·
الجمهور الذي يشد الانتباه بحد ذاته فلم تستبعد دراستي التي أجريتها على الفلاسفة أي مبدع يستحق الذكر لمساهمة قدمها لتاريخ الأفكار بدءاً من طاليس وحتى نيتشه . ومن ثم فسيكون مما يثير السخرية أن نتساءل عما إذا كان من الممكن أن نعمم من هذه العينة على الجمهور الأكبر». كذلك فإن حجم العينة يجعل الإحصاءات الوصفية ذات دلالة لا تحتاج إلى بيان. ولذلك فإن التساؤل عما إذا كانت النتائج التي توصلنا إليها من الأهمية ما يجعلها جديرة بالاهتمام من الناحية الناموسية أفيد من التساؤل عما إذا كانت هذه النتائج تنسحب على جمهور آخر
مفترض .
تخبرنا الإحصاءات الوصفية إذن بالكثير من المعلومات حول ما نريد أن نعرفه فعلا دون اللجوء إلا لأقل عدد ممكن من الافتراضات . لكن ليس معنى ، هذا أن هذه الإحصاءات لا تشتمل على افتراضات مسبقة خاصة بها. إذ يتضمن معامل الارتباط بشكل خاص ـ وهو حجر البناء الأساسي في تحليل البيانات ـ مسلّمة فحواها أن الأفراد الذين يختلفون أكثر عن المعدل المتوسط يؤثرون على النتائج أكثر من الأفراد القريبين منه . والمبدأ الخاص بأقل المربعات The least squares الذي يقوم على أساسه كل من الانحدار المتعدد والتحليل الارتباطي - هذا المبدأ يركز على الأفراد الاستثنائيين حقا أكثر من تركيزه على الأفراد القريبين من المعدل المتوسط. وهذا التركيز على الحالات البارزة يناسب البحث عن القوانين الناموسية الخاصة بالإبداع والقيادة. وهو يعني أننا عندما ندرس الفلاسفة فإن أشهر المفكرين ـ أي من هم من وزن أفلاطون وأرسطو ولــوقريطس وتوما الاكويني وديكارت وكانت ـ سيؤثرون على إحصاءات الارتباط تأثيراً يفوق التأثير الذي يحدثه معاصروهم المغمورون كثيرا . وتتوزع درجات الشهرة عادة بطريقة ملتوية بحيث يكون الأقل شهرة أقرب إلى المستوى المتوسط للشهرة ممن يفوقونهم في الشهرة. ولذا فإن تحيز إحصاءات الارتباط باتجاه الأطراف البعيدة عن المتوسط هو تحيز باتجاه الطرف الأكثر فائدة . فكلما زاد تميز الشخصية التاريخية أثرت على اشتقاق القوانين الناموسية للتاريخ أكثر. ويتفق هذا الأثر المعزز تماما مع الهدف الساعي إلى اكتشاف السبب الذي جعل لبعض
-YAV_
ص ٢٨٧