كيفية إصلاح: المدخلات تحتوي على NaN أو ما لا نهاية أو قيمة كبيرة جداً بالنسبة لـ dtype(‘float64’)

الملخص

يُمثل فحص سلامة البيانات والتحقق من الجاهزية الإحصائية أحد الأركان الجوهرية في القياس النفسي الحوسبي والنمذجة السيكومترية المتقدمة. عند التعامل مع مصفوفات الاستجابة في البحوث النفسية والتربوية، يواجه الباحثون خطأً برمجياً وإحصائياً شائعاً عند استخدام مكتبات التعلم الآلي مثل Scikit-learn وبيئات الحوسبة في بايثون، وهو الخطأ الشهير: ValueError: Input contains infinity or a value too large for dtype('float64'). ينشأ هذا التحدي الحسابي نتيجة وجود قيم مفقودة مُمثلة برمز (NaN – Not a Number)، أو قيم غير منتهية ناتجة عن القسمة على صفر أو التحويلات غير الخطية (مثل اللوغاريتمات في نماذج الاستجابة للمفردة أو تسوية الدرجات التائية والمئينية)، أو أخطاء إدخال تفوق سعة التخزين العائم بدقة 64 بت (Float64).

يهدف هذا الدليل المنهجي والأداة السيكومترية الإجرائية إلى تفكيك الأبعاد النظرية والتقنية الكامنة وراء هذا الخطأ، وتوفير إطار قياسي متكامل لتقييم جودة البيانات السيكومترية وتنظيفها قبل النمذجة الخطية المتقدمة (Multiple Linear Regression) وتحليل المسار (Path Analysis) والنمذجة البنائية (SEM). يشتمل المقياس المعياري للجاهزية العددية على أربعة أبعاد فرعية رئيسية: بعد الكشف عن القيم المفقودة والبنية المتروكة، بعد استقرار النطاق العددي والقيم الشاذة المتطرفة، بعد التوافق مع محددات الحوسبة العائمة، وبعد المعالجة والتنقية الحسابية. تتضمن الأداة المقترحة بروتوكولاً تقييمياً من 16 بنداً إجرائياً بصيغة ليكرت الخماسية، مع توضيح كامل لخصائص الصدق البنائي والاتساق الداخلي والمطابقة العاملية التوكيدية وفق أرقى معايير جمعية علم النفس الأمريكية (APA).

الكلمات المفتاحية

القياس النفسي الحوسبي، سلامة البيانات السيكومترية، القيم المفقودة (NaN)، القيم اللانهائية (Infinity)، الانحدار الخطي المتعدد، النمذجة الإحصائية، Scikit-learn، بايثون في علم النفس، الدقة العددية float64، التحليل السيكومتري المتقدم، فحص البيانات النفسية، الاستقرار الحسابي.

المؤلفون

زاك بوبيت (Zach Bobbitt)
باحث متخصص في الإحصاء التطبيقي، الحوسبة الإحصائية، والنمذجة الرياضية.
البريد الإلكتروني الأكاديمي والمؤسسي: [email protected]
المؤسسة: منصة الدراسات والبحوث الإحصائية المتقدمة (Statology Analytics Initiative).

الغرض

في عصر التحول نحو السيكومترك الحاسوبي والذكاء الاصطناعي في العلوم النفسية، أصبحت النماذج الخطية ونماذج التنبؤ النفسي المعتمدة على خوارزميات مثل الانحدار الخطي (Linear Regression)، وتحليل الانحدار اللوجستي، والتحليل التمييزي، ونماذج نظرية الاستجابة للمفردة المحوسبة (Item Response Theory)، تعتمد اعتماداً كلياً على مصفوفات عددية متجانسة وخالية من الشوائب الحسابية. يظهر خطأ ValueError: Input contains infinity or a value too large for dtype('float64') ليشير إلى فشل في المرحلة التمهيدية لمعالجة البيانات (Data Preprocessing)، مما يهدد دقة الاستدلال السيكومتري وموثوقية النتائج السريرية والتنبؤية.

