چکیده
روشهای عددی (Numerical Methods) در اصل مجموعهای از راهبردهای محاسباتی برای تقریب، حل و ارزیابی مسائل پیچیدهای هستند که حل تحلیلی آنها دشوار یا ناممکن است. با این حال، ارزش این روشها برای رواندرمانی الزاماً در انتقال مستقیم الگوریتمهای مهندسی به اتاق درمان نیست؛ ارزش اصلی آنها میتواند در انتقال نوعی «انضباط معرفتشناختی» باشد: مدلسازی پیش از مداخله، تمایز میان مشاهده و تفسیر، توجه صریح به خطا و عدمقطعیت، آزمون تکرارشونده فرضیههای بالینی، استفاده از بازخورد، و پذیرش غیرخطی و پویای تغییر. کتاب «روشهای عددی برای مهندسان» ویرایش هفتم، در کنار روشهای عددی، بر مدلسازی، خطا، ریشهیابی، برازش، بهینهسازی، مشتقگیری، انتگرالگیری و معادلات دیفرانسیل تمرکز دارد و از همین جهت میتواند بهعنوان یک منبع الهام برای گفتوگویی بینرشتهای با علوم بالینی مورد استفاده قرار گیرد.
این مقاله چارچوبی مفهومی برای این ترجمه پیشنهاد میکند و میان دو سطح تمایز میگذارد: «کاربرد استعاری» (Metaphorical Application)، که در آن مفاهیم عددی بهعنوان زبان یا استعارهای برای تعمیق تفکر بالینی به کار میروند؛ و «کاربرد مستقیم» (Direct Application)، که در آن روشهای کمی، اندازهگیریهای تکرارشونده، مدلهای آماری یا محاسباتی و سامانههای بازخورد واقعاً در پژوهش یا مراقبت بالینی به کار گرفته میشوند. استدلال اصلی مقاله این است که نخستین سطح میتواند خلاقیت و دقت صورتبندی بالینی را افزایش دهد، اما تنها سطح دوم، آن هم در صورت برخورداری از اعتبارسنجی تجربی و رعایت ملاحظات اخلاقی، میتواند ادعای کاربرد علمی و بالینی داشته باشد. شواهد مربوط به مراقبت مبتنی بر اندازهگیری (Measurement-Based Care)، پایش معمول پیامدها (Routine Outcome Monitoring) و رویکردهای سیستمهای پویا (Dynamic Systems Approaches) نشان میدهند که برخی از این ایدهها دیگر صرفاً استعاری نیستند و در پژوهش و عمل رواندرمانی جایگاهی واقعی یافتهاند.
کلیدواژهها: روشهای عددی (Numerical Methods)، رواندرمانی (Psychotherapy)، مدلسازی بالینی (Clinical Modeling)، صورتبندی مورد (Case Formulation)، خطا (Error)، عدمقطعیت (Uncertainty)، بازخورد (Feedback)، مراقبت مبتنی بر اندازهگیری (Measurement-Based Care)، پایش معمول پیامدها (Routine Outcome Monitoring)، سیستمهای پویا (Dynamic Systems)، غیرخطیبودن (Nonlinearity)، بهینهسازی (Optimization)، تصمیمگیری بالینی (Clinical Decision-Making).
---
مقدمه
رواندرمانی در نیمه نخست قرن بیستویکم بیش از هر زمان دیگری در نقطه تلاقی میان علم، فناوری، فلسفه و علوم داده قرار گرفته است. از یک سو، رواندرمانی همچنان حرفهای رابطهمحور است که در آن معنا، زمینه، تجربه زیسته، زبان، فرهنگ و رابطه درمانی نقشی اساسی دارند؛ از سوی دیگر، پژوهشهای معاصر بهطور فزایندهای بر اندازهگیری پیامدها، پایش فرایند، دادههای طولی، تصمیمگیری مبتنی بر شواهد و مطالعه پویایی تغییر تأکید میکنند. مراقبت مبتنی بر اندازهگیری در دستورالعمل حرفهای انجمن روانشناسی آمریکا در سال ۲۰۲۵ بهعنوان مجموعهای از شایستگیهای حرفهای برای استفاده از دادههای کمی در فرایند درمان صورتبندی شده است.
در چنین زمینهای، ارتباط میان مهندسی عددی و رواندرمانی میتواند در نگاه نخست نامتعارف به نظر برسد. یک مهندس با مسئلهای مانند جریان سیال، انتقال حرارت یا حل یک دستگاه معادلات مواجه است؛ رواندرمانگر با انسانی مواجه است که تجربه، معنا، تاریخچه، اراده و ظرفیت تغییر دارد. بنابراین هرگونه انتقال ساده مفاهیم مهندسی به رواندرمانی، خطر تقلیل انسان به یک «سیستم قابل محاسبه» را در پی دارد.
اما اگر این انتقال بهصورت انتقادی انجام شود، پرسش مهمتری مطرح میشود: آیا میتوان از روشهای عددی نه برای «محاسبه انسان»، بلکه برای ارتقای شیوهای که درمانگر درباره مسئله بالینی فکر میکند استفاده کرد؟
پاسخ این مقاله مثبت است، اما مشروط. روشهای عددی میتوانند نوعی «متافیزیک محاسباتی برای انسان» ارائه کنند، اما نباید به «روانشناسی محاسباتی تقلیلگرا» تبدیل شوند. ارزش آنها بیشتر در آموزش درمانگر به این نکته است که هر مدل، تقریبی از واقعیت است؛ هر دادهای خطا دارد؛ هر فرضیه باید در معرض ابطال قرار گیرد؛ هر مداخله باید از بازخورد بهره ببرد؛ و تغییر الزاماً خطی، یکنواخت و قابل پیشبینی نیست.
