0:00:00.107,0:00:03.926
♪ [موسيقى] ♪

0:00:20.880,0:00:22.077
[توماس ستراتمان] مرحباً!

0:00:22.077,0:00:24.268
في السلسلة القادمة من مقاطع الفيديو

0:00:24.268,0:00:26.858
سنمنحك أداة جديدة مميزة

0:00:26.858,0:00:30.414
لوضعها في مربع أدوات فهم البيانات:

0:00:30.414,0:00:31.981
الانحدار الخطي.

0:00:32.885,0:00:34.668
لنفترض أن لديك هذه النظرية.

0:00:34.668,0:00:37.249
لقد شاهدت كيف يحصل الأشخاص[br]ذوو المظهر الجيد

0:00:37.249,0:00:39.067
على امتيازات خاصة.

0:00:39.642,0:00:40.878
مما يجعلك تتسائل،

0:00:40.878,0:00:43.798
"في أي مكان آخر يمكن أن نرى هذه الظاهرة؟"

0:00:44.132,0:00:45.637
ماذا عن الأساتذة؟

0:00:45.637,0:00:48.259
هل من الممكن أن يحصل الأساتذة [br]ذوو المظهر الجيد

0:00:48.259,0:00:50.010
على امتيازات خاصة أيضًا؟

0:00:50.350,0:00:53.899
هل من الممكن أن يعاملهم الطلاب بشكل أفضل

0:00:53.899,0:00:57.209
من خلال منحهم بتقييمات أفضل للطلاب؟

0:00:57.866,0:01:00.467
إذا كان الأمر كذلك،

0:01:00.467,0:01:03.573
فهل تأثير المظهر على التقييمات[br]كبير جدا أم صغير جدا؟

0:01:04.159,0:01:07.519
ونقول أن هناك أستاذًا جديدً[br]يبدأ في الجامعة.

0:01:07.519,0:01:08.759
[رجل] كيف حالك يا صاح.

0:01:08.759,0:01:11.810
ماذا يمكننا أن نتنبأ عن تقييمه

0:01:11.810,0:01:13.371
بساطة من خلال مظهره؟

0:01:13.940,0:01:17.216
بالنظر إلى أن هذه التقييمات[br]يمكن أن تحدد زيادة الأجور

0:01:17.671,0:01:21.709
إذا كانت هذه النظرية صحيحة،[br]فقد نرى الأساتذة يلجأون

0:01:21.709,0:01:24.519
إلى بعض التكتيكات المفاجئة لتعزيز درجاتهم.

0:01:24.519,0:01:25.731
[لويد كريسماس] أجل!

0:01:25.731,0:01:27.461
لنفترض أنك أردت معرفة

0:01:27.461,0:01:30.801
ما إذا كانت التقييمات[br]تتحسن حقًا بمظهر أفضل.

0:01:31.441,0:01:34.450
كيف ستشرع في اختبار هذه الفرضية؟

0:01:34.956,0:01:36.552
يمكنك جمع البيانات.

0:01:36.761,0:01:40.025
أولاً، ستطلب من الطلاب[br]تقييم مدى جمال مظهر الأستاذ

0:01:40.025,0:01:42.076
على مقياس من 1 إلى 10

0:01:42.076,0:01:44.807
مما يمنحك متوسط ​​درجة جمال.

0:01:45.229,0:01:48.552
ثم يمكنك استرداد تقييمات

0:01:48.552,0:01:50.421
التدريس الخاصة بالمعلم

0:01:50.421,0:01:53.273
من خمسة وعشرين طالبًا.

0:01:53.273,0:01:54.738
لنلقِ نظرة على هذين المتغيرين

0:01:54.981,0:01:57.419
في نفس الوقت باستخدام مخطط التشتت.

0:01:57.852,0:02:00.589
سنضع الجمال على محور x[br]وتقييمات المعلم على محورy.

0:02:01.223,0:02:04.903
فعلى سبيل المثال تمثل هذه[br]النقطة الأستاذ الدكتور Peate

0:02:04.903,0:02:06.423
[Bib Fortuna] De wana wanga

0:02:06.423,0:02:08.811
الذي حصل على درجة جمال 3

0:02:08.811,0:02:11.866
وتقييم 8.425.

0:02:12.084,0:02:14.958
ثمة طريقة للخروج[br]وهي الأستاذ هيلمتشن.

0:02:14.958,0:02:16.797
ياللسخرية من حسن المظهر!

0:02:16.797,0:02:18.721
الذين حصلوا على[br]درجة جمال عالية جدًا

0:02:18.721,0:02:20.872
لكن ليس تقييمًا جيدًا.

