تقييم البيانات في البحث: الدقة ، الدقة وأنواع الأخطاء

عند دراسة البيانات العلمية أو مراجعتها ، من الضروري ومن الأهمية بمكان دراسة البيانات العلمية وتقييمها بعناية. تعتبر البيانات العلمية عاملاً حاسمًا في صنع السياسات ولها أيضًا تأثير عميق وبعيد المدى في إجراء البحوث. عند تقديمها بحسابات دقيقة ودقيقة ، فإن البيانات تقطع شوطًا طويلاً في جعل تقييم البيانات العلمية ناجحًا. عندما تكون القرارات مدعومة ببيانات علمية دقيقة ، فإنها تعطي مصداقية أكبر للبحث العلمي.

تعتمد دقة البيانات العلمية على دقة التجربة. يعطي تكرار التجربة مرارًا وتكرارًا بيانات أكثر دقة ومعلومات أكثر من البيانات التي تم جمعها عن طريق التجربة عدة مرات فقط. يتم تحقيق هذه البيانات من خلال تكرار نفس الخطوات مرارًا وتكرارًا عند التجربة. يؤدي تكرار التجربة إلى ظهور أخطاء غير متوقعة وإعطاء فرصة لنفيها. عندما تكون البيانات خالية من الأخطاء ، تصبح دقيقة وتعطي النتيجة التي كان من المتوقع تحقيقها من التجربة.

في البيانات العلمية ، مصطلحات مثل الأخطاء والدقة والدقة لها أهمية كبيرة. يجب فهمها ببعض التفاصيل من أجل فهم أفضل لكيفية عمل تقييم البيانات في البحث العلمي. أيضًا ، يجب فهم العلاقة بين هذه المصطلحات بطرق مختلفة ، لإنجاح البحث العلمي.

دقة

عندما يكون القياس دقيقًا ، يكون قريبًا جدًا من القيمة الحقيقية. القيمة الحقيقية هي القيمة غير المعروفة مسبقًا ، ولكنها عادة ما تكون القيمة المرغوبة التي يُتوقع تحقيقها. الدقة مثل ضرب عين الثور التي تستهدفها السهام في كل مرة يتم رميها. إذا أخطأ السهم في إصابة عين الثور وكان قريبًا بما يكفي لضربه ، فإنه يقيس دقة السهم. أي فرق بين القيمة الحقيقية والقيمة المقبولة هو خطأ.

خذ مثالا آخر ، على سبيل المثال. إذا كان حجم السائل سيؤخذ عند 100 مل ، وبدلاً من ذلك ، كان الحجم المقاس 98 مل ، فهو قريب جدًا من إعطاء دقة التجربة. يتم تعريف الدقة على أنها مدى قرب القياس من القيمة الحقيقية أو المقبولة. تتحقق الدقة بأخذ عدة قياسات وأخذ متوسط ​​قيم القياس. يمكن التعبير عن الاختلاف بين هذين إما بالإيجاب أو السالب. القيمة الموجبة هي أيضًا القيمة المطلقة ، وهي تقرأ بدرجة عالية. القيمة السالبة هي أيضًا القيمة المطلقة عندما تكون القراءة عند درجة منخفضة.

موصى به لك: علم البيانات مقابل الذكاء الاصطناعي - ما هي الاختلافات؟

كيفية قياس الدقة

يمكن أن تكون الدقة مطلقة أو نسبية. مرة أخرى ، يتم قياس الدقة من حيث الأخطاء أو الاختلافات في القيم. وهكذا نحصل على دقة مطلقة أو دقة نسبية.

الخطأ المطلق: الدقة المطلقة هي الفرق بين القيمة المقاسة والقيمة الحقيقية. إذا كانت القيمة المقاسة أقل من القيمة الحقيقية ، تكون النتيجة سالبة أو ناقصة. وعندما تكون القيمة المقاسة أعلى من القيمة الحقيقية أو الحقيقية ، تكون النتيجة موجبة أو قيمة موجبة. يمكن التعبير عن هذا أيضًا من خلال عملية حسابية بسيطة: الخطأ المطلق = القيمة المقاسة - القيمة الحقيقية.