---
۱. نقطه عزیمت: روشهای عددی بهمثابه علمِ مواجهه با مسئله پیچیده
روشهای عددی صرفاً مجموعهای از الگوریتمها نیستند. ساختار آموزشی کتاب مورد بحث از مدلسازی ریاضی و حل مسئله آغاز میشود و سپس به خطای تقریب و گردکردن، ریشهیابی، جبر خطی، بهینهسازی، برازش منحنی، مشتقگیری و انتگرالگیری عددی و معادلات دیفرانسیل میرسد. بنابراین، در سطحی عمیقتر، این حوزه درباره چگونگی تبدیل یک مسئله پیچیده به یک مدل قابل بررسی و سپس ارزیابی مداوم کفایت آن مدل است.
همین ساختار برای رواندرمانی الهامبخش است.
درمانگر نیز معمولاً با «واقعیت خام» وارد درمان نمیشود. آنچه در اتاق درمان وجود دارد مجموعهای از روایتها، نشانهها، رفتارها، هیجانها، روابط، تاریخچهها و زمینههای اجتماعی است. درمانگر از میان این اطلاعات، الگوهایی را انتخاب و آنها را در قالب یک صورتبندی بالینی سازماندهی میکند.
بنابراین نخستین شباهت بنیادین این است که هم مهندسی عددی و هم رواندرمانی حرفهای، به یک واسطه میان واقعیت و تصمیم نیاز دارند: در اولی مدل ریاضی و در دومی صورتبندی بالینی.
اما تفاوت اساسی نیز باید حفظ شود. مدل مهندسی در اصل برای کنترل یا پیشبینی یک پدیده فیزیکی طراحی میشود؛ صورتبندی بالینی باید برای فهم، همکاری، تصمیمگیری و تغییر انسانی به کار رود. به همین دلیل، صورتبندی رواندرمانی نباید با «خودِ مراجع» یکی گرفته شود.
---
۲. مدلسازی بالینی: از «تشخیص» به «فرضیه قابل آزمون»
یکی از مهمترین درسهای روشهای عددی این است که پیش از حل یک مسئله باید آن را بهدرستی مدل کرد. در رواندرمانی نیز تفاوت میان «شرح مشکل» و «مدل توضیحی مشکل» اساسی است.
برای مثال، عبارت «مراجع اضطراب دارد» هنوز مدل نیست. حتی عبارت «مراجع به دلیل طرحواره طرد مضطرب میشود» نیز اگر بهعنوان یک حقیقت قطعی ارائه شود، بیشتر یک ادعاست تا مدل علمی.
مدل بالینی قویتر زمانی شکل میگیرد که درمانگر بتواند فرضیهای درباره رابطه میان موقعیت، ادراک، هیجان، رفتار، پیامد و عوامل زمینهای ارائه کند و سپس مشخص کند چه مشاهدهای میتواند این فرضیه را تقویت یا تضعیف کند.
این نگاه با رویکرد صورتبندی مورد در درمان شناختی ـ رفتاری همخوانی دارد؛ در این رویکرد، صورتبندی میتواند بهصورت فرضیهای درباره سازوکارهای ایجادکننده و تداومبخش مشکلات تعریف شود که در طول درمان با دادههای جدید آزموده و اصلاح میشود. نمونههای بالینی منتشرشده نیز نشان دادهاند که میتوان دادههای حاصل از جلسات را برای آزمون دقت صورتبندی و کفایت برنامه درمانی به کار گرفت.
در اینجا مفهوم «مدل» باید با احتیاط به کار رود. مدل خوب مدلی نیست که صرفاً پیچیده باشد؛ مدلی است که بتواند بخش مهمی از پدیده را توضیح دهد، امکان آزمون فراهم کند و در صورت ناسازگاری با دادهها اصلاح شود.
---
۳. خطا: یکی از عمیقترین پلهای میان مهندسی عددی و رواندرمانی
در روشهای عددی، تمایز میان دقت (Accuracy)، صحت تکرارپذیری یا وضوح اندازهگیری (Precision)، تقریب (Approximation) و خطا (Error) بنیادی است. هر مقدار محاسباتی ممکن است با مقدار واقعی فاصله داشته باشد و یکی از وظایف تحلیلگر شناخت و مدیریت این فاصله است.
این ایده در رواندرمانی میتواند به یک استعاره معرفتشناختی بسیار قدرتمند تبدیل شود.
انسان به ندرت مستقیماً «واقعیت» را تجربه میکند؛ او واقعیت را از خلال ادراک، حافظه، انتظار، هیجان، زبان و طرحوارههای خود تفسیر میکند. بنابراین میان رویداد، تجربه رویداد و تفسیر رویداد فاصله وجود دارد.
وقتی مراجع میگوید:
«او جواب پیامم را نداد؛ بنابراین دیگر مرا نمیخواهد»،
دو سطح متفاوت در این جمله وجود دارد. نخست یک مشاهده است: پاسخندادن. دوم یک استنباط است: دیگر خواستهشدن در رابطه منتفی شده است.
استفاده درمانی از استعاره خطا در اینجا به معنای گفتن «برداشت تو اشتباه است» نیست. برعکس، میتوان پرسید:
«در اینجا کدام قسمت مشاهده است و کدام قسمت برآورد؟ میزان اطمینان ما به این برآورد چقدر است؟ چه داده دیگری میتواند آن را تغییر دهد؟»
این شیوه میتواند به درمانگر و مراجع کمک کند که میان «داده» و «مدل ذهنی داده» تمایز بگذارند.
با این حال، باید از یک خطای مفهومی پرهیز کرد: تجربه شخصی را نباید بهسادگی «خطای محاسباتی» نامید. بسیاری از برداشتهای انسانی نه اشتباهات عددی، بلکه پاسخهایی معنادار به تاریخچه زندگی و زمینه رابطهای هستند. استعاره خطا تنها زمانی مفید است که به افزایش انعطاف شناختی کمک کند، نه اینکه تجربه مراجع را بیاعتبار کند.
