اختبار جودة المطابقة لمربع كاي على الآلة الحاسبة TI-84

يمثل الاستدلال الإحصائي اللامعلمي ركيزة أساسية في منهجية البحث العلمي المعاصر، لا سيما عند التعامل مع البيانات الوصفية والتصنيفية التي لا تخضع لافتراضات التوزيع الطبيعي المعلمي. ويحتل اختبار مربع كاي لجودة المطابقة (Chi-Square Goodness of Fit Test) مكانة بارزة بين هذه الأدوات، بوصفه المقياس الأكثر موثوقية لاختبار مدى توافق التوزيعات التكرارية التجريبية المرصودة في العينات الميدانية مع التوزيعات النظرية المفترضة سلفاً أو النماذج الرياضية المعيارية.

ومع التطور التقني المتسارع في أدوات الحوسبة الإحصائية، أصبحت الآلات الحاسبة البيانية المتقدمة، وتحديداً سلسلة TI-84 Plus المطورة من قبل شركة تكساس إنسترومنتس (Texas Instruments)، أداة محورية في البيئات الأكاديمية والمختبرات البحثية. فهي تجمع بين دقة المعالجة الحسابية والخوارزمية والقدرة على تقديم تحليلات إحصائية فورية دون الحاجة إلى بيئات برمجية معقدة، مما يمنح الباحثين والطلاب وسيلة فعالة لاختبار الفرضيات بدقة متناهية وسرعة قياسية.

يهدف هذا الدليل المرجعي الشامل إلى تفكيك كافة الجوانب النظرية والرياضية والتطبيقية لاختبار جودة المطابقة لمربع كاي باستخدام الآلة الحاسبة TI-84. سنتناول بالشرح المعمق المفاهيم الإحصائية التأسيسية، والشروط المنهجية الصارمة للتطبيق، والخطوات الإجرائية التفصيلية لإدخال البيانات ومعالجتها عبر القوائم الإحصائية للآلة، وصولاً إلى التفسير الدقيق للمخرجات وكيفية توثيقها وفق معايير الجمعية الأمريكية لعلم النفس (APA 7th Edition).

1. مقدمة ونظرة عامة حول اختبار جودة المطابقة لمربع كاي

1.1 المفهوم الإحصائي لاختبار جودة المطابقة

يُعرَّف اختبار جودة المطابقة لمربع كاي بأنه اختبار فرضي إحصائي لا معلمي (Non-parametric Test) يُستخدم لتحديد ما إذا كانت التكرارات الملاحظة (Observed Frequencies) لمتغير فئوي وحيد تتوافق بشكل ذي دلالة إحصائية مع التكرارات المتوقعة (Expected Frequencies) الناتجة عن توزيع نظري محدد مسبقاً. يعمل هذا الاختبار على قياس حجم التباعد أو الفجوة الرياضية بين ما تم رصده فعلياً في الواقع الميداني وما كان يُفترض حدوثه تحت مظلة نموذج احتمالي معين، مثل التوزيع المتساوي، أو النسب الوراثية المندلية، أو التوزيعات المعيارية المحددة تاريخياً في دراسات سابقة.

تخضع للتحليل في هذا الاختبار المتغيرات الاسمية (Nominal) والرتبوية (Ordinal) التي تم تصنيف أفراد العينة ضمن فئاتها المنفصلة وحصرية التوزيع. ولا يهتم الاختبار بالقيم العددية الخام للمتغير، بل يتعامل حصرياً مع “تكرارات” أو “أعداد” المشاهدات الواقعة في كل فئة من الفئات التجريبية. وتتجلى أهميته في قدرته على تحويل البيانات الوصفية النوعية إلى مقاييس كمية دقيقة تقبل التحليل الرياضي الصارم واتخاذ القرارات الاستدلالية المستندة إلى الاحتمالات.

من الأهمية المنهجية بمكان التمييز الدقيق بين اختبار جودة المطابقة واختبار الاستقلالية لمربع كاي (Chi-Square Test of Independence). فبينما يركز اختبار جودة المطابقة على متغير فئوي واحد موزّع على مستويات أو فئات متعددة لمقارنته بتوزيع نظري أحادي البعد، يتعامل اختبار الاستقلالية مع متغيرين فئويين في جدول توافق ثنائي الأبعاد (Contingency Table) لفحص ما إذا كانت هناك علاقة ارتباطية أو اعتمادية متبادلة بين المتغيرين في مجتمع الدراسة.

إبستمولوجياً، يمثل اختبار جودة المطابقة أداة التحقق التجريبي الأولى من صحة النماذج النظرية؛ فهو يتيح للباحث إخضاع النظريات المجردة للاختبار التجريبي عبر التحقق من مدى انعكاس الافتراضات النظرية على السلوك الواقعي للظواهر، مما يجعله حجر الزاوية في بناء النماذج التنبؤية واختبار استقرار التوزيعات السكانية والاجتماعية والنفسية عبر الزمن.

1.2 صياغة الفرضيات الإحصائية (الصفرية والبديلة)

يقوم البناء المنطقي لاختبار جودة المطابقة على صياغة زوج من الفرضيات الإحصائية المتعارضة والشاملة لكافة الاحتمالات الممكنة، والتي تُحدد مسبقاً قبل جمع البيانات الميدانية وتحليلها. يتم التعبير عن هذه الفرضيات بالصيغ اللغوية والرياضية الصارمة لضمان سلامة الاستدلال.

تُعرف الفرضية الصفرية ويرمز لها بالرمز ($H_0$) بفرضية التطابق التام، وتنص على أن توزيع التكرارات الملاحظة في العينة يتطابق تطابقاً كاملاً مع التوزيع النظري المتوقع المفترض، أو بتعبير احتمالي: أن نسب الفئات في المجتمع تتساوى مع النسب المحددة في الفرضية النظرية ($p_1 = p_{01}, p_2 = p_{02}, dots, p_k = p_{0k}$). تفترض هذه الفرضية دائماً أن أي فروق ظاهرة بين الأعداد الملاحظة والمتوقعة هي فروق عشوائية طفيفة ناتجة عن خطأ المعاينة الصدفية وليست ذات دلالة إحصائية حقيقية.