الخطأ النسبي: يتم قياسه كنسبة مئوية. عندما يتم قسمة الخطأ المطلق على القيمة الحقيقية وضربه في 100 ، نحصل على نسبة مئوية من الخطأ النسبي. يتم التعبير عنها أيضًا بالأجزاء لكل ألف أو أجزاء في المليون ، حسب الحالة. وبالتالي ، يمكن الوصول إلى الخطأ النسبي من خلال الصيغ:

 الخطأ النسبي = {(القيمة المقاسة - القيمة الحقيقية) / القيمة الحقيقية} × 100٪

دقة

الدقة هي عامل آخر يؤثر على تقييم البيانات. يمكن القول على أنها القيم المتكررة التي تم تحقيقها في نفس الظروف وإجراء التجربة عدة مرات. في حالة لعبة السهام ، إذا استمرت النبلة في فقدان عين الثور ، واستمرت في ضرب نفس المكان ، بالقرب من عين الثور ، بشكل متكرر ، فهذا مقياس لمدى دقة السهام. للرجوع إلى التحليل العلمي ، الدقة هي عدد المرات التي تم فيها تحقيق نفس القياس. إذا كان من المتوقع أن يكون الحجم الحقيقي والمطلوب للسائل 100 مل ، وكل 10 مرات أجريت التجربة ، جاءت النتيجة إلى 80 مل ، ويمكن القول بأن البيانات دقيقة. لأن النتيجة كانت أن حجم السائل كان 80 مل ، وتحقق ذلك كل 10 مرات أجريت التجربة.

الدقة والدقة ليسا مصطلحات قائمة بذاتها ولكنهما مرتبطان ببعضهما البعض. يتم التعبير عن هذا من حيث الأخطاء. تحدث الأخطاء بسبب وجود أدوات معيبة وكذلك بسبب البشر. يمكن تصنيفها أيضًا على أنها أخطاء منهجية وأخطاء عشوائية. يعتبر فهم الأخطاء طريقة أفضل لفهم شروط الدقة والدقة.

خطأ منهجي

الأخطاء التي تسببها الأدوات المعيبة المأخوذة لتجربة ما أو استخدام أدوات قديمة وعفا عليها الزمن للقياسات هي أخطاء منهجية. على سبيل المثال ، استخدام المقاييس الصدئة والقديمة. عادة لا تكون الأخطاء المنهجية خطأ من جانب الشخص الذي يقيس التجارب أو يقوم بها. هو خطأ في النظام أو الإعداد المستخدم الذي يسبب الخطأ. يمكن تصحيح هذا الخطأ عن طريق استبدال القديم بالجديد ، وتعديل وتصحيح الأنظمة المستخدمة.

لوحة dartboard ، على سبيل المثال ، مثبتة بزاوية ، مثل استمرار اصطدام السهام بالجانب الأيسر هو خطأ منهجي ، وإعادة تنظيم لوحة dartboard ستصحح هذا الخطأ. يمكن استبدال مقياس قياس صدئ وقديم بمقياس جديد ، بحيث تكون العلامات جريئة ومرئية ، ويصحح الخطأ. ولكن إذا أجريت قياسات متعددة من مسطرة قديمة ، وأخذت متوسط ​​القياسات ، فستكون النتيجة بعيدة عن القيمة الحقيقية.

يمكن أن تكون الأخطاء المنهجية:

• أخطاء في الحسابات.
• أخذ درجات حرارة غير صحيحة.
• الفقد الميكانيكي للمواد في مراحل مختلفة.
• تم استخدام مواد غير نقية في التحليل.
• أخطاء في أخذ القراءات.
• لم يتم معايرة الأدوات بشكل صحيح.
• أذرع ذات أطوال غير متساوية.
• دخول المواد الأجنبية في التجربة.
• استخدام مواد كيميائية غير نقية لإجراء تجربة.

قد ترغب في: تطبيق البيانات الضخمة لصالح إعلانات وسائل التواصل الاجتماعي الخاصة بك.

خطأ عشوائي

الأخطاء العشوائية أسهل نسبيًا في تصحيحها. هذا الخطأ هو نوع من الخطأ البشري ، وخطأ في الحكم ، من جانب الأشخاص الذين يأخذون القراءات ، أو يقومون بالتجربة. سيكون أخذ قراءات متعددة ، ثم الوصول إلى رقم متوسط ​​أقرب إلى القيمة الحقيقية.

