Hatim
440 posts

Hatim
@Hatim_BS
|@officialUOM NL/UK | Iadd to my glories puzzle slowly.




















بتوفيق من الله، نُشرت ثاني ورقة لي هذا العام في مؤتمر ACM IUI 2025 وكان البحث بقيادة وتقديم الصديق والزميل الدكتور حاتم السيحاني @Hatim_BS المشكلة البحثية: على الرغم من استخدام لوحات المعلومات (الداشبورد) في مجالات عديدة ومهمة مثل الصحة والتعليم لدعم اتخاذ القرار، إلا أن هناك شبه اجماع على صعوبات تواجه المستخدمين مثل اضطرارهم للتعامل مع مقدار كبير من المعلومات المعروضة التي لا تخدم أهدافهم، مما يؤدي أحيانا لفهم خاطئ للمعلومات المعروضة أو تأثر فهمهم بتحيزات معرفية تقود لاستنتاجات خاطئة. تنبع المشكلة - غالباً - من صنع داشبورد واحد يخدم كثير من المستخدمين دون مراعاة للفوارق الفردية (وتكون هذه من جانبين: تبسيط الداشبورد لغير المتخصصين، وتعقيده للمتخصصين ليخدم أهدافهم التحليلية المتقدمة). أحد الطرق المقترحة (والفرضية التي بني عليها البحث) لحل مشكلة تفاوت الحاجات والقدرات على داشبورد واحد هي في تمكين المستخدم من التخصيص (customisation). ويقصد بالتخصيص في هذه الورقة تغيير المعلومات المعروضة أو طريقة عرضها، وليس تغيير طريقة عمل الداشبورد كوظائف تنقيح المعلومات مثلا. انطلقنا من فرضية أن التخصيص يؤدي لتسهيل الاستخدام، وسألنا ثلاث أسئلة: (١) ما تأثير التخصيص على سهولة استخدام الداشبورد؟ (٢) ما تأثير خبرة المستخدم ومعرفته بفهم الرسومات البيانية (graph literacy) على التخصيص وسهولة الاستخدام؟ و (٣) ما تأثير بعض وظائف التخصيص على سهولة الاستخدام؟ بعد جمع بيانات تفاعل ٥٠ مستخدم مع داشبورد يعرض بيانات تفشي فيروس كورونا في دول الاتحاد الأوروبي ويمكن المستخدمين من تخصيص الداشبورد لخدمة أهدافهم، وطلبنا منهم البحث عن معلومات معروضة على الداشبورد، فوجدنا التالي: - كل ما زاد الوقت المستغرق في التخصيص، زادت نسبة نجاح المستخدم في الوصول للمعلومة الصحيحة، وزادت سرعته في الوصول للمعلومة (مفاجأة سارة!) بل وزاد شعوره الإيجابي تجاه المهمة وثقته في الوصول للمعلومة بدقة. - قلة خبرة المستخدم ومعرفته بقراءة الرسوم البيانية تناسبت مع إنهاء المهام بشكل أسرع لكن لم تؤدي إلى زيادة في نسبة الوصول للمعلومة الصحيحة. المستخدمون الأقل معرفة بقراءة الرسوم البيانية كانوا دائما الأسرع في إنهاء المهام سواء زادت خبرتهم مع الداشبوردات أو قلت. - طلب معلومات أكثر عن الرسم البياني المعروض تناسب طردياً مع الوصول للمعلومة الصحيحة بشكل أكبر. - فلترة المعلومات المعروضة بكثرة تناسبت عكسياً مع الوصول للمعلومة الصحيحة، وثقة المستخدم في المعلومة المستخرجة بل والجهد العقلي المبذول. - فلترة المعلومات، اختيار رسوم بيانية بديلة، ومشاهدة الرسم البياني على كامل الشاشة زادت من وقت البحث عن المعلومة. ماذا نفهم من كل ذلك؟ عنوان الورقة أشار لجانب جيد، وآخر سيء وثالث "مزعج": فوائد التخصيص أكثر من مساوئه (وهو الجيد)، لكن إن أعاق سلاسة التفاعل (مثل تبديل الرسوم البيانية) يتحول إلى سيء. أخيراً، الجانب المزعج هو أن فلترة المعلومات متعبة للمستخدم ذهنياً، مستهلكة لوقته ومضللة. مصدر الإزعاج في هذه النتيجة يكمن في انتشار الفلاتر في لوحات المعلومات عادة وأهميتها في المهام المتخصصة. مالذي نستطيع فعله الآن؟ الواضح هو أهمية اختيار وظائف التخصيص بعناية من قبل المبرمج وليس اعتباطاً، الكثير من التخصيص ليس بالضرورة شيء جيد. لكن لعل أهم ما يمكننا بنائه هو نماذج للمستخدمين بناء على تفاعلهم، تربط ما يفعلونه (الفلترة أو التخصيص) بما يشعرون به أو يواجهونه (مشكلة في البحث عن المعلومة أو جهد عقلي عالي) والتدخل اللحظي لمحاولة حل المشكلة. من الممكن أيضا جعل هذه النماذج تنبؤية تتعلم مع الوقت وتطور من نفسها. أخيراً، الورقة متاحة بالمجان على الرابط أدناه، ونرحب بالتعليقات أو الاقتراحات أو النقد، إضافة للتعاون البحثي في المجال. doi.org/10.1145/370835…



في ACTA، ننظم هذا العام ندوة بعنوان “Samen sterk= معًا أقوى”، حيث سنناقش التعاون بين طب وجراحة اللثة وتقويم الأسنان والفكين من خلال حالات سريرية تم علاجها. سأتحدث في هذه الندوة مع استشارية التقويم Dr.Nicoline van der Kaaij عن دور الTorque فيما يخص انحسار اللثة وكيفية تصحيح ذلك جراحيا. الندوة ستكون باللغة الهولندية وهي تستهدف أطباء الاسنان فب عيادات الاسنان المنتشرة في منطقة أمستردام وهولندا عموما والراغبة بالتعاون مع ACTA 🇳🇱

بفضل الله نُشرت اليوم أحدث أوراقي البحثية والتي تمكنت والفريق البحثي فيها من التنبؤ بما يواجه مستخدم الداشبورد من صعوبات أثناء تفاعله معه. ماهي المشكلة البحثية؟ رغم انتشار لوح المعلومات أو (الداشبورد) وتعدد استخدامها في حياتنا، تُعرض المعلومات على الداشبورد بطريقة لا تأخذ في الاعتبار المستخدم النهائي، من ناحية خبرته في قراءة البيانات المصورة، أو أهداف استخدامه للداشبورد وغيرها، وينطبق ذلك على الداشبوردات الموجهة لجمهور كبير (مثل داشبوردات كورونا)، أو جمهور متوسط (مثل داشبورد لموظفي شركة) أو حتى شخص بعينه (مثل داشبورد متابعة النشاط البدني مثل Apple/Samsung health). المنطقي هو تبني التصميم المتمحور حول المستخدم، من خلال تفصيل الداشبورد على مستخدمه آخذين بالاعتبار خبرته، أهدافه، مهامه، احتياجاته، شخصيته، عمره، الخ، فمن يتعامل مع البيانات يومياً (كعلماء البيانات) تختلف طريقة استخدامهم للداشبورد عن من يستخدمونها بشكل أقل (كالفنانين التشكيليين). لماذا يتعمد المطور تجاهل ذلك إذاً؟ تفصيل الداشبورد على مستخدمه مكلف لأنه يتطلب دراسة المستخدمين عن قرب، وبالتالي صنع عدة داشبوردات مفصلة على مستخدمين بقدرات وأهداف مختلفة مما يعني وقت أطول وتكلفة أعلى. لذا يصنع المطور داشبورد واحد (بناء على خبرته وكيفية استخدامه هو) ويأمل أن يفهمه المستخدم ويتعود عليه! ما ثمن ذلك؟ تتراوح العواقب من فهم المستخدمين الخاطئ لما يعرض على الداشبورد، أو استغراقهم وقت أطول لاستيعابه، وقد يستخدمونه مضطرين رغم كرههم له ومعاناتهم معه، وقد تصل لتركهم الداشبورد بشكل كامل! لذا كان سؤالنا البحثي: هل يمكننا التعرف على المستخدمين الذين يواجهون صعوبات مع الداشبورد من خلال طريقة تفاعلهم معه؟ أجرينا تجربتين في هذه الدراسة: الأولى كانت في المعمل، حيث دعونا متطوعين لاستخدام داشبورد (مستنسخ من داشبورد حقيقي) يعرض معلومات عن فيروس كورونا، وقسنا مدى فهمهم للمعلومات المعروضة والوقت المستغرق لإيجاد المعلومة والجهد العقلي المبذول أثناء التجربة. لكن قبل بدء التجربة قسنا درجة معرفتهم بقراءة الرسوم البيانية من خلال اختبار قصير معتمد علمياً. حللنا كذلك استراتيجيات التفاعل مع الداشبورد فمن المستخدمين - مثلاً - من يفلتر المعلومات المعروضة ليصل لما يريد ومنهم من يبحث عنها يدوياً، كذلك من المستخدمين من يستكشف الكثير مما هو معروض قبل أن يبدأ في البحث عن المعلومة ومنهم من يبحث عن المعلومة مباشرة ويتجاهل أي شيء آخر. استخدمنا هذه الاستراتيجيات لبناء واختبار آلاف من نماذج الذكاء الاصطناعي بمتغيرات مختلفة، للتنبؤ بالمستخدمين الذين يواجهون صعوبات في استخدام الداشبورد، وتوصلنا لنتائج مبدئية واعدة بدقة تنبؤ متفاوتة لكن عالية في أحيان كثيرة. في التجربة الثانية طلبنا من متطوعين استخدام داشبوردات حقيقية لجامعات أمريكية موجهة للطلاب، وكان الهدف هو اختبار إلى أي مدى تستطيع نماذجنا التنبؤية عالية الدقة اكتشاف معاناة المستخدمين عند استخدام داشبوردات موجودة في الواقع. أهم ما توصلنا إليه هو أن قدرة المستخدم على فهم الرسوم البيانية هو أقوى عامل يمكننا من التنبؤ بمعاناته، كما أن هناك استراتيجيات تتنبأ بشكل أكبر بصعوبات المستخدم مثل استخدام الفلاتر بشكل كثيف أو التنقل المفرط بين ما يعرض على الداشبورد. ماذا يعني ذلك؟ قدرتنا على التنبؤ بصعوبات الاستخدام بشكل لحظي تمكننا من تغيير الداشبورد بما يلائم المستخدم بمجرد اكتشافنا أن المستخدم يعاني. هذه الموائمة اللحظية تعني تحقيقنا هدف "تفصيل" الداشبورد على المستخدم دون معرفة الكثير عنه خصوصاً على داشبوردات موجهة للعديد من المستخدمين من خلفيات مختلفة، وهذا موفر لوقت المستخدم والمبرمج في آن واحد. طيب ما أكثر ما يمكننا تطبيقه الآن بناء على ما توصلنا له؟ الكثير! تشير النتائج إلى أن أفضل خوارزمية ذكاء اصطناعي للتنبؤ كانت neural networks، كما أننا نستطيع التنبؤ بالوقت المستغرق بشكل أفضل من تنبؤنا بالجهد العقلي، كما توفر الورقة أفضل معايير تعدين البيانات data mining التي مكنتنا من تعميم النتائج بشكل جيد. ختاماً أدعوكم لقراءة الورقة، وأرحب بأي اقتراح أو ملاحظة أو نقد، حيث أن الورقة متاحة بشكل مفتوح والشكر موصول في ذلك لجامعة مانشستر من خلال اتفاقية بين الناشر والجامعة لجعل الأوراق العلمية متاحة بالمجان. المجال واسع وشيق للغاية وأنوي بإذن الله الاستمرار في بحث حلول لصنع داشبوردات متوائمة مع مستخدميها بشكل أكبر، وأرحب دائماً بالتعاون البحثي، فمن لديه الرغبة آمل منه التواصل، وشكراً. رابط الورقة: doi.org/10.1145/3715710


















