ملخص الأرقام الخمسة: التعريف، الإيجاد، والاستخدام

يُمثّل ملخص الأرقام الخمسة (Five-Number Summary) أحد الركائز الجوهرية في ترسانة التحليل الإحصائي الحديث، ونقطة تحوّل منهجية فارقة في تاريخ التعامل مع البيانات التجريبية والسلوكية. في سياق القياس النفسي والعلوم السلوكية المعاصرة، حيث تتسم البيانات في كثير من الأحيان بالتعقيد الشديد والالتواء والابتعاد عن التوزيعات النظرية المثالية، تبرز الحاجة الماسة إلى أدوات وصفية تجمع بين الرصانة الرياضية والقدرة العالية على مقاومة التشوهات الناجمة عن القيم المتطرفة والشاذة. لا يقتصر هذا الملخص على كونه مجرد توليفة حسابية مقتضبة، بل هو إطار مفاهيمي متكامل يتيح للباحثين والممارسين الإكلينيكيين تفكيك البنية التوزيعية للمتغيرات النفسية، واستقراء خصائص التمركز والتشتت والشكل العام للبيانات دون الانزلاق إلى الافتراضات الصارمة والمقيدة للإحصاء المعلمي التقليدي.

تاريخياً، ارتبط ظهور هذا المفهوم بالثورة المنهجية التي قادها عالم الإحصاء الأمريكي جون توكي (John W. Tukey) في سبعينيات القرن العشرين، عندما أسس لمجال “تحليل البيانات الاستكشافي” (Exploratory Data Analysis – EDA). كان الهدف الأساسي لتوكي هو تحرير الباحث من سطوة النماذج الاحتمالية القبلية، وتمكينه من “الاستماع إلى ما تقوله البيانات حقاً” قبل الشروع في بناء الفرضيات التوكيدية أو استخدام الاختبارات البارامترية الحساسة. وقد اكتسب ملخص الأرقام الخمسة أهمية مضاعفة في السيكومتري (Psychometrics) والتقييم الإكلينيكي، نظراً لطبيعة الظواهر النفسية المقاسة—كالسمات الشخصية، والاضطرابات العصابية، والقدرات العقلية—التي نادراً ما تتبع توزيعاً اعتدالياً متماثلاً تماماً داخل المجتمع الإحصائي المدروس، مما يجعل الاعتماد الحصري على المتوسط الحسابي والانحراف المعياري ممارسة إحصائية محفوفة بالمخاطر المنهجية والتفسيرية.

يهدف هذا المقال الشامل إلى تقديم تأصيل نظري وتطبيقي عميق لملخص الأرقام الخمسة، مستعرضاً جذوره الرياضية في إحصاءات الترتيب، وخطوات حسابه الدقيقة عبر الخوارزميات اليدوية والبرمجيات الإحصائية المتخصصة، والتمثيل البياني المقترن به عبر مخطط الصندوق والطرفين (Boxplot). كما يسلط الضوء على آليات توظيفه في كشف القيم الشاذة، وتقييم شكل التوزيع، وبناء المعايير السيكومترية، وإدارة التطبيقات الإكلينيكية والتشخيصية، وصولاً إلى استشراف استخداماته المتقدمة في النمذجة الإحصائية المعاصرة وعلوم البيانات النفسية الضخمة، مستنداً إلى معايير التوثيق المعتمدة من قبل جمعية علم النفس الأمريكية (APA 7th Edition).

1. مقدمة تأصيلية: مفهوم ملخص الأرقام الخمسة وأهميته في القياس النفسي

1.1 تعريف ملخص الأرقام الخمسة في سياق تحليل البيانات الاستكشافي (EDA)

يُعرَّف ملخص الأرقام الخمسة إحصائياً بأنه توليفة موجزة ومكثفة تتألف من خمس معالم غير معلمية مستندة كلياً إلى إحصاءات الترتيب (Order Statistics)، وهي: القيمة الصغرى (Minimum)، الربيع الأول (First Quartile – Q1)، الوسيط أو الربيع الثاني (Median / Q2)، الربيع الثالث (Third Quartile – Q3)، والقيمة العظمى (Maximum). وقد تبلور هذا المفهوم بصورته المنهجية المتكاملة في كتاب جون توكي الرائد الصادر عام 1977 بعنوان Exploratory Data Analysis، حيث سعى توكي إلى ابتكار أدوات استدلالية بصرية ورقمية لا تتطلب من المحلل الانطلاق من فرضيات مسبقة حول طبيعة التوزيع الاحتمالي للبيانات، مثل فرضية التوزيع الطبيعي المعياري أو تجانس التباين.

تقوم الفلسفة الكامنة وراء إحصاءات الترتيب على مبدأ التوزيع الحر (Distribution-Free Statistics)؛ فبدلاً من معالجة البيانات عبر مقاييس العزوم المكانية والكمية المباشرة (كحساب مجموع مربعات الانحرافات عن الوسط)، يتم ترتيب القيم الخام تصاعدياً وتحديد مواقع نسبية محددة تقسم كتلة التوزيع الإحصائي إلى أجزاء متساوية الحجم التكراري. هذا الانتقال من “القيم الحسابية الموزونة” إلى “المواقع الترتيبية” يمنح ملخص الأرقام الخمسة استقلالاً تاماً عن أي توزيع احتمالي نظري مفترض، مما يجعله أداة اختزالية فائقة القوة لوصف توزيع المتغيرات النفسية المعقدة ومتعددة الأبعاد التي تفتقر إلى القياس الفتري الدقيق (Interval Measurement).

في مقابل الفلسفة الإحصائية التوكيدية (Confirmatory Data Analysis – CDA) التي تركز حصرياً على اختبار الفرضيات، وحساب مستويات الدلالة الإحصائية (p-values)، وتقدير فترات الثقة الصارمة، تتبنى الفلسفة الاستكشافية (EDA) منهجاً استقرائياً يهدف إلى اكتشاف الأنماط الكامنة، ورصد البنى غير المتوقعة، وفحص جودة البيانات السلوكية قبل تلويثها بافتراضات رياضية قد لا تتطابق مع الواقع الميداني. يُعد ملخص الأرقام الخمسة بمثابة العمود الفقري لهذه المقاربة الاستكشافية، إذ يقدم للباحث صورة متوازنة وشاملة حول مركز التوزيع، ومدى تشتت منتصف البيانات، والامتداد الكلي للقيم، واللاتماثل في توزيع الذيول.

1.2 مبررات الاعتماد على ملخص الأرقام الخمسة في العلوم النفسية

تواجه البحوث النفسية والسلوكية تحديات إحصائية هيكلية تجعل المقاييس الوصفية الكلاسيكية عاجزة في كثير من الأحيان عن تقديم تصوير أمين للواقع السيكولوجي. تأتي في مقدمة هذه التحديات حقيقة أن العديد من المتغيرات الإكلينيكية—مثل درجات القلق المرضي وفق مقياس هاميلتون، أو حدة الاكتئاب وفق قائمة بيك، أو مستويات الصدمة النفسية—تتميز بتوزيعات شديدة الالتواء الموجب (Positive Skewness) داخل العينات العامة، حيث تتكدس غالبية الدرجات في النهاية الدنيا للمقياس، بينما تتدلى درجات الأقلية السريرية المصابة في الطرف الأيمن الممتد.

في مثل هذه الحالات، يفقد المتوسط الحسابي مصداقيته بوصفه ممثلاً للموقع المركزي للعينة، نظراً لانجذابه القوي والمضلل نحو الذيل الطويل ذي القيم المرتفعة، في حين يتضخم الانحراف المعياري بصورة تعكس امتداد الذيل أكثر مما تعكس التباين الحقيقي لغالبية أفراد العينة. يوفر ملخص الأرقام الخمسة، ومن خلال اعتماده على الوسيط والربيعيات، وسيلة منيعة لعزل هذا التأثير المشوه، حيث يظل الوسيط متمركزاً في النقطة التي تمثل 50% من المفحوصين بغض النظر عن المسافات العددية القصوى للقيم المتطرفة في العينات الإكلينيكية الحادة.

علاوة على ذلك، تتميز غالبية أدوات القياس النفسي بكونها مقاييس رتبية (Ordinal Scales)، مثل مقاييس ليكرت المتعددة التدريج (Likert-type scales). إن استخدام المتوسط والانحراف المعياري على بيانات رتبية ينطوي على خطأ منهجي يفترض أن المسافات الفاصلة بين خيارات الاستجابة متساوية رياضياً وسيكولوجياً، وهو افتراض دحضته أدبيات القياس النفسي الحديث. هنا يتجلى ملخص الأرقام الخمسة كبديل طبيعي وأصيل يتوافق بنيوياً مع الطبيعة الرتبية للاستجابات السلوكية، مقدمًا رؤية رقمية وبصرية متسقة دون فرض شروط رياضية مجحفة لا تتوفر في أدوات القياس السيكومتري.

