التكديس (Clustering) هو مهمة معروفة في تنقيب البيانات، وتهدف إلى تجميع الكيانات البياناتية وفقًا لتشابهها. وهو نشاط استكشافي وغير مراقب، ويعتمد نتائجه على العديد من المعاملات، مما يستدعي غالبًا من الخبير تكرار العمليات عدة مرات حتى يحقق الرضا. تم تقديم التكديس المُقيّد (Constrained Clustering) لتحسين نمذجة توقعات الخبير. ومع ذلك، لا يزال التكديس المُقيّد غير كافٍ، لأنه يقتضي عادةً أن تُقدَّم القيود قبل بدء عملية التكديس. في هذه الورقة، نتناول مشكلة أكثر شمولية تهدف إلى نمذجة عملية التكديس الاستكشافية من خلال تسلسل من التعديلات على التكديس، حيث تُضاف قيود الخبير ديناميكيًا أثناء التنفيذ. نقدم إطارًا تكديسيًا مُتزايدًا (Incremental Constrained Clustering) يدمج استراتيجيات استعلام نشطة (Active Query Strategies) مع نموذج برمجة القيود (Constraint Programming)، بهدف التكيف مع توقعات الخبير مع الحفاظ على استقرار التقسيم، مما يمكّن الخبير من فهم العملية وفهم تأثيرها. يدعم نموذجنا قيودًا على مستوى الكيانات (instance-level) وعلى مستوى المجموعات (group-level)، ويمكن تخفيف هذه القيود عند الحاجة. أظهرت التجارب على مجموعات بيانات مرجعية ودراسة حالة تتعلق بتحليل سلاسل زمنية للصور الفضائية صلاحية الإطار المُقترح.