نهج تجميعي مستند إلى سلاسل زمنية ضبابية للتنبؤ الدقيق بتصنيفات التعليم العالي

لماذا تهم تصنيفات الكليات المستقبلية اليوم

بالنسبة للعديد من العائلات، يشعر اختيار الجامعة وكأنه رهان على مستقبل غير مؤكد. قد تهز الاضطرابات العالمية مثل جائحة كوفيد‑19 الحياة الجامعية والمالية والبحثية فجأة، مما يدفع جداول التصنيف المعروفة للتقلب بشكل غير متوقع من سنة إلى أخرى. يقدم هذا البحث طريقة جديدة لتوقع تلك التصنيفات تسعى لاحتضان هذا عدم اليقين بدلاً من تجاهله—حتى يتسنى للطلاب وأولياء الأمور وواضعي السياسات اتخاذ قرارات بناءً على توقعات واقعية وموجهة للمستقبل بدلاً من لقطات ثابتة.

كيف أصبحت التصنيفات هدفاً متحرِّكاً

تُرشد قوائم التصنيف الدولية مثل تصنيف شنغهاي، وQS، وTimes Higher Education كل شيء من طلبات الطلاب إلى تمويل الحكومات. إنها تعكس عوامل مثل جودة التدريس، وإنتاج البحث، ونتائج الطلاب، والحضور الدولي. لكن الجائحة كشفت هشاشة هذه المقاييس: انخفضت أعداد الملتحقين، أُغلقت المختبرات، ضُغطت البنى الرقمية، وقيّدت قيود السفر من عملية العولمة. تفترض طرق التنبؤ التقليدية أن المستقبل سيشبه إلى حد بعيد الماضي، بنماذج ثابتة واتجاهات مستقرة. عندما تنهار هذه الفرضيات — كما حدث أثناء كوفيد — يمكن أن تكون التوقعات مضللة، ما يخفي المخاطر عن المؤسسات وعن الطلاب الذين يعتمدون على التصنيفات في اختيار مكان دراستهم.

إدخال عدم اليقين في الحساب

يقترح المؤلفون طريقة تعامل التصنيفات ليس كنقاط ثابتة بل ككميات ضبابية ومتحركة. بدلاً من إسناد رقم واحد واضح لكل جامعة، يوزع النموذج هذا الترتيب عبر عدة نطاقات متداخلة، معترفاً بأن المؤسسة قد تكون قرب الحدود بين طبقات أو متقلبة بشكل غير اعتيادي في سنوات الأزمات. تُعطى البيانات الحديثة، وخصوصاً من فترات المتأثرة بالجائحة، تأثيراً أكبر من التاريخ البعيد، انعكاساً للفكرة القائلة بأن اضطرابات العام الماضي لها وزن أكبر للمستقبل من أحداث قبل عقد من الزمن. تلتقط هذه النظرة «الضبابية» الغموض والصدمات قصيرة الأجل بطريقة لا تستطيع المتوسطات الصارمة فعلها.

تجميع المسارات المشابهة وتقليم التخمينات الضعيفة

لتحويل هذه الصورة الضبابية إلى توقعات ملموسة، يجمع النموذج الجامعات ذات المسارات التصنيفية المتشابهة عبر الزمن، بما في ذلك مجموعات خاصة لسنوات الجائحة عندما عانت كثير من المؤسسات تراجعات أو مكاسب مفاجئة. داخل كل مجموعة، تُدرَّب آلات تنبؤ منفصلة، كل منها يتعلم من شريحة تاريخية مختلفة قليلاً. ثم تقوم خطوة تقليم مخصصة باستبعاد أضعف وأشد هذه الآلات تذبذباً، محتفظةً فقط بالأكثر موثوقية ومالتِح صيغها. يقلل هذا النهج التجميعي من خطر سيطرة نموذج واحد مفرط الثقة، أو سنة بيانات شاذة، على التوقعات.

اختبار النموذج على التعليم وما وراءه

قيّم الباحثون نهجهم باستخدام بيانات التصنيف العالمي لشنغهاي من 2008 إلى 2021، شاملة سنوات ما قبل وما بعد كوفيد. كما اختبروه على بيانات زمنية مختلفة—كالأسعار السوقية، وقياسات الجليد البحري، وجودة الهواء، والتسجيل الطلابي—للاطلاع على مدى تعامل الطريقة مع أنواع مختلفة جداً من عدم اليقين. عبر هذه الحالات، أنتج مجتمعهم التجميعي توقعات أكثر دقة بشكل ثابت مقارنة بعدة تقنيات معروفة في السلاسل الزمنية الضبابية. بالنسبة لتصنيفات الجامعات تحديداً، خفَّض النموذج متوسط نسبة الخطأ إلى نحو 7% وتنبأ بشكل صحيح باتجاه حركة الترتيب—سواء كان صعوداً أم هبوطاً—في أكثر من 80% من الحالات.

من توقعات أفضل إلى اختيارات أكثر عدلاً

بعبارات بسيطة، يُظهر البحث أنه من الممكن بناء توقع للترتيب «يعرف ما لا يعرفه». من خلال نمذجة الغموض والصدمات المفاجئة والوزن الأكبر للأحداث الأخيرة صراحةً، يوفر النظام المقترح لمحات أكثر موثوقية عن وجهة الجامعات المستقبلية، لا مجرد مكانها السابق. يمكن لذلك أن يساعد العائلات على تجنب المبالغة في رد الفعل تجاه هبوطات مؤقتة، ويوجه المؤسسات أثناء استثمارها في الجاهزية الرقمية أو قوة البحث، ويعلّم الجهود العامة لتوسيع التعليم الجيد وتقليل عدم المساواة. ومع أن أي نموذج لا يستطيع جعل التصنيفات متنبأ بها تماماً، فإن هذا العمل يقترح أنها على الأقل يمكن توقعها بطريقة صادقة بشأن عدم اليقين—وأكثر فائدة للأشخاص الذين تعتمد مستقبلاتهم عليها.

الاستشهاد: Agarwal, N., Tayal, D.K., Rajeena, P.P.F. et al. A fuzzy time-series driven ensemble approach for accurate forecasting of higher education rankings. Sci Rep 16, 13329 (2026). https://doi.org/10.1038/s41598-026-40570-y

الكلمات المفتاحية: تصنيف الجامعات, تنبؤات التعليم, السلاسل الزمنية الضبابية, تأثير كوفيد-19, التعلم التجميعي