You Have More Data Than You Think: Optimizing Machine Learning in Tabular Social Science Datasets Through Augmentation and Linkage
تُفصّل هذه الورقة كيف حقق المؤلفون أداءً فائقاً في تحدي بيانات "التنبؤ بالخصوبة" (Predicting Fertility) عبر توظيف استراتيجيتين لهندسة البيانات —وهما تعزيز البيانات بالإزاحة الزمنية لزيادة حجم العينة، والربط بين الشركاء لتوسيع مجموعات الميزات— مما يبرهن على فعاليتها في تحسين تعلم الآلة على مجموعات البيانات الاجتماعية العلمية ذات الجداول.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
رحلة البحث عن البيانات العظمى: لماذا يساعد وجود المزيد من العيون على المشكلة
تخيل أنك تحاول تخمين نهاية رواية غموض، لكن ليس لديك سوى ثلاث صفحات فقط للعمل بها. قد تضع تخميناً جامحاً، لكنك على الأرجح ستخطئ. الآن، تخيل لو كان بإمكانك سحرياً العثور على ثلاث نسخ أخرى من نفس الكتاب، ولكنها كُتبت في سنوات مختلفة قليلاً. حتى لو تغيرت ملابس الشخصيات قليلاً أو تغير الطقس، فإن القصة الجوهرية — شخصياتهم، وعلاقاتهم، ودوافعهم — ستظل على الأرجح كما هي. ومن خلال قراءة النسخ الأربع، ستكون لديك فرصة أفضل بكثير للتنبؤ بالنهاية. هذا هو جوهر تعلم الآلة (machine learning)، وهو فرع من علوم الحاسوب حيث تتعلم الحواسيب كيفية رصد الأنماط وتقديم التنبؤات، تماماً مثل المحقق الذي يحل قضية ما.
ومع ذلك، في عالم العلوم الاجتماعية — دراسة كيفية عيش الناس، وحبهم، واتخاذهم للخيارات — غالباً ما يعاني المحققون لأنهم لا يملكون ما يكفي من "الصفحات". فالمسوحات والدراسات غالً ما تحتوي على عدد قليل جداً من الأشخاص للمراقبة، مما يجعل من الصعب على الحواسيب تعلم قواعد السلوك البشري. وهنا يأتي مفهوم تعزيز البيانات (data augmentation). فكر في الأمر كوسيلة لمد قطعة صغيرة من العجين لتصبح رغيفاً أكبر دون إضافة مكونات جديدة. فبدلاً من الانتظار حتى ينضم المزيد من الناس إلى الدراسة، يحاول الباحثون إعادة ترتيب البيانات التي لديهم بذكاء لجعلها تبدو وكأن هناك المزيد من الناس أو المزيد من المعلومات المتاحة. السؤال الكبير هو: هل يمكننا خداع الحاسوب ليتعلم بشكل أفضل من خلال إعطائه بيانات "أكثر"، حتى لو كانت هذه البيانات مجرد نسخة معاد ترتيبها بذكاء لما عرفناه بالفعل؟
قصة الورقة البحثية: تمديد الزمن وربط الشركاء
في دراسة حديثة، تناول الباحثان هانزانغ رين وإميلي م. كانتريل هذه المشكلة تحديداً أثناء مشاركتهما في مسابقة عالمية تسمى PreFer (التنبؤ بالخصوبة). كان التحدي بسيطاً ولكنه صعب: التنبؤ بما إذا كان الشخص في هولندا سيحظى بطفل جديد (عن طريق الولادة أو التبني) بين عامي 2021 و2023. والعقبة؟ كانت البيانات التي لديهم عبارة عن مسح شمل 987 شخصاً فقط. وهذا جمهور ضئيل جداً لحاسوب يحاول تعلم القواعد المعقدة للتخطيط العائلي.
لم يخترع الباحثان "دماغ حاسوبي" جديداً فائق التعقيد. بدلاً من ذلك، استخدما خدعتين ذكيتين لجعل بياناتهما الحالية تبدو أكبر وأغنى بكثير. أطلقتا على هاتين الخدعتين اسم "تعزيز البيانات عبر إزاحة الوقت" و "ربط الشريك".
الخدعة رقم 1: آلة الزمن (تعزيز البيانات عبر إزاحة الوقت)
تخيل أن لديك مذكرات حيث كتبت أفكارك كل عام. إذا كنت تريد التنبؤ بما ستفعله العام المقبل، فعادة ما تنظر فقط إلى مدونتك الأخيرة. ولكن ماذا لو كان بإمكانك التظاهر بأن مدونتك من قبل ثلاث سنوات قد كُتبت بالأمس؟
فعل الباحثون ذلك بالضبط. لقد أخذوا بيانات من الفترة 2018-2020 و"أزاحوها زمنياً" للأمام لتبدو وكأنها من الفترة 2021-2023. لم يكتفوا بالنسخ واللصق؛ بل قاموا بتعديل الأرقام بعناية. على سبيل المثال، إذا ولد شخص في عام 1987، فقد غيروا السجل ليقول إنه ولد في عام 1990، ليتناسب عمره مع الجدول الزمني الجديد. كما قاموا بتعديل القيم المالية لمراعاة التضخم، تماماً مثل تحديث ملصق السعر من عام 2018 إلى عام 2023.