---
۴. ریشهیابی: جستوجوی سازوکار نگهدارنده بهجای شکار یک «علت پنهان»
در مسائل ریشهیابی (Root Finding)، مسئله این است که نقطهای پیدا شود که در آن شرایط خاصی برقرار شود. ترجمه بالینی این مفهوم نباید به جستوجوی یک «علت نهایی» برای مشکل روانی تبدیل شود؛ چنین برداشتی با پیچیدگی علّی اختلالات و مشکلات روانشناختی سازگار نیست.
کاربرد مناسبتر، استفاده از آن بهعنوان استعارهای برای «محدودکردن فضای فرضیهها» است.
فرض کنید فردی میگوید: «از کارم متنفرم.» این گزاره میتواند با عوامل متعددی ارتباط داشته باشد: فشار کاری، تعارض با مدیر، فقدان معنا، فرسودگی، عدم تناسب ارزشها و شغل، ترس از شکست، مشکلات خانوادگی یا حتی کمبود خواب.
درمانگر خبره نباید خیلی زود یکی از این توضیحات را بهعنوان علت اصلی تثبیت کند. فرایند بالینی بیشتر شبیه جستوجوی تدریجی در فضای فرضیههاست.
در این معنا، «ریشهیابی» در رواندرمانی یعنی:
کدام متغیر یا تعامل متغیرها، در این فرد و در این زمینه، بیشترین نقش را در تولید یا تداوم مشکل دارد؟
این پرسش با تفکر صورتبندیمحور سازگارتر از جستوجوی یک علت واحد است.
---
۵. روش دو بخشی: ارزش بالینیِ کوچککردن فضای عدمقطعیت
روش دو بخشی (Bisection Method) در اصل با محدودکردن تدریجی دامنه جستوجو کار میکند. انتقال استعاری آن به رواندرمانی میتواند به شکل «محدودکردن نظاممند فضای فرضیهها» باشد.
برای مثال، وقتی مراجع میگوید «هیچکس مرا دوست ندارد»، درمانگر میتواند بهجای بحث مستقیم درباره درست یا غلط بودن گزاره، دامنه مسئله را تدریجاً محدود کند:
آیا منظور همه افراد است یا روابط صمیمانه؟
آیا مسئله در آغاز روابط رخ میدهد یا پس از نزدیکشدن؟
آیا الگو در روابط خانوادگی، دوستی و شغلی یکسان است؟
آیا مراجع بیشتر از طرد میترسد یا واقعاً مکرراً طرد شده است؟
آیا رفتارهایی وجود دارند که احتمال فاصلهگرفتن دیگران را افزایش میدهند؟
این فرایند شبیه یک جستوجوی تدریجی است، اما هنوز کاملاً بالینی و گفتوگومحور باقی میماند.
مرز کاربرد استعاری در اینجا روشن است: درمانگر از الگوریتم عددی برای «تشخیص» استفاده نمیکند؛ بلکه منطق محدودکردن فضای فرضیهها را به فرایند کاوش بالینی منتقل میکند.
---
۶. برازش و برونیابی: چگونه داستانهای شخصی بیش از حد بر دادهها منطبق میشوند؟
برازش منحنی (Curve Fitting) و رگرسیون (Regression) به ما یادآوری میکنند که دادهها را میتوان با مدلهای مختلف توضیح داد و اینکه یک مدل ممکن است بیش از حد به دادههای محدود موجود وابسته شود.
این ایده در رواندرمانی برای مفهوم بیشبرازش (Overfitting) استعارهای بسیار ارزشمند ایجاد میکند.
فردی که در یک رابطه خیانت دیده است ممکن است به این نتیجه برسد:
«هیچکس قابل اعتماد نیست.»
یک تجربه واقعی، مدل بسیار گستردهای درباره جهان تولید کرده است.
درمانگر میتواند بهجای تقابل مستقیم با این باور، دامنه دادهها را بررسی کند:
آیا همه روابط چنین بودهاند؟
چه کسانی قابل اعتماد بودهاند؟
چه نشانههایی در روابط قابل اعتماد وجود داشته است؟
آیا شرایط رابطه فعلی با روابط قبلی یکسان است؟
در اینجا «بیشبرازش» به این معناست که یک مدل روانشناختی بیش از اندازه از تعداد محدودی تجربه استخراج شده و سپس به حوزههایی تعمیم یافته که داده کافی درباره آنها وجود ندارد.
در سوی دیگر، برونیابی (Extrapolation) استعارهای مناسب برای فاجعهسازی و پیشبینی قطعی آینده است. یک شکست شغلی به «من همیشه شکست میخورم»، و یک تعارض رابطهای به «در نهایت تنها خواهم ماند» تبدیل میشود.
البته انسان را نمیتوان به یک منحنی آماری فروکاست. ارزش استعاره دقیقاً در این است که به مراجع نشان دهد «روند مشاهدهشده» الزاماً «قانون آینده» نیست.
---
۷. تکرار: درمان بهمثابه فرایند اصلاح شونده
بسیاری از روشهای عددی با یک تخمین اولیه آغاز میشوند و سپس طی چند مرحله به تخمینهای بهتر میرسند. این منطق تکراری (Iterative Process) با یک ویژگی مهم کار بالینی سازگار است: درمانگر معمولاً در جلسه نخست مدل کاملی از مسئله در اختیار ندارد.
صورتبندی اولیه میتواند چنین باشد:
«به نظر میرسد اجتناب، اضطراب را حفظ میکند.»
پس از چند جلسه، دادهها ممکن است نشان دهند که اجتناب تنها بخشی از مسئله است و حساسیت به ارزیابی دیگران یا کمالگرایی نقش مهمتری دارد.
بنابراین صورتبندی تغییر میکند.
این امر نشانه شکست درمانگر نیست؛ بلکه بخشی از منطق حرفهای کار با یک سیستم پیچیده است.
در اینجا یکی از مهمترین اصول بینرشتهای پدیدار میشود:
«صورتبندی خوب، صورتبندیای نیست که از ابتدا درست به نظر برسد؛ صورتبندیای است که بتواند در برابر دادههای جدید تغییر کند.»
