Pairwise, Style-Controlled, Nonparametric Tests for Judge Bias under the ISU Judging System

في الرياضات التي يقرر فيها البشر الفائز، يكون الخط الفاصل بين أسلوب الحكم الشخصي وبين عدم الإنصاف الفعلي غير مرئي في كثيرًا من الأحيان. فبعض الحكام يتسمون بالسخاء بطبيعتهم، حيث يمنحون درجات عالية للجميع، بينما يلتزم آخرون بالصرامة، ويحتفظون بالدرجات القصوى فقط للأداءات الأكثر كمالاً. وبعض الحكام يتجنبون إعطاء درجات متطرفة، متمسكين بآمان المنطقة الوسطى من النطاق، بينما يستخدم آخرون المقياس كاملاً. هذه الاختلافات في الأسلوب ليست بالضرورة انحيازاً؛ بل هي ببساطة الطريقة التي يرى بها الأشخاص المختلفون العالم. التحدي الحقيقي لمسؤولي الرياضة هو معرفة متى لا يكون الحكم مجرد صارم أو متساهل، بل يفضل متسابقاً معيناً على آخر بطريقة تغير النتيجة. هذا هو السؤال الجوهري وراء دراسة نزاهة التحكيم: كيف يمكنك الفصل بين شخصية الحكم العامة وبين تفضيل محدد وغير عادل لرياضي معين؟

يتصدى بحث جديد أجراه الباحث المستقل مايكل ألمان لهذه المشكلة باستخدام نهج إحصائي جديد صُمم خصيصاً لنظام التحكيم الخاص بالاتحاد الدولي للتزلج على الجليد (ISU). يعتمد النظام المستخدم في التزلج الفني والرقص على الجليد على لجنة من الحكام الذين يسجلون درجة كل حركة ومكون من مكونات الأداء. ولمنع أي قيمة متطرفة من التأثير على النتائج، يتم استبعاد أعلى وأدنى الدرجات لكل عنصر، ويُستخدم متوسط الدرجات المتبقية. يركز عمل ألمان على دورة الألعاب الأولمبية الشتوية 2026 في ميلانو-كورتينا، وتحديداً على فقرة الرقص الحر في الرقص على الجليد، لكن تم اختبار الطريقة عبر 142 حدثاً من 17 مسابقة مختلفة بين عامي 2022 و2026. كان الهدف هو بناء أداة يمكنها النظر إلى درجات حكم واحد لمتزلجين محددين وتحديد ما إذا كان ذلك الحكم قد غيّر الفجوة بينهما بطريقة لم يفعلها بقية أعضاء اللجنة.

يعمل الأسلوب الذي طوره هذا البحث من خلال مقارنة ما فعله الحكم فعلياً بما كان سيفعله لو أنه اكتفى بمطابقة المستوى المتوسط للحكام الآخرين. تخيل حكماً يعطي درجة لمنافس على الميدالية الذهبية وآخر على الميدالية الفضية. يحسب الباحثون أولاً مقدار التغيير الذي أحدثته درجات ذلك الحكم تحديداً في فرق النقاط النهائي بين هذين المتزلجين. بعد ذلك، ينشئون نسخة "محايدة" من الحدث حيث تُستبدل درجات هذا الحكم بمتوسط درجات الحكام الآخرين. ومن خلال مقارنة النتيجة الحقيقية بهذه النسخة المحايدة، يمكن للباحثين قياس العدد الدقيق للنقاط التي أضافها أو طرحها حكم معين من الفارق بين اثنين من المتزلجين. لا يتعلق الأمر بما إذا كان الحكم مرتفعاً أو منخفضاً بشكل عام؛ بل يتعلق بما إذا كان مرتفعاً بشكل غير عادي لأحد المتزلجين ومنخفضاً بشكل غير عادي للآخر، بالنسبة للمجموعة.

ولضمان أن هذا القياس لم يكن مجرد التقاط لضوضاء عشوائية أو الصعوبة الطبيعية لبرامج المتزلجين، استخدم الباحثون تقنية تسمى "اختبار التبديل" (permutation test). يتضمن ذلك إعادة خلط البيانات آلاف المرات لمعرفة عدد المرات التي يمكن أن يحدث فيها نتيجة متطرفة مثل التي لوحظت بمحض الصدفة. ومن الأهمية بمكان أن عملية الخلط هذه صُممت للحفاظ على الأسلوب الشخصي للحكم سليماً. كان الاختبار يسأل: إذا كان لهذا الحكم نفس الميل العام لتكون صارماً أو متساهلاً، ولكنه طبقه عشوائياً على متزلجين مختلفين، فهل سنظل نرى هذه الفجوة المحددة بين صاحب الميدالية الذهبية والفضية؟ إذا كانت الإجابة لا، فإن التفضيل المحدد هو على الأرجح حقيقي. سمح هذا النهج للباحثين بحساب "إزاحة الهامش" الدقيقة بالنقاط لكل حكم ولكل زوج من المتنافسين، جنباً إلى جنب مع الاحتمالية الإحصائية لأن تكون النتيجة ليست محض صدفة.

