الإحصاء المدرسي وجودة البيانات

مثال : ملف حضور يبدو سليما وليس كذلك

ملف حضور شهري بلا قيم ناقصة (اكتمال جيد) قد يخفي مع ذلك خللا خطيرا في الصحة : تلميذ مسجَّل كحاضر في يوم كان فيه غائبا فعليا، لأن الإدخال تم من الذاكرة لا من ورقة الحضور الأصلية. الاكتمال وحده لا يضمن أبدا جودة البيانات — الأبعاد الستة تُفحَص معا، لا فرادى.

ماذا تفعل حين يفشل بعد فحصك؟

• لا تُصحَّح القيمة المشكوك فيها بالتخمين — ارجع إلى المصدر الأصلي كلما أمكن ذلك فعليا.
• إن تعذَّر التحقق، ضع علامة توضح أن القيمة غير مؤكدة، بدل حذفها أو تخمينها صامتا.
• سجِّل البعد الذي فشل والسبب المحتمل، ليستفيد منه من يجمع البيانات في المرة القادمة.

1. القيم الناقصة : لا تُعوَّض بصفر تلقائيا

• الصفر قيمة مختلفة تماما عن «غير معروف» — لا تُعوَّض القيمة الناقصة بصفر أبدا بشكل تلقائي.
• حدِّد سبب النقص إن أمكن ذلك فعليا : عدم إجابة، خطأ في الجمع، أو حالة غير منطبقة أصلا.
• أعلِن بوضوح قاعدة التعامل مع القيم الناقصة عند حساب أي نسبة أو متوسط.
• راقِب إن كان النقص مركَّزا في فئة معينة بعينها — فقد يُحيِّز ذلك النتيجة النهائية دون أن يظهر ذلك في الرقم وحده.

2. إزالة التكرار

• حدِّد بدقة ما الذي يجعل سجلَّين يخصان الشخص أو الحدث نفسه، قبل حذف أي منهما.
• استعمل معرِّفا موثوقا بدل الاعتماد على تشابه الاسم وحده، كلما سمح الإطار المتاح بذلك.
• احتفظ دوما بقاعدة التنظيف أو سجل التحويل نفسه، حتى يمكن إعادة الفحص لاحقا عند الحاجة.
• ميِّز بدقة بين تكرار خاطئ فعلا وتكرار مشروع تماما — نفس التلميذ قد يستفيد فعليا من نشاطين مختلفين في السجل نفسه.

3. قواعد التحقق قبل قبول أي بيانات

• حدِّد نطاقات منطقية للأرقام والتواريخ منذ التصميم الأول للاستمارة.
• أنشئ قواعد ترابط منطقي : تاريخ المغادرة لا يسبق تاريخ التسجيل مثلا، بشكل آلي.
• استعمل قوائم مرجعية موحَّدة للشُّعَب والمستويات بدل الكتابة الحرة، كلما أمكن ذلك فعليا.
• أظهِر الخطأ للمستخدم لحظة الإدخال مباشرة، لا بعد أشهر من جمع البيانات.
• راجِع عينة من البيانات مقابل المصدر الأصلي بصورة دورية ومنتظمة.

1. أمثلة على تعريف البسط والمقام بدقة

2. خطوات حساب نسبة مدرسية دون تضليل

1. عرِّف البسط بدقة : من الذي نحسبه بالضبط، وفق أي معيار؟
2. عرِّف المقام بدقة : من هي الفئة المرجعية المؤهَّلة فعلا للدخول في هذه النسبة؟
3. اجعل الفترة الزمنية للحساب واضحة تماما لكل من البسط والمقام معا.
4. أزِل التكرارات عندما تكون وحدة العد الفرد نفسه، لا الاستمارة المملوءة.
5. اذكر مصدر البيانات وقاعدة معالجة القيم الناقصة، إن كان لها أثر فعلي على النتيجة.

واكتب دوما تعريف المؤشر بالكلمات الصريحة قبل إجراء أي حساب فعلي عليه، وتأكَّد أن البسط جزء منطقي من المقام فعلا، وأن الفترة والفئة متطابقتان بينهما — واعرض العدد المطلق إلى جانب النسبة نفسها كلما كان المقام صغيرا، حتى لا تبدو نسبة من عينة صغيرة مساوية في الأهمية لمجموعة كبيرة فعليا.

قواعد عملية تحسم الاختيار الصحيح : لا يُستعمَل المتوسط أبدا لمتغير اسمي بحت مثل «نوع المسلك الدراسي». والمنوال هو المقياس الوحيد من الثلاثة الذي يصلح حتى مع بعض المتغيرات النوعية غير القابلة للترتيب. وفي كل الحالات، اعرض عدد الحالات (n) إلى جانب أي مقياس تُبلِّغ عنه — فالاختيار الصحيح يتبع طبيعة السؤال ونوع المتغير نفسه، لا العادة أو السهولة الحسابية.

