ویرگول
ورودثبت نام
فرزاد ناصحی
فرزاد ناصحیکارشناسی ارشد مشاوره خانواده و علاقمند به مباحث بین‌رشته‌ای
فرزاد ناصحی
فرزاد ناصحی
خواندن ۲۰ دقیقه·۱ ماه پیش

از مفهوم بالینی تا مدل ریاضی: چارچوبی برای صورت‌بندی پویایی حالت‌های طرحواره‌ای در طرحواره‌درمانی

چکیده

طرحواره‌درمانی (Schema Therapy) چارچوبی بالینی برای فهم الگوهای نسبتاً پایدار و حالت‌های متغیر تجربه، هیجان، شناخت و رفتار فراهم می‌کند. بااین‌حال، تبدیل مفاهیم نظری این رویکرد به مدل‌های ریاضی (Mathematical Models) مستلزم تصمیم‌های روش‌شناختی مهمی است: چه چیزی باید اندازه‌گیری شود؟ روابط میان متغیرها چگونه تعریف شوند؟ تغییرات در طول زمان چگونه بازنمایی شوند؟ و چه شواهدی می‌توانند یک مدل را تأیید، اصلاح یا رد کنند؟

این مقاله رویکردی مفهومی و روش‌مند برای پاسخ به این پرسش‌ها پیشنهاد می‌کند. برای روشن‌شدن فرایند، رابطه فرضی میان حالت والد تنبیه‌گر (Punitive Parent Mode)، کودک آسیب‌پذیر (Vulnerable Child Mode) و بزرگسال سالم (Healthy Adult Mode) بررسی می‌شود. در این مثال، یک فرضیه بالینی به متغیرهای قابل‌اندازه‌گیری و سپس به روابط ریاضی پیشنهادی تبدیل می‌شود؛ اما تأکید می‌شود که صورت‌بندی ریاضی به‌خودی‌خود نه رابطه علّی را اثبات می‌کند و نه اعتبار تجربی مدل را تضمین می‌کند.

مقاله میان نظریه بالینی، فرضیه مدل، برآورد آماری و شواهد تجربی تمایز می‌گذارد و مسیرهایی برای آزمون مدل با داده‌های طولی، اندازه‌گیری‌های مکرر و مقایسه مدل‌های رقیب پیشنهاد می‌کند. هدف، جایگزین‌کردن قضاوت بالینی با معادلات نیست، بلکه دقیق‌ترکردن فرضیه‌ها، آشکارساختن مفروضات و افزایش آزمون‌پذیری تبیین‌های طرحواره‌درمانی است.

واژگان کلیدی: طرحواره‌درمانی، مدل‌سازی ریاضی، حالت‌های طرحواره‌ای، مدل‌سازی پویایی، متغیرهای نهفته، داده‌های طولی، استنباط علّی، آزمون‌پذیری نظریه.

۱. مقدمه: چرا مفاهیم بالینی را به زبان ریاضی ترجمه کنیم؟

در طرحواره‌درمانی، مفاهیمی مانند کودک آسیب‌پذیر، والد تنبیه‌گر و بزرگسال سالم صرفاً برچسب‌هایی برای توصیف رفتار نیستند؛ آن‌ها اجزایی از یک چارچوب تبیینی‌اند که به درمانگر کمک می‌کنند تجربه هیجانی، گفت‌وگوی درونی، راهبردهای مقابله‌ای و تغییرات بین‌فردی مراجع را در ارتباط با یکدیگر بفهمد. بااین‌حال، یک مفهوم بالینی هرقدر هم از نظر درمانی سودمند باشد، تا زمانی که روابط مورد ادعای آن به‌روشنی مشخص نشده باشند، ممکن است چند تفسیر متفاوت را بپذیرد.

برای مثال، این گزاره که «فعال‌شدن والد تنبیه‌گر، کودک آسیب‌پذیر را تشدید می‌کند» دست‌کم چند پرسش را بی‌پاسخ می‌گذارد: آیا منظور هم‌زمانی دو حالت است یا اثر یکی بر دیگری در طول زمان؟ آیا رابطه در همه مراجعان یکسان است؟ آیا این رابطه پس از درنظرگرفتن رویدادهای بیرونی، خلق عمومی و سایر حالت‌ها همچنان برقرار می‌ماند؟ آیا کاهش والد تنبیه‌گر به‌تنهایی برای کاهش کودک آسیب‌پذیر کافی است؟

مدل‌سازی ریاضی می‌تواند این ابهام‌ها را به فرضیه‌های صریح تبدیل کند. در این رویکرد، درمانگر یا پژوهشگر باید تعیین کند چه متغیرهایی در مدل حضور دارند، هر متغیر چگونه تعریف و اندازه‌گیری می‌شود، روابط میان آن‌ها چه شکلی دارند و مدل تحت چه شرایطی پیش‌بینی مشخصی تولید می‌کند.

این فرایند را می‌توان «ترجمه مفاهیم نظری به صورت‌بندی ریاضی» نامید. مقصود از ترجمه در اینجا، جایگزین‌کردن واژه‌های بالینی با نمادهای ریاضی نیست؛ بلکه تبدیل یک تبیین کلامی به ساختاری است که مفروضاتش آشکار، پیامدهایش قابل‌بررسی و محدودیت‌هایش قابل‌ارزیابی باشند.

