فائدہ:
- آرٹیفیشل انٹیلی جنس سپورٹ کے ساتھ وضاحتی اعدادوشمار اور تقسیم/تعلقات کے چارٹ تیار کرنے اور ڈیٹا اور سوال کے مطابق صحیح چارٹ کی قسم کا انتخاب کرنے کی صلاحیت
- مصنوعی ذہانت سے تیار کردہ تصاویر میں گمراہ کن انتخاب (ڈیش شدہ محور، نامناسب پیمانہ، ضرورت سے زیادہ ہموار) کو پہچاننے اور دیانتدارانہ تصوراتی اصولوں کو لاگو کرنے کی صلاحیت
- یہ تمیز کرنے کے قابل ہونا کہ تحقیقی تجزیہ مفروضے پیدا کرنے کے لیے ہے اور اسی ڈیٹا کے ساتھ دریافت اور تصدیق کرنے کا جال ہے (جو پی ہیکنگ کا دروازہ کھولتا ہے)۔
ڈیٹا کو صاف کرنے کے بعد، تجرباتی محقق کا پہلا کام اسے جاننا ہے۔ اس مرحلے کو Exploratory data Analysis (EDA - Exploratory Data Analysis): یہ گراف اور خلاصہ کے اعدادوشمار کے ساتھ ڈیٹا کو جانچنے اور اس کی ساخت، نمونوں اور حیرتوں کو دیکھنے کا عمل ہے۔ مقصد ابھی تک کسی مفروضے کی جانچ کرنا نہیں ہے، لیکن ڈیٹا سے واقفیت حاصل کرنا، سوالات پیدا کرنا اور مستقبل میں آپ جو ماڈل بنائیں گے اس کی بنیاد ڈالنا ہے۔ اس یونٹ میں، ہم دیکھیں گے کہ مصنوعی ذہانت (AI) کس طرح EDA اور ویژولائزیشن کو تیز کرتی ہے، لیکن یہ جو گرافکس تیار کرتا ہے اس کا احتیاط سے آڈٹ کیا جانا چاہیے۔
آئیے پہلے دو بنیادی فرق کرتے ہیں۔ سب سے پہلے، وضاحتی اعدادوشمار (وہ اعداد جو اعداد و شمار کا خلاصہ کرتے ہیں جیسے کہ وسط، درمیانی، معیاری انحراف، کوارٹائل) اور تصور (ایک ہی معلومات کو تصویری طور پر دکھانا) ایک دوسرے کی تکمیل کرتے ہیں۔ وہ ایک ساتھ مل کر ڈیٹا کی وضاحت کرتے ہیں۔ دوسرا، اور سب سے اہم: دریافت اور تصدیق میں فرق ہونا چاہیے۔ تحقیقاتی تجزیہ مفروضے پیدا کرنے کے لیے ہے۔ اسی ڈیٹا کے ساتھ مفروضے کی کھوج اور یہ کہنا کہ "میں نے اس کا تجربہ کیا اور اسے اہم پایا" پی ہیکنگ کا دروازہ کھولتا ہے، جسے ہم اگلی اکائی میں دیکھیں گے۔ ڈیٹا کو دیکھنا اور پیٹرن دیکھنا مفت ہے۔ لیکن اسی ڈیٹا میں اس پیٹرن کو "ثابت شدہ تلاش" قرار دینا گمراہ کن ہے۔
مرحلہ وار تحقیقی تجزیہ
1. غیر متغیر منظر۔ ہر متغیر کا انفرادی طور پر جائزہ لیں: کیا اس کی تقسیم ہموار ہے یا ترچھی؛ کتنی پہاڑیاں ہیں؟ باہر والے کہاں ہیں؟ عددی متغیرات کے لیے، ہسٹوگرام (قدرات کو رینجز میں تقسیم کرکے فریکوئنسی دکھانے والا پلاٹ) اور باکس پلاٹ (باکس پلاٹ — درمیانی، چوتھائی اور انتہائی اقدار کو ظاہر کرنے والا چارٹ)؛ واضح متغیرات کے لیے، فریکوئنسی ٹیبلز اور بار چارٹس استعمال کریں۔
