The FIFA World Cup 2026 Master Dataset: A Normalized 3NF Relational Benchmark of the Expanded 48-Team International Football Tournament

لطالما كانت كرة القدم لعبة شغف وغريزة، ولكن خلال العقود القليلة الماضية، أحدثت ثورة هادئة حولت الرياضة إلى علم. يعتمد المحللون والمدربون الآن على كميات هائلة من المعلومات المنظمة لفهم ما يحدث في الملعب، متجاوزين مجرد النتائج البسيطة لتتبع كل تمريرة وتسديدة وتبديل. يسعى هذا المجال، المعروف باسم تحليلات الرياضة، إلى إيجادة أنماط في فوضى المباراة، باستخدام البيانات لتفسير سبب فوز فريق أو خسارته، وكيفية أداء لاعب ما، وما قد يحدث لاحقًا. وبينما تمتلك الشركات التجارية غالبًا السجلات الأكثر تفصيلًا خلف جدران دفع، احتاج المجتمع العلمي منذ فترة طويلة إلى مجموعات بيانات مفتوحة وموثوقة لاختبار أفكار جديدة وتحسين فهمنا للعبة. وكان التحدي دائمًا هو أن البيانات العامة المتاحة غالبًا ما تكون غير منظمة، أو غير مترابطة، أو تفتقر إلى التفاصيل المحددة اللازمة للدراسة العميقة، مثل الموقع الدقيق للملعب أو القيمة السوقية الدقيقة للاعب.

في صيف عام 2026، قام باحث يدعى إم دي مومينول إسلام من جامعة شاجالال للعلوم والتكنولوجيا في بنغلاديش بمعالجة هذه الفجوة من خلال إنشاء سجل رقمي شامل لكأس العالم لكرة القدم. كانت هذه البطولة حدثًا تاريخيًا، حيث توسعت من 32 إلى 48 منتخبًا وطنيًا وشملت 104 مباريات أقيمت في 16 ملعبًا في كندا والمكسيك والولايات المتحدة. شهدت المباراة النهائية فوز إسبانيا على الأرجنتين بنتيجة 1-0، لكن الأهمية الحقيقية لهذا الحدث بالنسبة لعلوم البيانات تكمن في الحجم الهائل للنشاط الذي ولّده. قام الباحث بتجميع المعلومات بعد البطولة التي استمرت 39 يومًا، حيث جمع تفاصيل عن كل مباراة، والـ 48 فريقًا المتأهلين، و1,248 لاعبًا مسجلًا. والنتيجة هي مجموعة ضخمة ومنظمة من الحقائق التي تربط القياسات الحيوية للاعبين، وجغرافيا الملاعب، وأحداث المباريات في نظام واحد متماسك.

إن الإنجاز الجوهري لهذا العمل هو إنشاء قاعدة بيانات "معيارية" (normalized)، وهي طريقة محددة لتنظيم المعلومات بحيث يكون لكل قطعة من البيانات مكان فريد ومرتبط منطقيًا بكل شيء آخر. فبدلاً من وجود جداول بيانات متفرقة حيث قد تكون المعلومات مكررة أو متناقضة، بنى الباحث نظامًا يتكون من 12 جدولًا متميزًا تتناسب مع بعضها البعض مثل قطع الأحجية. يحمل أحد الجداول تفاصيل الملاعب الـ 16، بما في ذلك سعتها، والأهم من ذلك، ارتفاعها عن مستوى سطح البحر، وهو ما يمكن أن يؤثر على تنفس اللاعبين وأدائهم. ويتتبع جدول آخر الـ 1,248 لاعبًا، مسجلًا طولهم، وتاريخ ميلادهم، وخبرتهم الدولية، وقيمتهم السوقية التقديرية باليورو. وتلتقط مجموعة ثالثة من الجداول الـ 104 مباريات نفسها، وتربطها بالحكام المعنيين، والفرق المشاركة، والنتائج النهائية. يتيح هذا الهيكل للباحث طرح أسئلة معقدة، مثل كيف أثر ارتفاع الملعب في مدينة مكسيكو على أداء فريق من دولة ساحلية، دون الحاجة إلى المراجعة اليدوية لعشرات الملفات المختلفة.

