تاليا غسان، التي اختفت تحت اسم مستعار وتزوجت من زياد شريف لمدة ثلاث سنوات، كانت تعتقد أن حماستها وقلبها الكبير قادران على إذابة قلبه القاسي. لكنها لم تكن تتوقع أنه وبعد ثلاث سنوات من الزواج، سيقدم لها الرجل ورقة الطلاق. شعرت بخيبة أمل، وقررت الطلاق بشكل حاسم، ثم تحولت لتصبح ابنة غسان التي لا يمكن لأحد منافستها في الثراء!
منذ ذلك الحين، أصبحت الإمبراطورية المالية بأيديها، وهي الجراحة الماهرة، مخترقة إلكترونية من الطراز الأول، بطلة المبارزات أيضًا!
في مزاد علني، أنفقت أموالاً طائلة لتلقن العشيقة الماكرة درسًا قاسيًا، وفي عالم الأعمال، عملت بحزم وقوة لتنتزع أعمال زوجها السابق.
زياد شريف: " يا تاليا غسان! هل يجب أن تكوني قاسية هكذا؟"
تاليا غسان بابتسامة باردة: "ما أفعله الآن معك هو مجرد جزء ضئيل مما فعلته بي في الماضي!"
بعد مرور خمس سنوات على زواجي من دانتي موريتي، دون مافيا شيكاغو، كان العالم السفلي بأسره يعلم أنه يحبني أكثر من حياته ذاتها.
لقد رسم وشمًا لكمانٍ لأجلي بجانب شعار عائلته مباشرة، ليكون رمزًا للولاء لا يمكن محوه أبدًا.
إلى أن وصلتني تلك الصورة من عشيقته.
كانت نادلة ملهًى ليلي، مستلقيةً عاريةً بين ذراعيه، وبشرتها تشوبها كدمات داكنة إثر علاقة جامحة. لقد دوّنت اسمها بجانب وشم الكمان الذي رسمه من أجلي... وزوجي سمح لها بذلك.
"يقول دانتي إن كونه بداخلي هو الشيء الوحيد الذي يجعله يشعر بأنه ما زال رجلًا. لم يعد بإمكانكِ حتى إثارته، أليس كذلك يا أليسيا العزيزة؟ ربما حان الوقت لتتنحّي جانبًا."
لم أردّ عليها. اكتفيت بإجراء مكالمة واحدة.
"أريد هويةً جديدة... وتذكرةَ طيرانٍ للخروج من هنا."
"أنتِ ملكي إيزابيلا.. صغيرتي التي لم يلمسها غيري، وسأحرق هذا العالم قبل أن أسمح لرجل آخر بالاقتراب منكِ."
فقدت إيزابيلا مونرو كل شيء بما في ذلك والديها في حريق غامض وهي طفلة، ليتركها القدر وحيدة في مواجهة عالم لا يرحم. لكن سيباستيان هوثورن الصديق المقرب لوالدها ووالد صديقتها الوحيدة، لم يتخلَّ عنها. أصبح ظلها، حاميها، والرجل الذي يقف بينها وبين الهاوية.
لكن إيزابيلا ليست الفتاة المسكينة التي يتخيلها الجميع. إنها متمردة، قوية، وتقود دراجتها النارية كملكة للطرق، وتعمل كنادلة لتنتزع رزقها بكرامة.
بينما يحاول سيباستيان السيطرة على تمردها، يكتشف أن السيطرة على قلبه هي المعركة الأصعب. هو رجل محرم بكل المقاييس؛ أكبر منها بسنوات، متزوج (حتى لو كان على وشك الانفصال)، ولديه عشيقة بالفعل.
مع كل لقاء، تذوب الحدود بين الرعاية والهوس. لمسة واحدة منه كفيلة بإشعال رغبة محرمة تهدد بحرق كل شيء حولهما.
هل ستستسلم إيزابيلا لحاميها الذي تحول إلى أكبر مخاوفها.. وأكثر رغباتها ظلاماً؟
طوال حياتي…
كنتُ الابنة التي يتمنى الجميع لو أنها لم تولد.
العار الذي أخفته عائلته.
الفتاة التي لم ترث ذئبًا، ولم تمتلك موهبة، ولم تحصل حتى على نظرة حنان واحدة من والدها.
بعد موت أمي…
أصبحتُ خادمة في منزلي.