2. متواتر منظر۔ دو متغیرات کے درمیان تعلق دیکھیں: دو عددی متغیرات کے لیے سکیٹر پلاٹ (ہر مشاہدے کو x-y جہاز پر ایک نقطہ کے طور پر دکھاتا ہے)، عددی زمرہ کے لیے گروپ شدہ باکس پلاٹ، دو زمرہ کے لیے کراس ٹیب۔ ارتباط کے گتانک کو دیکھنے سے پہلے، سکیٹر پلاٹ کو دیکھنا یقینی بنائیں: ایک ہی ارتباط بہت مختلف نمونوں کو دکھا سکتا ہے (مشہور Anscombe کوارٹیٹ اس کو ظاہر کرتا ہے؛ چار ڈیٹا سیٹوں میں تقریباً ایک جیسے اعداد و شمار ہوتے ہیں، لیکن جب پلاٹ کیا جاتا ہے تو وہ بالکل مختلف نکلتے ہیں)۔
3. درست چارٹ کی قسم منتخب کریں۔ چارٹ کی قسم آپ کے سوال اور ڈیٹا کی قسم پر منحصر ہے۔ تقسیم کے لیے ہسٹوگرام؛ رشتے کے لیے بکھرنا؛ وقت کے ساتھ تبدیلی کے لیے لائن چارٹ؛ زمرہ کے مقابلے کے لیے بار چارٹ؛ حصوں کے پورے تناسب کے لیے (احتیاط سے) اسٹیک شدہ بار۔ AI تیزی سے آپ کے لیے کوڈ تیار کرتا ہے، لیکن "کس سوال کے لیے کون سا گراف" کا فیصلہ آپ کا ہے۔
4. پیٹرن کو نوٹ کریں، نتائج کا اعلان نہ کریں۔ کسی بھی دلچسپ پیٹرن کو ریکارڈ کریں جسے آپ "دریافت نوٹ" کے طور پر دیکھتے ہیں، لیکن اسے تصدیق شدہ تلاش نہ سمجھیں۔ تصدیق ایک الگ مرحلے میں کی جاتی ہے، ترجیحاً علیحدہ ڈیٹا یا پہلے سے طے شدہ شیڈول کے ساتھ۔
دیانتدارانہ تصور کے اصول
گرافک قائل کرتا ہے؛ اس لیے اس کی گمراہ کن طاقت بھی زیادہ ہے۔ AI جمالیاتی لیکن بعض اوقات گمراہ کن انتخاب کر سکتا ہے۔ ان پالیسیوں کو چیک کریں:
- بار چارٹس میں، y-axis صفر سے شروع ہونا چاہیے۔ ڈیشڈ محور چھوٹے فرق کو بڑے کے طور پر ظاہر کرتا ہے۔
- پیمانہ ہم آہنگ ہونا چاہئے۔ اگر دو چارٹس کا موازنہ کیا جا رہا ہے تو ایک ہی محور کی حد استعمال کریں۔
- ضرورت سے زیادہ ہموار کرنا حقیقی نمونہ کو چھپا سکتا ہے۔ ٹرینڈ لائن اچھی لگتی ہے، لیکن اگر یہ ڈیٹا کو بہت زیادہ "ہموار" کرتی ہے، تو یہ گمراہ کن ہو سکتا ہے۔
- رنگ اور 3D سجاوٹ توجہ کو بگاڑتے ہیں، ڈیٹا نہیں۔ سادگی کا انتخاب کریں۔
- گمشدہ ڈیٹا اور نمونے کا سائز نظر آنا چاہیے۔ "n=12" اور "n=12,000" ایک جیسے نظر نہیں آتے۔
توجہ: صرف اس وجہ سے کہ AI کے ذریعہ تیار کردہ گرافکس خوبصورت ہیں، وہ درست نہیں ہیں۔ وہ جو سب سے عام غلطی کرتا ہے وہ بار چارٹ میں محور کو صفر سے شروع نہ کرنا اور دو گروپوں کے درمیان فرق کو بڑھا چڑھا کر پیش کرنا ہے۔ ہمیشہ محور کو چیک کریں۔