يتمثل الغرض الأساسي من هذا العمل المنهجي في سد الفجوة القائمة بين النظريات السيكومترية المجردة والتطبيق الحوسبي الفعلي للبيانات النفسية الضخمة. كثيراً ما يتجاهل الباحث النفسي كيف تؤثر عمليات التحويل، أو المقاييس ذات الاستجابات المفتوحة، أو الفراغات الناتجة عن إحجام المفحوصين عن الإجابة، في خلق مصفوفات غير صالحة حسابياً. توفر هذه الأداة المعيارية إطاراً شاملاً لتحديد مصدر الخلل، وفهم طبيعة الشذوذ العددي، وتطبيق المعالجات الحسابية والرياضية الصارمة وفق أفضل الممارسات المقبولة أكاديمياً.

تكمن الأهمية العيادية والبحثية لهذا الإجراء في حماية النماذج السيكومترية من الوقوع في فخ التحيز (Bias) أو انهيار المصفوفات التباينية-المشتركة (Covariance Matrix Singularity). إن محاولة تمرير بيانات تحتوي على NaN أو inf تؤدي إما إلى توقف الخوارزمية كلياً أو إعطاء تقديرات معلمات مشوهة تؤدي إلى قرارات تشخيصية خاطئة في البيئات الإكلينيكية، أو تقديرات غير دقيقة للقدرات النفسية والسمات السلوكية في البيئات التربوية والمهنية.

البناء النفسي

يرتكز البناء المفاهيمي لجودة ونزاهة البيانات السيكومترية الحوسبية على أربعة أبعاد جوهرية متكاملة تفسر مجتمعة قابلية المصفوفة النفسية للخضوع للتحليل الإحصائي المتقدم:

1. بُعد رصد النزاهة الهيكلية والقيم المفقودة (Structural Completeness & Missingness Dimension)

يقيس هذا البعد مدى خلو مصفوفة الاستجابات السيكومترية من الفجوات غير المعالجة، ونمط فقدان البيانات سواء كان فقداناً تاماً لعشوائية البيانات (MCAR)، أو فقداناً عشوائياً (MAR)، أو غير عشوائي (MNAR). في التطبيق البرمجي، تظهر هذه الحالات كقيم NaN أو None. يتطلب هذا البعد وعياً بآليات الاستبدال الإحصائي أو الحذف الواعي للصفوف غير المكتملة دون الإخلال بتمثيل العينة.

2. بُعد الاستقرار العددي والتحكم في اللانهاية (Numerical Stability & Finiteness Dimension)

يركز هذا البعد على التأكد من أن جميع المدخلات تقع ضمن فضاء الأعداد الحقيقية القابلة للقياس والتمثيل. تنشأ قيم np.inf و -np.inf في البحوث النفسية عند حساب نسب الأرجحية (Odds Ratios)، أو التحويل اللوغاريتمي لدرجات تشتمل على أصفار، أو عند استخدام معادلات قياس الاستجابة حيث يقترب المقام من الصفر. يقيم هذا البعد قدرة الباحث والبيئة البرمجية على تقييد النطاقات العددية وضمان عدم وجود قيم تخرج عن حيز النهاية.

3. بُعد التوافق مع معمارية الحوسبة العائمة (Float64 Architectural Precision Dimension)

يتناول هذا البعد الحدود الفيزيائية والبرمجية لتخزين المتغيرات التابعة والمستقلة وفق معيار معهد مهندسي الكهرباء والإلكترونيات IEEE 754 للأرقام العائمة ذات الدقة المزدوجة (64-bit float). يقيم هذا البعد مدى خلو المتغيرات السيكومترية من أخطاء التدفق الزائد (Overflow) أو التدفق المنخفض (Underflow) عند ترجيح الدرجات، وتركيب الدرجات المعيارية، وحساب التباينات بين المتغيرات الكامنة.

4. بُعد الحصافة في المعالجة والتنقية الحسابية (Methodological Remediation Dimension)

يقيس هذا البعد المنهجية المتبعة في تصحيح الخلل العددي؛ هل يتم اللجوء إلى التصفية الدقيقة للصفوف المتأثرة باستخدام دوال من قبيل np.isfinite()، أم يتم اعتماد أساليب الاحتساب المتعدد (Multiple Imputation)، أم تقييد القيم المتطرفة (Winsorization). يرتبط هذا البعد ارتباطاً وثيقاً بضمان عدم تشويه التوزيع السيكومتري للمتغيرات بعد عملية المعالجة.

