Arabic:تحليل البيانات وعلوم البيانات

مقدمة

تحليل البيانات هو عملية منظَّمة لتحويل بيانات خام إلى أدلة تساعدك على الإجابة عن سؤال واضح. أما علوم البيانات فتجمع بين جمع البيانات وتنظيمها، والإحصاء، والبرمجة، والتصور البياني، وفهم المجال الذي جاءت منه البيانات. في هذه الدورة ستتعامل مع البيانات كما يفعل محلل مسؤول: تسأل أولًا، ثم تجمع أو تختار بيانات مناسبة، وتفحص جودتها، وتنظفها، وتستكشفها، وتمثلها بصريًا، ثم تفسر النتائج من دون مبالغة.

هذه الدورة موجهة إلى طلاب المرحلة الثانوية العليا تقريبًا من عمر 16 إلى 19 سنة. تحتاج إلى معرفة أساسية بالنسب المئوية والمتوسط الحسابي وقراءة الجداول، ويُفيد أن تكون قد استخدمت برنامج جداول بيانات. لا يشترط أن تكون قد برمجت من قبل؛ فالأمثلة البرمجية قصيرة ومشروحة.

Fehler beim Erstellen des Vorschaubildes:

دورة العمل في علوم البيانات: جمع، تنظيف، تحليل، ثم منتج أو استنتاج يمكن التواصل به.

الفكرة الأساسية التي ستعود إليها طوال الدورة هي أن النتيجة الجيدة لا تبدأ من الرسم البياني، بل من سؤال جيد وبيانات مناسبة ووصف صريح للحدود وعدم اليقين.

تحميل الفيديو

يوتيوب

قد يقوم يوتيوب بجمع البيانات الشخصية. سياسة الخصوصية

استمرار تجاهل

أهداف التعلم

بعد إكمال الدورة تستطيع أن:

1. تميّز بين السؤال البحثي والمتغير والملاحظة ومصدر البيانات، وتخطط لجمع بيانات مناسبة وآمنة.
2. تنشئ جدول بيانات منظمًا يضع متغيرًا واحدًا في كل عمود وملاحظة واحدة في كل صف.
3. تكشف القيم المفقودة والتكرارات والأخطاء في الأنواع والوحدات والقيم غير المعقولة، ثم توثق قرارات التنظيف.
4. تستخدم المتوسط والوسيط ومقاييس الانتشار والعدّ والنسب المئوية لاستكشاف مجموعة بيانات.
5. تختار رسمًا بيانيًا يناسب نوع السؤال، وتقرأ المدرج التكراري ومخطط الصندوق ومخطط التبعثر من دون استنتاجات زائدة.
6. تفسر الارتباط بحذر وتفرق بين الارتباط والسببية، وتنتبه إلى المتغيرات المربكة والتحيز في العينة.
7. تستخدم جدول بيانات أو شيفرة بايثون قصيرة لإعادة التحليل من المصدر نفسه.
8. تكتب خلاصة قائمة على الأدلة تذكر النتيجة والمصدر والحدود وما الذي لا تستطيع البيانات إثباته.

من السؤال إلى البيانات

ابدأ بسؤال يمكن للبيانات أن تساعد في الإجابة عنه. السؤال الواسع مثل «هل البيئة جيدة؟» غير محدد. سؤال أفضل هو «كيف تغيرت حصة بلدان مختارة من انبعاثات ثاني أكسيد الكربون العالمية عبر السنوات؟». هنا يمكنك تحديد المتغيرات: البلد، السنة، ونسبة الانبعاثات من الإجمالي العالمي.

الملاحظة هي حالة واحدة مسجلة، مثل بلد في سنة معينة. المتغير خاصية يمكن أن تختلف بين الملاحظات، مثل السنة أو درجة الحرارة أو النسبة المئوية. وقد يكون المتغير عدديًا أو فئويًا. قبل الجمع اكتب تعريفًا عمليًا لكل متغير ووحدته وطريقة قياسه؛ فاسم عمود غامض قد يجعل التحليل كله غامضًا.

هناك طريقتان شائعتان للحصول على البيانات. في البيانات الأولية تجمع القياسات بنفسك، مثل تسجيل درجة حرارة الهواء في وقت ثابت يوميًا باستخدام الجهاز نفسه. وفي البيانات الثانوية تستخدم مجموعة منشورة من مؤسسة موثوقة. عند استخدام بيانات ثانوية اقرأ تعريف المؤشر والمصدر والوحدة والفترة الزمنية قبل أن تحلل الأرقام.

