غالبا ما تبدأ المنظمات الإنسانية والإنمائية أنشطتها في موقع معين بطرح السؤال التالي: “ما هي المشكلة التي يمكننا حلها؟

ولأن التدخلات والحلول التي تتم في مجالات الفعل الإنمائي، غالباً ما تتخذ “نهجا قائمًا على الحل”، يُركِّز على حلول في سياقات محلية لضمان تحقيق أكبر قدر من الاستدامة لهذه الحلول. ذلك يتطلب طرح الأسئلة الآتية:

• ما الذي يمتلكه هذا المجتمع المحلي من حلول وأصول ومبتكرين محليين؟
• من هم الأفراد والجهات في هذا المجتمع المحلي، الذين قد تمكنوا بالفعل من حل المشكلة التي نرغب في التركيز عليها؟

البحث عن إجابات لهذه الأسئلة، هو الأساس لنهج انمائي ظهر في الآونة الأخيرة، يُعرف باسم الانحراف الإيجابي المدعوم بالبيانات (DPPD). يركز هذا النهج على اكتشاف هؤلاء المبدعين المحليين ودعمهم. وقد أشارت تجارب البحث والممارسة إلى ميل هذه الأنواع من النهوج إلى أن تكون أكثر استدامة وأكثر فعالية، كما مكن أن تكشف عن "حلول غير تقليدية "، ربما خارج منظور الأنشطة العادية.

للتعرف على منهجية الانحراف الإيجابي المدعوم بالبيانات، لابد بدايةً من أخذ فكرة عامة حول الانحراف الإيجابي (PD)، والذي يعتبر الأساس لمنهجية (DPPD).

ما هو الانحراف الإيجابي؟

الانحراف الإيجابي (PD) هو نهج للتغيير السلوكي والاجتماعي بناءً على ملاحظة، أنه يوجد في أي مجتمع أشخاص تمكنهم سلوكياتهم أو استراتيجياتهم غير الشائعة ولكن الناجحة، من إيجاد حلول أفضل من أقرانهم، على الرغم من مواجهتهم تحديات متماثلة، وعدم امتلاكهم موارد أو معرفة أكبر عما يمتلكه أقرانهم.!!

يشار إلى هؤلاء الأفراد على أنهم المنحرفون الإيجابيون، كما وأن اعتماد حلولهم هو ما يشار إليه بمقاربة الانحراف الإيجابي

مبادئ الانحراف الإيجابي

الانحراف الإيجابي هو نهج يتم تطبيقه على المشكلات التي تتطلب تغييرًا سلوكيًا واجتماعيًا. وهو يقوم على المبادئ التالية:

• المجتمعات لديها بالفعل الحلول. وهم أفضل الخبراء لحل مشاكلهم، حيث تقوم المجتمعات بالتنظيم الذاتي ولديها الموارد البشرية والأصول الاجتماعية لحل مشكلة متفق عليها.
  

• الذكاء الجماعي. لا يتركز الذكاء والمعرفة في قادة المجتمع فقط، أو في خبراء خارجيين ولكنها أصول تتواجد في جميع أنحاء المجتمع. وبالتالي فإن الهدف من عملية PD هو استخلاص الذكاء الجماعي لتطبيقه على مشكلة معينة تتطلب سلوكًا أو تغييرًا اجتماعيًا.

• الاستدامة هي حجر الزاوية. يمكّن نهج PD المجتمع أو المنظمة من البحث عن حلول مستدامة لمشكلة معينة واكتشافها لأن السلوكيات غير الشائعة الناجحة بشكل واضح تمارس بالفعل في هذا المجتمع في ظل قيود وتحديات الوضع الحالي.

