روش دلفی چیست؟ رسیدن به اجماع متخصصان با نظرسنجی‌های مرحله‌ای و بازخورد کنترل‌شده

در سال ۱۹۴۴، ژنرال هنری اچ. آرنولد (Henry H. Arnold) گزارشی جامع برای سپاه هوایی ارتش ایالات متحده سفارش داد تا توانمندی‌های فناوری تعیین‌کننده در جنگ‌های آینده را پیش‌بینی کند. مدل‌های پیش‌بینی سنتی که به شدت به برون‌یابی روندها و فیزیک نظری وابسته بودند، بارها در ارائه پیش‌بینی‌های دقیق در حوزه‌های نوظهوری که هنوز قوانین علمی دقیقی برایشان وضع نشده بود، شکست خوردند.

برای حل این شکاف اطلاعاتی حیاتی، پژوهشگران شرکت رند (RAND Corporation) یک تکنیک ارتباطی ساختاریافته توسعه دادند که هدف آن استخراج پیش‌بینی‌های بسیار دقیق از یک پنل متخصصان، بدون اثرات مخرب شخصیت‌های سلطه‌گر بود.[5]

چارچوب به‌دست‌آمده که به نام اوراکل یونان باستان در دلفی نام‌گذاری شد، جلسات حضوری را کاملاً با مجموعه‌ای از پرسشنامه‌های ناشناس جایگزین کرد. پژوهشگران رند با منزوی کردن متخصصان و کنترل دقیق جریان اطلاعات بین آن‌ها، دریافتند که می‌توانند به طور سیستماتیک اجماع ایجاد کنند، در حالی که فشارهای روانی ناشی از همرنگی با جماعت را که گریبان‌گیر کمیته‌های سنتی است، از بین ببرند.

این پیشرفت روش‌شناختی ثابت کرد که قضاوت‌های جمعیِ استخراج‌شده از یک گروه ساختاریافته از افراد، همواره دقیق‌تر از قضاوت‌های حاصل از بحث‌های آزاد و بدون ساختار است.

امروزه، روش دلفی به عنوان سازوکار استاندارد برای دستیابی به اجماع متخصصان در حوزه‌های بهداشت و درمان، علوم محیطی و سیاست‌گذاری عمومی عمل می‌کند. این فرآیند رسماً با انتخاب یک پنل از متخصصان توسط یک تسهیل‌گر، بر اساس دانش تخصصی و تجربه حرفه‌ای آن‌ها آغاز می‌شود. این کارشناسان یک نظرسنجی اولیه شامل سؤالات باز و مشخص درباره موضوع مورد بحث دریافت می‌کنند که برای استخراج برآوردهای کمی و استدلال‌های کیفی طراحی شده است، بدون اینکه شرکت‌کنندگان را به سمت یک نتیجه از پیش تعیین‌شده سوق دهد.

چه در تعیین اثربخشی یک درمان پزشکی جدید و چه در پیش‌بینی نرخ پذیرش فناوری‌های انرژی تجدیدپذیر، مراحل پایه یکسان باقی می‌مانند. تسهیل‌گر به عنوان یک عامل تغییر بی‌طرف عمل می‌کند و اطمینان می‌دهد که جمع‌آوری داده‌های اولیه، پیش از ارائه هرگونه بازخورد، طیف کامل نظرات کارشناسی را در بر می‌گیرد.[1][5]

از آنجا که پاسخ‌ها به صورت مستقل جمع‌آوری می‌شوند، هیچ شرکت‌کننده‌ای نمی‌تواند جهت‌گیری گفتگو را دیکته کند یا برآوردهای گروه را با یک نظر زودهنگام و تحکم‌آمیز تحت تأثیر قرار دهد. یک بررسی روش‌شناختی در سال ۲۰۲۰ که در کتابخانه ملی پزشکی (National Library of Medicine) منتشر شد، خاطرنشان می‌کند: «ناشناس بودن اعضای فردی در یک مطالعه دلفی، سوگیری‌های ذاتی مانند سلطه‌گری و همرنگی گروهی را که در جلسات گروهی حضوری مشاهده می‌شود، از بین می‌برد.»

این گمنامی ساختاری به‌ویژه در حوزه‌های سلسله‌مراتبی مانند پزشکی و دانشگاهی بسیار حیاتی است، جایی که پژوهشگران تازه‌کار ممکن است در غیر این صورت از مخالفت با دیدگاه‌های تثبیت‌شده مدیران ارشد گروه‌ها تردید کنند.[1]

پس از جمع‌آوری دور اول پاسخ‌ها، تسهیل‌گر داده‌های خام را در قالب یک خلاصه جامع و ناشناس ترکیب می‌کند. این خلاصه شامل پیش‌بینی‌های کمی (که اغلب به صورت میانه و دامنه‌های بین‌چارکی ارائه می‌شوند) و استدلال‌های کیفی ارائه‌شده توسط متخصصان برای حمایت از ادعاهایشان است. نتایج تجمیع‌شده سپس در دور دوم نظرسنجی‌ها به پنل بازگردانده می‌شود و به هر شرکت‌کننده دید روشنی می‌دهد که برآوردهای اولیه‌اش در مقایسه با قضاوت جمعی همتایانش در چه جایگاهی قرار دارد.[5]

در طول این تکرار دوم، شرکت‌کنندگان بازخورد جمعی را بررسی کرده و فعالانه تشویق می‌شوند تا پاسخ‌های اولیه خود را با توجه به بینش همتایانشان اصلاح کنند. اگر برآورد یک متخصص به طور قابل‌توجهی خارج از میانه گروه باشد، معمولاً از او خواسته می‌شود تا یک توجیه کوتاه و ناشناس برای دیدگاه مخالف خود ارائه دهد.