1.3 مقارنة أولية بين التحليل الإحصائي البارامتري واللابارامتري

تتمحور المقارنة المنهجية بين التحليل الإحصائي البارامتري (المعلمي) والتحليل اللابارامتري (اللامعلمي) حول مفاهيم الصلابة والمتانة الإحصائية (Robustness) ومستوى الكفاءة (Efficiency). يستند الإحصاء المعلمي التقليدي إلى نماذج رياضية صارمة تفترض أن المتغير العشوائي مستمر، وموزع توزيعاً طبيعياً معيارياً، وخالٍ من الانحياز الشديد. وفي هذا الإطار، يُعتبر المتوسط الحسابي والانحراف المعياري هما المقدرين الأكثر كفاءة للمعالم المجتمعية (Population Parameters)، ولكن هذه الكفاءة تتداعى بصورة كارثية عند حدوث أدنى انحراف عن التوزيع الطبيعي، أو عند وجود قيمة شاذة وحيدة متطرفة في العينة.

من منظور الإحصاء القوي (Robust Statistics)، تتميز إحصاءات الترتيب—المشكلة لملخص الأرقام الخمسة—بدرجة عالية جداً من المناعة الإحصائية. فالوسيط الحسابي، على سبيل المثال، يمتلك نقطة انهيار (Breakdown Point) تبلغ 50%، مما يعني أن نصف بيانات العينة يجب أن تتغير وتصل إلى ما لا نهاية قبل أن يصبح الوسيط مقدراً مضللاً، في حين يمتلك المتوسط الحسابي نقطة انهيار تبلغ 0% (أو $1/N$)، حيث تكفي قيمة واحدة شاذة للغاية لجر المتوسط الحسابي بعيداً عن مركز الثقل الحقيقي للبيانات وتدمير دلالته التفسيرية.

وقد شهدت الأبحاث النفسية المعاصرة تحولاً جذرياً نحو تبني مقاييس الإحصاء القوي، مدفوعة بظهور أزمات إعادة الإنتاج (Replication Crisis) واكتشاف أن العديد من النتائج المنشورة كانت نتاجاً لتشوهات إحصائية فرضها استخدام المقاييس المعلمية على بيانات غير متجانسة. إن ملخص الأرقام الخمسة لا يُقدم مجرد بديل ترتيبي للمتوسط والانحراف المعياري، بل يقدم نموذجاً وصفياً متكاملاً يكشف عن بنية التباين الداخلي للأرباع المئينية، ويسمح للباحث النفسي بفهم السلوك الكمي للعينة في جميع قطاعاتها التوزيعية، مما يمهد الطريق لاتخاذ قرارات منهجية صائبة حول صلاحية الانتقال إلى التحليلات الاستدلالية المتقدمة.

2. المكونات الإحصائية الخمسة: تفكيك البنية الرياضية للملخص

2.1 القيمة الصغرى (Minimum) والقيمة العظمى (Maximum)

تُمثّل القيمة الصغرى ($X_{(1)}$ أو $Min$) والقيمة العظمى ($X_{(n)}$ أو $Max$) الحدود المطلقة للمصفوفة البيانية المرتبة تصاعدياً، حيث يُعرّف المدى الكلي للمتغير النفسي بالمعادلة الرياضية البسيطة:

$$Range = X_{(n)} – X_{(1)} = Max – Min$$

على الرغم من بساطة هذين المقياسين من الناحية الحسابية، إلا أن وظيفتهما المنهجية والسيكومترية بالغة الحساسية؛ فهما يشكلان خط الدفاع الأول في عملية “تنظيف البيانات” (Data Cleaning) ومراقبة الجودة، حيث يتيح فحصهما المباشر الكشف الفوري عن أخطاء الإدخال الرقمي (Data Entry Errors) أو تسجيل درجات مستحيلة تقع خارج النطاق النظري للمقياس المطبق (على سبيل المثال، تسجيل درجة 65 على مقياس تتراوح درجاته بين 0 و 50).

من الناحية الإكلينيكية، تحمل القيم الطرفية دلالات تشخيصية فريدة لا يمكن إغفالها. فالقيمة العظمى على مقياس التفكير الانتحاري أو مقياس الذهانية قد تشير إلى حالة طارئة تتطلب تدخلاً علاجياً فورياً، حتى لو كانت تلك القيمة تمثل حالة فردية معزولة داخل العينة البحثية. إن اختزال البيانات في المتوسط والانحراف المعياري قد يطمس وجود هذه الحالات الحدية، بينما يضمن ملخص الأرقام الخمسة تثبيت هذه القيم في صدارة التقرير الإحصائي. مع ذلك، يجب التأكيد على أن القيمة الصغرى والقيمة العظمى تتسمان بحساسية مطلقة للتغيرات العشوائية وحجم العينة؛ فكلما ازداد حجم العينة ($N$)، زادت احتمالية رصد قيم أكثر تطرفاً، مما يجعلهما مقاييس غير مستقرة لتقدير تشتت المجتمع الإحصائي في غياب بقية عناصر الملخص.

2.2 الربيع الأول (Q1) والربيع الثالث (Q3)

يُمثّل الربيع الأول ($Q_1$) النقطة المئينية الخامسة والعشرين ($P_{25}$)، وهو الحد الفاصل الذي تقع تحته نسبة 25% من درجات العينة المرتبة، بينما تقع فوقه نسبة 75% من الدرجات المتبقية. بالمقابل، يُمثّل الربيع الثالث ($Q_3$) النقطة المئينية الخامسة والسبعين ($P_{75}$)، وهو الحد الذي تقع تحته 75% من البيانات وفوقه الـ 25% العليا من العينة. يُطلق جون توكي على هذين المعلمين اسم “المفصلات” (Hinges)، معتبراً إياهما مفاصل هيكلية تحيط بكتلة البيانات وتحدد مركز ثقلها.

إن الفارق الحسابي بين الربيع الثالث والربيع الأول يُعرف إحصائياً باسم المدى الربيعي (Interquartile Range – $IQR$):

$$IQR = Q_3 – Q_1$$

يمتلك هذا المدى أهمية سيكومترية استثنائية، إذ يحدد النطاق الذي يقع فيه الـ 50% المتوسط من أفراد العينة، مستبعداً بذلك النصف الطرفي المشوش (الـ 25% الدنيا والـ 25% العليا). يُعد المدى الربيعي المقياس اللابارامتري المعياري للتشتت، حيث يتفوق جذرياً على الانحراف المعياري في حالات التوزيعات الملتوية أو الملوثة بقيم شاذة، ويُعبر بدقة متناهية عن مدى تجانس أو تباين الكتلة المركزية للمفحوصين في المتغير النفسي المدروس.

2.3 الوسيط أو الربيع الثاني (Q2 / Median)

يُعد الوسيط ($Q_2$ أو $Median$) حجر الزاوية في ملخص الأرقام الخمسة، ويمثل النقطة المئينية الخمسين ($P_{50}$) التي تقسم البيانات المرتبة إلى نصفين متساويين تماماً: 50% من الدرجات تقع تحته أو تساويه، و50% من الدرجات تقع فوقه أو تساويه. رياضياً، يتميز الوسيط بأنه القيمة التي تجعل مجموع الانحرافات المطلقة للأفراد عنها أصغر ما يمكن ($Minimum \sum |X_i – Median|$)، مما يجعله المقياس الأمثل لنزعة البيانات المركزية في ظل وجود دالات خسارة خطية (Linear Loss Functions).

في سياق القياس النفسي، يكتسب الوسيط أهميته المقارنة عند وضعه في مواجهة نقطة الوسط النظري للمقياس المطبق. فإذا كان المقياس يتكون من درجات تتراوح نظرياً بين 0 و 100، بوسط نظري قدره 50، فإن استقرار وسيط العينة التجريبية عند الدرجة 30 يعطي إشارة فورية وغير مضللة إلى ميل غالبية أفراد العينة نحو الطرف الأدنى للسمة المقاسة، بغض النظر عما إذا كان هناك عدد قليل من الأفراد ذوي الدرجات المرتفعة جداً الذين قد يرفعون المتوسط الحسابي إلى 55. يتميز الوسيط بمناعة مطلقة ضد القيم المتطرفة، وحساسية فائقة للتغيرات الترتيبية المتناظرة، مما يجعله المعيار الأكثر موضوعية لتحديد الموقع المركزي للعينة السيكولوجية.

3. خطوات إيجاد ملخص الأرقام الخمسة يدوياً: الدليل الإجرائي الرياضي

3.1 ترتيب البيانات وتحديد الرتب الإحصائية

تتمثل الخطوة الإجرائية الأولى التي لا غنى عنها في حساب ملخص الأرقام الخمسة في تحويل المصفوفة الرقمية الخام إلى مصفوفة مرتبة تصاعدياً (Ascending Ordered Array):

$$X_{(1)} le X_{(2)} le X_{(3)} le dots le X_{(n)}$$

حيث يشير الرمز $X_{(i)}$ إلى القيمة التي تحتل الرتبة الإحصائية $i$ في العينة ذات الحجم $N$. في البيانات النفسية، يتكرر كثيراً ظهور قيم متساوية لعدد من المفحوصين، وهو ما يُعرف في الأدبيات الإحصائية باسم “الرتب المقيدة” أو المتساوية (Tied Ranks). عند تطبيق خوارزمية ملخص الأرقام الخمسة، تُعامل الدرجات المتطابقة كمدخلات متتالية منفصلة في الترتيب دون دمج، حفاظاً على التعداد الحجمي الدقيق للعينة.