پژوهش‌های مربوط به ساختار شبکه‌ای حالت‌های طرحواره‌ای نمونه‌ای از تلاش برای بررسی کمّی روابط میان این حالت‌ها هستند. بااین‌حال، روابط آماری مشاهده‌شده در داده‌های مقطعی به‌تنهایی برای نتیجه‌گیری علّی کافی نیستند. برای ارزیابی پویایی و جهت روابط، به پژوهش‌های طولی و، در صورت امکان، طرح‌های آزمایشی مناسب نیاز است.

۲. سه سطح متمایز: نظریه، مدل و شواهد

پیش از ساختن هر مدل، ضروری است سه سطح از استدلال از یکدیگر جدا شوند.

۲.۱. سطح نظریه بالینی

نظریه بالینی (Clinical Theory) شامل مفاهیم و تبیین‌هایی است که برای فهم تجربه و رفتار مراجع به کار می‌روند. برای مثال، درمانگر ممکن است فرض کند که خودانتقادی تنبیه‌گرانه در برخی موقعیت‌ها با افزایش احساس شرم، درماندگی یا آسیب‌پذیری همراه می‌شود.

این گزاره می‌تواند از نظریه طرحواره‌درمانی، تجربه بالینی و پژوهش‌های مرتبط الهام بگیرد؛ بااین‌حال، صورت‌بندی کلی آن هنوز مشخص نمی‌کند که رابطه در چه شرایطی، با چه شدتی و برای چه افرادی برقرار است.

۲.۲. سطح مدل ریاضی

مدل ریاضی بازنمایی صریح و ساده‌شده‌ای از بخشی از نظریه است. در مدل تعیین می‌شود که کدام متغیرها مهم‌اند، چه روابطی میان آن‌ها فرض می‌شود و تغییرات چگونه توصیف می‌شوند.

یک مدل ممکن است از نظریه الهام بگیرد، اما تمام نظریه را در بر نگیرد. برای مثال، مدلی که فقط رابطه میان والد تنبیه‌گر و کودک آسیب‌پذیر را بررسی می‌کند، لزوماً نقش خاطرات اولیه، رابطه درمانی، سبک‌های مقابله‌ای، شرایط اجتماعی یا رویدادهای روزمره را توضیح نمی‌دهد.

۲.۳. سطح شواهد تجربی

شواهد تجربی (Empirical Evidence) از مشاهده و تحلیل داده‌هایی به دست می‌آیند که برای ارزیابی مدل گردآوری شده‌اند. داده‌ها ممکن است با پیش‌بینی مدل سازگار باشند، با آن تعارض داشته باشند یا برای داوری کافی نباشند.

سازگاری داده‌ها با مدل به‌تنهایی اثبات نمی‌کند که مدل درست است؛ زیرا مدل‌های متفاوت ممکن است پیش‌بینی‌های مشابهی تولید کنند. از سوی دیگر، ناسازگاری با داده‌ها نیز همیشه به معنای نادرستی تمام نظریه بالینی نیست؛ شاید ابزار اندازه‌گیری نامناسب بوده، متغیر مهمی حذف شده یا مفروضات مدل بیش از حد ساده‌سازی شده باشند.

ازاین‌رو، باید میان سه گزاره تفاوت گذاشت: «این رابطه از نظر نظری معقول است»، «این رابطه در مدل فرض شده است» و «این رابطه با داده‌های مناسب پشتیبانی شده است». خلط این سه سطح، یکی از مهم‌ترین خطرهای مدل‌سازی در روان‌شناسی است.

۳. انتخاب پدیده بالینی: رابطه میان والد تنبیه‌گر و کودک آسیب‌پذیر

برای ساختن یک مثال روشن، موقعیتی را در نظر بگیریم که مراجع پس از اشتباه‌کردن در محیط کار، گفت‌وگوی درونی تنبیه‌گرانه‌ای را تجربه می‌کند. جملاتی مانند «باز هم خراب کردی»، «تو به‌اندازه کافی خوب نیستی» یا «نباید چنین اشتباهی می‌کردی» ممکن است با شرم، اضطراب، احساس بی‌ارزشی یا میل به کناره‌گیری همراه شوند.

در زبان طرحواره‌درمانی، درمانگر ممکن است این توالی را به فعال‌شدن والد تنبیه‌گر و سپس تشدید کودک آسیب‌پذیر نسبت دهد. در همان موقعیت، فعال‌شدن بزرگسال سالم ممکن است به مراجع کمک کند خطا را بدون تحقیر خویشتن بررسی کند، مسئولیت پیامدهای آن را بپذیرد و برای جبران آن اقدام کند.

اما این روایت بالینی به‌تنهایی چند رابطه متفاوت را در هم می‌آمیزد:

  • ممکن است والد تنبیه‌گر پیش از افزایش آسیب‌پذیری فعال شود.

  • ممکن است هر دو حالت در پاسخ به یک رویداد بیرونی افزایش یابند.

  • ممکن است احساس آسیب‌پذیری، خود به تشدید خودتنبیهی بینجامد.