في المقابل، تُصاغ الفرضية البديلة ويرمز لها بالرمز ($H_1$) أو ($H_a$)، وتنص على أن توزيع التكرارات الملاحظة ينحرف انحرافاً جوهرياً عن التوزيع النظري المتوقع. ويكفي لإثبات صحة الفرضية البديلة أن تختلف نسبة فئة واحدة على الأقل من فئات المتغير عن النسبة المتوقعة لها نظرياً، أي أن ($p_i \neq p_{0i}$) لقيمة واحدة على الأقل من قيم $i$.

تتطلب عملية اتخاذ القرار الإحصائي تحديد مستوى الدلالة الإحصائية المعياري ($\alpha$)، وهو يمثل احتمالية ارتكاب خطأ من النوع الأول (رفض الفرضية الصفرية وهي صحيحة في الواقع). يُحدد هذا المستوى عادة عند ($\alpha = 0.05$) في معظم البحوث الاجتماعية والسلوكية، أو عند مستويات أكثر صرامة مثل ($\alpha = 0.01$) أو ($\alpha = 0.001$) في الدراسات الطبية والتجريبية عالية الحساسية. وتتحدد مناطق الرفض والقبول استناداً إلى مقارنة القيمة الإحصائية المحسوبة بمناطق الذيل الأيمن لتوزيع مربع كاي.

1.3 أهمية الآلة الحاسبة TI-84 في التحليل الإحصائي السريع

أحدثت الآلة الحاسبة البيانية TI-84 Plus نقلة نوعية في منهجيات تدريس وتطبيق التحليل الإحصائي، بفضل بنيتها البرمجية الصلبة المصممة خصيصاً للتعامل مع مصفوفات البيانات وقوائم التوزيعات التكرارية. تتيح الآلة معالجة جداول البيانات الفئوية المعقدة بكفاءة خوارزمية تضاهي البرمجيات الحاسوبية الثقيلة، مع الحفاظ على ميزة قابلية النقل وسهولة الاستخدام الميداني.

يقلل استخدام TI-84 من هامش الخطأ البشري الذي يقترن بالضرورة بالحسابات اليدوية المعقدة. فاختبار جودة المطابقة يتطلب حساب الفروق، وتربيعها، وقسمتها على التكرارات المتوقعة، ثم جمعها عبر كافة الفئات. وفي العينات التي تتضمن عدداً كبيراً من الفئات أو أعداداً تكرارية ضخمة، ترتفع احتمالية ارتكاب أخطاء تقريبية أو حسابية يدوية تؤدي إلى قرارات إحصائية خاطئة، وهو ما تتجاوزه الآلة تماماً بفضل محركها الرياضي الدقيق.

توفر الحاسبة بيئة تفاعلية مرنة تدمج بين الحساب العددي والتمثيل البياني؛ حيث تتيح ميزة رسم التوزيع النظري وتظليل منطقة الرفض والقيمة الاحتمالية ($p\text{-value}$) بصرياً، مما يعزز الفهم المفاهيمي العميق لآلية عمل الاختبار لدى الباحثين والمحللين. وتعتبر الآلة الحاسبة خياراً لا غنى عنه في بيئات الاختبارات الأكاديمية والتقييمات المهنية الدولية مثل اختبارات AP Statistics التي تحظر استخدام الحواسيب المحمولة وتعتمد TI-84 كمعيار رسمي.

2. الأسس النظرية والرياضية لاختبار جودة المطابقة

2.1 المعادلة الرياضية لاختبار مربع كاي

يرتكز اختبار جودة المطابقة رياضياً على إحصائية كارل بيرسون (Karl Pearson) الشهيرة التي طُوّرت عام 1900، والتي تأخذ الصيغة الرياضية التالية:

$$\chi^2 = \sum_{i=1}^{k} \frac{(O_i – E_i)^2}{E_i}$$

حيث يمثل الرمز ($\chi^2$) قيمة إحصائية مربع كاي المحسوبة، ويمثل الرمز ($k$) العدد الإجمالي للفئات أو المستويات المكونة للمتغير الفئوي. ويعبر الرمز ($O_i$) عن التكرار الملاحظ (Observed Frequency) في الفئة رقم$i$، بينما يمثل الرمز ($E_i$) التكرار المتوقع (Expected Frequency) لنفس الفئة تحت افتراض صحة الفرضية الصفرية.

تتكون هذه المعادلة من تفكيك بنيوي دقيق:

• حساب الانحراف البسيط: $(O_i – E_i)$ وهو الفارق المباشر بين الواقع الملاحظ والنظرية المتوقعة.
• التربيع الجبري: $(O_i – E_i)^2$ للتخلص من الإشارات السالبة وضمان أن الانحرافات لا تلغي بعضها البعض عند الجمع، فضلاً عن إعطاء أوزان نسبية أكبر للانحرافات الشديدة.
• المعايرة المعيارية: القسمة على $E_i$ لمعايرة حجم الانحراف المربع نسبة إلى الحجم المتوقع لتلك الفئة، فالانحراف بمقدار 5 مشاهدات في فئة متوقع لها 10 يمثل وزناً أكبر بكثير من انحراف مقداره 5 في فئة متوقع لها 1000.
• التجميع الكلي: الجمع التراكمي $\sum$ لكافة الفئات للحصول على مؤشر أحادي يصف الحجم الكلي للتناقض بين النموذج والبيانات.