لتحديد موضع الوسيط ($Position_{Median}$)، تُطبق القاعدة الإحصائية الدقيقة المعتمدة على زوجية أو فردية حجم العينة ($N$):

• إذا كان $N$ فردياً: يكون موضع الوسيط هو القيمة التي تقع في الرتبة المركزية الوحيدة:

  $$Position_{Median} = \frac{N + 1}{2}$$

  وتكون قيمة الوسيط هي الدرجة المقابلة لتلك الرتبة تماماً ($Q_2 = X_{(\frac{N+1}{2})}$).

• إذا كان $N$ زوجياً: يقع موضع الوسيط في منتصف المسافة بين رتبتين مركزيتين، هما الرتبة $(\frac{N}{2})$ والرتبة $(\frac{N}{2} + 1)$، ويُحسب الوسيط بالمتوسط الحسابي للقيمتين المقابلتين:

  $$Q_2 = \frac{X_{(\frac{N}{2})} + X_{(\frac{N}{2} + 1)}}{2}$$

3.2 طرق حساب الربيعيات (Q1 و Q3): الفروق المنهجية

على الرغم من اتفاق علماء الإحصاء على تعريف الوسيط، إلا أن هناك تبايناً منهجياً في تحديد الخوارزمية الرياضية الدقيقة لحساب الربيعين الأول والثالث ($Q_1$ و $Q_3$)، وخاصة في العينات الصغيرة. وقد حدد العالمان هايندمن وفان (Hyndman & Fan, 1996) تسع طرق حسابية مختلفة مستخدمة في البرمجيات الإحصائية. من أهم هذه المقاربات الرياضية في التحليل اليدوي:

1. طريقة مفصلات توكي (Tukey’s Hinges):

   تعتمد هذه الطريقة على تقسيم البيانات المرتبة إلى نصفين (نصف أدنى ونصف أعلى) استناداً إلى موقع الوسيط. إذا كان حجم العينة $N$ فردياً، يتم تضمين الوسيط نفسه في كلا النصفين. بعد ذلك، يُحسب $Q_1$ بوصفه وسيط النصف الأدنى، و $Q_3$ بوصفه وسيط النصف الأعلى. تتميز هذه الطريقة بالبساطة والاتساق مع الرسوم البيانية لصناديق توكي الأصلية.

2. طريقة مور ومونتيج (Moore and McCabe Method):

   تعتمد هذه المقاربة الشائعة في الكتب المدرسية على تقسيم البيانات إلى نصفين أيضاً، ولكن مع استبعاد الوسيط تماماً من كلا النصفين إذا كان $N$ فردياً، ثم حساب وسيط كل نصف على حدة. تؤدي هذه الطريقة إلى دفع قيم الربيعيات قليلاً نحو الأطراف مقارنة بطريقة توكي في العينات الصغيرة جداً.

3. طرق الاستيفاء الخطي (Linear Interpolation Methods):

   تُطبق هذه الطرق في الحزم الإحصائية المتقدمة لحساب المئينات المستمرة، حيث يُحسب موضع الربيع كقيمة كسرية: $Index = p \times (N – 1) + 1$ أو $Index = p \times (N + 1)$. وإذا لم يكن الناتج عدداً صحيحاً، يتم إجراء استيفاء خطي نسبي بين القيمتين الواقعتين قبل وبعد هذا الموضع الكسري، مما يضمن تقديراً ناعماً ومستمراً للمئينات.

3.3 تطبيق عملي محلول: درجة الاحتراق النفسي لدى المعلمين

لتجسيد الخطوات الإجرائية بصورة تطبيقية معمقة، نفترض أن باحثاً سيكومترياً قام بتطبيق مقياس ماسلاش للاحتراق النفسي (Maslach Burnout Inventory – MBI) – بعد الإجهاد الانفعالي (تتراوح الدرجات النظرية بين 0 و 54) على عينة قوامها $N = 15$ معلماً في المدارس العامة. الدرجات الخام المسجلة كانت كالتالي:

$${28, 14, 45, 19, 22, 14, 38, 51, 16, 24, 31, 14, 26, 40, 20}$$

الخطوة الأولى: ترتيب المصفوفة تصاعدياً:

$$14, 14, 14, 16, 19, 20, 22, \mathbf{24}, 26, 28, 31, 38, 40, 45, 51$$

الخطوة الثانية: استخراج القيمة الصغرى والعظمى:

• القيمة الصغرى ($Min$): $X_{(1)} = 14$
• القيمة العظمى ($Max$): $X_{(15)} = 51$

الخطوة الثالثة: حساب الوسيط ($Q_2$):

بما أن $N = 15$ (عدد فردي)، فإن موضع الوسيط هو:

$$Position_{Median} = \frac{15 + 1}{2} = 8$$

بالرجوع إلى المصفوفة المرتبة، نجد أن القيمة المقابلة للرتبة 8 هي: $Q_2 = 24$.

الخطوة الرابعة: حساب الربيعين ($Q_1$ و $Q_3$) باستخدام طريقة مور ومونتيج:

باستبعاد الوسيط ($X_{(8)} = 24$)، ينقسم التوزيع إلى نصفين متساويين، يحتوي كل منهما على 7 درجات ($n = 7$):

• النصف الأدنى: ${14, 14, 14, \mathbf{16}, 19, 20, 22}$

  موضع وسيط النصف الأدنى ($Q_1$) هو: $\frac{7 + 1}{2} = 4$. إذن، القيمة المقابلة للرتبة 4 في النصف الأدنى هي: $Q_1 = 16$.

• النصف الأعلى: ${26, 28, 31, \mathbf{38}, 40, 45, 51}$

  موضع وسيط النصف الأعلى ($Q_3$) هو: $\frac{7 + 1}{2} = 4$. إذن، القيمة المقابلة للرتبة 4 في النصف الأعلى هي: $Q_3 = 38$.

الخطوة الخامسة: صياغة ملخص الأرقام الخمسة واستخراج مقاييس التشتت:

• ملخص الأرقام الخمسة: ${Min = 14, Q_1 = 16, Q_2 = 24, Q_3 = 38, Max = 51}$
• المدى الكلي ($Range$): $51 – 14 = 37$ درجة.
• المدى الربيعي ($IQR$): $Q_3 – Q_1 = 38 – 16 = 22$ درجة.

التفسير السيكومتري: يُظهر هذا الملخص أن 50% من المعلمين يعانون من مستويات إجهاد انفعالي تنحصر بين 16 و 38 درجة. كما يُلاحظ أن المسافة بين الوسيط (24) والربيع الثالث (38) تبلغ 14 درجة، وهي أكبر بكثير من المسافة بين الوسيط والربيع الأول ($24 – 16 = 8$ درجات)، مما يكشف استكشافياً وبشكل مبكر عن وجود التواء موجب في درجات الاحتراق النفسي داخل هذه العينة.

4. حساب ملخص الأرقام الخمسة باستخدام البرمجيات الإحصائية في علم النفس

4.1 استخراج الملخص عبر حزمة SPSS للعلوم النفسية

تُعد حزمة IBM SPSS Statistics من أكثر البرمجيات استخداماً في أقسام علم النفس والبحوث السلوكية. يوفر البرنامج مساراً متكاملاً لاستخراج ملخص الأرقام الخمسة بدقة فائقة عبر نافذة استكشاف البيانات (Data Exploration). للقيام بذلك، يتبع الباحث المسار التالي:

Analyze -> Descriptive Statistics -> Explore...

في النافذة المنبثقة، يتم نقل المتغير السيكومتري المستهدف إلى قائمة المتغيرات التابعة (Dependent List). من خلال النقر على زر Statistics، يتم تفعيل خيار Percentiles إلى جانب Descriptives. ومن خلال زر Plots، يتم اختيار Boxplots: Factor levels together.

يولد البرنامج جدولاً إحصائياً بعنوان Percentiles يحتوي على قيم المئينات الأساسية: (5, 10, 25, 50, 75, 90, 95). يعتمد SPSS افتراضياً على خوارزمية المتوسط المرجح للنسب المئوية (HAVERAGE / Weighted Average at Extension Type 6 or 2 بحسب الإعداد)، مما قد ينتج عنه فروق طفيفة جداً بالأعشار مقارنة بالحساب اليدوي التقليدي. بالإضافة إلى ذلك، يتيح خيار Factor List في نافذة Explore إدراج متغير تصنيفي (مثل النوع الاجتماعي: ذكور/إناث، أو الحالة التشخيصية: ضابطة/إكلينيكية) لإنتاج ملخص أرقام خمسة مستقل لكل فئة فرعية على حدة، وهو ما يُمكّن الباحث من إجراء مقارنات سريعة لخصائص التوزيع عبر المجموعات.

4.2 الحساب باستخدام لغة R الإحصائية

تتميز لغة البرمجة الإحصائية مفتوحة المصدر R Project for Statistical Computing بمرونة رياضية مطلقة وتنوع واسع في الدوال المخصصة لإحصاءات الترتيب. توفر البيئة الأساسية لدوال R دالتين رئيستين لملخص الأرقام الخمسة، مع وجود فروق تقنية دقيقة بينهما:

• الدالة fivenum(x): كُتبت هذه الدالة خصيصاً لتطبيق خوارزمية مفصلات توكي الأصلية (Tukey’s Hinges)، وتعيد مصفوفة تتضمن بالترتيب: القيمة الصغرى، المفصلة السفلى ($Q_1$)، الوسيط، المفصلة العليا ($Q_3$)، والقيمة العظمى.
• الدالة summary(x): تعيد ملخصاً يحتوي على الأرقام الخمسة مضافاً إليها المتوسط الحسابي ($Mean$). تعتمد هذه الدالة في حساب الربيعيات على دالة quantile(x, type = 7) الافتراضية في R، والتي تستخدم خوارزمية استيفاء خطي محددة قد تختلف قليلاً عن مخرجات fivenum في العينات الصغيرة.

