ترجمة: أ. نورهان مشي
المدخل الإكلينيكي والحاسوبي لمنظومة الحوسبة الوجدانية للأفراد
أولاً: قصور التعبير اللفظي وأهمية الرصد البصري البديل
يُعرَّف اضطراب طيف التوحد عصبياً ونمائياً بأنه حالة مركبة تتسم بوجود عوائق مستقرة ومستمرة في مهارات التواصل الاجتماعي والتعبير عن الانفعالات، حيث تبدأ معالمها السريرية في البروز والتشكل منذ الطفولة المبكرة. وتُمثل عوائق النطق والاضطرابات اللغوية المصاحبة للتوحد واحداً من أشد التحديات العيادية حرجاً؛ إذ تحظر على الأفراد إمكانية ترجمة حالاتهم الوجدانية والانفعالية الداخلية ومشاعرهم عبر قنوات التواصل اللفظي التقليدية المعتادة. وتجمع الأدبيات السلوكية على أن الاستدلال والتقصي الباكر للسمات الانفعالية يمثل الحجر الأساس لتوجيه خطط الرعاية الشاملة وضمان استقرار النمو النفسي للأفراد.
وتصطدم أساليب التقييم السريري الكلاسيكية بمعوقات متعددة؛ نظراً لارتهانها بالملاحظة المباشرة الطويلة، أو تقارير الأهل الذاتية التي تشوبها نسب تحيز مرتفعة وتفتقر للاتساق الإجرائي. من هنا، يبرز دور “الإنتاج التعبيري والرسومات الفنية للأطفال” (Children’s\ drawings) كقناة تفاعلية بديلة، آمنة، وغير اقتحامية، يعبر من خلالها الطفل ذو التوحد عن مكنوناته النفسية بعيداً عن قيود المشاههة. وتتحرك ممارسات “الحوسبة الوجدانية” (Affective\ computing) لتهجين أدوات علم النفس التربوي مع الذكاء الاصطناعي، بهدف تحويل هذه الرسومات إلى بيانات رقمية قابلة للرصد والتحليل الآلي الدقيق، مما يدعم دمج الأفراد ويرتقي بجودة حياتهم.
ثانياً: المعمارية الهندسية لمسارات نقل التعلم (Transfer Learning)
لتلافي عوائق صغر حجم العينات وصعوبة الحصول على كميات هائلة من رسومات الأفراد ذوي التوحد المشخصين عيادياً، اعتمد البحث على تفعيل “خوارزميات نقل التعلم المعرفي المسبق” (Transfer\ learning) عبر توظيف شبكات عصبية عميقة جرى تدريبها مسبقاً على ملايين الصور المعيارية (ImageNet)، ثم إعادة تطويعها ومواءمتها للتعرف على الأنماط التعبيرية التجريدية لأطفال التربية الخاصة.
وخضع الأداء الفني والبرمجي للاختبار والمقارنة الصارمة تحت بروتوكول تجريبي موحد ومحمي يتألف من ثلاث هندسات شبكية متمايزة:
شبكة VGG16 المعمارية: نموذج شبكي بالغ العمق يتمتع بسعة تمثيلية فائقة للبيانات البصرية، ولكنه يستهلك موارد حاسوبية ضخمة.
شبكة MobileNetV2 الخفيفة: نموذج هندسي فائق الخفة جرى تحسينه برمجياً ليلائم تطبيقات الهواتف الذكية وسياقات الرصد اللحظي في الوقت الحقيقي.
شبكة EfficientNetB0 المتوازنة: نموذج متطور يستعمل استراتيجية المواءمة المركبة لضبط عمق وعرض ودقة الشبكة متزامنة لتحقيق الكفاءة القصوى.
المرتكزات الإجرائية لبروتوكول هندسة البيانات والفرز النفسي
تأسست السيرورة الحسابية والعيادية للمشروع على مرحلتين تنظيميتين صارمتين:
أولاً: صياغة وتصنيف مصفوفة البيانات الانفعالية المقننة
اشتمل الوعاء البحثي على تجميع مصفوفة بيانات صلبة ضمت (1,472) لوحة ورسماً تعبيرياً حراً للأطفال الأفراد. وجرى إخضاع اللوحات لعمليات ترميز وتصنيف وفحص دقيقة من قِبل لجان تخصصية من الأخصائيين النفسيين وخبراء علم نفس الطفل لفرزها عيادياً ضمن خمس حالات وجدانية انفعالية محورية تحكم الطفولة المبكرة: الابتهاج والسرور، الحزن والكمون الغضب والتهييج الرعب والفزع، والشعور بعدم الأمان والاهتزاز النفسي وتنعكس هذه الحالات جزيئياً وحركياً في اللوحة عبر محددات ملموسة مثل: كثافة وضغط ضربات القلم، طبيعة وتوزيع الألوان المستعملة، ونمط التوزيع المكاني والرموز التعبيرية داخل الفضاء الفيزيائي للورقة.
