إصدار 2026 التعليمي • مؤشرات قابلة للقياس

مرصد الاستقراء البايزي للنقل المدرسي

تُقدِّمُ هذه المنصةُ التعليميةُ الاستقراءَ المنطقيَّ لا بوصفه فكرةً مُجرَّدةً، بل باعتباره منهجًا قابلًا للقياس والتحقُّق: نبدأُ بفرضيةٍ مسبقةٍ عن الواقع (Prior)، ثمَّ نُقابلها بالشواهدِ المُستقاةِ من الطريق والساحة والفصول (Evidence)، فنحصلُ على اعتقادٍ مُحدَّثٍ (Posterior) يزدادُ دقةً كلَّما ازدادت البيانات.

هاهنا يُفهَمُ علمُ الإحصاءِ بوصفه لغةً ثانيةً للاستدلال؛ فالرقمُ لا يُصدرُ حُكمًا قاطعًا، وإنَّما يُبيِّنُ مقدارَ الثقةِ وحدودَ الشكِّ. ولأجلِ ذلك نستعملُ النموذجَ الهرميَّ البايزيَّ (Hierarchical Bayesian Model) لربطِ القرى والتجمُّعاتِ السكنيةِ ضمن سياقٍ موحَّد: ما يتشابهُ بينها يُتعلَّمُ مشتركًا، وما يختلفُ يُحترَمُ خصوصًا؛ فتظهرُ صورةٌ عادلةٌ للفروقِ دون تعسُّفٍ في التعميم.

وتُوظَّفُ محاكاةُ مونت كارلو (Monte Carlo) لتتبُّعِ أثرِ عدمِ اليقين: كيف ينعكسُ تغيُّرُ عددِ الطلاب، وزمنِ الانتظار، والطقس، وتعطُّلِ الحافلةِ على مؤشراتٍ واضحةٍ مثل: التأخُّر، والحضور، والكُلفة، والتدهورِ الأكاديمي. ثمَّ يأتي العرضُ ثلاثيُّ الأبعاد (Unity WebGL) ليُجسِّدَ النتيجةَ في مشهدٍ مفهوم: حافلات، ومحطات، وصعودٌ ونزولٌ، وزمنٌ يسيرُ على أرضِ الواقع لا على الورق.

بهذه الحبكةِ التعليمية، يغدو الاستقراءُ طريقًا إلى الحُكمِ الرشيد: لا ادِّعاءَ بلا دليل، ولا دليلَ بلا قياس، ولا قياسَ بلا سياق.

سيناريو تدريبي: 6 تجمعات سكنية | ~8,000 نسمة | نموذج قابل للمعايرة والتحديث بالبيانات الحقيقية.
Bayes
استدلال احتمالي يحدّث الفرضيات مع كل بيانات
MC
محاكاة Monte Carlo لقياس عدم اليقين
KPI
الحضور، التكلفة، التسرب، التدهور
3D
تجسيد بصري للسلوك والنقل داخل Unity WebGL

⚙️ لوحة التحكم في المحاكاة

📊 إجمالي الطلاب
-
طالب (بنين)
📉 التدهور الأكاديمي
-
متوسط النسبة
💰 التكلفة السنوية (تشمل وقت المعلمين)
-
ريال سعودي
⚠️ احتمال التسرب
-
متوسط النسبة
🗺️ الخريطة التفاعلية للتجمعات

دليل الألوان:

دخل مرتفع (مؤشر > ٨٠)
دخل متوسط (مؤشر ٦٠-٨٠)
دخل منخفض (مؤشر < ٦٠)
التوزيع البايزي
الارتباطات
التأثيرات

التوزيع الاحتمالي البَعْدي

مصفوفة الارتباط بين المتغيرات

التأثيرات المقارنة بين التجمعات

🚌 العرض الثلاثي الأبعاد

يتم حقن نتائج المحاكاة تلقائياً داخل المشهد. استخدم اللوحة داخل الإطار للتحكم في الزمن والطقس.

📐 النموذج الرياضي والإثبات البايزي

النموذج الهرمي البايزي

١. التوزيع القَبْلي:
P(θ) ~ Beta(α, β)
٢. دالة الاحتمالية:
P(Data | θ) = ∏ᵢ Binomial(nᵢ, θᵢ)
٣. التوزيع البَعْدي:
P(θ | Data) ∝ P(Data | θ) × P(θ)
٤. نموذج تأثير المسافة والدخل:
Attendance = Base × (1 - Distance_Effect × Δd) × (1 + Income_Mitigation)
حيث:
• Δd = (Distance - 20) / 60
• Income_Mitigation = (Income_Index / 100) × 0.5
٥. التدهور الأكاديمي الكلي:
Decline = Remote_Impact + Absence_Impact + Fatigue + Psychological
= 0.5(1 - R) + 0.4A + 0.15(d/60) + 0.1(1 - Attendance)
٦. احتمال التسرب (النموذج اللوجستي):
P(Dropout) = Logit⁻¹(β₀ + β₁×Absence + β₂×Distance + β₃×Income + β₄×Decline)

محاكاة مونت كارلو - سلسلة ماركوف

📊 التحليل التفصيلي للتجمعات
📈 التوقعات الزمنية (٣ سنوات)
>