التخمين المعقد حول ضجيج الدماغ)، طابق metasignal النتائج الأصلية بـ "دقة عددية". وهذا يعني أن الأرقام كانت متطابقة حتى المرتبة الثالثة من الأرقام العشرية أو أفضل. كان الارتباط بين النتائج القديمة ونتائج metasignal الجديدة هو 1.000 مثالي. هذا هو المعادل الإحصائي لقول: "إذا رسمت خطاً عبر النتائج القديمة وخطاً عبر النتائج الجديدة، فسيكونان نفس الخط تماماً".

وحتى بالنسبة للمقايšات الأكثر تعقيداً، وهي المقاييس القائمة على النماذج (مثل meta-noise و meta-uncertainty)، فقد أدت الأداة أداءً جيداً جداً، مع وجود اختلافات طفيفة ومفهومة فقط قام المؤلفون بتوثيقها بكل شفافية. حتى أنهم أدرجوا "وضع التوافق" الخاص للأشخاص الذين يحتاجون لمطابقة ملف نتائج قديم محدد بدقة، وذلك للاحتياط.

كيف تستخدمه (حتى لو لم تكن مبرمجاً)

أحد أروع ميزات metasignal هو سهولة استخده. لا تحتاج لأن تكون عبقرياً في البرمجة.

• للمبرمجين: يمكنك فقط كتابة بضعة أسطر من لغة بايثون. يقدم البحث مثالاً بسيطاً حيث تقوم بإنشاء بعض البيانات الوهمية (مثل روبوت يخمن 800 مرة) وتشغيل أمر واحد: compute_all_measures. وفي لمح البصر، تحصل على 26 رقماً.
• لغير المبرمجين: توجد واجهة سطر أوامر (command-line interface). يمكنك إدخال بياناتك مباشرة في الطرفية (terminal) أو رفع ملف CSV بسيط (مثل ملف إكسل) يحتوي على أعمدة لـ "المحفز" (Stimulus)، و"الاستجابة" (Response)، و"الثقة" (Confidence). ستقوم الأداة بالباقي.

تتضمن الحزمة أيضاً أدوات للتحقق مما إذا كانت نتائجك موثوقة. يمكنها تشغيل اختبارات "البوتستراب" (bootstrap) (وهي تشبه إعادة أخذ عينات من بياناتك آلاف المرات لمعرفة ما إذا كانت النتائج ستصمد) واختبارات التبديل (permutation tests) (لتغيير ترتيب البيانات لمعرفة ما إذا كانت الأنماط حقيقية أم مجرد حظ). كما تحتوي حتى على ميزة "ملخص المجموعة" لمساعدة الباحثين على مقارنة النتائج عبر العديد من الأشخاص.

ما لا يفعله (ولماذا هذا أمر جيد)

الورقة البحثية صادقة جداً بشأن ما لا يفعله metasignal. فهي لا تدعي أن واحداً من المقاييس الـ 17 هو "الأفضل" لكل حالة. في الواقع، تنص صراحة على أنه لا يوجد مقياس واحد مثالي لكل تجربة. إذا كان لديك عدد قليل جداً من التجارب أو بيانات متفرقة، فقد تصبح بعض المقاييس مهتزة قليلاً، تماماً كما قد يصعب قراءة مسطرة إذا كنت تحاول قياس شيء صغير جداً باستخدام شريط قياس ضخم. الأداة لا تجبرك على استخدام مقياس معين؛ بل تعطيك المجموعة الكاملة لتتمكن من اختيار المقياس المناسب لسؤالك المحدد.

كما أنها لا تحل محل الحاجة إلى تصميم تجريبي جيد. لا يزال يتعين عليك التأكد من أن بياناتك نظيفة، وأن المشاركين في تجربتك منتبهون، وأن مقاييس الثقة لديهم منطقية. metasignal هو الآلة الحاسبة، وليس العالم.

الصورة الكبيرة

لماذا يهم هذا؟ لأن العلم يتحرك بشكل أسرع عندما يتم مشاركة الأدوات. من خلال جعل هذه المقاييس الـ 17 متاحة في حزمة واحدة مجانية ومفتوحة المصدر، يقلل metasignal من حواجز الدخول. يمكن لمختبر في جامعة صغيرة لا تملك تراخيص برمجيات باهلة الثمن أن يقوم الآن بنفس أبحاث الوعي الميتا-معرفي عالية الجودة التي تقوم بها شركة تقنية عملاقة. إنها تشجع الباحثين على مقارنة نتائجهم مباشرة، مع علمهم بأنهم يستخدمون نفس "المساطر".

يخلص البحث إلى أن metasignal هو "بنية تحتية للبحث القابل لإعادة الإنتاج". إنه ليس مجرد برنامج؛ بل هو وعد بأن الأرقام التي نحصل عليها اليوم يمكن فحصها وإعادة فحصها غداً من قبل أي شخص، في أي مكان. إنه يحول مجالاً معقداً ومجزأً إلى شيء موحد وسهل الوصول إليه. وسواء كنت تدرس كيفية اتخاذ البشر للقرارات، أو كيفية إبلاغ أنظمة الذكاء الاصطناعي عن مستوى ثقتها، أو كيفية إدراك المرضى المصابين بحالات معينة لعدم اليقين لديهم، فإن metasignal يمنحك طريقة موثوقة وشفافة وقوية لقياس ما لا يُرى: جودة تفكيرك.

باختصار، metasignal هو "فحص الثقة" النهائي للعلم، لضمان أنه عندما نقول إننا متأكدون من شيء ما، فإن لدينا الأرقام التي تدعم ذلك بالفعل.