تتبع هذه الإحصائية توزيع مربع كاي النظري المقارب، وهو توزيع احتمالي مستمر يمتد من الصفر إلى ما لا نهاية موجبة، ويمتاز بأنه توزيع موجب الالتواء (Right-skewed)، ويقترب تدريجياً من التوزيع الطبيعي كلما زادت درجات الحرية.

2.2 حساب درجات الحرية (Degrees of Freedom)

تُعد درجات الحرية، ويرمز لها بالرمز ($df$) أو ($\nu$)، مفهوماً جوهرياً لتحديد الشكل الهندسي الدقيق لمنحنى توزيع مربع كاي وتحديد القيمة الحرجة المقابلة لمستوى الدلالة المختار. في اختبار جودة المطابقة البسيط، تُحسب درجات الحرية وفق القاعدة الأساسية:

$$df = k – 1$$

حيث تمثل ($k$) عدد الفئات المستقلة للمتغير الفئوي. ويعود خصم القيمة (1) إلى القيد الرياضي المفروض على مجموع التكرارات؛ إذ إن مجموع التكرارات المتوقعة يجب أن يساوي بالضرورة مجموع التكرارات الملاحظة ($sum E_i = sum O_i = N$). وبمجرد معرفة تكرارات ($k-1$) فئة وحجم العينة الكلي ($N$)، فإن تكرار الفئة الأخيرة يصبح مقيداً وثابتاً ولا يملك أي حرية للتغير العشوائي.

في الحالات المتقدمة التي يتطلب فيها حساب التكرارات المتوقعة تقدير معالم معينة من مجتمع الدراسة باستخدام بيانات العينة ذاتها (مثل تقدير المتوسط الحسابي $\mu$ أو الانحراف المعياري $\sigma$ عند اختبار مطابقة البيانات للتوزيع الطبيعي أو توزيع بواسون)، يُخصم عدد إضافي من درجات الحرية مساوٍ لعدد المعالم المقدرة ($m$)، لتصبح المعادلة:$df = k – 1 – m$.

يؤثر عدد درجات الحرية تأثيراً مباشراً على الالتواء الإحصائي؛ فكلما كانت $df$ صغيرة، كان التوزيع شديد الالتواء نحو اليمين وتمركزت الكثافة الاحتمالية قرب الصفر. ومع زيادة $df$، يتسع المنحنى ويزحف وسطه الحسابي نحو اليمين ليساوي تماماً قيمة درجات الحرية ($E(\chi^2) = df$)، في حين يصبح تباينه مساوياً لضعف درجات الحرية ($Var(\chi^2) = 2df$).

2.3 طرق استخراج التكرارات المتوقعة نظرياً

تعتمد آلية استخراج التكرارات المتوقعة ($E_i$) على طبيعة الفرضية الصفرية المصاغة ومصدر النموذج النظري المراد اختباره، وتندرج تحت حالتين رئيسيتين:

أولاً: حالة التوزيع المتساوي (Uniform Distribution): تفترض الفرضية الصفرية هنا أن التكرارات تتوزع بالتساوي المطلق بين جميع الفئات، أي أن احتمالية وقوع أي مشاهدة في أي فئة هي احتمالية متطابقة ($p_1 = p_2 = dots = p_k = \frac{1}{k}$). وفي هذه الحالة، يُحسب التكرار المتوقع لكل فئة بقسمة الحجم الكلي للعينة ($N$) على عدد الفئات ($k$):

$$E_i = \frac{N}{k} = \frac{\sum O_i}{k}$$

ثانياً: حالة التوزيع النسبي المسبق (Specified Proportions): تفترض الفرضية الصفرية هنا أن البيانات تتبع نسباً محددة سلفاً مستمدة من نظرية علمية (كالنسب الوراثية 9:3:3:1) أو دراسات ديموغرافية وتاريخية سابقة. يُحسب التكرار المتوقع بضرب الحجم الإجمالي للعينة في النسبة الاحتمالية النظرية ($p_i$) المحددة لكل فئة:

$$E_i = N \times p_i$$

ويشترط دائماً للتحقق من سلامة البناء الرياضي للاختبار التأكد من الشرط التوازني الحتمي: $\sum_{i=1}^k E_i = \sum_{i=1}^k O_i = N$. وأي إخلال بهذا التساوي ينتج عنه بطلان رياضي كامل لنتائج الاختبار الإحصائي.

3. شروط وافتراضات تطبيق الاختبار الإحصائي

3.1 طبيعة المعاينة واستقلالية المشاهدات

تستند صلاحية اختبار جودة المطابقة لمربع كاي إلى مجموعة صارمة من الافتراضات المنهجية التي يجب استيفاؤها بدقة قبل الشروع في معالجة البيانات، ويأتي في مقدمتها شرط المعاينة الاحتمالية العشوائية؛ حيث يجب سحب المشاهدات من مجتمع الدراسة بأسلوب العشوائية البسيطة لضمان التمثيل الدقيق والموضوعي لمحددات المجتمع الإحصائي وتفادي تحيزات الاختيار.

يتمثل الافتراض الأهم والحيوي في “استقلالية المشاهدات” (Independence of Observations). ويعني هذا الشرط المنهجي الصارم أن وقوع أي مفحوص أو وحدة تجريبية في فئة معينة لا يؤثر بأي شكل من الأشكال على احتمالية وقوع وحدة أخرى في أي فئة، كما يقتضي عدم جواز تكرار قياس نفس المفحوص أو إدراجه في أكثر من فئة تصنيفية واحدة على الإطلاق.

إن انتهاك افتراض الاستقلالية — كما يحدث عند استخدام قياسات متكررة لنفس الأفراد عبر الزمن أو دراسة عينات مرتبطة عنقودياً دون تصحيح — يؤدي إلى تشويه خطير في حساب درجات الحرية وتضخيم اصطناعي لقيمة مربع كاي المحسوبة، مما يرفع احتمالية الوقوع في الخطأ من النوع الأول (Type I Error) ورفض الفرضية الصفرية بشكل زائف.