0:02:21.101,0:02:22.283
هل يمكنك رؤية الاتجاه؟

0:02:22.283,0:02:25.533
بينما ننتقل من اليسار إلى اليمين[br]على المحور الأفقي

0:02:25.533,0:02:27.963
من القبيح إلى الرائع،

0:02:27.963,0:02:31.186
نرى اتجاهًا صعوديًا في درجات التقييم.

0:02:31.870,0:02:35.174
بالمناسبة، البيانات التي نستكشفها

0:02:35.174,0:02:38.923
في هذه السلسلة ليست مفتعلة -[br]إنها تأتي من دراسة حقيقية

0:02:38.923,0:02:40.897
أجريت في جامعة تكساس.

0:02:41.337,0:02:46.023
إذا كنت تتساءل، فإن كلمة "pulchritude"

0:02:46.023,0:02:47.880
فهي مجرد طريقة أكاديمية لتعريف الجمال.

0:02:48.405,0:02:51.474
باستخدام المخططات المبعثرة،[br]قد يكون من الصعب أحيانًا

0:02:51.474,0:02:55.594
تحديد العلاقة الدقيقة بين متغيرين

0:02:55.594,0:02:59.104
خاصةً عندما ترتد القيم قليلاً

0:02:59.104,0:03:01.318
أثناء انتقالنا من اليسار إلى اليمين.

0:03:02.000,0:03:04.908
تتمثل إحدى طرق تجاوز هذا الارتداد

0:03:04.908,0:03:08.144
في رسم خط مستقيم عبر سحابة البيانات

0:03:08.144,0:03:10.775
بطريقة يلخص فيها هذا الخط البيانات

0:03:10.775,0:03:12.613
بأكبر قدر ممكن.

0:03:13.295,0:03:17.181
المصطلح الفني لهذا هو "الانحدار الخطي".

0:03:17.669,0:03:20.888
سنتحدث لاحقًا عن كيفية إنشاء هذا الخط،

0:03:20.888,0:03:24.278
ولكن في الوقت الحالي يمكننا افتراض

0:03:24.278,0:03:26.456
أن الخط يناسب البيانات قدر الإمكان.

0:03:27.087,0:03:29.536
إذن، ماذا يمكن أن يخبرنا هذا الخط؟

0:03:30.067,0:03:32.596
أولاً، نرى على الفور

0:03:32.596,0:03:35.358
ما إذا كان الخط يتجه لأعلى أو لأسفل.

0:03:36.107,0:03:39.827
في مجموعة بياناتنا[br]نراه يتجه لأعلى.

0:03:40.794,0:03:43.807
وبذلك يؤكد ما توقعناه سابقًا

0:03:43.807,0:03:45.587
بمجرد النظر إلى مخطط التشتت.

0:03:46.070,0:03:50.237
يعني المنحدر التصاعدي وجود ارتباط إيجابي

0:03:50.237,0:03:53.026
بين المظهر ودرجات التقييم.

0:03:53.544,0:03:55.907
بمعنى آخر، في المتوسط​​،

0:03:55.907,0:03:59.469
يحصل الأساتذة ذوو المظهر الأفضل[br]على تقييمات أفضل.

0:03:59.768,0:04:03.939
بالنسبة لمجموعات البيانات الأخرى،[br]قد نرى ارتباطا إيجابيا أقوى.

0:04:04.377,0:04:07.420
أو قد ترى ارتباطًا سلبيًا.

0:04:07.857,0:04:10.764
أو ربما لا يوجد ارتباط على الإطلاق.

0:04:11.158,0:04:13.903
ولا يجب أن تكون خطوطنا مستقيمة.

0:04:14.389,0:04:17.304
يمكنهم الانحناء لملاءمة[br]البيانات عند الضرورة.

0:04:17.770,0:04:21.262
يمنحنا هذا الخط أيضًا[br]طريقة للتنبؤ بالنتائج.

0:04:21.579,0:04:25.569
يمكننا ببساطة الحصول على درجة الجمال

0:04:25.569,0:04:28.429
وقراءة ما ستكون عليه[br]نتيجة التقييم المتوقعة.

0:04:28.429,0:04:30.229
لذا، بالعودة إلى أستاذنا الجديد.

0:04:30.229,0:04:31.297
[لويد] تبدو مألوفة؟

0:04:31.297,0:04:34.109
يمكننا أن نتوقع بدقة درجة تقييمه.

0:04:34.683,0:04:36.749
"ولكن انتظر! انتظر!" يمكنك القول.

0:04:37.019,0:04:38.749
"هل يمكننا الوثوق بهذا التوقع؟"

0:04:39.233,0:04:41.665
إلى أي مدى يتنبأ

0:04:41.665,0:04:43.515
متغير الجمال هذا بالتقييمات؟

0:04:44.844,0:04:47.890
يمنحنا الانحدار الخطي[br]بعض الإجراءات المفيدة

0:04:47.890,0:04:49.770
للإجابة على تلك الأسئلة

0:04:49.770,0:04:52.039
التي سنغطيها في فيديو مستقبلي.