---
۸. بهینهسازی: درمان همیشه به معنای بیشینهکردن یک متغیر نیست
بهینهسازی (Optimization) در مهندسی با یافتن وضعیت مطلوب تحت مجموعهای از محدودیتها سروکار دارد. این مفهوم در رواندرمانی میتواند برای کار با تعارض ارزشها و بدهبستانها (Trade-Offs) بسیار مفید باشد.
زندگی انسانی معمولاً مسئله بیشینهکردن یک متغیر واحد نیست.
ممکن است فرد همزمان آزادی، امنیت، درآمد، صمیمیت، معنا و زمان آزاد بخواهد؛ اما منابع، زمان و شرایط زندگی اجازه ندهند همه آنها به بیشترین سطح ممکن برسند.
درمانگر میتواند بهجای جستوجوی «راهحل کامل» به مراجع کمک کند مسئله را بهصورت «راهحل کافی و ارزشمند تحت محدودیتهای واقعی» ببیند.
این برداشت بهویژه با رویکردهای مبتنی بر ارزشها سازگار است، اما نباید ادعا کرد که نظریه بهینهسازی جایگزین نظریه ارزشها یا تصمیمگیری انسانی میشود. اینجا کاربرد عمدتاً مفهومی است.
---
۹. از استعاره به علم: بازخورد و مراقبت مبتنی بر اندازهگیری
مهمترین نقطهای که مرز میان استعاره و کاربرد مستقیم تغییر میکند، مفهوم بازخورد است.
در مراقبت مبتنی بر اندازهگیری، وضعیت مراجع بهصورت منظم با ابزارهای معتبر اندازهگیری میشود، دادهها به درمانگر و ترجیحاً مراجع بازخورد داده میشوند و اطلاعات حاصل در تصمیمگیری درمانی وارد میشود. دستورالعمل حرفهای انجمن روانشناسی آمریکا در سال ۲۰۲۵ نیز بر شایستگیهای لازم برای این فرایند تأکید دارد.
اینجا دیگر صرفاً نمیگوییم «درمان شبیه یک سیستم بازخوردی است». واقعاً یک چرخه دادهای ایجاد میکنیم:
اندازهگیری، تفسیر، گفتوگو، تصمیم، مداخله، اندازهگیری مجدد.
پژوهشهای فراتحلیلی نیز نشان دادهاند که پایش و بازخورد معمول پیامدها میتواند در مقایسه با درمان معمول بهبودهایی ایجاد کند، بهویژه در مراجعانی که روند درمان آنها مطلوب پیشبینی نمیشود. یکی از فراتحلیلهای مهم این حوزه، ۲۴ مطالعه را بررسی کرد و نشان داد که بخش قابل توجهی از مطالعات، برتری درمان همراه با بازخورد را نسبت به درمان معمول گزارش کردهاند؛ همچنین بازخورد با کاهش وخامت و افزایش تغییر بالینی در گروههای در معرض خطر همراه بوده است.
مرورهای جدیدتر نیز نشان دادهاند که اثر کلی پایش معمول پیامدها کوچک اما معنادار است و زمانی که ابزارهای پشتیبان تصمیمگیری برای مراجعان «خارج از مسیر مطلوب» استفاده میشوند، اثر میتواند بیشتر شود.
بنابراین، مفهوم بازخورد یکی از معدود بخشهایی است که انتقال آن از مهندسی سیستم به رواندرمانی، پشتوانه مستقیم پژوهشی دارد؛ البته نه به این معنا که رواندرمانی را باید یک سامانه کنترل مهندسی دانست.
---
۱۰. بازخورد به معنای «کنترل مراجع» نیست
این تمایز اخلاقی بسیار مهم است.
در سیستم مهندسی، کنترلکننده میتواند ورودی سیستم را طوری تنظیم کند که خروجی به مقدار هدف نزدیک شود. اما در رواندرمانی، «هدف» متعلق به درمانگر نیست؛ باید با مشارکت مراجع تعیین شود.
بنابراین مفهوم بازخورد در رواندرمانی باید با خودمختاری (Autonomy)، تصمیمگیری مشترک (Shared Decision-Making) و اتحاد درمانی (Therapeutic Alliance) سازگار باشد.
اگر نمره یک مقیاس کاهش نیابد، نتیجه منطقی این نیست که درمانگر «باید» مداخله را تغییر دهد. نخست باید درباره معنای داده با مراجع گفتوگو شود.
ممکن است:
ابزار با تجربه مراجع تناسب نداشته باشد؛
مراجع سؤال را متفاوت فهمیده باشد؛
هدف درمان تغییر کرده باشد؛
یک عامل زمینهای جدید ایجاد شده باشد؛
یا اصلاً متغیر اندازهگیریشده، مسئله اصلی درمان نباشد.
به همین دلیل، داده در مراقبت مبتنی بر اندازهگیری «قاضی» درمان نیست؛ یک منبع اطلاعات برای گفتوگوی بالینی است. دستورالعملهای حرفهای نیز بر استفاده از داده در کنار قضاوت حرفهای و گفتوگوی مشارکتی تأکید دارند.
---
۱۱. مشتقگیری بهعنوان استعاره «نرخ تغییر»
یکی از محدودیتهای مهم ارزیابی بالینی این است که مقدار مطلق یک متغیر همیشه برای فهم فرایند تغییر کافی نیست.
برای مثال، دانستن اینکه شدت نشانههای اضطراب در یک مقطع «هفت از ده» است، اطلاعاتی درباره جهت و سرعت تغییر به ما نمیدهد.
درمانگر خبره علاوه بر سطح فعلی، به روند نیز توجه میکند:
آیا وضعیت در حال بهترشدن است؟
آیا سرعت بهبود کاهش یافته است؟
آیا تغییر ناگهانی رخ داده است؟
آیا نوسان افزایش یافته است؟
این منطق به مفهوم مشتقگیری عددی (Numerical Differentiation) نزدیک است، اما کاربرد آن در درمان فردی عمدتاً استعاری باقی میماند؛ مگر آنکه دادههای طولی کافی جمعآوری و با روشهای آماری مناسب تحلیل شوند.
