ما معنى قانون Lotka وعلاقته بالخوارزميات وهياكل البيانات؟
قانون Lotka (قانون لوتكا) ليس خوارزمية ولا هيكل بيانات، بل هو قانون إحصائي في علم قياس النشر العلمي (البيبليومتري) يصف كيف تتوزّع الإنتاجية بين الباحثين: قِلّة قليلة تنشر الكثير، والغالبية تنشر ورقة واحدة أو اثنتين فقط. صاغه العالم ألفريد لوتكا عام 1926. أمّا سبب ظهوره أحيانًا مقرونًا بعبارة «الخوارزميات وهياكل البيانات» فهو غالبًا نتيجة حشو للكلمات المفتاحية في صفحات ضعيفة، لكن هناك رابطًا حقيقيًا واحدًا يستحق الشرح: قانون Lotka هو مثال على التوزيع الأسّي (Power Law)، وهذه العائلة من التوزيعات تظهر بكثرة في علوم الحاسب. سنوضح الفكرتين معًا وبدقّة.
ما هو قانون Lotka بالضبط؟
ينص القانون على أنّ عدد المؤلفين الذين نشروا عدد (x) من الأوراق يتناسب عكسيًا مع مربّع ذلك العدد. أي أنّ نسبة المؤلفين الذين لهم (x) ورقة تقارب:
نسبة المؤلفين = C ÷ x²
حيث الأُسّ يساوي 2 تقريبًا في الصيغة الكلاسيكية، والثابت C يقارب 0.61. النتيجة العملية المدهشة: نحو 60% من الباحثين في أي مجال ينشرون ورقة واحدة فقط طوال مسيرتهم، بينما يتقلّص عدد الغزيري الإنتاج بسرعة كبيرة.
بعبارة أبسط: لو كان لديك 100 باحث ينشرون ورقة واحدة، فستجد قرابة 25 باحثًا فقط ينشرون ورقتين، وحوالي 11 ينشرون ثلاث أوراق، وهكذا بتناقص حادّ. هذا هو جوهر «توزيع القلّة المنتِجة».
جدول توضيحي لتوزيع الإنتاجية
الأرقام التالية تقريبية وفق الصيغة الكلاسيكية (الأُسّ = 2) لبيان الفكرة، وقد تختلف قليلًا من مجال لآخر:
| عدد الأوراق المنشورة | النسبة التقريبية من الباحثين |
|---|---|
| ورقة واحدة | نحو 60% |
| ورقتان | نحو 15% |
| ثلاث أوراق | نحو 7% |
| أربع أوراق | نحو 4% |
| خمس أوراق فأكثر | الباقي (أقلية صغيرة) |
لاحظ كيف تنهار النسبة بسرعة كلما زاد عدد الأوراق؛ هذا هو «الذيل الطويل» المميّز للتوزيعات الأسّية.
لماذا يُذكر أحيانًا مع الخوارزميات وهياكل البيانات؟
هنا يكمن سوء الفهم الشائع الذي يجب تصحيحه. قانون Lotka ليس خوارزمية بحث ولا هيكل بيانات مثل الأشجار أو القوائم المرتبطة، ولا تجده في مناهج «الخوارزميات وهياكل البيانات» كموضوع أساسي. الرابط الوحيد الصحيح هو أنّه ينتمي إلى عائلة التوزيعات الأسّية، وهذه العائلة نفسها تظهر في مواضع كثيرة داخل علوم الحاسب، منها:
- قانون Zipf في معالجة اللغة وضغط البيانات: قِلّة من الكلمات تشكّل غالبية النص، وهو ما تستفيد منه خوارزميات الضغط والفهرسة.
- توزيع الدرجات في الرسوم البيانية (Graphs): في الشبكات الاجتماعية وشبكة الويب، قِلّة من العُقد ترتبط بعدد هائل من الوصلات بينما الغالبية ضعيفة الارتباط.
- أنماط الوصول إلى الذاكرة المؤقتة (Cache): قِلّة من المفاتيح تُطلَب مرارًا، وهو ما تعتمد عليه سياسات التخزين المؤقت مثل LRU.
إذًا الفائدة الحقيقية لمن يبحث في سياق تقني هي فهم أنّ «توزيع القلّة المهيمنة» فكرة متكرّرة، وقانون Lotka أحد أوضح أمثلتها التاريخية.
أين تفيدك هذه الفكرة عمليًا؟
- في تقييم البحث العلمي: يساعد على وضع توقّعات واقعية؛ فوجود قلّة من الباحثين شديدي الإنتاج أمر طبيعي وليس شذوذًا.
- في تصميم الأنظمة: إذا كانت بياناتك تتبع توزيعًا أسّيًا (زوّار، طلبات، مفاتيح)، فالتخزين المؤقت لأكثر العناصر تكرارًا يعطي أكبر مكسب بأقل تكلفة، وهو تطبيق مباشر لمبدأ باريتو (80/20).
- خطأ شائع يجب تجنّبه: لا تفترض توزيعًا طبيعيًا (Normal) لبياناتك تلقائيًا؛ كثير من الظواهر الرقمية أسّية، والمتوسط الحسابي فيها مضلِّل لأنّ القيم القصوى تجرّه بعيدًا.
مقارنة سريعة بين القوانين الثلاثة
| القانون | المجال الأصلي | الفكرة المشتركة |
|---|---|---|
| قانون Lotka | إنتاجية الباحثين | قِلّة تنشر الأكثر |
| قانون Zipf | تكرار الكلمات | قِلّة تتكرّر الأكثر |
| مبدأ باريتو | الاقتصاد | 20% تنتج 80% من الأثر |
الثلاثة أوجه لعملة واحدة: التوزيع الأسّي.
الأسئلة الشائعة
هل قانون Lotka خوارزمية يمكن برمجتها؟ لا. هو صيغة إحصائية تصف توزيعًا، ويمكنك حساب نِسَبه ببضعة أسطر برمجية، لكنه ليس خوارزمية بالمعنى المتعارف عليه في المناهج.
هل الأُسّ دائمًا يساوي 2؟ القيمة 2 هي التقريب الكلاسيكي، لكنها تتغيّر حسب المجال والبيانات، وقد تتراوح تقريبًا بين 1.5 و3 عند القياس الفعلي.
ما الفرق بينه وبين مبدأ باريتو؟ كلاهما يصف هيمنة القلّة، لكن باريتو نسبة إجمالية (80/20) بينما Lotka يعطي توزيعًا كاملًا لكل مستوى إنتاجية على حدة.
هل ينطبق خارج النشر العلمي؟ نعم كفكرة عامة عن التوزيعات الأسّية، لكن القانون بصيغته الدقيقة صيغ أصلًا لإنتاجية المؤلفين، فاحذر من تعميمه حرفيًا على أي بيانات دون قياس.