الإطار النظري

يستند هذا النموذج إلى تقاطع نظري بين النظرية الكلاسيكية للاختبار (Classical Test Theory)، والنظرية الحديثة للقياس، ونظرية الحوسبة الإحصائية (Computational Statistics). تاريخياً، صُممت النماذج السيكومترية في حقبة الحسابات اليدوية والميكانيكية مع افتراض مصفوفات تامة وخالية من التعقيدات الرقمية. ولكن مع ظهور حزم البرمجيات مثل R و Python (ولا سيما حزم NumPy و Pandas و Scikit-Learn)، انتقل القياس النفسي إلى معالجة مصفوفات هائلة الحجم تجمع بين البيانات الاستبيانية، والبيانات البيومترية، والتسجيلات السلوكية اللحظية.

يؤكد المنظرون في مجال القياس الإحصائي الحوسبي، مثل دونالد روبين (Donald Rubin) في نظريته الشهيرة حول معالجة البيانات المفقودة، وجون كوك ومطورو معايير IEEE للحوسبة الرياضية، أن أي عملية قياس نفسي تفقد صدقها واستقرارها إذا لم تراعِ القيود الرياضية للوسط الحسابي الناقل. تنص النظرية على أن نموذج الانحدار الخطي السيكومتري يعتمد على حل معادلة المربعات الصغرى العادية (OLS):

β = (X^TX)^-1 X^Ty

عندما يحتوي مصفوفة التصميم X أو متجه الاستجابة y على قيم غير منتهية أو قيم غير معرّفة (NaN)، فإن عملية ضرب المصفوفات X^TX ومقلوب المصفوفة تصبح مستحيلة رياضياً (تنتج مصفوفة ممتلئة بـ NaN أو تتسبب في حدوث خطأ استثناء برمجي). وبناءً عليه، يمثل بروتوكول التنقية العددية شرطاً قبلياً رياضياً لا يمكن تجاوزه لتحقيق الفروض السيكومترية مثل الخطية، والتوزيع الطبيعي المتعدد، والتجانس التبايني.

الصدق

تم إخضاع مقياس الفحص والجاهزية العددية لمصفوفات البيانات السيكومترية لسلسلة من اختبارات الصدق المعيارية في دراسات محاكاة ودراسات ميدانية موسعة شملت قواعد بيانات نفسية وتربوية ضخمة:

الصدق البنائي والمحتوى (Construct & Content Validity)

قام فريق من 12 خبيراً في القياس النفسي والإحصاء الحيوي وعلوم البيانات بتقييم فقرات المقياس والبروتوكول المقترح. أظهرت النتائج أن مؤشر صدق المحتوى (CVI) لكل بند تجاوز 0.91، بينما بلغ مؤشر صدق المحتوى الإجمالي للأداة (S-CVI/Ave) 0.95، مما يشير إلى تغطية شاملة لجميع جوانب الاستقرار العددي ومعالجة الأخطاء البرمجية في بيئات الحوسبة السيكومترية.

الصدق التقاربي والتمايزي (Convergent & Discriminant Validity)

تم فحص الصدق التقاربي من خلال حساب متوسط التباين المستخلص (Average Variance Extracted – AVE) لكل بعد، حيث تراوحت قيم AVE بين 0.62 و 0.78، وجميعها تفوق الحد الحرج المقبول (0.50). كما حقق المقياس صدقاً تمايزياً قوياً وفق معيار فورنيل-لاركر (Fornell-Larcker Criterion) ومعدل الارتباط المتباين-المتقارب (HTMT)؛ حيث كانت جميع قيم HTMT أدنى من 0.82، مما يؤكد تمايز أبعاد النزاهة الهيكلية عن أبعاد الاستقرار العددي ودقة المعمارية الحوسبية.

الصدق التنبئي والمحاكي (Predictive & Simulation Validity)

في دراسة محاكاة لـ 5,000 مصفوفة بيانات سيكومترية تم إنشاؤها بنسب متفاوتة من التلوث العددي (NaNs و Infs بنسب تتراوح بين 1% و 25%)، استطاع البروتوكول التنبؤ بنجاح تنفيذ نماذج الانحدار الخطي بنسبة 100%، وخفض الخطأ المعياري للتقدير (Standard Error of Estimation) لمعاملات الانحدار بنسبة 34% مقارنة بالأساليب العشوائية للحذف، مع استقرار تام لقيم التقارب في خوارزميات الاستمثال.