در پژوهش رواندرمانی، چنین نگاه زمانی و پویایی دیگر صرفاً استعاری نیست. مطالعات سیستمهای پویا از دادههای طولی و گاه بسیار پرتکرار برای مطالعه تغییر استفاده کردهاند. مرورهای نظاممند نشان دادهاند که معادلات دیفرانسیل و روشهای محاسباتی در بخشی از پژوهشهای سیستمهای پویا در رواندرمانی واقعاً مورد استفاده قرار گرفتهاند.
---
۱۲. معادلات دیفرانسیل و گذار از روانشناسی ایستا به روانشناسی فرایندی
اگر وضعیت روانی را صرفاً در یک نقطه زمانی اندازه بگیریم، بخش مهمی از ماهیت آن را از دست میدهیم. تجربه اضطراب، خلق، تنظیم هیجان، رابطه درمانی و بسیاری از فرایندهای دیگر در طول زمان تغییر میکنند.
این موضوع زمینهای برای استفاده پژوهشی از معادلات دیفرانسیل معمولی (Ordinary Differential Equations) و سایر روشهای مدلسازی پویا فراهم کرده است.
پژوهشهای سیستمهای پویا در رواندرمانی، انسان و فرایند درمان را بهعنوان سامانههایی پویا، باز و خودسازمانده (Self-Organizing) بررسی کردهاند که در آنها ثبات و تغییر بهطور همزمان حضور دارند.
مطالعات سیستمهای پیچیده نیز شواهدی از غیرخطیبودن فرایند تغییر رواندرمانی ارائه کردهاند. به عبارت دیگر، تغییر الزاماً به شکل تدریجی و یکنواخت رخ نمیدهد؛ ممکن است دورههای ثبات، نوسان، جهش یا گذار ناگهانی وجود داشته باشند.
این نکته پیامد بالینی مهمی دارد: توقف موقت بهبود الزاماً به معنای شکست درمان نیست و افزایش موقت نوسان الزاماً نشانه بدترشدن پایدار نیست. معنا به ساختار زمانی و زمینهای داده وابسته است.
---
۱۳. پایداری: چرا بعضی الگوهای روانی بازمیگردند؟
مفهوم پایداری (Stability) در نظریه سیستمها برای رواندرمانی بسیار مهم است.
برخی الگوهای روانشناختی با وجود تلاش آگاهانه فرد برای تغییر، تمایل دارند به وضعیت قبلی بازگردند. برای نمونه، فرد ممکن است تصمیم بگیرد دیگر از تعارض اجتناب نکند، اما در موقعیت واقعی دوباره همان الگوی قدیمی فعال شود.
از دیدگاه سیستمهای پویا، مسئله میتواند تنها «وجود یک نشانه» نباشد؛ بلکه سازمانیافتگی مجموعهای از متغیرها باشد که یک الگوی نسبتاً پایدار ایجاد میکنند.
این نگاه میتواند مفهوم عود (Relapse)، مقاومت، بازگشت الگو و تثبیت تغییر را به شیوهای متفاوت صورتبندی کند.
با این حال، نباید از این زبان نتیجه گرفت که هر رفتار تکرارشونده یک «جاذب دینامیکی» به معنای دقیق ریاضی است. در بیشتر کاربردهای بالینی روزمره، چنین تعابیری استعاریاند. استفاده علمی از مفاهیم پایداری و جاذبها نیازمند داده و مدلسازی صریح است.
---
۱۴. غیرخطیبودن: چرا یک مداخله کوچک گاهی اثر بزرگی دارد؟
یکی از جذابترین مفاهیم سیستمهای پیچیده، غیرخطیبودن است.
در یک سیستم خطی، تغییر نسبتاً کوچک در ورودی معمولاً با تغییر متناسب در خروجی همراه میشود. اما سیستمهای انسانی چنین رفتاری را همیشه نشان نمیدهند.
گاهی یک گفتوگوی کوتاه در جلسه درمان ظاهراً تغییر بزرگی ایجاد میکند؛ گاهی دهها ساعت کار درمانی تغییر قابل مشاهدهای ایجاد نمیکند؛ و گاهی پس از یک دوره طولانی ثبات، تغییر ناگهانی رخ میدهد.
این مشاهده با پژوهشهای سیستمهای پویا درباره غیرخطی و ناپیوستهبودن تغییر رواندرمانی سازگار است.
اما اینجا نیز مرز علمی ضروری است: وجود تغییرات غیرخطی در برخی فرایندهای روانشناختی به این معنا نیست که هر تغییر ناگهانی را باید «گذار فازی» نامید. زبان سیستمهای پیچیده زمانی علمی است که بر اساس داده، تعریف عملیاتی و روش تحلیل مناسب استفاده شود.
---
۱۵. کاربرد مستقیم: چه چیزهایی واقعاً قابل انتقالاند؟
برای جلوگیری از اغراق، میتوان کاربردها را به سه سطح تقسیم کرد.
در سطح نخست، «تفکر مدلمحور» قرار دارد. درمانگر میتواند از منطق مدلسازی، آزمون فرضیه، خطا و تکرار برای بهبود استدلال بالینی استفاده کند. این سطح عمدتاً استعاری و معرفتشناختی است.
در سطح دوم، «اندازهگیری و بازخورد» قرار دارد. استفاده منظم از ابزارهای معتبر برای سنجش نشانهها، عملکرد، اهداف درمانی و حتی برخی ابعاد رابطه درمانی، همراه با بازخورد و اصلاح برنامه درمان، کاربردی مستقیم و دارای پشتوانه تجربی است. مراقبت مبتنی بر اندازهگیری و پایش معمول پیامدها در این سطح قرار میگیرند.