  • ممکن است رابطه میان این حالت‌ها به بافت موقعیت، تاریخچه فرد یا کیفیت رابطه درمانی وابسته باشد.

  • ممکن است بزرگسال سالم رابطه میان دو حالت دیگر را تعدیل کند، نه اینکه مستقیماً یکی از آن‌ها را کاهش دهد.

بنابراین، نخستین گام مدل‌سازی این نیست که فوراً معادله‌ای بنویسیم؛ بلکه باید مشخص کنیم کدام رابطه را می‌خواهیم بررسی کنیم و چه توضیح‌های رقیبی ممکن است همان پدیده را تبیین کنند.

۴. تبدیل مفاهیم نظری به متغیرهای قابل‌اندازه‌گیری

۴.۱. تعریف عملیاتی حالت‌ها

تعریف عملیاتی (Operational Definition) مشخص می‌کند که یک مفهوم نظری در پژوهش چگونه مشاهده یا اندازه‌گیری خواهد شد. برای مثال، می‌توان سه سازه زیر را در نظر گرفت.

والد تنبیه‌گر: شدت تجربه خودانتقادی تنبیه‌گرانه، تحقیر خود یا محکوم‌کردن خویشتن در یک بازه زمانی مشخص.

کودک آسیب‌پذیر: شدت احساس‌هایی مانند شرم، بی‌پناهی، طردشدگی، درماندگی یا آسیب‌پذیری در همان بازه.

بزرگسال سالم: میزان توانایی مراجع در ارزیابی واقع‌بینانه موقعیت، پاسخ‌گویی به نیازهای هیجانی، حفظ احترام به خویشتن و انتخاب رفتاری سنجیده.

این تعاریف نمونه‌هایی برای طراحی پژوهش‌اند، نه تعریف‌های جامع و نهایی این حالت‌ها. به‌ویژه، هیچ‌یک از این حالت‌ها را نباید با یک هیجان یا عبارت منفرد یکسان دانست. برای نمونه، احساس گناه واقع‌بینانه پس از آسیب‌رساندن به دیگری لزوماً نشانه فعال‌شدن والد تنبیه‌گر نیست؛ همان‌طور که تعیین حدومرز یا پذیرش مسئولیت نیز به‌خودی‌خود به معنای تنبیه خویشتن نیست.

ابزار سنجش باید با تعریف نظری سازه تناسب داشته باشد و اعتبار و پایایی آن برای جمعیت و کاربرد موردنظر بررسی شود. اگر از پرسش‌های کوتاه روزانه استفاده می‌شود، باید معلوم باشد که این پرسش‌ها چه جنبه‌ای از سازه را می‌سنجند و چه جنبه‌هایی را پوشش نمی‌دهند.

۴.۲. تعیین مقیاس و واحد اندازه‌گیری

فرض کنیم هر حالت با مجموعه‌ای از پرسش‌های کوتاه و تکرارشونده سنجیده شود و نمره‌ای از صفر تا صد دریافت کند؛ صفر نشان‌دهنده کمترین شدت گزارش‌شده و صد نشان‌دهنده بیشترین شدت در مقیاس طراحی‌شده باشد.

این مقیاس صرفاً یک انتخاب فرضی برای توضیح روش است. نمره ۸۰ لزوماً به معنای دو برابر بودن شدت تجربه نسبت به نمره ۴۰ نیست؛ مگر آنکه ویژگی‌های مقیاس و تفسیر کمّی آن چنین برداشتی را پشتیبانی کنند. همچنین، نمره‌های خودگزارشی ممکن است از یادآوری، تمایل به پاسخ‌دهی خاص، فهم پرسش‌ها و شرایط لحظه‌ای تأثیر بپذیرند.

از منظر مدل‌سازی، باید میان سازه روان‌شناختی و نمره مشاهده‌شده تمایز گذاشت. سازه موردنظر مستقیماً قابل‌مشاهده نیست؛ آنچه در اختیار پژوهشگر قرار می‌گیرد، شاخصی از آن است که ممکن است با خطای اندازه‌گیری همراه باشد. در مدل‌های پیشرفته‌تر می‌توان این خطا را به‌صراحت وارد کرد، اما در مدل ساده آموزشی حاضر، برای روشن‌ماندن منطق اصلی، فعلاً آن را نادیده می‌گیریم.

۴.۳. مشخص‌کردن بازه زمانی

برای بررسی پویایی حالت‌ها، اندازه‌گیری یک‌باره معمولاً کافی نیست. اگر هدف فهم این باشد که افزایش والد تنبیه‌گر چه ارتباطی با تغییرات بعدی کودک آسیب‌پذیر دارد، لازم است هر دو متغیر در چندین زمان سنجیده شوند.

برای مثال، مراجع می‌تواند در طول روز و پس از موقعیت‌های مهم، شدت هر سه حالت را گزارش کند. تعداد اندازه‌گیری‌ها، فاصله زمانی میان آن‌ها و طول دوره مشاهده باید متناسب با پرسش پژوهش انتخاب شود. فاصله‌های بسیار طولانی ممکن است تغییرات سریع را از دست بدهند و فاصله‌های بسیار کوتاه نیز می‌توانند به خستگی پاسخ‌دهنده و داده‌های کم‌کیفیت منجر شوند.