عند تطبيقه على الرقص الحر للرقص على الجليد في أولمبياد 2026، كشف الأسلوب عن نمط صارخ يتعلق بحكم واحد محدد. بالنسبة لزوج المتزلجين اللذين أنهيا السباق في المركزين الأول والثاني، أدت درجات هذا الحكم إلى تغيير فرق النقاط بمقدار 1.19 نقطة لصالح صاحب الميدالية الذهبية. وأظهر التحليل الإحصائي أن احتمال حدوث ذلك عشوائياً كان منخفضاً للغاية، حيث بلغ الاحتمال 0.0003. وعندما عدل الباحثون النتائج لتأخذ في الاعتبار أنهم يختبرون العديد من الأزواج المختلفة من المتزلجين، ظلت النتيجة ذات دلالة إحصائية. كانت إزاحة الـ 1.19 نقطة هذه أكبر من الهامش الرسمي الفعلي بين فريقي المركز الأول والثاني، والذي كان 0.97 نقطة. في سيناريو افتراضي حيث تُستبدل درجات هذا الحكم بمتوسط الحكام الآخرين، كان صاحب الميدالية الفضية هو الفائز. لم تكن هذه النتيجة معزولة؛ فقد حدد الباحثون تسعة أحداث عبر قاعدة البيانات حيث كان انحياز حكم واحد قوياً بما يكفي لتغيير الفائز نظرياً.

نظرت الدراسة أيضاً في المشهد الأوسع للتحكيم عبر 142 حدثاً تم تحليلها. ومن بين أكثر من 270,000 مقارنة فردية بين الحكام وأزواج المتزلجين، وجد الباحثون أكثر من 20,000 حالة أظهر فيها حكم فارقاً محدداً للمتنافسين ذا دلالة إحصائية. لم تكن هذه الحالات موزعة بالتساوي؛ بل تركزت بكثافة في مسابقات وتخصصات معينة. على سبيل المثال، شكلت بطولة أوروبا 2022 جزءاً كبيراً من هذه النتائج الهامة، مما يشير إلى أن تكوين لجنة التحكيم في حدث معين يهم أكثر من التخصص نفسه. لاحظ الباحثون أيضاً أنه بينما أظهر العديد من الحكام هذه الفوارق، إلا أنهم لم يجدوا دليلاً على وجود انحياز واحد شامل يشترك فيه جميع الحكام، وهو أمر كان سيكون أصعب في الكشف عنه باستخدام هذا الأسلوب النسبي.

أحد أهم جوانب هذا العمل هو كيفية تعامله مع مفهوم "الأسلوب". لقد استبعد الباحثون صراحةً فكرة أن الحكم الذي يكون قاسياً بشكل عام أو متساهلاً بشكل عام هو بالضرورة منحاز. تصميم منهجهم يتجاهل تلك النزعات العالمية. إذا أعطى حكم ما درجات منخفضة للجميع، فهذا اختلاف في الأسلوب وليس انحيازاً. الانحياز، في هذه الدراسة، يُعرف بدقة بأنه معاملة الحكم لأحد المتنافسين بشكل مختلف عن الآخر بطريقة لا تتماشى مع بقية أعضاء اللجنة. أكد التحليل أن الطريقة قوية: فعندما تحقق الباحثون من النتائج لمتزلجين بمستويات مهارة مختلفة جداً، صمدت الموثوقية الإحصائية، مما يعني أن الأداة لا تخلط ببساطة بين أداء صعب وصعوبة في التقييم وبين عدم الإنصاف.

وقد تم تأكيد النتائج من أولمبياد 2026 من خلال فحص منفصل يسمى تحليل "ترك حكم واحد واستبعادها". في هذا الاختبار، قام الباحثون ببساة بإزالة درجات هذا الحكم تماماً واستبدالها بمتوسط الحكام المتبقين لمعرفة ما إذا كان الفائز سيتغير. أكد هذا الأسلوب المستقل أن إزالة نفس الحكم الذي حدده الاختبار الرئيسي من شأنها بالفعل أن تنقل الميدالية الذهبية إلى صاحب الميدالية الفضية. هذا التقارب بين منهجين إحصائيين مختلفين يعزز الاستنتاج بأن الإزاحة المرصودة لم تكن نتاجاً للعمليات الحسابية، بل كانت سمة حقيقية لكيفية تقييم ذلك الحكم المحدد لذلك الحدث المحدد.

في النهاية، توفر الورقة البحثية طريقة لقياس الوزن غير المرئي لرأي حكم واحد في مجال مزدحم. وهي تظهر أنه بينما صُمم نظام استبعاد القيم العليا والدنيا للحماية من القيم المتطرفة، فإنه لا يمنع دائماً حكماً واحداً من ترجيح كفة التوازن بين متنافسين محددين. لا تدعي الدراسة إثبات وجود نية خبيثة أو تواطؤ، ولا تشير إلى أن نظام التحكيم بأكمله معطل. بدلاً من ذلك، فهي تقدم أداة دقيقة غير معلمية (non-parametric) يمكنها تحديد متى تنحرف درجات حكم معين لزوج من المتزلجين عن إجماع اللجنة بطريقة تغير الترتيب النهائي. من خلال التركيز على الهامش المحدد بين المتنافسين بدلاً من الدرجات الإجمالية، يسلط البحث الضوء على أنه حتى في نظام يضم تسعة حكام وقواعد صارمة، يمكن لنتيجة مسابقة أن تتوقف على الخيارات التفاضلية المحددة لفرد واحد.