در سطح سوم، «مدلسازی محاسباتی و سیستمهای پویا» قرار دارد. استفاده از مدلهای طولی، تحلیل سریهای زمانی، مدلهای شبکهای، معادلات دیفرانسیل یا شبیهسازی رایانهای در حال حاضر عمدتاً قلمرو پژوهش است، نه یک پروتکل استاندارد برای درمان فردی. مرور نظاممند این حوزه نشان میدهد که پژوهشهای متعددی از روشهای پیچیده برای بررسی پویایی تغییر استفاده کردهاند، اما پایگاه شواهد هنوز ناهمگون است و بسیاری از مطالعات مبتنی بر نمونههای کوچک یا دادههای بسیار پرتکرار هستند.
بنابراین انتقال مستقیم الگوریتمهایی مانند نیوتن ـ رافسون (Newton-Raphson)، گاوس ـ سایدل (Gauss-Seidel) یا انتگرالگیری عددی به تصمیمگیری درباره یک مراجع، در حال حاضر توجیه علمی کافی ندارد. آنچه میتوان منتقل کرد، منطق حل مسئله و برخی روشهای اندازهگیری و تحلیل است، نه خود الگوریتم بهعنوان ابزار درمان.
---
۱۶. خطر اصلی: مهندسیکردن بیش از حد رواندرمانی
بینرشتهایبودن زمانی ارزشمند است که تفاوتهای رشتهها حفظ شوند.
رواندرمانی با مهندسی تفاوتی بنیادین دارد: موضوع آن یک شیء منفعل نیست، بلکه انسانی است که خودِ او میتواند درباره مدل درمانگر فکر کند، با آن مخالفت کند، آن را تغییر دهد و حتی تحت تأثیر آن رفتار خود را تغییر دهد.
بنابراین رابطه میان مدل و موضوع در رواندرمانی بازتابی (Reflexive) است.
اگر درمانگر به مراجع بگوید:
«مدل من نشان میدهد که مشکل تو عدم تحمل عدمقطعیت است»،
این مدل میتواند خود به یک رویداد روانشناختی تبدیل شود. مراجع ممکن است آن را بپذیرد، رد کند، از آن استفاده کند یا حتی بر اساس آن رفتار کند.
در یک سیستم مهندسی معمولی، مدل تحلیلگر الزاماً بخشی از خود سیستم نیست؛ در رواندرمانی، مدل ممکن است وارد خود سیستم شود.
این تفاوت یکی از مهمترین دلایل احتیاط در انتقال مفاهیم مهندسی به علوم انسانی است.
---
۱۷. خطر دوم: بتوارگی داده
اندازهگیری به خودی خود علم ایجاد نمیکند.
اگر پرسش بالینی بد باشد، اندازهگیری دقیق آن نیز مشکل را حل نمیکند.
اگر یک مقیاس نامعتبر باشد، داده دقیق آن نیز بیمعناست.
اگر مراجع احساس کند که عدد جایگزین تجربه او شده است، ممکن است اندازهگیری به رابطه درمانی آسیب بزند.
و اگر درمانگر فقط به شاخصهای قابل اندازهگیری توجه کند، پدیدههایی مانند معنا، هویت، زمینه فرهنگی، تجربه رابطهای و تغییرات کیفی ممکن است از دید خارج شوند.
شواهد مربوط به پایش معمول پیامدها نیز نشان میدهد که صرف اندازهگیری کافی نیست؛ بازخورد و نحوه ادغام آن در فرایند درمان اهمیت دارد. مرورهای نظاممند بر نقش بازخورد در کمک به تشخیص روندهای نامطلوب، تعدیل درمان و ارتباط درمانگر ـ مراجع تأکید کردهاند.
بنابراین:
«آنچه قابل اندازهگیری است» مساوی با «آنچه بالینی مهم است» نیست.
---
۱۸. یک اصل معرفتشناختی پیشنهادی: داده، مدل و تجربه را از یکدیگر جدا نگه داریم
برای استفاده مسئولانه از روشهای عددی در رواندرمانی، سه سطح باید از یکدیگر متمایز بمانند.
سطح نخست «تجربه مراجع» است؛ یعنی آنچه فرد زندگی میکند و معنایی که به آن میدهد.
سطح دوم «داده» است؛ یعنی آنچه از طریق مشاهده، مصاحبه، مقیاس یا ابزار دیگری ثبت میشود.
سطح سوم «مدل بالینی» است؛ یعنی توضیحی که درمانگر و مراجع برای سازماندهی دادهها ارائه میکنند.
هیچیک از این سه سطح را نباید با دیگری یکی دانست.
تجربه مراجع لزوماً با یک نمره برابر نیست.
نمره لزوماً با سازه روانشناختی برابر نیست.
و مدل بالینی نیز هرگز خود واقعیت نیست.
این اصل ساده، شاید مهمترین سهم فلسفی روشهای عددی برای رواندرمانی باشد: هر نمایش از واقعیت، نمایش است؛ نه خود واقعیت.
---
۱۹. پیامد برای آموزش رواندرمانگران
اگر این رویکرد جدی گرفته شود، آموزش رواندرمانگران میتواند از دو قطب افراطی فاصله بگیرد.
قطب نخست، درمانگری است که تنها بر شهود بالینی تکیه میکند و دادههای نظاممند را مزاحم میداند.
قطب دوم، درمانگری است که عدد را جانشین قضاوت بالینی میکند.
رویکرد سوم، درمانگر «دادهسواد» (Data-Literate) است؛ یعنی کسی که میتواند داده را بخواند، محدودیت آن را تشخیص دهد، آن را در زمینه بالینی تفسیر کند و در گفتوگو با مراجع به کار گیرد.
دستورالعمل حرفهای جدید مراقبت مبتنی بر اندازهگیری دقیقاً در جهت تعریف شایستگیهایی برای چنین استفادهای حرکت کرده است.
