قراءات عربية في العلوم والتقنية والطبيعة والثقافة، تبدأ بسؤال وتترك لك مساحة للاستكشاف.
2302 مقال
اتفاق الموسمين مع أحكام ناقصة يحتاج وصفا واضحا للحالات التي دخلت المقارنة. إذا كلفنا الاثنين بثماني حالات لكن خمسا فقط لها حكمان، فمقام اتفاق الأزواج المتاحة هو خمس، بينما مقام تغطية العمل هو ثمان. لا نجعل فراغين حكمين متطابقين، ولا نختلق تسمية لتكملة الجدول.
معامل كابا كوهين يصف اتفاق موسمين بعد تعديل يتعلق بالاتفاق المتوقع من توزيع اختياراتهما للفئات. لذلك قد تعطي مجموعتان لهما نسبة تطابق مرصودة واحدة قيمتي كابا مختلفتين. نوضح ذلك بحسابين أصليين، مع الفصل بين نموذج التوقع الرياضي وصحة كل تسمية.
اتفاق القياسات في وسم البيانات قد يقصد تطابق الرقمين تماما، وقد يقصد قربهما ضمن حد تختاره المهمة. القياسان 10 و 10.25 سم مختلفان عدديا، لكنهما يحققان سياسة تقبل فرقا لا يتجاوز نصف سنتيمتر. نوضح كيف يتغير الحكم بتغير القاعدة، مع إبقاء القيم الأصلية ظاهرة.
اتفاق الوسم الهرمي يتوقف على المستوى الذي نقارنه. قد يختلف موسمان بين «قلم» و«فرشاة»، لكن اختياريهما يعودان إلى فئة عامة واحدة في دليلنا هي «أداة رسم». الاتفاق على هذه الفئة العامة لا يحسم أي الفئتين التفصيليتين اختارا، ولا يثبت صحة إحداهما.
اتفاق الوسم متعدد التسميات قد يقصد تطابق جميع الفئات المختارة للصورة، وقد يقصد مقدار تداخلها. اختيار «قلم وفرشاة» واختيار «قلم» يشتركان في فئة، لكنهما ليسا المجموعة نفسها. نستخدم مجموعات افتراضية لنفصل بين التطابق الكامل والتداخل الجزئي وطريقة جمع النتائج.
الخلاف الموزون في الوسم يسمح بتمييز اختلاف بين درجتين متجاورتين من اختلاف بين طرفي مقياس مرتب. إذا كان السؤال عن وضوح علامة رسومية، فقد تختار سياسة تعطي خلاف «قليل ومتوسط» وزنا أصغر من خلاف «قليل وعال». نعلن السياسة ثم نحسب أثرها، دون تحويل ترتيب الأسماء وحده إلى دليل على مقدار الفرق الحقيقي.
اختيار الوسم بفئة واحدة أم عدة فئات يبدأ بالسؤال الذي تريد أن تجيب عنه البيانات. إذا كانت المهمة تسجيل كل أنواع الطلبات الموجودة في الرسالة، فقد تحتاج الرسالة الواحدة إلى أكثر من تسمية. أما سؤال «ما الطلب الرئيسي؟» فيحتاج قاعدة أخرى تحدد المقصود بالرئيسي، ولا يحسمه عدد الأزرار في الواجهة.
فئات الوسم المتنافية والشاملة تعطي لكل حالة مكتملة الدليل، داخل النطاق المحدد، موضعا واحدا في مخطط ذي تسمية واحدة. التنافي يمنع انطباق فئتين معا، والشمول يمنع ترك حالة داخلة في المهمة بلا فئة. يمكن أن يفشل أحد الشرطين مع نجاح الآخر، لذلك نراجعهما كلّا على حدة.
عند تغير تعريف فئة الوسم، لا يكفي أن يبقى اسمها كما هو حتى ننقل الأحكام القديمة إلى الإصدار الجديد. قد يشمل الاسم سابقا حالات أوسع من التي يشملها الآن. يجب أن نعرف أي قاعدة طبقت على السجل، وهل تحمل المعلومات القديمة ما يكفي للحكم الجديد، قبل جمع النتائج أو تجهيز هدف التعلم.
موضع وسم النص العربي لا يكتمل بوصف «من 4 إلى 7» وحده؛ يجب أن نحدد ما الذي نعده، وكيف نعالج النص، وأي نسخة نعني. قد تصف الأعداد نفسها مقطعا مختلفا إذا كانت إحدى الأداتين تعد نقاط يونيكود والأخرى تعد بايتات الملف. اتجاه عرض العربية لا يعكس ترتيب تخزين النص المنطقي.
في عينة تدقيق الوسوم الطبقية، قد تختار عددا متساويا من كل فئة كي ترى أخطاء الفئة الصغيرة بوضوح. لكن جمع الأخطاء وقسمتها على كل الحالات المفحوصة يصف تركيب تلك العينة، وقد لا يقدر نسبة الخطأ في مجموعة البيانات الأصلية. تحتاج طريقة الاختيار وحجم كل طبقة قبل تفسير النتيجة العامة.
توزيع أحكام الموسمين يحفظ كيف أجاب الأشخاص عن الحالة نفسها، بينما اختيار رأي الأغلبية يختصر ذلك إلى فئة واحدة. هذا الاختصار قد يناسب هدفا معلنا، لكنه لا يجعل الرأي المختلف خطأ مثبتا ولا يحول حصة الأصوات إلى احتمال أن الفئة صحيحة. يجب أن نعرف ما السؤال وما نوع الاختلاف قبل بناء مرجع التعلم.
العينة العشوائية البسيطة ذات الحجم الثابت تجعل كل مجموعة ممكنة من ذلك الحجم متساوية الفرصة في الاختيار. لا يكفي فحص فرصة كل سجل منفردا ثم افتراض أن كل المجموعات ممكنة بالفرصة نفسها. يمكن لتصميمين أن يعطيا السجلات فرصة الإدراج الفردية نفسها، مع اختلاف الأزواج التي يمكن أن يجمعها السحب.
الفرق بين العينة الميسرة والعشوائية يتعلق بطريقة دخول الحالات إلى الاختيار، وليس بترتيب الصفوف بعد جمعها فقط. إذا جمعت الملفات الأسهل وصولا ثم خلطتها عشوائيا، فقد تغير من يختار داخل هذه المجموعة، لكن الحالات التي لم تدخلها أصلا تبقى خارج السحب. لذلك لا يثبت اسم «خلط عشوائي» أن البيانات تمثل كل النطاق المطلوب.
قد تتطابق أعداد الفئات في المعاينة الطبقية والحصص مع اختلاف طريقة الوصول إلى السجلات. إذا احتوى ملفان على صورتين حمراوين وصورة زرقاء، فلا يكفي هذا الوصف لمعرفة هل اختيرت الصور عشوائيا من كل فئة أم انتقاها شخص بحسب سهولة الوصول. سجل الأعداد وسجل طريقة الاختيار؛ لكل منهما سؤال مختلف.
في العينة العنقودية قد نثبت عدد المجموعات التي سنختارها، بينما يتغير عدد السجلات التي تدخل الفحص. السبب بسيط في تصميم يشمل كل وحدات العنقود المختار: المجموعات لا يلزم أن تتساوى في الحجم. لذلك اكتب هل العدد المقصود عدد عناقيد أم عدد صور أو وثائق داخلها.
يمكن أن يظهر ارتباط بين صفتين في بيانات مختارة رغم غيابه في المجموعة الكاملة. يحدث ذلك في مثالنا لأن شرط الدخول يعتمد على الصفتين معا. إذا جمعنا فقط وثائق تحتوي صورة أو جدولا، تتغير المقارنة بين وجود الصورة ووجود الجدول، مع أن محتوى أي وثيقة لم يتغير.
معدل الإجابة وتحيز عدم الاستجابة يصفان سؤالين مختلفين. المعدل يخبرنا كم حالة أجابت وفق المقام المعلن، لكنه لا يخبرنا وحده كيف تختلف إجابات الغائبين عن إجابات المشاركين. لذلك لا نحول نسبة الردود إلى رقم يصف مقدار الانحياز في بيانات نستعد لتحليلها أو لتدريب نموذج عليها.