موازنہ چارٹ: سوال → چارٹ
پوچھو
درست چارٹ
عام غلطی
یہ متغیر کیسے تقسیم کیا جاتا ہے؟
ہسٹوگرام/باکس پلاٹ
پائی چارٹ کا استعمال کریں
کیا دو عددی متغیرات ایک دوسرے سے متعلق ہیں؟
بکھرنے کی سازش
صرف ارتباط کی تعداد کو دیکھ کر
یہ وقت کے ساتھ کیسے بدلا ہے؟
لائن چارٹ
بار چارٹ کے ساتھ رجحان بتانا
گروپوں میں کیا فرق ہے؟
گروپ شدہ باکس/بار (شروع سے)
کٹا ہوا محور کی چھڑی
حصہ سے پورے تناسب؟
اسٹیک شدہ بار (احتیاط کے ساتھ)
ملٹی سلائس پائی چارٹ
چار کاپی کرنے کے قابل اشارے
1. خودکار دریافت کوڈ:
آپ کا کردار: EDA اسسٹنٹ۔ میں ڈیٹا شیئر نہیں کرتا، مجھے R (ggplot2) کوڈ چاہیے۔ 'ڈیٹا' ڈیٹا فریم میں عددی (آمدنی، عمر، اخراجات) اور زمرہ (علاقہ، تعلیم) متغیرات ہیں۔ ٹاسک: کوڈ لکھیں جو ہر عددی کے لیے ایک ہسٹوگرام، ہر زمرے کے لیے ایک بار چارٹ، اور آمدنی ~ عمر کے لیے ایک سکیٹر پلاٹ تیار کرتا ہے۔ بار چارٹس میں، y-axis کو ZERO سے شروع ہونے دیں۔ تبصرہ لائن شامل کریں۔
2. ارتباط کا جائزہ (رابطہ + بصری ایک ساتھ):
کوڈ لکھیں جو دونوں آمدنی اور اخراجات کے لیے پیئرسن کے ارتباط کا حساب لگاتے ہیں اور ایک سکیٹر پلاٹ + لکیری رجحان تیار کرتے ہیں۔ ایک تبصرہ لائن شامل کریں جو مجھے ارتباط کی گنتی پر بھروسہ کرنے سے پہلے چارٹ کی جانچ کرنے کی یاد دلاتی ہے (Anscombe وارننگ)۔ ٹرینڈ لائن کو زیادہ ہموار نہ کریں۔
3. دیانتداری آڈٹ:
ایماندارانہ تصور کے لیے درج ذیل ggplot کوڈ کو چیک کریں:[code]۔ درج ذیل کو چیک کریں اور درست کریں: کیا y-axis صفر سے شروع ہوتا ہے، کیا پیمانہ مطابقت رکھتا ہے، کیا نمونہ کا سائز نظر آتا ہے، کیا ضرورت سے زیادہ ہمواری ہے؟ آپ کی ہر تصحیح کے جواز کی وضاحت کریں۔
4. ایک دریافت نوٹ تیار کرنا (کوئی تلاش نہیں):
میرے تیار کردہ گراف کی بنیاد پر، مشاہدات کو بطور 'دریافت نوٹ' درج کریں؛ ہر آئٹم کو 'مفروضے کی جانچ کرنے کے لیے' کی زبان میں لکھیں، نہ کہ 'اختیاری تلاش'۔ مثال: 'اعلی تعلیم میں آمدنی زیادہ پھیلتی دکھائی دیتی ہے۔ علیحدہ ڈیٹا کے ساتھ ٹیسٹ کیا جانا چاہئے.' وجہ اور حتمی بیانات سے گریز کریں۔
کمزور فوری / مضبوط اشارہ
کمزور اشارہ:
پیداوار سے اچھے گراف بنائیں اور مجھے بتائیں کہ ان کا کیا مطلب ہے۔
یہ پرامپٹ گمراہ کن آؤٹ پٹ کو دعوت دیتا ہے: "خوبصورت" جمالیات پر توجہ مرکوز کرتا ہے، جب کہ "اس کا کیا مطلب ہے" AI کو دریافت سے حتمی نتیجے تک پہنچنے پر مجبور کرتا ہے۔ وجہ، مبالغہ آمیز تبصرے پیروی کرتے ہیں۔