في الأبحاث النفسية المتقدمة، يُوصى باستخدام حزمة psych الرائدة للدكتور ويليام ريفيل (William Revelle)، حيث توفر دالة describeBy() قدرة متفوقة على حساب المقاييس اللابارامترية المصنفة وفق مجموعات تجريبية، وإنتاج مخرجات متوافقة تماماً مع معايير الجمعية الأمريكية لعلم النفس (psych package documentation).

4.3 التطبيق عبر بايثون (Python) لتحليل البيانات السلوكية الضخمة

مع تنامي استخدام بايثون في مجالات السيكوانفورماتكس (Psychoinformatics) وعلم النفس الحسابي وتحليل البيانات السلوكية المستمرة المتدفقة من المنصات الرقمية، أصبحت مكتبتا Pandas و NumPy المعيار البرمجي الأساسي للتعامل مع البيانات الإحصائية الضخمة.

عند تحميل البيانات النفسية في إطار بيانات (Pandas DataFrame)، يمكن تنفيذ الأمر df['Score'].describe() للحصول الفوري على ملخص الأرقام الخمسة مضافاً إليه التعداد الإجمالي ($Count$)، المتوسط ($Mean$)، والانحراف المعياري ($Std$). كما تتيح دالة describe(percentiles=[.25, .50, .75]) تخصيص المئينات الإحصائية بدقة متناهية.

من الناحية الرياضية المجردة، تتيح دالة numpy.percentile(a, q, method='linear') التحكم الكامل في خوارزمية الاستيفاء المتبعة من بين تسع خوارزميات قياسية، مما يمنح المبرمج الباحث القدرة على مواءمة كوده مع خوارزميات برمجيات أخرى مثل SPSS أو SAS عند معالجة مصفوفات سيكومترية ضخمة تتجاوز مئات الآلاف من الاستجابات السلوكية المؤتمتة.

5. التمثيل البياني للملخص: مخطط الصندوق والطرفين (Boxplot)

5.1 التشريح البياني لمخطط الصندوق والطرفين

يُمثّل مخطط الصندوق والطرفين (Boxplot / Box-and-Whisker Plot)، الذي ابتكره جون توكي في عام 1977، التجسيد البصري والهندسي المباشر لملخص الأرقام الخمسة. يتكون هذا المخطط من هيكل مستطيل مركزي (الصندوق) يمتد طرفاه الرأسيان أو الأفقيان عبر خطين يُعرفان بـ “الطرفين” أو “الشوارب” (Whiskers).

يتحدد الحدان الأدنى والأعلى للصندوق المستطيل المركزي بموقعي الربيع الأول ($Q_1$) والربيع الثالث ($Q_3$) على التوالي، مما يجعل الطول الإجمالي للصندوق مساوياً تماماً لقيمة المدى الربيعي ($IQR = Q_3 – Q_1$). وبذلك يحتوي هذا الصندوق في داخله على كتلة الـ 50% المتوسطة من بيانات المفحوصين. يُرسم داخل الصندوق خط مستقيم بارز يمر بدقة عبر قيمة الوسيط ($Q_2$)، قاطعاً إياه إلى مساحتين تتفاوتان في الحجم تبعاً لتماثل أو التواء التوزيع.

تمتد الأطراف (Whiskers) انطلاقاً من حواف الصندوق لترتبط بأبعد النقاط غير الشاذة في البيانات. وفقاً لقاعدة توكي القياسية، لا يمتد الطرفان بالضرورة إلى القيمة الصغرى والقيمة العظمى المطلقتين إذا كانت هناك قيم شاذة، بل يمتدان بحد أقصى إلى مسافة تبلغ $1.5 times IQR$ من حافتي الصندوق. تُعرف أدنى نقطة ضمن هذا النطاق بـ “القيمة المجاورة الدنيا” (Lower Adjacent Value)، وأعلى نقطة بـ “القيمة المجاورة العليا” (Upper Adjacent Value). أما القيم التي تقع خارج نطاق هذين الطرفين، فيتم رسمها كنقاط أو نجوم منفصلة للإشارة الصريحة إلى كونها قيماً شاذة أو متطرفة.

5.2 قراءة المخطط البياني وتفسير خصائص العينة النفسية

تتطلب القراءة الفاحصة لمخطط الصندوق والطرفين تفكيكاً بصرياً لأربعة أبعاد سيكومترية متزامنة:

• أولاً: تقييم التمركز (Central Tendency): يتحدد فورياً من خلال موقع خط الوسيط داخل المخطط، ومقارنته بالمقياس المدرج للمتغير السلوكي، مما يكشف عن المستوى الأداء النموذجي لأفراد العينة.
• ثانياً: تقييم التشتت والتباين (Dispersion): يُستدل عليه بصرياً من خلال عرض الصندوق؛ فالصناديق الضيقة تشير إلى تجانس مرتفع واستجابات متقاربة للـ 50% المتوسطين من العينة، بينما تعكس الصناديق المتسعة تبايناً سيكومترياً كبيراً في استجابات المفحوصين.
• ثالثاً: تقييم اللاتماثل والالتواء (Asymmetry & Skewness): إذا كان خط الوسيط يقسم الصندوق إلى قسمين متطابقين، وكان طول الطرفين متساوياً، فإن التوزيع متماثل تماماً. أما إذا اقترب خط الوسيط من قاعدة الصندوق ($Q_1$) مع استطالة القسم العلوي والطرف الأعلى، فإن التوزيع يعاني من التواء موجب ($Positive Skew$). والعكس صحيح في حالة الالتواء السالب ($Negative Skew$)، حيث ينضغط النصف الأعلى ويستطيل النصف الأدنى للصندوق.
• رابعاً: المقارنات متعددة المجموعات: عند رسم عدة صناديق متجاورة (Side-by-Side Boxplots) لمقارنة مجموعات تجريبية وضابطة عبر مراحل قياس زمنية مختلفة (Pre-test vs. Post-test)، تتيح المقارنة البصرية للمستطيلات والوسائط التحقق الفوري من تأثير التدخل العلاجي، وملاحظة تقلص التشتت الداخلي أو انتقال الصندوق بأكمله نحو مستويات الأداء السوي.

5.3 صياغة المخططات البيانية وفق دليل جمعية علم النفس الأمريكية (APA)

يفرض الإصدار السابع من دليل النشر العلمي لجمعية علم النفس الأمريكية (APA 7th Edition Figure Guidelines) معايير صارمة لتصميم ونشر مخططات الصندوق والطرفين لضمان الشفافية وقابلية القراءة الأكاديمية:

• الترقيم والعنوان: يُكتب رقم الشكل بخط عريض أعلى الرسم (مثال: Figure 1)، متبوعاً في السطر التالي بعنوان مائل وصفي دقيق وموجز (مثال: Distribution of Beck Depression Inventory Scores Across Clinical Subgroups).
• التصميم البصري والوضوح: يجب أن تكون الخطوط واضحة، والمحاور مرقمة ومسماة بوضوح مع ذكر وحدات القياس. يُفضل استخدام تدرجات الرمادي أو ألوان متباينة يسهل تمييزها للطباعة وللقراء المصابين بعمى الألوان، مع تجنب الزخارف ثلاثية الأبعاد (3D effects) التي تشوه القراءة الرياضية.
• الملاحظات التوضيحية (Figure Notes): يجب وضع ملاحظة توضيحية أسفل الشكل تبدأ بكلمة (Note.) بخط مائل، لتوضيح المكونات التشريحية للصندوق، وشرح الرموز الدالة على القيم الشاذة، وتحديد المنهجية المتبعة في رسم الأطراف (مثال: توضيح ما إذا كانت الأطراف تمثل أدنى/أعلى قيمة غير شاذة، أو تمثل المئينين 5 و 95).
• تجنب التكرار: تشدد معايير APA على ضرورة ألا يكون الشكل البياني تكراراً حرفياً لما هو معروض في جدول إحصائي مجاور، بل يجب أن يُقدّم الشكل قيمة مضافة تتيح المقارنة النمطية السريعة بين الفئات.

6. تقييم التشتت وشكل التوزيع: الالتواء، التفرطح، ومقارنة التوزيعات

6.1 كشف الالتواء (Skewness) من خلال ملخص الأرقام الخمسة

يُعد ملخص الأرقام الخمسة أداة كشف تشخيصية مبكرة وبالغة الحساسية لتحديد اتجاه وشدة اللاتماثل أو الالتواء (Skewness) في التوزيعات النفسية دون الحاجة إلى حساب معادلات العزم الثالث المركبة. يعتمد هذا الكشف على مقارنة المسافات الخطية بين الوسيط والربيعيات من جهة، والمسافات بين الربيعيات والقيم القصوى من جهة أخرى.

