الطلاقة Fluenct: وتعني القدرةَ على توليد عددٍ كبير من البدائل، أو المترادفات، أو الأفكار، أو المشكلات، أو الاستعمالات، عند الاستجابة لمثير معين، والسرعة والسهولة في توليدها. وهي في جوهرها عمليةُ تذكُّر واستدعاءٍ اختياريةٌ لمعلوماتٍ أو خبرات أو مفاهيم سبق تعلُّمها، وقد تم التوصل إلى عدَّة أنواع للطلاقة عن طريق التحليل العاملي، وفي الوقت الذي توصل "ثيرستون Thurstone" وطلبتُه في جامعة شيكاغو إلى ثلاثة أشكال للطلاقة، كشف "جيلفورد Guilford" عن ثلاثة وعشرين نوعًا من قدرات الطلاقة، وصنَّفها ضمن فئة العمليات، تحت عنوان: "الإنتاج المتشعب Divergent Production". وقد اختار "جيلفورد" هذا العنوان لاستيعاب القدرات التي وجدها في دراساته العاملية، ليعطي دلالة واضحة على طبيعة المهمات التي تتطلَّبها اختباراتُه لقياس هذه القدرات، وهي في جملتِها مهماتٌ تعتمدُ على البحثِ الموسَّع في مخزون الذاكرة عن كل المعلومات أو البدائل التي تحقق الشرط أو الشروط الواردة في الأسئلة. وفيما يأتي تفصيل لأبرز أشكال الطلاقة مع أمثلة عليها: • الطلاقة اللفظية، أو طلاقة الكلمات؛ مثل: اكتب أكبر عددٍ ممكن من الكلمات التي تبدأ بحرف "م" وتنتهي بحرف "م". اكتب أكبر عدد ممكن من الكلمات التي تضم الأحرف الثلاثة التالية: "ك - أ - ن". هاتِ أكبر عدد ممكن من الكلمات المكونة من أربعة حروف وتبدأ بحرف "ج". • طلاقة المعاني أو الطلاقة الفكرية؛ مثل: اذكر جميع الاستخدامات الممكنة لـ "علبة البيبسي". اذكر كل النتائج المترتبة على زيادة عدد سكان الأردن بمقدار الضِّعفينِ. أعطِ أكبر عدد ممكن من العناوين المناسبة لموضوع القصة. أعطِ أكبر عدد ممكن من النتائج المترتبة على مضاعفة طول اليوم ليصبح 48 ساعة. • طلاقة الأشكال: هي القدرة على الرسم لعدد من الأشكال أو الأشياء في الاستجابة لمثير شكلي أو بصري؛ مثل: كوِّن أقصى ما تستطيع من الأشكال أو الأشياء، باستخدام الدوائر المغلقة أو الخطوط المتوازية الآتية: ![مهارة توليد المعلومات مهارة توليد المعلومات](https://www.hrdiscussion.com/image/jpeg;base64,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 Tl5ufo6erx8vP09fb3 Pn6/8QAHwEAAwEBAQEBAQEBAQAAAAAAAAECAwQFBgcICQoL/8QAtREAAgECBAQDBAcFBAQAAQJ3AAECAxEEBSExBhJBUQdhcRMiMoEIFEKRobHBCSMzUvAVYnLRChYkNOEl8RcYGRomJygpKjU2Nzg5OkNERUZHSElKU1RVVldYWVpjZGVmZ2hpanN0dXZ3eHl6goOEhYaHiImKkpOUlZaXmJmaoqOkpaanqKmqsrO0tba3uLm6wsPExcbHyMnK0tPU1dbX2Nna4uPk5ebn6Onq8vP09fb3 Pn6/9oADAMBAAIRAxEAPwD0jwp4ctNV8H6JqN5fa5JdXVhBPM41u8Xc7RqzHAlAHJPAAFa/CG6X/z9a5/4Pb3/AOPUeBP SeeGv wVa/8Aopa6CgDn/wDhDdL/AOfrXP8Awe3v/wAeo/4Q3S/ frXP/B7e/wDx6ugooA5/hDdL/5 tc/8Ht7/APHqP EN0v8A5 tc/wDB7e/AB6ugooA5/8A4Q3S/wDn61z/AMHt7/8AHqP EN0v/n61z/we3v8A8eroKKAOf/4Q3S/ frXP/B7e/wDx6j/hDdL/AOfrXP8Awe3v/wAeroKKAOf/AOEN0v8A5 tc/wDB7e/AB6j/hDdL/5 tc/8Ht7/APHq6CigDn/ EN0v/n61z/we3v8A8eo/4Q3S/wDn61z/AMHt7/8AHq6CigDn/wDhDdL/AOfrXP8Awe3v/wAeo/4Q3S/ frXP/B7e/wDx6ugooA5/hDdL/5 tc/8Ht7/APHqP EN0v8A5 tc/wDB7e/AB6ugooA5/8A4Q3S/wDn61z/AMHt7/8AHqP EN0v/n61z/we3v8A8eroKKAOf/4Q3S/ frXP/B7e/wDx6j/hDdL/AOfrXP8Awe3v/wAeroKKAOf/AOEN0v8A5 tc/wDB7e/AB6j/hDdL/5 tc/8Ht7/APHq6CigDn/ EN0v/n61z/we3v8A8eo/4Q3S/wDn61z/AMHt7/8AHq6CigDn/wDhDdL/AOfrXP8Awe3v/wAeo/4Q3S/ frXP/B7e/wDx6ugooA5/hDdL/5 tc/8Ht7/APHqP EN0v8A5 tc/wDB7e/AB6ugooA5/8A4Q3S/wDn61z/AMHt7/8AHqP EN0v/n61z/we3v8A8eroKKAOf/4Q3S/ frXP/B7e/wDx6j/hDdL/AOfrXP8Awe3v/wAeroKKAOf/AOEN0v8A5 tc/wDB7e/AB6j/hDdL/5 tc/8Ht7/APHq6CigDn/ EN0v/n61z/we3v8A8eo/4Q3S/wDn61z/AMHt7/8AHq6CigDn/wDhDdL/AOfrXP8Awe3v/wAeo/4Q3S/ frXP/B7e/wDx6ugooA5/hDdL/5 tc/8Ht7/APHqP EN0v8A5 tc/wDB7e/AB6ugooA5/8A4Q3S/wDn61z/AMHt7/8AHqP EN0v/n61z/we3v8A8eroKKAOf/4Q3S/ frXP/B7e/wDx6j/hDdL/AOfrXP8Awe3v/wAeroKKAOf/AOEN0v8A5 tc/wDB7e/AB6j/hDdL/5 tc/8Ht7/APHq6CigDn/ EN0v/n61z/we3v8A8eo/4Q3S/wDn61z/AMHt7/8AHq6CigDn/wDhDdL/AOfrXP8Awe3v/wAeo/4Q3S/ frXP/B7e/wDx6ugooA5/hDdL/5 tc/8Ht7/APHqP EN0v8A5 tc/wDB7e/AB6ugooA5/8A4Q3S/wDn61z/AMHt7/8AHqP EN0v/n61z/we3v8A8eroKKAOf/4Q3S/ frXP/B7e/wDx6j/hDdL/AOfrXP8Awe3v/wAeroKKAOf/AOEN0v8A5 tc/wDB7e/AB6j/hDdL/5 tc/8Ht7/APHq6CigDn/ EN0v/n61z/we3v8A8eo/4Q3S/wDn61z/AMHt7/8AHq6CigDn/wDhDdL/AOfrXP8Awe3v/wAeo/4Q3S/ frXP/B7e/wDx6ugooA5/hDdL/5 tc/8Ht7/APHqyPFfhy00rwfreo2d9rkd1a2E88LnW7xtrrGzKcGUg8gcEEV29c/47/5J54l/7BV1/wCimoA6CiiigDn/AAJ/yTzw1/2CrX/0UtdBXP8AgT/knnhr/sFWv/opa6CgAooooAKKKKACiiigAooooAKKKKACiiigAopskkcMTyyuqRopZnY4CgdST2FYP9p6rrPGi28draHpqF6hIcescQILD/aYqOhAYUAdBRXP/wDCLfaPm1LW9Zu3/wCmd41qo9gINnH1yfc0f8IZpC8xPqkLf3otWulP6Sc/Q8UAdBRXP/2RrWn/ADaZrb3KDkWupoJAfYSqA6/Vt/0q3p2tC6uTZXlrLYagFLfZ5SCJFHVo3HDr06cjIyBmgDVooooAKKKKACiiigAooooAKKKKACiiigAooooAKKzdS1mKwlS2igmvL Rd0drbgFyvTcxJARc/xMQOwyeKo/2br2pfNqGr/YIm/wCXXTVGQPRpnBJ qqlAHQUVz/8AwhuktzLLqszesurXTfkPMwPwxR/wikcHzadrGs2cg6E3z3C/98zlxj6Ae2KAOgorn/t2t6N/yE4F1K0HW7sYiskY9XhySR7oSf8AZFbdvcwXltHcW0yTQSKGSSNgysD3BFAEtFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFZmpazHYTJaw2817fyLuS1gxu29NzEkBFz3JHoMniqX9ma9qXzahq/2CJv XXTUGQPRpnBJ qqlAHQUVz/AAhuktzLLqszesurXTfkPMwPwxR/wikcHzadrGs2cg6E3z3C/wDfM5cY gHtigDoKK5/7drWjf8AIUgXUbMdbuxiKyRj1eHJJHuhJ/2RW5b3EN3bx3FvKksMihkkjYMrA9CCOtAElFFFABRRRQAUUUUAFc/47/5J54l/7BV1/wCimroK5/x3/wAk88S/9gq6/wDRTUAdBRRRQBz/AIE/5J54a/7BVr/6KWugrn/An/JPPDX/AGCrX/0UtdBQAUUUUAFFFFABRRRQAUUUUAFFFFABRRWH4pmlOn2 m27sk qXC2YdThlQgtKwPYiNZMHscUARQIvii4F5MN2jQv8A6NCfu3Tqf9aw7oCPlHQ/e5 XHQ0yGGK2gjghRY4o1CIijAVQMACn0AFFFFABVTUdNttUtfIuFb5TvjkQ7XicdGRuqsPX8Ohq3RQBk6RqE7zTaXqJX 0bVVZnUYWeM5CyqO2cEEdiD2wTrVz/AIn/ANAFnr0fD2EqrMfW2kZVlB9gNsn1jFdBQAUUUUAFFFFABRRRQAUUUUAFFFFABWZrGpSWawWtmiyajdkpbo/3VwMs7f7Kjk uQOpFadc/oX/Ey1fVNZflRM1ja ixRHDke5lD5PcKnpQBpaXpUOlwMFZpriU77i5k5kmf 8x/kBwBwABV6iigAooooAK5 /j/AOEdml1a1Q/2exL6hbqOFHUzoPUdWA 8Mn7w boKQgMpVgCCMEHvQAKyugdGDKwyCDkEUtYHhgmzOoaGxONNmCW ev2d1DR/guWjH/XOt gAooooAKKKKACiiigAooooAKzNY1KWzWC1s0WTUbtiluj/AHVwMs7f7Kjk pIHUitOuf0L/iZavqmsvyomaxtfRYojhyPcyh8nuFT0oA0tL0uHS7dlRmlnkO e4k5kmfH3mP8AIDgDgAAYq9RRQAUUUUAFc9fR/wDCNzy6taqRprEvqFuvRO5nQdiOrgdRlvvD5uhpCAylWAIIwQe9AArBlDKQVIyCO9LWB4XJtFv9DYnGmTCODPU27KGj/AAlP 2db9ABRRRQAUUUUAFc/wCO/wDknniX/sFXX/opq6Cuf8d/8k88S/8AYKuv/RTUAdBRRRQBz/gT/knnhr/sFWv/AKKWugrn/An/ACTzw1/2CrX/ANFLXQUAFFFFABRRRQAUUUUAFFFFABRRRQAVz99 98e6NEfuw2F3P/wLdAg/RnroK5/U/wDR/GmgXR4SWG6ss rMI5QPygb9aAOgooooAKKKKACiiigChrlqL7QNSs2GRPayxEH/AGlI/rTdAujfeHNLvGOTPaRSkn/aQH tR Jrv7D4X1W6BO6O0kKAdS207QPcnA/GrWl2n2DSLKzwB9ngSLj/AGVA/pQBbooooAKKKKACiiigAooooAKKKKAGyOscbSN91QSfoKw/BKMngfQy/wDrJLKKV/8AedQzfqTW8QCCCMg9QawPBBK DNLtmP7yzh xyA9Q8JMTA/ihoA36KKKACiiigAooooA58fuviG2OPtOlDPv5Upx/6OP510Fc/B/pHj 8deVtNOiiJ9HkkdiPrhFP4iugoAKKKKACiiigAooooAKKKKAGyOscbSN91QSfoKw/BKMngfQy/wDrJLKKV/8AedQzfqTW8QCCCMg9QawPBBK DNLtmP7yzh xyA9Q8JMTA/ihoA36KKKACiiigAooooA59f3PxCkx/wAvWlLn/tlK3/x6ugrn7f8A0jx9fSLylpp8MJPo7u7EfXaqH8RXQUAFFFFABRRRQAVz/jv/AJJ54l/7BV1/6Kaugrn/AB3/AMk88S/9gq6/9FNQB0FFFFAHP BP SeeGv8AsFWv/opa6Cuf8Cf8k88Nf9gq1/8ARS10FABRRRQAUUUUAFFFFABRRRQAUUUUAFZXiLT5tQ0o/ZNv222kS6ttxwDIh3BSewbBUn0Y1q0UAVdN1CHVdNt7633eXMgYKwwynurDswOQR2IIq1WFcw3Gh30uoWUDz2M5L3drEMuj/wDPWNe f4lHJ6j5shte0u7e/tY7m0mSaCQZSRGyDQBNRRRQAUUVl6lrH2acWNlF9r1ORcpAGwEH9 Rv4E/U4wATQBT1r/ibaxY6InMcbpfXhH8KI4MSH3Z1z9I3roKoaVpg023ffKZ7udvMubgjBlfGM47AAAAdgAKv0AFFFFABRRRQAUUUUAFFFFABRRRQAVz9l/xKPFF3YvxbamTeWzdhKABLH OBIPXL/wB2ugqnqemxapZ RIzRurCSGaPh4ZB0dT6j8iCQcgkUAXKKyNO1aT7Qum6qi2 pBflx/q7kDq8RP6qeV9xhjr0AFFFFABUN5dwWFlPeXMgjt4I2kkc9FUDJP5U6eeG1gknuJUihjUs8kjBVUDqST0FYkaS JLmK4mheLR4WEkMUo2tdODlXZTyEHUA8k4JAAGQCbw3aTxWU99eRmO81Kc3c0Z6xggKiH3VFQH3BrZoooAKKKKACiiigAooooAKKKKACufsv JR4ou7F LbUyby2bsJQAJY/xwJB65f 7XQVS1TTYtUs/Id2jkVhJDMn34ZB0dfcfkQSDkEigC7RWRp2rSNcLpuqItvqQXIA/wBXcgdXiPceq9V78YJ16ACiiigAqC8u4LCynvLqQRwQIZJHPRVAyTT7i4htLeS4uJUhhjUs8kjBVUepJ6ViRpL4juYrmeGSHSYWEkMMq7WuXBysjKeQg6qp5JwSBgZAJvDVpPDYTXt5GY73UZjdzxt1jyoVUPuqKin3BrZoooAKKKKACiiigArn/Hf/ACTzxL/2Crr/ANFNXQVz/jv/AJJ54l/7BV1/6KagDoKKKKAOf8Cf8k88Nf8AYKtf/RS10Fc/4E/5J54a/wCwVa/ ilroKACiiigAooooAKKKKACiiigAooooAKKKKACsW78OwtdSXum3MumX0h3SS2 Nkx/6aRn5XPvjd6EVtUUAc/5vi20 VrTSNSX/AJ6pPJat/wB8FZB O/8ACj 1PEr8R GoEb1n1IKv5qjH9K6CigDn/sHiPUf P/U7fT4D96DTULSY9POf iKff01NO0qx0mBobK3WJWbc7ZLPI3952OSx9ySauUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFAFW/06z1S1NtfW0c8JIba4zgjoQexHYjkVk/2Zr2m8aZq0d3bj7ttqaFmA9BMp3fiyufeugooA5/ 0/E0fEvhu2c tvqYYf PRqf0o 0eLLr5Y9P0rT1P/LWa6e4Yf8AbNUQH/vsf1roKKAMODw2kk8d1rN3JqtzGwaMTKFhiYdCkQ XPozbmHY1uUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAVdQ02z1W1NtfW0c8OQwVxnaw6MD1BHYjkVk/wBma9p3GmatHdwD7ttqaFmA9BMvzfiyufeugooA5/8AtPxNHxL4btnPrb6mGH/j0an9KPtHiy6 WPT9K09T/wAtZrp7hh/2zVEB/wC x/WugooAw7fw4klxHd6xdyapcxsGj85QsMR9UiHAP 025h61uUUUAFFFFABRRRQAUUUUAFc/47/5J54l/wCwVdf imroK5/x3/yTzxL/ANgq6/8ARTUAdBRRRQBz/gT/AJJ54a/7BVr/AOilroK5/wACf8k88Nf9gq1/9FLXQUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUVV0zUINX0mz1K13fZ7uBJ4t4wdrqGGR2ODVqgAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAopk0iwwySsCVRSxx1wBUOnX0ep6XaX8Sssd1CkyK/UBlBAPvzQBZooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACimTSLDDJKwJVFLHHXAFQ6dfR6npdpfxKyx3UKTIr9QGUEA /NAFmiiigAooooAKKKKACuf8AHf8AyTzxL/2Crr/0U1dBXP8Ajv8A5J54l/7BV1/6KagDoKKKKAOf8Cf8k88Nf9gq1/8ARS10Fc/4E/5J54a/7BVr/wCilroKACiiigAooooAKKKKACiiigAooooAKKKxbq6nTxvpVosrC3l028keMHhmWS2Ck 4Dt/30aANqiiigAooooA5/wJ/yTzw1/wBgq1/9FLXQVz/gT/knnhr/ALBVr/6KWugoAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACisO4mlHjvToBK4hbTLp2j3HaWEtuASOmQCefc1uUAFFFFAFe/wCQdc/9cn/kaz/Cf/Im6H/2D7f/ANFrWhf/APIOuf8Ark/8jWf4T/5E3Q/ wfb/APotaANiiiigAooooAKKKKACiiigAooooAKKKKACisOWaUeO7SASv5J0ydzHuO0sJYgDjpnBPPvW5QAUUUUAV7/AJB1z/1yf RrP8J/8ibof/YPt/8A0WtaF/8A8g65/wCuT/yNZ/hP/kTdD/7B9v8A i1oA2KKKKACiiigAooooAK5/wAd/wDJPPEv/YKuv/RTV0Fc/wCO/wDknniX/sFXX/opqAOgooooA5/wJ/yTzw1/2CrX/wBFLXQVz/gT/knnhr/sFWv/AKKWugoAKKKKACiiigAooooAKKKKACiiigArn7z/AJKHo3/YKv8A/wBG2ldBXP3n/JQ9G/7BV/8A jbSgDoKKKKACiiigDn/AAJ/yTzw1/2CrX/0UtdBXP8AgT/knnhr/sFWv/opa6CgAooooAKKKKACiiigAooooAKKKKACiiigAooooA5 5/5KHpn/AGCrv/0bbV0Fc/c/8lD0z/sFXf8A6Ntq6CgAooooAr3/APyDrn/rk/8AI1n E/8AkTdD/wCwfb/ i1rQv/8AkHXP/XJ/5Gs/wn/yJuh/9g 