مهم‌تر آنکه زمان‌بندی اندازه‌گیری باید با سرعت فرایندی که قرار است بررسی شود تناسب داشته باشد. داده‌های روزانه ممکن است برای برخی تغییرات مناسب باشند، اما برای فرایندی که طی چند دقیقه رخ می‌دهد، اطلاعات کافی فراهم نکنند.

۵. از فرضیه کلامی تا مدل پویایی

مدل‌سازی پویایی (Dynamic Modeling) بر این پرسش متمرکز است که متغیرها چگونه در طول زمان تغییر می‌کنند و تغییرات یک متغیر چه ارتباطی با تغییرات متغیرهای دیگر دارد.

فرضیه اولیه ما چنین است:

«وقتی شدت والد تنبیه‌گر افزایش می‌یابد، کودک آسیب‌پذیر ممکن است افزایش یابد؛ همچنین، افزایش والد تنبیه‌گر ممکن است با کاهش فعالیت بزرگسال سالم همراه باشد.»

برای تبدیل این فرضیه به مدل ریاضی، باید سه مؤلفه را مشخص کنیم.

نخست، متغیرهای حالت (State Variables)؛ یعنی کمیت‌هایی که وضعیت سیستم را در هر زمان توصیف می‌کنند. در مثال ما، شدت سه حالت طرحواره‌ای متغیرهای حالت‌اند.

دوم، پارامترها (Parameters)؛ یعنی کمیت‌هایی که شدت روابط فرض‌شده یا سرعت تغییرات را تعیین می‌کنند. برای مثال، پارامتری می‌تواند بیان کند که در مدل، افزایش والد تنبیه‌گر با چه شدتی با تغییر کودک آسیب‌پذیر همراه است.

سوم، ساختار تغییر؛ یعنی قاعده‌ای که مشخص می‌کند وضعیت فعلی و عوامل مؤثر چگونه به تغییر بعدی منجر می‌شوند. در یک مدل پیوسته، این قاعده می‌تواند با معادلات دیفرانسیل بیان شود؛ در یک مدل گسسته، می‌توان تغییرات بین دو اندازه‌گیری متوالی را مدل کرد.

انتخاب میان این ساختارها به داده‌ها، ماهیت پرسش و مفروضات نظری بستگی دارد. هیچ ضرورتی ندارد که هر مفهوم طرحواره‌ای را از ابتدا با معادلات دیفرانسیل مدل‌سازی کنیم. گاهی یک مدل خطی ساده، یک مدل رگرسیونی طولی یا یک مدل فضای حالت برای شروع مناسب‌تر است.

۶. یک مدل ریاضی ساده برای مثال بالینی

در این بخش، یک مدل آموزشی و فرضی پیشنهاد می‌شود. هدف آن نشان‌دادن منطق ترجمه نظریه به ریاضیات است، نه معرفی یک مدل اعتبارسنجی‌شده از طرحواره‌درمانی.

فرض کنیم شدت والد تنبیه‌گر را با P، شدت کودک آسیب‌پذیر را با V و شدت بزرگسال سالم را با H نشان دهیم. عبارت‌هایی مانند V(t) نشان می‌دهند که مقدار متغیر ممکن است در طول زمان تغییر کند.

در نسخه ساده مدل، فرض می‌کنیم شدت والد تنبیه‌گر در یک بازه کوتاه تقریباً ثابت است و تغییرات دو حالت دیگر به دو فرایند بستگی دارد: بازگشت به سطح معمول فرد و رابطه فرض‌شده با والد تنبیه‌گر.

برای کودک آسیب‌پذیر، مدل فرض می‌کند که شدت آن ممکن است با افزایش والد تنبیه‌گر بیشتر شود؛ در عین حال، اگر محرک ادامه‌دار وجود نداشته باشد، شدت آن ممکن است به‌تدریج به سطح معمول خود بازگردد.

برای بزرگسال سالم، مدل فرض می‌کند که شدت آن ممکن است در ارتباط با افزایش والد تنبیه‌گر کاهش یابد و در غیاب چنین فشاری به سطح معمول خود نزدیک شود.

این روابط را می‌توان با دو معادله دیفرانسیل خطی ساده بازنمایی کرد:

معادله اول:

dV/dt = -λ_V × V + a × P

معادله دوم:

dH/dt = -λ_H × H - b × P

در این معادلات:

  • V نشان‌دهنده انحراف شدت کودک آسیب‌پذیر از سطح مرجع است.

  • H نشان‌دهنده انحراف شدت بزرگسال سالم از سطح مرجع است.

  • P نشان‌دهنده شدت والد تنبیه‌گر در مقیاس تعریف‌شده مدل است.

  • dV/dt نرخ تغییر V در طول زمان است.

  • dH/dt نرخ تغییر H در طول زمان است.

  • λ_V و λ_H پارامترهای سرعت بازگشت متغیرها به سطح مرجع هستند.

  • a پارامتر شدت رابطه فرض‌شده میان والد تنبیه‌گر و تغییر کودک آسیب‌پذیر است.