رياضياً، يمكن صياغة قواعد الكشف عن الالتواء عبر المعادلات اللابارامترية التالية:

• التوزيع المتماثل (Symmetric): يكون التوزيع متماثلاً إذا تحققت العلاقة:

  $$(Q_3 – Q_2) \approx (Q_2 – Q_1) \quad \text{and} \quad (Max – Q_3) \approx (Q_1 – Min)$$

• الالتواء الموجب (Positive Skewness / Right-Skewed): يتحقق عندما يبتعد الربيع الثالث عن الوسيط بمسافة تفوق بكثير ابتعاد الوسيط عن الربيع الأول، مع استطالة الذيل الأيمن:

  $$(Q_3 – Q_2) > (Q_2 – Q_1) \quad \text{and} \quad (Max – Q_3) > (Q_1 – Min)$$

  يُعد هذا النمط شائعاً جداً في قياس سمات الشخصية غير المعتادة كالفصامية أو النرجسية المرضية، أو درجات الإدمان السلوكي، حيث تتركز غالبية العينة في القاع وتستطيل النخبة المرضية في القمة.

• الالتواء السالب (Negative Skewness / Left-Skewed): يتحقق عندما ينضغط النصف الأعلى للتوزيع وتتباعد المسافة بين الوسيط والربيع الأدنى:

  $$(Q_2 – Q_1) > (Q_3 – Q_2) \quad \text{and} \quad (Q_1 – Min) > (Max – Q_3)$$

  يظهر هذا النمط بوضوح في اختبارات الكفاءة المعرفية السهلة، أو مقاييس الرضا عن الحياة في المجتمعات المستقرة، حيث يتكدس المفحوصون بالقرب من السقف الأعلى للمقياس.

يمكن تلخيص هذه الفروق في مؤشر لابارامتري صريح يُعرف بـ معامل يولي للالتواء (Yule’s Coefficient of Skewness / Bowley Skewness):

$$B_1 = \frac{(Q_3 – Q_2) – (Q_2 – Q_1)}{(Q_3 – Q_1)} = \frac{Q_1 + Q_3 – 2Q_2}{Q_3 – Q_1}$$

تتراوح قيمة هذا المعامل بين $-1$ و $+1$؛ حيث تشير القيمة صفر إلى تماثل تام، بينما تشير القيم الموجبة إلى التواء يميني، والقيم السالبة إلى التواء يساري، مقدماً مقياساً كمياً مقنناً مستخرجاً مباشرة من ملخص الأرقام الخمسة.

6.2 فهم التفرطح (Kurtosis) وذيول التوزيع السيكومتري

يُشير التفرطح (Kurtosis) في القياس السيكومتري إلى طبيعة تركز البيانات في القمة (Peakedness) وسلوك الذيول ومدى ثقلها (Tail-heaviness). يمكن لملخص الأرقام الخمسة، عند دمجه مع المدى الكلي، أن يقدم مؤشرات استدلالية رصينة حول شكل التفرطح:

• التوزيع المدبب أو ثقيل الذيول (Leptokurtic): يستدل عليه الباحث عندما يلاحظ تقارباً شديداً بين الربيعين الأول والثالث ($IQR$ صغير جداً وضيق) مما يعكس تكتلاً كثيفاً لمنتصف العينة في مساحة ضيقة، يقابله تباعد استثنائي وامتداد شاسع للأطراف نحو القيمة الصغرى والقيمة العظمى. يعكس هذا النمط في علم النفس وجود تجانس نمطي عالٍ في جوهر العينة مع وجود تباينات حادة في الذيول الخارجية (ظاهرة الذيول الثقيلة).
• التوزيع المفلطح أو خفيف الذيول (Platykurtic): يستدل عليه عندما يكون المدى الربيعي ($IQR$) عريضاً جداً ويشغل نسبة كبيرة من المدى الكلي، مع أطراف قصيرة تنتهي مباشرة بعد الربيعيات. يعكس هذا النمط تشتتاً واسعاً وتجانساً متدنياً للاستجابات السلوكية، حيث تتوزع درجات المفحوصين بشكل شبه منتظم أو مستطيل عبر مساحة القياس.

6.3 المقارنة مع التوزيع الطبيعي المعياري (Gaussian Distribution)

في المنحنى الجرسي الطبيعي المعياري ذي المتوسط ($\mu$) والانحراف المعياري ($\sigma$)، توجد علاقات رياضية قطعية وثابتة تربط بين معالم التوزيع الطبيعي ومكونات ملخص الأرقام الخمسة:

$$Median = \mu$$

$$Q_1 \approx \mu – 0.6745\sigma \quad \text{and} \quad Q_3 \approx \mu + 0.6745\sigma$$

$$IQR = Q_3 – Q_1 \approx 1.349\sigma implies \sigma \approx \frac{IQR}{1.349} \approx 0.7413 \times IQR$$

تُتيح هذه العلاقات الرياضية للمحلل السيكومتري إجراء فحص سريع لمدى اعتدالية البيانات: إذا قام الباحث بحساب $\frac{IQR}{1.349}$ ووجد أن قيمتها قريبة جداً من قيمة الانحراف المعياري المحسوب للعينة ($s$)، وكان الوسيط مطابقاً تقريباً للمتوسط الحسابي، فإن البيانات تقترب بقوة من النموذج الطبيعي المعياري. أما إذا حدث تباين جوهري بين هذه التقديرات، فإن ذلك يمثل إعلاناً إحصائياً صريحاً بانتهاك فرضية التوزيع الطبيعي، مما يوجب على الباحث تجنب الاختبارات المعلمية (مثل اختبار t وتحليل التباين ANOVA) والانتقال الإلزامي نحو البدائل اللابارامترية (مثل اختبار مان-ويتني، اختبار كروسكال-واليس، أو اختبارات التقليب المعادة).

7. كشف القيم الشاذة والمتطرفة (Outliers) في القياسات السريرية

7.1 قاعدة جون توكي لتحديد السياج الإحصائي (Inner & Outer Fences)

وضعت مدرسة EDA خوارزمية موضوعية صارمة للكشف عن القيم الشاذة والمتطرفة، عُرفت تاريخياً باسم قاعدة تباعد توكي (Tukey’s Fences Rule). تعتمد هذه القاعدة على بناء أسوار إحصائية وهمية تحيط بالكتلة المركزية للتوزيع، مستندة إلى قيمة المدى الربيعي ($IQR$):

• الأسيجة الداخلية (Inner Fences):

  تحدد نطاق القيم العادية أو المتوقعة إحصائياً، وتُحسب عبر المعادلات التالية:

  $$Lower Inner Fence (LIF) = Q_1 – (1.5 \times IQR)$$

  $$Upper Inner Fence (UIF) = Q_3 + (1.5 \times IQR)$$

  تُصنف أي درجة خام تقع خارج هذين السياجين (أي $X_i < LIF$ أو $X_i > UIF$) بوصفها قيمة شاذة بسيطة (Mild Outlier)، وتُرسم في مخطط الصندوق بنقطة دائرية مفرغة.

• الأسيجة الخارجية (Outer Fences):

  تحدد حدود القيم الشاذة القصوى أو المتطرفة، وتُحسب عبر مضاعفة معامل التباعد:

  $$Lower Outer Fence (LOF) = Q_1 – (3.0 \times IQR)$$

  $$Upper Outer Fence (UOF) = Q_3 + (3.0 \times IQR)$$

  تُصنف أي درجة تتجاوز هذه الحدود (أي $X_i < LOF$ أو $X_i > UOF$) بوصفها قيمة متطرفة حادة (Extreme Outlier)، وتُرسم عادة برمز النجمة ($*$) في المخرجات البيانية.

7.2 التفسير السيكولوجي لوجود القيم الشاذة في البيانات النفسية

في العلوم الفيزيائية والهندسية، غالباً ما تُعزى القيم الشاذة إلى أخطاء في أجهزة القياس أو تشويش تجريبي، مما يبرر التخلص منها برمجياً. غير أن الوضع في القياس النفسي والإكلينيكي مختلف جذرياً؛ فالقيم الشاذة تحمل أبعاداً سيكولوجية عميقة يجب تفكيكها تحليلياً قبل اتخاذ أي قرار منهجي:

• أخطاء القياس والتسجيل (Measurement & Recording Errors): تحدث نتيجة هفوات في تفريغ البيانات، أو سوء فهم المفحوص لتعليمات المقياس، أو نمط الاستجابة العشوائي غير المبالي (Careless/Random Responding).
• الظواهر المرضية الحقيقية (True Psychopathology): قد تعكس القيمة المتطرفة العليا على مقياس الوسواس القهري أو نوبات الهلع وجود حالة إكلينيكية نادرة وشديدة الحدة داخل العينة. إن حذف مثل هذه القيمة يُعد تشويهاً علمياً للواقع السريري وطمساً لتنوع الظاهرة المرضية في المجتمع.
• التشوهات السلوكية الناتجة عن أساليب الاستجابة (Response Bias): قد تنشأ القيم الشاذة عن محاولات متعمدة من قبل المفحوص لإظهار نفسه بمظهر غير سوي بهدف الحصول على منافع ثانوية (ظاهرة التمارض أو التظاهر بالمرض – Malingering)، أو العكس تماماً عبر محاولة إظهار المثالية المفرطة والامتثال الاجتماعي الشديد (Social Desirability)، مما ينتج قيماً تتدلى في أقصى قاع المقياس بصورة غير طبيعية.

