المعلمة

المعيار ( من اليونانية القديمة παρά ( بارا ) بمعنى " بجانب، فرعي " و μέτρον ( ميترون ) بمعنى " قياس " )، هو عمومًا أي خاصية تُساعد في تعريف أو تصنيف نظام معين (أي حدث، مشروع، شيء، موقف، إلخ). بمعنى آخر، المعيار هو عنصر من عناصر النظام يكون مفيدًا، أو حاسمًا، عند تحديد النظام، أو عند تقييم أدائه، أو حالته، أو وضعه، وما إلى ذلك.  

للمعامل معانٍ أكثر تحديدًا في مختلف التخصصات، بما في ذلك الرياضيات ، وبرمجة الكمبيوتر ، والهندسة ، والإحصاء ، والمنطق ، واللغويات ، والتأليف الموسيقي الإلكتروني.

بالإضافة إلى استخداماته التقنية، هناك أيضًا استخدامات موسعة، خاصة في السياقات غير العلمية، حيث يُستخدم بمعنى تحديد الخصائص أو الحدود، كما في عبارات "معايير الاختبار" أو "معايير اللعب". [ 1 ]

النمذجة

عندما يُنمذج نظامٌ ما باستخدام المعادلات ، تُسمى القيم التي تصف هذا النظام بالمعاملات . على سبيل المثال، في علم الميكانيكا ، تظهر الكتل والأبعاد والأشكال (للأجسام الصلبة)، والكثافات واللزوجة (للسوائل) كمعاملات في المعادلات التي تُنمذج الحركات. غالبًا ما تتوفر عدة خيارات للمعاملات، ويُطلق على اختيار مجموعة مناسبة منها اسم "المعايرة" .

على سبيل المثال، عند دراسة حركة جسم ما على سطح كرة أكبر منه بكثير (كالأرض مثلاً)، توجد طريقتان شائعتان لتحديد موقعه: الإحداثيات الزاوية (كخطوط الطول والعرض)، التي تصف بدقة الحركات الكبيرة على شكل دوائر على سطح الكرة، والمسافة الاتجاهية من نقطة معلومة (مثلاً "10 كم شمال غرب تورنتو" أو ما يعادلها "8 كم شمالاً، ثم 6 كم غرباً من تورنتو")، وهي أسهل في كثير من الأحيان لوصف الحركة المحصورة في منطقة صغيرة نسبياً، كداخل بلد أو إقليم معين. وتُعدّ هذه الطرق مهمة أيضاً لنمذجة المناطق الجغرافية (أي رسم الخرائط ).

الدوال الرياضية

تحتوي الدوال الرياضية على وسيط واحد أو أكثر، ويتم تحديدها في تعريفها بواسطة متغيرات . يمكن أن يحتوي تعريف الدالة أيضًا على معاملات، ولكن على عكس المتغيرات، لا تُدرج المعاملات ضمن الوسائط التي تأخذها الدالة. عند وجود معاملات، يُعرّف التعريف في الواقع مجموعة كاملة من الدوال، دالة واحدة لكل مجموعة صالحة من قيم المعاملات. على سبيل المثال، يمكن تعريف دالة تربيعية عامة عن طريق التصريح بـ

و(x)=أx2+بx+ج{\displaystyle f(x)=ax^{2}+bx+c}؛

هنا، يُشير المتغير x إلى وسيط الدالة، بينما تُمثل a و b و c معاملات (تُسمى أيضًا مُعاملات في هذه الحالة ) تُحدد أي دالة تربيعية مُعينة قيد الدراسة. يُمكن تضمين مُعامل في اسم الدالة للإشارة إلى اعتمادها على هذا المُعامل. على سبيل المثال، يُمكن تعريف اللوغاريتم ذي الأساس b بالصيغة التالية:

سجلب(x)=سجل(x)سجل(ب){\displaystyle \log _{b}(x)={\frac {\log(x)}{\log(b)}}}

حيث يمثل b مُعاملًا يُشير إلى الدالة اللوغاريتمية المُستخدمة. وهو ليس وسيطًا للدالة، وسيكون ثابتًا، على سبيل المثال، عند حساب المشتقة.سجلب(x)=(xln(ب))-1{\displaystyle \textstyle \log _{b}'(x)=(x\ln(b))^{-1}}.