أراقب أختي تنال الحب الذي لم أعرفه يومًا.
وأتعلم كيف أبتلع الإهانة بصمت.
في عالمٍ يُقاس فيه الجميع بقوة ذئابهم…
كنتُ الأضعف.
أو هكذا ظنوا.
حتى جاء اليوم الذي قرروا فيه التخلص مني.
أرسلوني إلى الغابة الخطيرة وحدي…
كما لو أن موتي لن يترك فراغًا في حياة أحد.
لكن بدلًا من الموت…
وجدتُه.
أو ربما…
هو من وجدني أولًا.
في تلك الليلة، كان أشبه بكابوس خرج من الظلام.
عينان متوحشتان.
رائحة دم.
وصوت زئير جعل جسدي يرتجف خوفًا.
ظننت أنني سأموت.
لكن الشيء الذي حدث بعد ذلك…
كان أغرب من الموت نفسه.
لأول مرة…
هدأ الوحش.
ولأول مرة…
نظر إليّ كما لو أنني الشيء الوحيد القادر على إنقاذه.
كان يجب أن أهرب.
وكان يجب أن أنساه.
لكنني لم أكن أعلم…
أن الرجل الذي التقيته تلك الليلة…
هو نفسه الشخص الذي يخشاه الجميع.
الرجل الذي تُروى عنه الشائعات همسًا.
والذي يقولون إن كل امرأة اقتربت منه…
اختفت.
ثم في يومٍ ما…
وصل طلب زواج إلى منزلنا.
ومن بين جميع النساء…
اختارني أنا.
أنا…
الفتاة التي لم يخترها أحد يومًا.
لكن بعض الأقدار لا تأتي كهدية.
بعضها…
يأتي على هيئة لعنة.
كنت أعيش علاقة حب مع زين جنان لمدة ثلاث سنوات، لكنه لا يزال يرفض الزواج مني.
ثم، وقع في حب أختي غير الشقيقة ومن أول نظرة، وبدأ يلاحقها علنًا.
في هذه المرة، لم أبكِ، ولم أنتظر بهدوء كما كنت أفعل سابقًا حتى يشعر بالملل ويعود إلي.
بل تخلصت من جميع الهدايا التي أهداني إياها، ومزقت فستان الزفاف الذي اشتراه لي سرًا.
وفي يوم عيد ميلاده، تركت مدينة الجمال بمفردي.
قبل أن أركب الطائرة، أرسل لي زين جنان رسالة عبر تطبيق واتساب.
"لماذا لم تصلي بعد؟ الجميع في انتظارك."
ابتسمت ولم أرد عليه، وقمت بحظر جميع وسائل الاتصال به.
هو لا يعرف أنه قبل نصف شهر فقط،
قبلت عرض الزواج من زميل دراستي في الجامعة ياسين أمين.
بعد هبوط الطائرة في المدينة الجديدة، سنقوم بتسجيل زواجنا.
أجد أن التحديث الحقيقي لقاعدة بيانات التفسير يحدث عندما تتجمع أسباب عقلانية وشرعية وعلمية معًا؛ ليس مجرد ضغط زرٍ لتصحيح خطأ إملائي، بل لحظة تتطلب مراجعة منهجية. عادةً ما أبدأ بالتحديث بعد ظهور مخطوط جديد أو طبعة حديثة لـ'تفسير الطبري' أو 'تفسير ابن كثير'، أو حين تُنشر دراسات لغوية ونقدية تغير فهمنا لمعنى كلمة أو سياق آية. هذا النوع من الاكتشافات يجعلني أتوقف عن العمل الروتيني وأفتح ملفات الألفاظ، وأعيد الوسوم والتصنيفات وربط الآيات بالأسباب النزل والسياقات التاريخية.
ثم يأتي جانب التحقق: أقوم بمقارنة القراءات، وأتتبع السند في التراجم المرتبطة، وأراجع التعليقات الحديثة والقديمة. بعد ذلك أطبق تحديثًا مُمنهجًا يتضمن توثيقًا للتغيير (من حصل على الصيغة القديمة؟ ما الذي تغير؟ ولماذا تم اعتماد الصيغة الجديدة؟). بهذه الطريقة ستظل القاعدة مرجعية موثوقة وليس مجرد مخزن نصوص، ويكون التحديث قرارًا مبنيًا على دليل لا على تكهنات.