عند جمع بيانات بنفسك، صمم العينة قبل القياس. العينة التي تأتي فقط من أصدقاء قريبين منك قد لا تمثل جميع الطلاب. لا تجمع أسماء أو أرقام هواتف أو معلومات شخصية حساسة ما لم تكن هناك ضرورة تعليمية واضحة وإشراف مناسب؛ وفي أنشطة هذه الدورة يمكنك استخدام بيانات بيئية أو عامة لا تكشف هوية الأشخاص.

تنظيم البيانات في جداول

الجدول المنظم يسهل المراجعة والتحليل: متغير واحد في كل عمود، وملاحظة واحدة في كل صف، ونوع بيانات ثابت قدر الإمكان داخل العمود. استخدم أسماء أعمدة واضحة، وافصل القيمة عن الوحدة بدل كتابة «21 درجة» داخل خلية يفترض أن تكون عددية.

عمود مقترح	نوعه	معناه
البلد	فئوي	اسم الكيان الجغرافي
السنة	عددي صحيح	سنة الملاحظة
القيمة	عددي	قيمة المؤشر وفق وحدته الموثقة
المصدر	نص قصير	الجهة أو رابط البيانات

برامج الجداول مثل LibreOffice Calc أو غيره مناسبة للفرز والتصفية والصيغ والرسم السريع. هذه صورة حقيقية لبرنامج جداول بيانات مع مخطط بسيط:

مثال على استخدام جدول بيانات لإنشاء مخطط من قيم منظمة.

يمكنك تجربة صيغ مثل =AVERAGE(B2:B100) لحساب المتوسط، و=MEDIAN(B2:B100) للوسيط، و=COUNTBLANK(B2:B100) لعد الخلايا الفارغة. افحص دائمًا نطاق الخلايا والوحدة قبل تفسير الناتج.

مجموعة بيانات حقيقية للتدريب: يتيح البنك الدولي مؤشر متوسط العمر المتوقع عند الميلاد، مع تنزيل بصيغ CSV وExcel وبيانات تمتد في صفحة المؤشر من 1960 إلى 2024. استخدم صفحة مؤشر متوسط العمر المتوقع في البنك الدولي واقرأ تعريفه قبل التحليل. وللتدريب على ملف جدول بيانات يمكنك استخدام تنزيل Excel عبر واجهة مؤشرات البنك الدولي.

تنظيف البيانات والتحقق من الجودة

التنظيف ليس حذف كل ما يبدو غريبًا. هدفه جعل البيانات متسقة مع تعريفاتها مع الاحتفاظ بسجل يوضح ما تغير ولماذا. افحص على الأقل خمسة أشياء: القيم المفقودة، الصفوف المكررة، نوع البيانات، الوحدات، والقيم التي تقع خارج نطاق معقول للمجال.

القيمة المفقودة ليست صفرًا تلقائيًا. قد تعني أن القياس لم يُجر، أو لم يُنشر، أو لم ينطبق. لذلك لا تستبدلها بصفر إلا إذا كان تعريف المتغير يثبت أن الصفر هو القيمة الصحيحة. وبالمثل، لا تحذف قيمة متطرفة لمجرد أنها بعيدة عن بقية القيم؛ قد تكون خطأ إدخال وقد تكون حدثًا حقيقيًا مهمًا.

خطوات تنظيف قابلة للتوثيق:

1. احتفظ بنسخة خام لا تعدلها.
2. اعرض أسماء الأعمدة وأنواعها وعدد الصفوف.
3. احسب القيم المفقودة والتكرارات.
4. افحص الوحدات والنطاقات والقيم غير المتوقعة.
5. نفذ التعديل الضروري فقط، وسجل سببه.
6. احفظ نسخة نظيفة مستقلة ولا تستبدل الملف الخام.