في بعض السياقات غير الرسمية، يُعتبر تسمية بعض أو كل الرموز في تعريف الدالة بمعاملات مسألة عرفية (أو نتيجة لظروف تاريخية). مع ذلك، فإن تغيير حالة الرموز بين معامل ومتغير يُغير الدالة ككائن رياضي. على سبيل المثال، يختلف ترميز القوة التناقصية للمضروب.

نك_=ن(ن-1)(ن-2)(ن-ك+1){\displaystyle n^{\underline {k}}=n(n-1)(n-2)\cdots (n-k+1)}،

تُعرّف هذه الدالة متعددة الحدود بدلالة n (عندما يُعتبر k وسيطًا)، ولكنها ليست متعددة الحدود بدلالة k (عندما يُعتبر n وسيطًا). في الواقع، في الحالة الأخيرة، تُعرّف فقط للأعداد الصحيحة غير السالبة. تبدأ العروض الأكثر رسمية لمثل هذه الحالات عادةً بدالة لعدة متغيرات (بما في ذلك جميع تلك التي قد تُسمى أحيانًا "معاملات") مثل

(ن،ك)نك_{\displaystyle (n,k)\mapsto n^{\underline {k}}}

باعتباره الكائن الأساسي الذي يتم النظر فيه، ثم تعريف الدوال ذات المتغيرات الأقل من الدالة الرئيسية عن طريق عملية التقسيم الجزئي .

أحيانًا يكون من المفيد اعتبار جميع الدوال ذات المعاملات المحددة عائلةً بارامترية ، أي عائلةً مفهرسة من الدوال. ترد أمثلة من نظرية الاحتمالات أدناه .

أمثلة

  • في قسم يتناول الكلمات التي يساء استخدامها بشكل متكرر في كتابه "فن الكتابة" ، اقتبس جيمس جيه كيلباتريك رسالة من أحد المراسلين، وقدم أمثلة لتوضيح الاستخدام الصحيح لكلمة " parameter" :

كتب دبليو إم وودز ... عالم الرياضيات ... ... "... المتغير هو أحد الأشياء العديدة التي لا يمثلها المعامل ." ... المتغير التابع، سرعة السيارة، يعتمد على المتغير المستقل، موضع دواسة الوقود.

[كيلباتريك يقتبس عن وودز] "الآن... المهندسون... يغيرون أذرع الوصلة... سرعة السيارة... ستظل تعتمد على موضع الدواسة... ولكن بطريقة مختلفة . لقد غيرتم أحد المعايير."

  • المعادل البارامتري هو مرشح صوتي يسمح بضبط تردد القطع أو الرفع الأقصى بواسطة عنصر تحكم واحد، وحجم القطع أو الرفع بواسطة عنصر تحكم آخر. هذان الإعدادان، أي مستوى تردد الذروة أو القاع، هما اثنان من معلمات منحنى استجابة التردد، وفي المعادل ثنائي التحكم، يصفان المنحنى بالكامل. قد تسمح المعادل البارامتري الأكثر تطورًا بتغيير معلمات أخرى، مثل الانحراف. تصف كل من هذه المعلمات جانبًا من جوانب منحنى الاستجابة عند النظر إليه ككل، عبر جميع الترددات. يوفر المعادل الرسومي عناصر تحكم فردية في مستوى الصوت لنطاقات تردد مختلفة، حيث يعمل كل منها فقط على نطاق التردد المحدد.
  • إذا طُلب منا تخيّل رسم العلاقة y  = ax² ، فإننا عادةً ما نتخيل نطاقًا من قيم x ، ولكن قيمة واحدة فقط لـ a . بالطبع، يمكن استخدام قيمة مختلفة لـ a ، مما يُنتج علاقة مختلفة بين x و y . لذا، فإن a مُعامل: فهو أقل تغيرًا من المتغيرين x أو y ، ولكنه ليس ثابتًا صريحًا كالأس 2. بتعبير أدق، يُؤدي تغيير المُعامل a إلى مشكلة مختلفة (وإن كانت ذات صلة)، بينما تُشكّل تغيرات المتغيرين x و y (وعلاقتهما المتبادلة) جزءًا من المشكلة نفسها.  
  • عند حساب الدخل بناءً على الأجر وساعات العمل (الدخل يساوي الأجر مضروبًا في ساعات العمل)، يُفترض عادةً أن عدد ساعات العمل قابل للتغيير بسهولة، بينما الأجر أكثر ثباتًا. وهذا يجعل الأجر مُعاملًا، وساعات العمل متغيرًا مستقلًا ، والدخل متغيرًا تابعًا .

