A Multidimensional Resilience Capacity Index: Combining Composite Scoring With Complex Systems Methods
تقترح هذه الورقة إطاراً هجيناً جديداً ثنائي العدسات يجمع بين مؤشر قدرة المرونة (RCI) الموزون وخوارزمية الخريطة ذاتية التنظيم (SOM) لتعلم الآلة، وذلك لإنشاء مقياس مرونة متعدد الأبعاد يعالج الفجوات الرئيسية في التوزين، وتحليل الحساسية، والصلاحية، وحساب التكوين دون الحاجة إلى أوزان محددة مسبقاً.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
غالبًا ما تُوصف المرونة بأنها القدرة على التعافي، ولكن في العالم الحقيقي، نادرًا ما تكون سمة واحدة يمتلكها الشخص أو يفتقر إليها ببساطة. إنها شبكة معقدة من العوامل: مدى ترابط الأسرة، وما إذا كان الحي يحتوي على منتزهات آمنة، وما إذا كان الفرد يثق في حكومته المحلية، وما إذا كان لديه ما يكفي من المال للطعام والتدفئة. لعقود من الزمن، حاول الباحثون قياس هذه الشبكة من خلال دمج مؤشرات مختلفة في درجة واحدة، تمامًا مثل حساب الدرجة النهائية من اختبارات متنوعة. ومع ذلك، فإن هذا النهج غالبًا ما يؤدي إلى تسطيح الصورة، مما يخفي الطرق الفريدة التي يختبر بها مختلف الناس والمجتمعات القوة والضعف. عندما يُستخدم رقم واحد لتمثيل واقع غني ومتعدد الأبعاد، فإنه قد يغفل عن التوليفات المحددة من الموارد التي تساعد الناس فعليًا على الصمود في الأوقات العصيبة.
اقترح فريق من الباحثين من جامعات في جميع أنحاء نيوزيلندا طريقة جديدة للنظر إلى هذه المشكلة. ويجادلون بأنه لفهم قدرة المرونة حقًا — أي القدرة على تحمل الشدائد — نحتاج إلى عدستين مختلفتين تعملان معًا. تنظر العدسة الأولى إلى إجمالي القدرة التي يمتلكها الشخص، بينما تنظر العدسة الثانية إلى الشكل أو النمط المحدد لتلك القدرة. ومن خلال الجمع بين هذين المنظورين، ابتكر الباحثون أداة يمكنها إخبارنا ليس فقط بمقدار المرونة التي يمتلكها شخص ما، بل بنوع المرونة التي هي عليها. وهذا التمييز مهم لأن شخصين قد يمتلكان نفس الدرجة الإجمالية، ومع ذلك قد يكون أحدهما قويًا في الدعم الأسري ولكنه ضعيف في السكن، بينما يمتلك الآخر مزيجًا معاكسًا. وفهم هذه الاختلافات أمر بالغ الأهمية لتصميم نظم دعم تتناسب فعليًا مع احتياجات الأشخاص الذين وُجدت لمساعدتهم.
بدأ الباحثون بتحديد أربعة أخطاء شائعة في كيفية قياس المرونة حاليًا. أولًا، تغفل العديد من الدراسات مجرد جمع العوامل المختلفة دون شرح سبب أهمية بعضها عن غيرها. ثانيًا، لا تتحقق سوى دراسات قليلة من مدى حساسية نتائجها للخيارات التي اتخذتها فيما يتعلق بالأوزان النسبية. ثالثًا، يستخدم العديد من الباحثين اختبارات إحصائية مصممة لنوع واحد من البيانات لقياس نوع مختلف تمامًا من البيانات، مما يؤدي إلى نتائج غير موثوقة. وأخيرًا، تفشل معظم الدراسات في النظر في كيفية دمج العوامل المختلفة لخلق أنواع محددة من الأسر المرنة أو الضعيفة. ولإصلاح هذه المشكلات، طور الفريق منهجًا هجينًا يستخدم نهجين متكاملين على نفس مجموعة البيانات.
يستخدم النهج الأول، الذي يسميه المؤلفون العدسة "القائمة على المتغيرات"، لإنشاء درجة واحدة تسمى مؤشر قدرة المرونة. وتتكون هذه الدرجة من ثلاثين عنصرًا مقسمة إلى ثلاثة عشر كتلة أصغر، والتي يتم تنظيمها لاحقًا في ثلاث مجالات واسعة: عوامل فردية، واجتماعية، ونظامية. يغطي المجال الفردي أمورًا مثل الثقة بالنفس والصحة؛ وينظر المجال الاجتماعي في الروابط الأسرية والثقة في الآخرين؛ ويفحص المجال النظامي جودة السكن، والوصول إلى الرعاية الصحية، والموارد البيئية. وقد استخدم الباحثون طريقة رياضية محددة لدمج هذه الدرجات تعاقب عدم التوازن. وهذا يعني أنه إذا حصل شخص على درجات عالية في بعض المجالات ولكن درجات منخفضة جدًا في مجالات أخرى، فسيتم خفض درجته النهائية لتعكس هذا الضعف. يضمن هذا النهج أن منطقة قوة واحدة لا يمكنها تمامًا إخفاء ضعف حرج في منطقة أخرى، مما يوفر صورة أكثر صدقًا للقدرة الإجمالية.