الاختلافات المنهجية بين الانحراف الإيجابي (PD)والانحراف الإيجابي المدعوم بالبيانات (DPPD)

يبدأ كل من PD وDPPD بنفس الفرضية: "يوجد في كل مجموعة أفراد أو مجتمعات، أفرادًا يحققون نتائج أفضل من أقرانهم على الرغم من مواجهة تحديات وقيود مماثلة،.". كما أن كلا النهجين يعترف بقيمة الحلول ذات المصدر المحلي، ووكالة الأشخاص، والحاجة إلى تقدير الميزة النسبية التي قد يتمتع بها المنحرف الإيجابي على الآخرين. ومع ذلك، فإنها تختلف إلى حد ما من الناحية المنهجية، كما هو موضح في الجدول التالي :

إطلاق مبادرة DPPD

في أبريل 2020 ، تم إطلاق مبادرة DPPD من قبل GIZ Data Lab ، ومختبر Pulse Lab التابع للأمم المتحدة في جاكرتا ، و UNDP Accelerator Labs Network ، ومركز جامعة مانشستر للتنمية الرقمية. إنها مبادرة تعلًم عملي تستكشف استخدام مصادر البيانات الرقمية الجديدة لتحديد القيم المتطرفة الإيجابية وفهمها بشكل منهجي في مختلف المجالات.، بهدف بناء فهم مشترك للفرص والقيود المفروضة على طريقة DPPD، وذلك لتطوير مجموعة من الأدوات والتقنيات لتنفيذ المنهجية، واختبارها عبر المواقع والقطاعات والبيانات والمصادر المتنوعة.

منهجية DPPD توفر طريقًا للابتعاد عن الحلول الخارجية لنشر الممارسات والاستراتيجيات المحلية التي تأخذ في الاعتبار المتغيرات السياقية، مما يجعلها أكثر عرضة للالتصاق - وأقل عرضة للرفض الاجتماعي. ومن أجل اختبار وصقل وتوثيق مبادرة DPPD، تم تنفيذ عدد من المشاريع التجريبية التي تغطي العديد البلدان مثل المكسيك وألمانيا والإكوادور ومصر.

في "الحالة المصرية" كان الباحثون الذين حصلوا على درجات عالية في مقاييس الاقتباس هم المنحرفون الإيجابيون. وقد تم اختيار باحثو نظم المعلومات في الجامعات الحكومية في مصر الذين حققوا درجات أعلى بكثير من المتوسط ​​في واحد أو أكثر من ستة مقاييس اقتباس لإجراء مشروع الدراسة عليهم، أما البيانات التي اعتمدت عليها الدراسة، فقد كانت:( بيانات الاقتباس من الباحث العلمي من Google والمنشورات البحثية على Scopus ومواقع الجامعات والمقابلات والاستطلاعات)، ولأن هذه الحالة، هي النموذج العربي الوحيد، الذي كان ضمن العينات التي عملت عليها المبادرة، فسوف يتم مناقشتها في مقالات أخرى..

المراحل الخمس لمنهجية DPPD

انبثقت منهجية DPPD من عملية البحث والاختبار واتباع نفس المراحل في نهج PD، الفرق هو أن DPPD يدمج البيانات الموجودة مسبقًا وغير التقليدية عبر المراحل الخمس، مما يتطلب سلسلة من الأساليب والممارسات الجديدة والمحددة غير المطلوبة في نهج PD. نستعرض هنا المراحل الخمس لمنهجية DPPD، والتي تتكون من:

المرحلة الأولي: تقييم مدى مناسبة أسلوب المشكلة للعمل على المنهجية

تتكون هذه المرحلة من عدة خطوات:

1. تعريف المشكلة: الخطوة الأولى في هذه المرحلة هي الوصف الصحيح للمشكلة وأسبابها الجذرية. من المهم أيضًا تحديد المجموعة المستهدفة من الأفراد أو المجتمعات أو الوحدات الجغرافية المتأثرة بالمشكلة، بالإضافة إلى الوحدات التي سيتم تحليلها في تلك المجموعة المستهدفة.

   من المهم إشراك أصحاب المصلحة في وقت مبكر. يساعد فهم وجهات نظرهم وتأمين قبولهم في البداية على تطوير فهم أقوى للمشكلة، وأسبابها، والتحديات والقيود التي يواجها المجتمع، والممارسات الشائعة الحالية والسلوكيات المعيارية. كما أنه يزيد من احتمالية تبني الممارسات المنحرفة بشكل إيجابي من خلال زيادة الملكية.