النماذج الرياضية

في سياق النموذج الرياضي ، مثل توزيع الاحتمالات ، وصف بارد التمييز بين المتغيرات والمعلمات على النحو التالي:

نشير إلى العلاقات التي يُفترض أنها تصف حالة فيزيائية معينة بالنموذج . يتكون النموذج عادةً من معادلة واحدة أو أكثر. نصنف الكميات الواردة في المعادلات إلى متغيرات ومعاملات . لا يكون التمييز بينهما واضحًا دائمًا، وغالبًا ما يعتمد على السياق الذي تظهر فيه المتغيرات . يُصمم النموذج عادةً لشرح العلاقات القائمة بين الكميات التي يمكن قياسها بشكل مستقل في تجربة ما؛ وهذه هي متغيرات النموذج. ولكن لصياغة هذه العلاقات، غالبًا ما تُدخل "ثوابت" تُمثل خصائص جوهرية للطبيعة (أو للمواد والمعدات المستخدمة في تجربة معينة). وهذه هي المعاملات. [ 2 ]

الهندسة التحليلية

في الهندسة التحليلية ، يمكن وصف المنحنى بأنه صورة دالة يكون وسيطها، والذي يسمى عادةً بالمعامل ، في فترة حقيقية .

على سبيل المثال، يمكن تحديد دائرة الوحدة بالطريقتين التاليتين:

  • في الصيغة الضمنية ، يكون المنحنى هو المحل الهندسي للنقاط ( س ، ص ) في المستوى الديكارتي التي تحقق العلاقةx2+y2=1.{\displaystyle x^{2}+y^{2}=1.}
  • في الشكل البارامتري ، يكون المنحنى صورة للدالةت(كوست،الخطيئةت){\displaystyle t\mapsto (\cos t,\sin t)}

    مع المعلمةت[0،2π).{\displaystyle t\in [0,2\pi ).}يمكن كتابة هذه المعادلة كمعادلة وسيطية .

    (x،y)=(كوست،الخطيئةت).{\displaystyle (x,y)=(\cos t,\sin t).}

    يُطلق على المعامل t في هذه المعادلة في مكان آخر في الرياضيات اسم المتغير المستقل .

التحليل الرياضي

في التحليل الرياضي ، غالباً ما تُؤخذ التكاملات التي تعتمد على مُعامل في الاعتبار. وتكون هذه التكاملات على الشكل التالي:

F(ت)=x0(ت)x1(ت)و(x؛ت)دx.{\displaystyle F(t)=\int _{x_{0}(t)}^{x_{1}(t)}f(x;t)\,dx.}

في هذه الصيغة، يُمثل t وسيط الدالة F ، بينما يُمثل الطرف الأيمن المعامل الذي يعتمد عليه التكامل. عند حساب التكامل، يُفترض أن t ثابت، ولذلك يُعتبر معاملًا. إذا أردنا معرفة قيمة F لقيم مختلفة من t ، فإننا نعتبر t متغيرًا. أما الكمية x فهي متغير وهمي أو متغير تكامل (ويُطلق عليه أحيانًا، بشكل مُربك، معامل التكامل ).

الإحصاء والاقتصاد القياسي

في الإحصاء والاقتصاد القياسي ، لا يزال إطار الاحتمالات المذكور أعلاه ساريًا، لكن التركيز يتحول إلى تقدير معلمات التوزيع بناءً على البيانات المرصودة، أو اختبار الفرضيات المتعلقة بها. في التقدير التكراري، تُعتبر المعلمات "ثابتة ولكنها غير معروفة"، بينما في التقدير البايزي، تُعامل كمتغيرات عشوائية، ويُوصف عدم اليقين فيها بأنه توزيع. [ 3 ]

في نظرية التقدير الإحصائي، يشير مصطلح "الإحصاء" أو المُقدِّر إلى العينات، بينما يشير مصطلح "المعلمة" أو المُقدَّر إلى المجتمعات التي تُؤخذ منها العينات. والإحصاء هو خاصية عددية للعينة يمكن استخدامها كتقدير للمعلمة المقابلة، وهي الخاصية العددية للمجتمع الذي سُحبت منه العينة.

