جرف البيانات: مخاطر التلاعب الإحصائي والنتائج المضللة

جرف البيانات (Data Dredging)

يُعرف جرف البيانات، أو ما يسمى أيضاً بـ "تجسس البيانات" (Data Snooping) أو "تلاعب القيمة الاحتمالية" (p-hacking)، بأنه سوء استخدام لتحليل البيانات بهدف العثور على أنماط يمكن تقديمها على أنها ذات دلالة إحصائية، مما يؤدي إلى زيادة كبيرة في مخاطر النتائج الإيجابية الكاذبة. يتم ذلك من خلال إجراء العديد من الاختبارات الإحصائية على مجموعة بيانات واحدة، ثم الإبلاغ فقط عن تلك النتائج التي تظهر دلالة إحصائية، مع تجاهل النتائج غير المهمة.

كيفية عمل جرف البيانات

تتضمن عملية جرف البيانات اختبار فرضيات متعددة باستخدام مجموعة بيانات واحدة من خلال البحث الشامل عن مجموعات من المتغيرات التي قد تظهر ارتباطاً، أو البحث عن مجموعات من الحالات أو الملاحظات التي تظهر اختلافات في متوسطاتها أو توزيعاتها.

تعتمد الاختبارات التقليدية للدلالة الإحصائية على احتمالية ظهور نتيجة معينة بمحض الصدفة. وعند إجراء عدد كبير من الاختبارات، من المؤكد تقريباً أن بعضها سينتج نتائج مضللة. على سبيل المثال، إذا تم اختبار 100 فرضية عشوائية عند مستوى دلالة 5%، فمن المتوقع أن تظهر 5 منها كـ "ذات دلالة إحصائية" بمحض الصدفة فقط.

أنواع وممارسات جرف البيانات

استخلاص الاستنتاجات من البيانات

في الإجراء الإحصائي السليم، يتم صياغة فرضية البحث أولاً (مثل: "الأشخاص في الطبقات الاجتماعية الأعلى يعيشون لفترة أطول")، ثم يتم جمع البيانات ذات الصلة، وأخيراً يتم إجراء اختبار الدلالة الإحصائية. النقطة الجوهرية هنا هي اختبار الفرضية باستخدام بيانات لم تُستخدم في بناء الفرضية نفسها.

إذا تم بناء الفرضية بناءً على البيانات الموجودة ثم تم اختبارها على نفس تلك البيانات، فإن التأكيد يكون بلا معنى. على سبيل المثال، إذا رميت عملة معدنية خمس مرات وظهر "الوجه" مرتين و"الظهر" ثلاث مرات، قد تفترض أن العملة تميل للظهر بنسبة 3/5. لكن إذا اختبرت هذه الفرضية على نفس الرميات الخمس، فإن النتيجة ستكون مؤكدة ولكنها مضللة، لأنها تعكس صدفة في عينة صغيرة وليست قاعدة عامة.

التوقف الاختياري (Optional Stopping)

التوقف الاختياري هو ممارسة جمع البيانات حتى يتم الوصول إلى معيار توقف معين (مثل الوصول إلى قيمة p-value معينة). ورغم أنها قد تكون إجراءً صالحاً في سياقات معينة، إلا أنها تُساء استخدامها بسهولة.

المشكلة تكمن في أن القيمة الاحتمالية (p-value) في الاختبارات ذات التوقف الاختياري تكون أكبر مما تبدو عليه. إذا سُمح للباحث بالاستمرار في جمع البيانات والتوقف فور ظهور نتيجة ذات دلالة إحصائية، فإنه يمكن الوصول إلى أي مستوى دلالة مطلوب حتى لو كانت الفرضية الصفرية صحيحة.

تأثير جرف البيانات على النزاهة العلمية

يعد جرف البيانات مثالاً على تجاهل مشكلة "المقارنات المتعددة". عندما يتم مقارنة المجموعات الفرعية دون إبلاغ القارئ عن العدد الإجمالي للمقارنات التي تم فحصها، فإن ذلك يعد ممارسة بحثية مشكوكاً فيها تقوض النزاهة العلمية وتؤدي إلى نشر نتائج لا يمكن تكرارها في دراسات أخرى.