الصدق البنائي لدرجات مقياس الذکاء العاطفي لطلاب الجامعة باستخدام طريقة تحليل الرسم البياني الاستکشافي

مقدمة الدراسة:

        الذکاء العاطفي هو القدرة على فهم واستخدام وإدارة عواطفک بطرق إيجابية لتخفيف التوتر والتواصل بشکل فعال والتعاطف مع الآخرين والتغلب على التحديات ونزع فتيل الصراع. يساعدک الذکاء العاطفي على بناء علاقات أقوى، والنجاح في المدرسة والعمل، وتحقيق أهدافک المهنية والشخصية. ويمکن أن يساعدک أيضًا على التواصل مع مشاعرک، وتحويل النية إلى أفعال، واتخاذ قرارات مستنيرة بشأن ما يهمک أکثر.

وقد رکز جولمان Goleman. (1995) في نظريته على الذکاء العاطفي باعتباره أساسا لبناء القدرات العقلية والنفسية للفرد، حيث أوضح أن الذکاء العاطفي أو الوجداني له إسهاماته الأصيلة على الصعيد المعرفي والاجتماعي للفرد ومن ثم تنسب إليه نجاحات الفرد المتعددة سواء أکانت على صعيد التحصيل الأکاديمي أم الأداء المهني أم الحياة الاجتماعية.

والاختلاف الأٍساسي في دراسة الذکاء العاطفي ترجع الي دراسة الذکاء العاطفي کقدرة أو دراسته کسمة (Petrides & Furnham, 2000)، ويتعلق نموذج القدرة کما ورد فيMayer and Salovey (1997)  بقدرة الفرد على معالجة المعلومات العاطفية واستخدامها لاستکشاف البيئة الاجتماعية، ويتألف من ثلاث مکونات الإدراک والتعبير عن المشاعر، فهم العواطف وتحليلها، استخدام العاطفة لتسهيل الفکر. ووفقًا لهذا النموذج، تقيس اختبارات الأداء القصوى قدرة الذکاء العاطفي، حيث يقوم الناس بتقييم المحتوى العاطفي للمثيرات المختلفة (على سبيل المثال، الوجوه)، وحل المشکلات التي تنطوي على الفهم العاطفي والمنطق.

ووفقًا لـ Petrides (2010,137) “لا يمکن أن تکون التجربة العاطفية متواجدة بشکل مصطنع، وقياس الطبيعة الذاتية للعواطف من خلال اختبارات الأداء القصوى "ذات فائدة علمية محدودة".

لذلک هناک تصور بديل للذکاء العاطفي بوصفة سمة وليس قدرة (Petrides, 2010, 2011) ، وتعرف سمات الذکاء العاطفي بأنها : مجموعة من التصورات الذاتية العاطفية الموجودة في مستويات الشخصية الدنيا. (Petrides et al., 2007, 26)

وانتشرت الدراسات التي تناولت الذکاء العاطفي في الفترة الأخيرة لما لها من العديد من التطبيقات في العديد من العلوم مثل علم الوراثة السلوکية، العيادات العلاجية، دراسات التکيف، العلاقات العاطفية، الصحة والتعليم والتنظيم (O'Connor et al., 2019)

وفي الجانب التعليمي يعتمد التدريس عالي الجودة على قدرة المعلمين على توضيح المشاعر وفهمها والتفکير فيها (McCaughtry, 2004; Owens & Ennis, 2005)، وبالتالي فان الذکاء العاطفي يعتبر قلب العملية التعليمية.

وتعتبر المقاييس التي ترکز على سمات الذکاء العاطفي الأوسع نطاقا لأنها ترکز على السمات أو السلوکيات المتضمنة في الشخصية والتي يمکن ان تؤثر على الأداء النموذجي (Petrides, Mikolajczak, Mavroveli, Sanchez-Ruiz, Furnham, & Perez-Gonzalez, 2016)

وفي المجال التعليمي ترتبط سمة الذکاء العاطفي مع الرضا الوظيفي والانجاز (Brackett, Palomera, Mojsa, Reys, & Salovey,2010) ، الأداء الإيجابي في التعلم الجامعي (Perera & DiGiacomo, 2013)  ، فعالية التدريس (Asrar-ul-Haq, Anwar, & Hassan, 2017) ، ، حالات أقل من الإرهاق (Cohen & Abedallah, 2015) ، والرفاهية الشخصية (Merida-Lopez & Extremera, 2017)

وبصرف النظر عن کيفية قياس الذکاء العاطفي، فإن المعلمين القادرون على تنظيم وتحديد واستخدام العواطف (أي مشاعرهم، وتجاه الآخرين) بشکل صحيح أثناء حل المشکلات واتخاذ القرارات، قد يتمتعون بمستويات أعلى من الرضا والرفاهية (Zeidner, Matthews, & Roberts, 2012)، والتي تؤثر بدورها علي جودة التعليم الذي يقدمونه، بما يتجاوز الفوائد على المستوى الشخصي.

أحد أکثر المقياس استخدامًا على نطاق واسع لتقييم الذکاء العاطفي نظرًا لإيجازها وتوافرها في المجال العام هو مقياس سکوت للتقرير الذاتي للذکاء العاطفي (SSREI: Schutte et al., 1998)  Schutte Self-Report Emotional Intelligence Scale، وهو عبارة عن تقرير ذاتي مکون من(33) بندا تم تطويره بناءً على نموذج Salovey and Mayer’s (1990) ، ويشمل ثلاث جوانب (أ) التقييم والتعبير عن العواطف (الذات وغيرها) ؛ (ب) تنظيم العواطف (الذات والاخرين)؛ و (ج) الاستفادة من المشاعر في حل المشکلات (التخطيط المرن والتفکير الإبداعي ، إعادة توجيه الانتباه والتحفيز).

وقد قامت العديد من الدراسات بفحص الخصائص السيکومترية لـمقياس الذکاء العاطفي SSREI. ومع ذلک، لا تزال البنية العاملية للمقياس غير متسقة وغير واضحة، وتتراوح من ثلاثة إلى خمسة عوامل (Perez, Petrides, &Furnham, 2005)، وقد اشارت دراسة Lane et al. (2009) إلى دعم جزئي لنموذج عامل عام من الدرجة الثانية، ودعم إضافي لنموذج الخمسة عوامل، وتتضمن النتائج أيضا بنية أحادية الأبعاد (Schutte et.al., 1998) ، بنية ثلاثية الأبعاد (Naeem & Muijtjens, 2015)  ، بنية رباعية الأبعاد  (Petrides & Furnham 2000; Saklofske, Austin & Minski 2003; Arunachalam & ;Palanichamy2017) ، بنية خماسية الأبعاد تتقارب الي عامل عام  من الدرجة الثانية للذکاء العاطفي (Ng et al., 2010, Gong & Paulson, 2016) ، وبنية سداسية الأبعاد تم تقليلها إلى أربعة أبعاد (Gignac et al., 2005). دعمت نتائج دراسة Saklofske, Austin and Minski(2003)  بشکل وثيق النتائج التي حصل عليها Petrides and Furnham(2000).وتوصلت دراسة Adamakis and Dania,  (2021) الي بنية عامليه خماسية الابعاد تتقارب الي عامل عام من الدرجة الثانية بعد حذف العبارات العکسية أو تعديلها .

وعلى الصعيد العربي توصلت دراسة جلول أحمد والسعيد نصرات (2018) الي بنية عاملية رباعية الابعاد، وبالرغم من ذلک، هناک حاجة إلى مزيد من الدراسات للتحقق من الخصائص السيکومترية لمقياس سکوت للذکاء العاطفي نظرا لشعبية هذا المقياس، وأهمية وجود مقاييس مختلفة للذکاء العاطفي (Di Fabio & Saklofske, 2014a, 2014b)

وهذا ما تهدف اليه الدراسة الحالية وذلک باستخدام أحدث طرق التحليل العاملي الاستکشافي وهي طريقة تحليل الرسم البياني الاستکشافيExploratory Graph Analysis(EGA)  وهي من أدق الطرق المستخدمة حديثا في التحليل العاملي الاستکشافي للبنود،  وتستخدم هذه الطريقة في تقييم کيفية ترابط البنية والابعاد التي تنشأ من البيانات التجريبية ، و طريقة تحليل الرسم البياني الاستکشافي (EGA) تم تطويرها مؤخرًا لتقدير عدد الأبعاد في البيانات متعددة المتغيرات باستخدام نماذج الشبکة غير المباشرة (Golino & Epskamp,2017; Golino, Shi et al., 2021) ، تستخدم طريقة تحليل الرسم البياني الاستکشافي (EGA) طريقة تقدير الشبکة متبوعة بخوارزمية الشبکات الموزونة لاکتشاف المجتمع (Fortunato,2010) ، وتعد هذه الطريقة أکثر دقة من طرق تحليل العوامل التقليدية مثل التحليل الموازي وغيرها (Christensen, Garrido, & Golino,2021; Golino, Shi et al., 2021)

مشکلة الدراسة:

شهدت الفترة الأخيرة اهتماما ملحوظا بدراسات الذکاء العاطفي، وذلک على اعتبار أنه يمثل بعدا أساسا في تکوین الشخصية، وهو عامل مهم للتنبؤ بالأداء الأکاديمي، کما ان الذکاء العاطفي يدخل في جميع المجالات سواء التعليمية أو الإدارية

ولعل السبب وراء هذا الاهتمام المتزايد بهذا المفهوم، يرجع حسب Austin إلى سببين: الأول منهما يکمن في فکرة اختلاف الأفراد في المهارات العاطفية القابلة للقياس والتي تعد من الأفکار الهامة في حد ذاتها، فهيتعد إذنا بفتح منطقة جديدة تماما في مجال الفروق الفردية لم يتم تغطيتها بعد من خلال المقاييس المعهودة للذکاء، والشخصية وثانيهما أهميةالنتائج المتوقعة من الناحية النظرنة عن ارتباط الذکاء العاطفي بمدى کبیر من المتغيرات ذات الأھمیة والعلاقات الشخصية) جابر عيسى وربيع عبده رشوان، 2006)

ونظرا للحداثة النسبية لمفهوم الذکاء العاطفي، فلا يوجد سوى عدد محدود من المقاييس التي تم تطويرها لقياس هذا المفهوم، وتتمتع بخصائص سيکومترية مقبولة، ومن أشهر هذه المقاييس مقياس سکوت (SSREI: Schutte et al., 1998) للذکاء العاطفي، وقد تم التحقق من الخصائص السيکومترية لهذا المقياس في العديد من الدراسات لکن الي الآن هناک اختلاف بين هذه الدراسات في البنية العاملية للمقياس ، ولعل هذا الاختلاف يرجع الي الطريقة المستخدمة في تحديد عدد العوامل ،   فتقدير العدد الصحيح للأبعاد مشکلة طويلة الأمد في القياس النفسي. ولذلک تم اقتراح عدة طرق، مثل التحليل الموازي parallel analysis (PA)، محک العامل الکامن أکبر من الواحد الصحيح لکل من Kaiser-Guttmann’s، محک المتوسط الجزئي الأقل (MAP) Minimum Average Partial، محک البنية البسيطة جدا Very Simple Structure، محک تسارع العوامل Acceleration Factor، محک الاحداثيات الأمثل Optimal Coordinate، وکذلک مداخل أقصي احتمال maximum-likelihood، والتي تستخدم مؤشرات الملائمة مثل BIC وEBIC (ربيع عبده رشوان، 2015) ، وأخيرا طريقة تحليل الرسم البياني الاستکشافي Exploratory Graph Analysis(EGA) وتعتبر هذه الطريقة من أدق الطرق في تحديد عدد العوامل بالمقارنة بالطرق التقليدية  السابقة فهي لا تحدد عدد العوامل فقط ولکن البنود التي تنتمي الي کل عامل والارتباطات الداخلية في شبکة من الرسومات البيانية (Golino & Epskamp, 2017) .

ومن الدراسات العربية التي تناولت الخصائص السيکومترية لهذا المقياس دراسة جلول أحمد والسعيد نصرات (2018)، واعتمدت هذه الدراسة على طريقة المکونات الأساسية ومحکي کايزر وکاتل في تحديد عدد العوامل، وهذه الطريقة لاقت العديد من الانتقادات في الفترة الأخيرة ومن هنا تحاول الدراسة الحالية الإجابة على الأسئلة التالية

-       هل تختلف البنية العاملية لمقياس سکوت للذکاء العاطفي باستخدام طريقة تحليل الرسم البياني الاستکشافي Exploratory Graph Analysis(EGA) عن المحکات الأخرى المستخدمة في تحديد عدد العوامل في التحليل العاملي الاستکشافي للبنود؟

-       هل تختلف البنية العاملية لمقياس سکوت للذکاء العاطفي باستخدام طريقة التقدير لتحليل الرسم البياني الاستکشافي Exploratory Graph Analysis(EGA)؟

-       ما درجة استقرار کلا من الأبعاد والبنود داخل الأبعاد لمقياس سکوت للذکاء العاطفي؟

-       هل هناک تأثير للبنود غير المستقرة على البنية العاملية لمقياس سکوت للذکاء العاطفي؟

-       هل هناک تأثير للتکرار المحتمل للبنود على البنية العاملية لمقياس سکوت للذکاء العاطفي؟

-       ما هي مؤشرات الثبات لمقياس سکوت للذکاء العاطفي؟

أهداف الدراسة:

الهدف الرئيس للدراسة تمثل في التحقق من البنية العاملية لمقياس سکوت للذکاء العاطفي من خلال الاستفادة بالمميزات المختلفة لطريقة تحليل الرسم البياني الاستکشافيExploratory Graph Analysis(EGA)، فعل الرغم من الاستخدام الواسع لهذا المقياس هناک اختلاف حول البنية العاملية له (Adamakis & Dania,2021)   ولذلک تم استخدام طريقة تحليل الرسم البياني الاستکشافي Exploratory Graph Analysis(EGA) للأهداف الآتية:

-       التحقق من البنية العاملية لمقياس سکوت للذکاء العاطفي باستخدام طريقة تحليل الرسم البياني الاستکشافي Exploratory Graph Analysis(EGA) والفرق بينها وبين المحکات الأخرى المستخدمة في تحديد عدد العوامل في التحليل العاملي الاستکشافي للبنود؟

-       التعرف على مدي اختلاف البنية العاملية لمقياس سکوت للذکاء العاطفي باستخدام طرق التقدير المختلفة لتحليل الرسم البياني الاستکشافي Exploratory Graph Analysis(EGA)

-       تحديد استقرار کلا من الأبعاد والبنود داخل الأبعاد لمقياس سکوت للذکاء العاطفي

-       تقييم تأثير البنود غير المستقرة على البنية العاملية لاستبيان الذکاء العاطفي

-       تقييم تأثير التکرار المحتمل للبنود على البنية العاملية لمقياس سکوت للذکاء العاطفي

-       تحديد مؤشرات الثبات لمقياس سکوت للذکاء العاطفي

أهمية الدراسة:

تنبع أهمية الدراسة الراهنة في کونها من الدراسات الميدانية التي تهدف إلى التحقق الإحصائي التحليلي من مدى صلاحية أداة مهمة من أدوات القياس ذات الثقة العالمية لقياس مفهوم على درجة کبيرة من الأھمیة وھو الذکاء العاطفي، کما أن اختيار هذا الموضوع  ينبع من أهمية الذکاء العاطفي بحد ذاته لوصفه مجالا حديثا بالغ الأھمیة من مجالات البحث في علم النفس، کما سبقت الإشارة فإن مفهوم الذکاء العاطفي أخذ يتبلور و يحتل مکانته بدءا من العقد الأخير من القرن الماضي ليتحول خلال فترة قصيرة من الزمن إلى مجال علمي جديد وجذب العديد من الباحثين الذين عملوا ، و مازالوا يعملون على طرح العديد من الافتراضات والنماذج النظرية والتفسيرات لهذا المفهوم .