على سبيل المثال، متوسط ​​العينة (المُقدِّر)، ويُشار إليه بـX¯{\displaystyle {\overline {X}}}يمكن استخدام الانحراف المعياري للعينة ( μ ) كتقدير لمتوسط ​​معلمات المجتمع الإحصائي الذي سُحبت منه العينة (المُقدِّر) . وبالمثل، يمكن استخدام تباين العينة (المُقدِّر)، الذي يُرمز له بـ ، لتقدير تباين المجتمع الإحصائي الذي سُحبت منه العينة (المُقدِّر) . (لاحظ أن الانحراف المعياري للعينة ( S ) ليس تقديرًا غير متحيز للانحراف المعياري للمجتمع الإحصائي ( σ ): انظر: التقدير غير المتحيز للانحراف المعياري ) .

من الممكن استخلاص استنتاجات إحصائية دون افتراض عائلة محددة من التوزيعات الاحتمالية البارامترية . في هذه الحالة، يُشار إلى الإحصاءات بالإحصاءات غير البارامترية، على عكس الإحصاءات البارامترية المذكورة آنفًا. على سبيل المثال، يُطلق على الاختبار القائم على معامل ارتباط رتب سبيرمان اسم اختبار غير بارامتري، لأن الإحصائية تُحسب من ترتيب البيانات بغض النظر عن قيمها الفعلية (وبالتالي بغض النظر عن التوزيع الذي سُحبت منه العينات)، بينما تُعدّ الاختبارات القائمة على معامل ارتباط بيرسون اختبارات بارامترية، لأنه يُحسب مباشرةً من قيم البيانات، وبالتالي يُقدّر المعلمة المعروفة باسم ارتباط المجتمع .

نظرية الاحتمالات

تمثل هذه الآثار جميعها توزيعات بواسون، ولكن بقيم مختلفة للمعامل λ

في نظرية الاحتمالات ، يمكن وصف توزيع متغير عشوائي بأنه ينتمي إلى عائلة من التوزيعات الاحتمالية ، تتميز كل منها عن الأخرى بقيم عدد محدود من المعاملات . على سبيل المثال، يُشار إلى " توزيع بواسون بمتوسط ​​λ". الدالة التي تُعرّف هذا التوزيع ( دالة الكتلة الاحتمالية ) هي:

و(ك؛λ)=هـ-λλكك!.{\displaystyle f(k;\lambda )={\frac {e^{-\lambda }\lambda ^{k}}{k!}}.}

يوضح هذا المثال بوضوح الفرق بين الثوابت والمعاملات والمتغيرات. e هو عدد أويلر ، وهو ثابت رياضي أساسي . المعامل λ هو متوسط ​​عدد مشاهدات ظاهرة معينة، وهي خاصية مميزة للنظام. k هو متغير، وفي هذه الحالة هو عدد مرات حدوث الظاهرة التي تمت ملاحظتها فعليًا من عينة معينة. إذا أردنا معرفة احتمالية حدوث k مرة ، فإننا نعوضها في الدالة لنحصل علىو(ك1؛λ){\displaystyle f(k_{1};\lambda )}. بدون تغيير النظام، يمكننا أخذ عينات متعددة، والتي سيكون لها نطاق من قيم k ، ولكن النظام يتميز دائمًا بنفس λ.

على سبيل المثال، لنفترض أن لدينا عينة مشعة تُصدر، في المتوسط، خمسة جسيمات كل عشر دقائق. نقيس عدد الجسيمات التي تُصدرها العينة خلال فترات عشر دقائق. تُظهر القياسات قيمًا مختلفة لـ k ، وإذا كانت العينة تتصرف وفقًا لإحصاءات بواسون، فإن كل قيمة لـ k ستظهر بنسبة تُعطى بواسطة دالة الكتلة الاحتمالية المذكورة أعلاه. مع ذلك، من قياس لآخر، تبقى قيمة λ ثابتة عند 5. إذا لم نُغير النظام، فإن المعامل λ يبقى دون تغيير من قياس لآخر؛ أما إذا قمنا بتعديل النظام باستبدال العينة بعينة أكثر إشعاعًا، فإن المعامل λ سيزداد.

