What makes an Expert? Comparing Problem-solving Practices in Data Science Notebooks
من خلال تحليل 440 دفتر ملاحظات "جوبيتر" عبر تحليل التسلسل متعدد المستويات، تكشف هذه الدراسة أن الخبرة في علم البيانات لا تتميز باختلاف في التحولات الطورية بين المبتدئين والخبراء، بل بتبني الخبراء لتسلسلات إجراءات أقصر، وأكثر تكراراً، وأكثر ارتباطاً بالسياق مقارنة بالعمليات الخطية للمبتدئين.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
السؤال الكبير: ما الذي يجعل عالم البيانات "خبيراً"؟
تخيل أنك تعلم شخصين كيفية خبز كعكة معقدة.
- المبتدئ يتبع الوصفة بدقة: اخلط المكونات، اخبز، زين، ثم قدمها. إذا كانت الكعكة جافة، فقد يكتفي بإضافة المزيد من الكريمة لإخفاء ذلك. إنه يتعامل مع الوصفة كأنها أوامر عسكرية صارمة.
- الخبير يعرف الوصفة أيضاً، لكنه يتذوق الخليط، ويعدل كمية السكر، ويدرك أن الفرن حار جداً، فيخفض درجة الحرارة، وربما يقرر في منتصف الطريق التحول من كعكة إسفنجية إلى كعكة تشيز كيك لأنه رأى أن المكونات لا تتماشى جيداً مع بعضها. إنه يتعامل مع الوصفة كخريطة، وليس كسكّة حديدية لا يمكن الخروج عنها.
هذه الورقة تسأل: كيف يمكننا حقاً "رؤية" الفرق بين المبتدئ والخبير أثناء عملهم على مشكلة في علم البيانات؟
في علم البيانات، يستخدم الناس أدوات تسمى دفاتر جوبيتر (Jupyter Notebooks). فكر فيها كأنها دفاتر ملاحظات رقمية حيث تكتب الكود، وتنفذه، وترى النتائج، ثم تكتب المزيد من الكود. إنها تشبه مذكرات الطاهي حيث يدون كل مكون جربه وكل اختبار تذوق قام به.
بحث الباحثون في 440 من هذه الدفاتر (بعضها لمبتدئين، وبعضها لخبراء) ليعرفوا كيف يبدو "أسلوب التفكير الخبير" في الواقع.
المستويات الثلاثة للتحقيق
لم يكتفِ الباحثون بالنظر إلى الكعكة النهائية فحسب؛ بل نظروا إلى عملية الطهي على ثلاثة مستويات مختلفة، مثل استخدام كاميرا للتقريب (Zoom in).
1. رؤية "الصورة الكبيرة" (الرحلة بأكملها)
التشبيه: تخيل النظر إلى خريطة لرحلة بالسيارة.
- خريطة المبتدئ: يقود في خط مستقيم من النقطة (أ) إلى النقط (ب). يتوقف عند كل محطة وقود واستراحة بالترتيب، حتى لو لم يكن بحاجة إليها. إنها رحلة طويلة، خطية، تشبه "الشارع ذو الاتجاه الواحد".
- خريطة الخبير: يسلك طريقاً أقصر ومتعرجاً. قد يقود من (أ) إلى (ب)، ثم يدرك أنه أخطأ في المنعطف، فيعود إلى (أ)، ثم يسلك طريقاً مختلفاً، ثم ينطلق بسرعة نحو (ب). إنها سلسلة من الدورات القصيرة والسريعة.
النتيجة: الخبراء لا يزورون بالضرورة "مدناً" (مراحل علم البيانات) تختلف عن المبتدئين. هم يزورون نفس الأماكن (استيراد البيانات، الاستكشاف، تدريب النماذج، التصوير البياني). لكن، هم يفعلون ذلك بطريقة أقصر وأكثر تكراراً (looping). لديهم استعداد للعودة والذهاب ذهاباً وإياباً بسرعة. أما المبتدئون، فيميلون للمشي للأمام في خط مستقيم طويل، آملين أن يصيبوا الهدف من المرة الأولى.
2. رؤية "تدفق الحركة" (الانتقال بين المراحل)
التشبيه: تخيل النظر إلى إشارات المرور عند تقاطع طرق.
- النتيجة: عندما نظر الباحثون في كيفية انتقال الأشخاص من مرحلة إلى أخرى (مثلاً، من "تنظيف البيانات" إلى "بناء نموذج")، وجدوا أن أنماط الحركة كانت متطابقة تقريباً لكلا المجموعتين.
- الخلاصة: لا يمتلك الخبراء "خلطة سرية" لترتيب الخطوات. هم لا يتخطون الخطوات أو يقومون بها بترتيب سحري جديد. إذا نظرت فقط إلى ترتيب خطواتهم، فلن تستطيع تمييزهم عن المبتدئين.
3. رؤية "الحركات الدقيقة" (الأفعال المحددة)
التشبيه: هذا يشبه مراقبة يدي الطاهي بالحركة البطيئة.
- المبتدئ: قد يقطع البصل، ثم يقطعه مرة أخرى، ثم يقطعه مرة أخرى، ليتأكد فقط. قد يقوم بتحميل ملف، ينظر إليه، ثم يحمله مرة أخرى، وينظر إليه مرة أخرى. إنهم "يستكشفون" عبر تكرار نفس الأفعال الأساسية مراراً وتكراراً.
- الخبير: يقوم بتحميل الملف، ينظر إليه، يعدل النموذج فوراً، يتحقق من النتيجة، وإذا كانت خاطئة، يعدل النموذج مرة أخرى في الحال. تحركاتهم فعالة، محددة، وهادفة. لا يضيعون الوقت في فعل الشيء نفسه مرتين إلا إذا كان لديهم سبب محدد للغاية.
النتيجة: هنا يكمن الفرق الحقيقي. يستخدم الخبراء دورات (loops) محددة وفعالة. بينما يستخدم المبتدئون دورات تجربة وخطأ طويلة ومتكررة.
لماذا يهم هذا؟ (ما الفائدة؟)
تجادل الورقة بأننا نعلم علم البيانات بشكل خاطئ تماماً، خاصة الآن مع انتشار الذكاء الاصطناٍ التوليدي (مثل الأداة التي تتحدث إليها الآن) في كل مكان.
المشكلة:
الذكاء الاصطناعي بارع في كتابة الكود. إذا سأل الطالب الذكاء الاصطناعي: "كيف أقوم بتنظيف هذه البيانات؟"، سيعطيه الذكاء الاصطناعي الإجابة.
- إذا كان الطالب مبتدئاً، فسوف ينسخ الإجابة فقط، ويلصقها، وينتقل إلى الخطوة التالية. إنه يتبع ذلك الخط المستقيم الطويل. هو لا يتعلم كيف يفكر؛ بل يتعلم فقط كيف يطلب الإجابات.
- أما إذا كان الطالب خبيراً، فإنه يستخدم الذكاء الاصطناعي كشريك. يسأل: "ماذا لو جربت هذا؟" و "لماذا فشل هذا؟". هو يستخدم الذكاء الاصطناعي لتسريع دوراته (loops)، وليس لاستبدال تفكيره.
الحل:
نحن بحاجة للتوقف عن تقييم الطلاب بناءً على الكعكة النهائية فقط (الكود النهائي أو النموذج). يجب أن نبدأ في تقييم عملية الطهي لديهم.
- هل هم عالقون في خط مستقيم طويل؟
- هل لديهم الاستعداد للعودة وتجربة نهج مختلف؟
- هل يستخدمون الذكاء الاصطناعي للتفكير بشكل استراتيجي أم لمجرد إنهاء المهمة؟
الخلاصة
أن تكون خبيراً في علم البيانات لا يتعلق بمعرفة قائمة سرية من الخطوات. بل يتعلق بـ كيفية حركتك.
- المبتدئون مثل المتنزهين الذين يتبعون علامات المسار، خطوة بخوة، خائفين من الخروج عن المسار.
- الخبراء مثل متسلقي الجبال الذين يعرفون التضاريس. قد يتسلقون للأعلى، ثم يدركون أن المسار مسدود، فينزلون، ويجدون مساراً جديداً، ثم يتسلقون مجدداً. إنهم مرنون، يعودون في حلقات (loops)، ويتحركون بكفاءة.
تقترح الورقة أنه لإنشاء خبراء أفضل (خاصة في عالم الذكاء الاصطناعي)، نحتاج إلى تعليم الطلاب أن يكونوا مرتاحين مع الضياع، والعودة في حلقات، والتكرار (iteration)، بدلاً من مجرد محاولة الحصول على "الإجابة الصحيحة" من المحاولة الأولى.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.