مثال باستخدام بايثون ومكتبة Pandas:

import pandas as pd

بيانات = pd.read_csv("data.csv")
print(بيانات.shape)
print(بيانات.dtypes)
print(بيانات.isna().sum())
print("الصفوف المكررة:", بيانات.duplicated().sum())

# حذف التكرارات التامة فقط بعد التحقق من أنها ليست ملاحظات مستقلة مشروعة
بيانات_نظيفة = بيانات.drop_duplicates().copy()

# تحويل عمود عددي مع جعل القيم غير القابلة للتحويل مفقودة للفحص
بيانات_نظيفة["القيمة"] = pd.to_numeric(بيانات_نظيفة["القيمة"], errors="coerce")

تحميل الفيديو

يوتيوب

قد يقوم يوتيوب بجمع البيانات الشخصية. سياسة الخصوصية

استمرار تجاهل

انتبه إلى أن الدالة dropna قد تحذف معلومات كثيرة إذا استخدمتها بلا تفكير. القرار الأفضل يعتمد على سبب الفقد والسؤال وعدد القيم المفقودة.

الاستكشاف والإحصاء الوصفي

الاستكشاف يعني أن تلخص البيانات وتفحص شكلها قبل أن تحاول الوصول إلى استنتاج نهائي. ابدأ بعدد الملاحظات، وأصغر وأكبر قيمة، ثم مقاييس المركز والانتشار.

المتوسط الحسابي يساوي مجموع القيم مقسومًا على عددها. وهو مفيد لكنه يتأثر بالقيم المتطرفة. الوسيط هو القيمة التي تقع في المنتصف بعد ترتيب القيم، ولذلك يكون أكثر مقاومة للقيم الشديدة. لا تسأل «أيّهما أفضل دائمًا؟» بل اسأل أيهما يصف توزيعك بصورة أوضح.

الانتشار مهم بقدر أهمية المركز. مجموعتان قد تملكان المتوسط نفسه لكن إحداهما متقاربة جدًا والأخرى متباعدة. يمكن وصف الانتشار بالمدى، أو بالربيعات، أو بالانحراف المعياري. في هذه المرحلة يكفي أن تفهم أن الانحراف المعياري الأكبر يعني عادةً تشتتًا أكبر حول المتوسط عندما يكون القياس مناسبًا.

المدرج التكراري يساعدك على رؤية شكل توزيع متغير عددي: هل القيم متمركزة؟ هل هناك انحراف؟ هل توجد فجوات أو قمم متعددة؟

مثال لمدرج تكراري يقسم القيم العددية إلى فئات ويعرض تكرار كل فئة

المدرج التكراري يكشف شكل توزيع القيم بدل الاكتفاء بمتوسط واحد.

ومخطط الصندوق يلخص الوسيط والربيعات ويمكن أن يلفت النظر إلى قيم بعيدة، لكنه لا يبين كل تفاصيل شكل التوزيع؛ لذلك من المفيد أحيانًا مقارنة أكثر من تمثيل.

رسم تعليمي لمخطط صندوق يوضح الصندوق والخطوط الممتدة والقيم الأساسية

مخطط الصندوق أداة سريعة لمقارنة المركز والانتشار والقيم البعيدة.

التصور البياني واستكشاف العلاقات

اختيار الرسم يعتمد على السؤال. استخدم مخطط أعمدة لمقارنة فئات، وخطًا زمنيًا عندما تريد تتبع متغير عبر الزمن، ومدرجًا تكراريًا لتوزيع متغير عددي، ومخطط تبعثر لدراسة علاقة بين متغيرين عدديين.

أمثلة متعددة على تصورات بيانية للبيانات

التصور الجيد يختار الشكل الذي يخدم السؤال ولا يضيف زخرفة تشتت القارئ.

عند تصميم الرسم اكتب عنوانًا يصف السؤال، وسمِّ المحاور مع الوحدات، واختر مقياسًا لا يضلل، وتجنب الأبعاد الثلاثية غير الضرورية. إذا قطعت محورًا أو استخدمت نطاقًا غير مألوف فوضح ذلك؛ لأن شكل الرسم قد يغير انطباع القارئ من دون أن تتغير البيانات.

مخطط التبعثر يعرض كل ملاحظة كنقطة، ويمكنه إظهار اتجاه عام أو مجموعات أو قيم متطرفة. الارتباط الموجب يعني أن القيمتين تميلان إلى الارتفاع معًا، والسالب يعني أن إحداهما تميل إلى الانخفاض عندما ترتفع الأخرى. إذا استخدمت معامل ارتباط بيرسون فهو يتراوح من -1 إلى +1، لكن القيمة وحدها لا تكفي لفهم العلاقة.

Fehler beim Erstellen des Vorschaubildes:

أمثلة بصرية تبين أن قوة الارتباط واتجاهه يظهران في نمط النقاط.

الارتباط لا يثبت السببية. قد توجد علاقة لأن متغيرًا ثالثًا يؤثر في الاثنين، أو لأن اتجاه التأثير معاكس لما تتوقعه، أو بسبب طريقة اختيار العينة. لذلك عبّر عن المشاهدة أولًا، ثم افصلها عن التفسير السببي.

بيانات حقيقية من العالم المفتوح

للتدريب القابل لإعادة التنفيذ سنستخدم بيانات مفتوحة من Our World in Data عن حصة الانبعاثات العالمية من ثاني أكسيد الكربون. توضح صفحة المؤشر أن القيم هي نسبة مئوية من الانبعاثات العالمية السنوية، وأن السلسلة الحالية تغطي 1750 إلى 2024، ومصدرها Global Carbon Budget مع معالجة من Our World in Data. يمكنك تنزيل ملف CSV الكامل وقراءة صفحة تعريف البيانات ومصدرها.

خريطة عالمية تعرض اختلاف حصة البلدان من انبعاثات ثاني أكسيد الكربون العالمية في سنة 2024

تصور حقيقي لبيانات سنة 2024 يوضح التفاوت المكاني في حصة الانبعاثات العالمية.

يمكن فتح ملف CSV في Excel أو Google Sheets أو LibreOffice Calc، أو قراءته مباشرة في بايثون. في الشيفرة الآتية نحتفظ بأسماء الأعمدة الأصلية لأن الملف الخارجي يستخدمها، بينما تظل الشروح بالعربية:

import pandas as pd
import matplotlib.pyplot as plt

الرابط = "https://ourworldindata.org/grapher/annual-share-of-co2-emissions.csv?v=1&csvType=full&useColumnShortNames=false"
بيانات = pd.read_csv(الرابط)

# نتعرف إلى عمود القيمة بدل افتراض اسمه مسبقًا
أعمدة_التعريف = {"Entity", "Code", "Year"}
عمود_القيمة = [عمود for عمود in بيانات.columns if عمود not in أعمدة_التعريف][0]

بلدان = ["Algeria", "Egypt", "Jordan", "Morocco"]
عينة = بيانات[(بيانات["Entity"].isin(بلدان)) & (بيانات["Year"] >= 2000)].copy()

print(عينة[["Entity", "Year", عمود_القيمة]].head())
print(عينة.groupby("Entity")[عمود_القيمة].describe())

for بلد, جزء in عينة.groupby("Entity"):
    plt.plot(جزء["Year"], جزء[عمود_القيمة], label=بلد)

plt.xlabel("السنة")
plt.ylabel("الحصة من الانبعاثات العالمية بالمئة")
plt.title("تغير الحصة من انبعاثات ثاني أكسيد الكربون العالمية")
plt.legend()
plt.show()

قبل تفسير الخطوط تحقق من وجود سنوات مفقودة، واقرأ تعريف المؤشر. تغير الحصة المئوية لدولة لا يخبرك وحده عن نصيب الفرد، ولا عن الانبعاثات المستوردة في السلع، ولا عن جميع غازات الدفيئة. اختيار المؤشر جزء من التفكير العلمي، وليس خطوة تقنية محايدة.

التفسير والاستدلال المسؤول

بعد الاستكشاف والرسم اكتب استنتاجًا يطابق قوة الدليل. الجملة «في هذه البيانات ازداد المتغير خلال الفترة» أقوى علميًا من قول «هذا العامل سبب الزيادة» إذا لم يكن لديك تصميم يسمح بإثبات السببية.

اسأل دائمًا:

1. هل العينة تمثل المجتمع الذي أتحدث عنه؟
2. هل التعريف والوحدة ثابتان عبر المقارنات؟
3. هل توجد قيم مفقودة أو تغييرات في طريقة القياس؟
4. هل يعكس الرسم الفرق الفعلي أم يضخمه المقياس؟
5. هل يمكن لمتغير ثالث أن يفسر العلاقة؟
6. ما درجة عدم اليقين، وما الذي لا يمكن للبيانات حسمه؟

التحيز قد يدخل قبل التحليل. إذا كان جمع البيانات يستبعد مجموعة معينة، فلن تصلح خوارزمية التنظيف هذا النقص. ويمكن أن يدخل بعد التحليل أيضًا عندما نختار فقط الرسوم أو الفترات التي توافق توقعاتنا. لذلك من الممارسة الجيدة كتابة السؤال وخطة التحليل الأساسية قبل رؤية جميع النتائج إن كان ذلك ممكنًا.