من الواضح أن مبادئ فيليب كوتلر حول التسويق القائم على القيمة والعميل قابلة للتطبيق مباشرة على ترويج المسلسلات، وإن لم يكتب كوتلر عن المسلسلات بالتحديد كوظيفة صناعة تلفزيونية. أرى كوتلر كمن يوفر خريطة مفاهيمية: يبدأ بتقسيم السوق واستهداف الجمهور ثم وضع المنتج في المكان المناسب في ذهن المشاهد. في عالم المسلسلات، هذا يعني استخدام البيانات لتحديد من يشاهد، لماذا يشاهد، وما الذي يجعلهم يشاركون الحلقات مع أصدقائهم؛ أي بيانات المشاهدة من منصات البث، تجزئة الجمهور حسب الاهتمامات، والسلوك، وحتى المشاعر تُعدّ ذهبًا عند تطبيق نظرية كوتلر.
أحببت طريقة تحويل هذه الأفكار إلى خطوات عملية: أولًا، جمع بيانات متعددة المصادر — سجلات المشاهدة، تفاعل السوشيال ميديا، نتائج الحملات الإعلانية، ونتائج اختبارات المشاهدين. ثانيًا، بناء شرائح مستهدفة واضحة ثم تصميم رسائل ترويجية مخصصة لكل شريحة؛ إعلان قصير ومثير لذوي الانطباعات السريعة، ومقاطع أطول مع خلفية شخصية للمهتمين بالدراما العاطفية. ثالثًا، اختبار الرسائل عبر A/B واستخدام قياس التحويل لتحديد أي العناصر تحفز الاشتراك أو المشاهدة الفعلية. كوتلر كان سينادي بالتركيز على القيمة المقدمة للمشاهد: لماذا هذا المسلسل يستحق وقتي؟ البيانات تساعد في صياغة إجابة مقنعة وموجهة لكل جمهور.
لا أتجاهل أمورًا مهمة أخرى يتلمسها كتاب كوتلر مثل بناء علاقات طويلة الأمد بدل الصفقات السريعة؛ لذا تُستخدم البيانات أيضًا للاحتفاظ بالمشاهدين عبر إشعارات ذكية، محتوى خلف الكواليس، وتجارب مجتمعية تشجع المشاركة. أخيرًا هناك أرقام تراكمية يجب مراقبتها: معدل الإنهاء، معدل الاحتفاظ، صدى السوشيال، وقياس العائد على الإنفاق الإعلاني. لكن لا بد من التحذير: كوتلر سيشدّد على أخلاقيات التعامل مع البيانات—الشفافية، الموافقة، وحماية الخصوصية. كل هذه الأفكار تجعلني أعتقد أن كوتلر لم يحتاج لذكر المسلسلات صراحة، لأن أساسياته للتسويق القائم على القيمة والعميل تقدم إطارًا قويًا لترويج أي منتج ثقافي.
في النهاية أجد متعة خاصة في رؤية كيف أن استراتيجيات كوتلر الحيوية تلتقي مع الأدوات التقنية الحديثة؛ إنها مزيج عملي من الفن والعلم يساعد المسلسلات أن تجد جمهورها المناسب وتبقى في ذهنه.
أميل إلى ترتيب واضح عندما يتعلّق الأمر بطلب السيرة: في الغالب أرى الشركات تفضّل أن تُرسل السيرة عبر نظام التوظيف الرسمي للشركة (ATS) أو صفحة 'الوظائف' على الموقع، وليس عبر رسائل عشوائية.
أشرح هذا لأن النظام الرسمي يسهّل فرز الطلبات، ويُطلب عادة رفع ملف PDF واحد أو ملف Word مع حقل لإضافة روابط مثل LinkedIn أو GitHub أو محفظة أعمال. أحرصُ دائمًا على أن أذكر في سيرتي مختصرًا عن المشاريع العملية — خصوصًا أمثلة على تحليل بيانات الجمهور أو قياس أداء الحملات الإعلامية — لأن شركة إنتاج تهتم برؤية أثر التحليلات على المشاهدات والإيرادات. كما أقدّر وجود حقل لكتابة رسالة قصيرة أو ملحوظة توضح مدى ملاءمة المهارات للوظيفة، فهذا يساعد على تمييز الطلب بين كمّ من السير.