وبالرغم من ضرورة تصميم المقاييس النفسية الملائمة للبيئة العربية بصفة عامة، إلا أنه لا يمکن الاستغناء عن عملية تعريب المقاييس الأجنبية کونها رافدا مهما لحرکة القياس والتقويم النفسي والتربوي.

کما تنبع أهمية الدراسة في تناولها لطريقة حديثة من طرق التحليل العاملي الاستکشافي للبنود وهي طريقة تحليل الرسم البياني الاستکشافي، والتي تعد من الطرق الواعدة، وتعتمد على التحول الرقمي الکبير في استخدام تحليل الشبکات السيکومترية في المجالات النفسية والتربوية

مصطلحات الدراسة الاجرائية:

الذکاء العاطفي Emotional Intelligence: يعبر عن قدرة الفرد على إدراک وفهم وتنظيم عواطفه ومعرفة مدي تأثيرها عليه وعلى الآخرين ويقاس بالدرجة التي يحصل عليها الطالب على مقياس سکوت للذکاء العاطفي

البينات القائمة على البنية الداخلية لأدوات القياسEvidence based on internal structure:

 يعرفها ميسيک (Messick (1993 بالأساليب المختلفة التي توفر الأدلة اللازمة على اتساق مکونات الاختبار ونظام تصحيحه مع الإطار المفاهيمي للمکونات البنائية للقدرة المقيسة من الاختبار، والعلاقات فيما بينها. وتتمثل أساليب صدق البناء الداخلي في هذه الدراسة في التحليل العاملي الاستکشافي والتوکيدي لفحص ومقارنة نماذج مختلفة من العوامل التي تربط فقرات مقياس الذکاء العاطفي.

تحليل الشبکة السيکومترية: Psychometric network analysisنماذج الشبکات غير الموجهة، والتي تسمى حقول مارکوف العشوائية Markov random field وهي مجموعة من المتغيرات العشوائية التي لها خاصية مارکوف والذي يمکن وصفه بمخطط غير موجه

طريقة تحليل الرسم البياني الاستکشافيExploratory Graph Analysis: طريقة من طرق التحليل العاملي الاستکشافي تستخدم نماذج الشبکة السيکومترية والرسومات البيانية للکشف عن البنية العاملية للبيانات متعددة المتغيرات

حدودالدراسة:

الحدودالبشرية:اقتصرت الدراسة الحالية على عينة من طلاب کلية التربية بجامعة الوادي الجديد.

الحدودالزمنية:تم تطبيق أدوات الدراسة على أفراد العينة خلال الفصل الدراسي الثاني من العام الدراسي 2021/ 2022م، عن طريق نماذج جوجل Google forms

الحدودالمکانية:تم تطبيق أدوات الدراسة بکلية التربية - جامعة الوادي الجديد.

الحدود الموضوعية:اقتصرت الدراسة على متغير الذکاء العاطفي

الإطار النظري والدراسات السابقة:

أولا: الذکاء العاطفي Emotional Intelligence

يعد الذکاء العاطفي اکتشافًا جديدًا إلى حد ما في العلم، وهو يهتم بکيفية التعبير عن المشاعر وفهمها من قبل کل فرد. عرّف Salovey and Mayer (1990) الذکاء العاطفي بأنه القدرة على توجيه مشاعر الذات والآخرين، بالإضافة إلى القدرة على استخدام هذا الفهم لتوجيه سلوک الفرد وأفکاره.

أصبح هذا الشکل من الذکاء مفهومًا شائعًا في عام 1995، عندما نشر عالم النفس دانيال جولمان کتابه "الذکاء العاطفي ". ومع ذلک، فإن تطور المفهوم کان علي يد Salovey and Mayer، فقد وصف کل من Mayer et al. (1999) الذکاء العاطفي باعتباره القدرة على فهم وملاحظة المشاعر المختلفة في النفس والآخرين بالإضافة إلى استخدام هذه القدرة في کل جوانب الحياة. مثل معرفة کيفية التصرف في المواقف الاجتماعية المختلفة، ومعرفة متى تبتسم، ومعرفة متى تعبر عن القلق ومتى يکون الحزن مناسبًا. أيضًا، القدرة على فهم النغمة العاطفية للموقف والتصرف بشکل صحيح وفقًا لها. على الرغم من أنه من الجدير بالذکر، کما ورد في Mayer et al. (1999)، أن ثورندايک قدم نوع من الذکاء أطلق عليه اسم "الذکاء الاجتماعي" في عام 1920، والذي وصفه بأنه القدرة على فهم الآخرين والتصرف بحکمة في العلاقات الإنسانية. وعلى الرغم من أن هذا المفهوم کان واسعًا جدًا لکن يمکن اعتباره المحاولة الأولى لفهم ما يسمى اليوم بالذکاء العاطفي (Salovey and Mayer,1990).

ولقد وصف Salovey and Mayer (1990, 189) في بداية الأمر الذکاء العاطفي على أنه نوع من الذکاء الاجتماعي المرتبط بالقدرة على مراقبة الشخص لذاته ولعواطفه وانفعالاته ولعواطف وانفعالات الآخرين والتمييز بينها واستخدام المعلومات الناتجة عن ذلک في ترشيد تفکيره وتصرفاته وقراراته

ولقد قسم Salovey and Mayer (1990, 191) الذکاء العاطفي إلى ثلاث فئات: کيف يتم التعبير عن العواطف، وکيف يتم فهم وتنظيم العواطف لدى النفس والآخرين، واستخدام العواطف بطرق دقيقة وفقًا للموقف. يتعلق الجزء الأول بکيفية تعبير الناس عن مشاعرهم، فکل من الأجزاء اللفظية وغير اللفظية مهمة نظرًا لکمية العمل الکبيرة التي تتطلبها معالجة هذه الأنواع من المعلومات، أولاً، عليک أن فهم الإشارات العاطفية لاستخدام العواطف بدقة، ومن الأمثلة على ذلک الاستماع ببساطة إلى الکلمات التي يتم التعبير عنها ومعرفة المشاعر المختلطة بداخلها. الجزء الثاني يدور حول مفهومين: الإدراک والتعاطف. مع القدرة على التعرف على مشاعر الآخرين والذات يعتمد على تصور الناس، والنتيجة المعينة ستظهر قدرة الشخص على التعاطف، يتعلق الجزء الأخير بالاستخدام المناسب للعواطف، وفقًا للإعدادات والأشخاص والوضع القائم، والبيئة

کل التعريفات الواردة في کل الدراسات السابقة تجمع على معنى للذکاء العاطفي ويمکن تلخيصه في التعريف التالي: "الذکاء العاطفي هو الاستخدام الذکي للعواطف. فالشخص يستطيع أن يجعل عواطفه تعمل من أجله أو لصالحه باستخدامها في ترشيد سلوکه وتفکيره بطرق ووسائل تزيد من فرص نجاحه إن کان في العمل أو في المدرسة أو في الحياة بصورة عامة"

عواطفنا تنبع من أربعة أبنية أساسية هي:

1. القدرة على الفهم الدقيق والتقدير الدقيق والتعبير الدقيق عن العاطفة

2. القدرة على توليد المشاعر حسب الطلب عندما تسهل فهم الشخص لنفسه أو لشخص آخر

3. القدرة على فهم العواطف والمعرفة التي تنتج عنها

4. القدرة على تنظيم العواطف لتطوير النمو العاطفي والفکري

وکل واحد من هذه الأبنية السابقة يساعد على تطوير المهارات المعينة التي تشکل معا ما يسمى "الذکاء العاطفي". إن الذکاء العاطفي ينمو ويتطور بالتعلم والمران على المهارات والقدرات التي يتشکل منها. أما المکونات والعناصر التي تشکل الذکاء العاطفي کما لخصها Golman هي کما يلي:

1-  الوعي الذاتي Self-awareness وهو القدرة على التصرف والقدرة على فهم الشخص لمشاعره وعواطفه هو وکذلک الدوافع وتأثيرها على الآخرين من حوله.

2-  ضبط الذات Self-control وهو القدرة على ضبط وتوجيه الانفعالات والمشاعر القوية تجاه الآخرين.

3-  الحافز Motivation وهو حب العمل بغض النظر عن الأجور والترقيات والمرکز الشخصي.

4-  التعاطف Empathy وهو القدرة على تفهم مشاعر وعواطف الأخرين وکذلک المهارة في التعامل مع الآخرين فيما يخص ردود أفعالهم العاطفية.

5-  المهارة الاجتماعية Social skill وهي الکفاءة في إدارة العلاقات وبنائها والقدرة على إيجاد أرضية مشترکة وبناء التفاهمات. (Golman 2012, 73-75)

النماذج النظرية في الذکاء العاطفي:

تشير المراجعة المستفيضة للأدب التربوي والبحوث النفسية المتعلقة بموضوع الذکاء العاطفي إلى تنوع المداخل النظرية وتعددها، وذلک بالرغم من حداثة المفهوم، ويمکن تحديد ثلاثة اتجاهات ونماذج رئيسة هي:

- اتجاه تناول الذکاء العاطفي کقدرة شأنه في ذلک شأن الذکاء العاطفي وهذا ما يمکن وصفه بنموذج القدرة، ويمثل هذا الاتجاه " ماير " و " سالوفي “.

- اتجاه تناول الذکاء العاطفي کمجموعة من الکفايات والمهارات الشخصية والاجتماعية والدافعية، وهذا ما يمکن وصفه بنموذج الکفايات، ويمثله" دانيال جولمان ".

- اتجاه نظر للذکاء العاطفي کمفهوم تتداخل فيه عناصر ومکونات غير معرفية وسمات شخصية، وهذا ما يمکن وصفه بنموذج الشخصية ويمثله " بار- أون (فتحي جروان، 2012)

مقاييس الذکاء العاطفي Emotional Intelligence Scales

ونظرا لتعدد وجهات النظر ظهرت العديد من المقاييس التي تهتم بقياس الذکاء العاطفي ومن أهم هذه المقاييس والتي خضعت للبحث على نطاق واسع المقاييس العامة للذکاء العاطفي التي تقيس العديد من الجوانب المشترکة للذکاء العاطفي (إدراک المشاعر، تنظيم العواطف، والاستفادة من العواطف). وتتمثل هذه المقاييس فيما يلي کما ورد في (O'Connor, Hill, Kaya, & Martin, 2019):

1-   اختبارات الذکاء العاطفيMayer-Salovey-Caruso Emotional Intelligence Tests(MSCEIT) (Mayer et al., 2002a,b)

2-     اختبار التقرير الذاتي للذکاء العاطفي Self-report Emotional Intelligence Test (SREIT) (Schutte et al.,1998)

3-     استبيان سمة الذکاء العاطفي Trait Emotional Intelligence Questionnaire (TEIQue)

(Petrides and Furnham, 2001)

4-      قائمة بارون أون Bar-On Emotional Quotient Inventory (EQ-i) (Bar-On,1997a,b)

5- اختبار الإدارة العاطفية The Situational Test of Emotional Management (STEM) (MacCann and Roberts, 2008),The Situational Test of Emotional Understanding (STEU)(MacCann and Roberts, 2008)

6- قائمة الکفاءة العاطفية والاجتماعيةEmotional and Social competence Inventory (ESCI) (Boyatzisand Goleman, 2007)

ويعد من أهم هذه المقاييس استبيان الذکاء العاطفي لسکوت والذي نشره عام (1998)، وقد تعددت الدراسات التي تناولت البنية العاملية لهذا المقياس تمت الإشارة اليها في مقدمة الدراسة، وقد تين أن معظم الدراسات السابقة توصلت أن مقياس سکوت وآخرون (1998) متعدد العوامل وليس وحيد العامل، هذا من جهة، واختلفوا في عدد العوامل المشکلة للمقياس وذلک حسب اختلاف العينات المستخدمة، وأوصت الدراسات بتحسين مقياس سکوت وآخرون ( 1998 ) للتقرير الذاتي بشکل فعلي بهدف قياس الأبعاد والقدرة ضمن نموذج سالوفي ومایر (1990)، إلا أنهم يقرون جميعا أن مقياس سکوت مقياس مفيد ومختصر ذو صدق وثبات عاليين ، وقد يرجع اختلاف هذه الدراسات الي مدي دقة الطريقة المستخدمة في تحديد عدد الابعاد

ثانيا: نظرية الصدق الحديثة

يشيرأمحمد بوزيان تيغزة (2008)أن نظرية الصدق التقليدية تقوم على فلسفة الأنماط، إذ نظرت إلى مفهوم الصدق باعتباره خاصية وليس عملية ملتحمة بالدلالة النظرية للمفهوم. ولما کان الصدق شأنه شأن الثبات خاصية أو صفة في أداة القياس فمن المنطقي أن تصنف إلى أنماط متمايزة ليشکل الصدق مظلة لتنوع أنماطه أو أنواعه. ولقد لخص الدليل الإرشادي للقياس التربوي والنفسي الأول، الذي تم نشره سنة 1954من طرف الجمعية الأمريکية لعلم النفس تحت عنوان: التوصيات أو الإرشادات الفنية المتعلقة بالمقاييس النفسية والأدوات الإسقاطية Recommendations for Psychological Tests and Diagnostic Techniques هذه الأنماط في أربع أنواع من الصدق: صدق المحتوى Content validity، والصدق التنبؤي Predictive validity، والصدق التلازمي Concurrent validity، وأخيرا صدق المفهوم أو التکوين الفرضي أو البنائي Construct validity. وقلص الدليل الإرشادي الصادر سنة 1966 هذا التصنيف الرباعي إلى تصنيف ثلاثي؛ إذ أبقي على صدق المحتوى، وصدق المفهوم، أما الصدق التنبؤي والصدق التلازمي فأدرجا تحت مسمى: الصدق المعياري Criterion validity.