من خلال القيام بذلك، حولوا الـ 987 شخصاً الأصليين إلى 2,839 "شخصاً" ليدرسهم الحاسوب. الأمر يشبه أخذ مجموعة صغيرة من الممثلين وطلب منهم لعب نفس الأدوار في عام مختلف قليلاً، مما يعطي الحاسوب ثلاثة أضعاف الأمثلة للتعلم منها. والنتيجة؟ تحسنت تنبؤات الحاسوب. ارتفła درجة دقة النموذج (التي تسمى ) من 0.543 إلى 0.581. لم يكن حلاً سحرياً، لكنه كان تحسناً ملموساً، مما يشير إلى أن امتلاك المزيد من الأمثلة يساعد الحاسوب حقاً في تعلم أنماط السلوك البشري.
الخدعة رقم 2: صلة الصديق المقرب (ربط الشريك)
كانت الخدعة الثانية تتعلق بالنظر إلى الصورة الكاملة، وليس فقط إلى شخص واحد. في العديد من المسوحات، يتم إدراج الزوج والزوجة في أسطر منفصلة. إذا كان الحاسوب يحاول التخمين ما إذا كنت أنت ستنجب طفلاً، فإنه عادة ما ينظر فقط إلى إجاباتك. ولكن في الحياة الواقعية، غالباً ما يقرر الأزواج إنجاب الأطفال معاً.
بنى الباحثون جسراً بين هذه الأسطر المنفصلة. فقد ربطوا بيانات الشخص ببيانات شريكه أو شريك حياته. إذا أجاب شريك الشخص عن أسئلة تتعلق بالرغبة في إنجاب طفل، فقد تمت إضافة تلك الإجابة إلى ملف الشخص. فجأة، لم يعد الحاسوب ينظر فقط إلى أفكار شخص واحد؛ بل أصبح يرى الأفكار المشتركة للزوجين.
أضاف هذا "قرائن" جديدة للغز. وعندما استخدموا بيانات الشريك هذه، ارتفعت درجة الدقة مرة أخرى، من 0.543 إلى 0.557. كانت القفزة أصغر من "آلة الزمن"، لكنها أظهرت أن معرفة ما يفكر فيه شريكك أمر مهم.
القوة المشتركة
حدث السحر الحقيقي عندما استخدموا الخدعتين معاً. من خلال إزاحة البيانات زمنياً وربط الشركاء، ارتفعت درجة دقة الحاسوب إلى 0.591. حسن هذا النهج المزدوج النموذج بمقدار 0.047 مقارنة بالبيانات الأصلية.
لإعطاء منظور لهذا الأمر، قارن الباحثون "خدع البيانات" الخاصة بهم بطرق أخرى لتحسين النموذج. ووجدوا أن خدعهم المشتركة كانت مفيدة تقريباً مثل قضاء ساعات في ضبط إعدادات الحاسوب بدقة (وهي عملية تسمى ضبط المعلمات الفائقة - hyperparameter tuning). في الواقع، كان التحسن الناتج عن خدع البيانات الخاصة بهم كبيراً تقريباً مثل الفجوة بين نموذجهم الفائز والمركز الثاني في المسابقة.
ماذا يعني هذا (وما لا يعنيه)
تشير الدراسة إلى أنه في العلوم الاجتماعية، حيث تكون البيانات شحيحة غالباً، قد نمتلك معلومات أكثر مما نظن. فنحن لا نحتاج دائماً لانتظار مسوحات جديدة؛ يمكننا أحياناً الحصول على نتائج أفضل من خلال إعادة تشكيل القديم ببراعة.
ومع ذلك، يحذر المؤلفون من القول بأن هذا حل مثالي لكل مشكلة. فهم يشيرون إلى أنه إذا تغير العالم كثيراً بمرور الوقت (مثل حدوث جائحة)، فإن خدعة "إزاحة الوقت" قد تربك الحاسوب لأن الأنماط القديمة لن تتناسب مع الواقع الجديد. كما يشيرون أيضاً إلى أنه إذا كانت الدراسة تحتوي بالفعل على كمية ضخمة من البيانات، فقد لا يفيد إضافة المزيد من الصفوف "الوهمية". وبالنسبة لبعض المواضيع، قد لا تهم معرفة رأي الشريك على الإطلاق.
ولكن بالنسبة للتحدي المحدد المتمثل في التنبؤ بالخصوبة في هولندا، فإن الرسالة واضحة: لديك بيانات أكثر مما تعتقد. من خلال تمديد الزمن وربط الشركاء، يمكن للباحثين منح حواسيبهم رؤية أفضل للقصة الإنسانية، مما يؤدي إلى تنبؤات أكثر دقة وفهم أعمق لكيفية نمو العائلات.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.