3/wDRa0AbFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAc/N/yUOz/wCwVP8A jYa6Cufm/5KHZ/9gqf/ANGw10FABRRRQBXv/wDkHXP/AFyf RrP8J/8ibof/YPt/wD0WtaF/wD8g65/65P/ACNZ/hP/AJE3Q/8AsH2/otaANiiiigAooooAKKKKACuf8d/8k88S/8AYKuv/RTV0Fc/47/5J54l/wCwVdf imoA6CiiigDn/An/ACTzw1/2CrX/ANFLXQVz/gT/AJJ54a/7BVr/AOilroKACiiigAooooAKKKKACiiigAooooAK5 8/5KHo3/YKv/8A0baV0Fc/ef8AJQ9G/wCwVf8A/o20oA6CiiigAooooA5/wJ/yTzw1/wBgq1/9FLXQVz/gT/knnhr/ALBVr/6KWugoAKKKKACiiigAooooAKKKKACiiigAooooAKKKKAOfuf8Akoemf9gq7/8ARttXQVz9z/yUPTP wVd/ jbaugoAKKKKAK9/wAg65/65P8AyNZ/hP8A5E3Q/wDsH2/AKLWtC/AOQdc/8AXJ/5Gs/wn/yJuh/9g 3/APRa0AbFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAc/ccfEPTffSrvP4S2/wDia6Cufuf Sh6Z/wBgq7/9G21dBQAUUUUAV7/AJB1z/1yf RrP8J/8ibof/YPt/8A0WtaF/8A8g65/wCuT/yNZ/hP/kTdD/7B9v8A i1oA2KKKKACiiigAooooAK5/wAd/wDJPPEv/YKuv/RTV0Fc/wCO/wDknniX/sFXX/opqAOgooooA5/wJ/yTzw1/2CrX/wBFLXQVz/gT/knnhr/sFWv/AKKWugoAKKKKACiiigAooooAKKKKACiiigArn7z/AJKHo3/YKv8A/wBG2ldBUD2VvJqEN80ebmGKSGOTJ VHKFhjpyY0/L60AT0UUUAFFFFAHP8AgT/knnhr/sFWv/opa6Cuf8Cf8k88Nf8AYKtf/RS10FABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQBz9z/wAlD0z/ALBV3/6Ntq6ComtYGu0uzEpuI42jWTHIVipI hKr VS0AFFFFAFe/wD Qdc/9cn/AJGs/wAJ/wDIm6H/ANg 3/8ARa1oX/8AyDrn/rk/8jWf4T/5E3Q/ wfb/wDotaANiiiigAooooAKKKKACiiigAooooAKKKKAOfuf Sh6Z/2Crv8A9G21dBUTWsDXaXZiU3EcbRrJjkKxUkfQlV/KpaACiiigCvf/APIOuf8Ark/8jWf4T/5E3Q/ wfb/APota0L/AP5B1z/1yf8Akaz/AAn/AMibof8A2D7f/wBFrQBsUUUUAFFFFABRRRQAVz/jv/knniX/ALBV1/6Kaugrn/Hf/JPPEv8A2Crr/wBFNQB0FFFFAHP BP8Aknnhr/sFWv8A6KWugrn/AAJ/yTzw1/2CrX/0UtdBQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFAGR4UsbjS/B2h6fdp5dza6fBBMgYHa6xqrDI4PIPSteiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigCK6jaa0miXG542UZ9SKqaDZy6d4d0yyn2 db2kUMm05G5UAOPxFaFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUARXUbTWk0S43PGyjPqRVTQbOXTvDumWU 3zre0ihk2nI3KgBx IrQooAKKKKACiiigAooooAK5/wAd/wDJPPEv/YKuv/RTV0Fc/wCO/wDknniX/sFXX/opqAOgooooA Ho/Gfim0iS2tvEuswwQgRxxR30qqijgKAGwABxinf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFUf8J34w/wChr1z/AMGM3/xVFFAB/wAJ34w/6GvXP/BjN/8AFU2Txn4pu4ntrnxLrM0EwMckUl9Kyup4KkFsEEcYoooA 4aKKKAP/9k=)
• المرونة Flexibility: المرونة هي القدرة على توليد أفكار متنوعة، أو حلول جديدة ليست من نوع الأفكار والحلول الروتينية، وهي كذلك توجيهُ مسارِ التفكير أو تحويلُه؛ استجابةً لتغيُّر المثير أو متطلبات الموقف، وبهذا المعنى، فإنها عكس الجمود الذهني، الذي يعني تبنِّي أنماط ذهنية محدَّدة سلفًا وغير قابلة للتغير بسهولة حسبما تستدعي الحاجة أو تطورات المشكلة. وتعدُّ المرونة من المهارات أو القدرات الرئيسة التي تقيسُها اختبارات الإبداع واختبارات التفكير المتشعِّب التي وضعها تورنس (Torrance, 1974) وجيلفورد (Guilford, 1986) وغيرهما من الباحثين في مجال القياس النفسي، كما تعرَّض لدراستها من الباحثين في مجالات التفكير وحل المشكلات وتعليم الموهوبين والمتفوقين والإبداع. وقد تناول (ديبونو de Bono) موضوع المرونة من زاويةِ أهميتِها في عالمٍ سريع التغير، يستدعي الاحتراس وأخذَ الحيطة من حتمية التغيير عند وضع الخطط بناءً على المعطيات الراهنة، ويتطلب من المخطط أن يضع نصبَ عينيه تحقيقَ أهدافٍ معينة في ضوء معطيات قائمة ومرئية، وفي الوقت نفسه يكون جاهزًا لإجراء التعديلات المناسبة في ضوء المستجدات المنظورة، وكما أن التغييرات قد تحدُثُ نتيجةَ الاختراقات التقنية المذهلة، فإن المصادر المادية والبشرية والزمانية، قد تكون من المعوِّقات التي يجب أن تُؤخَذ في الحسبان عند وضع الخطط والمشروعات، وفي كل الحالات لا بدَّ أن تكون المرونة في صلبِ عملية التخطيط والتنفيذ والتقييم. ونبَّه "ديبونو" إلى أن عملية تغيير مسار التفكير أو المرونة في استخدام المعلومات والإستراتيجيات ليست هدافًا في حد ذاتها، ولا تكفي إذا لم تقترن بمعرفةِ متى يلزم التغيير في استخدام المعلومات أو الإستراتيجيات. أما "جيلفورد Guilford"، فقد تناول المرونة بالاستناد إلى فرضيات شكَّلت الأسس في بناء اختباراته لدراسة النموذج الذي وضعه للتكوين العقلي، وتوصَّل إلى عدة أشكال للمرونة، من بينها: • المرونة التكيفية: بمعنى القدرة على التكيُّف مع تغير الظروف، وقد فحصها عن طريق اختبارات على شكل معادلات رياضية تتغيَّر إشاراتُها من موجبة إلى سالبة، ومن إشارات سالبة إلى إشارات قسمة. • التحرر من الجمود: بمعنى تحويل اتجاه التفكير، وقد فحصها عن طريق لعبة مربعات أعواد الكبريت التي يطلبُ فيها من المفحوص إزالة عددٍ من العيدان حتى يبقى عدد محدود من المربعات؛ كما يظهر في الشكل الآتي: ![مهارة توليد المعلومات مهارة توليد المعلومات](https://www.hrdiscussion.com/image/jpeg;base64,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 Tl5ufo6erx8vP09fb3 Pn6/8QAHwEAAwEBAQEBAQEBAQAAAAAAAAECAwQFBgcICQoL/8QAtREAAgECBAQDBAcFBAQAAQJ3AAECAxEEBSExBhJBUQdhcRMiMoEIFEKRobHBCSMzUvAVYnLRChYkNOEl8RcYGRomJygpKjU2Nzg5OkNERUZHSElKU1RVVldYWVpjZGVmZ2hpanN0dXZ3eHl6goOEhYaHiImKkpOUlZaXmJmaoqOkpaanqKmqsrO0tba3uLm6wsPExcbHyMnK0tPU1dbX2Nna4uPk5ebn6Onq8vP09fb3 Pn6/9oADAMBAAIRAxEAPwD3 iiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAoopk0oggklKswRS21RknAzgUAK8kcePMdV3HA3HGT6U2W4hgIEs0ceem9gM184XM7 I5BqmrBLu5uF3kyDesatzsQHoozgAfU8813Xw5Ftq1zd6Nqtlb6hbWcKTWhuoVlMAYlWQFs4X5VIHbntgDgoY Faq6SRTi0rnqP2 z/5 4P /go 32f/AD9wf9/BWf8A8In4b/6F/Sv/AACj/wAKP ET8N/9C/pX/gFH/hXeSakVxDPnypo5MddjA4pVljfdskVtpw2DnB968r I4ttHmsdH0myt9PgvYpJbtrWIQmdUKqsZK4yvzkkfTsTngreQ6A51LSljtbmBCwKLtV1HOxwPvIcYIP8APBrgr4 FGqqTRSi2rn0Z9vs/ fuD/v4KPt9n/wA/cH/fwVlWvhrw3dWcNx/wjmlp5savtayjyMjODxUv/CJ G/8AoX9K/wDAKP8AwrvJND7fZ/8AP3B/38FTPLHGFLuq7jgbjjJ9KxpvDHhuCCSU HdMYIpbatlGScDOBxXg08p8QMup6osdzcToG cbliU8hEB 6gzgAfU81y4vFxw0U5K9yoxufSlFeSfD2Kz12W60LWtPtdTs7KJJ7MXsCzfZ9xKsilgcL8qkD69gAO7/AOEE8H/9Cpof/guh/wDia2o1VVgpx2YmrOx0FFc/wAIJ4P/AOhU0P8A8F0P/wATXBfEOy03Qrqx0zRdKstLjvYZXu5LK3WB5kUqBGWQAlMsSw74XsTRVqqlBzlsgSu7HraSRybtjq204O05wfSnV82W0reHpDqekiO0urdSytGu1XA52OB95TjkH eDX0daz/arOG42Mnmxq 1uoyM4NYYTFxxMW4q1hyjYlooorrJCiiigAooooAKYssb7tkittOGwc4PvXnHxV1a6jk07RYZHitrqOWa4KEqZQpVQmR/D85LD2UdCRXmtvIdAc6lpSx2tzAhYFF2q6jnY4H3kOMEH eDXBXx8KNVUmilFtXPoz7fZ/wDP3B/38FH2 z/5 4P /grKtfDXhu6s4bj/AIRzS082NX2tZR5GRnB4qX/hE/Df/Qv6V/4BR/4V3kmh9vs/ fuD/v4KmeWOMKXdV3HA3HGT6Vi3Phnw3b2ss/8Awjmlv5aF9q2UeTgZwPlrweeQ6 66lqiRXNxOgb513LGp5CID91BnAA/nk1yYvFxw0U5K9yoxufSlFeRfD6Ky1u5uNA1nTrXU7O0hW4sxeQLN9nydrIu4HCnCkD2PbAHe/wDCCeD/APoVND/8F0P/AMTW9GqqsFOOzE1Z2Ogorn/ EE8H/wDQqaH/AOC6H/4muD IVnpug3NlpeiaTY6Yl7DK93LZ2ywvMilAIyygErlssO F7E0VaqpQc5bIErux60kkcm7Y6ttODtOcH0p1fNls50GX 0tJWO0u7ddyvGu0MBztYDG5TjkH fNe2Wfg/wAI6hY2963hLRVa4jWUq nxbhuGcH5evNYYTFxxMW4q1hyjY6eiuf8A EE8H/8AQqaH/wCC6H/4mmTeCfB8EEkp8JaIwRS21dOiJOBnA Wusk6F5I48eY6ruOBuOMn0p1fNLsutpFfahFDNJLGNqFQY4UIyI4weFQDgAenrXpXwr1e6ae 0SWR5bW3ijmt9xJMQJKlMn HgEDt83bAHBQx8K1V0kinFpXPTKKKK7yQooooAKKK81 KurXUcmnaLDI8VtdRyzXBQlTKFKqEyP4fnJYeyjoSKzq1VSg5y2Q0rux6Qkkcm7Y6ttODtOcH0p1fNltK3h6Q6npIjtLq3UsrRrtVwOdjgfeU45B/ng17fb DfCN5bRXTeE9FBmQSEPp0W4ZGefl681hhMXHExbirWHKNjpKK5/wD4QTwf/wBCpof/AILof/iaZN4J8HwQSSnwlojBFLbV06Ik4GcD5a6yToXkjjx5jqu44G44yfSnV80uy62kV9qEUM0ksY2oVBjhQjIjjB4VAOAB6etd38PYrPXZbrQta0 11OzsoknsxewLN9n3EqyKWBwvyqQPr2AA4KGPhWqukkU4tK563RXP/wDCCeD/APoVND/8F0P/AMTR/wAIJ4P/AOhU0P8A8F0P/wATXeSdBTUkjk3bHVtpwdpzg leSfEOy03Qrqx0zRdKstLjvYZXu5LK3WB5kUqBGWQAlMsSw74XsTXE20reHpDqekiO0urdSytGu1XA52OB95TjkH eDXBXx8KNVUmilFtXPpOiubt/BvhG8torpvCeigzIJCH06LcMjPPy9eak/wCEE8H/APQqaH/4Lof/AImu8k6CmvJHHjzHVdxwNxxk lc9N4J8HwQSSnwlojBFLbV06Ik4GcD5a8MkZdcWO/1CGGaSWMbEKAxwoRkRxg8KgHAA9MnmuXF4uOGinJXuVGNz6WorzH4V6vdfa73QpHeS0hgSe33EnyRkqUB7L0IHb5u3T06tqNVVYKcdmJqzsFFFFaCCiiigAooooAKKKKACobyc2tlcXAXcYo2fbnGcDOKmqnq3/IGvv veT/0E0AeZt8NZ9Qt7bUNEvbe0tLyJZ/slxGW z7xu2oykZUZwARx6 nb E/Cdv4Ws5VWY3N5cEG4uCu3djoqjsoycDJ6nnmrvhr/kVdI/68of/QBWpWMMPShNzjGzY7vYKKKK2Ec/4s8KW3imyiR5mtru3Ja3uFUNtJGCpHdTgZGR0HIxXIaX8KZzeq2t6jbz2aNk29vEV87B6MWJwp7gDn1r0 isZ4elOanKN2h3aKGiakms6Bp2qRxGJL21iuFjJyUDqGxn2zV uf8AAn/JPPDX/YKtf/RS10FbCCvMdV FU/21n0TULeC0di32e4iJ8nJzhCpHyjspHHrXp1FZ1aMKq5Zq6Gm1scb4U0a38K6u2kDNzd3Vr9quL0/Lu2sFCKvZRuJHJ6nrmuyrn3/5KHD/ANgqT/0aldBVRiorljsIK5/xZ4UtvFNlEjzNbXduS1vcKobaSMFSO6nAyMjoORiugopyipLllsB5hpfwpnN6ra3qNvPZo2Tb28RXzsHoxYnCnuAOfWvQNE1JNZ0DTtUjiMSXtrFcLGTkoHUNjPtmr9c/4E/5J54a/wCwVa/ ilrOlRp0lywVhtt7nQUUUVqIKKKKACiiigDjvFuj2/ijVbfR3zb3UNq93b3q4YodwQoV7qcgkZH3R6ZrB0v4Uzm9Vtb1G3ns0bJt7eIr52D0YsThT3AHPrXXv/yUOH/sFSf jUroKxnh6U5qco3aHdoOgwKKKK2EFeYap8Kp/trvomoW8Fm7Fhb3EJPk5OcKVI UdgRx616fRWdWjTqrlmroabWxx3hfRLXwjqcOlbmutQ1G2luprwgKMQtEoRV5wv77I5PfJOeOxrn7z/koejf9gq/APRtpXQVUYqKUYrQQVz/AIr8KW3imxjjeU293bktb3CqG2EjBBHdTgZGR0HIIFdBRTlFSXLLYDy/TfhTcNeKda1K3ms1bLQW0TKZgOzFicKe4AyR3Feg6HqSazoGm6pHEYUvbWK4WMnJQOoYD8M1frn/AAJ/yTzw1/2CrX/0UtZ0qNOkrQVhtt7nQUUUVqI8x1X4VT/bWfRNQt4LR2LfZ7iInycnOEKkfKOykcetb3hjRbTwjqUOkgtdX o20t1PeEBRiFolCBey/vsgZPfJOa7CufvP Sh6N/2Cr/8A9G2lYww9KE3OMbNju9joKKKK2EFFFFABXHeLdHt/FGq2 jvm3uobV7u3vVwxQ7ghQr3U5BIyPuj0zXY1z7/8lDh/7BUn/o1KUoqS5ZbAchpfwpnN6ra3qNvPZo2Tb28RXzsHoxYnCnuAOfWvT gwKKKzpUadJcsFYbbe4UUUVqI8x1X4VT/bWfRNQt4LR2LfZ7iInycnOEKkfKOykcetb3hjRbTwjqUOkgtdX o20t1PeEBRiFolCBey/vsgZPfJOa7CufvP Sh6N/2Cr/8A9G2lYww9KE3OMbNju9joKKKK2Ec/4s8KW3imyiR5mtru3Ja3uFUNtJGCpHdTgZGR0HIxXIaX8KZzeq2t6jbz2aNk29vEV87B6MWJwp7gDn1r0 isZ4elOanKN2h3aKGiakms6Bp2qRxGJL21iuFjJyUDqGxn2zV uf8AAn/JPPDX/YKtf/RS10FbCCvMdW FU5vnk0PULe3tJGLfZriIkQ5OSEKkfL6KRx64xj06is6tGFVcs1dDTa2OO8L6Ja EdTh0rc11qGo20t1NeEBRiFolCKvOF/fZHJ75PPHY1z95/wAlD0b/ALBV/wD jbSugqoxUUoxWggoooqgCiiigAooooAKKKKACqerf8ga /695P8A0E1cqnq3/IGvv veT/0E0AV/DX/Iq6R/15Q/ gCtSsvw1/yKukf9eUP/AKAK1KACiiigAorB8VeKrTwtYxyzRvcXM7FLe2QgGQgZJJPRRxk84yOCSAeT0v4rM98kes6XFZ2rsB9phuTIIiTxvBRfl9WHT0xkjKdenCShKVmx2Z1XgT/knnhr/sFWv/opa6Csvw3psujeFtI0ud0eaysobd2jJ2syIFJGe2RWpWogoorzXVfisY754tG0uK8to2Km5nuTGJCDg7AqtlfRj17AjBrOpVhSXNN2Q0m9jqn/AOShw/8AYKk/9GpXQVwXhnxPb KPGSTxwvb3EOmOk8DkEo3mIcgj7ynseO/AIIrvauMlJXWwgoorB8VeKrTwtYxyzRvcXM7FLe2QgGQgZJJPRRxk84yOCSASUlFXewG9XP8AgT/knnhr/sFWv/opa5XS/isz3yR6zpcVnauwH2mG5MgiJPG8FF X1YdPTGSO28N6bLo3hbSNLndHmsrKG3doydrMiBSRntkVFOrCqrwdxtNbmpRRRWggooooAKKKKAOff/kocP8A2CpP/RqV0Fc /wDyUOH/ALBUn/o1K6CgAooooAKKK811X4rNHfPFo2lxXlrGxX7TNcmMSkHB2AK2V9GJ59CMGs6lWFJXm7IaTex1V5/yUPRv wVf/wDo20roK4zw5rUXi7XLTV4lFtLp9ncWt1aO 51aZ4GRlIGGT9y/PBz2647OrjJSXNHYQUUVheKfFNp4WsEmmjae5mYpb2yMA0hAySSeijjJ7ZHUkAkpKKu9gN2uf8Cf8k88Nf8AYKtf/RS1ymmfFdmvUTWdKitLRzg3EF0ZBFk9XBRflHdgePTHNdv4b02XR/C2kaXO6PNZ2UNu7xklWZECkjPbIqKVaFVXg7jaa3NSiiitBBXP3n/JQ9G/7BV/wCjbSuV1X4rGO eLRtLivLaNipuZ7kxiQg4OwKrZX0Y9ewIwa2PDmsxeLtbtNYhUW8lhZ3FrdWkjZdXleBlZSBhkIhfnj6ZBAyhXpzk4RldodmdlRRRWogooooAK59/ Shw/wDYKk/9GpXQVz7/APJQ4f8AsFSf jUoA6CiiigAooooAK5 8/5KHo3/AGCr/wD9G2lcrqvxWMd88WjaXFeW0bFTcz3JjEhBwdgVWyvox69gRg1seHNZi8Xa3aaxCot5LCzuLW6tJGy6vK8DKykDDIRC/PH0yCBlCvTnJwjK7Q7M7KiiitRBRWD4q8VWnhaxjlmje4uZ2KW9shAMhAySSeijjJ5xkcEkA8npfxWZ75I9Z0uKztXYD7TDcmQREnjeCi/L6sOnpjJGU69OElCUrNjszqvAn/JPPDX/AGCrX/0UtdBWX4b02XRvC2kaXO6PNZWUNu7Rk7WZECkjPbIrUrUQUUV5rqvxWMd88WjaXFeW0bFTcz3JjEhBwdgVWyvox69gRg1nUqwpLmm7IaTex1V5/wAlD0b/ALBV/wD jbSugrjfDmsxeLtbtNYhUW8lhZ3FrdWkjZdXleBlZSBhkIhfnj6ZBA7KrjJSV1sIKKKKYBRRRQAUUUUAFFFFABVPVv8AkDX3/XvJ/wCgmrlU9W/5A19/17yf gmgCv4a/wCRV0j/AK8of/QBWpWX4a/5FXSP vKH/wBAFalABRRRQB5n8V9MuTNpusojyWltHLDOVBPk7irBzjovyEE9vlrzeOJtbf8AszTdt1d3KlEjjO7GeNzY6KM5J7CvpTqMGoLeztbQuba2hhLnLGOMLuPvjrXBXy FaqqrZSlZWFtYTbWcEBcuYo1Qu3VsDGTU1FFd5IyaMzQSRB2QupXcvVcjqK bngfQmGl6lstbu1URsjnaGC8blzjKHGQa lKguLO1u9n2m2hm2HK YgbafbPSuTF4SOJik3axUZWPI/hbbTHxpPftGyW02mMsLsCPNAlQlh6rzgHvzXsdNCIGDBF3AbQccgelOrejSVKmoLoJu7uFeZ/FfTLkzabrKI8lpbRywzlQT5O4qwc46L8hBPb5a9Mo6jBorUlVg4PqCdnc a44m1t/7M03bdXdypRI4zuxnjc2OijOSewr6OtYTbWcEBcuYo1Qu3VsDGTSW9na2hc21tDCXOWMcYXcffHWp6wwmEjhotJ3uOUrhRRRXWSFFFFABRRRQBz8nHxDtv8Aa0qX9JY/8a6Cufm/5KHZ/wDYKn/9Gw10FABRRRQBFcwm4tZoQ7IZEKbl6rkYyK cZIW0N/7L1LZbXdqojdHO0HHG5c9VOMg lfSdQXFna3ZU3NtDNsOV8yMNtPtmuTF4SOJik3axUZWPNfhTply17fa2VZLKWFbeBiMCYhixYeqjgA9DlvSvUaAABgDAorajSVKmoR6Cbu7hXmfxX0u5aXTtZRGktLaOWG4wCfJDFWD y/IQT2 XtmvTKOowadakqsHB9QTs7nzXGjaw407Tdt1d3IKRxRnd14ycdFGck9AK jLC2Nnp1tatIZDDEkZdurYAGT VLb2VraFzbW0MJc5Yxxhdx98danrDCYSOGi0ne45SuFMmjM0EkQdkLqV3L1XI6in0V1knzW8D6Ew0vUtlrd2qiNkc7QwXjcucZQ4yDXo3wp0y5 06hrTK6Wc8UcEBII87BZi49VGQAe Wr0e4s7W72fabaGbYcr5iBtp9s9KnAAGAMCuChl8KNZ1UynK6sFFFFd5IUUUUAFc /wDyUOH/ALBUn/o1K6Cuff8A5KHD/wBgqT/0alAHQUUUUAFMmjM0EkQdkLqV3L1XI6in0UAfNbwPoTDS9S2Wt3aqI2RztDBeNy5xlDjINejfCnTLn7TqGtMrpZzxRwQEgjzsFmLj1UZAB75avR7iztbvZ9ptoZthyvmIG2n2z0qcAAYAwK4KGXwo1nVTKcrqwUUUV3knmfxX0y5M2m6yiPJaW0csM5UE TuKsHOOi/IQT2 WvN44m1t/7M03bdXdypRI4zuxnjc2OijOSewr6U6jBqC3s7W0Lm2toYS5yxjjC7j7461wV8vhWqqq2UpWVhbWE21nBAXLmKNULt1bAxk1NRRXeSMmjM0EkQdkLqV3L1XI6ivm54H0JhpepbLW7tVEbI52hgvG5c4yhxkGvpSoLiztbvZ9ptoZthyvmIG2n2z0rkxeEjiYpN2sVGVjzj4U6Zc/adQ1pldLOeKOCAkEedgsxceqjIAPfLV6dQAAMAYFFb0aSpU1BdBN3dwooorQQUUUUAFFFFABRRRQAVDeQG6sbi3DbTLGyAntkYqao54/Nt5I97JvQrvXquR1FAHl5 JT6XbW2m6RpsV/BZRLbtdzXBiWYoNpKAK3ynHDH8iOa7Xwr4rtPFNlJJFG1vdQELcWzsCUJHBBHVTg4PHQ8AgivCngfQyNL1LZbXVsojZHO0MBxuXPVDjINehfC20eG6v9ZncQWdxDHBbmRtvn7SzFxnqo3AA98tXlYbFV6mIcJx01 RbikrnqVFV/t9n/AM/cH/fwUfb7P/n7g/7 CvVIMnxV4qtPC1jHLNG9xczsUt7ZCAZCBkkk9FHGTzjI4JIB5PS/isz3yR6zpcVnauwH2mG5MgiJPG8FF X1YdPTGSIfilaPcTadrNu4ntLWOWG48s7/ACdxVg5x0X5CCe3y152kTa0x03Tdl1d3KlEjQ7gM8bmx0UZySegrysViq9PEKEI6fmXGKaufSlFUbW4tLazggN9C5ijVC7SDLYGMmpvt9n/z9wf9/BXqkFivNdV Kxjvni0bS4ry2jYqbme5MYkIODsCq2V9GPXsCMGu/mu7SaCSIX0SF1K7llGVyOor52eB9CYaXqWy1urVRGyOdoYDjcueqHGQa4Mwr1aME6SKik3qe6 FfFdp4pspJIo2t7qAhbi2dgShI4II6qcHB46HgEEVv15b8LbR4bq/1mdxBZ3EMcFuZG2 ftLMXGeqjcAD3y1elfb7P/n7g/7 CunDzlOlGU1ZsT0ZYrB8VeKrTwtYxyzRvcXM7FLe2QgGQgZJJPRRxk84yOCSAdb7fZ/8/cH/AH8Feb/FK0e4m07WbdxPaWscsNx5Z3 TuKsHOOi/IQT2 WivOUKUpQV2gW5NpfxWZ75I9Z0uKztXYD7TDcmQREnjeCi/L6sOnpjJHpVfNccTa2/9mabturu5UokcZ3YzxubHRRnJPYV9HWsJtrOCAuXMUaoXbq2BjJrmy vVrQbqocklsTUUUV3khRRRQAUUUUAch4t1e38M6taa1LmeZ7WW0gs0wGkYsj7iT0UbOTg/eHUkA4ml/FZnvkj1nS4rO1dgPtMNyZBESeN4KL8vqw6emMkM K m3Jn03WEVpLW2ilhn2gnyQxVg5A6L8hBPb5a84SJtaY6bpuy6u7lSiRodwGeNzY6KM5JPQV5WKxVeniFCEdPzLjFNXPpSiqNrcWltZwQG hcxRqhdpBlsDGTU32 z/wCfuD/v4K9UgsV5rqvxWaO eLRtLivLWNiv2ma5MYlIODsAVsr6MTz6EYNd7c3NpcWs0IvoUMiFNyyDK5GMivniSFtEf zNS2W13bKI3RztBxxuXPVTjIPpXBmFerRgnSRUUm9T3Xwr4rtPFNlJJFG1vdQELcWzsCUJHBBHVTg4PHQ8Agit vMfhTplz9p1DWmV0s54o4ICQR52CzFx6qMgA98tXp1dOHnKdKMpqzYnowrC8U KbTwtYJNNG09zMxS3tkYBpCBkkk9FHGT2yOpIB3a8z K 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 WrysNiq9TEOE46a/ItxSVz0 iiivVIMHxV4qtPC1jHLNG9xczsUt7ZCAZCBkkk9FHGTzjI4JIB5PS/isz3yR6zpcVnauwH2mG5MgiJPG8FF X1YdPTGSG/FfTLkzabrKI8lpbRywzlQT5O4qwc46L8hBPb5a83jibW3/szTdt1d3KlEjjO7GeNzY6KM5J7CvKxWKr08QoQjp ZcYpq59KUVDawm2s4IC5cxRqhdurYGMmpq9UgK821b4qmK/kh0bS4r22iYqbma5MayEHB2AK2V/2j17AjBr0aaMzQSRB2QupXcvVcjqK b5bd9BcaVqWy2urVRGyOdoYDgMueqnGQf65rgzCvVowTpIqKTep7n4U8V2vimzkeOJra7gIFxbMwYpnoQR95Tg4OB0PAIxXQV5d8KdMuWvb7WyrpZSwrbwMRgTEMWLD1UcAHoct6V6jXTh5znSjKas2J6MKKKK2EFFFFABRRRQAUUUUAFU9W/5A19/17yf gmrlU9W/5A19/wBe8n/oJoAo6FZ2t34W0U3NtDNss4SvmIG2nYORmrt7o l6mYzf6bZ3ZjBCefAsm0H0yOKg8Nf8irpH/XlD/wCgCtSgDH/4RPw3/wBC/pX/AIBR/wCFH/CJ G/ hf0r/wAAo/8ACtiigClY6PpemFzYabZ2hkADmCBY9wHrgc1NDY2lsJBBawReZ9/ZGF3fXHWp6KAOL8FeGdAufAfh2efQ9Nlmk0y2d5HtI2ZmMSkkkjkk963P ET8N/8AQv6V/wCAUf8AhVfwJ/yTzw1/2CrX/wBFLXQUAY/AAifhv8A6F/Sv/AKP/CtGaxtLlY1ntYJRH9wPGG2/TPSp6KAOV1jTbHUfHmiw31lbXUQ0u YJPErqCJbQA4I6jJ/M1pf8In4b/6F/Sv/AACj/wAKr3n/ACUPRv8AsFX/AP6NtK6CgDH/AOET8N/9C/pX/gFH/hVux0fS9MLmw02ztDIAHMECx7gPXA5q7RQBBb2draFzbW0MJc5Yxxhdx98dayPA7tJ8P/DbuxZ20u1LMxySfKXk1vVz/gT/AJJ54a/7BVr/AOiloA6CiiigAooooAKKKKAOffn4hQj10qT/ANGpWzDY2lsJBBawReZ9/ZGF3fXHWsZ/ Shw/wDYKk/9GpXQUAY/CJ G/8AoX9K/wDAKP8Awo/4RPw3/wBC/pX/AIBR/wCFbFFAGP8A8In4b/6F/Sv/AACj/wAK0JrG0uQgntYJRH9wPGG2/TPSrFFAHJ67pOm6x450S11PT7S9t10y dYrmFZEDCW0AIDAjOCRn3NXP EE8H/9Cpof/guh/wDiaLz/AJKHo3/YKv8A/wBG2ldBQBz/APwgng/AKFTQ/8AwXQ/E1d03w5oWjTPNpei6dYyuux3tbVImZeuCVAyK06KAILeytbQuba2hhLnLGOMLuPvjrXF DPBnha78C H7m58NaPNPNpttJJLJYxMzsYlJYkrkknnJru65/wJ/yTzw1/2CrX/wBFLQAf8IJ4P/6FTQ/AAXQ/wDxNH/CCeD/APoVND/8F0P/AMTXQUUAMhhjt4Y4YY0jijUIiIoCqo4AAHQCsS7dh8QNHQMdh0u JXPBIltMH9T db1c/ef8lD0b/sFX/wD6NtKAOgooooAKKKKACuffn4hQj10qT/0aldBXPv8A8lDh/wCwVJ/6NSgDZt7K1tC5traGEucsY4wu4OtY7eBvCLsWbwrohYnJJ0 LJP/fNb9FAHP/8ACCeD/wDoVND/APBdD/8AE0f8IJ4P/wChU0P/AMF0P/xNdBRQBVbTbF4YYXsrZooABEhiUrGBwAoxxj2rnNU0bS9Y8eW0GqabZ30SaXIyR3UCyqp81BkBgcHFdbXPv/yUOH/sFSf jUoAP EE8H/9Cpof/guh/wDiaP8AhBPB/wD0Kmh/ C6H/wCJroKKAMzTfDmhaNM82l6Lp1jK67He1tUiZl64JUDIq5b2draFzbW0MJc5Yxxhdx98danooA4TwZ4M8LXfgXw/c3PhrR5p5tNtpJJZLGJmdjEpLElckk85Nbf/AAgng/8A6FTQ/wDwXQ/ABNHgT/knnhr/sFWv/opa6CgDn/ EE8H/wDQqaH/AOC6H/4mtZtNsXhhheytmigAESGJSsYHACjHGParVFAGBdMy PtHjUkIdKviVB4yJbTHH4n86365 8/5KHo3/YKv/wD0baV0FABRRRQAUUUUAFFFFABRRRQAVT1b/kDX3/XvJ/6CauVT1b/kDX3/AF7yf gmgCv4a/5FXSP vKH/ANAFalZfhr/kVdI/68of/QBWpQAUUUUAFNSSOTdsdW2nB2nOD6V5v8VdWuo5NO0WGR4ra6jlmuChKmUKVUJkfw/OSw9lHQkV5tbSt4ekOp6SI7S6t1LK0a7VcDnY4H3lOOQf54NcFfHwo1VSaKUW1c9z8Cf8k88Nf9gq1/8ARS10FVtO8o6ZafZ4Ft4fJTy4VUKI1wMKAOmBxirNd5IU15I48eY6ruOBuOMn0pJpRBBJKVZgiltqjJOBnAr5vuZ38RyDVNWCXdzcLvJkG9Y1bnYgPRRnAA p55rlxeLjhopyV7lRjc9zvP8Akoejf9gq/wD/AEbaV0FeYfCzUJZL680uYedHaW6vaSONzQI7YeMMeQhKIQvsewGPT62o1VVgpx2YmrOwUUV5r8VdWuo5NO0WGR4ra6jlmuChKmUKVUJkfw/OSw9lHQkUVaqpQc5bIErux6Qkkcm7Y6ttODtOcH0rB8Cf8k88Nf8AYKtf/RS14ZbSt4ekOp6SI7S6t1LK0a7VcDnY4H3lOOQf54NfRWneUdMtPs8C28Pkp5cKqFEa4GFAHTA4xWGExccTFuKtYco2LNFFFdZIUUUUAFFFFAHPv/yUOH/sFSf jUroK59/ Shw/wDYKk/9GpXQUAFFFFABTXkjjx5jqu44G44yfSmXM32e1ln2s/loX2r1OBnAr5xuZm8QyjVNWWO7urhd5Mg3qinnYgOcKM4AH1POTXJi8XHDRTkr3KjG57nef8lD0b/sFX/AKNtK6CvMPhZqEsl9eaXMPOjtLdXtJHG5oEdsPGGPIQlEIX2PYDHp9b0aqqwU47MTVnYKKK82 Kur3cT6fosMjxW91HLNcFCVMiqVUJkfw/MSw9lHQkEq1VSg5y2QJXdj0dJI5N2x1bacHac4PpWD4E/5J54a/7BVr/6KWvDLZzoMv8AaWkrHaXduu5XjXaGA52sBjcpxyD/AD5r6I0p4pNIsngt1toWgjMcCqFEa7RhQB0wOMVhhMXHExbirWHKNi3RRTJpRBBJKVZgiltqjJOBnArrJFeSOPHmOq7jgbjjJ9Kwbz/koejf9gq/wDRtpXhl1cP4klGq6ssd1c3C7/3g3rGrc7EB6KM4x36nJJNeg/CzUJG1K60mVfNitrYSWsjjc0CswDxhjyEJVCF6fKfQY4KOYU6tV0kinFpXPUqKKK7yQooooAK59/ Shw/9gqT/wBGpXQVz7/8lDh/7BUn/o1KAOgooooAKKKZNKIIJJSrMEUttUZJwM4FACvJHHjzHVdxwNxxk lYL/8AJQ4f wVJ/wCjUrwy5nfxHINU1YJd3Nwu8mQb1jVudiA9FGcAD6nnmvRvhXqlw91faPKzSwW0MctszcmJSSDHk/w/KCB257YA4KGPhWqukkU4tK56bRRRXeSFNSSOTdsdW2nB2nOD6V5v8VdWuo5NO0WGR4ra6jlmuChKmUKVUJkfw/OSw9lHQkV5tbSt4ekOp6SI7S6t1LK0a7VcDnY4H3lOOQf54NcFfHwo1VSaKUW1c9z8Cf8AJPPDX/YKtf8A0UtdBVbTvKOmWn2eBbeHyU8uFVCiNcDCgDpgcYqzXeSFNeSOPHmOq7jgbjjJ9KSaUQQSSlWYIpbaoyTgZwK b7q4fxJKNV1ZY7q5uF3/ALwb1jVudiA9FGcY79TkkmuXF4uOGinJXuVGNz3O8/5KHo3/AGCr/wD9G2ldBXlvws1CRtSutJlXzYra2ElrI43NArMA8YY8hCVQhenyn0GPUq2o1VVgpx2YmrOwUUUVoIKKKKACiiigAooooAKp6t/yBr7/AK95P/QTVyqerf8AIGvv veT/wBBNAFfw1/yKukf9eUP/oArUrJ8OyRx FdG8x1XdZwAbjjJ2DitagAooooA5/xZ4UtvFNlEjzNbXduS1vcKobaSMFSO6nAyMjoORiuQ0v4Uzm9Vtb1G3ns0bJt7eIr52D0YsThT3AHPrXp9NSSOTdsdW2nB2nOD6VjPD0pzU5Ru0O7Q7oMCiiithBXmOq/Cqf7az6JqFvBaOxb7PcRE Tk5whUj5R2Ujj1r06mvJHHjzHVdxwNxxk lZ1aMKq5Zq6Gm1sYHhPwnb FrOVVmNzeXBBuLgrt3Y6Ko7KMnAyep55roaKKqMVFcsdhBXP8AizwpbeKbKJHma2u7clre4VQ20kYKkd1OBkZHQcjFdBRTlFSXLLYDzDS/hTOb1W1vUbeezRsm3t4ivnYPRixOFPcAc ten9BgU1JI5N2x1bacHac4PpTqzpUadJcsFYbbe4UUUVqIKKKKACiiigDn3/5KHD/2CpP/AEaldBXPv/yUOH/sFSf jUreSSOTdsdW2nB2nOD6UAOooooAK8w1T4VT/bXfRNQt4LN2LC3uISfJyc4UqR8o7Ajj1r0 mvJHHjzHVdxwNxxk lZ1aNOquWauhptbGB4T8J2/hazlVZjc3lwQbi4K7d2OiqOyjJwMnqeea6GiiqjFRXLHYQVz/ivwpbeKbGON5Tb3duS1vcKobYSMEEd1OBkZHQcggV0FFOUVJcstgPL9N FNw14p1rUreazVstBbRMpmA7MWJwp7gDJHcV6gAAAAMAdAKakkcm7Y6ttODtOcH0p1Z0qNOkrQVhtt7hRRRWojzHVvhVOb55ND1C3t7SRi32a4iJEOTkhCpHy ikceuMY6zwl4St/C1pLNze3BBnuCu3OOiqOyjJ4yTknmugeSOPHmOq7jgbjjJ9KdWMMPShNzjGzY7vYKKKK2EFFFFABXPv/wAlDh/7BUn/AKNSugrn3/5KHD/2CpP/AEalAHQUU1JI5N2x1bacHac4PpTqACiiigDzHVfhVP8AbWfRNQt4LR2LfZ7iInycnOEKkfKOykcetdb4T8J2/hazlVZjc3lwQbi4K7d2OiqOyjJwMnqeea33kjjx5jqu44G44yfSnVjDD0oTc4xs2O72CiiithHP