کما اتسمت أيضا بالترکيز على التمايز الوظيفي لأنواع الصدق، أي أن لکل نوع وظيفة خاصة به تختلف عن وظائف الأنواع الأخرى من الصدق. وترتب عن ذلک أن کل نوع يناسب بعض أنواع الاختبارات والمقاييس ولا يناسب الأنواع الأخرى. فصدق المضمون يناسب اختبارات التحصيل، والصدق المحکي يناسب اختبارات القدرات والاستعدادات، وصدق المفهوم يناسب اختبارات الشخصية.

غير أن نظرية الصدق الحديثة غيرت بعض هذه التصورات تغييرا جذريا. وتتلخص أهم تطورات أو جوانب الجدة فيها فيما يلي کما ورد في الدليل الارشادي الأخير للقياس American Educational Research Association, American Psychological Association, & National Council on Measurement in Education (AERA,APA&NCME) (2014, 11-26)

أولا ـ أصبحت نظرية الصدق الحديثة ترکز على مدى ملاءمة عملية تأويل درجات المقياس؛ أي أن الصدق يتمثل في طبيعة الأدلة والبينات evidence التي تقدم للدلالة على مدى دقة تأويل درجات أداء المفحوصين على الاختبار أو طريقة قراءتها. ونبذت تصور الصدق باعتباره صفة أو خاصية للمقياس.

ثانيا ـ الأخذ بالنظرة الواحدية Unitary view of validity للصدق ونبذ فکرة تعدد أنواع الصدق فأنواع الصدق کلها أدمجت تحت مظلة واحدة سميت بالصدق التکوين الفرضي أو البنائي أو صدق المفهوم Construct Validity. وأمسى مفهوم صدق المفهوم يمثل کل مجال الصدق بشتى أنواعه التقليدية، ولا يمثل فقط أحد أنواعها.

ثالثا ـ إن توحيد مفهوم الصدق أو مجاله لا يعنى أن الأدلة أو البينات الدالة عليه متماثلة أو واحدة واسترشادا بأحدث دليل إرشادي للقياس وبتحليلات المتخصصين في نظرية الصدق، يمکن تلخيص طبيعة البينات ـ على تعددها وتباينها وتنوعها ـ في ستة أصناف أو فئات کبرى، وهي:

1ـ البينات القائمة على محتوى المقياس Evidence based on test content

2ـ البينات القائمة على عمليات أو سيرورات الاستجابة Evidence based on response processes (لم يؤسس لهذا النوع من الأدلة بعمق، بل التفت إليه باحتشام، في السابق)

3ـ البينات القائمة على البنية الداخلية لأدوات القياس Evidence based on internal structure

4ـ البينات القائمة على العلاقات بمتغيرات أخرى أو بينة البنية الخارجية Evidence based on relations to other variables or external structure evidence

5ـ البينات القائمة على الثبات Evidence based on reliability

6ـ البينات القائمة على نتائج القياس ومترتباته أو تبعاته Evidence based on test consequences of testing. هذا النوع من الأدلة لم يلتفت إليه (ناهيک الأخذ به) على الإطلاق في السابق.

رابعاـ أضحى البعد القيمي الاجتماعي لعملية القياس يشکل جزءا لا يتجزأ من مفهوم الصدق، ولذلک أضيف بعد جديد للصدق (بينة جديدة) تتمثل في المآل أو المترتبات أو النتائج الاجتماعية لعملية القياس Testing consequences، وسواء أکانت تلک النتائج نتائج إيجابية متوقعة، أو نتائج سلبية غير متوقعة. واتخذ هذا البعد الجديد للصدق أحيانا مسمى "صدق المآل أو المترتبات" Consequential validity.

فکرة صدق المآل أو المتربتات طال غيابها في السابق، وهو إسهام جوهري رغم ما يطرحه من إشکالات إجرائية تطبيقية وقياسية.

خامسا ـ تغيرت النظرة المعرفية الإبستمولوجية للصدق تغيرا جذريا صحيح أن کلا النظريتين: الکلاسيکية والحديثة للصدق تنظر إلى صدق المقياس کفرضية شبيهة بفرضية البحث. توضع فرضية صدق الاختبار او المقياس او اداة القياس بهدف اختبار صحتها. غير أنهما تختلفان في الموقف الإبستمولوجي (المعرفي) من اختبار فرضية صدق الاختبار.

فالنظرة الکلاسيکية ترى أن فرضية الصدق تحقق وليس إمکانا، في حين ترى النظرية الحديثة فرضية صدق الاختبار إمکان وليس تحققا.

فنظرية الصدق الکلاسيکية ترى أنه يمکن التحقق من وجود الصدق وبالتالي يکفي أن يتوفر نوع من أنواع الصدق (صدق المحتوى، أو التلازمي، أو الصدق التنبؤي، أو إحدى طرق صدق المفهوم بالمنظور الکلاسيکي اي الصدق التقاربي، او الصدق التمايزي، او الصدق العاملي، أو صدق الاتساق الداخلي) للدلالة على توفر صدق أداة القياس، وينظر إلى دليل توفر الصدق بنوع من اليقين.

أما نظرية الصدق الحديثة ترى استحالة التحقق شبه اليقيني لفرضية وجود الصدق، لسببين: فرغم تعدد مصادر أدلة الصدق (لکون التوجه الحديث يرکز على تعدد الأدلة والبيانات ويستبعد حجية أحادية الدليل الذي قد يلجأ إليه التوجه الکلاسيکي إلا أن الحجية أو البرهان يبقى مع ذلک نافصا إما لعدم توظيف مصادر أخرى أکثر ملاءمة للبرهان على توفر الصدق، أو استعمال بعض المصادر غير المناسبة للبينات أو الأدلة على الرغم من کثرة البراهين وتعددها.

والسبب الثاني أن نظرية الصدق الحديثة تؤمن بنظرية الدحض والتکذيب Refutation or falsification لفرضية وجود الصدق وبالتالي بالإضافة إلى منهجية التحقق وإثبات صحة فرضية وجود الصدق، تأخذ، بخلاف النظرية الکلاسيکية، بمنطق الدحض والتکذيب القائم على الشواهد المخالفة التي تهدد صحة فرضية وجود صدق المقياس، فهي تأخذ بالشواهد المکذبة بدرجة تفوق اهتمامها بالشواهد المؤيدة، حتى تبقي الحکم على توفر الصدق أمرا ممکنا (إمکانية) وليس أمرا محسوما (أمحمد بوزيان تيغزة، 2008)

سادسا ـ بخلاف النظرية الکلاسيکية التي غالت في تکميم البرهان (استعمال الطرق الکمية) على الصدق، فإن النظرية الحديثة ترى أن البينات والأدلة على توفر صدق الاختبار نوعية أو کيفية في جوهرها، ولذلک رکزت على المفهوم باعتباره التکوين الفرضي الذي يؤطر کافة أنواع الصدق والثبات.

سابعا ـ لم يعد الثبات ينظر إليه کمجال قائم بذاته ومستقل عن الصدق رغم العلاقة التي تربط بينهما، وإنما أصبح ينظر إليه کنوع من البينات (بينة من بينات الصدق)، أو قرينة أو دليل من الأدلة الأخرى للصدق. لم تعد تلک الثنائية: الثبات من جهة، والصدق من جهة أخرى قائمة، بل أصبح ينظر إلى الثبات کمصدر من البينات أو الأدلة کغيره من المصادر الأخرى لبينات أو أدلة الصدق.

وترکز الدراسة الحالية على البينات القائمة على البنية الداخلية لأدوات القياس وسوف نتناولها بشيء من التفصيل

البينات القائمة على البنية الداخلية لأدوات القياس Evidence based on internal structure

ومن بين الأدلة المهمة لتفسير صدق درجات الاختبارات البينات القائمة على البنية الداخلية لأدوات القياس، وتهتم بتوفير الأدلة على اتساق مکونات الاختبار ونظام تصحيحه مع الإطار المفاهيمي للمکونات البنائية للقدرة المقيسة والعلاقات فيما بينها

يرکز هذا النوع من البينات على قوة العلاقات الارتباطية وطبيعتها بين فقرات المقياس، أو بين فقرات المقياس والاختبار ککل. أو على قوة العلاقات بين مکونات المقياس أو مکونات المهمات التقويمية وذلک للوقوف عما إذا کان مستوى هذه العلاقات وشدتها لعناصر البينية الداخلية للمقياس أو مکونات المهمات التقويمية الواقعية تنسجم مع تأويل درجات المقاس، أو تناسب دلالة المفهوم المراد قياسه. ويمکن الحصول على بينات الصدق التي ترکز على البنية الداخلية لأدوات القياس من الإجراءات التالية:

استعمال الطرق الکمية لتحليل البيانات ومنها:

-       تقدير معامل الصعوبة، ومعامل التمييز للفقرات، ويعرف هذا الإجراء کلاسيکيا بتحليل فقرات المقياس.

-       استعمال منحى تحليل استجابة الفقرة Item Response Approach للکشف عن خصائص منحنى الفقرة والمقياس Item/test characteristic curves

-       حساب معاملات الارتباط بين فقرات المقياس للوقوف على مستوى الارتباطات البينية للفقرات وعلى طبيعتها أو اتجاهها.

-       حساب معاملات الارتباط بين کل فقرة بالمقياس ککل، للوقوف على مستوى هذه العلاقات الارتباطية واتجاهها. ويعرف هذا الإجراء في نظرية الصدق الکلاسيکية بصدق الاتساق الداخلي.

-        تقدير ثبات المقياس (الإعادة لتقدير الاستقرار، الصور المتکافئة بفاصل زمني بين تطبيق الصورتين لتقدير الاستقرار والتکافؤ، الصور المتکافئة بتطبيق الصورتين في الجلسة ذاتها لتقدير التکافؤ، التجزئة النصفية لتقدير الاتساق، التجانس الداخلي باستعمال المعادلة العامة ألفا لکرونباخ لتقدير الاتساق والتجانس).

-       منحى نظرية إمکانية التعميم Generazability Theory approach للوقوف على استعمال المصادر المتباينة لخطأ القياس، سواء أکان مصدرها المقوم، أو الحالات، أو المفحوصين، أو موقف القياس وظروفه، أو الأداة ذاتها أو تفاعل هذه العوامل.

-        إجراء التحليل العاملي الاستکشافي على فقرات الاختبار، أو التحليل العاملي التوکيدي لاختبار مدى مطابقة النموذج المفترض لأبعاد المفهوم مع بيانات الاختبار (AERA,APA&NCME,2014)

-       تقدير تحيز الفقرات باستعمال طريقة " الوظيفة الفارقية للفقرة DIF: Differential Item Functioning ويقصد بـ (DIF) أنه عندما يکون احتمال نجاح أداء المفحوصين الذين لهم نفس مستوى القدرة، لکن ينتمون إلى مجموعات مختلفة، على الفقرات متفاوت. وبتعبير آخر، دراسة ما إذا کانت الفقرة تتصرف تصرفا مختلفا أو متمايزا عند اختلاف المجموعات الفرعية للمفحوصين، على الرغم من تکافئهم أو تماثلهم في القدرة. وتدل هذه الخاصية إذن على أن الفقرة التي يکون أداء المجموعات عليها متفاوتا، رغم جعل هذه المجموعات متکافئة أو متماثلة في الخاصية أو السمة التي يراد قياسها، توحي بوجود عامل التحيز وتوجد طرق إحصائية عديدة لتقدير وجود (DIF) إذ يدل وجودها على مستوى الفقرة بأنها تنطوي على تحيز وتنتمي بعض هذه الطرق الکمية إلى نظرية القياس التقليدية، کما ينتمي بعضها الآخر إلى نظرية استجابة الفقرة.  وللمزيد عن الأداء التفاضلي للفقرات والاختبار (يمکن الرجوع الي: حمودة عبد الواحد حمودة، 2021)

ويتطلب التأکد من صدق البنية الداخلية من واضعي الاختبار بذل المستطاع لاستهداف هذا البناء من خلال تمثيل السمة من حيث عدد الفقرات، وما تقيسه هذه الفقرات، ونظام التصحيح المتبع وتفسير درجات الاختبار. کما يسهم صدق البناء الداخلي في تقديم سبل تطوير قياس القدرة من خلال فحص ومقارنة نماذج مختلفة من البناء الداخلي لفقرات الاختبار، تتم مقارنة النماذج المختلفة للبناء الداخلي لفقرات الاختبار بطريقة وصفية أو بطريقة کمية ويفضلMessick (1993) أن تتم مقارنة النماذج المختلفة للبناء الداخلي کميا من خلال حساب مؤشرات لجودة ملاءمة هذه النماذج لبيانات الاختبار ويعد التحليل العاملي الاستکشافي Exploratory Factor Analysis،والتحليل العاملي التوکيدي Confirmatory Factor Analysis  من أکثر الطرق المستخدمة لدراسة المکونات البنائية لفقرات الاختبار. ويهدف التحليل العاملي الاستکشافي إلى اشتقاق عدد محدد من المحاور الأساسية التي تجمع الارتباطات البينية لفقرات الاختبار، وتُکون فيما بينها –بأوزان معينة- تفسيرات للتباينات المشاهدة في درجات الطلاب وتُفسر العوامل الناتجة من التحليل العاملي الاستکشافي العمليات المشترکة بين الفقرات التي تتشبع في کل عامل. وکلما کانت هذه العوامل الناتجة متسقة مع طبيعة السمة المقاسة والعمليات التي تتطلبها، کانت النتائج داعمة لطريقة وضع الاختبار وشاهدة على صدق البناء الداخلي له.

ولکن قد يؤدي التحليل العاملي الاستکشافي في حالات عديدة إلى عوامل قد لا تتسق مع السمة المقيسة ومکوناتها نتيجة لعينات الطلاب، وطريقة استجابتهم لفقرات الاختبار، ونوعية الفقرات، والطريقة المتبعة في تطبيق التحليل العاملي الاستکشافي. لذا يمکن اعتبار نتائج التحليل العاملي الاستکشافي افتراضات، يجب فحصها بشکل تجريبي وجمع بيانات أخرى تدعم هذه الافتراضات أو تدحضها.