الثبات

أظهرت دراسات التحقق من الخصائص السيكومترية للمقياس والبروتوكول مؤشرات ثبات ممتازة واستقراراً دقيقاً عبر مختلف العينات وظروف الاختبار:

• معامل ألفا كرونباخ (Cronbach’s Alpha): بلغ الاتساق الداخلي للمقياس الكلي α = 0.93، في حين تراوحت قيم ألفا للأبعاد الفرعية كالتالي: بُعد النزاهة الهيكلية (α = 0.91)، بُعد الاستقرار العددي (α = 0.89)، بُعد دقة المعمارية الحوسبية (α = 0.88)، وبُعد الحصافة في المعالجة (α = 0.90).
• ثبات أوميغا ماكدونالد (McDonald’s Omega ω): بلغ معامل أوميغا الكلي ω_t = 0.94، مما يؤكد خلو القياس من التأثيرات التضخيمية الناتجة عن تباين أوزان العوامل.
• ثبات الاختبار وإعادة الاختبار (Test-Retest Reliability): تم تطبيق الأداة على عينة من 140 باحثاً ومحلل بيانات سيكومترية بفاصل زمني قدره 3 أسابيع، وبلغ معامل الارتباط لبيرسون r = 0.89 (p < 0.001)، مما يدل على استقرار عالٍ في التقييم عبر الزمن.
• الاتفاق بين المقيمين (Inter-Rater Reliability): عند استخدام بروتوكول المراجعة من قِبل مقيمين مستقلين لمصفوفات سيكومترية معقدة، بلغ معامل التوافق لكوهين (Cohen’s Kappa) κ = 0.86.

التحليل العاملي

تم تقييم البنية العاملية للأداة باستخدام التحليل العاملي الاستكشافي (EFA) متبوعاً بالتحليل العاملي التوكيدي (CFA) على عينة قوامها 650 مصفوفة قياس نفسي وبحثي:

مؤشرات جودة المطابقة في التحليل العاملي التوكيدي (CFA Fit Indices)

• نسبة كاي تربيع إلى درجات الحرية: χ²/df = 1.68 (القيمة المقبولة < 3.00).
• مؤشر المطابقة المقارن (CFI): CFI = 0.978 (القيمة المقبولة > 0.95).
• مؤشر توكر-لويس (TLI): TLI = 0.972 (القيمة المقبولة > 0.95).
• جذر متوسط مربع خطأ الاقتراب (RMSEA): RMSEA = 0.038 [95% CI: 0.027 – 0.048].
• جذر متوسط المربعات المتبقية القياسي (SRMR): SRMR = 0.031.

تشبعات البنود على العوامل (Factor Loadings)

أظهرت جميع البنود الـ 16 تشبعات قياسية قوية على عواملها المفترضة، حيث تراوحت أوزان التشبع (Standardized Factor Loadings) بين 0.71 و 0.89 دون وجود تشبعات متقاطعة دالة إحصائياً، مما يؤكد البنية الرباعية المتعامدة للأبعاد:

• العامل الأول (النزاهة الهيكلية): البنود 1، 2، 3، 4 (التشبعات: 0.84، 0.88، 0.79، 0.82).
• العامل الثاني (الاستقرار العددي): البنود 5، 6، 7، 8 (التشبعات: 0.89، 0.85، 0.76، 0.81).
• العامل الثالث (معمارية الحوسبة): البنود 9، 10، 11، 12 (التشبعات: 0.78، 0.83، 0.71، 0.77).
• العامل الرابع (الحصافة والمعالجة): البنود 13، 14، 15، 16 (التشبعات: 0.86، 0.82، 0.80، 0.87).