ثانياً: استراتيجيات التوليد والتعزيز الاصطناعي للبيانات (Data Augmentation)
لمواجهة مشكلة “تباين التوزيع الإحصائي لفئات البيانات” (Class\ imbalance) الناتجة عن زيادة أعداد لوحات فئة الابتهاج مقارنة بالفئات الانفعالية الأخرى، تم تفعيل استراتيجيات التعزيز الاصطناعي للبيانات (Data\ augmentation) بأسلوب محايد يحمي المحتوى الدلالي للرسم.
وتضمن البروتوكول إجراء مواءمات هندسية رشيقة شملت: التدوير العشوائي المحدود للّوحات ، وتعديل نسب التكبير الصغير (pm5%)، والإزاحة المكانية الأفقية والعمودية (pm5%). وتم الحظر البات لخاصية الانعكاس المرآتي الأفقي (Horizontal\ flipping)؛ نظراً لأن الاتجاه الحركي والمكاني للرسم يحمل دلالات نفسية وانفعالية حرجة يعمد الأخصائي لتفكيكها، ولا يجوز تشويهها خوارزمياً.
عرض وتفنيد المؤشرات الإحصائية وكفاءة الأداء التشخيصي
خضعت الشبكات الثلاث للفرز والتقييم الرياضي المقارن عبر فحص منحنيات الدقة ومقارنتها بـ “مصفوفات التدقيق والفرز التشخيصي للخوارزميات” (Confusion\ Matrices) على عينات الفحص المستقلة (Testing\ Set) المسحوبة بنسبة 25%، وسجلت المعطيات المخرجات التالية:
التحليل الرياضي المقارن لكفاءة الشبكات العصبية الوجدانية
أداء شبكة EfficientNet النموذجية: تصدرت المنصة محققة أعلى نسبة دقة إجمالية للفرز بلغت 62.77\% مع كفاءة تعميم واستقرار ممتازة على البيانات الجديدة. وأظهرت مصفوفة التدقيق التابعة لها (المبينة في الرسم 8) قدرة فائقة على الفرز والتمييز الصريح لفئات الابتهاج والرعب بدقة بلغت 86 استجابة صحيحة.
أداء شبكة MobileNet المستدامة: سجلت المراتب الثانية محققة نسبة دقة بلغت 59.24\%، وتفردت إحصائياً بتحقيق أدنى معدل خسارة وهدر برمجية بلغت (1.1821). وأثبتت مصفوفة الفرز الخاصة بها (الرسم 6) استقراراً أفقياً متوازناً يجعلها النموذج المثالي للتطبيق الفوري عبر بيئات الهواتف المحمولة.
انهيار أداء شبكة VGG16 التقليدية: سجلت الشبكة انخفاضاً حاداً ومعدل دقة متدني للغاية وقف عند حدود 46.20% فقط بعد مرور 20 حقبة تدريبية كاملة. ويعود هذا الفشل والخسارة المترولوجية (المبينة في المنحنى رقم 3 والمصفوفة رقم 7) إلى ضخامة حجم البارامترات والبروتينات البرمجية المعقدة للشبكة، مما يوقعها في معضلة “الجمود والقصور التدريبي” وعجز التكيف مع عينات بيانات أطفال التوحد المركبة.
المناقشة والتفسير النفس-سلوكي والتقني للمخرجات
تطرح الدراسة تفسيراً سيكولوجياً وحاسوبياً معقداً يفكك طبيعة الأخطاء والارتباكات الخوارزمية المسجلة بين الحالات الانفعالية للأفراد:
أولاً: تداخل الظلال البصرية وحتمية دمج الفحص الكيفي
يكشف التحليل الدقيق لمصفوفات التدقيق والفرز عن وقوع الخوارزميات (حتى الأكثر كفاءة منها مثل EfficientNet) في أخطاء وخلط تفاعلي متكرر بين فئتي الحزن والشعور بعدم الأمان. ويُفسر هذا الارتباك الخوارزمي عيادياً بـ “التداخل والتشابه البنيوي للملامح والمؤشرات البصرية للرسم لدى طفل التوحد“؛ فالطفل عند معايشة الحزن أو الاهتزاز النفسي يعمد لاستخدام نفس رتب الألوان القاتمة الباردة، ويطلق شحنات حركية ذات خطوط باهتة ومتقطعة، مع تركيز دمج الرسوم في زوايا محددة من الورقة.