وفي المقابل، يهدف التحليل العاملي التوکيدي إلى تقدير قيم تشبعات (Loading) الفقراتمع المکونات النظرية للسمة المقيسة التي وُضعت مسبقا من خلال الإطار النظري أو نتائج التحليل العاملي الاستکشافي أو تجريب فرضيات بديلة. ويقدم أيضا أساليب إحصائية لفحص مستوى جودة ملاءمة بيانات الاختبار لتشبع الفق ا رت مع المکونات، ومقارنتها مع نماذج بديلة أخرى، عن طريق ما يعرف بمؤشرات ومحکات جودة ملاءمة النموذج Model Fit Indices ويعد التحليل العاملي التوکيدي من أکثر الطرق المستخدمة في دراسة صدق البناء الداخلي للاختبارات وسبل تطويرها. (يمکن الرجوع الي: محمد عبد الهادي عبد السميع، 2020)

وتؤکد معايير الاختبارات التربوية والنفسية - التي أعدتها الجمعية الأمريکية للبحوث التربوية، والجمعية النفسية الأمريکية، والمجلس الوطني للقياس في التربية – على ذلک لزيادة موثوقية النتائج والقرارات التي يتخذها مستخدمو نتائج الاختبارات (AERA, APA, & NCME,2014)

وتکتسب دراسة البناء الداخلي لمقياس الذکاء العاطفي أهميتها من احتمالية حدوث تغيرات في البناء الداخلي للاختبار مع الوقت نظرا للتغيرات المحتمل حدوثها في قدرات المتقدمين للاختبار عبر السنوات نتيجة للتغيرات الحادثة في أي مجتمع في الجوانب التعليمية والثقافية والاجتماعية والاقتصادية. کما يتطلب من مطوري المقاييس مواکبة التطورات الکبيرة في مجال القياس والتقويم وخاصة التحولات الرقمية الهائلة

ثالثا: تحليل الشبکة السيکومترية        Psychometric network analysis  

رکزت الأدبيات الحديثة على تقدير نماذج الشبکات غير الموجهة، والتي تسمى حقول مارکوف العشوائية Markov random field وهي مجموعة من المتغيرات العشوائية التي لها خاصية مارکوف والذي يمکن وصفه بمخطط غير موجه. يشبه حقل مارکوف العشوائي إلى حد ما شبکة بايزية في تمثيله للعلاقات، إلا أنه من الممکن استخدامه في تمثيل علاقات لا يمکن تمثيلها باستخدام الشبکات البايزية مثل العلاقات الدورانية (cyclic dependencies)، ومن ناحية أخرى فإنه من غير الممکن استخدامه لتمثيل علاقات مستحثه (induced dependencies) والتي من الممکن تمثيلها باستخدام الشبکات البايزية. لحقل مارکوف العشوائي الکثير من التطبيقات، وهو مجال سريع التطور تم تطبيقه على العديد من المقاييس النفسية Christensen et al., 2018; Fonseca-Pedrero et al., 2018)) ويعرف منهج بناء الشبکة السيکومترية على أنها أنظمة معقدة، تنشأ من التفاعلات السببية بين البنود المکونة للبناء (Borsboom & Cramer, 2013; Schmittmann et al., 2013)

تتکون نماذج الشبکة من العقد التي تمثل المتغيرات العشوائية التي ترتبط بالحواف أو الروابط التي تشير إلى مستوى التفاعل بين هذه المتغيرات يمکن تفسير هذه الحواف بسهولة على أنها معاملات ارتباط جزئية لمتغيرين (مع الأخذ في الاعتبار الارتباطات الجزئية التي تکون جميع العقد الأخرى في الشبکة). والارتباطات الجزئية تعبر عن التباين الفريد المشترک بين العقد في الشبکة، والذي عادةً ما يؤدي إلى تقليص العديد من العلاقات إلى الصفر أو قريبة منه. تظل العلاقات الارتباطية الأکبر تشکل مجموعة من العديد من العقد المتصلة (الاشتراکات)، وتعد هذه الاشتراکات مکافئة رياضيا للعوامل (Golino & Epskamp, 2017)

ترکز هذه النماذج على تقدير العلاقات المباشرة بين المتغيرات المرصودة بدلاً من نمذجة المتغيرات الملحوظة کوظائف لأسباب کامنة. أظهرت مثل هذه النماذج وعدًا کبيرًا في مجالات نفسية متنوعة مثل علم النفس المرضي، تشکيل المواقف، أبحاث جودة الحياة، وعلم النفس النمو. Christensen et al., 2018; Fonseca-Pedrero et al., 2018)

طريقة تحليل الرسم البياني الاستکشافيExploratory Graph Analysis

تم تطوير طريقة تحليل الرسم البياني الاستکشافي (EGA) مؤخرا کأحد الطرق التي تستخدم نماذج الشبکة السيکومترية للکشف عن هذه الاشتراکات وتحليلها (Golino & Epskamp, 2017)

تطبق طريقة تحليل الرسم البياني الاستکشافي (EGA) نموذج جاوس الرسومي Gaussian Graphical Model (GGM; Lauritzen, 1996)، والذي يتم حسابه باستخدام الرسم البياني لأقل عامل انکماش مطلق للاختيار graphical least absolute shrinkage and selection operator وهي في الأصل طريقة لتحليل الانحدار تقوم في نفس الوقت باختيار المتغيرات وتنظيمها لتعزيز دقة تنبؤات النماذج الإحصائية. اقترح أصلاً الجنسانية وقابلية التفسير روبرت تيبشيراني، أستاذ الإحصاء بجامعة ستانفورد، في عام 1996 بناءً على استنتاج المعلمة غير السلبي من ليو بريمان (Garrote Nonnegative Garrote، NNG). تم استخدام خوارزمية Lasso في الأصل لحساب نموذج المربعات الصغرى. وهذه الخوارزمية البسيطة تکشف عن خصائص مهمة للعديد من المُقدِّرين، مثل العلاقة بين المُقدر وانحدار Ridge (وتسمى أيضًا Tikhonov)، وأفضل اختيار مجموعة فرعية. الصلة بين العتبة المقدرة والناعمة. ويکشف أيضًا أن تقديرات معامل لاسو ليست فريدة بالضرورة عندما تکون العوامل المتداخلة متداخلة (على غرار الانحدار الخطي القياسي). (Glasso; Friedman et al., 2008)، يتم بعد ذلک استخدام خوارزمية walktrap للکشف عن الاشتراکات لتحديد ابعاد الشبکة (Pons & Latapy, 2005)

تستخدم خوارزمية walktrap "مسارات عشوائية" لتحديد المحتوى وعدد الأبعاد في الشبکة، المسار العشوائي عبارة عن خطوات أو قفزات من عقدة الي أخري في الشبکة، بحيث يتم استخدام کل عقدة بشکل متکرر کنقطة بداية. وتتشکل الاشتراکات بناء على کثافة الحواف(الوصلات) المتصلة اتصالا کبيرا بالعقدة (معاملات الارتباط الجزئية المرتفعة) وعدد قليل من الحواف قليلة الاتصال 

الابعاد التي يتم تقديرها بواسطة طريقة تحليل الرسم البياني الاستکشافي (EGA) لا تتطلب أي توجيه من الباحث، وبالتالي تتميز هذه الطريقة عن طرق التحليل العاملي الاستکشافي الأخرى لان البنود وعدد الابعاد يمکن تفسيرهما على الفور، دون أي مداولات حول کيفية تفسير تشبعات البنود الفردية، بالإضافة إلى ذلک، يتم توفير رسم بياني للأبعاد، والذي يوضح کيفية ارتباط البنود والأبعاد ببعضها البعض (Christensen, Cotter & Silvia, 2019)

وقد أظهرت نتائج دراسات المحاکاة والدراسات التجريبية دقة نتائج طريقة تحليل الرسم البياني الاستکشافي في تحديد عدد الابعاد مقارنة بطرق التحليل العاملي الاستکشافي الأخرى على سبيل المثال (طريقة المکونات الأساسية، principal component analysis تحليل العوامل factor analysis، التحليل الموازي parallel analysis) (Golino & Demetriou, 2017; Golino & Epskamp, 2017; Golino et al., 2020). بالإضافة الي ذلک، اثبتت الدراسات فاعلية طريقة تحليل الرسم البياني الاستکشافي في تکرار نتائج التحليلات العاملية، وکذلک اکتشاف عدد الابعاد في البناءات العاملية الجديدة (Christensen, Cotter & Silvia, 2019)

طرق تقدير العوامل في التحليل الرسم البياني الاستکشافي

الطريقة الأولي طريقة الرسم البياني لأقل عامل انکماش مطلق للاختيارGraphical Least Absolute Shrinkage and Selection Operator (GLASSO)

يعتمد تحليل الرسم البياني الاستکشافي على تقدير نموذج الشبکة متبوعًا بتطبيق خوارزمية اکتشاف المجتمع (Fortunato, 2010; Yang, Algesheimer, & Tessone, 2016)، يتم تمثيل نماذج الشبکة بواسطة العقد (على سبيل المثال، الدوائر) التي تمثل المتغيرات والحواف (مثل الخطوط) التي تمثل العلاقة (على سبيل المثال، الارتباطات) بين عقدتين. تتمثل طريقة تقدير الشبکة الرئيسية في بناء نموذج جاوس الرسوميGaussian Graphical Model(GGM) (Lauritzen, 1996)، حيث تمثل الحواف الارتباطً الجزئيً بين عقدتين بالنسبة لجميع العقد الأخرى في الشبکة. يتم تقدير GGM باستخدام الرسم البياني لأقل عامل انکماش مطلق للاختيار(GLASSO) (Epskamp, Waldorp, Mõttus, & Borsboom,2018)، والذي يقلص معاملات الارتباط (المعاملات الصغيرة يعوض عنها بالصفر)، يطبق GLASSO أيضًا معيار المعلومات البايزية الممتدة Extended Bayesian information criterion (EBIC) (Chen & Chen, 2008) لاختيار النموذج الأنسب (Epskamp & Fried, 2018; Friedman, Hastie, & Tibshirani, 2008)

في هذه الشبکات، غالبًا ما تظهر مجموعات عديدة من العقد المتصلة، وتشکل مجتمعات مميزة أو مکونات فرعية للعقد ذات الصلة الفريدة. يمکن اعتبار هذه المجموعات مکافئة للعوامل الکامنة (Golino & Epskamp, 2017;Golino et al., 2020)

الطريقة الثانية طريقة الرسم البياني المثلثي المنقي لأقصي حد Triangulated Maximally Filtered Graph (TMFG)

في الفترة الأخيرة، تم تطبيق الرسم البياني المثلثي المنقي أقصي حد (TMFG; Massara, Matteo, & Aste, 2016) کطريقة بديلة لتقدير الشبکة في طريقة تحليل الرسم البياني الاستکشافي (Christensen et al., 2019; Golino et al., 2020) ، وتستخدم طريقة TMFG قيدا بنائيا يحد من عدد الارتباطات الصفرية المدرجة في الشبکة (3n - 6) (حيث n هو عدد المتغيرات). تبدأ خوارزمية TMFG بتحديد أربعة متغيرات لها أکبر مجموعة من الارتباطات مع جميع المتغيرات الأخرى. بعد ذلک، يضيف بشکل متکرر کل متغير مع أکبر مجموعة من ثلاثة ارتباطات إلى العقد الموجودة بالفعل في الشبکة حتى تتم إضافة جميع المتغيرات إلى الشبکة.

تشکل في النهاية شبکة مکونة من 3 و4 عقد (أي مجموعة من العقد المتصلة)، والتي تشکل العناصر المکونة للتسلسل الهرمي الناشئ في الشبکة (Song, Di Matteo, & Aste,2012) ، و من الجدير بالملاحظة أن هذا البنية يمکن أن ترتبط بمصفوفة التباين العکسي (أو مصفوفة الدقة) من خلال طريقة تسمى الانعکاس المحلي / العالمي Local/Global inversion (LoGo; Barfuss, Massara, Di Matteo, & Aste, 2016) ، مما ينتج عنه نموذج جاوس البياني GGM. فيما بعد، وغالبا ما تشير EGA إلى تحليل الرسم البياني الاستکشافي مع تقدير GLASSO ويشير EGAtmfg إلى تحليل الرسم البياني الاستکشافي مع تقدير TMFG.

يمکن لطريقة EGAtmfg التغلب على بعض قيود الطريقة السابقة. تتمثل إحدى مزايا TMFG في أنه لا يقتصر على التوزيعات العادية متعددة المتغيرات ومعاملات الارتباط الجزئي (أي يمکن استخدام أي مقياس ارتباط)، ويمکنه إجراء مقارنات مستقرة عبر أحجام العينات المختلفة (Golino et al., 2020)

تقدير الابعاد الأساسية في نماذج الشبکة

لتقدير الأبعاد الأساسية في نماذج الشبکة، تستخدم طريقة تحليل الرسم البياني الاستکشافي خوارزمية walktrapلاکتشاف المجتمع، والتي تقدر عدد ومحتوى المجموعات باستخدام "مسارات عشوائية" عبر الشبکة (Pons & Latapy,2005). تنتقل هذه المسارات العشوائية بشکل متکرر عبر الحواف المجاورة، حيث تکون أوزان الحواف الأکبر هي المسارات الأکثر احتمالية للانتقال. يتم استخدام کل عقدة بشکل متکرر کنقطة بداية حيث يتم أخذ الخطوات - القفزات من عقدة فوق حافة إلى أخرى - بعيدًا عن تلک العقدة، وتشکيل حدود المجتمع. يتم بعد ذلک تحديد مجتمع العقدة من خلال نسبتها من العديد من الحواف المتصلة بکثافة إلى حواف قليلة متصلة بشکل ضئيل.

ويعد استخدام الخوارزمية امرا ضروريا في طريقة تحليل الرسم البياني الاستکشافي، حيث يتم اکتشاف عدد الابعاد ومحتواها بدون توجيه الباحث، ثم يتم تصوير هذه النتائج في مخطط شبکة سهل القراءة، حيث يتم ترميز العناصر في کل بُعد بالألوان.

وعلى الرغم من أن نتائج دراسات المحاکاة والدراسات التجريبية الواقعية أظهرت دقة نتائج طريقة تحليل الرسم البياني الاستکشافي في تحديد عدد الابعاد مقارنة بطرق التحليل العاملي الاستکشافي الأخرى، لا يزال اتباع طريقة واضحة ومحددة لفحص مدي استقرار الابعاد أمر هام للغاية، فعدد الابعاد قد يختلف اعتمادًا على العينة أو حجم العينة. من ناحية أخرى، قد يکون عدد الأبعاد متسقًا عبر العينات ولکن قد يتم تحديد بعض العناصر في بُعد واحد في عينة واحدة وفي بُعد آخر في عينة مختلفة.

 قد تحدث هذه النتائج لأسباب عديدة. على سبيل المثال، قد يکون وجود العناصر في أبعاد مختلفة مشکلة في حجم العينة أو تلميحًا إلى أن العنصر متعدد الأبعاد أي أنه متصل بشکل کبير ببُعدين أو أکثر.

لذلک، من الضروري اتباع طريقة قادرة على تقييم جودة نتائج طريقة تحليل الرسم البياني الاستکشافي، ويسمح للباحثين بفحص کيف يمکن توقع تعميم نتائجهم على عينات أخرى. لن يؤدي مثل هذا النهج إلى تفسيرات أکثر دقة فحسب، بل يوفر أيضًا للباحثين ثقة أکبر في نتائجهم.