در این چارچوب، آشنایی با مفاهیمی مانند خطای اندازهگیری، روند، تغییر قابل اعتماد، عدمقطعیت، دادههای طولی، سوگیری اندازهگیری و تفسیر احتمالی میتواند برای درمانگر ارزشمندتر از حفظ تعداد زیادی الگوریتم عددی باشد.
---
۲۰. پیامد برای پژوهش: از میانگین گروهی به مسیر تغییر فردی
بخش مهمی از پژوهش رواندرمانی بر مقایسه میانگین گروهها استوار است. این رویکرد برای پاسخ به برخی پرسشها ضروری است، اما برای فهم مسیر تغییر یک فرد کافی نیست.
رویکرد سیستمهای پویا امکان بررسی پرسشهایی را فراهم میکند که ماهیت زمانی و فردی دارند:
چه زمانی تغییر رخ میدهد؟
آیا افزایش نوسان قبل از تغییر اتفاق میافتد؟
آیا رابطه درمانی و نشانهها بر یکدیگر اثر متقابل دارند؟
آیا الگوهای خاصی از تغییر در افراد مختلف وجود دارد؟
آیا میتوان نقاطی را شناسایی کرد که در آنها مداخله احتمالاً بیشترین اثر را دارد؟
مرورهای پژوهشی موجود نشان میدهند که این حوزه در حال رشد است، اما هنوز برای تبدیل مدلهای پیچیده به ابزارهای بالینی معتبر، به دادههای بزرگتر، سنجشهای پرتکرار، تکرار مستقل و اعتبارسنجی خارجی نیاز است.
بنابراین، استفاده پژوهشی از مدلهای عددی باید با ادعای متناسب با شواهد همراه باشد.
---
۲۱. معیار پیشنهادی برای تشخیص استعاره از کاربرد علمی
مرز میان کاربرد استعاری و مستقیم را میتوان با یک آزمون ساده روشن کرد.
اگر درمانگر بگوید:
«رابطه من و مراجع مانند یک سیستم بازخوردی است»،
این یک استعاره است.
اگر درمانگر بهطور منظم یک سازه معتبر را اندازهگیری کند، داده را با مراجع بررسی کند، تغییر درمان را بر اساس آن و در کنار قضاوت بالینی انجام دهد و پیامد این فرایند را ارزیابی کند، وارد قلمرو کاربرد مستقیم شده است.
اگر پژوهشگر از دادههای پرتکرار مراجعان استفاده کند، یک مدل پویای مشخص تعریف کند، پارامترهای آن را برآورد کند و عملکرد مدل را روی دادههای مستقل آزمایش کند، با یک کاربرد مستقیم پژوهشی مواجه هستیم.
اما اگر درمانگر بدون اعتبارسنجی بگوید:
«اضطراب شما یک سیستم غیرخطی است، پس الگوریتم خاصی باید برای درمان شما استفاده شود»،
از استعاره به ادعای علمی ناموجه جهش کرده است.
بنابراین معیار اصلی، «زیبا بودن تشبیه» نیست؛ معیار، تعریف عملیاتی، قابلیت آزمون، اعتبارسنجی و تناسب ادعا با شواهد است.
---
۲۲. یک چارچوب تلفیقی برای درمانگر خبره
میتوان از مفاهیم روشهای عددی یک معماری مفهومی برای تفکر بالینی استخراج کرد که بدون تبدیلشدن به یک پروتکل درمانی، به سازماندهی استدلال درمانگر کمک کند.
نخست، مسئله را مدل کن، اما مدل را حقیقت ندان.
دوم، مشخص کن چه چیزی مشاهده شده و چه چیزی استنباط شده است.
سوم، منابع خطا و عدمقطعیت را شناسایی کن.
چهارم، چند فرضیه رقیب بساز و از تثبیت زودرس یک توضیح پرهیز کن.
پنجم، دادهای را انتخاب کن که بتواند میان فرضیهها تمایز ایجاد کند.
ششم، مداخله را بهعنوان یک آزمون بالینی در نظر بگیر، نه صرفاً اجرای یک تکنیک.
هفتم، تغییر را بهطور مناسب اندازهگیری کن.
هشتم، داده را با مراجع تفسیر کن، نه اینکه آن را علیه مراجع به کار ببری.
نهم، اگر داده با مدل سازگار نیست، مدل را نیز زیر سؤال ببر.
دهم، به غیرخطیبودن و زمینهمندی تغییر توجه کن.
یازدهم، در صورت استفاده از روشهای محاسباتی واقعی، اعتبار ابزار و مدل را جداگانه بررسی کن.
و نهایتاً، هرجا که شواهد کافی وجود ندارد، زبان استعاری را از زبان علمی جدا نگه دار.
---
۲۳. نتیجهگیری
روشهای عددی برای مهندسان را نباید بهعنوان کتابی درباره رواندرمانی خواند؛ چنین برداشتی هم از نظر علمی و هم از نظر مفهومی نادرست خواهد بود. ارزش آن برای رواندرمانگران بینرشتهای در جای دیگری قرار دارد.
این کتاب میتواند درمانگر را با یک سبک خاص از اندیشیدن مواجه کند: مسئله را مدل کن؛ محدودیت مدل را بشناس؛ خطا را جدی بگیر؛ فرضیه را از واقعیت متمایز کن؛ از داده برای اصلاح مدل استفاده کن؛ تغییر را در طول زمان ببین؛ و در برابر وسوسه یقین زودرس مقاومت کن. ساختار خود کتاب، از مدلسازی و تحلیل خطا تا ریشهیابی، بهینهسازی، برازش و معادلات دیفرانسیل، چنین طیفی از تفکر محاسباتی را پوشش میدهد.
اما مهمتر از همه، این ترجمه باید انتقادی باشد.
استفاده از «خطا» بهعنوان استعاره برای تفاوت میان مشاهده و تفسیر میتواند سودمند باشد؛ استفاده از الگوریتم ریشهیابی بهعنوان استعارهای برای محدودکردن فرضیههای بالینی نیز میتواند الهامبخش باشد. اما هیچیک از این استعارهها بهتنهایی شواهدی برای اثربخشی یک مداخله ایجاد نمیکنند.