أحيانًا تطلب الشركات أيضًا إرسال السيرة عبر بريد إلكتروني مخصص للتوظيف أو عبر روابط منصات التوظيف المحلية مثل LinkedIn أو مواقع التوظيف، وفي هذه الحالة أحرص على تسمية الملف بشكل احترافي (مثلاً: اسمالمرشحمحللبيانات.pdf) وإرفاق روابط لعينات العمل ولوحات معلومات تفاعلية أو ملفات Jupyter Notebook. نهايةً، أعتبر أن الوضوح في القنوات والتعليمات يجعل الانتقاء أسرع وأنظم، وهو ما يرضي كلا الطرفين.
أعتبر أرقام اللعب بمثابة سرد صغير لكل جلسة لعب؛ أراقبها كما أراقب تعابير لاعب رأيته للمرة الأولى. جمع البيانات داخل اللعبة يبدأ من أبسط الأشياء: متى يدخل اللاعبون، كم يدوم كل جولة، أين يموتون كثيرًا، وما العناصر التي يشترون أو يتجاهلون. الفرق الكبيرة تولد تيليمتري ضخمة تُسجَّل كأحداث صغيرة، وهذه الأحداث هي التي تسمح لنا بفهم الأنماط بدل التكهنات العاطفية. عندي خبرة في قراءة هذه الجداول وتحويلها إلى قصص عملية بدلاً من أرقام جافة.
أستخدم A/B testing كثيرًا عندما أريد أن أعرف إن كانت تعديل ميكانيكي أو سعر عنصر سيحسن الاحتفاظ أو العائد. كذلك، الخرائط الحرارية (heatmaps) مفيدة لرصد تدفق اللاعبين داخل مستوى معين، بينما تحليل القمع (funnel analysis) يوضح بالضبط في أي نقطة يفقد اللاعبون الدافع. التعلم الآلي الآن يساعد في توقع مغادرة اللاعبين أو اكتشاف الغش، لكن يجب التعامل معه بحذر—ليس كل شيء يُفسَّر بالاستدلال الآلي.
في النهاية، أرى البيانات كأداة لا تحل محل الإبداع. يمكن للأرقام أن تخبرنا أين المشكلة، لكنها لا تفرض الحل المثالي؛ لذلك أكرر اختبارات اللعب الحقيقية، أستمع للمجتمع، وأوازن بين إحساس اللعبة ونتائج التحليلات. هذا المزج هو ما يجعل تجربة اللعب تتحسن تدريجيًا وتصبح أقرب لما يريده اللاعبون فعلاً.
أراها خطوة صغيرة لكنها مؤثرة جدًا: تبسيط واجهة الإدخال بحيث لا يُطلب مني التفكير مرتين قبل الضغط.
أبدأ بتنظيم الحقول حسب منطق العمل—أجعل العناصر المرتبطة متجاورة، وأضع تلميحات قصيرة داخل الحقول لتذكيري بالشكل المطلوب (مثلاً: تاريخ بصيغة YYYY-MM-DD). أستخدم قوائم منسدلة بدلاً من الحقول الحرة حيثما أمكن لتقليل التنويع غير المقصود، وأفعّل التحقق الفوري من القيم لتظهر لي الأخطاء قبل الحفظ.
أعلم أن الإغراء للسرعة قوي، لذا أضع لنفسي خطوات واقعية: أراجع السطر بسرعة أولًا للتأكد من الأرقام الأساسية، ثم أضغط زر المعاينة، وفي النهاية أتحقق من المجموعات الكبرى (إجمالي، تواريخ، معرفات). تدريب بسيط مع أمثلة شائعة وتصحيح مباشر بعد كل خطأ يساعدني كثيرًا على تذكّر الأنماط الصحيحة. بعد فترة، تصبح الأخطاء أقل وتشعر العملية كأنها روتين آمن وموثوق، وهذا ما أطمح إليه دائماً.
صوت الأرقام يجذبني أكثر من أي شيء آخر، خاصة حين تكشف عن عادات اللاعبين الخفية والتي لا تروى بالكلمات.
أول مصدر خبرة تعلمت منه هو بيانات اللعب الفعلية: سجلات الجلسات، أحداث اللعب، ومقاييس الاحتفاظ والمشتريات داخل التطبيق. قضاء ساعات مع قواعد بيانات SQL وكتابة استعلامات لاستنباط قنوات الانسحاب أو نقاط الاحتكاك يعلمني أكثر من أي نظرية. أضع الفرضيات ثم أتحقق منها عبر تحليل القيعان الزمنية والتجمعات (cohorts)، وأجد أن مقارنة فترات ما بعد التحديثات تُظهر مدى نجاح تغييرات التصميم.