مؤشرات المطابقة في طريقة تحليل الرسم البياني الاستکشافي (Entropy Fit Indices)

يطلق على اعتلاج المعلومات (information entropy)‏ إنتروبي أو أنتروبيا المعلومات، وهي کمية أساسية في نظرية المعلومات مرتبطة بأي متغير عشوائي، والتي يمکن تفسيرها على أنها متوسط معدل إنتاج المعلومات من خلال مصدر احصائي للبيانات. عندما ينتج مصدر البيانات قيمة احتمالية منخفضة (على سبيل المثال، عند وقوع حدث احتمالية منخفضة)، يحمل الحدث «معلومات» أکثر مما ينتج عندما ينتج مصدر البيانات قيمة احتمالية عالية. يتم تمثيل مفهوم «المعلومات» رسميًا من خلال کمية المعلومات الذاتية لشانون، ويتم أيضًا تفسيرها أحيانًا على أنها «مفاجأة». ثم تصبح کمية المعلومات التي ينقلها کل حدث فردي متغيرًا عشوائيًا قيمته المتوقعة هي إنتروبيا المعلومات. تم تقديم مفهوم انتروبيا المعلومات من قبل کلود شانون في ورقته عام 1948 «نظرية رياضية في الاتصال» (Carter, 2014)

تقترح طريقة تحليل الرسم البياني الاستکشافي ثلاثة مقاييس ملائمة جديدة (مؤشرات الانتروبيا)، تجمع بين نظرية المعلومات، ونظرية المعلومات الکمية (ميکانيکا الکم)، والتحليل البنائي وهي:

Entropy Fit Index (EFI) ، Von Neumman Entropy (EFI.vn) ، Total EFI.vn (TEFI.vn) يمکن تقدير الأول EFI في مجموعة البيانات الکاملة باستخدام إنتروبيا شانون، بينما يمکن تقدير EFI.vn و TEFI.vn في مصفوفات الارتباط باستخدام مقاييس المعلومات الکمومية ، وقد أظهرت العديد من دراسات المحاکاة، أن مؤشرات المطابقة TEFI.vn و EFI.vn وEFI دقيقة أو أکثر دقة من مؤشرات الملاءمة التقليدية عند تحديد عدد العوامل الکامنة. وأکثر هذه المؤشرات دقة هو مؤشر تناسب الانتروبيا الکلي لنيومان (Golino et al., 2021)، تشير قيم TEFIvn المنخفضة إلى ملاءمة أفضل

مميزات استخدام تحليل الرسم البياني الاستکشافي للتحقق من صدق المقاييس

أولاً: هناک استراتيجية مشترکة تستخدم لتحديد البناء العاملي الأمثل لمجموعة من المتغيرات الملاحظة عن طريق تقييم جودة مطابقة النموذج (model fit)، على الرغم من جاذبية هذا المنهج (Preacher et al., 2013) الا ان الدراسات التي قامت على المحاکاة المتعددة أظهرت أن مؤشرات جودة المطابقة لا تؤدي أداءً جيدًا في تحديد الأبعاد الکامنة (Clark & Bowles, 2018; Garrido et al., 2016; Montoya & Edwards, 2021) ، وفي المقابل ظهرت استراتيجية تحليل الرسم البياني الاستکشافي(EGA) کواحدة من أدق الطرق لتحديد الابعاد الکامنة  (Golino & Demetriou, 2017; Golino & Epskamp, 2017; Golino  et al., 2020a), ، وتقدم أيضًا دليلًا مرئيًا مفيدًا عبارة عن - مخطط الشبکة (network plot) – الذي يوضح البنود التي تتجمع معًا ومستوى ارتباطها.

ثانيًا: يتم اختيار النموذج الأمثل نتيجة العديد من التحليلات ولکن في کثير من الأحيان لا يتم التحقق من مدي استقرار هذا البناء العاملي عبر عينات مختلفة، وعلى الرغم من طريقة bootstrappingالمستخدمة في التحليل العاملي الاستکشافي للبنود (EFA)، والتحليل العاملي التوکيدي (CFA) ، ونماذج المعادلة البنائية (SEM) تعد مفيدة في تقدير التقديرات اللامعيارية والمعيارية ، والاخطاء المعيارية ، وفترات الثقة (Lai, 2018; Zhang et al., 2010) ، ولکن يتم تطبيق هذه الطريقة  بشکل عام من خلال تقدير نفس النموذج عبر عينات bootstrapping. هذا هو القيد الملحوظ لأن إجراءات عينات bootstrap المستخدمة في التحليل العاملي لا توضح ما إذا کان قد تم اختيار نماذج ذات أبعاد مختلفة على أنها الأمثل عبر عينات bootstrap.

يمکن أن يساعد الحصول على معلومات حول استقرار البناء العاملي للبنود والابعاد الباحثين على فهم التناقضات عبر الدراسات المختلفة والتي تشير إلى بنى کامنة مختلفة لنفس الشيء. کما أنه سيوفر رؤية متکاملة وأکثر دقة لمقارنة العديد من النماذج البنائية المختلفة لأداة قياس معينة، وتوفر طريقة تحليل الرسم البياني الاستکشافي (EGA) وظيفة bootstrap والتي تساعد على التعرف على مدي استقرار الابعاد وکذلک ارتباط العناصر بأبعادها (Christensen & Golino, 2019)، مما يمنح الباحثين نظرة أعمق فيما يتعلق بدقة البناء العاملي وقابليته للتکرار عبر عينات مختلفة.

ثالثًا: من المحتمل أن تحتوي البنية الکامنة للبيانات التجريبية، بصرف النظر عن عدد من العوامل الرئيسية المشترکة، على العديد من العوامل الثانوية أو تباين الخطأ المنهجي الذي لا يتم تفسيره عمومًا بواسطة النماذج بخيلة العوامل parsimonious factor models التي يحددها الباحثون. أحد المصادر المتکررة لهذا التباين في الخطأ المنتظم هو الارتباط بين بواقي البنود التي لها نفس الصياغة أو المحتوى المتداخل (Heene et al., 2012; Montoya & Edwards, 2020).. وعندما لا يتم اخذها في الاعتبار، يمکن أن يکون للارتباط الکبير بين هذه البواقي تأثير کبير على تقدير الأبعاد والبنية العاملية للبيانات التجريبية (Garrido et al., 2018; Yang et al., 2018).

 الإجراء النموذجي المستخدم في التحليل العاملي لتحديد البواقي المرتبطة هو استخدام المعلومات المتوفرة بواسطة مؤشرات التعديل modification index، والإحصاءات المعيارية للبارامترات المتوقع تغيريها (Saris et al., 2009; Whittaker, 2012)، وبالرغم من ذلک فان قيم إحصاءات مؤشرات المطابقة المحلية تعتمد على عدد العوامل المحددة من قبل الباحثين (Heene et al., 2012)، مما يخلق مشکلة اختلاط ما إذا کان الباحثون يحاولون تحديد أبعاد البيانات في المقام الأول.

تم حل هذه المشکلة في طريقة تحليل الرسم البياني الاستکشافي (EGA)، لأنها توفر اجراء لتحديد أزواج البنود المکررة والتي لا تتطلب تحديد بنية کامنة معينة (Christensen et al., 2020, 2021). بهذه الطريقة، يمکن للباحثين تحديد مجموعات محتملة من العناصر الزائدة عن الحاجة واختبار تأثيرها على الأبعاد والبنية الکامنة (Christensen et al., 2020; Rozgonjuk et al., 2020) دون الحاجة إلى القلق من أن النتائج التي توصلوا إليها هي نتاج بناء عاملي محدد بشکل خاطئ.

رابعًا: عند اتخاذ قرار بشأن البنية العاملية المثلي، يقوم الباحثون غالبا بمقارنة نماذج لهذه البنية العاملية مع اعداد من العوامل قريبة من البنية الأساسية، ويمکن أن تخلق هذه الاستراتيجية بعض المشکلات، فاذا حدد الباحثون عوامل رئيسية أکثر من العوامل الفعلية الموجودة لدي المجتمع، وکانت المؤشرات جيدة لهذا النموذج فهذا يعطي انطباعا بوجود عوامل جوهرية أکثر من تلک الموجودة بالفعل (Auerswald & Moshagen, 2019; Wood et al., 1996)

 ولکن مع استخدام طريقة تحليل الرسم البياني الاستکشافي (EGA)، لا يمکن للباحثين الحصول على تقديرات دقيقة للأبعاد الرئيسية فقط، ولکن أيضًا معلومات متعلقة بمدى قوة هذا التقدير مع تقييم مصداقية الحلول القريبة المحتملة.

خامسًا: يمکن أن تختلف نتائج الدراسات التي تهتم بالتحقق من صدق المقاييس بسبب عدم استقرار البنية العاملية عبر العينات، والتي تتعلق بخصائص مختلفة للبيانات مثل مستوى تشبعات العوامل، وعدد المتغيرات لکل عامل، وحجم الارتباطات بين العوامل (de Winter et al., 2009; Hogarty et al., 2005; Wolf et al., 2013).

ويفيد استخدام طريقة تحليل الرسم البياني الاستکشافي (EGA) في التحقق من صدق المقاييس بشکل خاص، فقد ثبت من خلال الدراسات السابقة دقة هذه الطريقة بالمقارنة مع الطرق الأخرى، عند تقدير عدد الابعاد في ظل وجود شروط صعبة مثل وجود عدد قليل من المتغيرات لکل عامل، وارتباطات عالية بين العوامل، أو تشبعات ضعيفة على العامل، نظرًا لوجود حجم عينة کبير بما يکفي (Golino & Demetriou, 2017; Golino & Epskamp, 2017; Golino et al., 2020a).

من خلال العرض السابق للإطار النظري والدراسات السابقة يمکن وضع مجموعة من الأسئلة والتي تحاول الدراسة الإجابة عنها وهي:

1. هل تختلف البنية العاملية لمقياس سکوت للذکاء العاطفي باستخدام طريقة تحليل الرسم البياني الاستکشافي Exploratory Graph Analysis(EGA) عن المحکات الأخرى المستخدمة في تحديد عدد العوامل في التحليل العاملي الاستکشافي للبنود؟
2. هل تختلف البنية العاملية لمقياس سکوت للذکاء العاطفي باستخدام طريقة التقدير لتحليل الرسم البياني الاستکشافي Exploratory Graph Analysis(EGA)؟
3. ما درجة استقرار کلا من الأبعاد والبنود داخل الأبعاد لمقياس سکوت للذکاء العاطفي؟
4. هل هناک تأثير للبنود غير المستقرة على البنية العاملية لمقياس سکوت للذکاء العاطفي؟
5. هل هناک تأثير للتکرار المحتمل للبنود على البنية العاملية لمقياس سکوت للذکاء العاطفي؟
6. ما هي مؤشرات الثبات لمقياس سکوت للذکاء العاطفي؟

إجراءاتالدراسة

أولا: منهج الدراسة

تتبع هذه الدراسة المنهج الوصفي، الذي یعمل على وصف الظاهرة، وتصنيف المعلومات، وتنظيمها وتفسيرها بغیة الوصول إلى استنتاجات عامة، تساعد على فهم الواقع وتطويره، وذلک باستخدام أدوات مناسبة (الخصائص السیکومتریة)

ثانيا: عينة الدراسة

تم الاعتماد في هذا البحث على عينة قوامها (962) طالب وطالبة من طلاب کلية التربية بجامعة الوادي الجديد بواقع (362طالب، 600 طالبة) بالفرقة الثانية والثالثة عام وأساسي خلال الفصل الدراسي الثاني (2021م، 2022 م)، فتراوحت أعمارهم ما بين (19- 21) سنة بمتوسط عمري قدره (20.2) سنة وانحراف معياري قدره (1.2) سنه، وتم الاعتماد على الطريقة العشوائية في اختيار افراد العينة وتقسيمها الي عينتين متساويتين (481 طالب وطالبة لإجراء التحليل العاملي الاستکشافي للبنود ، 481 لإجراء التحليل العاملي التوکيدي للبنود)، وتم تطبيق جميع أدوات الدراسة عن طريق نماذج جوجل ((Google Forms.

ثالثا:أدوات الدراسة

  مقياس الذکاء العاطفي لصاحبه سکوت وآخرون:(schutte et al.,1998)

وھو مقياس من مقاييس التقدير الذاتي مکون من (33) بند، ويحتوي على سلم من (5) درجات على طريقة ليکرت، وقد قام مؤلفو هذا المقياس باستخدامه في العديد من الدراسات السيکولوجية ويقيس مجموعة من العواطف أو الانفعالات کالتمییز بين انفعالات الذات وانفعالات الآخرين، وتنظيم وضبط هذه الانفعالات واستعمالها لحل المشکلات، وقد ارتبط ارتباطا دالا بثمانية مفاهيم نفسية کالوعي بالانفعالات والتوجه نحو الحياة والمستقبل والتفاؤل والتوافق الدراسي، والاجتماعية وغيرها؛ و يتألف المقباس من ( 5) استجابات ( لا أوافق بشدة ، لا أوافق ، غير متأکد ، أوافق ، أوافق بشدة) ، وقد ترجم إلى البيئة العربية من طرف العديد من الباحتين مثل (أمطانيوس نايف ميخائل ، 2010) ، وقد عرض الباحث المقياس في صورته الأجنبية والعربية علي متخصص في اللغة الإنجليزية  ، ومتخصص في اللغة العربية لمراجعة الترجمة والتدقيق اللغوي ، وقد أثبتت العديد من الدراسات (تمت الإشارة اليها في مقدمة الدراسة ) تمتع المقياس بخصائص سيکومترية مقبولة

الاساليب الاحصائية:

تم استخدام البرنامج الاحصائي (SPSS25) في معالجة البيانات والإحصاءات الوصفية، تم إجراء تحليل البيانات ببرنامج التحليل الاحصائي R باستخدام الحزم الاحصائية (R Core Team, 2020)،) psych (Revelle, 2020، EGAnet(version 0.9.9; Golino & Christensen, 2020)، تم تقدير EGA باستخدام کلا من الطريقتين GLASSO وTMFG، مع استخدام مؤشر الملائمة الانتروبي الکلي لنيومان (TEFI.vn) لتحديد الحل الأمثل في حالة اختلاف الطريقتين. کما تم تقييم ثبات الأبعاد والبنية الکامنة عبر عينات bootstrap، والتکرار المحتمل بين أزواج البنود باستخدام EGA.