0:04:52.838,0:04:55.439
علينا أيضًا أن نكون على[br]دراية بالمزالق الأخرى

0:04:55.439,0:04:58.340
قبل أن نستخلص أي استنتاجات محددة.

0:04:58.833,0:05:00.430
يمكنك أن تتخيل سيناريو

0:05:00.430,0:05:03.639
حيث يكون الدافع وراء الارتباط

0:05:03.639,0:05:06.900
الذي نراه هو في الحقيقة متغير ثالث تركناه.

0:05:07.344,0:05:09.965
على سبيل المثال،[br]قد تكون صعوبة الدورة التدريبية

0:05:09.965,0:05:12.456
وراء الارتباط الإيجابي

0:05:12.456,0:05:15.645
بين تقييمات الجمال ودرجات التقييم.

0:05:16.052,0:05:18.956
الدورات التمهيدية السهلة[br]تحصل على تقييمات جيدة.

0:05:19.228,0:05:22.972
الدورات التدريبية الأكثر صعوبة[br]والأكثر تقدمًا تحصل على تقييمات سيئة.

0:05:23.660,0:05:27.668
وقد يتم تعيين الأساتذة الأصغر سنًا[br]في الدورات التمهيدية.

0:05:28.080,0:05:32.095
بعد ذلك، إذا حكم الطلاب[br]على الأساتذة الأصغر سنًا

0:05:32.095,0:05:34.335
بأنهم أكثر جاذبية،

0:05:34.335,0:05:37.383
فستجد ارتباطًا إيجابيًا بين[br]تقييمات الجمال ودرجات التقييم.

0:05:37.861,0:05:40.388
لكن صعوبة الدورة التدريبية حقًا،

0:05:40.388,0:05:43.537
المتغير الذي تركناه، وليس الجمال

0:05:43.537,0:05:45.848
هو الذي يقود درجات التقييم.

0:05:46.346,0:05:49.807
في هذه الحالة [br]سيكون كل التمهيدي عبثًا -

0:05:50.289,0:05:53.620
حالة من الارتباط الخاطئ للسببية -

0:05:53.620,0:05:54.900
[لويد] انتظر لحظة.

0:05:54.900,0:05:58.166
شيءً سنتحدث عنه أكثر في فيديو لاحق.

0:05:58.922,0:06:02.069
وماذا لو كانت هناك متغيرات مهمة أخرى

0:06:02.069,0:06:05.781
تؤثر على تصنيفات الجمال ونتائج التقييم؟

0:06:06.626,0:06:09.575
قد ترغب في إضافة اعتبارات[br]مثل المهارة والعرق والجنس

0:06:09.846,0:06:14.577
وما إذا كانت اللغة الإنجليزية[br]هي اللغة الأم للمعلم

0:06:14.577,0:06:18.994
لعزل تأثير الجمال على التقييمات[br]بشكل أكثر وضوحًا.

0:06:19.408,0:06:21.758
عندما ندخل في انحدار متعدد،

0:06:21.758,0:06:24.477
سنكون قادرين على قياس

0:06:24.477,0:06:26.219
تأثير الجمال على تقييمات المعلم

0:06:26.219,0:06:28.368
مع مراعاة المتغيرات الأخرى

0:06:28.368,0:06:30.737
التي قد تربك هذا الارتباط.

0:06:31.762,0:06:35.509
بعد ذلك، سوف نتسخ أيدينا[br]من خلال اللعب بهذه البيانات

0:06:35.509,0:06:39.070
لاكتساب فهم أفضل لما يمكن[br]أن يخبرنا به هذا الخط.

0:06:41.169,0:06:42.445
[الراوي] مبروك!

0:06:42.445,0:06:45.247
أنت على بعد خطوة واحدة

0:06:45.568,0:06:47.139
من أن تكون نينجا بيانات!

0:06:47.139,0:06:48.700
ومع ذلك لإتقان هذا، ستحتاج إلى

0:06:48.700,0:06:50.404
تقوية مهاراتك ببعض أسئلة التدريب.

0:06:50.865,0:06:53.976
جاهز لمهمتك القادمة؟[br]انقر فوق "الفيديو التالي".

0:06:54.313,0:06:55.364
لا تزال هنا؟

0:06:55.598,0:06:58.325
انتقل من فهم البيانات إلى[br]فهم عالمك عن طريق الاطلاع

0:06:58.325,0:07:01.642
على مقاطع الفيديو الاقتصادية[br]الشائعة الأخرى في MRU.

0:07:01.892,0:07:04.406
♪ [موسيقى] ♪