Data-Science Questions & the Data Cycleأسئلة علوم البيانات ودورة البيانات

أهداف الحصة

1. تميّز بين Data Science و Database و Machine Learning من حيث الهدف Purpose والدليل Evidence ومسار العمل Workflow.
2. تصوغ سؤالًا قابلًا للإجابة بتحديد المجتمع الإحصائي Population ووحدة التحليل Unit of Analysis والمتغيّرات Variables.
3. ترسم مراحل دورة التحقيق الخمس، وتكمل تشخيص الاستعداد Readiness Diagnostic، وتسمّي قيدًا واحدًا Limitation.

الشرح المفصّل

هناك ثلاث طرق مختلفة تمامًا للعمل مع البيانات، والاختبار سيحاول خلطها أمامك. الطريقة الموثوقة للتفريق بينها هي أن تسأل عن أي عمل تراه ثلاثة أسئلة: ما هدفه Purpose؟ وما الدليل Evidence الذي تحمله في يدك في نهايته؟ وما مسار العمل Workflow الذي يسير فيه؟ ثلاث جداول واحدة تفرز أي مثال.

علم البيانات Data Science هو مجال يحقّق في كيفية جمع البيانات وإدارتها وتحليلها للوصول إلى رؤية ذات معنى meaningful insight. هدفه الإجابة عن سؤال، ودليله حجة متتبَّعة من أولها إلى آخرها، ومساره هو دورة البيانات الكاملة Data Cycle. مثال: «هل يؤثر الغياب في الدرجات؟» — تفحص السجلات ثم تجيب.

قاعدة البيانات Database مخزن منظّم للبيانات — تحصل منه على ما وضعته فيه فحسب. هدفها التخزين والإرجاع، ودليلها السجل الخام نفسه، ومسارها: خزّن ثم استعلم (store, then query). مثال: البوابة المدرسية تعيد لك سجل حضور الطالب عندما تطلبه. لاحظ: لا سؤال طُرح، ولا ادعاء دُافع عنه.

تعلّم الآلة Machine Learning نموذج Model تدرّب على بيانات سابقة ليمنح حالة جديدة درجة score. هدفه التنبؤ بقيمة، ودليله درجة مجردة بلا تتبّع، ومساره: درّب ثم قيّم (train, then score). مثال: نظام يحدّد الطلاب المعرَّضين للرسوب في الفصل القادم.

تشبيه يغني عن الحفظ: قاعدة البيانات خزانة cupboard تُحفظ فيها الملفات وتُستخرج كما وُضعت، وتعلّم الآلة آلة تخمين guess machine تتنبأ بالغد من الماضي، وعلم البيانات تحقيق investigation كامل قد يستخدم الخزانة والآلة معًا ليحسم سؤالًا.

سؤال تختبر به نفسك: «هل طُرح سؤال أولًا؟» إن لم يُطرح سؤال، فالعمل ليس علم بيانات مهما بدا متقدمًا. ومن الطريف أن المدرسة تستطيع إنجاز علم بيانات كامل بلا أي كمبيوتر: التفكير هو العمل الحقيقي، والأدوات اختيارية.

الشرح المفصّل

قبل أن تلمس أي بيانات، يجب أن تستطيع الإجابة عن ثلاثة أشياء: مَن تدور عليهم الدراسة؟ وماذا يمثّل السطر الواحد في جدولك؟ وماذا ستقارن؟ هذه الثلاثة هي: المجتمع Population، ووحدة التحليل Unit of Analysis، والمتغيّرات Variables — وبهذا الترتيب.

المجتمع الإحصائي Population هو المجموعة الكاملة التي يدور حولها السؤال — ويُحدَّد قبل جمع أي بيانات، لا بعده. مثال: «كل طلاب الصف الحادي عشر في مدرستنا هذا الفصل». التحديد الجيد يذكر مَن هو خارج الدراسة أيضًا: طلاب الصف العاشر خارجها، وطلاب الفصل الماضي خارجها. مجتمع بلا حدود = سؤال غامض.

وحدة التحليل Unit of Analysis هي ما يمثّله السطر الواحد row في جدولك — وهي أبدًا ليست المجتمع. في مثال «خطوات الطالب اليومية»، السطر الواحد يمثّل يومًا واحدًا لطالب واحد: 30 طالبًا على 5 أيام يعطون 150 سطرًا، لأن الطالب نفسه يظهر خمس مرات.

المتغيّر Variable هو كل حقل تسجّله، ولكل متغيّر دور role ونوع type ووحدة قياس unit. خطوات المشي اليومية: متغيّر مستجيب Response Variable — نتيجة تُقاس، رقم. مجموعة الجدول Schedule group: متغيّر مفسّر Explanatory Variable — تصنيف تظن أنه يصنع الفرق (جدول رياضة صباحًا مقابل جدول مسائيًا).

الأدوار الأربعة كاملة: المتغيّر المفسّر Explanatory هو ما تظن أنه يفسّر الفرق؛ المتغيّر المستجيب Response هو النتيجة التي تقيسها؛ متغيّر التجميع Grouping يفرز الصفوف إلى مجموعات؛ والمعرّف Identifier يسمّي الصف (رقم الطالب مثلًا) لكنه لا يُحلَّل أبدًا — خذ وقتك مع هذه الجملة، فالاختبار يعشقها.