ولإجراء التحليل العاملي التوکيدي تم الاعتماد علي الحزم الاحصائية lavaan (Rosseel, 2012) ،semTools (Jorgensen et al., 2021) ،semPlot   (Epskamp,2019) ، وتم تقدير النموذج باستخدام طريقة المربعات الصغرى الموزونة (WLSMV) ، حيث أنها الطريقة الأکثر مناسبة للبيانات الرتبية الفئوية

النتائج ومناقشتها

للإجابة على السؤال الأول والذي ينص على " هل تختلف البنية العاملية لمقياس سکوت للذکاء العاطفي باستخدام طريقة تحليل الرسم البياني الاستکشافي Exploratory Graph Analysis(EGA) عن المحکات الأخرى المستخدمة في تحديد عدد العوامل في التحليل العاملي الاستکشافي للبنود؟

والسؤال الثاني والذي ينص على هل تختلف البنية العاملية لمقياس سکوت للذکاء العاطفي باستخدام الطرق المختلفة لتحليل الرسم البياني الاستکشافي Exploratory Graph Analysis(EGA)؟

تم اجراء التحليل العاملي الاستکشافي بعدة طرق (التحليل الموازي، والبنية البسيطة جدا، والمتوسط الجزئي الأقل، وتحليل الرسم البياني الاستکشافي)

التحليل العاملي الاستکشافيباستخدام طريقة التحليل الموازي (PA):

تم اجراء التحليل العاملي الاستکشافي للبنود (تم التطبيق على عينة 481 طالب)، حيث تم استخلاص العوامل بطريقة المربعات الصغرى الموزونة في ضوء المتوسطات والتباينWLSMV    لمصفوفة معاملات الارتباط Polychoric

کما تم تحديد عدد العوامل باستخدام طريقة التحليل الموازي وکذلک التدوير المائل للعوامل باستخدام طريقة Oblimin ويعرض الجزء التالي نتائج هذا التحليل

تم إخضاع استجابات المشارکين في الاستجابة على مقياس الذکاء العاطفي إلى الحزمة الإحصائية R وذلک لحساب اختبار ملاءمة حجم العينة (KMO)، وکذلک قيمة محدد مصفوفة معاملات الارتباط، وقيمة کا² المرتبطة Bartlett’s test of sphericity K ، فکانت النتائج کما هو موضح بجدول (1)  التالي

جدول (1) محددمصفوفةمعاملاتالارتباط،وقيمةکا²المرتبطةBartlett’s test of sphericity K ، وکذلک اختبار KMO

يتضح من الجدول السابق ملائمة البيانات للتحليل العاملي الاستکشافي، والشکل التالي يوضح عدد العوامل المستخرجة عن طريق التحليل الموازي

شکل (1) التحليل الموازي لبنود مقياس الذکاء العاطفي

ملحوظة: يتم تحديد عدد العوامل أثناء استخدام طريقة أو محک التحليل الموازي من خلال تحديد عدد المثلثات التي تقع کمية فوق خط البيانات التي تم توليدها باستخدام المحاکاة FA Simulated Data

وبالتالي کما يتضح من الشکل أن هناک خمسة عوامل تتشبع عليها بنود مقياس الذکاء العاطفي، والجدول (2) التالي يوضح مصفوفة النمط للعوامل بعد التدوير المائل، التشبعات، الشيوع، الجذور الکامنة، النسب المئوية للتباين:

جدول (2) قيم التشبعات، الشيوع، الجذور الکامنة، النسب المئوية للتباين

يتضح من الجدول السابق ما يلي:

1-              أسفر التحليل العاملي الاستکشافي عن خمسة عوامل فسرت مجتمعة حوالي (52%) من التباين الکلي

2-  تشبعت العبارات (2، 5، 6، 9، 12، 16، 21) على العامل الأول بجذر کامن (3.236)، ونسبة تباين (9.8%) من التباين الکلي

3-              تشبعت العبارات (7، 13، 14، 28، 29، 30، 31، 32، 33) على العامل الثاني بجذر کامن (4.158)، ونسبة تباين (12.6%) من التباين الکلي

4-  تشبعت العبارات (3، 4، 10، 11، 17، 18، 19، 22) على العامل الثالث بجذر کامن (4.09)، ونسبة تباين (12.4%) من التباين الکلي

5-  تشبعت العبارات (1، 8، 15، 20) على العامل الرابع بجذر کامن (2.719)، ونسبة تباين (8.2%) من التباين الکلي

6-  تشبعت العبارات (23، 24، 25، 26، 27) على العامل الخامس بجذر کامن (2.935)، ونسبة تباين (8.9%) من التباين الکلي

کما اقترح محک المتوسط الجزئي الأقل minimum average partial (MAP) (a minimum of 0.02) = 4 عوامل کما يتضح من الشکل (2) التالي:

شکل (2)عدد العوامل وفق محک المتوسط الجزئي الأقل minimum average partial (MAP)

جدول (3) تقدير عدد العوامل وفق محک البنية البسيطة جدا Very Simple Structure 

يتضح من الجدول السابق أن بنود مقياس الذکاء العاطفي تتشبع على عاملين، کما يقترح مؤشر (BIC achieves a minimum of 397.03) ثماني عوامل، ومؤشر (Sample Size adjusted BIC achieves a minimum of 1323.81) ثماني عوامل ايضا

التحليل العاملي الاستکشافي باستخدام طريقة تحليل الرسم البياني الاستکشافي EGA

تم تنفيذ الخطوة الأولى في تحليلات نتائج مقياس الذکاء العاطفي على عينة التحليل العاملي الاستکشافي باستخدام وظيفة ((UVA Unique Variable Analysis الموجودة في حزمة EGAnet. هدفت هذه التحليلات إلى الکشف عن التکرارات المحتملة بين ازواج البنود بناءً على التشابه بين روابطها والأوزان مع العقد الأخرى (المتغيرات). باستخدام مؤشر التداخل الطوبولوجي الموزون (wTO) weighted topological overlapsوالشکل التالي يوضح مخطط التکرارات المحتملة بين ازواج البنود

شکل (3) مخطط التکرارات المحتملة بين ازواج البنود لمقياس الذکاء العاطفي

يتضح من الشکل السابق أن هناک حوالي (10) ازواج من التکرارات المحتملة ولکي نوضح أي التکرارات مؤثرة تم مقارنة قيمة مؤشر (wTO) لکل زوج مع القيمة الحرجة لهذا المؤشر والتي ساوت (0.144)، والجدول التالي يوضح التکرارات المحتملة بين ازواج البنود مقارنة بالقيمة الحرجة لمؤشر (wTO)

جدول (4) التکرارات المحتملة بين ازواج البنود 

يتضح من الجدول السابق ان هناک (18) زوج من التکرارات المحتملة بين البنود يمکن وضعها في ستة ازواج من البنود کما يلي (23، 24، 25، 27)، (1، 8، 15، 20)، (31، 32، 33)، (9، 16)، (6 ،7)، (10، 22).

الخطوة الثانية هي اجراء تحليل الرسم البياني الاستکشافي باستخدام وظيفية EGA الموجودة في حزمة EGAnet لتقدير ابعاد مقياس الذکاء العاطفي واشتراکات البنود باستخدام طريقتي الرسم البياني لأقل عامل انکماش مطلق للاختيار (GLASSO) graphical least absolute shrinkage and selection operator وطريقة الرسم البياني المثلثي المنقي لأقصي حد (TMFG) triangulated maximally filtered graph ، دون معالجة البنود المکررة والشکل التالي يوضح نتائج الطريقتين (GLASSO، TMFG)

شکل (4) مخطط التحليل البياني الاستکشافي لبنود مقياس الذکاء العاطفي

(طريقة GLASSOيمين الشکل، طريقة TMFG يسار الشکل)

يتضح من الشکل السابق ما يلي:

-       اقترحت طريقة GLASSO ستة عوامل تتجمع حولها بنود مقياس الذکاء العاطفي، تشبعت العبارات (4، 5، 6، 7، 11، 12، 13، 18) على العامل الأول، وتشبعت العبارات (14، 29، 30، 31، 32، 33) على العامل الثاني، تشبعت العبارات (23، 24، 25، 26، 27، 28) على العامل الثالث، وتشبعت العبارات (3، 10، 17، 19، 22) على العامل الرابع، وتشبعت العبارات (2، 9، 16، 21) على العامل الخامس، تشبعت العبارات (1، 8، 15، 20) على العامل السادس

-       اقترحت طريقة TMFG خمسة عوامل تتجمع حولها بنود مقياس الذکاء العاطفي، تشبعت العبارات (1، 2، 8، 9، 15، 16، 18، 20، 21) على العامل الأول، وتشبعت العبارات (14، 28، 29، 30، 31، 32، 33) على العامل الثاني، تشبعت العبارات (23، 24، 25، 26، 27) على العامل الثالث، وتشبعت العبارات (4، 5، 6، 12، 13) على العامل الرابع، وتشبعت العبارات (3، 7، 10، 11، 17، 19، 22) على العامل الخامس

ونظرا لاختلاف تقدير العوامل بين الطريقتين استخدم الباحث مؤشر المطابقة (TEFI) total entropy fit index with Von Neumann entropy (TEFI.vn) للمقارنة بين الطريقتين وقد بلغ مؤشر المطابقة (TEFI) للطريقة الأولي GLASSO (- 0.704)، وبلغ مؤشر المطابقة (TEFI) للطريقة الثانية TMFG (- 11.796)، وبالاعتماد على قيمة المؤشر الأصغر يتضح أن الطريقة الثانية TMFG مناسبة للبيانات بشکل أکبر

ويمکن تلخيص النتائج السابقة في الجدول التالي:

جدول (5) عدد العوامل باستخدام المحکات المختلفة للتحليل العاملي الاستکشافي للبنود

يتضح من الجدول السابق اختلاف عدد العوامل باختلاف المحک المستخدم في تحديدها، وهناک اتفاق بين محک التحليل الموازي، وطريقة TMFGالا ان البنود تختلف في تشبعاتها على الأبعاد في کلا من الطريقتين مما يدل على عدم استقرار بنود الذکاء العاطفي أو أن هناک أثر لتکرار بعض البنود على البنية العاملية لمقياس سکوت للذکاء العاطفي، ويتضح أيضا اختلاف البنية العاملية لمقياس الذکاء العاطفي باستخدام طريقتي الرسم البياني الاستکشافي GLASSO، TMFG وتبين أن طريقة TMFG هي الطريقة المناسبة حيث جاء مؤشر الملائمة الانتروبي الکلي لنيومان (TEFI.vn) لها أقل منه عند استخدام طريقة GLASSO ، مما دفع الباحث للقيام بالخطوات التالية

للإجابة على السؤال الثالث والذي ينص على "ما درجة استقرار کلا من الأبعاد والبنود داخل الأبعاد لمقياس سکوت للذکاء العاطفي؟"

تتضمن الخطوة الثالثة في استخدام وظيفة bootEGA لحزمة EGAnet لتقييم استقرار تقدير الأبعاد واشتراکات البنود. وفقًا لهذه النتائج، کان ثبات تقدير الأبعاد ضعيفًا جدًا لکل من طريقتي GLASSO وTMFG، وتتضح هذه النتائج من خلال الجداول التالية

جدول (6) الإحصاءات الوصفية  

توضح الاحصاءات الوصفية في الجدول السابق أنه في طريقة GLASSO هناک استقرار للحل خماسي الابعاد حيث بلغ (الوسيط 5 والخطأ المعياري 0.98، وحدود فترة الثقة (95%) هي (3.079- 6.921)، وفي طريقة TMFGهناک استقرار للحل رباعي الابعاد حيث بلغ (الوسيط 4 والخطأ المعياري 0.857، وحدود فترة الثقة (95%) هي (2.032- 5.68)، ويتضح ذلک من الجدول التالي الذي يوضح استقرار الابعاد

جدول (7) استقرار تقديرات الابعاد عبر عينات bootstrap باستخدام طريقتي GLASSO، TMFG

يتضح من الجدول السابق أن أفضل حل عاملي في طريقة GLASSOهو الحل خماسي الابعاد بنسبة (42.5 %)، يليه الحل رباعي الابعاد (23.3%)، بينما أفضل حل عاملي في طريقة TMFG هو الحل ثلاثي الابعاد بنسبة (39.4 %)، يليه الحل رباعي الابعاد بنسبة (35%) والشکل (5) والجدول (8) التاليان يوضحان استقرار البنود عبر عينات bootstrapping

شکل (5) مخطط استقرار العناصر عبر عينات bootstrapping

(طريقة GLASSOيمين الشکل، طريقة TMFG يسار الشکل)

جدول (8) استقرار العناصر باستخدام طريقتي GLASSO، TMFG عبر عينات bootstrapping

يتضح من الشکل (5) والجدول (8) السابقين ما يلي:

-       في طريقة TMFG استقراربنود البعد الأول تراوح من (0.46 – 0.86) وتعتبر بنود هذا البعد مستقرة عبر عينات bootstrapping ما عدا البند (18) ، استقرار بنود البعد الثاني تراوح من (0.81- 0.99) وتعتبر بنود هذا البعد مستقرة ، استقرار بنود البعد الثالث تراوح من (0.40- 0.43) ، وتعتبر بنود هذا البعد غير مستقرة ، استقرار بنود البعد الرابع تراوح من (0.17- 0.35) ، وتعتبر بنود هذا البعد غير مستقرة ، استقرار بنود البعد الخامس تراوح من (0.28- 0.86) ، وتعتبر بنود هذا البعد مستقرة عبر عينات bootstrapping ما عدا البند (18)

-       في طريقة GLASSO استقرار بنود البعد الأول تراوح من (0.39 – 0.95) أي هناک ثلاثة بنود غير مستقرة عبر عينات bootstrapping (4، 11، 18)، استقرار بنود البعد الثاني تراوح من (0.72- 0.88) وتعتبر بنود هذا البعد مستقرة الي حد ما، استقرار بنود البعد الثالث تراوح من (0.46- 0.81) ، وتعتبر بنود هذا البعد مستقرة ما عدا البند (28) ، استقرار بنود البعد الرابع تراوح من (0.78- 0.84) ، وتعتبر بنود هذا البعد مستقرة ما عدا البند (10) ، استقرار بنود البعد الخامس تراوح من (0.03- 0.35) ، وتعتبر بنود هذا البعد غير مستقرة، استقرار بنود البعد السادس تراوح من (0.90- 0.91) ، وتعتبر بنود هذا البعد مستقرة ما عدا البند (1 ، 20)

(ملحوظة يعتبر البند غير مستقر إذا کانت قيمته أقل من أو يساوي 0.75) وذلک بالاعتماد على خوارزمية walktrap(wc)

جدول (9) تشبعات البنود باستخدام طريقتي GLASSO، TMFG

يوضح الجدول (9) السابق قوة العقدة لکل بند داخل کل بعد، ويمکن تفسير هذه القيم بشکل متشابه لعمليات تشبعات العوامل في التحليل العاملي الاستکشافي للبنود (EFA)factor loadings (Hallquist et al., 2019)، ولکن هناک اختلاف ملحوظ هو أن هذه القيم تکون موجبة دائما، في حين أن تشبعات العوامل يمکن أن تکون سالبة ولابد من أخذ هذا الاختلاف الرئيسي في الاعتبار عند تفسير نتائج الجدول السابق.

 وعند النظر الي البنود الأقل استقرارا نجد أن تشبعاتها أقل سواء في الطريقة الاولي GLASSO، او الطريقة الثانية TMFG، کما أن تشبعات العوامل في الطريقة الثانية TMFGأفضل بکثير من تشبعاتها في الطريقة الأوليGLASSO

کما أن هناک بعض البنود تتشبع على أکثر من عامل، يشير هذا إلى أنه من المرجح أن يتم سحب هذه البنود إلى أبعاد أخرى. بالإضافة الي ذلک، فإنه يقترح إمکانية أن تکون هذه البنود متعددة الأبعاد، وهذا يتضح من الخطوات التالية

والجدول التالي يوضح اتساق أبعاد المقياس بالطريقتين

جدول (10) اتساق الابعادباستخدام طريقتي GLASSO، TMFG

يتضح مما سبق أن هناک بعض البنود غير مستقرة سواء باستخدام طريقة GLASSO أو TMFG، وقد تؤثر هذه البنود غير المستقرة على البنية العاملة أو استقرار الابعاد لمقياس الذکاء العاطفي لسکوت وقد تکون السبب في اختلاف البنية العاملية، مما دفع الباحث للقيام بحذف هذه البنود غير المستقرة وإعادة التحليل

للإجابة عن السؤال الرابع والذي ينص على "هل هناک تأثير للبنود غير المستقرة على البنية العاملية لاستبيان الذکاء العاطفي؟" الخطوة الثالثة هي إعادة التحليل بعد حذف البنود غير المستقرة، والشکل التالي يوضح نتائج الطريقتين (GLASSO، TMFG)

شکل (6) مخطط التحليل البياني الاستکشافي لبنود مقياس الذکاء العاطفي بعد حذف البنود غير المستقرة

(طريقة GLASSOيمين الشکل، طريقة TMFG يسار الشکل)

يتضح من الشکل السابق ما يلي:

-       اقترحت طريقة GLASSO خمسة عوامل تتجمع حولها بنود مقياس الذکاء العاطفي، تشبعت البنود (29، 30، 31، 32، 33) على العامل الأول، وتشبعت البنود (1، 15، 20) على العامل الثاني، تشبعت البنود (23، 24، 25، 26، 27) على العامل الثالث، وتشبعت البنود (3، 17، 19، 22) على العامل الرابع، وتشبعت البنود (5، 6، 7، 12، 13) على العامل الخامس

-       اقترحت طريقة TMFG ثلاثة عوامل تتجمع حولها بنود مقياس الذکاء العاطفي، تشبعت البنود (14، 28، 29، 30، 31، 32، 33) على العامل الأول، وتشبعت البنود (1، 2، 8، 9، 15، 16، 20) على العامل الثاني، تشبعت البنود (3، 10، 17، 19، 22) على العامل الثالث

ونظرا لاختلاف تقدير العوامل بين الطريقتين استخدم الباحث مؤشر المطابقة (TEFI) total entropy fit index with Von Neumann entropy (TEFI.vn) للمقارنة بين الطريقتين وقد بلغ مؤشر المطابقة (TEFI) للطريقة الأولي GLASSO (- 2.348)، وبلغ مؤشر المطابقة (TEFI) للطريقة الثانية TMFG (- 13.185)، وبالاعتماد على قيمة المؤشر الأصغر يتضح أن الطريقة الثانية TMFG مناسبة للبيانات بشکل أکبر

وتم استخدام وظيفة bootEGA لحزمة EGAnet لتقييم استقرار تقدير الأبعاد واشتراکات البنود. وفقًا لهذه النتائج، کان ثبات تقدير الأبعاد ممتاز بعد حذف البنود غير المستقرة لکل من طريقتي GLASSO وTMFG، وتتضح هذه النتائج من خلال الجداول التالية

جدول (11) ملخص bootEGA

توضح الاحصاءات الوصفية في الجدول السابق أنه في طريقة GLASSO هناک استقرار للحل خماسي الابعاد حيث بلغ الوسيط (5 والخطأ المعياري 0.51، وحدود فترة الثقة (95%) هي (4- 5.250)، وفي طريقة TMFGهناک استقرار للحل ثلاثي الابعاد حيث بلغ الوسيط (3 والخطأ المعياري 0.126، وحدود فترة الثقة (95%) هي (2.752- 3.248)، ويتضح ذلک من الجدول التالي الذي يوضح استقرار الابعاد

جدول (12) استقرار تقديرات الابعاد عبر عينات bootstrap باستخدام طريقتي GLASSO، TMFG

يتضح من الجدول السابق أن أفضل حل عاملي في طريقة GLASSOهو الحل خماسي الابعاد بنسبة (76.4 %)، يليه الحل رباعي الابعاد (20.6%) بينما أفضل حل عاملي في طريقة TMFG هو الحل ثلاثي الابعاد بنسبة (98.4 %)، يليه الحل رباعي الابعاد بنسبة (1.2%)

والشکل (7) والجدول (13) التاليان يوضحان استقرار البنود عبر عينات bootstrapping

شکل (7) مخطط استقرار العناصر عبر عينات bootstrapping

(طريقة GLASSOيمين الشکل، طريقة TMFG يسار الشکل)

جدول (13) استقرار العناصر باستخدام طريقتي GLASSO، TMFG عبر عينات bootstrapping

يتضح من الشکل (7) والجدول (13) السابقين ما يلي:

-       في طريقة GLASSOاستقرار بنود البعد الأول تراوح من (0.97 – 1) وتعتبر بنود هذا البعد مستقرة بشکل ممتاز عبر عينات bootstrapping، استقرار بنود البعد الثاني بلغ (0.90) وتعتبر بنود هذا البعد مستقرة، استقرار بنود البعد الثالث تراوح من (0.99- 1) ، وتعتبر بنود هذا البعد ر مستقرة بشکل ممتاز، استقرار بنود البعد الرابع تراوح من (0.81- 0.84) ، وتعتبر بنود هذا البعد مستقرة بشکل متوسط ، استقرار بنود البعد الخامس تراوح من (0.98- 1) ، وتعتبر بنود هذا البعد مستقرة عبر عينات bootstrapping بشکل ممتاز

-       في طريقة TMFGاستقرار بنود البعد الأول تراوح من (0.89 – 1) وتعتبر بنود هذا البعد مستقرة عبر عينات bootstrapping بشکل ممتاز، استقرار بنود البعد الثاني تراوح من (0.86- 0.98) وتعتبر بنود هذا البعد مستقرة الي بشکل ممتاز، استقرار بنود البعد الثالث تراوح من (0.92- 1)، وتعتبر بنود هذا البعد مستقرة بشکل ممتاز

جدول (14) تشبعات البنود باستخدام طريقتي GLASSO، TMFG

يتضح من الجدول السابق أن تشبعات العوامل في طريقة TMFGأفضل بکثير من تشبعاتها في طريقة GLASSO

والجدول التالي يوضح اتساق أبعاد المقياس بالطريقتين

جدول (15) اتساق الابعادباستخدام طريقتي GLASSO، TMFG

يتضح مما سبق أن هناک تأثير کبير للبنود غير المستقرة على البناء العاملي لاستبيان الذکاء العاطفي، فعندما تم حذف البنود غير المستقرة استقرت البنية العاملية للمقياس سواء باستخدام طريقة GLASSO أو TMFGبشکل کبير، ولکن لا يزال استخدام طريقة TMFGهي الأکثر مناسبة للبيانات أي الحل ثلاثي الابعاد، وجاءت التشبعات باستخدام هذه الطريقة أکبر بکثير من التشبعات باستخدام طريقة GLASSO

للإجابة عن السؤال الخامس والذي ينص على "هل هناک تأثير للبنود المکررة على البنية العاملية لاستبيان الذکاء العاطفي؟"

يتم التعامل مع البنود المکررة کما ورد في دراسة (Christensen, Garrido & Golino, 2021) عن طريق دمجها ثم إعادة التحليل مرة أخري، ويمکن ان يتم هذا الدمج يدويا وذلک بعد نظرة تحليلية للدراسات السابقة والتي تناولت البناء العاملي لمقياس الذکاء العاطفي، ويمکن ان يتم دمج هذه البنود دون تدخل من الباحث باستخدام وظيفة UVA الموجودة في حزمة EGAnet، ونظرا للعدد الکبير من البنود المکررة فضل الباحث دمج هذه البنود دون تدخل منه، ثم أعطي مسميات جديدة للمتغيرات الفريدة الناتجة من الدمج کما بالجدول التالي:

جدول (16) المتغيرات الفريدة للبنود المکررة

والشکل (8) التالي يوضح نتائج الطريقتين (GLASSO، TMFG)

شکل (8) مخطط التحليل البياني الاستکشافي لبنود مقياس الذکاء العاطفي بعد دمج البنود المکررة

(طريقة GLASSOيمين الشکل، طريقة TMFG يسار الشکل)

يتضح من الشکل السابق ما يلي:

-       اقترحت طريقة GLASSO عاملان تتجمع حولها بنود مقياس الذکاء العاطفي، تشبعت البنود (2، 3، 4، 5، 11، 12، 13، 17، 18، 19 ،21، A2 ,A4,A5,A6) على العامل الأول، وتشبعت البنود (14، 26، 28، 29، 30، A1,A3) على العامل الثاني

-       اقترحت طريقة TMFG ثلاثة عوامل تتجمع حولها بنود مقياس الذکاء العاطفي، تشبعت العبارات (2، 5، 11، 12، 13، A2,A4,A6) على العامل الأول، وتشبعت العبارات (3، 4، 17، 18، 19) على العامل الثاني، تشبعت العبارات (14، 26، 28، 29، 30، A1,A3,A5) على العامل الثالث

ونظرا لاختلاف تقدير العوامل بين الطريقتين استخدام الباحث مؤشر المطابقة (TEFI) total entropy fit index with Von Neumann entropy (TEFI.vn) للمقارنة بين الطريقتين وقد بلغ مؤشر المطابقة (TEFI) للطريقة الأولي GLASSO (- 18.432)، وبلغ مؤشر المطابقة (TEFI) للطريقة الثانية TMFG (-15.225)، وبالاعتماد على قيمة المؤشر الأصغر يتضح أن الطريقة الثانية GLASSO مناسبة للبيانات بشکل أکبر

تتضمن الخطوة الثالثة في استخدام وظيفة bootEGA لحزمة EGAnet لتقييم استقرار تقدير الأبعاد واشتراکات البنود. وفقًا لهذه النتائج، کان ثبات تقدير الأبعاد ضعيفًا جدًا لکل من طريقتي GLASSO وTMFG، وتتضح هذه النتائج من خلال الجداول التالية

جدول (17) ملخص bootEGA

توضح الاحصاءات الوصفية في الجدول السابق أنه في طريقة GLASSO هناک استقرار للحل ثلاثي الابعاد حيث بلغ الوسيط (3 والخطأ المعياري 0.92، وحدود فترة الثقة (95%) هي (1.194- 4.806)، وفي طريقة TMFGهناک استقرار للحل ثلاثي الابعاد حيث بلغ الوسيط (3 والخطأ المعياري 0.573، وحدود فترة الثقة (95%) هي (1.876- 4.124)، ويتضح ذلک من الجدول التالي الذي يوضح استقرار الابعاد

جدول (18) استقرار تقديرات الابعاد عبر عينات bootstrap باستخدام طريقتي GLASSO، TMFG

يتضح من الجدول السابق ما يلي:

-       أفضل حل عاملي في طريقة GLASSOهو الحل ثلاثي الابعاد بنسبة (45.1 %)، يليه الحل ثنائي الابعاد (27.6%)

-       أفضل حل عاملي في طريقة TMFG هو الحل ثلاثي الابعاد بنسبة (72.4 %)، يليه الحل رباعي الابعاد بنسبة (1.8%)

والشکل (9) والجدول (19) التاليان يوضحان استقرار البنود عبر عينات bootstrapping

شکل (9) مخطط استقرار العناصر عبر عينات bootstrapping

(طريقة GLASSOيمين الشکل، طريقة TMFG يسار الشکل)

جدول (19) استقرار العناصر باستخدام طريقتي GLASSO، TMFG عبر عينات Bootstrapping

يتضح من الشکل (9) والجدول (19) السابقين ما يلي:

-       في طريقة GLASSOاستقرار بنود البعد الأول تراوح من (0.46 – 0.86) وتعتبر بنود هذا البعد مستقرة عبر عينات bootstrapping ما عدا البند (18) ، استقرار بنود البعد الثاني تراوح من (0.81- 0.99) وتعتبر بنود هذا البعد مستقرة ، استقرار بنود البعد الثالث تراوح من (0.40- 0.43) ، وتعتبر بنود هذا البعد غير مستقرة ، استقرار بنود البعد الرابع تراوح من (0.17- 0.35) ، وتعتبر بنود هذا البعد غير مستقرة ، استقرار بنود البعد الخامس تراوح من (0.28- 0.86) ، وتعتبر بنود هذا البعد مستقرة عبر عينات bootstrapping ما عدا البند (18)

-       في طريقة TMFGاستقرار بنود البعد الأول تراوح من (0.39 – 0.95) أي هناک ثلاثة بنود غير مستقرة عبر عينات bootstrapping (4، 11، 18)، استقرار بنود البعد الثاني تراوح من (0.72- 0.88) وتعتبر بنود هذا البعد مستقرة الي حد ما، استقرار بنود البعد الثالث تراوح من (0.46- 0.81) ، وتعتبر بنود هذا البعد مستقرة ما عدا البند (28) ، استقرار بنود البعد الرابع تراوح من (0.78- 0.84) ، وتعتبر بنود هذا البعد مستقرة ما عدا البند (10) ، استقرار بنود البعد الخامس تراوح من (0.03- 0.35) ، وتعتبر بنود هذا البعد غير مستقرة، استقرار بنود البعد السادس تراوح من (0.90- 0.91) ، وتعتبر بنود هذا البعد مستقرة ما عدا البند (1 ، 20)

جدول (20) تشبعات البنود باستخدام طريقتي GLASSO، TMFG

والجدول التالي يوضح اتساق أبعاد المقياس بالطريقتين

جدول (21) اتساق الابعادباستخدام طريقتي GLASSO، TMFG

يتضح مما سبق أنه بعد دمج البنود المکررة في متغيرات فريدة لم يتحسن استقرار البنية العاملية في الطريقتين GLASSO، TMFG.