3.2 حجم العينة والتكرارات المتوقعة الدنيا (شرط كوشران)

نظراً لأن التوزيع التراكمي لمربع كاي هو توزيع احتمالي مستمر، بينما البيانات الملاحظة الفئوية هي بيانات منفصلة، فإن التقارب الرياضي بين التوزيعين يعتمد اعتماداً كلياً على كفاية حجم العينة والتكرارات المتوقعة. وقد وضع الإحصائي ويليام كوشران (William Cochran) المعايير المعترف بها دولياً لضمان سلامة هذا التقارب:

• قاعدة التكرار المتوقع الأدنى: يجب ألا يقل التكرار المتوقع ($E_i$) في أي فئة من الفئات عن (1) بأي حال من الأحوال ($E_i ge 1$).
• قاعدة كوشران العامة: يجب ألا يقل التكرار المتوقع عن (5) في ما لا يقل عن 80% من إجمالي الفئات التجريبية ($E_i ge 5$ في $ge 80%$ من الفئات). وإذا كان عدد الفئات صغيراً ($k le 4$)، فيجب أن تكون كافة التكرارات المتوقعة بلا استثناء مساوية لـ 5 أو أكبر.

عند انتهاك هذا الشرط نتيجة لصغر حجم العينة الكلي أو تشتت المشاهدات على فئات نادرة، تصبح قيمة مربع كاي المحسوبة غير مستقرة وحساسة جداً للتقلبات العشوائية. ولمعالجة ذلك، يلجأ الباحث منهجياً إلى إحدى الاستراتيجيات التالية:

1. دمج الفئات المتجاورة (Collapsing Categories): توحيد الفئات ذات التكرارات المنخفضة منطقياً لرفع التكرار المتوقع.
2. زيادة حجم العينة الميدانية: جمع مشاهدات إضافية لرفع قيم $N$.
3. استخدام الاختبارات التوافقية الدقيقة: مثل اختبار فيشر الدقيق (Fisher’s Exact Test) أو المحاكاة بمونت كارلو (Monte Carlo Simulation) عندما يتعذر دمج الفئات.

3.3 تصنيف البيانات ومستويات القياس المقبولة

يقتصر تطبيق اختبار جودة المطابقة على المتغيرات المقاسة بمستويات القياس النوعي؛ أي المقياس الاسمي (Nominal Scale) مثل (فصائل الدم، الجنس، التخصص الأكاديمي)، أو المقياس الرتبوي (Ordinal Scale) مثل (مستويات الرضا: منخفض، متوسط، مرتفع). ولا يجوز تطبيق الاختبار مباشرة على البيانات المقاسة بالمقاييس الفترية (Interval) أو النسبية (Ratio) إلا بعد إعادة تبويبها في فئات كمية منفصلة.

يشترط في البناء الفئوي للمتغير استيفاء خاصيتين منطقيتين أساسيتين:

• الحصرية المتبادلة (Mutually Exclusive): يجب أن تصنف كل مشاهدة في فئة واحدة فقط دون أي لبس أو تداخل بين التعريفات الإجرائية للفئات.
• الشمولية التامة (Exhaustive): يجب أن تغطي منظومة الفئات كافة الحالات الممكنة في مجتمع الدراسة، بحيث يجد كل عنصر في العينة فئة واضحة ينتمي إليها، دون إغفال أي مشاهدة.

4. التهيئة الفنية والواجهة البرمجية للآلة الحاسبة TI-84

4.1 التعرف على القوائم الإحصائية في TI-84 Plus

تعتمد بنية معالجة البيانات الإحصائية في الآلة الحاسبة TI-84 Plus بكافة إصداراتها على بيئة القوائم المرنة (List-based Architecture). يتم الدخول إلى المنظومة الإحصائية بالضغط على المفتاح المخصص STAT الموجود في الصف العلوي للوحة المفاتيح، مما يفتح الشاشة التفاعلية المقسمة إلى ثلاثة تبويبات رئيسية:

• تبويب EDIT: يتيح الوصول المباشر إلى محرر القوائم عبر الخيار الأول 1:Edit...، حيث تظهر مصفوفة الجداول المكونة من القوائم الافتراضية الست المحجوزة في الذاكرة الأساسية وتسمى ($L_1, L_2, L_3, L_4, L_5, L_6$).
• تبويب CALC: يحتوي على الدوال والمعادلات الحسابية لتوليد الإحصاءات الوصفية أحادية وثنائية المتغير وانحدارات النماذج.
• تبويب TESTS: يضم حزمة الاختبارات الاستدلالية المعلمية واللامعلمية الكاملة، بما فيها اختبارات Z و t واختبارات مربع كاي وتحليل التباين (ANOVA).

للتنقل السلس داخل المحرر، تُستخدم مفاتيح الأسهم الأربعة، مع إمكانية التحكم في ضبط نمط العرض العشري عبر مفتاح MODE وتعديل خيار Float لتحديد عدد الخانات العشرية المعروضة وفق الرغبة البحثية.

4.2 إدارة وتهيئة القوائم ومسح البيانات القديمة

قبل البدء في أي تحليل إحصائي جديد، من الضروري تنظيف الذاكرة الإحصائية والتأكد من خلو القوائم من أي بيانات متبقية من تجارب سابقة. توجد طريقتان منهجيتان لمسح القوائم بأمان:

الطريقة الأولى (من داخل المحرر): تحريك السهم للأعلى لتظليل اسم القائمة ذاتها في رأس العمود (مثل تظليل $L_1$)، ثم الضغط على مفتاح CLEAR متبوعاً بمفتاح ENTER. يؤدي هذا الإجراء إلى مسح كافة الأرقام المدخلة في العمود فوراً مع الإبقاء على هيكل القائمة.