LPClt4psokeZra7tyWt7hVDbSRgqR3U4GRkdByMVyGl/Cmc3qtreo289mjZNvbxFfOwejFicKe4A59a9PpqSRybtjq204O05wfSsZ4elOanKN2h3aHdBgUUUVsIK8x1b4VTm eTQ9Qt7e0kYt9muIiRDk5IQqR8vopHHrjGPTqa8kcePMdV3HA3HGT6VnVowqrlmroabWxz/hLwlb FrSX98bm9uCDPcFducdFUdlGTxknJPNdFRRVRiopRitBBRRRVAFFFFABRRRQAUUUUAFRzyCK3lkZC4RCxVRknA6AVJRQB81zynxAy6lqiR3NxOgb5xuWJTyEQH7qDOAB9TzXpHwr1e6ae 0SWR5bW3ijmt9xJMQJKlMn HgEDt83bADdV FU/21n0TULeC0di32e4iJ8nJzhCpHyjspHHrW5ovhbUfClqV0hbG u7nBu7m8kaEkj7qoqq2FGW4Jzknk5rysNhsRDEOc3pr13LbTWh2VFc/wCd4w/58dD/APAyb/41R53jD/nx0P8A8DJv/jVeqQcr8VdWuo5NO0WGR4ra6jlmuChKmUKVUJkfw/OSw9lHQkV5tbSt4ekOp6SI7S6t1LK0a7VcDnY4H3lOOQf54Nexaz4X1HxZaBNYWxsrm2JazubOVpipIwyuGRcocLkA84HIwKwNN FNyboNrOoW09qhz9ngiZfOx0DsScKe4A59a8rFYbETxCnB6euxcWktT0u1n 1WcNxsZPNjV9rdRkZwalrn/N8XgYFhoX/gZL/8ao87xh/z46H/AOBk3/xqvVIN2aUQQSSlWYIpbaoyTgZwK b7md/Ecg1TVgl3c3C7yZBvWNW52ID0UZwAPqeea9z87xh/z46H/wCBk3/xquQ1P4VXH2svo2oW1vbSHcbaeIsIcnJCMpGVHYEcevpwZhRrVYJUmVFpPUf8K9XumnvtElkeW1t4o5rfcSTECSpTJ/h4BA7fN2wB6ZXG6L4W1HwpaldIWxvru5wbu5vJGhJI 6qKqthRluCc5J5Oa0vO8Yf8 Oh/ Bk3/wAarpw8JwpRjN3aE99DoK81 KurXUcmnaLDI8VtdRyzXBQlTKFKqEyP4fnJYeyjoSK6rzvGH/Pjof8A4GTf/GqztZ8L6j4stAmsLY2VzbEtZ3NnK0xUkYZXDIuUOFyAecDkYFFeE50pRg7Ngt9Tx22lbw9IdT0kR2l1bqWVo12q4HOxwPvKccg/zwa jrWf7VZw3Gxk82NX2t1GRnBrzXS/hTOb1W1vUbeezRsm3t4ivnYPRixOFPcAc ten9BgVzZfQrUoNVWOTT2Ciiiu8kKKKKACiiigDzP4q6ncRz6dpMLNFDcxSy3DoSrSKpUCPI/hO4lh3wvYmvOLaVvD0h1PSRHaXVupZWjXargc7HA 8pxyD/PBr3PxZ4UtvFNlEjzNbXduS1vcKobaSMFSO6nAyMjoORiuP034U3Jug2s6hbT2qHP2eCJl87HQOxJwp7gDn1rysVhsRPEKcHp67FxaS1PS7Wf7VZw3Gxk82NX2t1GRnBqWuf8AN8XgYFhoX/gZL/8AGqPO8Yf8 Oh/ Bk3/wAar1SDbuZvs9rLPtZ/LQvtXqcDOBXzjczN4hlGqassd3dXC7yZBvVFPOxAc4UZwAPqecmvc/O8X/8APjof/gZN/wDGq4/U/hVc/a2fRtQtre1c7vs08RYQ55IRlIyo7Ajgd64Mwo1qsEqTKi0nqSfCvV7pp77RJZHltbeKOa33EkxAkqUyf4eAQO3zdsAemVxui FtR8KWpXSFsb67ucG7ubyRoSSPuqiqrYUZbgnOSeTmtLzvGH/Pjof/AIGTf/Gq6cPCcKUYzd2hPfQ6CvNfirq11HJp2iwyPFbXUcs1wUJUyhSqhMj H5yWHso6Eiuq87xh/wA Oh/ Bk3/AMarN1nwvqPiy1CawtjZXNsS1nc2crSlSRhldWRcocLkA9h0xRXhOdKUYOzYLfU8etpm8PS/2ppKx2l1bruBjG1XA52OBjKnHIP88Gvo62m 02sM 0p5iK 1uoyM4Nea6Z8Krj7Yr61qFtPaIc/Z7eIr52OgcsThT3AHPrXX b4vHAsdDx/1 S/ABqubL6NalBqqxyab0Ogpk0oggklKswRS21RknAzgVhed4w/58dD/wDAyb/41R53jD/nx0P/AMDJv/jVd5J4Zczv4jkGqasEu7m4XeTIN6xq3OxAeijOAB9TzzXo/wAK9XumnvtElkeW1t4o5rfcSTECSpTJ/h4BA7fN2wAzU/hVcfay jahbW9tIdxtp4iwhyckIykZUdgRx6 nXeE/Cdv4Ws5VWY3N5cEG4uCu3djoqjsoycDJ6nnmvKw2GxEMQ5zemvXcttNaHQ0UUV6pAUUUUAFeZ/FXU7iOfTtJhZoobmKWW4dCVaRVKgR5H8J3EsO F7E16ZXP LPClt4psokeZra7tyWt7hVDbSRgqR3U4GRkdByMVjXhOdKUYOzY1vqeGW0reHpDqekiO0urdSytGu1XA52OB95TjkH eDX0daz/AGqzhuNjJ5savtbqMjODXmul/Cmc3qtreo289mjZNvbxFfOwejFicKe4A59a7A3fi4MQmh6GVB4zrEo4 n2WubL6FalBqqxyaexv0yaUQQSSlWYIpbaoyTgZwKwvtnjD/oBaH/4OZv8A5Fo 2eMP gFof/g5m/8AkWu8k8MuZ38RyDVNWCXdzcLvJkG9Y1bnYgPRRnAA p55r0f4V6vdNPfaJLI8trbxRzW 4kmIElSmT/DwCB2 btgCK/8AhXdmcSaVfWtrDJ8z2kqM6wMeSsbjblB0AKjjv2HQ6L4YvvCNiRpFvZ6nfXJBu57y5a2GAPlVAscnyjLcH1Jyc15WGw2IhiHOb0167ltprQ7Ciuf 2eMP gFof/g5m/8AkWj7Z4w/6AWh/wDg5m/ Ra9Ug5X4q6tdRyadosMjxW11HLNcFCVMoUqoTI/h clh7KOhIrza2lbw9IdT0kR2l1bqWVo12q4HOxwPvKccg/zwa9g1rw1qni6BY9XtLDTZrYM9rdWd69ywY8FWVoY8oeCcNnKjp1rD0v4Uzm9Vtb1G3ns0bJt7eIr52D0YsThT3AHPrXlYrDYieIU4PT12Li0lqelWs/2qzhuNjJ5savtbqMjODUtYBu/FwYhND0MqDxnWJRx9PstJ9s8Yf9ALQ/8Awczf/IteqQbs0oggklKswRS21RknAzgV833Vw/iSUarqyx3VzcLv/eDesatzsQHoozjHfqckk17n9s8Yf9ALQ/8Awczf/ItcdqHwru2nEulXtpaQyfM9pKjOsDHkrG425QHoCo4/IcGYUa1WCVJlRaT1H/CvV7r7Xe6FI7yWkMCT2 4k SMlSgPZehA7fN26enVzvhLwlb FrSX98bm9uCDPcFducdFUdlGTxknJPNdFXTh4ThSjGbu0J76BRRRWwgooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKAP/Z)
إعادة تفسير المعلومات: يُقصَد بها مراجعةُ المعطيات أو بنود المعلومات، وقد فحص هذا النوع من المرونة عن طريق اختيار عددٍ من الكلمات لكل منها عدة معانٍ توحي بها الكلمة، ويطلب من المفحوص أن يمثل على بعض هذه المعاني باستخدام الكلمة في سياقات لُغَوية متنوعة، كأن نقول في التعبير عن معانٍ مختلفة للفعل "غضب": "غضب منه، غضب له، غضب عليه". المرونة التلقائية: وتعني العفويةَ في تغيير الحالة الذهنية للفرد، للقيام بعمل شيء بطريقة مختلفة، وقد تم فحص المرونة التلقائية عن طريق أسئلة من نوع كتابة قائمة بكل الاستعمالات الممكنة لقطعة (قرميد) في وقت محدد (ثلاث دقائق مثلاً). والجدير بالذكر أن العامل المشترك بين جميع الاختبارات التي وضعها "جيلفورد" لقياس الأنواع المختلفة للمرونة - هو اشتمالُها على مفهوم التحويل Transformation، بمعنى الانتقال بالحالة الذهنية للفرد من مسارٍ إلى آخر بحسب متطلبات الموقف أو المشكلة. ولتوضيح ذلك نُشير إلى السؤالِ الذي يطلب من المفحوص إعطاء أكبر عدد من استعمالات قطعة (القرميد) في وقت محدد، فالمفحوص الذي لا يمتلك مهارة المرونة في التفكير يبقى محصورًا في استعمالات (القرميد) في البناء، أما المفحوص الذي يتَّصِف بمرونة التفكير، فإنه قد يتحوَّل من استخدامها في البناء إلى استخدامها كسلاح للدفاع عن النفس، أو في وزن الأشياء عند عدم توافر عيارات وزن حديدية مثلاً، وربما للقص أو القطع. إن المرونة مهارةٌ تفكيرية ترتبطُ بعمليات التفكير فوق المعرفية Metacognitive، من حيث إنها تخضع للمراقبة والتقييم، وتوجه بهما خلال ممارسة النشاط التفكيري عند الاستجابة لمثيرٍ أو مشكلة ما، كما أنها من المكوِّنات الأربعة الرئيسة للإبداع بالمفهوم السيكومتري، ومن أبرز مهارات التفكير المتشعب أو المنتج. ولا غنى عن مرونة التفكير في التكيُّف مع المستجدَّات والمعلومات الجديدة التي يواجهها المعلِّم والمتعلِّم في المؤسسة التعليمية وخارجها، ولا غنى عن هذه المهارة في حياتنا العملية التي تتزايد مشكلاتها تعقدًا يومًا بعد يوم في مختلف ميادين الحياة الاجتماعية والاقتصادية والسياسية، كما أنها ضرورية في حل المشكلات بصورة فعَّالة، وفي إجادة الاتصال مع الآخرين، ولعب أدوار التفاوض، وحل النزاعات، والتوصل إلى حلول إبداعية للمشكلات. ولتنمية مهارة المرونة في التفكير لا بد من إعطاء تدريبات من واقع المناهج الدراسية للموضوعات المختلفة، كلما كان ذلك ممكنًا، بغضِّ النظر عن الأسلوب المستخدم في تعليم مهارات التفكير (مباشرًا كان أم غير مباشر)، ومن الأمثلة على التدريبات الهادفة لتنمية مهارة المرونة في التفكير، نورد ما يأتي: فكِّر في جميع الطرق التي يمكن أن تصنف بموجبها الكلمات الآتية في مجموعات ثلاثية: "الكويت - القدس - تونس - الجزائر - مكة - بيروت - المدينة - مصر". إذا تفحَّصنا القائمة أعلاه، فإننا نستطيع إيجادَ أكثر من طريقةٍ لتجميع كل ثلاث كلمات ترتبط بصفة أو خاصية معينة، ومن بين فئات التجميع الممكنة نورد ما يأتي: المجموعة |
صفة التجميع |
تونس، الجزائر، الكويت |
أسماء عواصم ودول عربية |
تونس، الجزائر، مصر |
أسماء دول عربية إفريقية |
مكة، المدينة، القدس |
أسماء مدن مقدسة |
تونس، بيروت، مكة |
كلمات مكونة من أربعة حروف |
الكويت، الجزائر، القدس |
أسماء علم تبدأ بـ "أل" |
ومن الأمثلة التي أوردها جيلفورد لاختبار التفكير المنتج عن طريق تصنيف معلومات مرئية في فئات متنوعة، نقدم المثال الآتي: تفحَّص قائمة الحروف الآتية، وصنِّفها في فئات من ثلاثة حروف بكل الطرق الممكنة: " Z، N، O، V، S، H، B، T "
يمكن تجميع كل ثلاثة حروف بعدة طرق من بينها: المجموعة |
صفة التجميع |
B, S, O |
حروف خطوطها مائلة |
T, H, N |
حروف فيها خطوط مستقيمة عمودية |
T, H, Z |
حروف فيها خطوط مستقيمة أفقية |
H, N, Z |
حروف فيها خطوط مستقيمة متوازية |
V, N, Z |
حروف فيها خطوط مستقيمة قطرية |
V, N, Z |
حروف فيها زوايا حادة |
استخدم كلمة "قضى" في جُمَل للدلالة على معانيها المختلفة: من بين الإجابات المحتملة يمكن التمثيل بما يأتي: الجملة |
المعنى |
قضى بين المتخاصمين |
حكم |
قضى دَيْنه |
سدَّده |
قضى نحبه |
مات |
ضربه حتى قضى عليه |
قتله |
قضى وقتًا طويلاً في الدراسة |
أمضى أو مكث |
قضى حاجته |
نالها وبلغها |
قضى فلان صلاته |
فرغ منها، أو أداها بعد مرور وقتها |
يمثل كل ضلع من أضلاع المربعات الآتية (إلى اليمين) عودًا من الكبريت، كيف يمكن أن تبقي على ثلاثة مربعات فقط بعد إزالة عيدان من الكبريت؟ ![مهارة توليد المعلومات مهارة توليد المعلومات](https://www.hrdiscussion.com/image/jpeg;base64,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 jp6vHy8/T19vf4 foRAAIBAgQEAwQHBQQEAAECdwABAgMRBAUhMQYSQVEHYXETIjKBCBRCkaGxwQkjM1LwFWJy0QoWJDThJfEXGBkaJicoKSo1Njc4OTpDREVGR0hJSlNUVVZXWFlaY2RlZmdoaWpzdHV2d3h5eoKDhIWGh4iJipKTlJWWl5iZmqKjpKWmp6ipqrKztLW2t7i5usLDxMXGx8jJytLT1NXW19jZ2uLj5OXm5 jp6vLz9PX29/j5 v/AABEIANsBqwMBEQACEQEDEQH/2gAMAwEAAhEDEQA/ANP4YfDDTPGumS39/LdRyR3TwAQPEq7VihcEh4ZDuzI2TuAwBxnJP0GJxM6E1CCjZxT1T7tdGux41ChGrFyk3e9tLdl5Puej/wDCgdA/5 NQ/wC/tv8A/Itcf16p2h9z/wDkjq qQ7y 9f5B/wAKB0D/AJ NQ/7 2/8A8i0fXqnaH3P/AOSD6pDvL71/kH/CgdA/5 NQ/wC/tv8A/ItH16p2h9z/APkg qQ7y 9f5B/woHQP fjUP /tv/8AItH16p2h9z/ SD6pDvL71/kH/CgdA/5 NQ/7 2/AMi0fXqnaH3P/wCSD6pDvL71/kH/AAoHQP8An41D/v7b/wDyLR9eqdofc/8A5IPqkO8vvX Qf8KB0D/n41D/AL 2/wD8i0fXqnaH3P8A SD6pDvL71/kH/CgdA/5 NQ/7 2/wAi0fXqnaH3P/5IPqkO8vvX Qf8KB0D/n41D/v7b/8AyLR9eqdofc/AJIPqkO8vvX Qf8ACgdA/wCfjUP /tv/APItH16p2h9z/wDkg qQ7y 9f5B/woHQP fjUP8Av7b/APyLR9eqdofc/wD5IPqkO8vvX Qf8KB0D/n41D/v7b/ACLR9eqdofc/kg qQ7y 9f5B/woHQP fjUP /tv/wDItH16p2h9z/8Akg qQ7y 9f5B/wAKB0D/AJ NQ/7 2/8A8i0fXqnaH3P/AOSD6pDvL71/kH/CgdA/5 NQ/wC/tv8A/ItH16p2h9z/APkg qQ7y 9f5B/woHQP fjUP /tv/8AItH16p2h9z/ SD6pDvL71/kH/CgdA/5 NQ/7 2/AMi0fXqnaH3P/wCSD6pDvL71/kH/AAoHQP8An41D/v7b/wDyLR9eqdofc/8A5IPqkO8vvX Qf8KB0D/n41D/AL 2/wD8i0fXqnaH3P8A SD6pDvL71/kH/CgdA/5 NQ/7 2/wAi0fXqnaH3P/5IPqkO8vvX Qf8KB0D/n41D/v7b/8AyLR9eqdofc/AJIPqkO8vvX Qf8ACgdA/wCfjUP /tv/APItH16p2h9z/wDkg qQ7y 9f5B/woHQP fjUP8Av7b/APyLR9eqdofc/wD5IPqkO8vvX Qf8KB0D/n41D/v7b/ACLR9eqdofc/kg qQ7y 9f5B/woHQP fjUP /tv/wDItH16p2h9z/8Akg qQ7y 9f5B/wAKB0D/AJ NQ/7 2/8A8i0fXqnaH3P/AOSD6pDvL71/kH/CgdA/5 NQ/wC/tv8A/ItH16p2h9z/APkg qQ7y 9f5B/woHQP fjUP /tv/8AItH16p2h9z/ SD6pDvL71/kH/CgdA/5 NQ/7 2/AMi0fXqnaH3P/wCSD6pDvL71/kH/AAoHQP8An41D/v7b/wDyLR9eqdofc/8A5IPqkO8vvX Qf8KB0D/n41D/AL 2/wD8i0fXqnaH3P8A SD6pDvL71/kH/CgdA/5 NQ/7 2/wAi0fXqnaH3P/5IPqkO8vvX Qf8KB0D/n41D/v7b/8AyLR9eqdofc/AJIPqkO8vvX Qf8ACgdA/wCfjUP /tv/APItH16p2h9z/wDkg qQ7y 9f5B/woHQP fjUP8Av7b/APyLR9eqdofc/wD5IPqkO8vvX Qf8KB0D/n41D/v7b/ACLR9eqdofc/kg qQ7y 9f5B/woHQP fjUP /tv/wDItH16p2h9z/8Akg qQ7y 9f5B/wAKB0D/AJ NQ/7 2/8A8i0fXqnaH3P/AOSD6pDvL71/kH/CgdA/5 NQ/wC/tv8A/ItH16p2h9z/APkg qQ7y 9f5B/woHQP fjUP /tv/8AItH16p2h9z/ SD6pDvL71/kH/CgdA/5 NQ/7 2/AMi0fXqnaH3P/wCSD6pDvL71/kH/AAoHQP8An41D/v7b/wDyLR9eqdofc/8A5IPqkO8vvX