  • b پارامتر شدت رابطه فرض‌شده میان والد تنبیه‌گر و تغییر بزرگسال سالم است.

این نکته مهم است که V و H در این معادلات باید به‌صورت انحراف از سطح مرجع یا سطح معمول فرد تعریف شوند، نه به‌عنوان نمره خام صفر تا صد. در این مدل، مقدار صفر نشان‌دهنده سطح مرجع تعریف‌شده برای فرد است.

پارامترهای λ_V و λ_H سرعت بازگشت به سطح مرجع را در مدل توصیف می‌کنند. پارامتر a نشان‌دهنده شدت رابطه فرض‌شده میان والد تنبیه‌گر و تغییر کودک آسیب‌پذیر است. پارامتر b نیز شدت رابطه فرض‌شده میان والد تنبیه‌گر و کاهش بزرگسال سالم را مشخص می‌کند. علامت مثبت a و علامت منفی جمله مربوط به b از مفروضات مدل ناشی می‌شوند؛ داده‌ها باید نشان دهند که آیا چنین ساختاری با مشاهدات سازگار است یا خیر.

این مدل چند محدودیت عمدی دارد. نخست، پویایی خود والد تنبیه‌گر را توضیح نمی‌دهد، زیرا آن را در بازه بررسی‌شده ثابت فرض کرده‌ایم. دوم، اثر مستقیم بزرگسال سالم بر دو حالت دیگر را در نظر نمی‌گیرد. سوم، رویدادهای بیرونی، تغییرات خلق، رابطه درمانی و سایر حالت‌های طرحواره‌ای در آن حضور ندارند. چهارم، رابطه‌ها خطی فرض شده‌اند؛ حال آنکه ممکن است شدت اثر در سطوح مختلف متفاوت باشد.

پس این معادلات نه ادعایی درباره ساختار قطعی روان انسان‌اند و نه اثباتی برای روابط علّی در طرحواره‌درمانی. آن‌ها تنها نشان می‌دهند که یک فرضیه بالینی چگونه می‌تواند به مجموعه‌ای از مفروضات روشن و قابل‌آزمون تبدیل شود.

۷. یک مثال عددی و معنای درست آن

برای روشن‌شدن منطق مدل، چند مقدار کاملاً فرضی در نظر بگیریم. فرض کنیم پارامتر بازگشت کودک آسیب‌پذیر به سطح مرجع برابر ۰٫۴، پارامتر رابطه والد تنبیه‌گر با تغییر آن برابر ۰٫۳ و مقدار والد تنبیه‌گر در لحظه موردنظر برابر ۲۰ باشد. همچنین، انحراف کودک آسیب‌پذیر از سطح مرجع در همان لحظه برابر ۱۰ فرض شود.

بر اساس ساختار مدل، سهم بازگشت کودک آسیب‌پذیر به سطح مرجع برابر با منفی ۴ است و سهم رابطه فرض‌شده با والد تنبیه‌گر برابر با ۶. بنابراین، تغییر خالص پیش‌بینی‌شده در آن لحظه برابر با ۲ واحد در واحد زمان مدل خواهد بود.

تفسیر صحیح این نتیجه آن است که اگر مفروضات و پارامترهای مدل درست باشند، مدل در آن وضعیت افزایش لحظه‌ای کودک آسیب‌پذیر را پیش‌بینی می‌کند. این نتیجه به معنای آن نیست که در دنیای واقعی، افزایش والد تنبیه‌گر حتماً کودک آسیب‌پذیر را افزایش می‌دهد؛ زیرا مقادیر و رابطه‌ها در این مثال برای آموزش انتخاب شده‌اند و از داده‌های تجربی برآورد نشده‌اند.

همچنین، مقدار تغییر پیش‌بینی‌شده بدون تعیین واحد زمان قابل تفسیر کامل نیست. اگر زمان بر حسب ساعت اندازه‌گیری شود، معنای عدد با حالتی که زمان بر حسب دقیقه تعریف شده است تفاوت خواهد داشت. ازاین‌رو، تعریف واحد زمان، مقیاس متغیرها و نحوه برآورد پارامترها بخش جدایی‌ناپذیر هر مدل واقعی‌اند.

مثال عددی نشان می‌دهد که فایده ریاضی در این مرحله، پیش‌گویی قطعی رفتار مراجع نیست؛ بلکه آشکارکردن پیامدهای مفروضات است. مدل روشن می‌کند که چه چیزی باید برقرار باشد تا یک پیش‌بینی مشخص به دست آید.

۸. چگونه مدل را با داده‌های واقعی ارزیابی کنیم؟

مدلی که از نظریه بالینی استخراج شده است، تنها زمانی ارزش تجربی پیدا می‌کند که با داده‌های مناسب روبه‌رو شود. این ارزیابی را می‌توان در چند گام انجام داد.

۸.۱. طراحی اندازه‌گیری‌های مکرر

در مرحله نخست، باید داده‌هایی گردآوری شوند که تغییرات درون‌فردی را نشان دهند. برای مثال، یک مراجع می‌تواند طی چند هفته، در زمان‌های مشخص یا پس از موقعیت‌های معنادار، شدت حالت‌های موردنظر را گزارش کند. اگر امکان‌پذیر باشد، اطلاعات مربوط به رویدادهای محرک، خواب، فشارهای روزمره و مداخلات درمانی نیز ثبت می‌شوند.