2- الملاءمة: الخطوة الثانية هي تقييم مدى ملاءمة طريقة DPPD. وهنا يجب أن تسأل نفسك سؤالًا بسيطًا قبل المضي قدمًا: "هل يجب أن أستخدم طريقة DPPD؟" لمساعدتك في الإجابة على هذا السؤال، فكر في هذين السؤالين:

1. ما هي طبيعة تحدي التنمية الذي أحاول مواجهته؟
2. ما هو احتمال وجود انحرافات إيجابية؟

لا توجد طريقة واحدة ودقيقة للإجابة على السؤالين. ولكن ، كقاعدة عامة، ضع في اعتبارك ما يلي: إذا كانت المشكلة تتطلب حلاً تقنيًا، على سبيل المثال بناء طريق أو إنشاء سد أو إدخال نظام جديد لتكنولوجيا المعلومات، فمن المحتمل ألا تكون طريقة DPPD مناسبة. كما من المحتمل ألا يكون التغيير الإيجابي الذي تهدف إليه مرتبطًا بتغيير الممارسة أو السلوك.

كلما زاد احتمال وجود انحرافات إيجابية في وتيرة المشكلة التي تنخرط فيها، زادت فرصك في التعرف على التحدي الذي تواجهه.

3- الجدوى: الخطوة الثالثة هي تقييم جدوى تطبيق طريقة DPPD. وهنا يتم الأخذ بعين الاعتبار العديد من العوامل، أهمها البيانات والقدرات. لكي تعمل منهجية DPPD، هناك حاجة إلى ثلاث فئات عريضة من البيانات، بيانات النتائج Outcome dataوالبيانات السياقية Contextual data والبيانات السلوكية Behavioral data. كما وهناك عدد من الشروط المتعلقة بتوافر البيانات، وإمكانية الوصول إليها ، وكفايتها تعمل منهجية DPPD، حيث من المهم ضمان وجود مجموعة بيانات غير تقليدية يمكن استخدامها لالتقاط نتائج المجتمع المرصود (بيانات النتائج). ابحث عن البيانات المناسبة واتصل بموفري البيانات المحتملين، مثل المكاتب الحكومية ومشغلي الاتصالات ومراكز الأبحاث ومجمعي بيانات الوسائط الاجتماعية الذين قد يعرفون هذه البيانات أو يمتلكونها. يجب أن تكون البيانات دقيقة بما يكفي لوحدة التحليل، وأن توفر التغطية المكانية والزمانية المطلوبة لمجتمع الدراسة.

 المرحلة الثانية: تحديد من هم المنحرفون إيجابيًا :

وتبدأ هذه المرحلة بقياس الأداء، يليه التجميع المتجانس وتحديد المنحرف الإيجابي، وأخيرًا التحقق الأولي من محددات الانحرافات الإيجابية

1. مقياس الاداء

بعد تحديد المشكلة والتأكد من قابلية تطبيق منهجية الانحراف الإيجابي المدعوم بالبيانات (DPPD)، تأتي مرحلة البحث عن الانحرافات الإيجابية. تتمثل الخطوة الأولى في هذه المرحلة في وضع استراتيجية لقياس أداء وحدات التحليل في مجموعتك المستهدفة. بشكل أساسي، أولئك الذين سيؤدون أداءً عاليًا في هذا المقياس سيكونون منحرفين إيجابيين. ضع المتطلبات التالية في الاعتبار:

• مكون رقمي: تستمد طريقة DPPD مقياس الأداء من مصادر البيانات غير التقليدية، ومعظمها رقمية. وتشمل بيانات المعاملات المتنقلة، وبيانات الاستشعار عن بعد، وبيانات وسائل التواصل الاجتماعي، والبيانات التي ينشئها المواطنون، من بين أمور أخرى.