Qf8KB0D/n41D/AL 2/wD8i0fXqnaH3P8A SD6pDvL71/kH/CgdA/5 NQ/7 2/wAi0fXqnaH3P/5IPqkO8vvX Qf8KB0D/n41D/v7b/8AyLR9eqdofc/AJIPqkO8vvX Qf8ACgdA/wCfjUP /tv/APItH16p2h9z/wDkg qQ7y 9f5B/woHQP fjUP8Av7b/APyLR9eqdofc/wD5IPqkO8vvX Qf8KB0D/n41D/v7b/ACLR9eqdofc/kg qQ7y 9f5B/woHQP fjUP /tv/wDItH16p2h9z/8Akg qQ7y 9f5B/wAKB0D/AJ NQ/7 2/8A8i0fXqnaH3P/AOSD6pDvL71/kH/CgdA/5 NQ/wC/tv8A/ItH16p2h9z/APkg qQ7y 9f5B/woHQP fjUP /tv/8AItH16p2h9z/ SD6pDvL71/kfIVfQnjH178Af QBcf9hCX/0nta ex38Rf4F cj2cJ8D/AMT/ACR7jXlneFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFAGN4juLuz0u7n07y/tcVvK8HnbjH5iozLvC5YrkcheT0rKpL2cedtKMWnJy0ioppzbfRct9fxW5pCPPJQ/m0Xq9F8r2v5GRpXiC8vbNZ3t1eWO7e2uNkixxpFHIytdKZTkp5YWYRZL4fbkkE1o5RvGULqk3VUpSaTp ydWLUkviftaaptqy972jsk4mHvKNo2nNRw7tFOKlKrCjOpy3vbkVScopt83Io3vK51Ntcw3sSXFs6TQyqHjkjYOjowyrIykqysCCGBII5Bq5RcG4yTTWjTVmvVMpNPVGDrd7f2l7p0dp5Itrm5kiuvMV2faLaaWMRbcKrF4sFnO0ZC4ZmArNX53tyKlUly/alUUqfIk77KLm5aSbXRW5lbXuOUdJRlBu9rcjlyS82 aULW16v3VIu H9TfWdPt76RPIknjVnjzny36Ome 1gRnvjNNOMoxqU3eE4QnF2teM4qadtbaSWl36hNKM6kIu6hUqQTta6hOUE7dL2ubFMkKACgAoAKACgAoAKACgD80a 1Plz69 AP8AyALj/sIS/wDpPa189jv4i/wL85Hs4T4H/if5I9xryzvCgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgDzHxH4mu9D1GW0i0fUtVkvYUW2mtY4zajCuPJuriSVFtR5rFmkZCNjhvm2bRgout7XDtKLbdpSuouDpxV3K32ZKr 7jzNaNK9VJ6XVOVOrJvkXKnyrmlGXtHzNQut4unq2ovl95pQbWVr8V34W8Pz2P2K91A39v5ckunRRXksVxJAtuxktJ5IzLCAkZ3L5qyfvRPHAgUydNd 1kqVPd1Z8jlFKn71Wdde0d7Qi3KUZc6VNKy5m5KJlhKcaEVVbcZfu eEZy54qNKnSTpVXq5RVP4rRmpcs0p4c/4Y G/jGz0y23 ITpt1HGNlrDplg9vaLMfMuINi4jmYSCMRSqUSFVkSJDHL8u02k1C/OlyxlJac0IRjGKg5R5o2s7yldzXI5QUo6xSSjCUVHlUpyqJdpynOTk7q9pKc24JxScl0gkdRpfw91vTdTS6fX5rvTY5o5jZT2NsZHaOBYVzdxGIpjaCfLhQMMh1dmd3wVrxlJJ8jm4aW5XOE4Xv1ahNrtbRKKslpNuatezfLdpLW1X2z2tvNtrdpNRu1FI9M0zT00u3W2jOVVpGz7ySNI3UnA3OcDJwO9LpGP8sIQXpCEYL8IkRioc3LtKdSfzqTlUf4yf8AwC/QWFABQAUAFABQAUAFABQB aNfany59e/AH/kAXH/YQl/9J7Wvnsd/EX BfnI9nCfA/wDE/wAke415Z3hQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFAH5o19qfLn178Af QBcf9hCX/wBJ7Wvnsd/EX BfnI9nCfA/8T/JHuNeWd4UAFABQAUAFABQA0uoYJkBiCQuRkgEAkDrgFlBPQEjPUUfpb8b2zt6PsBj6tqx02W0iVBILu5WBzuwY1aKZlkx1YGSNI/wDgee1TzJTjTbs58yj196MJ1LPteNObT1 G1tbq7JQnNuzio8qt8TlVpU2vkql/u7l6fUbW1fyZpoo5PLebYzqr VHtEkgUkMY4yyh3xtUsoJGRklJQjKpLSMEnJ9Ip3s32vyytfeztsyUm2opaydoru y7vUxNF8VWHi/Tn1Dw7cRXa/vI0b51CzKDhZUdVkTna2GQEoQ6gqykqvGpCk5U0lOVNypt6xvZ2bt2eko7ppxdncqPKqnJPaMkpWd9L62a0aavZp2fRlHwp4gvNSW3g1BIxPJptrePLEHSNpZWkWaNY3y6CPah Y5O8jA2kVvPk9pVp03/AA3D0cainyyTTeknTnZXdkl70r3JcXTjBTac3OvGSXT2TppO691t87TtpeN1o0drWYgoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgD80a 1Plz69 AP/ACALj/sIS/8ApPa189jv4i/wL85Hs4T4H/if5I9xryzvCgAoAKACgAoAKAOC8Z H9X1Jo73Q9Wl0WW3jkWXZZRX6zRna BDJgiRWT5WTLEMUCnNYybp81S7cHFc0VHmk3DmcXG2u05pxSfM3Hbl1pRUnFbSTai a0Up8vNzL4d4Rak/hXN0kzkfCnhjV9SWPXtS1Y63uiR7WKfTI9KkR45VmRJXjDSqpljCsHikCgs6K275uqLhT9 Npc/JJTg1JSpulWgmtUpXhiHKN3HXR8t21yuCruKqOUYQbjJOHvRlGtRnK13F6Sw6TSajPR3slfnNU0vxH428Vi90j7b4YGnWpilur7TLC4zIWfYlnN50puIpUlkMqpL5MTRIzAyyKFzpJqNSspKKm TlatUbi48ya6Qi6cXCbdpOT9lzRlOR01lF yptczpzlNSUn7NXg4qcU0vekpyjLmSbjyc0VKkkqnhz4e Iri/vtX0zxNLbXskptb0v4egtxLJAcq7QySJFKSsgdLlUZnjkx5nJUOEfZ0koaU6jdVRvopP3JtRf8NuUWpxSjzTXNJOWpEmpVHd3nTSg2nspRjNJ20bScbXu1G3K Rxb9x0Dw42kR2xuZ/tdzbWptmm8sQiQvIsjyeUrMke5lG1F4QZAOMAEbQThTSjDlowUVslQhOEbeqm/ CRyXlGpJ3mnWd/8Ar9OE5aeTgv8AgHUUjUKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoA/NGvtT5c vfgD/yALj/ALCEv/pPa189jv4i/wAC/OR7OE B/wCJ/kj3GvLO8KACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgDz7xN8SNO8KXcmn3SSyXKW9vcRRRBWecXEl1HhdzKqCI2paWSRkQCSNQzSMqHnrVqeGh7StJRj vZJat SGk3ojE0P4uWmrzfY5bWWzuZcrbCWSMxTy4OyHzkJ8qSQ4VPMQIzEKrM5VTyYfH0MVL2dKXvdmmm/S /y1KcXHc6n 29e/6BH/k9b/8AxNemQH9t69/0CP8Ayet/iaAHLrWuEgNpO0EjJ 3QHA7nAXPHWgDidR NNhbzmKwtbi/gQ4NwjRRo OphErq0i54DkRo/wB6NmQhz5FXMsNQm6U5 8tHZNperX4pXa6mig3qkdZZ MptcgS80GzN/bsCshaeO3khmU/PBLFICQ6gq2QSrKyshZCrN6cJxqxVSm04vVNEWtoyx/bevf8AQI/8nrf/AOJrQQf23r3/AECP/J63/wDiaAM7VvH3/CN2/m61aPbTytttraGWO4luNoBkYFdiRJHld7yuqjcoBLsitz1q1PDQ9pWkox/XsktW/JDSb0Ri6J8XbXVphZzWs1nczZW2EskRhmlP rgMyE VJK2FQyIEZiEDlyqNyUMfh8VL2dKXvdmmm7dr6P0WpTg46s6v 29e/wCgR/5PW/8A8TXpkB/bevf9Aj/yet/AImgBy61rhIDaTtBIyft0BwO5wFzx1oA4nUfjTYW85isLW4v4EODcI0UaPjqYRK6tIueA5EaP96NmQhz5FXMsNQm6U5 8tHZNperX4pXa6mig3qkel HfEVl4ns1vtPYtGWKOrDbJFIuN0ciHlXXIPdWUq6MyMrH04TjViqlNpxeqaItbRm5WggoAKAPzRr7U XPr34A/wDIAuP whL/AOk9rXz2O/iL/AvzkezhPgf J/kj3GvLO8KACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgD5U LrCLxYGYEKdLs4xIR8odrrUmWPd0DSBHZVJywjbGcGvlM6pTnThUgm4wcuZLpdKzfkrNX8zem0m0cKLKfVJYtOssm7upESHb95WDBjNjssAHmux4VU5PSvm8tpTqYmm6adoyTk iS7 uy9TabSTPuWv084goAxPE1jPqekXtlZtsuLm0uIYWzjbJJC6Ic9sMQc0AfGFsw2bNpjaL928Z4aJ0 Vo3U8qyEFWBAIIr8ir0p0akqdVNSTe/XXdd09zvTTV0e7/BKynWK/1E5FpdyQpB6SNAsizSp6qS6RbhwWgbBOK/QcqpTo4ZKqmm5OST0aT8vPf5nLNpvQ9zr3DIKAPmv4yWc1trVtqEufss9ottEx 6s8c00joT0DTRyRlAeW8l9udpx8pnVKc6cKkE3GDlzJdLpWb8lZq/mb02k2jyxrKfVHj06yz9su3WOAD7yvkHzfZYAPOduiqhJr5rLqU6mJpumnaMlKT6JLe789vmbTaSdz7nr9QOIKAMTxNYz6npF7ZWbbLi5tLiGFs42ySQuiHPbDEHNAHxhbMNmzaY2i/dvGeGidPlaN1PKshBVgQCCK/Iq9KdGpKnVTUk3v113XdPc7001dHu/wAErKdYr/UTkWl3JCkHpI0CyLNKnqpLpFuHBaBsE4r9ByqlOjhkqqabk5JPRpPy89/mcs2m9D3OvcMgoAKAPzRr7U XPr34A/8AIAuP whL/wCk9rXz2O/iL/AvzkezhPgf J/kj3GvLO8KACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgDg1srfUfEmp2t3FHcQS6TpCvFKiyRuv2vW GRwVYexBFAG/o/hfSfDxdtLs7azaUAO0MKRs4ByAzKoYqDyFJwOwFJK22gG7TAKACgDm9T8HaHrU/wBr1Gws7qfABkmt4pHZR91WZlJdV7K2QOcDmlZAUtOYx JL62UlYYtL0kpGOEQtc6ypKoPlUlY0UkAZCIDwowwOxoAKAK15ZW owva3cUdxBKNrxSoskbr6Mjgqw9iCKAPO/FPhzTPC/hrWbjRrW30 f y74 bbRJFLlbaVk/eIA/yMAyDdhW5XBpJJbaAem0wCgAoA5vU/B2h61P8Aa9RsLO6nwAZJreKR2UfdVmZSXVeytkDnA5pWQFDTv3fia/hT5Yo9K0jYg4Vf9K1ofKo4HCqOAOFUdAKYHZ0AFABQB aNfany59e/AH/kAXH/AGEJf/Se1r57HfxF/gX5yPZwnwP/ABP8ke415Z3hQB4xqPxpsLecxWFrcX8CHBuEaKNHx1MIldWkXPAciNH 9GzIQ58irmWGoTdKc/eWjsm0vVr8UrtdTRQb1SOss/GU2uQJeaDZm/t2BWQtPHbyQzKfnglikBIdQVbIJVlZWQshVm9OE41YqpTacXqmiLW0ZY/tvXv gR/5PW/AMTWgg/tvXv gR/5PW/AMTQBnat4 /4Ru383WrR7aeVtttbQyx3EtxtAMjArsSJI8rveV1UblAJdkVuetWp4aHtK0lGP69klq35IaTeiMfQvi1a6zOLKW2ksbqbK2vnyIYJpiD5cLTRCRoWkbABaIgk7U3yFY25MPj6GKl7OlL3uzTTfpff5alOLjudT9u8Vf8AQO0r/wAG93/8pK9MgPt3ir/oHaV/4N7v/wCUlADlvvFGRu0/SgueSNWuiQO5AOijJ9sj6igDidR NNhbzmKwtbi/gQ4NwjRRo OphErq0i54DkRo/wB6NmQhz5FXMsNQm6U5 8tHZNperX4pXa6mig3qkdbZ KrzxDbpe G7e0vLc5WX7XeT2c0Myn5oXij0 8GVUq24yAMGDIGjKSN6cJxqxVSm04vVNEWtoyf7d4q/6B2lf De7/8AlJWgg 3eKv8AoHaV/wCDe7/ UlAGdq3jmbwrb b4gt4Ip5ji0t7C5kvJJ9o/eFjPaWKwrHuTc7Ep8wG4OUR etWp4aHtK0lGP69klq35IaTeiMvw58WrHWrtLC7t5tOlnYJC0jRyRSSMcLGXjYlJHPCB0CO2EVzIyq3JQx HxUvZ0pe92aabt2vo/RalOLjqz1ivTICgAoAKACgAoAKACgAoAKACgAoAKACgAoAKAOMsf Rq1H/sFaR/6V63QB2dABQAUAFABQBxlj/yNWo/9grSP/SvW6AOzoAKACgDjPiP/wAirrP/AGCr/wD9JJaAOzoAKACgAoA4yx/5GrUf wVpH/pXrdAHZ0AFABQB aNfany59e/AH/kAXH/YQl/9J7Wvnsd/EX BfnI9nCfA/wDE/wAke415Z3mJ4msZ9T0i9srNtlxc2lxDC2cbZJIXRDnthiDmgD4wtmGzZtMbRfu3jPDROnytG6nlWQgqwIBBFfkVelOjUlTqpqSb3667runud6aauj3f4JWU6xX onItLuSFIPSRoFkWaVPVSXSLcOC0DYJxX6DlVKdHDJVU03JySejSfl57/M5ZtN6Hude4ZBQB81/GSzmttattQlz9lntFtomP3VnjmmkdCegaaOSMoDy3kvtztOPlM6pTnThUgm4wcuZLpdKzfkrNX8zem0m0eXCyn1SWLTrLJu7qREh2/eVgwYzY7LAB5rseFVOT0r5vLaU6mJpumnaMk5Poku/rsvU2m0kz7lr9POIKAMTxNYz6npF7ZWbbLi5tLiGFs42ySQuiHPbDEHNAHxhbMNmzaY2i/dvGeGidPlaN1PKshBVgQCCK/Iq9KdGpKnVTUk3v113XdPc7001dHu/wSsp1iv8AUTkWl3JCkHpI0CyLNKnqpLpFuHBaBsE4r9ByqlOjhkqqabk5JPRpPy89/mcs2m9D3OvcMgoA a/jJZzW2tW2oS5 yz2i20TH7qzxzTSOhPQNNHJGUB5byX252nHymdUpzpwqQTcYOXMl0ulZvyVmr ZvTaTaPLGsp9UePTrLP2y7dY4APvK QfN9lgA8526KqEmvmsupTqYmm6adoyUpPokt7vz2 ZtNpJ3Puev1A4goAKACgAoAKACgAoAKACgAoAKACgAoAKACgDjLH/katR/7BWkf let0AdnQAUAFABQAUAcZY/8jVqP/YK0j/0r1ugDs6ACgAoA4z4j/wDIq6z/ANgq/wD/AEkloA7OgAoAKACgDjLH/katR/7BWkf let0AdnQAUAFAH5o19qfLn178Af QBcf9hCX/wBJ7Wvnsd/EX BfnI9nCfA/8T/JHuNeWd5x/wAQ3aLwvrDoSrLpd VYHBBFrKQQRyCDyCOlAFzU/B2h61P9r1Gws7qfABkmt4pHZR91WZlJdV7K2QOcDmlZAdEiLEoRAFVQAqgAAADAAA4AA4AHAFMB1ABQBWvLK31GF7W7ijuIJRteKVFkjdfRkcFWHsQRQB534r8N6X4a8M61LpFpb2MraVfbpLeJInO21lK5dAGIU8qM4U8jFJK22gHptMAoAKAOb1PwdoetT/a9RsLO6nwAZJreKR2UfdVmZSXVeytkDnA5pWQHRIixKEQBVUAKoAAAAwAAOAAOABwBTAdQAUAVryyt9Rhe1u4o7iCUbXilRZI3X0ZHBVh7EEUAed KPDmmeF/DurXGjWtvp8x0 5zLbRJFIdsTlR5iAPhTyo3YU8gCkkltoB6bTAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoA4yx/wCRq1H/ALBWkf8ApXrdAHZ0AFABQAUAFAHz58WPEE9tqS6VYs1o0tnFLeTwny55ovOuFtrfzlxIkUbrcyMEYMTJtDKrSLJ8/mmMng4RjR0nNv3rXso2vZbX1W/mawipPXoeZ6J4ovPBs631vNM1ujKbm3klkljlh3DzMLIzbJVXLRyR7W3AK29CyHwcBmVd1oUq0ueE3y6pXTezTVuu99LGsoK11pY z6OUKAMPxPd29hpF9dXsS3NtBaXEk0LAFZYkhdpI2BBBV0BUgggg8gigD5BvtT1DWpvtuo3Nw9w3zfu5pYo4s/wQRxOqxqvQEfO2N0ju5LH82rZpiJ1HKlNwgn7sUlt0vdO77307JHYoJLVHvnwl8U3etQXOm37tcTacYSk78u8FwJBGJG/jkjeGVTIfmdNhfL7pH zy/EyxdBVJ/Gm4ytom1Z3 aav53OeceV2R69XrGYUAfP3xZ8RXFtqK6RYs1oZLSOa7nh/dzzRGadLa385QJUiRkuXYI4JMm0FVaVZPn80xk8HCMaOk5t 9a9lG17La q38zWEVJ69DzHRPFF54NnW t5pmt0ZTc28kskscsO4eZhZGbZKq5aOSPa24BW3oWQ DgMyrutClWlzwm XVK6b2aat13vpY1lBWutLH2fX3xyhQB aNfany59e/AH/kAXH/YQl/8ASe1r57HfxF/gX5yPZwnwP/E/yR7jXlnecZ8R/wDkVdZ/7BV/wCkktAHZ0AFAHD/ABAup9N0m4v4tRfSRaxO6SRw28rSTEFYYmW4hnDrJIyKIoo0mkcqqSjO04VHOKbpJzqOyp019ub z3u9EmrKK5pSUlbl0hyXTqvlprWpK9uWCtd3eiSV73Tu VK2qlveG7m9vNLtLjVYxBfS28T3ESggJMyKZFAJJGGJG0kkdMnFd1ZRjUlGn8KbSs7r5Ssrrs7K61tqctKTlCMnfVXV1yu3RuLSabVm00mndWWxm LPGVj4PhSS73yzTlhBbwgGWUrjeRuKoiJuUvJIyou5VyXdFbgrVqeGh7StJRj vZJat SN0m9Eeaz/ABEtvHNheeHJIX0u71W0ubO1kuGR7dpriF4o0eSLc0bFmGA0eGPyIzSFUbkw PoYqXs6Uve7NNN l9/lqU4uO57tXpkBQAUAFABQAUAFABQBxnxG48L6uf7um3jH6LbyMfxwOPegDs6ACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKAOMsf Rq1H/sFaR/6V63QB2dABQAUAFABQB5j8QvAD KzFfWEkcOoWyNGPN3eVPETuEUjIGeMo WSVUk27nUxvvBXzcZg4Y2ChJuLTvGS1s/Tqu6uvUuMuR6HB