مثال رقمي : لماذا يضلِّل المتوسط هنا

معدلات سبعة تلاميذ في فرض : 8، 9، 10، 11، 12، 13، 95 (خطأ إدخال واضح لم يُصحَّح بعد). المتوسط الحسابي يقفز إلى نحو 22.6 — رقم لا يمثل أي تلميذ فعليا في الفوج. الوسيط يبقى عند 11، وهو الوصف الأصدق لأداء الأغلبية رغم وجود القيمة الشاذة. هذا المثال يوضح أيضا لماذا يُفحَص اكتمال وصحة البيانات (الفصل السابق) قبل حساب أي مقياس إحصائي عليها.

الرسم البياني وسيلة لاختصار نمط في البيانات، لكنه قد يغيّر الانطباع دون أن يغيّر رقما واحدا. لذلك يبدأ الرسم الجيد من السؤال ونوع المتغير، ويحافظ على المقام والمقياس والسياق، ويتيح للقارئ الرجوع إلى ما يكفي لفهم المقارنة.

اختيار الرسم حسب السؤال

قواعد تمنع التضليل

• العنوان والسياق: اذكر ما يُقاس، والفترة، والوحدة، والفئة أو العينة المعنية.
• المحاور والمقياس: لا تُخفِ قطع المحور أو تغيير المقياس. في الأعمدة، قطع محور القيمة قد يضخم فروقا صغيرة بصريا.
• النسب والمقامات: 20% لا تكفي إن كان عدد الحالات مجهولا أو المقام قد تغير بين الفترات.
• الفئات والترتيب: لا تجمع فئات بطريقة تخفي تباينا مهما، ولا تغير حدود الفئات بين رسوم المقارنة دون تنبيه.
• القيم المفقودة: بيّن إن كانت هناك حالات غير متاحة أو مستبعدة، لأن إخفاءها قد يغير الاستنتاج.
• البساطة: تجنب الأبعاد الثلاثية والزخارف التي تجعل مقارنة الأطوال أو المساحات أصعب.
• المصدر والميتاداتا: يكمل الرسمَ جدولٌ أو شرحٌ يوضح التعريفات والمنهج عندما يحتاج القارئ إلى تفسير أدق.

مثال مدرسي

إذا ارتفعت نسبة الغياب من 8% إلى 10%، فإن رسم عمودين بمحور يبدأ من 7.5% يجعل الفرق يبدو هائلا. العرض الأنسب يصرح بالمقياس ويذكر عدد المتعلمين والفترة: قد تكون النسبتان ناتجتين عن أحجام مختلفة أو عن تعريف مختلف للغياب. قبل تفسير الارتفاع، تُراجع البيانات الأصلية والتعريف والمقام والقيم المفقودة.

من الوصف إلى الاستنتاج

الرسم يصف النمط ولا يثبت سبب حدوثه. انخفاض الغياب بعد نشاط دعم لا يكفي وحده للقول إن النشاط سببه؛ فقد تتزامن معه تغيرات أخرى. الصياغة السليمة هي: «انخفض الغياب خلال الفترة التالية للنشاط»، ثم تُطلب أدلة إضافية قبل ادعاء علاقة سببية.

أخطاء شائعة

• الرسم قبل فحص جودة الجدول الأصلي.
• مقارنة نسب بلا أعداد أو مقامات.
• استعمال 3D أو مساحات زخرفية لتضخيم الفروق.
• إخفاء محور مقطوع أو فئات متغيرة.
• تحويل ارتباط بصري إلى تفسير سببي.

روابط داخلية للمراجعة

• الإحصاء وجودة البيانات
• تتبع المسار الدراسي
• تقييم حملات الإعلام والتوجيه
• حماية المعطيات

للتثبيت والمراجعة

• نوع الرسم يتبع السؤال ونوع المتغير.
• المقياس والمقام والفترة وحجم البيانات جزء من المعنى، لا تفاصيل شكلية.
• الرسم الواضح لا يعوض بيانات أصلية رديئة.
• الارتباط أو التتابع الزمني لا يكفيان لإثبات السببية.

• اجمع معرِّفات شخصية فقط إن كانت ضرورية فعلا للمتابعة الفردية للحالة.
• للتحليل العام، استعمل بيانات مجمَّعة أو منزوعة التعريف، كلما حقَّق ذلك الغرض المطلوب نفسه.
• انتبه للجداول الصغيرة جدا والفئات النادرة فيها — قد تكشف هوية أشخاص بعينهم حتى دون ذكر الاسم صراحة.
• لا تُنشَر أبدا قوائم نتائج أو هشاشة في قنوات عامة لمجرد سهولة الإرسال أو التوزيع.
• افصِل ملف الهوية عن ملف التحليل نفسه كلما كان ذلك مناسبا وممكنا عمليا.
• حدِّد بوضوح مدة الاحتفاظ بالبيانات، ومن يملك فعليا حق الوصول إليها.
• قيِّد الوصول لملفات المصدر الخام تحديدا — فهي أكثر حساسية دوما من أي جدول تجميعي مستخرج منها.