• التحقق من المؤشرات: يتم جمع الكثير من البيانات غير التقليدية التي يمكن استخدامها لقياس الأداء لأغراض أخرى. هذا يعني أن أي فكرة عن موضوع اهتمامك ستكون غير مباشرة، ونادرًا ما ستحصل على قياس مباشر لأداء وحدات التحليل الخاصة بك.

• مقاييس أداء متعددة: اعتمادًا على كيفية تحديد النتيجة المرجوة، قد تضطر إلى التعامل مع مقياس أداء واحد أو عدة مقاييس. يمكن استخدام الأساليب الإحصائية لتلخيص مقاييس أداء متعددة في مؤشر واحد أو مقاييس أقل. إن أبسط طريقة هي تطوير متوسط مرجح يتم تطبيقه مباشرة على مقاييس الأداء المعيارية، ولكن هذا يتطلب منك تحديد وزن (أهمية) كل مقياس.

2- تجميع متجانس Homogeneous Grouping

تتعلق الخطوة الثانية من المرحلة الثانية بتقسيم المجموعة المستهدفة إلى مجموعات متجانسة تشترك في مجموعة مشتركة من العوامل الهيكلية (مثل المناخ أو الظروف الاجتماعية الاقتصادية أو القرب الجغرافي). للقيام بالتجميع المتجانس، تحتاج إلى تحديد مجموعة من المتغيرات التي تحدد السياقات المختلفة لمجموعاتك المستهدفة. يتطلب الانتقال من هذه المجموعة من المتغيرات الهيكلية إلى مجموعات متجانسة شكلاً من أشكال التجميع. يمكن القيام بذلك يدويًا، بناءً على الخبرة المهنية والحدس، أو يمكن القيام به من خلال تقنيات التعلم الآلي غير الخاضعة للرقابة مثل التحليل العنقودي.

يمكنك أيضًا استخدام النماذج المستندة إلى القرب. هذه تحدد القيم المتطرفة على أنها الملاحظات البعيدة عن التجمعات الكثيفة في البيانات. على سبيل المثال، يمكن تعريف الانحرافات الإيجابية على أنها ملاحظات بعيدة عن المجموعات المهمة. وبالمثل، فإن طريقة المدى الربيعي (IQR) تقسم البيانات إلى أرباع، ويمكن تعريف الانحرافات الإيجابية على أنها ملاحظات تتجاوز 1.5 * IQR

في دراسة الحالة المصرية، والخاصة بالمنشورات البحثية في ​​مصر، تم تحديد الانحرافات الإيجابية في كل مقياس اقتباس باستخدام معدل الذكاء. الباحثون الذين حصلوا على مقاييس اقتباس تتجاوز 1.5 * IQR اعتبروا ذوي انحراف ايجابي

3- التحقق من صحة المنحرف الإيجابي

قم بتقييم أداء المنحرفين إيجابياً وتحقق مما إذا كانوا يتفوقون على أقرانهم باستمرار. سيختلف الإطار الزمني وفقًا لتركيز المشروع، وقد يتطلب رأي الخبراء. كما يمكن التحقق من خلال تحليل السلاسل الزمنية، ففي حين أن البحث الميداني ضروري للتأكيد الكامل لانحرافهم، إلا أن هناك طرقًا وسيطة للتحقق مما إذا كان الانحراف الملحوظ في البيانات ناتجًا ببساطة عن ضوضاء عشوائية أو ما إذا كان يعتمد على إشارات فعلية للأداء المتفوق. فيما يلي عدة طرق للقيام بذلك. ومن المهم كذلك في هذه المرحلة التواصل مع قادة المجتمع والمسؤولين الحكوميين وخبراء المجال المحلي وممارسي التنمية الذين يشاركون في الأنشطة أو المشاريع أو الخدمات المتعلقة بالمناطق المستهدفة قبل إجراء البحث الميداني. يمكن أن تؤدي مشاركتهم الأولية إلى تفسيرات محتملة للأداء المتفوق الذي ربما تم التغاضي عنه.