این حلقه بازخورد کنترل‌شده، شرکت‌کنندگان را وادار می‌کند تا استدلال‌های مخالف و شواهد جدید را بدون اصطکاک بین‌فردی یا موضع‌گیری‌های تدافعی که اغلب بحث‌های زنده را از مسیر خارج می‌کند، به طور انتقادی ارزیابی کنند. با تمرکز کامل بر شایستگی استدلال‌ها به جای هویت گوینده، گروه به طور طبیعی شروع به همگرایی به سمت یک اجماع آگاهانه‌تر می‌کند.[1][2]

این فرآیند مرحله‌ای تا زمانی ادامه می‌یابد که گروه به یک معیار توقف از پیش تعیین‌شده برسد و تضمین کند که مطالعه تا بی‌نهایت طول نمی‌کشد. در حالی که کاربردهای نظامی اولیه به دنبال همگرایی آماری دقیق بودند، پژوهش‌های مدرن در حوزه بهداشت و سیاست‌گذاری اغلب اجماع را به عنوان یک آستانه توافق مشخص تعریف می‌کنند که معمولاً بین ۷۰ تا ۸۰ درصد در میان اعضای پنل متغیر است.

تعیین این آستانه پیش از توزیع اولین نظرسنجی برای یکپارچگی روش بسیار مهم است، زیرا از توقف خودسرانه مراحل توسط تسهیل‌گران پس از رسیدن به یک نتیجه دلخواه جلوگیری می‌کند.[1][3]

برای مثال، در مطالعات صلاحیت پرستاری، پژوهشگران اغلب از آستانه توافق ۷۵ درصدی برای تعیین مهارت‌های بالینی کاملاً ضروری برای ورود کارآموزان جدید به نیروی کار استفاده می‌کنند.

یک بررسی دامنه‌ای از ۴۲ مطالعه از این دست نشان داد که تکنیک دلفی به مربیان پرستاری و مدیران بیمارستان‌ها که از نظر جغرافیایی پراکنده هستند اجازه می‌دهد تا برنامه‌های درسی ملی را بدون هزینه‌های گزاف و کابوس‌های لجستیکی برگزاری کنفرانس‌های بزرگ حضوری، استانداردسازی کنند. این اجماع‌سازی از راه دور تضمین می‌کند که استانداردهای آموزشی به‌دست‌آمده، به جای شیوه‌های خاص یک مؤسسه مسلط، بازتاب‌دهنده واقعیت‌های محیط‌های بالینی متنوع باشند.[3]

انعطاف‌پذیری ذاتی این روش همچنین باعث پذیرش گسترده آن در پژوهش‌های حمل‌ونقل عمومی شده است، جایی که سیاست‌گذاران باید دائماً بین اولویت‌های رقیب مانند اثرات زیست‌محیطی، محدودیت‌های بودجه و توسعه شهری تعادل ایجاد کنند. با استفاده از روش دلفی، مقامات حمل‌ونقل می‌توانند به طور سیستماتیک دیدگاه‌های متضاد مهندسان عمران، اقتصاددانان و دانشمندان محیط‌زیست را در یک استراتژی بلندمدت منسجم ترکیب کنند. این مراحل ساختاریافته به این ذینفعان متنوع اجازه می‌دهد تا زمینه‌های توافق مشترکی را شناسایی کنند که ممکن بود در موضع‌گیری‌های سیاسی معمول در جلسات عمومی شهری پنهان بماند.[2]

با این حال، فرآیند سنتی دلفی به شدت زمان‌بر و پرهزینه است. هماهنگی چندین دور نظرسنجی، تحلیل دستی بازخوردهای کیفی و توزیع مجدد پرسشنامه‌های اصلاح‌شده می‌تواند به راحتی ۳ تا ۶ ماه طول بکشد. در پاسخ به این موانع لجستیکی و تقاضای فزاینده برای تصمیم‌گیری سریع، پژوهشگران به طور فزاینده‌ای به روش‌های دلفی اصلاح‌شده یا «چابک» (Agile Delphi) روی آورده‌اند که از زیرساخت‌های دیجیتال مدرن برای تسریع حلقه‌های بازخورد بهره می‌برند.