HfhHqM13HLrxtorSB0kMMEjzPOyNuVHZooVji3BS2PMaRcoRGDuPmYTKY4Woq0587j8K5eVJ93q7 W1vMuU7qyVj6Kr6UxCgCC6tor2F7adRJFMjRyIejI4Ksp9ipINAHzZffB/XLKbydMe0u7UcRSXE0kEqr2WVUt51YqMDzUbMhBYxR9K TrZLGpUc6VTki3flcb2vq7PmWnZdO5uqllZo9i8CeDE8HWjo7ie8unElxKq7VJVdqRxqSSI4lyF3HLMzyELv2L9DhsPDCU1Rp7Ldvdt7t/1sZN3dzuK6yQoA8x IXgB/FZivrCSOHULZGjHm7vKniJ3CKRkDPGUfLJKqSbdzqY33gr5uMwcMbBQk3Fp3jJa2fp1XdXXqXGXI9Dg/Dvwj1Ga7jl1420VpA6SGGCR5nnZG3Kjs0UKxxbgpbHmNIuUIjB3HzMJlMcLUVac dx FcvKk 71d/La3mXKd1ZKx9FV9KYhQB aNfany59e/AH/AJAFx/2EJf8A0nta ex38Rf4F cj2cJ8D/xP8ke415Z3nGfEf/kVdZ/7BV/AOkktAHZ0AFAHG JvBsfiW6tLx7y7s5NOZ5IFgFo8fmsNvnNHd2l0hlRcrFJgNGGbZgsTSjeE3Ui3dw5LaWSbbly6XTnopO sYpaJy5iSU4KnJKymp sopqN 6jdtLbmtJ3cYuPUWVu9pCkMs0l06DBmlEQkc/3mEEcMQPb5IkHtnJqm77JLRbX6K19W9Xu l3okrImKcVZtvVu7t1baWiSsk7LS9krtu7fzr8ZLOa21q21CXP2We0W2iY/dWeOaaR0J6Bpo5IygPLeS 3O04 TzqlOdOFSCbjBy5kul0rN Ss1fzOmm0m0eXCyn1SWLTrLJu7qREh2/eVgwYzY7LAB5rseFVOT0r5vLaU6mJpumnaMk5Poku/rsvU2m0kz7lr9POIKACgAoAKACgAoAKAOM I/ACKus/8AYKv/AP0kloA7OgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgDjLH/katR/7BWkf let0AdnQAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFAH5o19qfLn178Af QBcf9hCX/wBJ7Wvnsd/EX BfnI9nCfA/8T/JHuNeWd5xnxH/AORV1n/sFX/AKSS0AdnQAUAFABQBWvLK31GF7W7ijuIJRteKVFkjdfRkcFWHsQRQBl6P4X0nw8XbS7O2s2lADtDCkbOAcgMyqGKg8hScDsBSSttoBu0wCgAoAKACgAoAKAPA/i34pvIbyPQLOWS2jNut1cvExjkkWWSSKKJZFw6JmCVpNjBn RCwTer/PZpjJ4OEY0dJzb9617KNr2vpfVb ZrCKk9eh5NpmvTeHGMjPJcWEn7u9s53eeC4tpPknUxSs6h/LZirIAzEbH3ozIfDwGY13WjSrS54TfLqldN7NNJdd76WNZQVrrSx9q196coUAFABQAUAFABQAUAFABQAUAFABQAUAFABQB8 fFjxBPbakulWLNaNLZxS3k8J8ueaLzrhba385cSJFG63MjBGDEybQyq0iyfP5pjJ4OEY0dJzb9617KNr2W19Vv5msIqT16Hl2l Ibjws5uFkkmsj8t5aTO80E9ux2zKY5S6h9hYqygEkBX3xsyN4OAzKu60KVaXPCb5dUrpvZpq3Xe ljWUFa60sfUP/AArjwr/0BtK/8ALT/wCNV98cof8ACuPCv/QG0r/wAtP/AI1QBma34P8ACnh/T7nVW0XSyLC3muSFsLUMRBG0pAIhOCdvBxweaAPmu 1PUNam 26jc3D3DfN 7mlijiz/AAQRxOqxqvQEfO2N0ju5LH82rZpiJ1HKlNwgn7sUlt0vdO77307JHYoJLVHsHw8Fj46jntfElnaatd6X5Kx3V3bQTytbTiRo0Z5I2JZHjlBYYLrtZwZCzv8AaZfiXi6CqT JNxlbRNrr8018zmnHldkej/8ACuPCv/QG0r/wAtP/AI1XqkB/wrjwr/0BtK/8ALT/AONUAePfES5g8M3Y8PeHYIdGhmt0ur1rCKO1ecPJLFBGXhVHVV8mZnKsHbKpuVC6yfP5pjJ4OEY0dJzb9617KNr2W19Vv5msIqT16Hnum IbjwsxulkkmswCLy0mkeaC4tzxOjRSs6hzGWKOoDbsK2 NnjbwMDmVf20KVaXPCb5dUrpvZppLrbfSxrKCtdaWPqP/AIVx4V/6A2lf AFp/wDGq /OUP8AhXHhX/oDaV/4AWn/AMaoAzNb8H FPD n3OqtoulkWFvNckLYWoYiCNpSARCcE7eDjg80AfNd9qeoa1N9t1G5uHuG b93NLFHFn CCOJ1WNV6Aj52xukd3JY/m1bNMROo5UpuEE/diktul7p3fe nZI7FBJao9E3im71y3udP1B2nn05otszffkhnV/LEhAAaRGikUv950CM XLO/2mX4l4ugqk/iTcZW0Ta6/NNfM5pLldkeuV6pAUAFAH5o19qfLn178Af QBcf8AYQl/9J7Wvnsd/EX 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 KjFfae8cOoW6NGBNuEU8RO4RyOiu8ZR8tHIscm3c6mNt4KebjMHHGwUJPlad4ySvZ ml15XXqXGXI9DhPDnwk1GS7jm1420VrBIknkQSPM87I25VdmihWOLeFZgPMaRQUIjBJrzMJlMcLUVac dx FcvKk 71d/Laxcp3VkrH0TX0piFAAc4469u3 P8qAPjP4o NviHZapBaT239laW91CiPaOzxXAMqhVmv1TegflSnlQMUJ3QuByAfTP27xV/0DtK/8G93/APKSgA 3eKv gdpX/g3u/wD5SUAH27xV/wBA7Sv/AAb3f/ykoAPt3ir/AKB2lf8Ag3u/lJQAfbvFX/QO0r/AMG93/8AKSgA 3eKv gdpX/g3u/AJSUAH27xV/0DtK/8G93/wDKSgA 3eKv gdpX/g3u/8A5SUAH27xV/0DtK/8G93/APKSgA 3eKv gdpX/g3u/wD5SUAOW98UEjdp lBc8katdEgd8D xRk 2Rn1FAHY0AeOePPC3/CY6k8GnssGqabZ28pabPkXEF3NdqkLsgaSJopLOR1lEcgUSlfLfdlPNxmDhjYKEm4tO8ZLWz9Oq7q69S4y5XdHMeHfhHqM13HLrxtorSB0kMMEjzPOyNuVHZooVji3BS2PMaRcoRGDuPmYTKY4Woq0587j8K5eVJ93q7 W1vMuU7qyVj6Kr6UxCgCC6tor2F7adRJFMjRyIejI4Ksp9ipINAHzZffB/XLKbydMe0u7UcRSXE0kEqr2WVUt51YqMDzUbMhBYxR9K TrZLGpUc6VTki3flcb2vq7PmWnZdO5uqllZo9N H iReFLi70Ynzr3yLS ubkDaj/aXvII4Y0yWVIFsmwWYlzIXO0kqPocPh4YSmqNPZdXu292zJvmd2em11khQB5j8QvAD KzFfWEkcOoWyNGPN3eVPETuEUjIGeMo WSVUk27nUxvvBXzcZg4Y2ChJuLTvGS1s/Tqu6uvUuMuR6HlX/CudQ0e2uNZ8Qi3 w6XBLeva28ryyXX2VGn8lneGJIY3KAMcSs65Qqmd1eXhMpjhairTnzuPwrl5Un3erv5bWZcql1ZKx9R19MYhQBBdW0V7C9tOokimRo5EPRkcFWU xUkGgD5svvg/rllN5OmPaXdqOIpLiaSCVV7LKqW86sVGB5qNmQgsYo lfJ1sljUqOdKpyRbvyuN7X1dnzLTsunc3VSys0em/D/RIvClxd6MT5175FpfXNyBtR/tL3kEcMaZLKkC2TYLMS5kLnaSVH0OHw8MJTVGnsur3be7Zk3zO7PTa6yQoAKAPzRr7U XPr34A/8AIAuP whL/wCk9rXz2O/iL/AvzkezhPgf J/kj3GvLO8xPE1jPqekXtlZtsuLm0uIYWzjbJJC6Ic9sMQc0AfGFsw2bNpjaL928Z4aJ0 Vo3U8qyEFWBAIIr8ir0p0akqdVNSTe/XXdd09zvTTV0e7/BKynWK/1E5FpdyQpB6SNAsizSp6qS6RbhwWgbBOK/QcqpTo4ZKqmm5OST0aT8vPf5nLNpvQ9zr3DIKAPmv4yWc1trVtqEufss9ottEx 6s8c00joT0DTRyRlAeW8l9udpx8pnVKc6cKkE3GDlzJdLpWb8lZq/mb02k2jy4WU qSxadZZN3dSIkO37ysGDGbHZYAPNdjwqpyelfN5bSnUxNN007RknJ9El39dl6m02kmfctfp5xBQAUAefeMfCWpeJbuxuLS9trOPS7lLyJJbGW4Z50SWP55Fv7YeSUl/wBWsauGXPmkHaHBunP2qtflnBLpy1IqMr66vqnou6fXOpBVYeyd0uenPTfmpTU49Nm0k1u1ezXTv0DBQHILYGSBgE9yASxAz0BJx0yetDtfTbp1/HT8kWr213620X3XdvvfqOpDCgAoAKACgAoAKAGuiyKUcBlPUEZB oPFADqACgAoAKACgAoAKACgAoAKACgAoA4yx/5GrUf wVpH/pXrdAHZ0AFABQAUAFAHGWP/ACNWo/8AYK0j/wBK9boA7OgAoAKAOM I/wDyKus/9gq/wDSSWgDs6ACgAoAKAOMsf8AkatR/wCwVpH/AKV63QB2dABQAUAfmjX2p8ufXvwB/wCQBcf9hCX/ANJ7Wvnsd/EX BfnI9nCfA/8T/JHuNeWd5x/xDdovC sOhKsul35VgcEEWspBBHIIPII6UAXNT8HaHrU/wBr1Gws7qfABkmt4pHZR91WZlJdV7K2QOcDmlZAdEiLEoRAFVQAqgAAADAAA4AA4AHAFMB1ABQBWvLK31GF7W7ijuIJRteKVFkjdfRkcFWHsQRQB554p8O6Z4W8NazcaLawafMdLvT5ttGkUmUtpWT94gD/ACN8yfN8p5XBpJW20A9MpgFABQAUAFABQAUAFAHH/EN2i8L6w6Eqy6XflWBwQRaykEEcgg8gjpQB2FABQAUAFABQAUAFABQAUAFABQAUAFABQAUAFAHGWP8AyNWo/wDYK0j/ANK9boA7OgAoAKACgAoA4yx/5GrUf wVpH/pXrdAHZ0AFABQBxnxH/5FXWf wVf/APpJLQB2dABQAUAFAHGWP/I1aj/2CtI/9K9boA7OgAoAKAPzRr7U XPr34A/8gC4/wCwhL/6T2tfPY7 Iv8AAvzkezhPgf8Aif5I9xryzvOM I/ACKus/8AYKv/AP0kloA7OgAoA8y KWs3mh6TLdafc3dpcxwyyQfZrNbiNpUXIF5NLbXMFtbAkFpJGtcAM3n7VZRk3KM4uK5veprklaMGpVIqTnNuFrR25akGk5O05OHLpZKEpy2ipN2vKekJSiowjeUl7r5rQlryq8b 93ukXTX1lb3LtE7zQxSM0DB4WLorExOCQ8ZJyjAkMuCCetddWKp1JwimlGUklJWkkm0uZO1n3Vlr0OWk5OnB1bc/Kubl25re9bfS9 r9WYfizxlY D4Uku98s05YQW8IBllK43kbiqIiblLySMqLuVcl3RW4a1anhoe0rSUY/r2SWrfkjdJvRHmV18Rrfxtp974daCTTbvVbS5s7SSd0a3ee4heKKN5YizRszuAN0e1j8iM0jIjclDH4fFS9nSl73Zppu3a j9FqU4OOrPea9MgKACgAoAKACgAoA5Lxb4ysvB8KSXYeWacsILeEKZZSuN5G5lRETcpeR2VV3Koy7Ijc9atTw0PaVpcsdvn2SWrfoNJvRHkfiL4s2OuaBq1hdW82nzT6ZfpC0jRyRSObWbbH5kbEpI38IdVV2wiOzlVPJh8dQxUuSjL3uzTT V9/lqU4uOrPomvTICgAoAKACgAoAKACgAoAKACgAoAKACgAoAKAOMsf Rq1H/sFaR/6V63QB2dABQAUAFABQB5p4k1y28E6nPrF6TL/AGhZ2drbWsI3XEklnNfyzMQ22NIgt7FmR5AAcqfmaNZOetWp4aHtK0lGP69klq35IaTeiKfhv4s2Ot3aWF3bzadLOwSFpGjkikc/dj8yNjskbogdVV2wiuXKqeTD4 hipezpS97s0036X3 WpTi47nq9emQFAGB4r0qTXdFv9LgZUlvrK5tkZ8hFeaF41ZyoYhQWBbCk4zgE8UAeb6j8abC3nMVha3F/AhwbhGijR8dTCJXVpFzwHIjR/vRsyEOfIq5lhqE3SnP3lo7JtL1a/FK7XU0UG9Uj0rw54jsvFNmL6wYlNxR0cbZIpFALRSpztdQwPBKsrK6M0bKx9OnUjViqlNpxaumv6 8hq2jN2tBBQB5p4k1y28E6nPrF6TL/AGhZ2drbWsI3XEklnNfyzMQ22NIgt7FmR5AAcqfmaNZOetWp4aHtK0lGP69klq35IaTeiKfhv4s2Ot3aWF3bzadLOwSFpGjkikc/dj8yNjskbogdVV2wiuXKqeTD4 hipezpS97s0036X3 WpTi47nq9emQFAH5o19qfLn178Af QBcf9hCX/wBJ7Wvnsd/EX BfnI9nCfA/8T/JHuNeWd5xnxH/AORV1n/sFX/AKSS0AdnQAUAc74i8PN4gga2F5eWCSo0Uv2UwAyRuCpU/aLe4EZwx/eQiKXp 8wFAzcIyf7xc0GrSpv4Jq97StaSTV0 WUbpu92ouOkZuDUo2Uou8Xa7T9H7r2T95O1tLXlfV03TrfR7WGws18q3tYkhiTLNtjjUKi7mJY4UAZYlj1JJ5roqTlVlKpN3lJtt2S1euysl6LQxjFQXKun66v72fPHxks5rfWra/l/49Z7RbaJv4VnjmmldCegaaOSMoDgsIWxnacfIZ1SnOnCpBNxg5cyXS6Vm/JWav5nTTaTaPLGsp9UePTrLP2y7dY4APvK QfN9lgA8526KqEmvmsupTqYmm6adoyUpPokt7vz2 ZtNpJ3Puev1A4goAKACgAoAKACgD5r MdnNb61bX8ufss9ottE38KzxzTSOhPQNNHJGUB5YQvjO04 UzqlOdOFSCbjBvmt0ulZvyVmr ZvTaTaPEvEw83TrmFFMsjQSuEXltsSNLI P7sSI0jHoAvuAfm8tpTqYmnKmnaDvJ9EvP12 ZtNpJn6A1 nnEFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAcZY/8jVqP/YK0j/0r1ugDs6ACgAoAKACgD5r MlnNba1bahLn7LPaLbRMfurPHNNI6E9A00ckZQHlvJfbnacfKZ1SnOnCpBNxg5cyXS6Vm/JWav5m9NpNo8uFlPqksWnWWTd3UiJDt 8rBgxmx2WADzXY8KqcnpXzeW0p1MTTdNO0ZJyfRJd/XZeptNpJn3LX6ecQUAYniaxn1PSL2ys22XFzaXEMLZxtkkhdEOe2GIOaAPjC2YbNm0xtF 7eM8NE6fK0bqeVZCCrAgEEV RV6U6NSVOqmpJvfrruu6e53ppq6PdfglZThNQ1HkWd08EcHo724lE0qeqkyRw7hwWgYfwmv0DKqU6OGSqppuTkk9Gk7dPOzfzOWbTeh7rXumQUAfNfxks5rbWrbUJc/ZZ7RbaJj91Z45ppHQnoGmjkjKA8t5L7c7Tj5TOqU504VIJuMHLmS6XSs35KzV/M3ptJtHlwsp9Uli06yybu6kRIdv3lYMGM2OywAea7HhVTk9K by2lOpiabpp2jJOT6JLv67L1NptJM 5a/TziCgD80a 1Plz69 AP/IAuP8AsIS/ k9rXz2O/iL/AAL85Hs4T4H/AIn SPca8s7zjPiP/wAirrP/AGCr/wD9JJaAOzoAKACgAoArXllb6jC9rdxR3EEo2vFKiyRuvoyOCrD2IIoAy9H8LaR4eZn0uztrN5Bh3hhSN2UHIVmVQxUHkKTgHoKSSW2gG7TAKACgAoAKACgAoAq3tjb6lC9reRR3EEo2vFKiyRuOuGRwVYexBFAGPp/hDRdJSWKysLSBLlDHOqQRATRsCDHL8v7yMgkbGyuCRjBpWttoB0VMAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgDjLH/AJGrUf8AsFaR/wClet0AdnQAUAFABQAUAVryyt9Rhe1u4o7iCUbXilRZI3X0ZHBVh7EEUAZej F9J8PF20uztrNpQA7QwpGzgHIDMqhioPIUnA7AUkrbaAbtMAoAKAOb1PwdoetT/a9RsLO6nwAZJreKR2UfdVmZSXVeytkDnA5pWQHQxxpCixxqERAFVVACqoGAABwABwAOAOBTAfQAUAVryyt9Rhe1u4o7iCUbXilRZI3X0ZHBVh7EEUAZej F9J8PF20uztrNpQA7QwpGzgHIDMqhioPIUnA7AUkrbaAbtMAoA/NGvtT5c vfgD/yALj/ALCEv/pPa189jv4i/wAC/OR7OE B/wCJ/kj3GvLO8wPFelSa7ot/pcDKkt9ZXNsjPkIrzQvGrOVDEKCwLYUnGcAnigDzfUfjTYW85isLW4v4EODcI0UaPjqYRK6tIueA5EaP96NmQhz5FXMsNQm6U5 8tHZNperX4pXa6mig3qkeleHPEdl4psxfWDEpuKOjjbJFIoBaKVOdrqGB4JVlZXRmjZWPp06kasVUptOLV01/X3kNW0Zu1oIKAOT8WeMrHwfCkl3vlmnLCC3hAMspXG8jcVRETcpeSRlRdyrku6K3PWrU8ND2laSjH9eyS1b8kNJvRHKeG/izY63dpYXdvNp0s7BIWkaOSKRz92PzI2OyRuiB1VXbCK5cqp5MPj6GKl7OlL3uzTTfpff5alOLjuer16ZAUAFAHjGo/Gmwt5zFYWtxfwIcG4Roo0fHUwiV1aRc8ByI0f70bMhDnyKuZYahN0pz95aOybS9WvxSu11NFBvVI9L8O IrLxPZrfaexaMsUdWG2SKRcbo5EPKuuQe6spV0ZkZWPpwnGrFVKbTi9U0Ra2jNytBBQByXi3xlZeD4Ukuw8s05YQW8IUyylcbyNzKiIm5S8jsqruVRl2RG561anhoe0rS5Y7fPsktW/QaTeiOW8N/Fmx1y7SwurebT5p22QtI0ckUjn7sfmRsSkjfwh1VXbCI7OVU8mHx1DFS5KMve7NNP5X3 WpTi46s9Wr0yAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgDyDXvGVj4P8R30l3vlmn0vShBbxAGWUrda1vI3FUREDKXkkdUXcq5Luitz1q1PDQ9pWkox/XsktW/JDSb0RP4c LVjrV2lhd282nSzsEhaRo5IpJGOFjLxsSkjnhA6BHbCK5kZVbkoY/D4qXs6Uve7NNN27X0fotSnFx1Z6xXpkBQAUAeMaj8abC3nMVha3F/AhwbhGijR8dTCJXVpFzwHIjR/vRsyEOfIq5lhqE3SnP3lo7JtL1a/FK7XU0UG9Uj0vw74isvE9mt9p7FoyxR1YbZIpFxujkQ8q65B7qylXRmRlY nCcasVUptOL1TRFraM3K0EFAHJ LPGVj4PhSS73yzTlhBbwgGWUrjeRuKoiJuUvJIyou5VyXdFbnrVqeGh7StJRj vZJat SGk3ojk/Dnxasdau0sLu3m06WdgkLSNHJFJIxwsZeNiUkc8IHQI7YRXMjKrclDH4fFS9nSl73Zppu3a j9FqU4uOrPWK9MgKACgDxjUfjTYW85isLW4v4EODcI0UaPjqYRK6tIueA5EaP96NmQhz5FXMsNQm6U5 8tHZNperX4pXa6mig3qkel HfEVl4ns1vtPYtGWKOrDbJFIuN0ciHlXXIPdWUq6MyMrH04TjViqlNpxeqaItbRm5WggoAKAPzRr7U XPr34A/8gC4/wCwhL/6T2tfPY7 Iv8AAvzkezhPgf8Aif5I9xryzvMTxNYz6npF7ZWbbLi5tLiGFs42ySQuiHPbDEHNAHxhbMNmzaY2i/dvGeGidPlaN1PKshBVgQCCK/Iq9KdGpKnVTUk3v113XdPc7001dHuvwSspwmoajyLO6eCOD0d7cSiaVPVSZI4dw4LQMP4TX6BlVKdHDJVU03JySejSdunnZv5nLNpvQ91r3TIKAPmv4yWc1trVtqEufss9ottEx 6s8c00joT0DTRyRlAeW8l9udpx8pnVKc6cKkE3GDlzJdLpWb8lZq/mb02k2jy4WU qSxadZZN3dSIkO37ysGDGbHZYAPNdjwqpyelfN5bSnUxNN007RknJ9El39dl6m02kmfctfp5xBQBieJrGfU9IvbKzbZcXNpcQwtnG2SSF0Q57YYg5oA MLZhs2bTG0X7t4zw0Tp8rRup5VkIKsCAQRX5FXpTo1JU6qakm9 uu67p7nemmro93 CVlOsV/qJyLS7khSD0kaBZFmlT1Ul0i3DgtA2CcV g5VSnRwyVVNNyckno0n5ee/wAzlm03oe517hkFAHzX8Y7Oa31q2v5c/ZZ7RbaJv4VnjmmkdCegaaOSMoDywhfGdpx8pnVKc6cKkE3GDfNbpdKzfkrNX8zem0m0eYR2U qTw6dZZ 13Msaw46oyurGbHZYADKzdAE56gH5vLaU6mJpypp2g7yfRLz9dvmbTaSZ9x1 nnEFABQAUAFABQAUAFABQAUAFABQAUAFABQAUAfKnxdYReLAzAhTpdnGJCPlDtdakyx7ugaQI7KpOWEbYzg18pnVKc6cKkE3GDlzJdLpWb8lZq/mb02k2jg2sp9UePTrLP2y7dY4APvK QfN9lgA8526KqEmvmsupTqYmm6adoyUpPokt7vz2 ZtNpJ3Puev1A4goAxPE1jPqekXtlZtsuLm0uIYWzjbJJC6Ic9sMQc0AfGFsw2bNpjaL928Z4aJ0 Vo3U8qyEFWBAIIr8ir0p0akqdVNSTe/XXdd09zvTTV0e7/BKynWK/1E5FpdyQpB6SNAsizSp6qS6RbhwWgbBOK/QcqpTo4ZKqmm5OST0aT8vPf5nLNpvQ9zr3DIKAPmv4yWc1trVtqEufss9ottEx 6s8c00joT0DTRyRlAeW8l9udpx8pnVKc6cKkE3GDlzJdLpWb8lZq/mb02k2jyxrKfVHj06yz9su3WOAD7yvkHzfZYAPOduiqhJr5rLqU6mJpumnaMlKT6JLe789vmbTaSdz7nr9QOIKAMTxNYz6npF7ZWbbLi5tLiGFs42ySQuiHPbDEHNAHxhbMNmzaY2i/dvGeGidPlaN1PKshBVgQCCK/Iq9KdGpKnVTUk3v113XdPc7001dHu/wAErKdYr/UTkWl3JCkHpI0CyLNKnqpLpFuHBaBsE4r9ByqlOjhkqqabk5JPRpPy89/mcs2m9D3OvcMgoAKAPzRr7U XPr34A/8AIAuP whL/wCk9rXz2O/iL/AvzkezhPgf J/kj3GvLO8KAOb1PwdoetT/AGvUbCzup8AGSa3ikdlH3VZmUl1XsrZA5wOaVkA7UfCelaqyNdW6sYkESbWkjCoudqhY3RcDJwMcDgcUwM7/AIV7oP8Az6/ Rrj/AOO0AH/CvdB/59f/ACNcf/HaANK18KaVZ28tnHbRtb3WBNFLmaOQDoHWYuCOemMe1ACab4R0XSEljsbG0t1uUMcwjgjXzYzkGOTC/PHgkbGyuCeOTSSttoBnf8K48K/9AbSv/AC0/wDjVMA/4Vx4V/6A2lf AFp/8aoAcvw68LoQy6PpQYHIIsLUEEdCD5XBFAF3U/B2h61P9r1Gws7qfABkmt4pHZR91WZlJdV7K2QOcDmlZAP1LwnperMj3cAcxII02vJGFRSSFAjdBgZOOOOg4pgZv/CvdB/59f8AyNcf/HaAD/hXug/8 v8A5GuP/jtAGla E9JtLeWzS1je2usedFLmaOQDoGSYyKQM9MY74oAk0fwxpPh4s2l2dtZtIAHaCFI2cA5AZlUMyg9ASQOwFK1ttAN2mAUAFABQAUAFABQAUAFABQAUAFABQAUAFABQBn3WkWV95oureGcXMaQzCSNHEsUbSNHHIGBDojSyMqtlVMjkDLHIBm6d4Q0XSFlSxsLS3W5QxzeXBGvmxnrHIQuXjOT8jZXk8c0kkttAM7/hXHhX/oDaV/4AWn/xqmAf8K48K/8AQG0r/wAALT/41QA5fh14XQhl0fSgwOQRYWoII6EHyuCKALup DtD1qf7XqNhZ3U ADJNbxSOyj7qszKS6r2Vsgc4HNKyAk1Lwlomssj6jp9jeNCgjjNxawSlIxkhEMiMVQEkhVwoyeKYGZ/wrjwr/wBAbSv/AAAtP/jVAB/wrjwr/wBAbSv/AAAtP/jVAGla EdEsIJrO10 xgtroATwx2sCRTBc4EsaxhZAMnG8HGTjrQAmneENF0hZUsbC0t1uUMc3lwRr5sZ6xyELl4zk/I2V5PHNJJLbQDO/4Vx4V/6A2lf AFp/8apgH/CuPCv/AEBtK/8AAC0/ NUAOX4deF0IZdH0oMDkEWFqCCOhB8rgigC7qfg7Q9an 16jYWd1PgAyTW8Ujso 6rMykuq9lbIHOBzSsgOiRFiUIgCqoAVQAAABgAAcAAcADgCmA6gAoAKAPzRr7U XPr34A/8AIAuP whL/wCk9rXz2O/iL/AvzkezhPgf J/kj3GvLO8KACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoA/NGvtT5c vfgD/AMgC4/7CEv8A6T2tfPY7 Iv8C/OR7OE B/4n SPca8s7woAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgD80a 1Plz69 AP/IAuP8AsIS/ k9rXz2O/iL/AAL85Hs4T4H/AIn SPca8s7woAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgD80a 1PlwoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgAoAKACgD/Z)
وضع الفرضيات Finding Assumptions - افتراضات Hypothesizing: "الفرضية" تعبيرٌ يستخدَمُ عمومًا للإشارة إلى أيِّ استنتاج مبدئي، أو قول غير مثبت، ويخضعها الباحثون للفحص والتجريب من أجل التوصل إلى إجابة أو نتيجة معقولة، تفسِّر الغموض الذي يكتنف الموقف أو المشكلة. والفرضية مفيدةٌ في مواقف عديدة متنوعة، فالمؤرِّخون مثلاً يستخدمونها لإعادة بناء الماضي، ويستخدمها الأطباء لأغراض التشخيص، ويستخدمها خبراء الاقتصاد للتنبؤ بأوضاع السوق المستقبلية، كما تستخدم في المحاكم ومكاتب التحقيق والمخابرات والإرشاد والصحافة، ويعتمد عليها الباحثون في الدراسات المستقبلية والتنبؤية، كما يعتمد عليها متَّخِذو القرارات والخبراء في تطوير خطط التنمية المختلفة. أما العَلاقة بين المعلومات والفرضيات، فهي عَلاقة تبادلية، بمعنى أن المعلومات تشكِّل المادة التي تُبنَى على أساسها الفرضيات، والفرضيات بالمقابل تقودُ وتوجِّه عملية البحث عن مزيد من المعلومات، والفرضية تُضِيف معنًى لمجموعةٍ من المعطيات يفتقرُ كلٌّ منها بمفردِه إليه. ويقدم الباحث "مور" ورفاقُه ثلاثةَ مبادئ إرشادية لمراعاتها عند وضع الفرضيات، يجب أن تحل الفرضية أو تساعد في حل المشكلة كما تم تحديدها. كلما كان عدد الفرضيات الموضوعة أكثر، كان ذلك أفضل. يجب بذل مجهودٍ كبير لصياغة فرضيات، قد تكون غير سارَّةٍ من خلال إطلاق العنان للخيال، دون تقييد أو كبح بتأثير مفهوم الذات. وتجدُرُ ملاحظة أن المعلومات التي تجمع لفحص الفرضية - حتى في حالة ثبوت بطلانها - تكون في أغلب الأحوال مفيدةً لمتابعة عملية البحث. ومن الأمثلة البسيطة على تنميةِ مهارة وضع الفرضيات لدى الطلبة نورد ما يأتي: • كُلِّف طالبٌ في الصف السادس بأخذ كمية من تراب حديقة المنزل ووزنها، ثم وضعها جانبًا في الشمس لمدة أسبوع، وبعد ذلك طلب المعلِّم منه وزن نفس كمية التراب مرة أخرى، فوجد أن وزن التراب قد نقص، فسأله المعلم أن يضع فرضيات لتفسير نقصان الوزن. في مثل هذه الحالة يمكن أن يضع الطالب الفرضيات الآتية: • نقص وزن التراب بسبب التبخر الذي أدى إلى زوال الرطوبة التي كانت موجودة في تراب الحديقة. • نقص وزن التراب بسبب الرياح التي أدت إلى تطاير ذرات التراب الذي كان مكشوفًا تحت الشمس. • نقصت كمية التراب بفعل أحد الفضوليين. وفي كل حالة تبرز الحاجة للتجريب وضبط المتغيرات؛ لفحص مدى صحة الفرضية في تفسير الظاهرة. ولبيان طبيعة عملية وضع الفرضيات عند مواجهة مشكلة معقدة من مشكلات الحياة العملية، نورد مثالاً لمشكلة معدلة مأخوذة من كتاب (التفكير الإبداعي والناقد) للباحث "مور" ورفاقه. كلِّف خبيرٌ بالتحقيق في حادث طائرة باكستانية شرقي مطار الملكة علياء الدولي، وطلب إليه أن يحدِّد سبب تحطم الطائرة، وتضمَّنت المعلومات المتوافرة عند وقوع الحادث المعطيات الآتية: • جميع ركاب الطائرة قتلوا في الحادثة. • غادرت الطائرة في رحلتها رقم 1144 مطار الملكة علياء الدولي متأخِّرة نصف ساعة عن موعدها. • وقع حادث تحطم الطائرة بعد عشر دقائق من وقت الإقلاع. • كانت الطائرة من نوع بوينغ 727. يلاحَظُ أن كلاًّ من هذه المعطيات يقدِّم معلومة عن الطائرة أو ركَّابها بصورة مستقلة، كما يلاحظ أن دمج أي اثنين من هذه المعطيات لا يشكل فرضًا أو مقدِّمة معقولة لإجراء قياس منطقي صحيح حول سبب تحطم الطائرة. إن كل واحد من هذه المعطيات يمكن عدُّه فرضية ثانوية، ولكن أيًّا منها لا يصلح كفرضية أساسية، إضافة إلى أنه من غير المعقول في المرحلة الأولى أن يحاول الخبير - بالاعتماد على خبرته المرجعية - اشتقاقَ فرضية يجمع من خلالها واحدًا أو أكثر من المعطيات لتفسير حادث تحطُّم الطائرة، ومع أن الاستنتاجات الاستنباطية Deductive Inference يمكن أن تكون ذاتَ فائدة في سير التحقيق، إلا أن الخبير المكلَّف بالتحقيق يواجه مشكلة جديدة لا توفِّر الفرضيات أو المعطيات المتوافرة حولها أساسًا كافيًا لاستنباط حل لها، وعليه؛ فإن الاستنتاجات الاستقرائية تبدو ضروريةً في مثل هذا الموقف. لقد وضع المحقِّق مجموعة من الفرضيات الآتية لإنارة الطريق أمامه قبل بَدْء التحقيق المكثف: • نجم الحادث عن عاصفة. • نجم الحادث عن عطل في المحرك. • نجم الحادث عن حريق على متن الطائرة. • نجم الحادث عن عيب في بناء الطائرة. إن المعطيات المتوافرة تقدم عونًا ضئيلاً للخبير المحقق حول السؤال المطروح الذي يتلخَّص في الكشف عن سبب تحطم الطائرة، فالمعلومة الأولى تجعلُ التحقيق أكثر أهمية، ولكنها لا تقدم شيئًا يُذكَرُ حول سبب الحادث، أما المعلومتان الثانية والثالثة، فقد توحيان بأن الطائرة تأخرت عن موعد إقلاعها الرسمي بسبب العطل الميكانيكي، وأما المعلومة الرابعة، فقد تكون مفيدة إذا كانت طائرات أخرى من نفس النوع قد تحطَّمت من قبل، وعليه؛ فإن خيال المحقق غير مقيد بأي معطيات حول سبب الحادث سوى تلك التي تشير إلى استبعاد الربط بين الحادث وبين عملية الإقلاع. وما أن توضع الفرضيات تبدأُ عملية فحصِها واحدةً تلو الأخرى، وذلك بأن نسأل أنفسنا: "إذا كانت الفرضيةُ صحيحةً، فما المعطيات أو الاستنتاجات الأخرى الصحيحة المترتبة عليها؟"، ثم تبدأ عملية التحقق من المعطيات المقترحة المترتبة على صحة الفرضية، وبالتالي فإن المحقِّق يكون قد فرغ بصورةٍ جزئية من اختبار الفرضيات الأربعة التي وضعها، وقد حقَّق تقدمًا بأن أوحت له المعلومة رقم (8) بفرضية جديدة، هي: ه#- نجم الحادث عن انفجار على متن الطائرة. إن المعلومة رقم (8) من وجهة نظرٍ استقرائية تزيدُ احتمالية أن تكون الفرضية (ه#) صحيحة؛ لأنها أسقطت كل الأسباب الممكنة للحادث التي لا ينجم عنها تناثر الحطام على مساحات شاسعة. إذا نجم الحادثُ عن انفجارٍ على متن الطائرة، فإن حطام وشظايا الطائرة تكون متناثرة في منطقة واسعة، وبما أن حطام وشظايا الطائرة كانت متناثرة في منطقة واسعة، إذًا فالحادث ناجمٌ عن انفجارٍ على متن الطائرة. وهناك استنتاج آخر واضح، يمكن من خلاله فحص الفرضية (ه#): 9- قد يكون هناك شخصٌ ما شاهَدَ الانفجار. ولاختبار صحة هذا الاستنتاج، توصَّل المحقق إلى شهود عيان أقروا جميعًا أن الطائرة انفجرت وهي في الجو، مما يؤكد الفرضية (ه#) بقوة، وعند هذه النقطة يجد المحقق نفسه أمام معطيات جديدة تستدعي إعادة تعريف المشكلة على النحو الآتي: "إيجاد سبب الانفجار الظاهر على متن الرحلة 1144". كما تستدعي وضع فرضيات جديدة لتوجيه عملية جمع معلومات إضافية، وبالعودة إلى الفرضية (ه#) تمكَّن المحقق من وضع فرضيتينِ أكثر تحديدًا كما يأتي: و- انفجر خزان الوقود. ز- تسرَّبت أبخرة البنزين إلى إحدى حجرات الطائرة وانفجرت. وأضاف المحقِّق نفس المترتب على الفرضيتين: يجب أن يكون الحطام دليلاً على ذلك. واستمر في معاينة الحطام وفحصه عن قرب، ووضع فرضية جديدة. 10- تناثرت شظايا الطائرة على مساحة ستة أميال مربعة. وبالرجوع إلى خبراته المرجعية يستبعد الفرضية (و)؛ لأن انفجارًا في خزان الوقود لا يؤدي إلى تناثر الحطام بهذا الاتساع. ولاختبار الفرضية (ز) وضع المحقِّق الاستنتاج الآتي: "شظايا إحدى الحجرات يجب أن تكون متناثرة لمسافة أبعد من باقي الشظايا"، وأثناء معاينته للحطام تساءَل حول الجهد والوقت اللازم لفحص الاستنتاج أعلاه بصورة شاملة وأضاف استنتاجًا جديدًا: 11- بعض أجزاء الحطام كان لها رائحةٌ لاذعة تشبه رائحة الألعاب النارية المشتعلة.