7.3 إدارة ومعالجة القيم الشاذة في البحوث النفسية

تستلزم المعالجة العلمية الرصينة للقيم الشاذة المكتشفة بواسطة ملخص الأرقام الخمسة تبني بروتوكول منهجي متعدد المراحل يبتعد عن الحذف الآلي الأعمى للبيانات:

1. التدقيق المصدري: مراجعة استمارات الاستجابة الورقية أو السجلات الرقمية للتأكد من أن القيمة ليست ناتجة عن خطأ إدخال طباعي؛ فإذا كانت كذلك، يتم تصحيحها فورياً.
2. التحويل العددي غير الخطي (Data Transformations): إذا كانت البيانات تعاني من التواء ناجم عن قيم شاذة حقيقية، يمكن اللجوء إلى تقنيات التحويل الرياضي، مثل التحويل اللوغاريتمي ($log(X)$) أو تحويل الجذر التربيعي ($\sqrt{X}$) أو تحويلات بوكس-كوكس (Box-Cox Transformation) لتقليص الذيول وإعادة التوزيع نحو الاعتدالية.
3. التشذيب والتعديل الوينزوري (Winsorizing): بدلاً من حذف القيمة المتطرفة بالكامل وفقدان حجم العينة ($N$)، تعتمد هذه التقنية على إعادة تعيين القيم الشاذة لتساوي أعلى أو أدنى قيمة مقبولة تقع عند حدود الأسيجة الإحصائية (مثال: استبدال الدرجة المتطرفة 50 بالدرجة 38 التي تمثل سياج توكي الأعلى).
4. الشفافية والتوثيق المنهجي: يفرض دليل APA نشر تقرير مزدوج (Sensitivity Analysis) في حالة معالجة أو حذف القيم المتطرفة، يوضح حجم العينة وطبيعة النتائج قبل المعالجة وبعدها، لتمكين المجتمع العلمي من تقييم متانة الاستنتاجات البحثية.

8. مقارنة ملخص الأرقام الخمسة مع مقاييس الإحصاء المعلمي

8.1 الملخص الخماسي مقابل (المتوسط الحسابي والانحراف المعياري)

تتمحور المفاضلة الإحصائية بين ملخص الأرقام الخمسة من جهة، ونموذج (المتوسط الحسابي والانحراف المعياري) من جهة أخرى، حول ثنائية الكفاءة مقابل المتانة (Efficiency vs. Robustness). في البيئات التوزيعية المثالية التي تتبع المنحنى الطبيعي، يُعد المتوسط الحسابي هو المقدر غير المتحيز ذو التباين الأدنى (MVUE)، ويمتلك كفاءة إحصائية بنسبة 100% مقارنة بكفاءة الوسيط التي تنخفض نظرياً إلى نحو 64% في التوزيع الطبيعي الكامل.

مع ذلك، تنقلب هذه المعادلة كلياً بمجرد تلوث البيانات بأدنى نسبة من الشذوذ أو الالتواء. فالانحراف المعياري يتأسس على تربيع الفروق ($ (X_i – bar{X})^2 $)، مما يعني أن وزناً أسياً هائلاً يُمنح للقيم البعيدة عن المركز، في حين أن عناصر ملخص الأرقام الخمسة ($Min, Q_1, Q_2, Q_3, Max$) تعتمد على العد الترتيبي، مما يمنحها استقراراً ومقاومة فائقة ضد التشوه. تتفوق الأرقام الخمسة في توفير صورة حقيقية لواقع العينات الصغيرة والمتوسطة المأخوذة من عيادات الطب النفسي والمستشفيات، حيث تكون احتمالية التطرف مرتفعة جداً وتكلفة التضليل الإحصائي باهظة منهجياً وتشخيصياً.

8.2 التكامل بين المقاييس المعلمية واللامعلمية في التقارير الإحصائية

لا تدعو المنهجية المعاصرة إلى إقصاء المقاييس المعلمية، بل تحث على تبني التكامل الإحصائي (Statistical Triangulation). يوصي دليل الجمعية الأمريكية للإحصاء (American Statistical Association – ASA) بتقديم ملخص الأرقام الخمسة جنباً إلى جنب مع المتوسط الحسابي والانحراف المعياري، وخاصة في الدراسات الاستكشافية الواسعة.

إن الفارق الرقمي المباشر بين المتوسط الحسابي ($\bar{X}$) والوسيط ($Q_2$) يمثل في حد ذاته مؤشراً سيكومترياً سريعاً يوجه القارئ المتخصص؛ فإذا كان $\bar{X} gg Q_2$، أدرك القارئ فوراً وجود تشوه يميني حاد، في حين يدل التطابق الحسابي بينهما على تجانس متناظر. يُتيح هذا العرض المزدوج توفير “رؤية بانورامية” تجمع بين دقة الحساب الهندسي للمعالم وقوة التوصيف الرتبي للبيانات الميدانية.

8.3 حسابات حجم التأثير (Effect Size) المستندة إلى المئينيات والوسيط

عندما تنتهك البيانات الفرضيات البارامترية، يصبح استخدام معامل كوهين التقليدي ($Cohen’s d$) لتقدير حجم الفروق بين المجموعات مضللاً، نظراً لاعتماده على الانحراف المعياري المجمع المشوه. توفر إحصاءات الترتيب بدائل قوية لحساب حجم التأثير اللامعلمي، ومن أبرزها:

• مقياس دلتا كليف (Cliff’s Delta – $d_c$): يقيس احتمالية أن تكون درجة مفحوص تم اختياره عشوائياً من المجموعة الأولى أعلى من درجة مفحوص من المجموعة الثانية، مطروحاً منها احتمالية العكس، وهو مقياس رتبي لا يتأثر إطلاقاً بشكل التوزيع أو وجود القيم الشاذة.
• حجم التأثير المستند إلى الوسيط والمدى الربيعي: يُحسب بتعيين الفارق بين وسيطي المجموعتين وقسمته على المدى الربيعي المجمع ($Pooled IQR$):

  $$Effect Size_{Robust} = \frac{Median_1 – Median_2}{IQR_{Pooled}}$$

• معامل الارتباط ثنائي الرتبة (Rank-Biserial Correlation): يُستخرج مباشرة من مخرجات اختبار ويلكوكسون ومان-ويتني لتقدير فاعلية البرامج العلاجية والتأهيلية في التجارب الإكلينيكية المعشاة ذات العينات المقيدة.

9. التطبيقات العملية لملخص الأرقام الخمسة في التشخيص والعلاج النفسي

9.1 متابعة التطور العلاجي للمرضى (Progress Monitoring)

يُمثّل ملخص الأرقام الخمسة أداة فاعلة ومثالية في عيادات العلاج النفسي لمتابعة التغيرات الإكلينيكية الطولية (Longitudinal Outcome Monitoring) عبر جلسات العلاج المعرفي السلوكي (CBT). بدلاً من الاكتفاء بمتوسط درجات العيادة، يتيح رسم مخطط الصندوق والطرفين لدرجات الاكتئاب في جلسات التقييم الأولي، ومنتصف العلاج، والجلسة الختامية تتبع ديناميات الشفاء بصورة بصرية ورقمية مبهرة.

من خلال هذا النموذج، يستطيع المعالج النفسي رصد هبوط الصندوق بأكمله نحو المستويات السوية، وملاحظة انتقال المريض الفردي من موضع يقع أعلى من الربيع الثالث ($> Q_3$) في مرحلة ما قبل العلاج (التي تمثل الشدة السريرية الحادة) إلى موضع يستقر أسفل الوسيط ($< Q_2$) أو الربيع الأول ($< Q_1$) لعينة المعايير في ختام البروتوكول العلاجي. يُوفر هذا التحليل ما يُعرف في الأدبيات الإكلينيكية بـ “الأهمية السريرية” (Clinical Significance) ومؤشر التغير الموثوق (Reliable Change Index – RCI)، متجاوزاً مجرد الدلالة الإحصائية المجردة.

9.2 تحديد العتبات التشخيصية (Diagnostic Cut-off Scores)

في بناء وتطبيق أدوات الفحص النفسي السريع (Screening Tools)، مثل استبيانات الكشف عن اضطراب نقص الانتباه وفرط الحركة (ADHD) أو اضطراب طيف التوحد، يلعب ملخص الأرقام الخمسة دوراً محورياً في وضع العتبات التشخيصية الاستكشافية الأولية:

• يُعتمد الربيع الثالث ($Q_3$) أو المئين 75 في كثير من أدوات المسح كحد فاصل مبدئي (Screening Threshold) لتحديد الأفراد المعرضين للخطر والذين يتطلب وضعهم إحالة لإجراء تقييم تشخيصي معمق.
• يُستخدم سياج توكي الداخلي الأعلى ($Q_3 + 1.5 \times IQR$) كنقطة قطع تشخيصية تفريقية حاسمة تشير إلى وجود اعتلال إكلينيكي صريح ينفصل إحصائياً عن التباين السلوكي الطبيعي داخل المجتمع.

تتميز هذه العتبات المستندة إلى المئينيات والربيعيات بقدرتها على تقليص معدلات “الإيجابية الكاذبة” (False Positives) و”السلبية الكاذبة” (False Negatives)، وضبط الحساسية والنوعية (Sensitivity & Specificity) لأدوات الفحص والفرز الإكلينيكي بصورة متوازنة.