التوزيع الشائع الآخر هو التوزيع الطبيعي ، والذي يحتوي على معلمات هي المتوسط ​​μ والتباين σ².

في الأمثلة السابقة، تُحدد توزيعات المتغيرات العشوائية بشكل كامل بنوع التوزيع، أي بواسون أو التوزيع الطبيعي، وقيم المعلمات، أي المتوسط ​​والتباين. في هذه الحالة، لدينا توزيع مُعَلم.

من الممكن استخدام سلسلة العزوم (المتوسط، متوسط ​​المربع، ...) أو التراكمات (المتوسط، التباين، ...) كمعلمات لتوزيع احتمالي: انظر المعلمة الإحصائية .

برمجة الحاسوب

في برمجة الحاسوب ، يتم استخدام مفهومين للمعاملات بشكل شائع، ويشار إليهما بالمعاملات والوسائط - أو بشكل أكثر رسمية بالمعامل الرسمي والمعامل الفعلي .

على سبيل المثال، في تعريف دالة مثل

ص = د ( س ) = س + ٢،

x هو المعامل الرسمي ( المعامل ) للدالة المعرفة.

عند تقييم الدالة لقيمة معينة، كما في

f (3): أو، y = f (3) = 3 + 2 = 5،

يمثل الرقم 3 المعامل الفعلي ( الوسيط ) الذي يتم تقييمه بواسطة الدالة المعرفة؛ وهو قيمة معطاة (قيمة فعلية) تُستبدل بالمعامل الرسمي للدالة المعرفة. (في الاستخدام غير الرسمي، قد يتم الخلط بين مصطلحي " المعامل" و "الوسيط" سهوًا، وبالتالي استخدامهما بشكل خاطئ).

تُناقش هذه المفاهيم بشكل أكثر دقة في البرمجة الوظيفية وفروعها الأساسية، مثل حساب التفاضل والتكامل اللامدا والمنطق التوافقي . وتختلف المصطلحات بين لغات البرمجة؛ فبعض لغات مثل لغة C تُعرّف المعامل والوسيط كما هو موضح هنا، بينما تستخدم لغة Eiffel اصطلاحًا بديلًا .

الذكاء الاصطناعي

في مجال الذكاء الاصطناعي ، يصف النموذج احتمالية حدوث أمر ما. أما معلمات النموذج فهي أوزان الاحتمالات المختلفة. وقد وصف تيرنان راي، في مقالٍ له عن GPT-3، المعلمات على النحو التالي:

المعامل هو عملية حسابية في الشبكة العصبية تُطبّق وزنًا كبيرًا أو صغيرًا على جانبٍ ما من البيانات، لإعطاء هذا الجانب أهمية أكبر أو أقل في الحساب الكلي للبيانات. هذه الأوزان هي التي تُشكّل البيانات، وتمنح الشبكة العصبية منظورًا مُكتسبًا لها. [ 4 ]

هندسة

في مجال الهندسة (وخاصةً في مجال جمع البيانات)، يُستخدم مصطلح "المعلمة" أحيانًا بشكل عام للإشارة إلى عنصر مُقاس مُحدد. هذا الاستخدام غير متسق، إذ يُستخدم مصطلح " القناة" أحيانًا للإشارة إلى عنصر مُقاس مُحدد، بينما تُشير "المعلمة" إلى معلومات الإعداد الخاصة بتلك القناة.

بشكل عام، الخصائص هي تلك الكميات الفيزيائية التي تصف بشكل مباشر السمات الفيزيائية للنظام؛ أما المعاملات فهي تلك التوليفات من الخصائص التي تكفي لتحديد استجابة النظام. يمكن أن يكون للخصائص جميع أنواع الأبعاد، اعتمادًا على النظام قيد الدراسة؛ أما المعاملات فهي بلا أبعاد، أو لها بُعد الزمن أو مقلوبه. [ 5 ]

ومع ذلك، يمكن استخدام المصطلح أيضًا في السياقات الهندسية، كما هو الحال في العلوم الفيزيائية.