بعد ذلك، جاء التعلم من التجارب الحية: اختبارات A/B، تشغيل ميزات مؤقتة، وقراءة تقارير الـ funnel لكل إصدار. العمل مع أدوات القياس مثل SDKs في محركات الألعاب أو منصات التحليلات يجعلني أفهم كيف تُترجم أحداث اللاعب إلى مقاييس قابلة للعمل. ولا أقلل من قيمة المصادر النوعية: مكالمات الدعم، المنتديات، ومقاطع البث تعطي سياقًا للبيانات الصامتة. مزيج من التقنيات الكمية والنوعية هو الذي شكل خبرتي، وأنصح كل محلل بأن يظل فضوليًا ويبحث عن القصة وراء كل رقم.
كنت دايماً أتساءل كيف أحصل على شهادة دون دفع مبالغ كبيرة، وCoursera فعلاً تقدم طرق متعددة لذلك.
أول شيء مهم تعرفه: معظم دورات Coursera تتيح لك 'التدقيق' مجاناً، يعني تقدر تشاهد الفيديوهات وتقراً المواد بدون مقابل. لكن في وضع التدقيق عادةً ما تظل مقفلة أمامك الاختبارات الرسمية أو التقييمات التي تحتاج لتسليمها لتتحصل على الشهادة، وبالتالي الشهادة نفسها ليست مشمولة.
الخيار الثاني هو الدفع للحصول على الوصول الكامل والحصول على الشهادة عند إكمال الدورة، أو الاشتراك الشهري في باقات مثل Coursera Plus لبعض المسارات. وهناك أيضاً فترة تجريبية مجانية أحياناً للمتابعات، لكنها ليست شهادة مجانية دائمة.
إذا كانت الشهادة ضرورية ولا تقدر تدفع، فأنصح بالتقديم على 'المساعدة المالية' المتاحة لمعظم الدورات — تطلب ملء استمارة قصيرة وتستغرق النتيجة عادةً حتى أسبوعين، ولو قبولوا تحصل على وصول كامل وشهادة بعد الإنجاز. تجربتي؟ استفدت من التدقيق لتعلم الأساسيات، وإذا أردت إثباتاً رسمياً أتقدم بطلب المساعدة أو أدفع الشهادة عندما أحتاجها حقاً.
أستمتع كثيرًا بملاحظة كيف أن موضوع تحليل البيانات أصبح لديه مسارات تعليمية واضحة الآن على معظم منصات التعليم الإلكتروني. خلال تجربتي، لاحظت أن هناك أنواعًا مختلفة من الشهادات: شهادات مهنية قصيرة، شهادات معتمدة من جامعات (مثل شهادات 'Verified' أو 'MicroMasters' على منصات مثل edX)، وبرامج أطول تمنح شهادات أو حتى درجات معتمدة عبر منصات مثل Coursera التي تتعاون مع جامعات لإطلاق درجات ماجستير عبر الإنترنت. لقد أخذت شخصيًا دورة شاملة تضمن مشروعًا نهائيًا ووجدت أن وجود مشروع تطبيقي يزيد من مصداقية الشهادة عند التقديم للوظائف.
من جهة أخرى، هناك شهادات تصدرها المنصات نفسها كـ'Nanodegree' على Udacity أو شهادات إتمام على DataCamp وLinkedIn Learning. هذه مفيدة جدًا لتعلّم أدوات محددة بسرعة—مثل 'Python for Data Analysis' أو 'SQL for Data Science'—لكنها ليست دائمًا معترفًا بها رسميًا من قبل هيئات الاعتماد الأكاديمي. بالمقابل، شهادات مثل 'Google Data Analytics Professional Certificate' على Coursera أو 'IBM Data Science' تحظى بتقدير سوق العمل لأن الشركات تعرف محتواها ومدى تركيزها على المهارات العملية.