يتضح مما سبق أن الحل ثلاثي الابعاد هو أفضل حل عاملي لمقياس الذکاء العاطفي لسکوت، ولذلک قام الباحث باختبار هذا الحل باستخدام التحليل العاملي التوکيدي

التحليل العاملي التوکيدي للبنود:

تم إخضاع استجابات المشارکين (481 طالب من طلاب الجامعة من غير عينة التحليل العاملي الاستکشافي) في الاستجابة على مقياس الذکاء العاطفي، وباستخدام برنامج (R) باستخدام طريقة المربعات الصغرى الموزونة (WLSMV)، فقد اختبر الباحث نموذجين للتحليل العاملي التوکيدي (نموذج ثلاثة عوامل مرتبطة، والنموذج الثنائي Bifactor Model) وجاءت النتائج کما يتضح فيما يلي:

شکل (10) نموذج الثلاثة عوامل المرتبطة يمين والنموذج الثنائي يسار لمقياس الذکاء العاطفي

وقد حقق النموذجان السابقان مؤشرات جودة مطابقة مرتفعة کما يتضح من الجدول التالي:

جدول (22) مؤشرات جودة المطابقة للنموذجان المفترضان

يتضح من الجدول السابق تقارب مؤشرات المطابقة للنموذجين فقد تمتعا بجودة مطابقة ممتازة مع البيانات الا ان النموذج الثنائي الأفضل في جودة مطابقته ، حيث جاءت قية مربع کا له ( 8.65 بدرجات حرية 133) أقل من نموذج الثلاثة عوامل المرتبطة حيث جاءت قية مربع کا له (11.786 بدرجات حرية 149)

والجدول التالي  يوضح التشبعات غير المعيارية وقيم الخطأ المعيارى ، المرتبطة بها، النسبة الحرجة، التشبعات المعيارية، تباين الخطأ لنموذج الثلاثة عوامل المرتبطة

جدول(23) التشبعاتغيرالمعياريةوقيمالخطأالمعيارى، المرتبطةبها،النسبةالحرجة،

 التشبعاتالمعيارية،تباينالخطأ

           ** دال عند 0.01

يتضح مما سبق ما يلي:

-      التشبعات المعيارية لکل العبارات > 0.3، وقيمة النسبة الحرجة دال احصائيا حيث کان أقل تشبع (0.79)، وأعلي تشبع (0.879)

-      حظي النموذج السابق بجودة مطابقة مقبولة حيث وقعت معظم المؤشرات في المدي المقبول

للإجابة على السؤال السادس والذي ينص على "ما هي مؤشرات الثبات لمقياس سکوت للذکاء العاطفي"

قام الباحث بحساب مؤشرات الثبات المرکب(CR) Composite reliability coefficients، والصدق التقاربي والتمايزيDiscriminant Validity - Convergent validity کما يلي:

يشير الثبات المرکب(CR) الي الاتساق الداخلي للمقياس، بينما يشير الصدق التقاربي الي تقارب مکونات المقياس ويتم قياسه بواسطة متوسط التباين المستخرج (AVE) ويجب أن يتعدى 0.5، بينما يوضح الصدق التمايزي مدي اختلاف العبارات التي تقيس کل بعد أو کل متغير عن المتغيرات الأخرى. ويُقاس بواسطة الجذر التربيعي لمتوسط التباين المستخرج(AVE)، ويجب أن يکون الجذر التربيعي لــ (AVE) لکل بعد أکبر من ارتباطه بالأبعاد الأخرى، وذلک وفقا لمحک فورنل لارکر

بالاعتماد على نتائج التحليل العاملي التوکيدي تم حساب کلا من الثبات المرکب والصدق التقاربي والتمايزي ويتضح ذلک من الجدول التالي:

جدول (24) مؤشرات الثبات المرکب والصدق التقاربي والتمايزي

يتضح من الجدول السابق ما يلي:

1-              ارتفاع قيم الثبات المرکب (CR) لکل الابعاد، فقد جاءت کل القيم أکبر من (0.7) وکانت قيمة الثبات المرکب للوعي بالعواطف (0.941)، استخدام العاطفة (0.931)، والتفاؤل وفهم العواطف (0.771)

2-              جاءت قيم الصدق التقاربي(AVE) أکبر من (0.5)، والقيمة المثلي لابد أن تتعدي (0.5)

3-              الصدق التمايزي لکل بعد من الابعاد لم يتحقق بالشکل الکامل لان الجذر التربيعي لــ (AVE) لبعدي (الوعي بالعواطف، واستخدام العاطفة) أقل من ارتباطه بالأبعاد الأخرى، الا في بعد التفاؤل وفهم العواطف کان الجذر التربيعي لــ (AVE) له أکبر من ارتباطه بالأبعاد الأخرى

مناقشة النتائج والاستنتاجات

الدراسة الحالية هي الأولى التي تبحث في الخصائص السيکومترية لمقياس الذکاء العاطفي لسکوت SSREI في البيئة العربية باستخدام طريقة تحليل الرسم البياني الاستکشافي، فبالرغم من الاستخدام الواسع النطاق لـمقياس الذکاء العاطفي، إلا أن هناک جدلًا بشأن البناء العاملي لهذا المقياس (Lima et al.,2022). ويعد تحديد العوامل الکامنة والبنود المرتبطة بها موضوعًا ذا أهمية کبيرة، والذي يحتوي حاليًا على تطورات جديدة قادمة من نماذج الرسومات (Epskamp, Rhemtulla, & Borsboom, 2017)، ولذا کان الهدف الرئيسي من الدراسة الحالية هو التحقق من البناء العاملي لمقياس سکوت للذکاء العاطفي من خلال استخدام الوظائف المختلفة لطريقة تحليل الرسم البياني الاستکشافي EGA. في ضوء ذلک، تم استخدام EGA من أجل: (1) تقدير أبعاد درجات مقياس سکوت للذکاء العاطفي، (2) التأکد من استقرار تقدير الأبعاد واستقرار البنود في الأبعاد، و (3) تقييم تأثير التکرار المحتمل عبر أزواج البنود على الأبعاد والبنية الداخلية للمقياس وقد توصلت الدراسة للعديد من النتائج يتم مناقشتها فيما يلي:

-       اختلفت البنية العاملية لمقياس سکوت للذکاء العاطفي باختلاف المحک المستخدم في تحديد عدد العوامل في التحليل العاملي الاستکشافي للبنود (التحليل الموازي، المتوسط الجزئي الأقل، البنية العاملية البسيطة، الرسم البياني الاستکشافي)، کما اختلفت البنية العاملية باختلاف الطريقة في تحليل الرسم البياني الاستکشافي (GLASSO، TMFG)، مما يدل على عدم استقرار البنية العاملية لمقياس سکوت للذکاء العاطفي، وهذا ما اشارت اليه العديد من الدراسات مثل دراسة  (Gignac Palmer, Manocha & Stough ,2005; Ng, Wang, Kim & Bodenhorn, 2010; Jonker & Vosloo,2008; Lima et al.,2022)

کما جاءت النتائج توضح تشابه کلا من محک التحليل الموازي وطريقة تحليل الرسم البياني الاستکشافي في تقديرها لعدد العوامل، ولکن طريقة تحليل الرسم البياني الاستکشافي هي الطريقة الوحيدة القادرة على التقدير الصحيح لعدد الابعاد عندما يزيد الارتباط بين العوامل أکبر من(0.7) وهذا ما اشارت اليه دراسة (Golino & Epskamp, 2017) ، والتي توصلت الا أن نتائج طريقة تحليل الرسم البياني الاستکشافي تتفوق علي المحکات الأخرى مثل (التحليل الموازي ، المتوسط الجزئي الأقل ، البنية البسيطة جدا ) في دقة التقدير الصحيح لعدد العوامل وخاصة عندما تزيد الارتباطات بين العوامل عن (0.7)

-       جاءت النتائج توضح عدم استقرار أبعاد وبنود مقياس سکوت للذکاء العاطفي عبر عينات bootstrapping مما دفع الباحث لدراسة الاستقرار بعد حذف البنود غير المستقرة

-       هناک أثر کبير للبنود غير المستقرة على استقرار ابعاد مقياس سکوت للذکاء العاطفي واتضح هذا عند حذف هذه البنود وإعادة التحليل مرة أخري فقد زاد استقرار البنود والابعاد

-       تدعم الدراسة الحالية نموذجًا ثلاثي العوامل يتکون من 19 بندا (بعد حذف البنود غير المستقرة)، وتتعارض نتائجها مع النموذج أحادي العامل الذي قدمه مطورو المقياس (Schutte et al. ,1998)، کما أنها لا تتوافق مع النماذج ذات الأربعة عوامل (Petrides & Furham, 2000)، ونماذج الستة عوامل (Jonker & Vosloo 2008). ويشبه الي حد کبير نموذج العوامل الثلاثة Austin et al. (2004) ، الذي تضمن التفاؤل / الإيجابية والتنظيم / استخدام العواطف وتقييم العواطف واحتوت على 24 بندا من 33 بندا أصليًا ، ونموذج Kun et al. (2010) ، والتي تضمنت تقييم العواطف والتفاؤل وتنظيم العواطف والاستخدام الذاتي والشخصي للعواطف. ونموذج الثلاثة عوامل (Naeem & Muijtjens ,2015 ; Mohamed, El Khouly, & Saad, 2012) الذي تضمن (التفاؤل، الوعي بالعواطف، استخدام العواطف)، وبالرغم من ذلک فهي تختلف عن هذه النماذج من حيث عدد البنود، وهو 19 وتشبعات البنود في کل من الابعاد الثلاثة. کما لوحظ القليل جدًا من القواسم المشترکة فيما يتعلق بالبنود التي تمت إزالتها في الدراسة الحالية وتلک التي تمت إزالتها في الدراسات السابقة التي أکدت على بنية ثلاثية العوامل (Naeem & Muijtjens ,2015; Kun et al., 2010;Austin et al. ,2004). ولکن نصل الي نتيجة مهمة مشترکة بين هذه الدراسات ان مقياس سکوت للذکاء العاطفي يکون أکثر استقرارا بعد حذف البنود غير المستقرة ، وهذه النتيجة تأتي متوافقة مع نتائج الدراسات النقدية لمقاييس الذکاء العاطفي والتي أشارت الي أن المقاييس العامة ومنها مقياس سکوت للذکاء العاطفي والتي خضعت للبحث على نطاق واسع تقيس العديد من الجوانب الرئيسية المشترکة وهي (إدراک المشاعر، وتنظيم العواطف، واستخدام العواطف) (O'Connor, Hill, Kaya, & Martin, 2019) ، وتتوافق نتائجها أيضا مع  نموذج  Mayer and Salovey (1997)  للذکاء العاطفي والذي يتألف من ثلاث مکونات الإدراک والتعبير عن المشاعر، فهم العواطف وتحليلها، استخدام العاطفة لتسهيل الفکر.

-       هناک أثر کبير للبنود المکررة على البنية العاملية لمقياس سکوت للذکاء العاطفي، ولکن اتضح أنه عند دمج هذه البنود المکررة في متغيرات فريدة باستخدام وظيفة UVA الموجودة في حزمة EGAnet لا يؤدي الي استقرار کبير في العوامل أو البنود، رغم ان العديد من الدراسات السابقة مثل (Christensen, Garrido & Golino, 2021; Santiago et al.,2021; Tomašević, 2021; Flores‐Kanter et al.,2021)      أکدت على أن استخدام وظيفة UVA يؤدي الي زيادة استقرار العوامل والبنود، وقد يرجع هذا الاختلاف الي اختلاف المقاييس المستخدمة فقد تناولت الدراسات السابقة مقاييس غير الذکاء العاطفي  ، وقد يرجع الاختلاف أيضا الي طريقة دمج البنود المکررة ففي هذه الدراسة تم دمج البنود المکررة آليا باستخدام البرنامج بدون تدخل من الباحث ، وفي معظم الدراسات السابقة تم دمج هذه البنود يدويا بعد نظره فاحصة للأدبيات السابقة التي تناولت هذه المقاييس بالدراسة وقد لجأ الباحث للطريقة الآلية نظرا لزيادة عدد ازواج البنود المکررة في مقياس سکوت للذکاء العاطفي، وتحتاج هذه الطريقة لمزيد من الدراسات المستقبلية والتي تقارن بين استخدام الطريقة اليدوية والآلية في التعامل مع البنود المکررة وأثر ذلک علي استقرار کلا من الابعاد والبنود.

-       اتضح أن الحل الثلاثي العوامل لمقياس سکوت للذکاء العاطفي هو أفضل الحلول العاملية وذلک بعد استخدام التحليل العاملي التوکيدي فقد حقق النموذج الثلاثي جودة مطابقة عالية مع البيانات، کما يمکن الاعتماد على درجة کلية للذکاء العاطفي حيث حقق النموذج الثنائي أيضا مؤشرات مطابقة عالية

-       جاءت مؤشرات الثبات المرکب والصدق التقاربي والتمايزي للمقياس ذو الثلاثة عوامل مرتفعة، ويتفق هذا مع نتائج الدراسات السابقة والتي تمت الإشارة اليها سابقا في أن مقياس سکوت للذکاء العاطفي له مؤشرات ثبات مقبولة

وأخيرا يمکن استنتاج أن أفضل بناء عاملي لمقياس سکوت هو البناء ثلاثي العوامل بعد حذف البنود غير المستقرة، والذي جاء متوافقا مع نتائج العديد من الدراسات السابقة والادبيات النظرية التي تناولت مقياس سکوت للذکاء العاطفي بالدراسة والنقد، کم قدمت الدراسة دليلا على فاعلية طريقة تحليل الرسم البياني الاستکشافيEGA کطريقة من طرق التحليل العاملي الاستکشافي للبنود في التحقق من البنية العاملية للمقاييس متعددة الابعاد وأن هذه الطريقة تتفوق علي الطرق التقليدية الأخرى في التحديد الدقيق لعدد الابعاد ، کما انها تمتاز بالعديد من الوظائف التي تستخدم في التحقق من استقرار الابعاد والبنود وفي التعامل مع البنود المکررة بالإضافة الي ان هذه الطريقة تتم بدون توجيه من الباحث أو تدخل منه في تحديد عدد البنود بخلاف الطرق الأخرى، وتحتاج هذه الطريقة للمزيد من الدراسات العربية 

کما توصي الدراسة بإجراء دراسات حول مؤشرات صدق البنية الخارجية للمقياس External Structure Validity من خلال دراسة العلاقة بين الذکاء العاطفي والعوامل الکبرى للشخصية ومقاييس الذکاء العاطفي الأخرى، وتطبيق طريقة تحليل الرسم البياني الاستکشافي بوظائفها المختلفة على مقاييس أخري غير الذکاء العاطفي في البيئة العربية للاستفادة من مميزاتها في التحقق من البنية العاملية للمقاييس متعددة الابعاد