در این مرحله باید بار پاسخ‌دهی، محرمانگی، رضایت آگاهانه و احتمال افزایش خودنظارتی تنش‌زا در نظر گرفته شوند. اندازه‌گیری مکرر صرفاً به دلیل تولید داده بیشتر مفید نیست؛ داده‌ها باید به پرسش مشخصی پاسخ دهند و کیفیت کافی داشته باشند.

۸.۲. برآورد پارامترها

در مرحله دوم، پارامترهای مدل از داده‌ها برآورد می‌شوند. اگر تغییرات کودک آسیب‌پذیر در طول زمان به‌طور منظم با مقدار قبلی والد تنبیه‌گر همراه باشند، این الگو ممکن است از وجود رابطه فرض‌شده پشتیبانی کند. بااین‌حال، برآورد پارامتر به انتخاب مدل، کیفیت اندازه‌گیری، فاصله زمانی مشاهدات و متغیرهای حذف‌شده حساس است.

به همین دلیل، لازم است عدم‌قطعیت برآوردها نیز گزارش شود. یک مقدار نقطه‌ای به‌تنهایی نشان نمی‌دهد که اندازه اثر با چه دقتی تخمین زده شده یا چه دامنه‌ای از مقادیر با داده‌ها سازگار است.

۸.۳. بررسی پیش‌بینی‌های مدل

مدل نباید فقط داده‌هایی را که برای برآورد پارامترهایش به کار رفته‌اند، بازتوصیف کند. باید بررسی شود که آیا می‌تواند داده‌های مشاهده‌نشده یا بخش دیگری از دوره زمانی را نیز به‌درستی پیش‌بینی کند. این کار به ارزیابی توان پیش‌بینی مدل کمک می‌کند.

اگر مدل در پیش‌بینی شکست بخورد، باید بررسی کرد که آیا رابطه خطی نامناسب است، متغیری مهم حذف شده، پارامترها در طول زمان تغییر کرده‌اند یا اندازه‌گیری‌ها برای نمایش فرایند کافی نبوده‌اند.

۸.۴. مقایسه مدل‌های رقیب

یکی از مهم‌ترین آزمون‌ها، مقایسه مدل پیشنهادی با توضیح‌های جایگزین است. برای نمونه، می‌توان دست‌کم چهار فرضیه را مقایسه کرد:

  • والد تنبیه‌گر تغییرات بعدی کودک آسیب‌پذیر را پیش‌بینی می‌کند.

  • کودک آسیب‌پذیر تغییرات بعدی والد تنبیه‌گر را پیش‌بینی می‌کند.

  • هر دو حالت عمدتاً به یک رویداد بیرونی مشترک پاسخ می‌دهند.

  • رابطه میان آن‌ها به سطح بزرگسال سالم یا ویژگی‌های موقعیت وابسته است.

اگر مدل پیچیده‌تر پیش‌بینی بهتری نداشته باشد، افزودن پارامترهای بیشتر ضرورت علمی روشنی ندارد. از سوی دیگر، اگر مدل ساده نتواند الگوهای مشاهده‌شده را توضیح دهد، اصلاح آن باید با دلیل نظری و شواهد همراه باشد، نه صرفاً با افزودن پیچیدگی.

۸.۵. تمایز تغییرات درون‌فردی از تفاوت‌های بین‌فردی

تفاوت‌های بین‌فردی (Between-Person Differences) و تغییرات درون‌فردی (Within-Person Changes) دو پرسش متفاوت را پاسخ می‌دهند. اینکه افرادی با میانگین بالاتر در خودانتقادی، به‌طور متوسط آسیب‌پذیری بیشتری گزارش می‌کنند، لزوماً به این معنا نیست که در یک فرد مشخص، هر افزایش خودانتقادی موجب افزایش بعدی آسیب‌پذیری می‌شود.

پژوهش هماکر، کویپر و گراسمن درباره مدل پنل متقاطع نشان می‌دهد که برخی مدل‌های طولی متداول ممکن است تفاوت‌های پایدار میان افراد را از فرایندهای درون‌فردی به‌درستی جدا نکنند. بنابراین، انتخاب مدل باید با نوع پرسش و ساختار داده‌ها متناسب باشد.

این نکته برای طرحواره‌درمانی اهمیت بالینی دارد: رابطه‌ای که در میانگین گروهی مشاهده می‌شود، نباید بدون آزمون به فرمول شخصی‌سازی‌شده برای هر مراجع تبدیل شود. در برخی افراد ممکن است خودانتقادی پیش‌درآمد آسیب‌پذیری باشد؛ در برخی دیگر، آسیب‌پذیری ابتدا پدیدار شود؛ و در برخی، هر دو حالت در پاسخ به عامل دیگری تغییر کنند.

۹. مدل ریاضی چه چیزی را اثبات نمی‌کند؟

مدل‌سازی ریاضی می‌تواند استدلال را دقیق‌تر کند، اما چند خطای تفسیری همچنان ممکن است رخ دهد.