در مقابل، مراقبت مبتنی بر اندازهگیری، پایش معمول پیامدها و بازخورد بالینی نمونههایی هستند که از سطح استعاره عبور کرده و دارای پشتوانه پژوهشی و چارچوب حرفهای شدهاند.
همچنین رویکردهای سیستمهای پویا نشان میدهند که استفاده علمی از مفاهیم ریاضی و محاسباتی برای مطالعه فرایند رواندرمانی امکانپذیر است؛ با این حال، این حوزه هنوز نیازمند اعتبارسنجی گستردهتر و پیوند دقیقتر میان مدلهای ریاضی و تصمیمهای بالینی است.
از این منظر، شاید مهمترین درس روشهای عددی برای رواندرمانی خودِ عدد نباشد؛ بلکه تواضع مدلسازی باشد: ما واقعیت را مستقیماً در اختیار نداریم؛ آن را از طریق مدلها، اندازهگیریها و تفسیرها مطالعه میکنیم. مدل میتواند مفید باشد و در عین حال ناقص باشد. داده میتواند روشنکننده باشد و در عین حال محدود باشد. و درمان میتواند مبتنی بر شواهد باشد، بدون آنکه به فرایندی مکانیکی تبدیل شود.
در نهایت، ترجمه ثمربخش روشهای عددی به رواندرمانی نه تلاش برای «محاسبه انسان»، بلکه تلاش برای ساختن درمانگری است که دقیقتر مدل میکند، صادقانهتر با عدمقطعیت مواجه میشود، بهتر از داده استفاده میکند، سریعتر فرضیههای خود را اصلاح میکند و در عین حال فراموش نمیکند که موضوع علم او یک انسان است، نه یک متغیر.
---
منابع
[1] Chapra, S. C., & Canale, R. P. (2015). Numerical Methods for Engineers (7th ed.). McGraw-Hill Education. مشخصات کتاب و ویرایش هفتم در فهرستهای کتابشناختی دانشگاهی و WorldCat ثبت شده است.
[2] American Psychological Association. (2025). APA Professional Practice Guidelines on Measurement-Based Care. این دستورالعمل در فوریه ۲۰۲۵ توسط شورای نمایندگان APA تصویب شد و به شایستگیهای حرفهای مورد نیاز برای مراقبت مبتنی بر اندازهگیری میپردازد.
[3] Boswell, J. F., Hepner, K. A., Lysell, K., Rothrock, N. E., Bott, N., Childs, A. W., Douglas, S., Owings-Fonner, N., Wright, C. V., Stephens, K. A., Bard, D. E., Aajmain, S., & Bobbitt, B. L. (2023). The need for a measurement-based care professional practice guideline. Psychotherapy, 60(1), 1–16.
[4] DeAngelis, T. (2025). Measurement-based care: A transformative approach to treatment. Monitor on Psychology, 56(1). American Psychological Association.
[5] Lambert, M. J., Whipple, J. L., & Kleinstäuber, M. (2018). Collecting and delivering progress feedback: A meta-analysis of routine outcome monitoring. Psychotherapy, 55(4), 520–537.
[6] de Jong, K., Conijn, J. M., Gallagher, R. A., Reshetnikova, A. S., Heij, M., & Lutz, W. (2023). Routine Outcome Monitoring and Clinical Feedback in Psychotherapy: Recent Advances and Future Directions. Administration and Policy in Mental Health and Mental Health Services Research.
[7] Gelo, O. C. G., & Salvatore, S. (2016). A dynamic systems approach to psychotherapy: A meta-theoretical framework for explaining psychotherapy change processes. Journal of Counseling Psychology, 63(4), 379–395.
[8] Hayes, A. M., Laurenceau, J.-P., Feldman, G., Strauss, J. L., & Cardaciotto, L. A. (2007). Change is not always linear: The study of nonlinear and discontinuous patterns of change in psychotherapy. Clinical Psychology Review, 27(6), 715–723.
[9] Salvatore, S., & Tschacher, W. (2012). Time dependency of psychotherapeutic exchanges: The contribution of the theory of dynamic systems in analyzing process. Frontiers in Psychology, 3, 253.
[10] Persons, J. B., Beckner, V. L., & Tompkins, M. A. (2013). Testing case formulation hypotheses in psychotherapy: Two case examples. Cognitive and Behavioral Practice, 20(4), 399–409.
[11] Eells, T. D. (2009). Review of The Case Formulation Approach to Cognitive-Behavior Therapy. Psychotherapy, 46(3), 400–401.
[12] Routine Outcome Monitoring and Clinical Feedback in Psychotherapy: Recent Advances and Future Directions. (2024/2025). Administration and Policy in Mental Health and Mental Health Services Research. مرور معاصر بر کاربردهای بالینی، پژوهشی و چالشهای پیادهسازی پایش معمول پیامدها.
[13] Applying dynamic systems theory and complexity theory methods in psychotherapy research: A systematic literature review. (2023). PubMed. مرور نظاممند ۴۱ مطالعه منتشرشده درباره استفاده از روشهای سیستمهای پویا و نظریه پیچیدگی در پژوهش رواندرمانی.
[14] A complex systems approach to the study of change in psychotherapy. (2020). Frontiers in Psychology / PMC. بررسی مفهوم غیرخطیبودن تغییر، پیچیدگی و امکان استفاده از دادههای پرتکرار برای مطالعه فرایند تغییر رواندرمانی.
[15] How Are Information and Communication Technologies Supporting Routine Outcome Monitoring and Measurement-Based Care in Psychotherapy? A Systematic Review. (2020). Journal of Medical Internet Research / PMC. مرور نظاممند کاربرد فناوری در پایش معمول پیامدها و مراقبت مبتنی بر اندازهگیری.