تحذير تقني حرج: تجنب تماماً الضغط على مفتاح DEL أثناء تظليل اسم القائمة في رأس العمود؛ لأن ذلك سيؤدي إلى حذف القائمة بأكملها من شاشة العرض وليس مسح محتواها فقط. وإذا حُذفت القائمة بالخطأ، يمكن استعادتها فوراً بالضغط على STAT ثم اختيار الأمر 5:SetUpEditor والضغط على ENTER، مما يعيد ضبط مصفوفة القوائم الافتراضية ($L_1 – L_6$).

الطريقة الثانية (عبر الأوامر): من الشاشة الرئيسية، الضغط على STAT واختيار الأمر 4:ClrList، ثم كتابة أسماء القوائم المراد مسحها مفصولة بفاصلة، مثل: ClrList L1, L2 بالضغط على 2nd ثم 1 و 2nd ثم 2، ثم الضغط على ENTER لتظهر رسالة التأكيد Done.

4.3 التحقق من إصدار النظام والبرمجيات المدمجة

تختلف قدرات تنفيذ اختبار جودة المطابقة لمربع كاي باختلاف إصدار نظام التشغيل (Operating System) المثبت على الآلة الحاسبة. يتوفر اختبار جودة المطابقة كأمر مستقل ومباشر يحمل اسم $\chi^2\text{ GOF-Test}$ في كافة أجهزة TI-84 Plus Silver Edition و TI-84 Plus C / CE ذات الشاشات الملونة، وفي أجهزة TI-84 Plus القياسية التي تعمل بنظام تشغيل رقم OS 2.55MP وما بعده.

للتحقق من إصدار نظام التشغيل في حاسبتك، اتبع الخطوات التالية:

1. اضغط على مفتاح 2nd ثم مفتاح + للدخول إلى قائمة الذاكرة (MEM).
2. اختر الخيار الأول 1:About واضغط ENTER.
3. اقرأ رقم الإصدار المعروض في السطر الثاني؛ إذا كان الإصدار 2.55 أو أعلى، فإن الاختبار مدمج كلياً في نظام الآلة.

في حال امتلاك جهاز أقدم (مثل بعض إصدارات TI-83 Plus أو أنظمة TI-84 القديمة) التي لا تتضمن أمر GOF-Test صراحة في قائمة الاختبارات وتكتفي باختبار الاستقلالية ($\chi^2\text{-Test}$)، يمكن للباحث إما تحديث نظام التشغيل مجاناً عبر ربط الحاسبة بالحاسوب واستخدام برنامج TI Connect CE، أو إجراء الحساب عبر محرر الصيغ الرياضية في القائمة $L_3$ كما سنفصل لاحقاً.

5. إعداد وإدخال مصفوفات البيانات في قوائم TI-84

5.1 إدخال التكرارات الملاحظة في القائمة L1

تبدأ الخطوات التنفيذية للتحليل بإدخال البيانات الميدانية الفعلية، وهي التكرارات الملاحظة ($O$)، في القائمة الأولى$L_1$. يتم ذلك عبر التسلسل الإجرائي التالي:

1. اضغط على مفتاح STAT، وتأكد من تحديد تبويب EDIT، ثم اضغط ENTER للدخول إلى المحرر.
2. تأكد من وضع المؤشر في أول صف تحت العمود $L_1$.
3. أدخل تكرار الفئة الأولى، ثم اضغط ENTER لينتقل المؤشر تلقائياً إلى الصف التالي.
4. كرر إدخال التكرارات لجميع الفئات بالترتيب الدقيق والتسلسلي نفسه المعتمد في جدول البيانات.

يجب التنبيه إلى ضرورة توثيق الفئات ومطابقة كل تكرار مع فئته الصحيحة، والامتناع التام عن إدخال النسب المئوية أو المتوسطات؛ فالقائمة $L_1$ مخصصة حصرياً للأعداد الصحيحة الموجبة المعبرة عن عدد الحالات الملاحظة في كل تصنيف.

5.2 إدخال وحساب التكرارات المتوقعة في القائمة L2

تُخصص القائمة $L_2$ لإدخال التكرارات المتوقعة نظرياً ($E$). وهنا توفر الآلة الحاسبة طريقتين للإدخال تضمنان المرونة والسرعة:

الإدخال اليدوي المباشر: إذا كانت التكرارات المتوقعة قد حُسبت مسبقاً يدوياً (مثلاً: 50 لكل فئة في حالة التوزيع المتساوي)، يتم توجيه المؤشر إلى العمود $L_2$ وكتابة القيم بالتسلسل المناظر تماماً لقيم $L_1$.

الحساب الآلي التلقائي عبر الصيغ الرياضية: تتيح TI-84 ميزة احتساب القيم المتوقعة برمجياً داخل رأس القائمة لتفادي أخطاء النقل. على سبيل المثال، إذا كان الحجم الكلي للعينة 200 موزعة على 4 فئات متساوية، يمكن تظليل رأس العمود $L_2$ بالأسهم، ثم كتابة الصيغة: 200/4 والضغط على ENTER، لتقوم الآلة بتعبئة كامل العمود بالقيمة (50) تلقائياً.

وفي حال وجود نسب مئوية متفاوتة مفترضة نظرياً (مثلاً: الفئة الأولى 50%، الثانية 30%، الثالثة 20% من إجمالي عينة $N=300$)، يمكن إدخال النسب في القائمة $L_3$، ثم تظليل رأس القائمة $L_2$ وكتابة الصيغة: 300 * L3 والضغط على ENTER لتتولد التكرارات المتوقعة بدقة حسابية مطلقة.