إن هذا الاستنتاج يستلزم مراجعة الفرضية (ز)، ووضع مترتب أو استنتاج جديد من خلاله يمكن فحص الفرضية: 12- إذا نجم الانفجار عن وجود متفجِّرات في إحدى حجرات الطائرة، فقد توجد بقايا المتفجرات في الشظايا، ولفحص هذا الاستنتاج واصل المحقِّق معاينة قطع من اللحام وأضاف فرضية جديدة: 13- كانت البقايا الرمادية موضع السؤال من الديناميت. إن هذا الاستنتاج يدعِّم بقوة ويقترح فرضية جديدة لتفسير سبب الحادث على النحو التالي: نجم الحادث عن انفجار مادة ديناميت على متن الطائرة. وإلى هنا توقف المحقِّق ليكتب تقريره بعد أن وثق من استنتاجه بدرجة عالية، ولتبدأ مرحلة جديدة تتولاها أجهزة الأمن لتحديد الجهة المسؤولة عن وضع المتفجرات على متن الطائرة. أما المهارة في إيجاد الافتراضات Finding Assumptions التي ينطوي عليها نص أو مشكلة أو موقف، من أجل فهم أعمق للمضمون، وإدراك أوسع للبدائل الممكنة لحل المشكلة - فإنها لا تقلُّ أهمية عن وضع الفرضيات، ومع أن تعبيري "وضع الفرضيات" و"إيجاد الافتراضات" مشتقَّانِ من نفس المصدر اللُّغوي في كل من العربية والإنجليزية، إلا أنهما يستخدمان للدلالة على معنيينِ مختلفين في المنطق الاستنباطي Deductive والاستقرائي Inductive والبحث التجريبي Experimental. إن وضع الفرضيات وسيلةٌ لتفسير ظاهرة أو مشكلة، أو توجيه بحث تجريبي، أو استدلال منطقي، وقد تكون الفرضية بمثابة مقترح مقبول بدرجة احتمالية عالية؛ لتوافُرِ حقائق ثابتة تدعمه. أما الافتراض، فهو عبارة عن فكرةٍ أو معلومة مسلَّم بصحتها؛ حتى يمكن استخدامها في حل مشكلةٍ ما، أو البرهنة على صحة قضية ما. وربما كان من أبسط الأمثلة لتوضيح ماهية "الافتراض" تلك المسائل الحسابية التي تُعطَى للطلبة في مستوى المرحلة الابتدائية أو الأساسية؛ من مثل: اشترى سعيدٌ ثلاثة أقلامٍ بستين قرشًا، كم يبلغ ثمن القلم الواحد؟ إن الحل التقليدي للأسئلة من هذا النوع يتطلب إجراء عملية قسمة بسيطة للثمن الإجمالي للأقلام على عددها: 60 ÷ 3 = 20 قرشًا، ثمن القلم الواحد. وغالبًا ما يتجاهل المعلِّمون الافتراض الذي يجب التسليم به حتى يكون هذا الحل صحيحًا، ومع أن كلمة "الافتراض" ليست من الكلمات الشائعة الاستعمال في المرحلة الأساسية وربما المتوسطة أيضًا، إلا أن هذا لا يُقلِّل من أهمية تنميةِ هذه المهارة لدى الطلبة بغضِّ النظر عن مستواهم الدراسي، ما الخطأ في أن يسأل المعلِّم طلبتَه: "ما هو الافتراض الذي لا بد من التسليم به حتى يكون هذا الحل صحيحًا؟"؟ وليس من المستبعد أن يُجيبه طالبٌ أو أكثر بأن الافتراض الذي استندوا إليه ينص على أن: "الأقلام من نفس النوع، وأنها بالتالي تحسب بنفس السعر". وبالمثل عندما نسأل الطلبة سؤالاً كهذا: قطعتْ سيارةٌ مسافة 180 كيلو مترًا في ثلاث ساعات، فكم كانت سرعة السيارة في الساعة؟ إننا نعلِّم الطلبة قواعد هذه المسائل عن طريق وضع قواعد أو معادلات تحدِّد العَلاقات بين السرعة والمسافة والزمن. واستنادًا إلى قاعدة السرعة = المسافة المقطوعة ÷ الزمن، فإن الطلبة يحلون هذه المسائل كالتالي: 180 ÷ 3 = 60 كم، سرعة السيارة في الساعة. ومن الواضح أن حلاًّ كهذا صحيح فقط إذا افترضنا أن سرعة السيارة كانت منتظمة على مدى الساعات الثلاث. ولننظر إلى الأسئلة الآتية من مادة الرياضيات؛ حتى نرى الإمكانات الهائلة التي توفرها عملية إيجاد الافتراضات أو استخدامها في حل هذه المسائل: سأل معلم طلبته السؤال الآتي: كم عددًا يقع بين 31 و63؟ • أجاب أحد الطلبة: 31 عددًا. • وأجاب آخر: عدد غير محدود من الأعداد. فما الافتراض الذي وضعه كل منهما وبنَى إجابته على أساسه؟ إن الطالب الأول افترض أن كلمة "عدد" مقصورة على كل عدد صحيح يقع بين 31 و63، أما الطالب الثاني، فقد افترض أن كلمة "عدد" تشمل كل الأعداد الصحيحة والكسرية التي تقع بين 31 و63. ولزيادة الإيضاح نقترح توجيه الأسئلة الآتية لطلبتِك ومطالبة الذين يُجيبون على كل منها بوضع الافتراضات التي استندوا إليها في إجاباتهم: الخطوط التي لا تتقاطع هي خطوط...؟ • أجاب سالم: متوازية. • وأجاب علي: مائلة. قطعت سيارة مسافة 180 كيلو مترًا في ثلاث ساعات، كم كانت سرعة السيارة في الساعة؟ • أجابت ليلى: 60 كم/ الساعة. • وأجابت سلمى: 90 كم/ الساعة. • وأجابت هند: س كم/ الساعة. اكتب أصغر عدد ممكن باستخدام الرقمين 4 و1. • أجاب ياسر: 14. • وأجاب فراس: 4/1 • وأجاب أحمد: 1 4. إن الهدف النهائي لمهارة البحث عن الافتراضات واكتشافها يتلخَّص في كشف الغموض الذي يختفي بين السطور، سواء أكان المحتوى تجريبيًّا أم منطقيًّا، ونحن عندما نسأل: "ما هي أفضل طريقة للسفر من القاهرة إلى الرياض؟"، نجيب تلقائيًّا: الطيران، وننسى أن هذه الإجابة تعرِّف بصورة تلقائية كلمة "أفضل" على أنها تعني "أسرع". ومن الطبيعي أن يعدَّ هذا الافتراضُ ضرورةً لا غنى عنها لملء الفجوة المنطقية اللازمة لإسناد الحجة أو الإجابة؛ أي: إن على الشخص أن يؤمنَ بأن "أفضل" تعني "أسرع" حتى تكون الإجابة هي الطيران، ولا شك أن على الشخص أن يتقبَّل الافتراضات التي تجعل من النتيجة أو الحجة أمرًا مقبولاً؛ إذ كيف يُمكِن إجراء تجاربَ عملية إذا لم نفترض منذ البداية أن ظاهرة أو حدثًا يمكن تَكراره، خذ مثلاً هذا الحوار بين معلم وطالب: المعلم: إذا كانت المسافة بين المدينة "أ" والمدينة "ب" عشرة كيلومترات، وكانت المسافة بين المدينة "ب" والمدينة "ج" خمسة عشر كيلومترًا، فكم تبلغ المسافة بين المدينة "أ" والمدينة "ج"؟ الطالب: 15 + 10 = 25 كم المسافة بين المدينتين "أ" و"ج". المعلم: ما الافتراض أو (الافتراضات) الذي وضعتَه للوصول إلى هذه النتيجة؟ الطالب: الافتراضات هي: • لا يوجد طريق أقصر للسفر بين المدينتين "أ" و"ج". • تقع المدينة "ب" بين المدينتين "أ" و"ج". • أن القياسات الواردة دقيقة. • التنبؤ في ضوء المعطيات Predicting / Extrapolating: يقصد بمهارة التنبؤ في ضوء معطيات المقدرة على قراءة البيانات أو المعلومات المتوافرة والاستدلال من خلالها على ما هو أبعد من ذلك في أحد الأبعاد الآتية: الزمان: إذا كانت البيانات المتوافرة خلال فترة زمنية معينة تتضمن نزعة أو اتجاهًا ما، فإن مهارة التنبؤ تمثِّل محاولة للاستدلالِ عن طريق هذه البيانات على اتجاه البيانات المحتملة في فترة زمنية أخرى. الموضوع: إذا كانت الأفكار أو المبادئ مرتبطةً بموضوع أو محتوى معين، فإن مهارة التنبؤ تمثِّل محاولة لنقل هذه الأفكار أو تطبيقها على محتوى آخر أو موضوع آخر على علاقة بالموضوع الأصلي. العينة والمجتمع: إذا كانت البيانات المتوافرة تخص عينة ما، فإن مهارة التنبؤ تمثل محاولة لوصف المجتمع الذي أخذت مه العينة، وبالمثل إذا كانت البيانات المتوافرة تخص مجتمعًا ما، فإن مهارة التنبؤ في هذه الحالة تعني محاولة لوصف العيِّنة بالاعتماد على بيانات المجتمع. وتهدف الأسئلة التي تقيس مهارة التنبؤ من واقع الأدلة أو المعلومات المتوافرة إلى التعرف على قدرة المفحوص على تجاوز حدود ما هو معلوم، والذَّهاب إلى ما هو أبعد من ذلك بصورة أو بأخرى. وقد أورد بلوم (Bloom et al, 1956) عددًا من الأهداف التربوية التي تنضوي في إطار مهارة التنبؤ في ضوء المعطيات، من بينها: • المهارة في التنبؤ باستمرارية الاتجاهات أو النزعات التي تتصف بها البيانات المتوافرة. • المهارة في تعبئة الثغرات القائمة في البيانات المتوافرة. • المهارة في تمييز المترتبات المحتملة نسبيًّا عن تلك المترتبات التي تبدو محتملة بدرجة قوية. • المهارة في التنبؤ بمترتبات مباشرة فعل أو اتخاذ قرار في موقف ما. • المهارة في تلمُّس العوامل التي يُمكِن أن تؤثر في دقة التنبؤات. • المهارة في استخلاص الاستنتاجات أو الاستدلالات ووضع الفرضيات التي يمكن الدفاع عنها أو تبريرها بالاستناد إلى البيانات المتاحة. إن مهارة التنبؤ في ضوء المعطيات أو استشراف الاتجاهات المستقبلية لظاهرة ما من واقع المعلومات المتوافرة، تعدُّ من أكثر مهارات التفكير التي يحتاجُها الطالب، والمعلم، والباحث الاجتماعي والاقتصادي، ورجل السياسة، والمستثمر، والمخطط، والراصد الجوي، والمصمم، والطبيب، والمزارع، والمهندس، وغيرهم. وهناك مَن يصف حركة التطوير الفعلي للتربية والتعليم على أنها توجيهٌ للتعلُّم نحو المستقبل؛ لأن ما نعلمُه اليوم إذا لم يكن موجهًا نحو تهيئة الفرد للتعامل بنجاح مع متغيرات المستقبل في جميع جوانب حياة المجتمع، فإنه لا يَعْدُو أن يكون تعليمًا عشوائيًّا منقطعًا عن مفهوم الزمن والتغير، ولن تكونَ نتائجُه إيجابيةً أو فعَّالة في تحقيق التقدُّم للمجتمع والرفاه للفرد (إبراهيم، 1991). وإذا كان الأمر كذلك، فإن مهارة التنبؤ باتجاهاتِ التغيير المستقبلية من واقع المعلومات المتاحة تبدو أكثر أهميةً بالنسبة لغيرها من مهارات التفكير؛ لارتباطها بمتطلبات البقاء والتطور لكلٍّ من الفرد والمجتمع؛ إذ كيف يمكن أن نتجاهلَ مهارة التنبؤ في اختياراتنا الدراسية والمهنية؟ وكيف يمكن لمؤسسات المجتمع الحكومية وغير الحكومية وضع خططها للتنمية الاجتماعية والاقتصادية، من دون الاستفادة من البيانات المتوافرة والمتعلقة باتجاهات النمو السكاني، وحاجة سوق العمل، والموارد الطبيعية، والقوى العاملة، وغيرها من العناصر المرتبطة بالتنمية؟ وعندما نتحدث عن تعليم المستقبل، فإن الحد الأدنى الذي يمكن قبوله، هو تهيئة المتعلم للتكيف مع التغيرات المتسارعة في كل مناحي الحياة العامة، ومن الضروري أن يكون الاستعداد لمواجهة هذه التغيرات مبنيًّا على أسس علمية ومنهجية، تستثمر قدرات المتعلِّم وطاقاته الفكرية في دراسة اتجاهاتِ التغير على مدى فترة زمنية معقولة من واقع المعلومات المتوافرة، ومن ثَمَّ التهيؤ لمواجهتِها بمهارة وشجاعة، وليس هنا ما هو أهم من مهارة التنبؤ في ضوء المعطيات للوصول إلى هذه الغاية، وفي هذا السياق تجدرُ الإشارة إلى الدراسةِ الموسَّعة التي قام بها باحثون بإشراف منتدى الفكر العربي وصدر عنها أربعة مجلدات في إطار مشروع "مستقبل التعليم في الوطن العربي"، وقد كان الهدف النهائي للمشروع صياغةَ التوجهات والإستراتيجيات والسياسات المستقبلية لتعليم الأمة العربية في القرن الحادي والعشرين. وحتى نقفَ على أهمية تنمية مهارة التنبؤ لدى الطلبة الذين سوف يواجهون مواقفَ كثيرة في حياتهم الدراسية والعملية تتطلَّب إجادة هذه المهارة للنجاح في التعامل مع تلك المواقف - نُورِد المثال الآتي من واقع البيانات الإحصائية لمديرية الدفاع المدني الأردني حول أعداد الحوادث التي تعامل معها ونوعها خلال السنوات من 1992 وحتى 1996: الجدول رقم 8 - 2
تطور عدد الحوادث التي تعامل معها الدفاع المدني في الأردن حسب نوعها (خلال السنوات 1992 - 1995). السنة / النوع |
إطفاء |
إسعاف |
إنقاذ |
المجموع |
1992 |
3,794 |
24,975 |
1,352 |
30,121 |
1993 |
4,372 |
24,757 |
648 |
29,777 |
1994 |
4,011 |
24,826 |
1,074 |
29,911 |
1995 |
4,948 |
28,475 |
941 |
34,364 |
المجموع |
17,125 |
103,033 |
4,015 |
12,173 |
المعدل السنوي التقريبي |
4,281 |
250,758 |
1,003 |
31,043 |
(المصدر: التقرير الإحصائي السنوي لحوادث عام 1996، مديرية الدفاع المدني الأردني العامة).
إذا افترضنا أنك مسؤول في دائرة التخطيط بالدفاع المدني، ما الذي تَعْنِيه لك هذه الأرقام؟ وهل يمكن الإفادة من هذه البيانات في تطوير خطة الدفاع المدني لعام 1996؟ وكيف تستخدم هذه البيانات في اقتراح موازنة عام 1996؟ هل تشير البيانات إلى حاجة الدفاع المدني لزيادة عدد سيارات الإطفاء أو سيارات الإسعاف؟ وهل هناك حاجة لزيادة عدد الأفراد العاملين؟ للإجابة عن هذه التساؤلات لا بد من تحليل البيانات المتوافرة؛ من أجل التعرُّف على اتجاهات التغيُّر بين سنة وأخرى، ومن ثَمَّ التوصُّل إلى استنتاج يتعلق بالاتجاه العام للتغير. إن الدراسة التحليلية للبيانات تشير إلى ما يأتي: • الاتجاه العام لإجمالي عدد الحوادث في ازدياد. • تبلغ نسبة الزيادة الإجمالية في عدد الحوادث حوالي 3%. • الاتجاه العام لبيانات حوادث الإطفاء في تزايد، باستثناء عام 1994؛ حيث انخفض عدد الحوادث. الاتجاه العام لبيانات حوادث الإسعاف متذبذبٌ في حدود ضيِّقة مع زيادة كبيرة في عام 1995، وعليه يمكنُ التنبؤ بأن هذه الحوادث سوف تزدادُ بشكلٍ ملحوظ في عام 1996، يتراوح اتجاه البيانات بالنسبة لحوادث الإنقاذ بين النقصان والزيادة بصورة تبادلية (نقصان - زيادة - نقصان)، وهناك ما يبرر التنبؤ بأنها سوف تزداد في عام 1996 في ضوء الاتجاه الذي تشير إليه البيانات. المعدَّل السنوي التقريبي لعدد الحوادث يزيد عن عدد الحوادث في مجال الإطفاء والإسعاف لسنة البداية 1992، ولكنه يقلُّ بشكل ملحوظ عن عدد حوادث الإنقاذ الذي يتوقع أن يزداد كما أسلفنا، إن الاستنتاج العام الذي يستخلصه المخطط من واقع البيانات هو توقع الزيادة في عدد الحوادث التي يتعامل معها الدفاع المدني لعام 1996، وبالتالي هناك مبرر لإحداث زيادة في عدد الآليات والأفراد، على افتراض أن مسببات الحوادث سوف تبقى على حالها. حقًّا إن الاستنتاج الذي توصل إليه المخطط صحيح؛ لأن التقرير الإحصائي الذي أخذت منه البيانات السابقة أورد أعداد الحوادث الفعلية لعام 1996 على النحو الآتي: إطفاء |
إسعاف |
إنقاذ |
4,971 |
31,724 |
1,298 |
(زيادة طفيفة عن عام 1995) |
(زيادة ملحوظة عن عام 1995) |
(زيادة ملحوظة عن عام 1995) |