مثال : الخلية الوحيدة التي تكشف هوية صاحبها

جدول يعرض نتائج قسم مصنَّفة حسب الجنس والمستوى الاجتماعي معا : إن كانت إحدى الخلايا تضم تلميذا واحدا فقط، فرقمه المنشور فيها يُعرِّف عمليا بهويته الفعلية لكل من يعرف تركيبة القسم — رغم غياب أي اسم في الجدول. الحل العملي : دمج الفئات النادرة مع فئة أوسع، أو حجب الخلايا الصغيرة جدا قبل أي نشر.

الإطار القانوني

يخضع جمع ومعالجة المعطيات ذات الطابع الشخصي، بما فيها البيانات المدرسية، للقانون رقم 09.08 المتعلق بحماية الأشخاص الذاتيين تجاه معالجة المعطيات ذات الطابع الشخصي. المبادئ العملية أعلاه — الغرض المحدد، التناسب، الولوج المقيَّد، ومدة الحفظ — تترجم مباشرة متطلبات هذا القانون في السياق المدرسي اليومي.

1. تصميم استمارة إحصائية مدرسية

• ابدأ دوما بالقرار الذي ستدعمه البيانات فعليا — لا تجمع كل ما يمكن جمعه بلا هدف محدد.
• حدِّد وحدة الملاحظة بدقة : تلميذ، قسم، نشاط، أسرة، أو ملف إداري.
• استعمل تعريفات موحَّدة لكل متغير، حتى لا يفسِّرها كل جامع بيانات بطريقة مختلفة عن الآخر.
• حدِّد الحقول الإلزامية والمنطقية وقواعد التحقق منها قبل بدء جمع البيانات فعليا.
• اختبر الاستمارة على عينة صغيرة أولا، قبل تعميمها على النطاق الكامل.

2. التوثيق المنهجي للإحصاء

3. إدارة الإصدارات في ملف إحصائي

• احتفظ باسم وتاريخ إصدار واضحين دوما، ولا تستبدل النسخة النهائية بصمت دون إشعار.
• حدِّد بدقة من يملك صلاحية اعتماد النسخة الرسمية النهائية من الملف.
• سجِّل كل تعديل كبير وسببه الفعلي في سجل تتبع منفصل.
• لا تجمع أبدا أرقاما من نسخ مختلفة للملف دون توحيد نقطة القطع الزمنية بينها أولا.

1. عناصر لوحة القيادة الفعالة

2. قائمة فحص قبل نشر أي مؤشر أو إرساله للإدارة

• هل تعريف المؤشر مكتوب صراحة، وهل البسط والمقام والفترة موثَّقة بدقة؟
• هل عُولجت التكرارات والقيم المفقودة والقيم المستحيلة فعليا؟
• هل يتطابق المجموع الكلي مع تفاصيله الفرعية دون أي فارق غير مفسَّر؟
• هل يخلو العرض من أي بيانات شخصية غير لازمة فعلا لغرضه؟
• هل الرسم البياني المرفق لا يُضلِّل بأي شكل من الأشكال؟
• إن تغيَّرت المنهجية المستعملة، هل وُضعت علامة واضحة تمنع مقارنته المباشرة بسلسلة سابقة دون تنبيه؟

1. كيف تميِّز بين الاثنين؟

• قفزة مفاجئة في مؤشر ما قد تكون حدثا حقيقيا فعلا، أو مجرد تغيُّر في تعريف المتغير أو طريقة جمعه.
• قبل تفسير أي اتجاه ملحوظ، راجِع دوما التعريف والمصدر ونطاق التغطية أولا.
• إن تغيَّرت المنهجية المستعملة فعلا، ضع علامة «كسر سلسلة» واضحة، ولا تُقارِن كما لو لم يتغيَّر شيء إطلاقا.
• وثِّق أي تصحيح تجريه على البيانات، حتى لا يتكرر الخطأ نفسه في الإصدار التالي من الملف.

2. قاموس مصطلحات جودة البيانات

المراجع والمصادر

• وزارة التربية الوطنية والتعليم الأولي والرياضة — المذكرة رقم 098×25 بتاريخ 17 أكتوبر 2025 بشأن انطلاق عملية الإحصاء المدرسي 2025-2026: تحيين معطيات «مسار»، تدقيقها، المصادقة عليها، وضمان انسجام المخرجات الإحصائية.
• المندوبية السامية للتخطيط — مواد منهجية حول الإحصاء الرسمي وجودة البيانات.
• القانون رقم 09.08 — حماية الأشخاص الذاتيين تجاه معالجة المعطيات ذات الطابع الشخصي.
• اللجنة الوطنية لمراقبة حماية المعطيات ذات الطابع الشخصي (CNDP) — الضوابط العملية لحماية المعطيات الشخصية.