5.3 التدقيق المتقاطع وصحة مصفوفات البيانات

قبل مغادرة محرر القوائم والانتقال لتشغيل الاختبار، يتعين إجراء فحص تدقيقي شامل لمصفوفات البيانات لضمان عدم وجود أخطاء برمجية قد تُفشل العملية الحسابية. يشتمل هذا التدقيق على النقاط الحرجة التالية:

• مطابقة الأبعاد (Dimension Matching): التأكد البصري التام من أن القائمتين $L_1$ و $L_2$ متطابقتان في عدد الصفوف تماماً. فإذا احتوت $L_1$ على 5 قيم، يجب أن تحتوي $L_2$ على 5 قيم بالتمام والكمال؛ وأي اختلاف في الطول سيؤدي فوراً إلى توقف الآلة وإصدار خطأ ERR:DIM MISMATCH.
• التحقق من التطابق التوازني الإجمالي: يجب التأكد من أن مجموع تكرارات $L_1$ يطابق تماماً مجموع تكرارات $L_2$. يمكن التحقق من ذلك بالخروج إلى الشاشة الرئيسية عبر 2nd ثم QUIT (مفتاح MODE)، ثم استدعاء دالة الجمع بالضغط على 2nd ثم STAT (للدخول لقائمة LIST)، واختيار تبويب MATH ثم الأمر 5:sum(، وكتابة: sum(L1) ومقارنتها بـ sum(L2).
• فحص القيم المنطقية: التأكد من عدم وجود أي تكرار متوقع مساوٍ للصفر ($E_i = 0$) لتجنب القسمة على صفر، والتأكد من غياب أي أرقام سالبة.

6. الخطوات الإجرائية لتنفيذ اختبار جودة المطابقة (GOF-Test)

6.1 الوصول إلى اختبار Chi2 GOF-Test في القوائم

بعد التحقق من سلامة البيانات في القوائم، يتم استدعاء خوارزمية الاختبار المدمجة عبر الخطوات المتسلسلة التالية:

1. اضغط على مفتاح STAT في لوحة المفاتيح.
2. استخدم سهم الاتجاه الأيمن للانتقال إلى التبويب الثالث TESTS.
3. مرر المؤشر للأسفل في قائمة الاختبارات حتى تصل إلى الأمر المسمى $\chi^2\text{GOF-Test}$ (يكون رقمه عادة D: في أجهزة TI-84 Plus CE، أو D: أو E: بحسب إصدار النظام البرمجي).
4. اضغط على مفتاح ENTER لتفتح الشاشة التفاعلية الخاصة بمدخلات الاختبار.

6.2 تحديد المعالم الإحصائية والقوائم في شاشة الاختبار

تطلب شاشة إعدادات اختبار $\chi^2\text{GOF-Test}$ إدخال أربعة معالم تشغيلية رئيسية يجب ضبطها بدقة:

• حقل Observed (البيانات الملاحظة): يُحدد اسم القائمة التي تحتوي على التكرارات الفعلية. القيمة الافتراضية هي L1. إذا كانت بياناتك في قائمة أخرى، اضغط 2nd متبوعاً بالرقم المقابل لاسم القائمة (مثلاً 2nd ثم 1 لكتابة $L_1$).
• حقل Expected (البيانات المتوقعة): يُحدد اسم القائمة التي تتضمن التكرارات النظرية المتوقعة، ويُضبط عادة على L2 (بالضغط على 2nd ثم 2).
• حقل df (درجات الحرية): يتطلب إدخال القيمة العددية لدرجات الحرية ($k – 1$). ويقع العديد من المبتدئين في خطأ فادح بكتابة الحجم الإجمالي للعينة ($N$)؛ لذا يجب التأكيد على كتابة عدد الفئات مطروحاً منه 1. فإذا كان المتغير يضم 5 فئات، يجب إدخال الرقم 4 في هذا الحقل.
• حقل خيارات الإخراج: يتيح الاختيار بين Calculate (لحساب وطباعة القيم الرقمية الفورية) و Draw (لرسم منحنى مربع كاي وتظليل منطقة الدلالة).

6.3 تنفيذ الحساب واستعراض النتائج الفورية

لتنفيذ الاختبار واستخراج المؤشرات الإحصائية، حرك المؤشر إلى خيار Calculate واضغط على مفتاح ENTER. في أجزاء من الثانية، تقوم وحدة المعالجة المركزية للحاسبة بتنفيذ خوارزمية مربع كاي عبر طرح كل عنصر في $L_2$ من العنصر المقابل في $L_1$، وتربيع الناتج، وقسمته على $L_2$، ثم جمع النواتج وحساب التكامل الاحتمالي لتوزيع مربع كاي عند درجات الحرية المحددة.

تظهر على الشاشة فوراً واجهة النتائج التقريرية الإحصائية المتضمنة أربعة أسطر أساسية:

• $\chi^2 = dots$ (قيمة إحصائية مربع كاي المحسوبة).
• $p = dots$ (القيمة الاحتمالية الدقيقة للدلالة الإحصائية).
• $df = dots$ (درجات الحرية المؤكدة للاختبار).
• $\text{CNTRB} = {dots}$ (مصفوفة مساهمات الفئات الفردية في القيمة الإجمالية).

7. تفسير المخرجات الإحصائية لآلة TI-84

7.1 قيمة إحصائية مربع كاي المحسوبة ($\chi^2$)

تمثل القيمة الرقمية الناتجة أمام الرمز ($\chi^2$) المقياس التراكمي الكلي للفروق المعايرة بين البيانات الواقعية والنموذج النظري. وكلما اقتربت هذه القيمة من الصفر، دل ذلك على تطابق شبه مثالي بين التكرارات الملاحظة والتكرارات المتوقعة، مما يدعم بقوة صحة الفرضية الصفرية ($H_0$).