9.3 المقارنات متعددة المراكز في الأبحاث الإكلينيكية المشتركة

عند إجراء التجارب السريرية النفسية واسعة النطاق التي تشترك فيها مستشفيات وعيادات متعددة عبر أقاليم جغرافية وثقافية مختلفة (Multicenter Clinical Trials)، تنشأ مشكلات كبرى تتعلق بعدم تجانس العينات المجمعة. يُعد ملخص الأرقام الخمسة الأداة المثلى لفحص ومقارنة هذا التباين المؤسسي.

من خلال استخراج الملخص ومخططات الصناديق المتوازية لكل مركز طبي على حدة، يستطيع الفريق البحثي الرئيس كشف التباين الشديد في وسائط المراكز، أو اكتشاف أن أحد المراكز يعاني من اتساع غير طبيعي في المدى الربيعي ($IQR$)، مما ينبه إلى وجود خلل في تدريب الفاحصين، أو تباين في آليات تطبيق المقياس، أو تسرب لمتغيرات ديموغرافية واجتماعية غير مضبوطة أثرت على توزيع الدرجات، مما يتيح تصحيح المسار المنهجي قبل دمج البيانات في التحليل النهائي المشترك.

10. استخدام ملخص الأرقام الخمسة في تقنين الاختبارات والمقاييس النفسية

10.1 بناء المعايير الرتبية (Percentile Norms) للمقاييس السيكومترية

تُمثّل المعايير (Norms) جوهر السيكومتري؛ فبدون معايير مرجعية، تظل الدرجة الخام للمفحوص بلا معنى دلالي أو تشخيصي. يُشكل ملخص الأرقام الخمسة الهيكل التأسيسي لبناء جداول الرتب المئينية لمقاييس الذكاء المعرفي (مثل مقياس وكسلر) وبطاريات الشخصية المتعددة الأوجه (مثل مقياس مينيسوتا متعدد الأوجه للشخصية MMPI).

يتم تحويل الدرجات الخام المستمرة إلى مواضع نسبية تبدأ من أدنى درجة مرصودة ($Min / P_0$)، مروراً بنقاط الإسناد الربيعية ($Q_1 / P_{25}$، $Q_2 / P_{50}$، $Q_3 / P_{75}$)، وصولاً إلى القمة ($Max / P_{100}$). يتيح هذا التأطير للتشخيصيين السلوكيين تقديم تقارير نفسية واضحة ومفهومة لأولياء الأمور والمعلمين وللمفحوصين أنفسهم، حيث يسهل تفسير وقوع درجة الطالب عند الوسيط أو في الربع الأعلى دون إرباكهم بمفاهيم الانحراف المعياري المعقدة والدرجات التائية (T-scores) أو الزائية (Z-scores).

10.2 تقييم حساسية وتمييز الفقرات الاختبارية (Item Discrimination)

في إطار النظرية الكلاسيكية للاختبار (Classical Test Theory – CTT)، يعتمد تحليل المفردات والفقرات الاختبارية على قياس قدرتها على التمييز بين الأفراد ذوي السمة المرتفعة والأفراد ذوي السمة المنخفضة. يُعد ملخص الأرقام الخمسة، وتحديداً الربعان الطرفيان، الأساس المباشر لتطبيق خوارزمية جونسون وكيلي لتمييز الفقرات:

• تُقسم عينة التقنين إلى مجموعتين رئيسيتين: المجموعة العليا المكونة من الأفراد الذين تقع درجاتهم الكلية أعلى من الربيع الثالث ($Score ge Q_3$)، والمجموعة الدنيا المكونة من الأفراد الذين تقع درجاتهم دون الربيع الأول ($Score le Q_1$).
• يُحسب معامل التمييز اللابارامتري للفقرة عبر فحص الفارق في نسب الإجابة الصحيحة أو الموافقة بين المجموعتين العليا والدنيا.

علاوة على ذلك، يكشف فحص ملخص الأرقام الخمسة على مستوى المفردة الواحدة عن تأثيرات السقف والقاع (Ceiling and Floor Effects)؛ فإذا استقر كل من $Min$ و $Q_1$ و $Q_2$ عند أدنى درجة ممكنة للفقرة، فإن ذلك يبرهن على أن الفقرة شديدة الصعوبة أو تفتقر إلى الحساسية في قياس المستويات الدنيا من السمة، مما يستوجب تعديلها أو استبعادها من الصورة النهائية للمقياس.

10.3 التحقق من ثبات وصدق المقاييس في البيئات غير المتجانسة

عند ترجمة وتعريب المقاييس السيكومترية وتكييفها عبر الثقافات (Cross-Cultural Adaptation)، يواجه الباحثون تحدي التحقق من التكافؤ القياسي (Measurement Invariance). يُستخدم ملخص الأرقام الخمسة كأداة تشخيصية سريعة لفحص استقرار التوزيعات عبر البيئات المختلفة.

إذا تطابقت بنية الأرقام الخمسة، وتماثلت أطوال المدى الربيعي والوسائط بين النسخة الأصلية والنسخة المترجمة المطبقة على العينة المحلية، فإن هذا التماثل التوزيعي يُقدم دليلاً استكشافياً أولياً قوياً على صدق البنية المتقاطع (Cross-Construct Validity)، ويؤكد أن الأداة تحتفظ بخصائصها القياسية ذاتها ولم تتأثر بالتحيزات الثقافية أو مشكلات الصياغة والترجمة.

11. الأخطاء الشائعة وسوء التفسير لملخص الأرقام الخمسة في التقارير الأكاديمية

11.1 الخلط بين المفاهيم الإحصائية في التفسير السلوكي

يقع العديد من الباحثين وطلاب الدراسات العليا في أخطاء مفاهيمية فادحة عند تفسير مخرجات ملخص الأرقام الخمسة في الأطروحات والبحوث السيكومترية. من أبرز هذه الأخطاء:

• افتراض تساوي المسافات العددية بين الربيعيات: يميل البعض إلى افتراض أن المسافة بين $Min$ و $Q_1$ يجب أن تساوي بالضرورة المسافة بين $Q_1$ و $Q_2$؛ وهو افتراض خاطئ ينبع من الخلط بين “التكرار النسبي للأفراد” و”المسافة الحسابية للدرجات”. فالأرباع تضمن تساوي عدد المفحوصين داخل كل شريحة (25% من الأفراد)، لكن المسافات الرقمية للدرجات تتفاوت بشدة تبعاً لشكل التوزيع والتواء البيانات.
• الخلط بين القيم القصوى للعينة والحدود النظرية للمقياس: كتابة أن القيمة الصغرى لمقياس القلق هي 10 والقيمة العظمى هي 45 بصيغة توحي بأن هذه هي حدود المقياس، في حين أن المدى النظري للاستبيان قد يمتد من 0 إلى 60، والدرجات المذكورة هي فقط أدنى وأعلى درجات رُصدت داخل العينة التجريبية الراهنة.
• تجاهل حجم العينة ($N$): القفز إلى تعميمات حاسمة حول تشتت الظاهرة النفسية بناءً على الأرقام الخمسة في عينات ميكروسكوبية بالغة الصغر ($N < 10$)، حيث تكون تقديرات الربيعيات والمفصلات شديدة التقلب وعرضة لخطأ المعاينة العشوائي.

11.2 أخطاء التمثيل والتوثيق في المجلات العلمية المحكمة

ترصد مراجعات التحكيم في المجلات الإحصائية والنفسية أخطاء منهجية متكررة في توثيق المقاييس الوصفية اللابارامترية، ومن أكثرها شيوعاً:

• الخلط الشائه بين الأنظمة الإحصائية: عرض الوسيط الحسابي ($Mdn$) مصحوباً بالانحراف المعياري ($SD$)، مثل كتابة: ($Mdn = 24, SD = 5.2$). يُعد هذا خطأً منهجياً صريحاً؛ فالوسيط مقياس ترتيبي يجب أن يقترن حصرياً بالمدى الربيعي ($IQR$)، في حين يقترن الانحراف المعياري بالمتوسط الحسابي ($\bar{X}$).
• الحذف التلقائي للقيم المتطرفة: استبعاد النقاط الواقعة خارج أسيجة توكي في برنامج SPSS تلقائياً دون تقديم مبرر علمي وسياقي موثق في متن البحث، مما يمثل تحيزاً تضليلياً يقلص التباين الحقيقي للظاهرة النفسية.
• إغفال خوارزمية الحساب البرمجية: عدم الإشارة إلى الخوارزمية المستخدمة لحساب الربيعيات (مثل نوع التقدير في R أو SPSS)، مما يعوق الباحثين المستقلين عن إعادة إنتاج النتائج العددية ذاتها بدقة عند محاولة تدقيق البيانات المفتوحة.