ما يجعل مجموعة البيانات هذه قيمة بشكل خاص هو تضمين مقاييس غالبًا ما تغيب عن البيانات العامة المجانية. تتضمن المجموعة "الأهداف المتوقعة" (expected goals)، وهو مقياس إحصائي يقدر احتمالية تحول التسديدة إلى هدف بناءً على المكان الذي سُددت منه والزاوية. كما توفر سجلات دقيقة دقيقة (دقيقة بدقيقة) لمن كان يلعب، ومتى تم استبدالهم، ومدة بقائهم في الملعب. وبالنسبة لكل مباراة، تقدم مجموعة البيانات ملخصًا لتكتيكات الفريق، مثل مقدار الوقت الذي سيطر فيه الفريق على الكرة وعدد التسديدات التي قام بها. علاوة على ذلك، أدرج الباحث ميزات محسوبة مسبقًا مصممة لمساعدة الحواسيب على التعلم من البيانات، مما يسهل على الآخرين بناء نماذج يمكنها التنبؤ بنتائج المباريات. تغطي البيانات البطولة بأكملة، من مباريات دور المجموعات الافتتاحية إلى المباراة النهائية، لتلتقط المسار الكامل للمسابقة.

لضمان موثوقية المعلومات، لم يقم الباحث بمجرد نسخ ولصق الأرقام من الإنترنت؛ بل بنى نظامًا آليًا للتحقق من البيانات مقابل التقارير الرسمية من الفيفا والمصادر الموثوقة الأخرى. تضمنت هذه العملية تشغيل سلسلة من تسعة اختبارات مختلفة للتحقق من منطقية الأرقام، إلى جانب فحص يدوي لـ 30 مباراة. على سبيل المثال، تحقق النظام من أن إجمالي عدد الفرق واللاعبين يطابق العدد الرسمي، وأنه لا توجد مباراة لها نتيجة دون حالة مقابلة، وأن مجموع الأهداف التي سجلها لاعب في سجلات الأحداث التفصيلية يطابق إجمالي أهدافه في إحصائيات اللاعب. أكدت عملية التحقق الصارمة هذه أن البيانات دقيقة بدرجة عالية جدًا، حيث بلغت نسبة الدقة التجريبية 99.87 بالمائة.

إن النتائج المقدمة في هذا العمل ليست مجرد قائمة بالنتائج، بل هي أساس موثق للاكتشاف المستقبلي. تكشف البيانات عن وجود ارتباط قوي بين الأهداف المتوقعة التي يولدها الفريق والأهداف الفعلية التي يسجلها، مما يظهر أن النماذج الإحصائية المستخدمة للتنبؤ بالأداء تتوافق وثيقًا مع الواقع. كما تسلط الضوء على التفاوتات الاقتصادية بين الدول، حيث تظهر القيمة السوقية الإجمالية لفرق أفضل 15 فريقًا متأهلًا. وبينما لا تتضمن مجموعة البيانات التتبع عالي السرعة لكل حركة لاعب ثانية بثانية بسبب قيود التراخيص، إلا أنها توفر مستوى من التفصيل نادر بالنسبة للموارد المتاحة للوصول الحر. فهي تلتقط الظروف البدنية للبطولة، والقرارات التكتيكية للمدربين، والمساهمات الفردية لكل لاعب في تنسيق جاهز للتحليل.

مجموعة البيانات هذه متاحة الآن لأي شخص مهتم بعلوم الرياضة، مقدمة بتنسيقات يمكن استخدامها بواسطة برامج قواعد البيانات القياسية وأدوات تعلم الآلة. إنها تعمل كمعيار للباحثين الذين يرغبون في دراسة كيفية تأثير توسيع البطولة على اللعبة، أو كيف تؤثر البيئات المختلفة على أداء اللاعبين، أو كيفية بناء نماذج أفضل للتنبؤ بمستقبل كرة القدم. ومن خلال جعل هذه المعلومات مفتوحة وموثوقة، يزيل هذا العمل حاجزًا كبيرًا أمام العلماء والمحللين، مما يسمح لهم بالتركيز على الاكتشاف بدلاً من تنظيف البيانات. والنتي نتيجة لذلك هي سجل واضح وملموس لواحد من أكثر الأحداث الرياضية شعبية في العالم، محفوظ بطريقة تسم تسمح بسرد قصة كأس العالم 2026 ليس فقط من خلال اللقطات البارزة والعناوين الإخبارية، بل من خلال الحقائق الدقيقة والمترابطة للعبة نفسها.