شخصيات مهمة

الرقم الدلالة هو رقم ذو قيمة عملية. من خلال فهم مفهوم ما إذا كان الرقم يحتوي على أرقام معنوية ، يمكننا رؤية بعض القواعد. هذه القواعد قابلة للتطبيق للتعرف على الأرقام ذات القيمة العملية والأرقام التي ليس لها قيمة عملية ، ومكانها في رقم لا يؤثر عليها بأي شكل من الأشكال. هذه القواعد هي:

• الأرقام التي ليست "أصفار" دائمًا ما تكون ذات دلالة. على سبيل المثال ، 269 هو رقم ذو دلالة.
• الأصفار في البداية ليست مهمة. على سبيل المثال ، 0.065.
• الأصفار الأسيرة مهمة. على سبيل المثال ، 2.0085.
• إذا كان الرقم يحتوي على نقاط عشرية ، والأصفار متأخرة خلف الرقم ، فإن الرقم يكون مهمًا. على سبيل المثال ، 3.65800.
• يمكن أن يكون الصفر رقمًا مهمًا أو لا يمكن أن يكون كذلك. يعتمد ذلك على مكان وضعها في رقم. على سبيل المثال ، في 15.0002598 أو 25.365100 ، تعتبر الأصفار أرقامًا مهمة. الصفر قبل الفاصلة العشرية ، على سبيل المثال ، 0.00258 هناك ثلاثة أرقام معنوية فقط ، حيث إن الأصفار ليس لها أي قيمة عملية.

علاوة على ذلك ، يتم تحديد الأرقام المهمة أيضًا من خلال مجموعة من القواعد ، وهي:

• يتم تقريب الجمع / الطرح إلى أقل عدد من المنازل العشرية.
• يتم تقريب الضرب / القسمة إلى أقل عدد من الأرقام المعنوية.
• يتم تقريب اللوغاريتمات بحيث تتطابق العديد من الأرقام المهمة في الإدخال مع عدد الكسور العشرية في النتيجة.
• يتم تقريب الأُس إلى اليقين في الأساس فقط.
• يتم وضع الأصفار اللاحقة بعد منزلة عشرية بعد الرقم. على سبيل المثال ، 1200.
• تدور حول الخطوة الأخيرة. يتبع الأقواس عندما يكون قابلاً للتطبيق.

حساب وحاسبة أرقام كبيرة

الآلات الحاسبة الجيدة لها حاسبة الأرقام المهمة الخاصة بها ، وهي تحسب وتحسب عدد الأرقام المهمة التي يحملها الرقم.

ما العوامل والوظائف التي تدعمها حاسبة الأرقام المهمة؟

• الدوال الحسابية مثل الجمع (+) ، الطرح (-) ، القسمة (/ أو ÷) ، الضرب (* أو x) ، الأس (^).
• رموز المجموعة مثل ().
• وظائف مثل log n ، ln n.
• الثوابت مثل pi، e.

قد يعجبك أيضًا: التنقيب عن التكنولوجيا في البيانات العميقة: البحث عن كنز عالمي حقيقي.

كيفية استخدام حاسبة الأرقام المهمة من أجل دقة النتائج؟

عند حساب حاسبة الأرقام المهمة في بعض الأحيان ، تكون بيانات النتيجة غير دقيقة. لذلك ، للحصول على دقة أكبر في البيانات ، ضع # في نهاية الرقم. على سبيل المثال ، 6.24 #.

 مثال: 10.00698 ÷ 13.6 = 0.736 (الأرقام المهمة 3).

 10.00698 ÷ 13.6 # = 0.7358074 (الأرقام المهمة 7).

يؤدي إلحاق الرمز # في نهاية الرقم إلى نتائج أكثر دقة من مجرد وضع رقم. الأرقام المهمة هي مجرد وسيلة لإعطاء دقة أكبر في القياسات والحسابات. من خلال تطبيق القواعد المذكورة أعلاه في حساب الرقم المعنوي ، يمكن للمستخدمين أن يكونوا أكثر دقة في الوصول إلى النتائج. إنه قابل للتطبيق في جميع مجالات الحسابات العلمية وله تأثير وثيق الصلة ومباشر على تقييم البيانات العلمية.