القيمة المتطرفة وخطأ التسجيل قد يجتمعان، لكنهما ليسا النتيجة نفسها. اختلاف رقم عن بقية العمود ينبهنا إلى المراجعة؛ أما إثبات خطأ نسخ فيحتاج مقارنة مناسبة بسجل المصدر. عند تجهيز بيانات الذكاء الاصطناعي لا نصلح كل رقم كبير لمجرد أنه غير شائع، ولا نعد تطابق النسخ دليلا كافيا على صحة القياس الأصلي.
الخلاصة السريعة
راجع الدليل الخاص بالمشكلة: اختلاف النسخة عن مصدرها يبين خطأ نقل، أما صحة القياس أو كون القيمة نادرة صحيحة فيحتاجان فحصا آخر.
- قد تنبه القيمة المتطرفة إلى خطأ، وقد تعكس اختلافا حقيقيا؛ تصحيحها يحتاج إثبات المشكلة. [1]
- في حالة المثال الأولى المصدر 10 سم والنسخة 100 سم: مع تطابق المعرف والحقل والنسخة الزمنية والوحدة توجد مخالفة نسخ واضحة.
- في الحالة الثانية المصدر والنسخة 100 سم؛ يثبت الفحص تطابق الرقم، لكنه لا يثبت صحة قياس 100 سم.
- احفظ الأصل ودليل المراجعة والتعديل وحالة ما لم يتحقق؛ لا تحول علامة البعد إلى إذن تلقائي بالحذف.
ما السؤال الذي يجيب عنه التنبيه؟
يفرق NIST بين قيمة قد تدل على بيانات خاطئة وحالة لم يتحدد فيها خطؤها؛ لا يكفي وجود التنبيه لحذف الملاحظة غير المثبت خطؤها. [1]
نفترض جدولا لأطوال قطع خشبية نريد استخدامه لاحقا في إعداد نموذج. يظهر 100 سم وسط أطوال أقصر. التنبيه يخبرنا أن هذه الحالة تحتاج اهتماما في المقارنة المحددة، لكنه لا يخبرنا هل الطول صحيح أو النسخة أمينة أو القطعة من النوع المطلوب.
نختار سؤال المراجعة بدقة: هل نقل الرقم كما سجل؟ أم هل القياس المسجل يمثل القطعة؟ قد نملك دليلا عن أحدهما فقط؛ لا نبدل السؤال في النتيجة.
متى نرى خطأ نسخ في المثال؟
في الحالة الأولى نفترض سجل مصدر موثوقا للنقل يحمل معرف القطعة ر7 وطولا 10 سم، والنسخة المشتقة تحمل المعرف نفسه لكن طولها 100 سم. نفترض أيضا أن الحقل والنسخة الزمنية والوحدة متطابقة؛ عندها نجد أن النسخة لا تنقل الرقم كما هو. لم نراجع سجلات مشروع فعلي.
- نقترح تصحيح نسخة ر7 إلى 10 سم استنادا إلى المصدر المفترض المناسب، مع حفظ الرقم السابق وسبب التعديل.
- هذا تصحيح لنقل القيمة؛ ليس إعادة قياس القطعة أو إثباتا أن المصدر نفسه خال من الخطأ.
| الحالة المفترضة | طول المصدر | طول النسخة | نتيجة فحص النقل |
|---|---|---|---|
| ر7 | 10سم | 100سم | الرقمان مختلفان |
| ر8 | 100سم | 100سم | الرقمان متطابقان |
هل تطابق المصدر يثبت القياس الصحيح؟
في الحالة الثانية يحمل مصدر ر8 ونسخته 100 سم. لا يظهر خطأ نقل في هذه المقارنة، حتى إن كان الرقم نادرا في الجدول. قد تكون القطعة طويلة فعلا، وقد يحتوي المصدر نفسه مشكلة قياس. نحتاج معلومات مناسبة عن القياس إذا كان هذا هو السؤال.
ولو افترضنا في مثال مستقل أن طول القطعة 100 سم قد تحقق بطريقة مناسبة وأن تسجيله صحيح، يبقى طولها نادرا في مجموعة أقصر دون أن يصبح خطأ. هذا افتراض تعليمي، لا ادعاء أننا أجرينا قياسا أو معايرة.
لا نستبدل الرقم بمتوسط المجموعة لإخفاء الاختلاف. فذلك سيغير ما نريد تمثيله إذا كانت الحالة الطويلة صحيحة؛ نحتاج سياسة للمهمة ودليلا يبرر الإجراء.
كيف نوثق نتيجة مراجعة محدودة؟
نقترح ثلاث خانات مستقلة: سبب التنبيه، والدليل الذي راجعناه، وما ثبت منه. نكتب في ر7 اختلاف النقل، وفي ر8 تطابق النقل مع بقاء صحة القياس غير متحققة بهذا الفحص. إذا استكملنا مراجعة أخرى لاحقا نضيف نتيجتها ومصدرها دون محو التاريخ.
ونحفظ القيمة الأصلية والنسخة المعدلة وصاحب الإجراء عندما تكون هذه المعلومات متاحة. تقرير المراجعة لا يحتاج عبارة شاملة مثل «صححنا كل القيم الشاذة» إذا كان بعض التنبيهات ما زال بلا دليل. لم ندرّب نموذجا هنا؛ لا نستنتج تحسن دقته من اقتراح التصحيح.
المصادر ومتابعة القراءة
أُعدّ هذا المقال بصياغة عربية أصلية بالاستناد إلى المصادر أعلاه، وهو مدخل تمهيدي إلى الموضوع. اقرأ منهجية المحتوى وحدوده.