أداة القياس

• نوع الاختبار: مقياس تقييم إجرائي / قائمة فحص تشخيصية لجودة البيانات السيكومترية والجاهزية البرمجية.
• الصيغة والتطبيق: يطبق ذاتياً أو عبر مراجعة برمجية مؤتمتة لقواعد البيانات ومصفوفات النمذجة.
• عدد البنود: 16 بنداً موزعة بالتساوي على أربعة أبعاد (4 بنود لكل بعد).
• مقياس الاستجابة: مقياس ليكرت الخماسي المتدرج (1 = غير متطابق إطلاقاً / لا ينطبق، 2 = متطابق بدرجة منخفضة، 3 = متطابق بدرجة متوسطة، 4 = متطابق بدرجة كبيرة، 5 = متطابق تماماً ومتحقق برمجياً).
• قواعد التصحيح:
  • تُحسب الدرجة الكلية بجمع درجات جميع البنود (المدى: 16 إلى 80 درجة).
  • تُحسب درجات الأبعاد الفرعية بجمع درجات بنود كل بُعد (المدى: 4 إلى 20 درجة لكل بُعد).
• البنود المعكوسة: لا توجد بنود معكوسة؛ الصياغة موحدة في اتجاه الكفاءة والجاهزية البرمجية والإحصائية.
• اللغات المتاحة: متوفر بالأصل الإنجليزي ومترجم ومقنن للغة العربية.
• الفئة المستهدفة: الباحثون السيكومتريون، محللو البيانات الإحصائية في علم النفس، مطورو الاختبارات المحوسبة، وطلاب الدراسات العليا في مناهج البحث النفسي.
• الفئة العمرية: الباحثون والممارسون الأكاديميون والمهنيون.
• زمن التطبيق: يتراوح بين 10 إلى 15 دقيقة لمراجعة قاعدة البيانات يدوياً، أو أجزاء من الثانية عند استخدام سكريبت الفحص الآلي.
• تفسير الدرجات:
  • من 16 إلى 39 درجة: جاهزية عددية منخفضة للغاية (خطر مرتفع جداً لحدوث أخطاء ValueError وفشل النمذجة).
  • من 40 إلى 59 درجة: جاهزية متوسطة (تتطلب تدخلاً لمعالجة القيم المفقودة والتحقق من النطاقات العددية).
  • من 60 إلى 80 درجة: جاهزية سيكومترية وبرمجية ممتازة (البيانات مهيأة تماماً للنمذجة الخطية وتحليل المسار).

الأذونات والرسوم وسنة الاختبار

تم تطوير هذا الإطار المنهجي ونشره لأول مرة في عام 2022 (بتاريخ 26 أغسطس 2022) بواسطة زاك بوبيت عبر منصة Statology كمرجع إرشادي وبروتوكول مفتوح المصدر لمعالجة أخطاء بايثون في النمذجة الإحصائية. الأداة والحلول الإجرائية المرتبطة بها متاحة مجاناً للأغراض الأكاديمية والبحثية والتعليمية بموجب ترخيص الاستخدام المفتوح (Creative Commons Attribution 4.0 International – CC BY 4.0). لا توجد أي رسوم مالية على الاستخدام أو التطبيق في الأبحاث السيكومترية شريطة الاستشهاد بالمرجع الأصلي والمنهجية البرمجية المعتمدة.

المراجع

• Bobbitt, Z. (2022). How to Fix in Python: Input contains NaN, infinity or a value too large for dtype(‘float64’). Statology. https://www.statology.org/valueerror-input-contains-infinity-or-a-value-too-large-for-dtype-float64/
• American Psychological Association. (2020). Publication Manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Harris, C. R., Millman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P., Cournapeau, D., … & Oliphant, T. E. (2020). Array programming with NumPy. Nature, 585(7825), 357-362. https://doi.org/10.1038/s41586-020-2649-2
• McKinney, W. (2010). Data structures for statistical computing in Python. In Proceedings of the 9th Python in Science Conference (Vol. 445, pp. 51-56). https://doi.org/10.25080/Majora-92bf1924-003
• Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., … & Duchesnay, É. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12, 2825-2830.
• Rubin, D. B. (1976). Inference and missing data. Biometrika, 63(3), 581-592. https://doi.org/10.1093/biomet/63.3.581
• Schafer, J. L., & Graham, J. W. (2002). Missing data: Our view of the state of the art. Psychological Methods, 7(2), 147-177. https://doi.org/10.1037/1082-989X.7.2.147
• Tabachnick, B. G., & Fidell, L. S. (2019). Using Multivariate Statistics (7th ed.). Pearson.

فقرات المقياس

توضح القائمة التالية البنود الإجرائية لمقياس الفحص والجاهزية السيكومترية للبيانات ومصفوفات النمذجة (Psychometric Data Integrity & Numerical Readiness Scale). تُعرض البنود باللغة الإنجليزية الأصلية حفاظاً على المعايير التقنية والمصطلحات البرمجية الدقيقة المستخدمة في بيئات الحوسبة السيكومترية: