صفحة 19 - كتاب علم البيانات - الصف 11 - الفصل 1 - المملكة العربية السعودية

سؤال 5: ما مدى جدوى تقارب علم البيانات والذكاء الاصطناعي؟ ابحث في الإنترنت واذكر مثالين ناجحين على ذلك.

الإجابة: س5: تقارب علم البيانات والذكاء الاصطناعي ذو جدوى كبيرة؛ لأنهما يتكاملان لتحسين النتائج. أمثلة: 1) أنظمة التوصية: تحليل السلوك لتقديم اقتراحات. 2) التشخيص الطبي: تحليل الصور لاكتشاف الأمراض.

خطوات الحل:

1. **الشرح:** لنفهم هذا السؤال، فهو يسأل عن مدى الفائدة أو الجدوى من التقارب بين مجالين مهمين هما علم البيانات والذكاء الاصطناعي، ويطلب منا البحث عن أمثلة ناجحة. الفكرة هنا هي أن علم البيانات يركز على جمع البيانات وتحليلها واستخلاص الأنماط والمعلومات منها، بينما يركز الذكاء الاصطناعي على بناء أنظمة قادرة على التعلم واتخاذ القرارات. عندما يتقارب المجالان، يصبح بإمكان أنظمة الذكاء الاصطناعي استخدام الرؤى المستخلصة من تحليل البيانات لتعمل بشكل أكثر ذكاءً ودقة. لذلك، الجدوى كبيرة لأن هذا التقارب يؤدي إلى أنظمة أكثر كفاءة وقدرة على حل مشاكل معقدة. على سبيل المثال، في أنظمة التوصية (مثل تلك المستخدمة في منصات الفيديو أو التسوق)، يتم تحليل كميات هائلة من بيانات المستخدمين (وهذا دور علم البيانات) لتدريب خوارزميات الذكاء الاصطناعي التي تقدم توصيات شخصية. مثال آخر ناجح هو في التشخيص الطبي، حيث يتم تحليل صور الأشعة أو التقارير الطبية (تحليل بيانات) لتدريب نماذج الذكاء الاصطناعي على اكتشاف علامات الأمراض بسرعة ودقة عالية. إذن الإجابة هي: **التقارب ذو جدوى كبيرة لتحسين النتائج، ومن أمثلته الناجحة: 1) أنظمة التوصية، 2) التشخيص الطبي.**

سؤال 6: وضح المقصود بعلم البيانات، واذكر ثلاثة تطبيقات حياتية في المجال الصحي، ومجال الأعمال التجارية، والترفيه، ثم بين لماذا يُعد علم البيانات ضرورياً لمثل هذه المجالات؟

الإجابة: س6: علم البيانات: تحويل البيانات لمعرفة لدعم القرار. تطبيقات: - صحي: تنبؤ بالأمراض. - تجاري: إدارة المخزون. - ترفيه: توصيات. ضرورته: يحسن القرارات ويتيح التنبؤ والتخصيص.

خطوات الحل:

1. **الخطوة 1 (المفهوم):** لنبدأ بتوضيح المقصود بعلم البيانات. علم البيانات هو مجال متعدد التخصصات يجمع بين الإحصاء، وبرمجة الحاسوب، والمعرفة في مجال معين، بهدف استخلاص المعرفة والرؤى القيمة من البيانات الخام. بمعنى آخر، هو عملية تحويل البيانات إلى معلومات مفيدة تدعم اتخاذ القرارات. **الخطوة 2 (التطبيق):** بتطبيق هذا المفهوم على مجالات مختلفة، نجد تطبيقات حياتية عديدة. في المجال الصحي، يمكن استخدامه للتنبؤ باحتمالية انتشار مرض ما أو لتخصيص العلاج. في مجال الأعمال التجارية، يساعد في تحليل سلوك العملاء لإدارة المخزون بشكل أفضل أو وضع استراتيجيات تسويقية. وفي مجال الترفيه، يستخدم في أنظمة التوصية التي تقترح أفلاماً أو أغانٍ بناءً على تفضيلات المستخدم. **الخطوة 3 (النتيجة):** لماذا يُعد هذا ضرورياً؟ لأن كمية البيانات المتاحة هائلة ومعقدة. علم البيانات يمنحنا الأدوات لفهم هذه البيانات، مما يحسن جودة القرارات المتخذة (مثل قرار طبي أو تجاري)، ويتيح لنا التنبؤ باحتمالات مستقبلية (مثل اتجاهات المبيعات)، ويسمح بالتخصيص والكفاءة في الخدمات المقدمة. إذن الإجابة هي: **علم البيانات هو تحويل البيانات إلى معرفة لدعم القرار. تطبيقاته: في الصحة (التنبؤ بالأمراض)، وفي الأعمال (إدارة المخزون)، وفي الترفيه (أنظمة التوصية). وهو ضروري لأنه يحسن القرارات ويتيح التنبؤ والتخصيص.**

سؤال 7: وضح وقارن بين مجموعات البيانات المعالجة وغير المعالجة التي تصف الدرجات الفصلية للطلاب وأدائه خلال العام الدراسي. ما الانطباعات والأفكار التي يمكنك الحصول عليها من مجموعات البيانات هذه؟ وهل يمكنك توقع الأداء الأكاديمي المستقبلي للطالب في الجامعة من خلال هذه البيانات؟

الإجابة: س7: البيانات غير معالجة (درجات، حضور). المعالجة: منظمة (معدلات، نسب). الانطباعات: معرفة المستوى والاتجاه. توقع الأداء: ممكن احتماليًا وليس جزمًا؛ لوجود عوامل أخرى.

خطوات الحل:

1. **الشرح:** لنوضح هذا السؤال. مجموعات البيانات التي تصف أداء الطلاب يمكن أن تكون على نوعين: معالجة وغير معالجة. البيانات غير المعالجة هي البيانات الأولية الخام كما تم جمعها، مثل: قائمة بدرجات كل طالب في كل اختبار على حدة، أو سجلات الحضور والغياب لكل يوم. هذه البيانات مفيدة ولكنها قد تكون كثيرة وغير منظمة للتحليل المباشر. أما البيانات المعالجة، فهي نتيجة تنظيم وتحليل تلك البيانات الخام. على سبيل المثال، يمكن حساب المعدل التراكمي للطالب، أو نسبة حضوره، أو رسم بياني يوضح اتجاه درجاته (هل هي في تحسن أم تراجع؟). هذه البيانات المعالجة تكون أكثر تركيزاً ووضوحاً. من خلال تحليل هذه المجموعات من البيانات (سواء الخام أو المعالجة)، يمكن الحصول على انطباعات وأفكار قيمة. مثلاً، يمكن معرفة المستوى العام للطالب، وتحديد المواد التي يحتاج فيها إلى دعم، وملاحظة إذا كان أداؤه يتجه نحو التحسن أو الضعف خلال العام. أما بالنسبة لتوقع الأداء المستقبلي في الجامعة، فالبيانات السابقة (كالمعدل واتجاه الأداء) يمكن أن تعطي مؤشراً احتماليًا. فمن المرجح أن الطالب الذي حافظ على معدل عالٍ وتحسن مستمر أن ينجح في الجامعة. لكن هذا التوقع ليس جزمياً أو مؤكداً بنسبة 100%، لأن الأداء الجامعي يتأثر بعوامل أخرى جديدة قد لا تكون موجودة في بيانات المرحلة الثانوية، مثل: طبيعة التخصص، وبيئة الجامعة، والدوافع الشخصية المتغيرة. إذن الإجابة هي: **البيانات غير المعالجة: درجات وحضور أولية. البيانات المعالجة: معدلات ونسب منظمة. الانطباعات: معرفة المستوى والاتجاه. توقع الأداء الجامعي: ممكن احتماليًا وليس جزمًا لوجود عوامل أخرى.**

أي مما يلي يمثل تعريفاً دقيقاً لعلم البيانات؟

• أ) جمع وتخزين كميات هائلة من البيانات الرقمية.
• ب) تحويل البيانات إلى معرفة لدعم اتخاذ القرارات.
• ج) برمجة أنظمة الذكاء الاصطناعي فقط.
• د) إنشاء قواعد بيانات ضخمة للمؤسسات.

الإجابة الصحيحة: b

الإجابة: تحويل البيانات إلى معرفة لدعم اتخاذ القرارات.

الشرح: 1. علم البيانات مجال متعدد التخصصات. 2. يجمع بين الإحصاء وبرمجة الحاسوب والمعرفة في مجال معين. 3. هدفه الأساسي هو استخلاص المعرفة والرؤى القيمة من البيانات الخام. 4. النتيجة النهائية هي تحويل البيانات إلى معلومات مفيدة تدعم اتخاذ القرارات.

تلميح: فكر في العملية الأساسية التي يقوم بها علم البيانات مع البيانات.

التصنيف: تعريف | المستوى: سهل

ما السبب الرئيسي الذي يجعل تقارب علم البيانات والذكاء الاصطناعي ذا جدوى كبيرة؟

• أ) لأنهما مجالان منفصلان تماماً ولا علاقة بينهما.
• ب) لأن علم البيانات يحل محل الذكاء الاصطناعي تماماً.
• ج) لأنهما يتكاملان لتحسين النتائج وبناء أنظمة أكثر ذكاءً ودقة.
• د) لأن الذكاء الاصطناعي لا يحتاج إلى بيانات ليعمل.

الإجابة الصحيحة: c

الإجابة: لأنهما يتكاملان لتحسين النتائج وبناء أنظمة أكثر ذكاءً ودقة.

الشرح: 1. علم البيانات يركز على تحليل البيانات واستخلاص الأنماط. 2. الذكاء الاصطناعي يركز على بناء أنظمة قادرة على التعلم واتخاذ القرارات. 3. عند التقارب، تستخدم أنظمة الذكاء الاصطناعي الرؤى المستخلصة من تحليل البيانات. 4. هذا التكامل يؤدي إلى أنظمة أكثر كفاءة وقدرة على حل مشاكل معقدة، وبالتالي تحسين النتائج.

تلميح: فكر في كيفية استفادة كل مجال من نقاط قوة الآخر.

التصنيف: مفهوم جوهري | المستوى: متوسط

أي مما يلي يمثل الفرق الرئيسي بين البيانات المعالجة والبيانات غير المعالجة في سياق أداء الطلاب؟

• أ) البيانات المعالجة هي الأصلية، وغير المعالجة هي المحسوبة.
• ب) لا يوجد فرق، كلاهما يحمل نفس المعلومات.
• ج) البيانات غير المعالجة هي أولية وخام (كدرجات كل اختبار)، بينما البيانات المعالجة منظمة ومحللة (كمعدلات ونسب).
• د) البيانات المعالجة تكون دائماً أقل دقة من البيانات غير المعالجة.

الإجابة الصحيحة: c

الإجابة: البيانات غير المعالجة هي أولية وخام (كدرجات كل اختبار)، بينما البيانات المعالجة منظمة ومحللة (كمعدلات ونسب).

الشرح: 1. البيانات غير المعالجة: هي البيانات الأولية كما تم جمعها مباشرة. 2. أمثلة: قائمة بدرجات كل طالب في كل اختبار، سجلات الحضور اليومية. 3. البيانات المعالجة: هي نتيجة تنظيم وتحليل البيانات الخام. 4. أمثلة: حساب المعدل التراكمي، نسبة الحضور، رسوم بيانية توضح اتجاه الأداء. 5. الفرق: المعالجة تحول البيانات من شكلها الخام غير المنظم إلى معلومات مركزة وواضحة للتحليل.

تلميح: فكر في حالة البيانات عند جمعها مباشرة، وما يحدث لها بعد التحليل.

التصنيف: فرق بين مفهومين | المستوى: متوسط

أي من التطبيقات التالية يعد مثالاً على استخدام علم البيانات في المجال الصحي؟

• أ) إدارة مخزون الأدوية في الصيدليات فقط.
• ب) التنبؤ باحتمالية انتشار الأمراض أو تخصيص العلاج.
• ج) برمجة الروبوتات الجراحية فقط.
• د) إنشاء سجلات المرضى الورقية.

الإجابة الصحيحة: b

الإجابة: التنبؤ باحتمالية انتشار الأمراض أو تخصيص العلاج.

الشرح: 1. علم البيانات في المجال الصحي يستخدم لتحليل البيانات الطبية. 2. الهدف: تحسين الرعاية الصحية والنتائج العلاجية. 3. من التطبيقات: تحليل بيانات المرضى أو الصور الطبية. 4. النتيجة: التنبؤ باحتمالية انتشار الأمراض، أو تخصيص العلاج المناسب لكل مريض بناءً على بياناته.

تلميح: فكر في كيفية استخدام البيانات الطبية للاستباق والتحسين.

التصنيف: مفهوم جوهري | المستوى: سهل

هل يمكن توقع الأداء الأكاديمي المستقبلي للطالب في الجامعة بناءً على بيانات المرحلة الثانوية بشكل قاطع؟

• أ) نعم، يمكن التوقع بشكل قاطع ومؤكد بنسبة 100%.
• ب) لا، لا توجد أي علاقة بين أداء الثانوية والجامعة.
• ج) نعم، ولكن فقط للطلاب المتفوقين جداً.
• د) لا، يمكن التوقع احتماليًا وليس جزمًا؛ لوجود عوامل أخرى مؤثرة في الأداء الجامعي.

الإجابة الصحيحة: d

الإجابة: لا، يمكن التوقع احتماليًا وليس جزمًا؛ لوجود عوامل أخرى مؤثرة في الأداء الجامعي.

الشرح: 1. بيانات الثانوية (كالمعدل واتجاه الأداء) تعطي مؤشراً احتماليًا عن الأداء الجامعي. 2. من المرجح أن الطالب المتفوق والمتحسن يستمر في النجاح. 3. لكن هذا التوقع ليس جزمياً (100%) لأن الأداء الجامعي يتأثر بعوامل جديدة. 4. عوامل جديدة: طبيعة التخصص الجامعي، بيئة الجامعة، الدوافع الشخصية المتغيرة. 5. الخلاصة: التوقع ممكن لكنه احتمالي وليس مؤكداً.

تلميح: فكر في مدى دقة التنبؤ بالمستقبل ووجود متغيرات جديدة.

التصنيف: تفكير ناقد | المستوى: صعب