نصيحتي من تجربة طويلة: قرر الهدف أولًا—هل تريد قبولًا في برنامج ماجستير لاحقًا أم وظيفة مباشرة؟ إذا الهدف وظيفة، فابحث عن دورات تتضمن مشاريع حقيقية، تقييمات، وإمكانية الحصول على شارات رقمية عبر منصات مثل Credly أو Acclaim لأن أصحاب العمل يقدرونها. وإذا كان هدفك الاعتماد الأكاديمي أو تحويل الساعات إلى ائتمان جامعي، فابحث عن مصطلحات مثل 'credit-eligible' أو 'institutional accreditation' أو عن تعاون بين المنصة وجامعة معروفة. وأخيرًا، استفد من خيار التدقيق المجاني (audit) إن كنت تود التعلم مجانًا ثم تدفع فقط للحصول على الشهادة في حال أعجبتك الجودة—هذا ما فعلته لتجربة محتوى قبل الالتزام المالي. التجربة الشخصية تُظهر لي أن الشهادة مفيدة عندما تصاحبها محفظة مشاريع واضحة وروابط تعرض عملك العملي.
دايمًا لما أنقّب في أسباب فشل عمل درامي في الظهور على الصفحة الأولى بلاقي مزيج من أخطاء تقنية وتسويقية قاتلة، وممكن أشرحها بطريقة عملية لأنها متكررة جدًا.
أول خطأ شائع هو العنوان والوصف السيئين: لو العنوان غير واضح أو مليان كلمات عامة جداً هتضيع فرص الظهور في استعلامات البحث. نفس الكلام ينطبق على الوصف — لازم يحتوي كلمات مفتاحية ذات علاقة وطول مناسب ويشرح ما يقدمه المسلسل من قيمة للمشاهد.
ثانٍ، المواصفات التقنية: صفحات الحلقات اللي تُحمّل بجافاسكربت بدون تقديم نسخ HTML قابلة للفهرسة، أو ملف robots.txt يمنع الزحف، أو صفحات مفقودة (404) أو إعادة توجيه خاطئة، كلها تمنع محركات البحث من فهرسة المحتوى. عدم وجود بيانات منظمة (مثل VideoObject schema) أو خريطة موقع فيديو sitemap.xml يخلي محركات البحث ما تفهمش الحلقات.
ثالثًا، إشارات الجودة: صور مصغرة ضعيفة، عناوين مضللة، وقت مشاهدة منخفض أو معدل ارتداد عالي، وقلة التفاعل والتعليقات يؤثروا سلبًا على ترتيب المحتوى. وأخيرًا، غياب الترويج الخارجي — روابط من مواقع ثانية ومشاركات على الشبكات الاجتماعية وتغطية صحفية — يقلل من ثقة محركات البحث بالمحتوى. بالمجمل، لازم اتحاد بين تحسين تقني ومحتوى جذاب وتسويق قوي عشان توصل الصفحة الأولى، وهذا الشيء واضح لكل واحد يتابع المشهد من قريب أو بعيد.
أدركت منذ وقت أن تتبع أرقام الناطقين بالعربية شغف صغير لديّ، لأن النتائج قد تتغيّر كثيرًا بحسب المصدر وطريقته في العد.
أول جهة أجدها مرجعية جدًا هي 'Ethnologue' الصادرة عن SIL، فهي تقدّم أرقامًا تفصيلية للمتحدثين كلغة أم وأحيانًا للمتحدثين كلغة ثانية، وتحدّث قواعد بياناتها سنويًا تقريبًا. إلى جانبها، تنشر 'UNESCO' معلومات مهمة خاصة بحالة اللغات ودرجة تهديدها، بينما يوفر قسم السكان بالأمم المتحدة (UN DESA) أرقامًا سكانية تستخدمها كثيرًا دراسات اللغات كمرجع ضابط. كما أن 'CIA World Factbook' يقدم لمحات سريعة عن اللغات المنتشرة في كل بلد.
لا تنسَ المكاتب الإحصائية الوطنية — مثل الجهاز المركزي للتعبئة والإحصاء في مصر أو الهيئة العامة للإحصاء في السعودية والمصادر المماثلة في دول عربية أخرى — فهي تصدر تعدادًا سكانيًا يمكن استنباط نسب المتحدثين منه، رغم أن التعدادات تختلف في تصميم الأسئلة بين بلد وآخر. في النهاية، أفضل أن أقرأ أكثر من مصدر وأقارن التعريفات (هل المقصود الناطقون الأصليون أم كل من يجيد العربية) قبل الاعتماد على أي رقم واحد.