القيمة الإحصائية ليست القيمة الأخلاقية. قد يكون بإمكانك ربط جداول متعددة تقنيًا، لكن ذلك لا يعني أن من المناسب فعل ذلك. احم الخصوصية، استخدم أقل قدر من البيانات اللازمة، ولا تنشر بيانات شخصية خام. وعند تقديم نتيجة لها أثر على أشخاص، وضح مصدرها وحدودها وكيف اتخذت قرارات التنظيف والتصنيف.

قابلية إعادة الإنتاج وسير العمل

التحليل القابل لإعادة الإنتاج هو تحليل يستطيع شخص آخر، أو أنت بعد عدة أشهر، تشغيل خطواته من المصدر نفسه وفهم كيف وصل إلى النتيجة. لا يكفي الاحتفاظ بصورة للرسم النهائي.

احفظ العناصر الآتية مع مشروعك: رابط المصدر وتاريخ الوصول، الملف الخام، وصف الأعمدة والوحدات، ملفًا أو دفترًا للشيفرة، سجلًا لقرارات التنظيف، والنتائج النهائية. وإذا استخدمت برامج أو مكتبات برمجية فسجل إصداراتها عندما تكون الفروق مهمة.

سير عمل بسيط وآمن:

1. 01_raw للملفات الأصلية التي لا تعدلها.
2. 02_clean للبيانات الناتجة عن التنظيف.
3. 03_code للشيفرة أو خطوات الجداول الموثقة.
4. 04_output للجداول والرسوم النهائية.
5. ملف ملاحظات يشرح السؤال والمصدر والوحدات والقرارات والحدود.

مثال على تلخيص وحفظ نتيجة من الشيفرة السابقة:

ملخص = (
    عينة.groupby("Entity")[عمود_القيمة]
    .agg(["count", "mean", "median", "min", "max"])
)
ملخص.to_csv("ملخص_قابل_للمراجعة.csv", encoding="utf-8-sig")
print(ملخص)

تذكر أن إعادة الإنتاج لا تعني أن الاستنتاج صحيح تلقائيًا؛ فقد يكون التحليل قابلاً للتكرار لكنه مبنيًا على عينة متحيزة أو مؤشر لا يناسب السؤال. الجودة تحتاج إلى شفافية ومنطق سليم معًا.

مهام تفاعلية

اختبار: اختبر معرفتك

ما أفضل خطوة أولى قبل إنشاء رسم بياني؟ (صياغة سؤال واضح وتحديد البيانات المناسبة له) (!اختيار الألوان النهائية للرسم) (!حذف جميع القيم البعيدة) (!حساب الارتباط بين كل عمودين)

ماذا تمثل الملاحظة في جدول بيانات منظم؟ (حالة واحدة مسجلة في صف واحد) (!اسم الملف الذي يحتوي البيانات) (!الصيغة الرياضية المستخدمة في التحليل) (!لون الخلية في جدول البيانات)

كيف ينبغي التعامل مع قيمة مفقودة؟ (فهم سبب الفقد قبل تقرير حذفها أو تعويضها) (!استبدالها دائمًا بصفر) (!حذف العمود كله مباشرة) (!نسخ قيمة الصف السابق دائمًا)

لماذا قد يكون الوسيط أنسب من المتوسط في بعض البيانات؟ (لأنه أقل تأثرًا بالقيم المتطرفة) (!لأنه يساوي أكبر قيمة دائمًا) (!لأنه لا يحتاج إلى ترتيب أو حساب) (!لأنه يقيس عدد القيم المفقودة)

أي رسم يناسب فحص توزيع متغير عددي واحد؟ (المدرج التكراري) (!المخطط الدائري للعلاقات السببية) (!خريطة لا تحتوي على مواقع) (!جدول ألوان بلا قيم)

ما الاستخدام الأنسب لمخطط التبعثر؟ (استكشاف العلاقة بين متغيرين عدديين) (!إخفاء القيم المتطرفة) (!إثبات أن أحد المتغيرين يسبب الآخر) (!تحويل النصوص إلى أرقام تلقائيًا)