المرحلة الثالثة: اكتشف العوامل الأساسية

يوضح هذا القسم الخطوات المختلفة اللازمة لاكتشاف العوامل الأساسية التي تسبب الانحراف الإيجابي، ومن ثم تحديد المنحرفين إيجابياً والتي نتج عنها قائمة بالوحدات المنحرفة الإيجابية المحتملة التي سيتم استهدافها لتحقيق الانحراف الإيجابي. يبدأ الاستعلام بتخطيط العمل الميداني، متبوعًا بجمع البيانات، وينتهي بخطوة تحليل البيانات، ترجع أهمية العمل الميداني إلى سببين:

• التحقق مما إذا كانت الانحرافات الإيجابية المحتملة هي بالفعل انحرافات إيجابية حقيقية
• الكشف عن العوامل الأساسية المسؤولة عن انحرافهم

ابدأ بسؤال نفسك من هم أصحاب المصلحة هؤلاء. تعرف على بيئتهم الاجتماعية والثقافية، واحتفظ بها في الاعتبار عند الاقتراب منها. وقبل تطوير أدوات جمع البيانات الخاصة بك، من المهم قراءة أي معلومات أساسية وفهم الأطر المفاهيمية التي قد طورها. ومن المهم كذلك مناقشة إطار العمل المفاهيمي الخاص بك مع أصحاب المصلحة المعنيين والزملاء للتأكد من أنك لم تفوت أي شيء.

بعد تحديد أصحاب المصلحة المختلفين، اسأل نفسك كيف ستجمع المعلومات التي تحتاجها للتحقق من الانحرافات الإيجابية وكشف العوامل الأساسية لانحرافها. بشكل عام، هناك نهجان: نهج نوعي (مثل المقابلات) ونهج كمي (مثل الدراسات الاستقصائية). ولكن يمكنك أيضًا استخدام مزيج من الاثنين.

في دراسة حالة المنشورات البحثية في مصر ، تمت مقابلة باحثين منحرفين إيجابيًا لأول مرة لتكوين فرضيات حول أساس أدائهم. ثم تم جمع البيانات الكمية من كل من الانحرافات الإيجابية وغير الإيجابية للتحقق من صحة هذه الفرضيات، ولتحديد الفروق المهمة بين المجموعتين.

 المرحلة الرابعة: تصميم وتنفيذ التدخلات

يصف هذا القسم كيف يمكن توسيع نطاق الممارسات التي تم تحديدها وتوثيقها في المراحل السابقة إما من خلال التدخلات المجتمعية أو من خلال التدخلات السياسية.

من الأهمية بمكان للمنحرفين الإيجابيين والمجتمع أن يكونوا في قلب كل خطوة من خطوات العملية وأن يشاركوا فيها عن كثب. يقدم التصميم التشاركي مجموعة من الأساليب والأدوات العملية لتمكين المشاركة النشطة لأولئك الذين طوروا وامتلكوا حلًا معينًا (المنحرف الإيجابي)، وأولئك الذين سيستفيدون من تبني ممارسة منحرفة إيجابية (المنحرف غير الإيجابي أو أعضاء المجتمع) ، وكذلك أولئك الذين قد يكون لهم تأثير على عملية التصميم والتنفيذ

في حين أن قائمة الأساليب والأدوات المناسبة طويلة وتتراوح من ورش عمل التصميم المشترك والمختبرات الحية إلى مجموعات التركيز واختبار قابلية الاستخدام، لا توجد طريقة واحدة صحيحة للشروع في تصميم الأنشطة وتنفيذها. فيما يلي بعض الاقتراحات حول كيفية تمكين المشاركة النشطة والهادفة خلال العملية:

- وضع سياق لفهم الممارسات المنحرفة الإيجابية جنبًا إلى جنب مع واحد أو أكثر من ذوي الانحرافات الإيجابية.

تطوير خطة عمل مشتركة لدعم أفراد المجتمع في تبني الممارسات.