طاقتور اشارہ:
آپ کا کردار: ایماندار EDA اسسٹنٹ۔ ٹاسک: (1) میرے سوال کے مطابق چارٹ کی قسم منتخب کریں اور جواز لکھیں، (2) بار چارٹ میں صفر سے محور شروع کریں، (3) ڈسکوری نوٹ کی زبان میں آؤٹ پٹ کی ترجمانی کریں: کوئی قطعی/سبب دعویٰ نہیں تجویز کرتا ہے کہ "مسٹ ٹیسٹ ہونا چاہیے" میں مفروضہ تجویز کیا جائے گا، اگر میں چھوٹی زبان میں چلایا جائے گا (4)۔ میرے اپنے ماحول میں چارٹ بنائیں اور اس کی تصدیق کریں۔
فرق: مضبوط مرضی چارٹ کی قسم کا جواز پیش کرتی ہے، ایمانداری کے اصول نافذ کرتی ہے اور دریافت کو تصدیق کے ساتھ الجھاتی نہیں ہے۔
تین چھوٹے مقدمات
کیس 1 - مجرد محور مبالغہ آرائی۔ ایک تجزیہ کار نے بار چارٹ میں دو شاخوں (7.8 اور 8.0؛ 10 میں سے) کے اطمینان بخش اسکور دکھائے۔ YZ محور کو 7.5 سے شروع کرتے وقت، دوسری شاخ پہلی سے تقریباً دگنی اونچی دکھائی دیتی تھی۔ جبکہ فرق صرف 2.5 فیصد تھا۔ انتظامیہ غلط تاثر کے تحت ایک برانچ کو انعام دینے والی تھی۔ جب میں نے محور کو شروع سے شروع کیا تو فرق تقریباً پوشیدہ تھا۔ سبق: اکیلے محور کا انتخاب ادراک کو تبدیل کرتا ہے۔
کیس 2 - ارتباط پر بھروسہ کرنا اور چارٹ کو چھوڑنا۔ ایک محقق نے دو متغیرات کے درمیان r = 0.81 دیکھا اور "مضبوط لکیری رشتہ" لکھا۔ جب اس کے کنسلٹنٹ نے سکیٹر پلاٹ کے بارے میں پوچھا، تو دیکھا گیا کہ یہ رشتہ درحقیقت ایک انتہائی مشاہدے کی وجہ سے تھا، اور جب اس نقطہ کو ہٹا دیا گیا، تو ارتباط 0.12 پر گر گیا۔ سبق: ارتباط کا شمار گراف کا کوئی متبادل نہیں ہے۔ ہمیشہ بکھرے ہوئے کو دیکھو.
کیس 3 - تصدیق کے ساتھ مبہم دریافت۔ ایک طالب علم نے 40 متغیر ڈیٹا سیٹ میں جوڑے کے لحاظ سے تمام ارتباط کو دیکھا، سب سے زیادہ (r=0.52) کو منتخب کیا اور لکھا، "ہمیں تعلیم اور بچت (p=0.004) کے درمیان ایک اہم رشتہ ملا۔" تاہم، 40 متغیرات میں سینکڑوں جوڑے تھے۔ سب سے زیادہ کا انتخاب موقع کی وجہ سے ایک جھوٹی تلاش تھی۔ سبق: دریافت شدہ پیٹرن کو اسی ڈیٹا میں "ٹیسٹ اور اہم قرار" نہیں دیا جا سکتا۔ علیحدہ تصدیق درکار ہے۔
عام غلطیاں
- بار چارٹ میں محور کو صفر سے شروع نہیں کرنا۔ یہ چھوٹے فرق کو بڑھا چڑھا کر پیش کرتا ہے۔ سب سے عام بصری جھوٹ۔ ہمیشہ چیک کریں۔
- ارتباط کو دیکھنا اور چارٹ کو چھوڑنا۔ ایک ہی تعلق بہت مختلف نمونوں سے آتا ہے۔ باہر کے تعلقات کو فٹ کر سکتے ہیں۔ سب سے پہلے، بکھرنا.