ماذا يعني وجود ارتباط قوي بين متغيرين؟ (وجود نمط علاقة في البيانات يحتاج إلى تفسير حذر) (!أن المتغير الأول يسبب الثاني بالضرورة) (!أن البيانات خالية من التحيز) (!أن جميع النقاط متساوية)

ما فائدة الاحتفاظ بنسخة خام من البيانات؟ (الرجوع إلى الأصل والتحقق من خطوات التنظيف) (!منع أي شخص من معرفة مصدر البيانات) (!زيادة عدد الصفوف تلقائيًا) (!جعل الرسم البياني ثلاثي الأبعاد)

أي ممارسة تدعم قابلية إعادة الإنتاج؟ (حفظ المصدر والشيفرة وقرارات التنظيف مع النتائج) (!حفظ لقطة شاشة فقط) (!تغيير الملف الخام مباشرة دون نسخة) (!حذف أسماء الأعمدة بعد الرسم)

ما أفضل صياغة لخلاصة مسؤولة؟ (تذكر النتيجة والدليل والحدود وما لا تثبته البيانات) (!تعلن السببية من أي ارتباط) (!تخفي القيم التي تخالف التوقع) (!تعرض الرقم النهائي بلا مصدر)

لعبة الذاكرة

الملاحظة	حالة واحدة مسجلة في مجموعة البيانات
المتغير	خاصية يمكن أن تختلف بين الملاحظات
الوسيط	القيمة الواقعة في المنتصف بعد ترتيب القيم
التكرار	ظهور الصف نفسه أكثر من مرة عندما لا يكون ذلك مقصودًا
الارتباط	مقياس لاتجاه علاقة بين متغيرات دون أن يثبت السببية
المصدر	الجهة أو الملف الذي جاءت منه البيانات

السحب والإفلات

طابق الأداة أو الخطوة مع الاستخدام الصحيح.	تحليل البيانات
المدرج التكراري	فحص شكل توزيع متغير عددي
مخطط التبعثر	استكشاف علاقة بين متغيرين عدديين
عد القيم المفقودة	تقييم جانب من جودة البيانات قبل التنظيف
الوسيط	وصف مركز البيانات بطريقة أقل تأثرًا بالقيم المتطرفة
سجل التنظيف	توثيق ما تغير في البيانات ولماذا
نسخة خام	الاحتفاظ بالأصل دون تعديل للمراجعة

كلمات متقاطعة

التنظيف	ما العملية التي تعالج التكرارات والأخطاء وعدم الاتساق مع توثيق القرارات؟
الوسيط	ما المقياس الذي يقع في منتصف القيم بعد ترتيبها؟
الارتباط	ما المصطلح الذي يصف اتجاه العلاقة بين متغيرين دون أن يثبت السببية؟
العينة	ما الجزء من مجتمع أكبر الذي تجمع منه ملاحظات لدراسته؟
التحيز	ما المشكلة التي قد تجعل البيانات تمثل بعض الحالات أكثر من غيرها بصورة منهجية؟
التوثيق	ما الممارسة التي تسجل المصدر والخطوات والقرارات لتسهيل المراجعة وإعادة الإنتاج؟

مهام مفتوحة

سهل

1. قاموس البيانات: اختر جدولًا صغيرًا من مصدر موثوق، وأنشئ قاموسًا يشرح أسماء المتغيرات وأنواعها ووحداتها وما تمثله كل ملاحظة.
2. فحص جودة جدول: افتح ملف CSV أو جدول بيانات عامًا، وسجل عدد الصفوف والأعمدة والقيم المفقودة والتكرارات المحتملة من دون حذف أي شيء أولًا.
3. مقارنة المتوسط والوسيط: أنشئ قائمة من عشر قيم عددية ثم أضف قيمة شديدة البعد، واحسب المتوسط والوسيط قبل الإضافة وبعدها واشرح الفرق في فقرة قصيرة.
4. رسم توزيع: أنشئ مدرجًا تكراريًا لمتغير عددي من بيانات عامة، واكتب ثلاث ملاحظات تصف الشكل من دون تفسير سببي.