- لا تصمم تدخلات تخبر الناس عنها ببساطة. الهدف ليس نقل المعرفة ولكن تشجيع التغيير في الممارسات. حاول بدلاً من ذلك تصميم تدخلاتك بطريقة تمكّن أولئك الذين ليسوا منحرفين إيجابيين من الوصول إلى ممارسات واستراتيجيات المنحرفين إيجابياً

والتصرف بناءً عليها

- توليد الأنشطة بشكل جماعي لتمكين تبني ممارسات منحرفة بشكل إيجابي.

تشجيع وتمكين الأشخاص الذين اكتشفوا الانحرافات لنشر الكلمة في مجموعاتهم أوبين أقرانهم.

يمكن أن يؤدي فهم هذه العوامل الهيكلية أو الفردية وتفاعلاتها مع العوامل السلوكية إلى توجيه تصميم التدخلات الدقيقة وبالتالي زيادة فعاليتها وملاءمتها للسياق.

 المرحلة الخامسة: المراقبة والتقييم

وهنا نقدم نظرة عامة، حول كيفية قياس ورصد وتقييم فعالية التدخلات التي تهدف إلى توسيع نطاق الممارسات والاستراتيجيات غير الشائعة والعوامل الأخرى الكامنة وراء أداء الانحرافات الإيجابية وتضخيمها. كما وتركز هذه المرحلة على تقييم تأثير تدخلات الانحراف الإيجابي المدعوم بالبيانات (DPPD) ، على حد سواء في السياسات والتدخلات المجتمعية. من المهم اتخاذ هذه الخطوة للتأكد من استخدام البيانات لجعل التدخلات فعالة قدر الإمكان وللتمكن من الإبلاغ عن النتائج في نهاية المشروع. هناك ثلاثة عناصر رئيسية تتعلق برصد وتقييم تدخلات DPPD:

  القياس: ما هي البيانات التي سيتم جمعها لتتبع قياس النتيجة؟

يمكن إجراء القياس باستخدام نفس مقياس النتائج الرقمي الذي تم استخدامه لتحديد الانحرافات الإيجابية في المرحلة الثالثة. ومع ذلك، يجب عليك بعد ذلك تحديد ما إذا كانت البيانات التقليدية (مثل الاستطلاعات أو مجموعات التركيز) ضرورية أيضًا لتتبع التقدم وتأثير التدخل.

• التحليلات: كيف سيتم تحليل البيانات التي تم رصدها؟

يجب أن يكون التركيز الرئيسي لتحليلك على قياس التغيير الناجم عن توسيع نطاق الممارسات والاستراتيجيات المنحرفة بشكل إيجابي. قد توجد تغييرات أخرى لم يتم تأثرها بالتدخل، إلا أنه يمكن أن يكون لها تأثير على مقياس النتيجة ، ولكن يجب أن تعتبرها ثانوية في تقييمك.

• النشر: كيف سيتم نشر النتائج عبر مختلف أصحاب المصلحة؟

تتمثل الخطوة الأخيرة في عملية الرصد والتقييم في تحديد كيفية نشر البيانات وإلى من سيتم نشرها. للقيام بذلك، اسأل نفسك الأسئلة التالية:

• كيف وإلى من ستبلغ نتائج الرصد والتقييم داخليًا (داخل المنظمة التي تعمل بها)؟

• كيف وإلى من ستبلغ نتائج الرصد والتقييم خارجيًا (مختلف أصحاب المصلحة والمانحين في المشروع)؟

• كيف ستُستخدم هذه البيانات لتصميم تدخلات أكثر فعالية داخليًا وخارجيًا؟

 في الختام، DPPD هي طريقة جديدة لديها القدرة على قيادة ممارسي التنمية لتحديد المعرفة المحلية وتغذية الذكاء الجماعي ومع ذلك، فإن الطريقة لا تزال في مهدها التشغيلي، وتحتاج إلى المزيد من التجربة وتكرار التجربة، ولكن قد يكون من المهم التأكيد على أن طريقة DPPD هي الأنسب لفرق العمل، لأنها تتطلب مجموعة من المهارات التي من غير المحتمل أن تكون في متناول فرد واحد.