خستگی شرکت‌کنندگان یک خطر کاملاً مستند در این مطالعات طولانی‌مدت است؛ با طولانی شدن مراحل، نرخ پاسخ‌دهی به ناچار کاهش می‌یابد و کیفیت استدلال‌های کیفی افت می‌کند. برای مقابله با این ریزش، اقتباس‌های چابک سرعت و مشارکت مستمر را بر مراحل خشک و مجزای مدل کلاسیک ترجیح می‌دهند.[4]

دلفی چابک پلتفرم‌های دیجیتال بلادرنگ را ادغام می‌کند که به شرکت‌کنندگان اجازه می‌دهد بلافاصله پس از ارسال پاسخ‌های خود، پاسخ‌های ناشناس گروه را ببینند. این تعامل مستمر و بدون دور، فرآیند اجماع‌سازی را به طور بنیادین تسریع می‌کند و آن را برای سناریوهای واکنش سریع که در آن‌ها انتظار چندماهه برای یک دستورالعمل سیاستی به سادگی امکان‌پذیر نیست، قابل اجرا می‌سازد.

به جای انتظار برای اینکه تسهیل‌گر به صورت دستی گزارشی را تهیه کند، نرم‌افزار به طور خودکار پیش‌بینی‌های میانه و استدلال‌های کیفی را به‌روزرسانی می‌کند و به کارشناسان اجازه می‌دهد تا با ورود اطلاعات جدید به داشبورد، مواضع خود را به صورت پویا تنظیم کنند.[4][5]

در دوران پس از همه‌گیری، سازمان‌های بهداشت و درمان از این چارچوب‌های دلفی چابک برای ایجاد سریع دستورالعمل‌های عملیاتی جهت مدیریت سندرم فرسودگی شغلی در میان کادر پزشکی تحت فشار استفاده کردند. با بهره‌گیری از فناوری برای ساده‌سازی حلقه‌های بازخورد، مدیران تنها در ۱۴ تا ۲۱ روز به اجماع متخصصان دست یافتند؛ کسری از میانگین ۹۰ روزه مورد نیاز در مراحل مجزای سنتی.

این چرخش سریع به بیمارستان‌ها اجازه داد تا ساختارهای حمایتی مبتنی بر شواهد را برای کارکنان خود در حالی که بحران هنوز در جریان بود پیاده‌سازی کنند، نه اینکه دستورالعمل‌های گذشته‌نگر را ماه‌ها پس از نقطه اوج بحران منتشر کنند.[4]

با وجود کاربرد گسترده و ارتقاهای فناورانه اخیر، روش دلفی بدون محدودیت‌های قابل‌توجه نیست. منتقدان اغلب استدلال می‌کنند که تلاش بی‌وقفه برای رسیدن به اجماع آماری می‌تواند ناخواسته نظرات اقلیت معتبری را که وضعیت موجود را به چالش می‌کشند، سرکوب کند.

اگر خلاصه‌های تسهیل‌گر نتواند ظرافت دیدگاه‌های مخالف را به درستی ثبت کند، اجماع نهایی ممکن است به جای یک پیشرفت تحلیلی واقعی، بازتاب‌دهنده یک سازش اجباری باشد. در حوزه‌های علمی پیچیده، نظر اکثریت همیشه درست نیست و دفن کردن داده‌های پرت می‌تواند سازمان‌ها را نسبت به خطرات نوظهور کور کند.[2][5]

علاوه بر این، کیفیت خروجی نهایی کاملاً به تخصص اولیه پنل انتخاب‌شده و بی‌طرفی دقیق تسهیل‌گر بستگی دارد. یک پرسشنامه اولیه با طراحی ضعیف یا خلاصه‌ای با سوگیری ظریف از نتایج دور اول می‌تواند به راحتی تکرارهای بعدی را منحرف کرده و گروه را به سمت یک نتیجه مصنوعی یا از پیش تعیین‌شده سوق دهد. اگر پنل فاقد تنوع فکری واقعی باشد، روش دلفی به سادگی اتاق‌های پژواک موجود را تقویت می‌کند و به چیزی که اساساً جهل دسته‌جمعی است، ظاهری از اعتبار علمی دقیق می‌بخشد.[1][3]

برای کاهش این خطرات، استانداردهای روش‌شناختی معاصر اکنون پژوهشگران را ملزم می‌کنند تا معیارهای دقیق اجماع خود را (که اغلب نیازمند حداقل نرخ پاسخ ۸۰ درصدی در حداقل ۳ دور است) پیش از توزیع اولین نظرسنجی منتشر کنند.

یکپارچگی پیش‌بینی نهایی کاملاً به این شفافیت اولیه بستگی دارد و تعیین می‌کند که آیا دستورالعمل‌های به‌دست‌آمده در بررسی همتایان تاب می‌آورند یا به عنوان یک توافق ساختگی کنار گذاشته می‌شوند. در صورت اجرای صحیح، روش دلفی همچنان یکی از قدرتمندترین ابزارهای موجود برای پیمایش عدم قطعیت است که نظرات کارشناسی پراکنده را به اجماعی عملی و قابل‌اعتماد تبدیل می‌کند.[1][6]