وعلى العكس من ذلك، كلما كبرت قيمة $\chi^2$ المحسوبة وابتعدت عن الصفر، كان ذلك دليلاً على وجود انحرافات وتباعدات جوهرية بين الواقع المشاهد والنظرية المفترضة. وللحكم على هذه القيمة بالطريقة التقليدية (الجدولية)، تُقارن القيمة المحسوبة بالقيمة الحرجة (Critical Value) المستخرجة من جداول توزيع مربع كاي عند مستوى دلالة $\alpha$ ودرجات حرية $df$. فإذا كانت: $\chi^2_{\text{calculated}} > \chi^2_{\text{critical}}$، يتم رفض الفرضية الصفرية لصالح الفرضية البديلة.

7.2 القيمة الاحتمالية الدلالية (P-value)

تُعد القيمة الاحتمالية المعروضة أمام الرمز ($p$) المعيار الاستدلالي الحديث والأكثر دقة في اتخاذ القرار الإحصائي. وهي تمثل احتمالية الحصول على قيمة لمربع كاي مساوية أو أكبر من القيمة المحسوبة من العينة، تحت افتراض أن الفرضية الصفرية صحيحة تماماً في المجتمع ($P(chi^2 ge chi^2_{text{calc}} mid H_0 text{ is true})$).

قاعدة اتخاذ القرار الإحصائي:

• إذا كانت $p le \alpha$ (مثلاً $p le 0.05$): نرفض الفرضية الصفرية ($H_0$) ونقبل الفرضية البديلة ($H_1$). الاستنتاج: توجد فروق ذات دلالة إحصائية، والتوزيع الملاحظ لا يطابق التوزيع النظري المتوقع.
• إذا كانت $p > \alpha$ (مثلاً $p > 0.05$): نفشل في رفض الفرضية الصفرية (نقبل $H_0$). الاستنتاج: لا توجد فروق ذات دلالة إحصائية، والبيانات الملاحظة تتطابق وتتسق مع التوزيع النظري المفترض، وأن الفروق الطفيفة تعود للصدفة المعاينية.

ملاحظة تقنية حول التدوين العلمي: إذا ظهرت القيمة الاحتمالية على شاشة الحاسبة بصيغة علمية مثل p = 3.452E-4، فهذا يعني رياضياً $3.452 times 10^{-4}$ أي $0.0003452$. وتعتبر هذه القيمة أصغر بكثير من $0.05$، مما يقتضي الرفض القاطع للفرضية الصفرية عند أعلى مستويات الثقة الإحصائية ($p < 0.001$).

7.3 قائمة مساهمات الفئات الفردية (CNTRB)

تنفرد الآلة الحاسبة TI-84 بتقديم مخرج تحليلي متقدم بالغ الأهمية يُسمى CNTRB (اختصاراً لـ Contributions)، وهي مصفوفة تتضمن القيمة الحسابية المنفصلة لكل فئة على حدة الناتجة عن تطبيق الجزء الخاص بها في المعادلة: $\frac{(O_i – E_i)^2}{E_i}$.

تُخزن هذه القيم تلقائياً داخل متغير مصفوفي في الذاكرة. ويمكن استعراض هذه المساهمات بتحريك السهم الأيمن لاستعراض القيم داخل القوسين المعقوصين ${dots}$ في شاشة النتائج، أو نسخها مباشرة إلى قائمة فارغة مثل $L_3$ بالخروج للشاشة الرئيسية وكتابة الأمر: CNTRB $\rightarrow$ L3 (يتم استدعاء اسم القائمة CNTRB عبر الضغط على 2nd ثم STAT واختيار اسمها من قائمة القوائم).

تكمن الأهمية التحليلية لقائمة المساهمات في تشخيص مصدر الدلالة الإحصائية؛ ففي حين يخبرك الاختبار الإجمالي برفض الفرضية الصفرية ككل، تكشف لك قيم المساهمات الفردية عن الفئة أو الفئات المحددة التي كانت مسؤولة عن إحداث هذا الانحراف الجوهري (الفئات التي تمتلك أعلى قيم مساهمة)، مما يثري التحليل الكيفي ويفسر أسباب اختلال النموذج النظري في الواقع الميداني.

8. دراسة حالة تطبيقية متكاملة وحسابات نموذجية

8.1 وصف المشكلة وتحديد الفرضيات التجريبية

لترسيخ الخطوات الإجرائية عملياً، نفترض سيناريو بحثياً واقعياً في دراسة لسلوك المستهلكين: أراد مدير أحد المراكز التجارية فحص ما إذا كان إقبال العملاء وترددهم على المركز يتوزع بالتساوي المطلق على مدار أيام العمل الأسبوعية الخمسة (من الإثنين إلى الجمعة)، أم أن هناك تفضيلاً سلوكياً لأيام معينة. تم رصد عينة عشوائية مكونة من $N = 250$ عميلاً خلال أسبوع عمل عادي، وسُجلت التكرارات الملاحظة لكل يوم كما يلي:

• الإثنين: 50 عميلاً
• الثلاثاء: 60 عميلاً
• الأربعاء: 40 عميلاً
• الخميس: 47 عميلاً
• الجمعة: 53 عميلاً

صياغة الفرضيات الإحصائية:

• الفرضية الصفرية ($H_0$): تردد العملاء يتوزع بالتساوي التام عبر أيام العمل الأسبوعية ($p_1 = p_2 = p_3 = p_4 = p_5 = 0.20$).
• الفرضية البديلة ($H_1$): تردد العملاء لا يتوزع بالتساوي عبر أيام العمل الأسبوعية (يوم واحد على الأقل يختلف عن نسبة 20%).
• مستوى الدلالة المعتمد: $\alpha = 0.05$.