نخست، رابطه آماری معادل رابطه علّی نیست. اگر دو حالت در داده‌ها همبسته باشند، هنوز نمی‌دانیم آیا یکی دیگری را ایجاد می‌کند، هر دو از عامل سومی تأثیر می‌پذیرند یا رابطه‌ای پیچیده‌تر میان آن‌ها برقرار است.

دوم، برازش خوب به معنای درستی سازوکار نیست. ممکن است دو مدل متفاوت داده‌های موجود را به یک اندازه خوب توضیح دهند، اما درباره فرایند روان‌شناختی زیربنایی ادعاهای متفاوتی داشته باشند. برای تمایز آن‌ها باید پیش‌بینی‌های متمایزکننده طراحی شود.

سوم، عددهای دقیق لزوماً دانش دقیق تولید نمی‌کنند. یک مدل ممکن است پارامترهایی با چند رقم اعشار ارائه دهد، اما اگر اندازه‌گیری‌ها نامعتبر باشند یا مفروضات مدل ناموجه باشند، این دقت ظاهری است.

چهارم، مرکزیت آماری یک حالت، به‌خودی‌خود هدف درمانی بهینه را مشخص نمی‌کند. پژوهش شبکه‌ای درباره حالت‌های طرحواره‌ای می‌تواند روابط آماری میان آن‌ها را روشن کند، اما نتیجه‌گیری درباره اینکه مداخله بر کدام حالت بیشترین اثر درمانی را خواهد داشت، به شواهد تکمیلی نیاز دارد.

پنجم، مدل نباید جایگزین صورت‌بندی بالینی شود. ممکن است مراجع واژه‌های مربوط به یک حالت را به‌کار ببرد، اما تجربه او با تعریف عملیاتی پژوهشگر کاملاً منطبق نباشد. مصاحبه بالینی، مشاهده، زمینه زندگی، معنای شخصی تجربه و قضاوت حرفه‌ای همچنان اهمیت دارند.

۱۰. از مدل ساده به مدل‌های غنی‌تر

مدل ساده این مقاله برای آموزش منطق صورت‌بندی ریاضی طراحی شده است. اگر داده‌ها و پرسش پژوهش اجازه دهند، می‌توان آن را به ساختارهای پیچیده‌تری گسترش داد.

برای مثال، مدل می‌تواند تغییرات خود والد تنبیه‌گر را نیز در نظر بگیرد؛ اثر بزرگسال سالم را بر سایر حالت‌ها وارد کند؛ یا فرض کند که شدت رابطه‌ها در موقعیت‌های مختلف متفاوت است. همچنین، می‌توان رویدادهای بیرونی را به‌عنوان متغیرهای توضیحی وارد کرد یا میان وضعیت مشاهده‌شده و سازه نهفته تمایز گذاشت.

در برخی پرسش‌ها، مدل‌های شبکه‌ای (Network Models) برای بررسی روابط میان چند حالت مناسب‌اند. در پرسش‌های دیگر، مدل‌های فضای حالت (State-Space Models) می‌توانند برای جداکردن وضعیت روان‌شناختیِ در حال تغییر از خطای اندازه‌گیری مفید باشند. اگر هدف بررسی الگوهای غیرخطی، نوسان یا تغییر ناگهانی باشد، مدل‌های پویایی غیرخطی (Nonlinear Dynamical Models) نیز ممکن است مطرح شوند؛ البته فقط زمانی که داده‌ها، نظریه و طراحی پژوهش چنین پیچیدگی‌ای را توجیه کنند.

اصل راهنما این است که پیچیدگی مدل باید از پرسش پژوهش و شواهد ناشی شود، نه از جذابیت ریاضی آن. برای هر پارامتر تازه باید روشن باشد که چه معنای نظری دارد، چگونه برآورد خواهد شد و چه پیش‌بینی تازه‌ای به مدل می‌افزاید.

۱۱. پیامدهای روش‌شناختی برای پژوهش و کار بالینی

برای طرحواره‌درمانگر علاقه‌مند به مدل‌سازی ریاضی، مهم‌ترین دستاورد این رویکرد تغییر در شیوه پرسیدن سؤال است. به‌جای پرسش کلی «آیا والد تنبیه‌گر کودک آسیب‌پذیر را فعال می‌کند؟»، می‌توان پرسید: «در چه موقعیت‌هایی، با چه فاصله زمانی، برای چه افرادی و پس از کنترل چه عوامل دیگری، تغییر در تجربه والد تنبیه‌گر با تغییر بعدی کودک آسیب‌پذیر همراه است؟»

این پرسش دقیق‌تر، مسیر پژوهش را نیز روشن‌تر می‌کند. لازم است سازه‌ها به‌درستی تعریف شوند، داده‌های مناسب گردآوری شوند، مدل‌های رقیب از پیش مشخص شوند و معیارهای ارزیابی متناسب با هدف انتخاب شوند.

در عین حال، مدل‌سازی نباید به ابزار برچسب‌زنی تازه تبدیل شود. اگر مدل نشان دهد که یک حالت در داده‌های فردی با تغییرات دیگر مرتبط است، این نتیجه مجوزی برای تشخیص‌گذاری یا توصیه خودکار درمانی نیست. کاربرد بالینی مستلزم بررسی کیفیت شواهد، تفاوت‌های فردی، ترجیح‌های مراجع، زمینه فرهنگی و پیامدهای احتمالی مداخله است.