العلوم البيئية

في العلوم البيئية ، وخاصة في الكيمياء وعلم الأحياء الدقيقة ، يتم استخدام المعلمة لوصف كيان كيميائي أو ميكروبيولوجي منفصل يمكن تعيين قيمة له: عادة ما يكون تركيزًا، ولكن قد يكون أيضًا كيانًا منطقيًا (موجودًا أو غير موجود)، أو نتيجة إحصائية مثل قيمة النسبة المئوية 95 ، أو في بعض الحالات قيمة ذاتية.

اللغويات

في علم اللغة، تُستخدم كلمة "parameter" بشكل حصري تقريبًا للدلالة على مفتاح ثنائي في قواعد اللغة العالمية ضمن إطار المبادئ والمعايير .

منطق

في المنطق ، يُطلق بعض المؤلفين على المعاملات المُمرَّرة إلى (أو المُعالَجة بواسطة) دالة مفتوحة اسم "معاملات" (مثل كتاب " الاستنتاج الطبيعي " لبراويتز ؛ [ 6 ] وكتاب " تصميم مُثبت نظرية " لبولسون ). أما المعاملات المُعرَّفة محليًا داخل الدالة فتُسمى "متغيرات" . يُفيد هذا التمييز الإضافي عند تعريف الاستبدال (بدون هذا التمييز، يجب اتخاذ تدابير خاصة لتجنب استيلاء المتغيرات). بينما يُطلق آخرون (ربما معظمهم) على المعاملات المُمرَّرة إلى (أو المُعالَجة بواسطة) دالة مفتوحة اسم " متغيرات" ، وعند تعريف الاستبدال، يجب التمييز بين المتغيرات الحرة والمتغيرات المُقيدة .

موسيقى

في نظرية الموسيقى، يُشير المُعامل إلى عنصر يُمكن التلاعب به (تكوينه) بشكل منفصل عن العناصر الأخرى. يُستخدم هذا المصطلح تحديدًا للإشارة إلى درجة الصوت ، وشدته ، ومدته ، ونبرته ، مع أن بعض المنظرين أو الملحنين قد اعتبروا جوانب موسيقية أخرى مُعاملات. يُستخدم المصطلح بكثرة في الموسيقى التسلسلية ، حيث قد يتبع كل مُعامل سلسلة مُحددة. انتقد بول لانسكي وجورج بيرل توسيع نطاق استخدام كلمة "مُعامل" ليشمل هذا المعنى، نظرًا لعدم ارتباطه الوثيق بمعناها الرياضي، [ 7 ] ولكنه لا يزال شائعًا. كما يشيع استخدام هذا المصطلح في الإنتاج الموسيقي، حيث تُحدد وظائف وحدات معالجة الصوت (مثل الهجوم، والتحرير، والنسبة، والعتبة، وغيرها من المتغيرات في الضاغط) بواسطة مُعاملات خاصة بنوع الوحدة (ضاغط، مُعادل، مُؤقت، إلخ).

انظر أيضاً

مراجع

  1. "تعريف المعامل" . www.merriam-webster.com . 30-05-2026 . تم الاطلاع عليه بتاريخ 11-06-2026 .
  2. بارد، يوناثان (1974). تقدير المعلمات غير الخطية . نيويورك: أكاديميك برس . ص 11. ISBN  0-12-078250-2.
  3. إيفرون، برادلي (10 سبتمبر 2014). "دقة التقديرات البايزية وفقًا للمنهج التكراري" . researchgate.net . تم الاطلاع عليه بتاريخ 12 أبريل 2023 .
  4. "يشير نموذج GPT-3 الضخم من OpenAI إلى حدود نماذج اللغة في مجال الذكاء الاصطناعي" . ZDNet .
  5. تريمر، جون د. (1950). استجابة الأنظمة الفيزيائية . نيويورك: وايلي. ص 13. 
  6. براويتز، داغ (2006). الاستنتاج الطبيعي: دراسة نظرية البرهان . مينولا، نيويورك: منشورات دوفر. ISBN 9780486446554. OCLC 61296001 . 
  7. لانسكي، بول وبيرل، جورج (2001). "المَعْلَم". في سادي، ستانلي وتيريل ، جون (محرران). قاموس غروف الجديد للموسيقى والموسيقيين ( الطبعة الثانية). لندن: ماكميلان للنشر . ISBN  978-1-56159-239-5.