عُد إلى مشهد الكافتيريا الذي بدأت به الحصة: قال الطلاب «الطابور صار أسوأ»، وقال المدير «هو كالعادة»، ولم يكتب أحد شيئًا. لتسوية الخلاف ستحتاج أن تقيس دقائق الانتظار لا كلمة «أسوأ»، وأن تحدد مَن تقيس (طلاب الصف الحادي عشر)، وماذا يمثّل السطر الواحد في دفترك (انتظار طالب واحد في يوم واحد)، ومقارنة هذا الفصل بالفصل السابق. الآن صار الخلاف قابلًا للتسوية — لأنه صار سؤالًا.

الشرح المفصّل

كل تحقيق بيانات — مهما كان صغيرًا — يمر بخمس مراحل بالترتيب نفسه: اسأل Ask، اجمع Collect، هيّئ Prepare، حلّل Analyse، اعرض Communicate. وكل ادعاء تخرج به من الدورة يجب أن يحمل حدوده معه.

تتبّع مثال الكافتيريا عبر الدورة كاملة. Ask: هل صارت طوابير الغداء أطول هذا الفصل؟ Collect: يقيس الفريق انتظار 40 طالبًا على مدى 8 أيام. Prepare: يحذف التوقيتات الناقصة. Analyse: يقارن هذا الفصل بالفصل السابق. Communicate: «ارتفع الانتظار ثلاث دقائق». خمس خطوات: سؤال أولًا، وادعاء أخيرًا.

الدورة ليست خطًا مستقيمًا بلا عودة: يمكنك أن تُرسَل إلى مرحلة سابقة في أي وقت. اكتشفت أن أيام المطر لم تُوقَّت؟ عُد إلى Collect. صار السؤال نفسه أوضح في ضوء ما جمعت؟ عُد إلى Ask. الاكتشاف المتأخر ليس فشلًا — الفشل هو أن تتجاهله وتستمر.

قلب هذه الرسالة في الحصة: الادعاء الذي لا تسمّي حدوده عمل غير مكتمل. القيد Limitation ليس عذرًا تلوذ به، بل هو ما يجعل الادعاء جديرًا بالثقة: «ارتفع الانتظار 3 دقائق، لكننا وقّتنا 8 أيام فقط، فأيام المطر غائبة». قيود مثال الكافتيريا: التوقيت جرى على أيام قليلة، وطابور انقسم إلى خطّين حُسب خطًا واحدًا، وأيام المطر لم تُوقَّت أصلًا.

قبل أن تفتح أي أداة — جدول بيانات أو لوحة معلومات Dashboard — شغّل تشخيص الاستعداد Readiness Diagnostic: ثلاثة فحوص. أولًا: السؤال جاهز؟ هدف، ومجتمع، وفترة محددة، ونتيجة قابلة للقياس («انتظار الغداء بين 12 و1، طلاب الصف الحادي عشر، هذا الفصل مقابل السابق»). ثانيًا: البيانات جاهزة؟ السطر الواحد معرّف، ولكل متغيّر دور ووحدة، والمصدر مذكور («انتظار طالب واحد في يوم واحد، بالدقائق، بوقّت الموظفين»). ثالثًا: الحدود جاهزة؟ فجوة محددة واحدة مكتوبة قبل التحليل («لم يُوقَّت سوى 8 أيام، فأيام المطر غائبة»).

طريقة الاستخدام: ضع لكل فحص علامة «جاهز» أو «ليس بعد»، ثم درجة ثقة من 1 (أخمّن) إلى 3 (متأكد). إن قال أي فحص «ليس بعد» فأصلح السؤال، لا الأداة. وإن وجدت نفسك تضع «جاهز» في كل خانة، فاطلب من نفسك أن تشير إلى الكلمات المحددة في سؤالك التي تحقق كل فحص — إن لم تستطع الإشارة، فالجواب «ليس بعد». وكل فحص في التشخيص ليس شيئًا جديدًا: هو نفسه لبنات الهدف الثاني، مرتبة ومُدارة قبل مرحلة الجمع مباشرة.

المصطلحات Key Terms

أخطاء شائعة Common Mistakes

• ✗ «أي عمل بالكمبيوتر على البيانات هو علم بيانات Data Science» — ✓ سؤال الاختبار: إن لم يُطرح سؤال أولًا فليس علم بيانات؛ القاعدة تخزّن، والآلة تتنبأ، والعلم يجيب.
• ✗ وحدة التحليل هي «المدرسة» أو «الصف ككل» — ✓ الوحدة سطر واحد: طالب واحد في يوم واحد، وهي أشهر ما يُخلط مع المجتمع Population.
• ✗ الإجابة عن وحدة الجدول بـ«الطالب» — ✓ في جدول «سطر لكل طالب في كل يوم» الطالب نفسه يظهر 5 مرات، فالوحدة «طالب واحد في يوم واحد».
• ✗ «البيانات سيئة» قيد Limitation — ✓ القيد يسمّي شيئًا محددًا: مَن أو ما غاب من البيانات («الطلاب بلا ساعة غائبون»).
• ✗ كتابة «لا حدود» في التشخيص دليل قوة — ✓ ادعاء بلا قيد مسمّى عمل غير مكتمل؛ سمِّ فجوة واحدة على الأقل قبل التحليل.
• ✗ بناء لوحة معلومات Dashboard أولًا ثم البحث عن سؤال — ✓ الدورة تبدأ بـ Ask: السؤال أولًا، والأداة آخر من يُستدعى.

اختبر فهمك Check Your Understanding

خمسة عشر سؤالًا تضعك في مواقف الاختبار نفسها. أجب بتركيز، وتعلّم من كل خطأ هنا قبل أن يكلّفك درجة في الاختبار الحقيقي.