- دریافت میں پائے جانے والے پیٹرن کو اسی ڈیٹا میں "ثبوت" کے طور پر غور کرنا۔ یہ پی ہیکنگ کا گیٹ وے ہے۔ تصدیق الگ سے کی جاتی ہے۔
- چارٹ کی غلط قسم۔ رجحان کے لیے بار اور تقسیم کے لیے پائی جیسے میچز گمراہ کن ہیں۔ سوال کی بنیاد پر ایک صنف کا انتخاب کریں۔
- نمونے کا سائز چھپا رہا ہے۔ n=8 اور n=8,000 ایک ہی گراف پر ایک جیسے نظر نہیں آتے۔ غیر یقینی کو ظاہر کرنا ضروری ہے.
مشورہ: چارٹ شائع کرنے سے پہلے، اپنے آپ سے پوچھیں: "اگر میں محور بدل دوں تو کیا کہانی بدل جائے گی؟" اگر جواب ہاں میں ہے تو، آپ نے شاید ایک بے ایمان جگہ سے محور شروع کیا ہے۔
خلاصہ میں
تحقیقی ڈیٹا کا تجزیہ ڈیٹا کو پورا کرنے، نمونوں کو دیکھنے اور مفروضے پیدا کرنے کا مرحلہ ہے۔ یہ تصدیق نہیں ہے۔ AI تیزی سے وضاحتی اعدادوشمار اور گراف کوڈ تیار کرتا ہے، لیکن آپ اپنے سوال کی بنیاد پر گراف کی قسم کا انتخاب کرتے ہیں اور انصاف کے اصولوں کو کنٹرول کرتے ہیں (صفر محور، مستقل پیمانہ، ظاہری غیر یقینی صورتحال)۔ ارتباط نمبر پر بھروسہ کرنے سے پہلے بکھرے ہوئے کو دیکھیں۔ دریافت میں آپ کو جو نمونہ ملا ہے اسے اسی ڈیٹا میں "ثبوت" قرار نہ دیں۔ AI کے خوبصورت گراف کا مطلب صحیح گراف نہیں ہے۔
درخواست کا کام
ڈیٹا سیٹ میں کم از کم تین متغیرات منتخب کریں۔ AI سے پوچھیں اور کوڈ کو چلائیں جو ایک پرامپٹ کے ساتھ ایکسپلوریٹری گراف (ہسٹوگرام، سکیٹر، باکسڈ) تیار کرتا ہے جو ایمانداری کے اصولوں کو نافذ کرتا ہے۔ ہر چارٹ کے لیے: (1) سوال کے لیے چارٹ کی قسم کی مناسبیت، (2) محور کی دیانت، (3) نمونے کے سائز کی مرئیت کو چیک کریں۔ مفروضے کی زبان میں کم از کم ایک "دریافت کا نوٹ" لکھیں ("... الگ سے جانچا جاتا ہے")۔ شمار اور بکھرے ہوئے دونوں کے ساتھ ارتباط کی جانچ کریں اور رپورٹ کریں کہ اگر ان میں کوئی تضاد ہے۔
چیک لسٹ
- میں نے اپنے سوال اور ڈیٹا کی قسم کی بنیاد پر چارٹ کی قسم کا انتخاب کیا۔
- بار چارٹ میں، میں y-axis کو صفر سے شروع کرتا ہوں؛ میں نے محور کی ایمانداری کو چیک کیا۔
- ارتباط پر بھروسہ کرنے سے پہلے میں نے بکھرے ہوئے پلاٹ کو دیکھا۔
- میں نے نمونے کے سائز اور غیر یقینی صورتحال کو گراف پر ظاہر کیا۔
- میں نے وہ نمونے لکھے جو مجھے دریافت میں "ثبوت" کے بجائے "مفروضے کی جانچ کرنے کے لیے" کے طور پر ملے۔
- میں نے نوٹ کیا کہ میں تصدیق کے لیے وہی ڈیٹا استعمال نہیں کروں گا اور یہ کہ ایک الگ مرحلہ درکار ہے۔