11.3 إرشادات كتابة التقارير الإحصائية وفق دليل APA 7th

يوفر دليل النشر العلمي الصادر عن جمعية علم النفس الأمريكية (APA 7th Edition) صياغات قياسية موحدة لتوثيق مقاييس ملخص الأرقام الخمسة والتحليلات اللابارامترية المرتبطة بها في متن البحوث:

• الصيغة النصية القياسية: تُكتب الرموز الإحصائية بحروف مائلة، وتُفصل القيم بفواصل دقيقة:

  “أظهرت النتائج أن مستوى القلق الإكلينيكي لدى مجموعة التدخل كان منخفضاً بصورة دالة (Mdn = 18.00, IQR = 6.50) مقارنة بالمجموعة الضابطة (Mdn = 34.00, IQR = 12.00)…”

• الصيغة الموسعة لملخص الأرقام الخمسة: عند تضمين الأرقام الخمسة كاملة في المتن، تُصاغ كالآتي:

  “تم تلخيص درجات الاحتراق النفسي عبر ملخص الأرقام الخمسة [Min = 14.00, Q1 = 16.00, Mdn = 24.00, Q3 = 38.00, Max = 51.00] مع مدى ربيعي قدره IQR = 22.00.”

• التوثيق الجدولي المتكامل: عند إعداد جداول الخصائص السيكومترية، يجب تخصيص أعمدة مستقلة لكل من: $N$،$Min$،$Q_1$،$Mdn$،$Q_3$،$Max$، و$IQR$، مع وضع هوامش سفلية توضح طريقة حساب المئينات إذا تم الاعتماد على خوارزميات الاستيفاء الخطي المتقدمة.

12. استراتيجيات متقدمة: دمج ملخص الأرقام الخمسة في النمذجة الإحصائية النفسية

12.1 توسيع الملخص: ملخص الأرقام السبعة وتسعة أرقام (Letter Values)

انطلاقاً من المبادئ التأسيسية لتحليل البيانات الاستكشافي، طوّر جون توكي وديفيد هوجلين مفهوماً أكثر عمقاً يُعرف بـ قيم الحروف الإحصائية (Tukey’s Letter Values). في هذا الإطار المتقدم، لا يكتفي الباحث بتقسيم البيانات إلى أرباع، بل يتوسع في التجزئة الثنائية المتتالية للذيول:

• ملخص الأرقام السبعة (Seven-Number Summary): يضيف هذا الملخص “المثامين” أو العشيرين الأول والتاسع ($D_1 / P_{10}$ و $D_9 / P_{90}$) أو ما يُعرف بمفصلات الأثمان (Eighths)، ليصبح الملخص: $[Min, D_1, Q_1, Median, Q3, D_9, Max]$.
• ملخص الأرقام التسعة (Nine-Number Summary): يتوسع أكثر ليصل إلى المئينين 2.5 و 97.5 ($P_{2.5}$ و $P_{97.5}$)، مما يتيح تغطية مساحة تعادل $\pm 2\sigma$ في التوزيع الطبيعي.

تُطبق هذه الملخصات الموسعة بكثافة في أبحاث علم النفس العصبي (Neuropsychology) وتخطيط كهربية الدماغ (EEG)، والقياس الفسيولوجي السلوكي، حيث تتركز الاستجابات العصبية الحاسمة وفترات الكمون الحسي في الأطراف القصوى للذيول، مما يتطلب تقطيعاً ترتيبياً فائق الدقة لا تتيحه الأرباع الكلاسيكية وحدها.

12.2 استخدام الربيعيات في الانحدار التجزيئي (Quantile Regression)

يُمثّل الانحدار التجزيئي (Quantile Regression)، الذي ابتكره العالمان كوينكر وباسيت (Koenker & Bassett, 1978)، الامتداد النمذجي المباشر لملخص الأرقام الخمسة في مجال النمذجة التنبؤية متعددة المتغيرات. في نموذج انحدار المربعات الصغرى العادية (OLS Regression)، ينحصر التنبؤ في نمذجة “متوسط” المتغير التابع شرطياً بالمتغيرات المستقلة، وهو افتراض يعمى عن تباين العلاقات عبر مستويات القدرة أو الاضطراب المختلفة.

يتيح الانحدار التجزيئي للباحث النفسي بناء نماذج تنبؤية مستقلة لكل ربيع من ربيعات المتغير التابع:

• نمذجة العلاقة بين الضغوط النفسية والتحصيل الدراسي عند الربيع الأدنى ($Q_1$) للتحصيل، لدراسة الطلاب المتعثرين أكاديمياً.
• نمذجة العلاقة ذاتها عند الوسيط ($Q_2$) للتحصيل لتمثيل الطالب المتوسط.
• نمذجة العلاقة عند الربيع الأعلى ($Q_3$) لدراسة فئة الموهوبين والمتفوقين.

يكشف هذا التحليل المتقدم عن ظواهر سيكولوجية معقدة، مثل اكتشاف أن تأهيل المعلمين يترك أثراً علاجياً هائلاً لدى الطلاب في الربع الأدنى ($Q_1$)، بينما يتلاشى هذا الأثر لدى الطلاب في الربع الأعلى ($Q_3$)، وهي استنتاجات ثورية يطمسها الانحدار الخطي التقليدي القائم على المتوسطات العامة.

12.3 ملخص الأرقام الخمسة في عصر البيانات النفسية الكبيرة (Big Data Psychology)

مع انفجار الثورة الرقمية ودخول علم النفس عصر البيانات الكبيرة (Psychological Big Data)، الناشئة عن تدفقات السجلات الزمنية اللحظية للهواتف الذكية، وأجهزة الاستشعار البيومترية القابلة للارتداء (Wearable Biosensors)، ومنصات التواصل الاجتماعي، برزت تحديات حوسبية هائلة تتعلق بمعالجة ملايين نقاط البيانات السلوكية غير المتجانسة والمشوشة.

في هذا السياق الحاسوبي الحديث، يُوظف ملخص الأرقام الخمسة بوصفه خوارزمية اختزال وتجريد فائقة السرعة ومتوازية (Streaming & Parallel Quantile Estimation). يُستخدم الملخص كأداة هندسة سمات أولية (Feature Engineering) لتوليد مدخلات لشبكات التعلم الآلي والذكاء الاصطناعي السلوكي؛ حيث يتم تحويل الإشارات الحيوية المتقلبة للمريض (مثل تقلب معدل ضربات القلب HRV أو نشاط الحركة اليومي) عبر نوافذ زمنية متحركة إلى متجهات تتألف من الأرقام الخمسة، مما يُمكّن النماذج التنبؤية من رصد التدهور النفسي ونوبات الانتكاس لدى مرضى الاضطراب الوجداني ثنائي القطب قبل وقوعها الفعلي دون إجهاد الذاكرة الحوسبية للأنظمة الخبيرة.

خاتمة واستنتاجات منهجية

يُمثّل ملخص الأرقام الخمسة (Five-Number Summary) أكثر من مجرد توليفة إحصائية وصفية؛ إنه منهج متكامل يجسد فلسفة التفكير الإحصائي القوي والرصين في العلوم السلوكية والقياس النفسي. لقد برهن هذا الملخص عبر مسيرته التطورية الممتدة منذ إسهامات جون توكي التأسيسية على أنه الأداة الأكثر قدرة ومناعة على تشخيص الواقع السيكومتري للبيانات التجريبية والإكلينيكية، متجاوزاً كافة التشوهات والانحيازات التي تفرضها مقاييس العزوم الكلاسيكية في ظل غياب الاعتدالية وتفشي الالتواء والظواهر الحدية.

إن إتقان الباحث والممارس النفسي لخطوات استخراج ملخص الأرقام الخمسة، وتمثيله بيانياً عبر مخططات الصندوق والطرفين، وتوظيفه في الكشف التشخيصي عن القيم الشاذة وتتبع المسارات العلاجية للمرضى، يمثل ركيزة لا غنى عنها لضمان الجودة والشفافية وقابلية التكرار في النشر العلمي الحديث. ومع توغل التحليلات الحاسوبية في دراسة البيانات السلوكية الضخمة وظهور نماذج الانحدار التجزيئي المعقدة، يظل ملخص الأرقام الخمسة البوصلة الإحصائية الأساسية التي تمنح المحلل القدرة على سبر أغوار البيانات وفهم رسائلها الكامنة بأمانة واقتدار.

References

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cliff, N. (1993). Dominance statistics: Ordinal analyses to answer ordinal questions. Psychological Bulletin, 114(3), 494–509. https://doi.org/10.1037/0033-2909.114.3.494
• Hoaglin, D. C., Mosteller, F., & Tukey, J. W. (Eds.). (1983). Understanding robust and exploratory data analysis. John Wiley & Sons.
• Hyndman, R. J., & Fan, Y. (1996). Sample quantiles in statistical packages. The American Statistician, 50(4), 361–365. https://doi.org/10.1080/00031305.1996.10473541
• Koenker, R., & Bassett, G. (1978). Regression quantiles. Econometrica, 46(1), 33–50. https://doi.org/10.2307/1913643
• Maslach, C., Jackson, S. E., & Leiter, M. P. (1996). Maslach Burnout Inventory manual (3rd ed.). Consulting Psychologists Press.
• Micceri, T. (1989). The unicorn, the normal curve, and other improbable creatures. Psychological Bulletin, 105(1), 156–166. https://doi.org/10.1037/0033-2909.105.1.156
• Revelle, W. (2023). psych: Procedures for psychological, psychometric, and personality research (R package version 2.3.9). Northwestern University. https://CRAN.R-project.org/package=psych
• Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley.
• Wilcox, R. R. (2017). Introduction to robust estimation and hypothesis testing (4th ed.). Academic Press. https://doi.org/10.1016/C2015-0-02294-8