همچنین، هر مدل باید محدودیت دامنه اعتبار خود را روشن کند. مدلی که بر داده‌های گروهی خاص، در یک بافت درمانی مشخص و با ابزار اندازه‌گیری معینی ساخته شده است، لزوماً برای جمعیت‌های دیگر یا همه موقعیت‌های بالینی معتبر نیست.

۱۲. نتیجه‌گیری

ترجمه مفاهیم نظری به صورت‌بندی ریاضی، تلاشی برای دقیق‌ترکردن نظریه بالینی است، نه تبدیل روان انسان به مجموعه‌ای از اعداد. در این فرایند، یک گزاره کلامی به متغیرهای قابل‌اندازه‌گیری، روابط فرض‌شده، پیش‌بینی‌های روشن و آزمون‌های تجربی تبدیل می‌شود. ارزش این کار در آن است که مفروضات پنهان را آشکار می‌کند، توضیح‌های رقیب را قابل‌مقایسه می‌سازد و امکان می‌دهد نظریه در مواجهه با داده‌ها اصلاح شود.

مثال والد تنبیه‌گر، کودک آسیب‌پذیر و بزرگسال سالم نشان می‌دهد که حتی یک مدل ساده نیز به تصمیم‌های مهمی درباره تعریف سازه‌ها، سطح مرجع، واحد زمان، شکل رابطه‌ها و نقش متغیرهای حذف‌شده وابسته است. بنابراین، معادلات نباید فراتر از مفروضات و شواهدشان تفسیر شوند.

برای طرحواره‌درمانی، مسیر علمیِ امیدوارکننده آن است که مدل‌سازی ریاضی در خدمت روشن‌ترکردن پرسش‌های بالینی، طراحی پژوهش‌های طولی، سنجش تفاوت‌های فردی و مقایسه تبیین‌های رقیب قرار گیرد. مدل خوب مدلی نیست که بیشترین پیچیدگی را دارد؛ مدلی است که با کمترین مفروضات غیرضروری، پرسش مشخصی را به‌طور شفاف صورت‌بندی می‌کند و در معرض آزمون جدی قرار می‌گیرد.

منابع

۱. Aalbers, G., Engels, T., Haslbeck, J. M. B., Borsboom, D., & Arntz, A. (2021). The network structure of schema modes. Clinical Psychology & Psychotherapy, 28(5), 1065–1078. https://doi.org/10.1002/cpp.2577

۲. Epskamp, S., Borsboom, D., & Fried, E. I. (2018). Estimating psychological networks and their accuracy: A tutorial paper. Behavior Research Methods, 50(1), 195–212. https://doi.org/10.3758/s13428-017-0862-1

۳. Epskamp, S., & Fried, E. I. (2018). A tutorial on regularized partial correlation networks. Psychological Methods, 23(4), 617–634. https://doi.org/10.1037/met0000167

۴. Hamaker, E. L., Kuiper, R. M., & Grasman, R. P. P. P. (2015). A critique of the cross-lagged panel model. Psychological Methods, 20(1), 102–116. https://doi.org/10.1037/a0038889

۵. Molenaar, P. C. M. (2004). A manifesto on psychology as idiographic science: Bringing the person back into scientific psychology, this time forever. Measurement: Interdisciplinary Research and Perspectives, 2(4), 201–218. https://doi.org/10.1207/s15366359mea0204_1

۶. Young, J. E., Klosko, J. S., & Weishaar, M. E. (2003). Schema Therapy: A Practitioner’s Guide. Guilford Press.

۷. De Felice, G. (2024). Dynamical systems research in psychotherapy: A comprehensive review of empirical results and their clinical implications. Systems, 12(2), 54. https://doi.org/10.3390/systems12020054

۸. Baker, A. Z., Peluso, P. R., Freund, R., Diaz, P., & Ghaness, A. (2022). Using dynamical systems mathematical modeling to examine the impact emotional expression on the therapeutic relationship: A demonstration across three psychotherapeutic theoretical approaches. Psychotherapy Research, 32(2), 223–237. https://doi.org/10.1080/10503307.2021.1921303

یادداشت روش‌شناختی: مدل ریاضی ارائه‌شده در این مقاله، نمونه‌ای آموزشی و فرضی است. منابع یادشده از مبانی نظری طرحواره‌درمانی، روش‌های مدل‌سازی روان‌شناختی و ضرورت احتیاط در تفسیر داده‌های طولی و شبکه‌ای پشتیبانی می‌کنند؛ اما نباید آن‌ها را شواهدی تلقی کرد که معادلات پیشنهادی این مقاله را به‌طور مستقیم تأیید کرده‌اند.

طرحواره درمانیرواندرمانی
۰
۰
فرزاد ناصحی
فرزاد ناصحی
کارشناسی ارشد مشاوره خانواده و علاقمند به مباحث بین‌رشته‌ای
روانشناسان
روانشناسان
مطالب تخصصی برای مشاوران و روانشناسان
شاید از این پست‌ها خوشتان بیاید