يثبت هذا التداخل الذاتي أن الحوسبة الوجدانية لا تسعى لإقصاء الأخصائي البشري، بل تؤكد حتمية “التآزر والتحالف الأفقي بين الذكاء الاصطناعي والخبرة الإكلينيكية الكيفية”؛ حيث تعمل الخوارزمية كمنظومة رصد آلية أولية محايدة، يتولى الأخصائي التربوي فحص مخرجاتها لضمان المواءمة وتفادي التشخيص الخاطئ.
ثانياً: التطبيق العيادي والدمج داخل المنصات المساعدة (تطبيق PandaSays)
تتبلور القيمة العيادية والاجتماعية الكبرى لنتائج هذا البحث في دمج واعتماد النموذج الشبكي المتفوق EfficientNet بصفة تفاعلية حية داخل فضاء تطبيق “باندا سايز” (PandaSays)؛ وهو أداة ومساعد رقمي تكنولوجي متطور صمم خصيصاً لمرافقة ودعم الأفراد المتعلمين ذوي الاحتياجات الخاصة والتوحد والتكفل بهم داخل المدارس والمنازل.
ويتلقى التطبيق رسومات الطفل الحرة ليرسل فوراً تقريراً استدلالياً دقيقاً للأم والمعلمة يشرح ماهية الحالة الانفعالية الحالية للفرد، مما يسمح بإنقاذ قنوات التواصل، وتحفيز استجابتهم التكيفية، وحمايتهم من معضلات Désengagement والانعزال المعرفي.
الموجهات والمحددات الاستراتيجية لتطوير التطبيقات الوجدانية الدامجة
تقدم هذه الأطروحة الرومانية وثيقة عمل استراتيجية لمهندسي البرمجيات والأخصائيين السلوكيين لتطوير أدوات الحوسبة الوجدانية الشاملة وحمايتها من القصور التقني:
اعتماد النماذج الهندسية المتوازنة رشيقة التكليف حاسوبياً : إلزام المطورين ومصممي تقنيات ذكاء الأطفال الاصطناعي بتبني شبكات المواءمة المركبة المقننة (مثل EfficientNet)؛ نظراً لثبات قدرتها على التقاط وتفكيك الملامح البصرية التجريدية المعقدة لرسومات أفراد التوحد بأعلى نسب دقة، دون التسبب في إرهاق المعالجات أو إبطاء زمن رد الفعل اللحظي للتطبيقات المساعدة.
تثبيت حظر ممارسات الانعكاس المرآتي عند معالجة لوحات الأطفال : حظر توظيف تقنيات الـ Horizontal flipping تداولياً أثناء عمليات تهيئة وتوليد البيانات؛ والوعي بأن التموضع المكاني الحركي للرسم (يميناً أو يساراً) يمثل ماركراً انفعالياً عيادياً يعكس طريقة تفاعل الفرد مع واقعه، ولا يجوز تشويهه خوارزمياً لضمان مصداقية التنبؤ.
الهندسة والتحول الكامل نحو البناء الطولاني متعدد الوسائط (Multimodal) : توصي الدراسة الأبحاث المستقبلية بعدم الاكتفاء بالرصد البصري الثابت للّوحات، والانتقال نحو هندسة أنظمة هجينة متعددة الوسائط تعمد إلى دمج تحليل الرسم متزامناً مع قياس المؤشرات السلوكية الحركية الحية للطفل (مثل رصد وتيرة حركات العين $Eye-tracking$، وقياس ضغط اليد اللحظي على الشاشات اللمسية أثناء الرسم)، مما يضمن بناء بروفيل انفعالي بالوجاهة والدقة العيادية الفائقة للأفراد ذوي التوحد
المرجع :
Comparative Evaluation of Machine Learning Algorithms for Affective State Recognition from Children’s Drawings
https://arxiv.org/pdf/2601.18414