متوسط

1. تنظيف موثق: أنشئ نسخة نظيفة من مجموعة بيانات عامة مع سجل يذكر كل تعديل وسببه، واحتفظ بالملف الخام كما هو.
2. قصة من جدول بيانات: استخدم ملف Excel أو CSV من البنك الدولي لإنشاء جدول ملخص ورسم واحد يجيب عن سؤال محدد، ثم اذكر الوحدة والفترة والمصدر أسفل الرسم.
3. مقارنة تمثيلات: مثّل المتغير نفسه بمدرج تكراري ومخطط صندوق، ثم اكتب ما الذي يظهره كل تمثيل وما الذي قد يخفيه.
4. مراجعة رسم مضلل: ابحث عن رسم منشور علنًا يمكن أن يسبب انطباعًا مضللًا بسبب المحور أو المقياس أو الانتقاء، وأعد تصميمه بصورة أوضح مع تفسير التغييرات.

متقدم

1. تحليل قابل لإعادة الإنتاج: استخدم ملف CSV المفتوح لانبعاثات ثاني أكسيد الكربون، واكتب شيفرة أو خطوات جدول بيانات تعيد التحليل من رابط المصدر إلى الرسم النهائي مع ملف ملاحظات للقرارات.
2. دراسة ارتباط: اختر متغيرين عدديين من مجموعة عامة، وأنشئ مخطط تبعثر واحسب ارتباطًا مناسبًا، ثم اقترح تفسيرين بديلين يوضحان لماذا لا يثبت الارتباط السببية.
3. تدقيق استنتاج: اختر ادعاءً قائمًا على بيانات من خبر أو تقرير عام، وتتبع مصدر البيانات وتعريف المؤشر والعينة والرسم، ثم قيّم ما إذا كانت الخلاصة أقوى من الدليل المتاح.
4. مشروع دليل مسؤول: صمم مشروعًا مصغرًا يجمع قياسات غير شخصية أو يستخدم بيانات مفتوحة، ثم نفذ الجمع والتنظيف والاستكشاف والتصور، وقدّم فيديو قصيرًا أو عرضًا يذكر النتيجة والحدود وخطوات إعادة الإنتاج.

مجالات تعلم مرتبطة

تحليل البيانات وعلوم البيانات الإحصاء الوصفي والاستدلالي البرمجة بلغة بايثون الجداول الإلكترونية التصور البياني المنهج العلمي الخصوصية وأخلاقيات البيانات مدخل إلى تعلم الآلة

ترتبط مهارات هذه الدورة بالرياضيات وعلوم الحاسوب والجغرافيا والاقتصاد والعلوم البيئية والبحث العلمي. وفي المهن تظهر في عمل محلل البيانات، وعالم البيانات، والباحث، ومحلل الأعمال، والصحفي المعتمد على البيانات، والمتخصص في الصحة العامة والبيئة.

مسرد

البيانات

قيم أو أوصاف مسجلة يمكن تنظيمها وتحليلها للإجابة عن سؤال.

الملاحظة

حالة واحدة أو صف واحد يمثل وحدة القياس في مجموعة البيانات.

المتغير

خاصية تتغير قيمتها بين الملاحظات، وقد تكون عددية أو فئوية.

العينة

جزء من مجتمع أكبر تُجمع منه الملاحظات بهدف التعلم عن ذلك المجتمع.

القيمة المفقودة

غياب قيمة كان من الممكن توقع وجودها، ويجب فهم سببه قبل المعالجة.

التنظيف

فحص البيانات ومعالجة الأخطاء وعدم الاتساق والتكرار مع توثيق القرارات.

المتوسط

مجموع القيم العددية مقسومًا على عددها.

الوسيط

القيمة الوسطى بعد ترتيب القيم، أو متوسط القيمتين الوسطيتين عندما يكون العدد زوجيًا.

الانتشار

مقدار تباعد القيم بعضها عن بعض أو عن مركزها.

الارتباط

وصف لاتجاه وقوة علاقة بين متغيرين وفق مقياس محدد، ولا يثبت السببية بمفرده.

القيمة المتطرفة

قيمة بعيدة عن النمط العام وقد تكون خطأ أو ملاحظة حقيقية تحتاج إلى فحص.

قابلية إعادة الإنتاج

إمكانية تنفيذ الخطوات نفسها من المصدر الموثق للوصول إلى نتائج يمكن مراجعتها.

التحيز

انحراف منهجي في الجمع أو القياس أو التحليل يجعل النتائج لا تمثل الواقع المقصود بصورة عادلة.