أساليب التنقيب في البيانات: الطرق المعلمية واللامعلمية

ظهر مصطلح التنقيب في البيانات لأول مرة في منتصف التسعينات على يد Fayaad et al[13:17]، وکان مرتبطاً وقتها بتقنيين الخطوات التي يجب أن تسير عليها المنشأة لانتهاج تقنية التنقيب في البيانات؛ وهو ما يُعرف اليوم باسم عملية التنقيب في البيانات واکتشاف المعرفة. ثم انهالت البحوث لتساند هذا المدخل بتعديل تلک العملية وتقديم أساليب جديدة وتطويع أساليب قديمة لحل المشاکل وتوفيق النماذج واختبار مصداقيتها في ظل مجموعات البيانات الکبيرة. وقد لاقى ذلک قبولاً واسع الانتشار في المنظمات الکبرى في الغرب لأنها وجدت أن دخولها لهذا العالم يساعد في تحقيق أهدافها وتحسين مراکزها التنافسية بشکل کبير.
ومن أکثر العلوم التي ساهمت في علم التنقيب في البيانات علوم الإحصاء وتعليم الآلة ونظم المعلومات. وتُعد أساليب الشبکات العصبية وشجرة القرارات والعملية التحليلية الهرمية والانحدار اللامعلمي وتحليل التناظر من أکثر الأساليب الحديثة التي تُعد أساليب صريحة للتنقيب في البيانات. کما طُورت و/أو استُخدمت بعض الأساليب الإحصائية التقليدية مثل تحليل المکونات الرئيسة والتحليل العاملي وتحليل التمايز والتحليل العنقودي ونماذج البروبيت واللوجيت وطريقة أقرب الجيران والنماذج الجمعية المعممة والبرمجة الرياضية ودوال الانحدار المقسمة المتوائمة لتکّمل الأساليب الحديثة في عملية تحليل البيانات والتنقيب بها.
وکان من الطبيعي أن يواکب هذا التطور برمجيات جديدة تحتوي على تلک الأساليب الحديثة، ولکن استخدام هذه البرامج وبالتالي هذه الأساليب في البحوث العربية مازال في أضيق الحدود بسبب جدة هذه المواضيع وندرة منشوراتها باللغة العربية وبالتالي صعوبة فهمها. لذا، فقد أحجم معظم الباحثين عن تلک الأساليب في توفيق العلاقة بين المتغير التابع والمتغيرات المستقلة مستعينين بنموذج الانحدار الخطي المتعدد لسهولة فهمه واستخدامه. غير أن التطبيقات الحديثة أثبتت ضعف مصداقية نموذج الانحدار الخطي المتعدد في توفيق معظم المشاکل المعاصرة التي تتسم باللاخطية ووجود تفاعلات بين المتغيرات بفعل مجموعات البيانات الکبيرة. ويهدف هذا البحث إلى التعريف بهذه الأساليب سواء کانت معلمية أو لامعلمية أو نصف معلمية، والتعرف على التطبيقات الحديثة التي استُخدمت فيها تلک الأساليب بنجاح