أما النهج الثاني، وهو العدسة "التشكيلية"، فيسلك مسارًا مختلفًا. فبدلاً من محاولة تلخيص كل شيء في رقم واحد، فإنه يستخدم تقنية التعلم الآلي لتجميع الناس بناءً على الأنماط الفريدة لدرجاتهم. تخيل النظر إلى خريطة حيث يتم تجميع الناس ليس بناءً على طولهم الإجمالي، بل بناءً على التركيبة المحددة لميزاتهم. تحدد هذه الطريقة أنواعًا متميزة من ملفات المرونة التعريفية. فعلى سبيل المثال، قد تجد مجموعة من الناس أقوياء جدًا في الروابط الأسرية والاجتماعية ولكنهم يعانون من السكن والاستعداد للطوارئ. وقد تجد مجموعة أخرى ذات الملف المعاكس: قوية في الموارد المادية ولكنها ضعيفة في الدعم الاجتماعي. ومن خلال رسم خرائط لهذه الأنماط، يمكن للباحثين رؤية "نكهات" المرونة المختلفة الموجودة في السكان، بدلاً من مجرد متوسط واحد.
ولجعل هاتين العدستين مفيدتين معًا، بنى الباحثون "جسر عبور" يربط بين الدرجات الفردية من العدسة الأولى وأنماط المجموعات من العدسة الثانية. وهذا يسمح لهم برؤية أين تتفق الطريقتان وأين تختلفان. في بعض الأحيان، تتوافق الدرجة المنخفضة في المؤشر الفردي بشكل صحيح مع مجموعة تم تحديدها كضعيفة من خلال تحليل النمط. ولكن في كثير من الأحيان، يكشف جسر العبور عن شيء أكثر إثارة للاهتمام: فقد يكون لدى الشخص درجة متوسطة في المؤشر، ولكنه ينتمي إلى مجموعة غير متوازنة للغاية، حيث يمتلك نقاط قوة في مجال واحد ونقاط ضعف شديدة في مجال آخر. هذا الاختلاف ليس خطأً؛ بل هو رؤية حيوية. فهو يوضح أن الرقم الواحد يمكنه أحيانًا إخفاء نقاط الضعف الهيكلية المحددة التي يكشف عنها المنظور القائم على الأنماط.
طبق الفريق هذا الإطار الجديد باستخدام بيانات من المسح الاجتماعي العام في نيوزيلندا، وربط المعلومات من آلاف المشاركين عبر سنوات مختلفة. وقد صمموا الطريقة ليتم التحقق من صحتها مقابل مقاييس الرفاهية الراسخة، مثل مؤشر منظمة الصحة العالمية للرفاهية (WHO-5)، وضمنوا أن القواعد الإحصائية المستخدمة مناسبة لنوع البيانات التي يتم تحليلها. وبينما يتم الإبلاغ عن التطبيق الكامل للمؤشر المركب لنتائج مسحي 2021 و2023 في ورقة بحثية لاحقة، فإن هذه الدراسة تعرض الهيكل النظري والاستراتيجية التي تهدف إلى معالجة الفجوات الأربع المحددة في الأبحاث السابقة. وقد صُممت الطريقة المقترحة لإنتاج أوزان فعالة لمختلف العوامل، وتحليل مدى حساسية النتائج لتلك الأوزان، واستخدام معايير التحقق الصحيحة لكل من العناصر الفردية والدرجة المركبة الإجمالية.
توضح الدراسة كيف يمكن للمنهج أن يميز بين أنواع مختلفة من الضعف. فعلى سبيل المثال، يظهر التحليل أن بعض المجموعات ذات الدرجات الإجمالية المتوسطة قد تكون متوازنة تمامًا، بينما قد تكون مجموعات أخرى ذات درجات مماثلة غير متوازنة بعمق، حيث تعتمد بشكل كبير على نوع واحد من الدعم بينما تفتقر إلى أنواع أخرى. وهذا المستوى من التفاصيل هو أمر لا يمكن للدرجة الواحدة وحدها توفيره. كما لاحظ الباحثون أن طريقتهم مرنة ويمكن تطبيقها في مجالات أخرى حيث تحتاج الظواهر المعقدة والمتعددة الأبعاد إلى القياس، بشرط وجود مزيج من أنواع مختلفة من البيانات وطريقة للتحقق من النتائج.
تخلص الدراسة إلى أن قياس المرونة يتطلب ما هو أكثر من مجرد عد الموارد. إنه يتطلب فهم كيفية ترتيب تلك الموارد وكيفية تفاعلها. ومن خلال استخدام نهج العدسة المزدوجة الذي يجمع بين الدرجة الإجمالية وتحليل النمط، يمكن للباحثين وصناع السياسات الحصول على صورة أوضح وأكثر دقة للقدرة البشرية. وهذا يسمح بتدخلات مستهدفة بشكل أفضل تعالج الفجوات المحددة في مرونة الشخص أو المجتمع، بدلاً من تطبيق حل واحد يناسب الجميع. ولا تدعي هذه الدراسة أنها حلت مشكلة قياس المرونة، لكنها تقدم طريقة قوية وشفافة وأكثر دقة لبدء المحادثة، مما يضمن عدم ضياع تعقيد التجربة الإنسانية في السعي وراء رقم واحد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.