حساب التكرارات المتوقعة نظرياً: بما أن النموذج المفترض هو التوزيع المتساوي، فإن التكرار المتوقع لكل يوم يُحسب بقسمة المجموع الكلي على عدد الأيام ($k = 5$):

$$E_i = \frac{N}{k} = \frac{250}{5} = 50 \text{ عميلاً لكل يوم}$$

8.2 خطوات التنفيذ المباشر على الآلة الحاسبة

نقوم بتنفيذ التحليل على TI-84 بالخطوات المتسلسلة التالية:

1. نضغط على STAT ثم نختار 1:Edit... ونضغط ENTER.
2. في القائمة $L_1$ (الملاحظ)، ندخل القيم بالترتيب: 50, 60, 40, 47, 53.
3. في القائمة $L_2$ (المتوقع)، ندخل القيم المتوقعة: 50, 50, 50, 50, 50.
4. نخرج للشاشة الرئيسية عبر 2nd ثم MODE (QUIT).
5. نضغط على STAT، ونتحرك يميناً إلى TESTS، ثم ننزل لاختيار D:$\chi^2\text{GOF-Test}$.
6. نضبط المدخلات في شاشة الاختبار كالتالي:
   • Observed: L1
   • Expected: L2
   • df: 4 (حيث $k – 1 = 5 – 1 = 4$)
7. نوجه المؤشر إلى Calculate ونضغط ENTER.

جدول تفكيك الحساب الرياضي الداخلي:

اليوم ($i$)	الملاحظ ($O_i$)	المتوقع ($E_i$)	الانحراف ($O_i – E_i$)	مربع الانحراف $(O_i – E_i)^2$	المساهمة $\frac{(O_i – E_i)^2}{E_i}$
الإثنين	50	50	0	0	0.00
الثلاثاء	60	50	+10	100	2.00
الأربعاء	40	50	-10	100	2.00
الخميس	47	50	-3	9	0.18
الجمعة	53	50	+3	9	0.18
المجموع ($\sum$)	250	250	0	–	$\chi^2 = 4.36$

8.3 تحليل وتوثيق القرار الإحصائي النهائي

تعرض شاشة الآلة الحاسبة النتائج النهائية الدقيقة التالية:

• $\chi^2 = 4.36$
• $p = 0.35948$
• $df = 4$
• $\text{CNTRB} = {0, 2, 2, 0.18, 0.18}$

التحليل واتخاذ القرار:

بمقارنة القيمة الاحتمالية المحسوبة ($p = 0.359$) بمستوى الدلالة المحدد سلفاً ($\alpha = 0.05$)، نجد أن: $p > 0.05$. وبناءً على قاعدة القرار الإحصائي، فإننا نفشل في رفض الفرضية الصفرية ($H_0$) ونقبلها.

كما يمكن التحقق بمقارنة قيمة مربع كاي المحسوبة ($\chi^2 = 4.36$) بالقيمة الحرجة لدرجات حرية 4 عند مستوى $\alpha = 0.05$ وهي ($\chi^2_{\text{crit}} = 9.488$). وبما أن القيمة المحسوبة أصغر بكثير من القيمة الحرجة، فإنها تقع عميقاً داخل منطقة القبول.

الاستنتاج التطبيقي الميداني: تشير البيانات التجريبية بوضوح إلى عدم وجود فروق ذات دلالة إحصائية في تردد العملاء على مدار أيام الأسبوع؛ فالتوزيع الميداني يتسق اتساقاً تاماً مع فرضية التوزيع المتساوي، والفروق الطفيفة المرصودة (زيادة يوم الثلاثاء أو انخفاض يوم الأربعاء) ما هي إلا تذبذبات عشوائية ناتجة عن صدفة المعاينة ولا تعكس تفضيلاً سلوكياً حقيقياً لدى مجتمع المستهلكين.

9. تطبيقات اختبار جودة المطابقة في البحوث النفسية والسلوكية

9.1 فحص التوزيعات النظرية للسمات والأنماط الشخصية

يحتل اختبار جودة المطابقة مكانة مركزية في حقل القياس النفسي والتشخيص الإكلينيكي؛ حيث يُستخدم للتحقق من مدى مطابقة العينات الميدانية للتوزيعات المعيارية المحددة في الأطر النظرية للشخصية. فعلى سبيل المثال، عند دراسة توزيع الأنماط الشخصية الستة عشر وفق مؤشر مايرز بريجز (MBTI) أو عوامل الشخصية الخمسة الكبرى (Big Five) في بيئة مهنية محددة (مثل القيادات الإدارية)، يستخدم الباحث اختبار جودة المطابقة لتحديد ما إذا كان توزيع العينة ينحرف عن التوزيع السكاني العام المعياري، مما يكشف عن تركز أنماط معينة في تلك المهنة.

كما يُطبق الاختبار في فحص التوزيعات الفئوية للاضطرابات النفسية وفق معايير الدليل التشخيصي والإحصائي للاضطرابات النفسية (DSM-5)؛ حيث يُقارن توزيع شدة الاكتئاب أو القلق (خفيف، متوسط، شديد) المرصود في عينة دراسية بنسب الانتشار الوبائي الإقليمية للتحقق من سلامة تمثيل العينة وتحديد مدى انحرافها الإكلينيكي.

9.2 تحليل الخيارات السلوكية والتفضيلات الفئوية

في أبحاث علم النفس المعرفي والسلوكي، يُستخدم الاختبار لتحليل عمليات صنع القرار وتفضيلات الاستجابة تحت ظروف تجريبية مضبوطة. ومن أمثلة ذلك اختبار فرضية “عشوائية الاختيار” في مهمات التفضيل متعدد البدائل؛ حيث يفترض النموذج النظري الصدفي تساوي احتمالية اختيار البدائل المتاحة، ويكشف اختبار جودة المطابقة ما إذا كان المفحوصون يظهرون تحيزات معرفية منتظمة تقودهم لتفضيل خيارات معينة بناءً على موضعها البصري أو صياغتها اللفظية.

يمتد هذا التطبيق إلى دراسات سلوك المستهلك العصبي والتسويق السلوكي؛ حيث يتم تقييم استجابات العملاء الفئوية للمحفزات البصرية أو التغليفية، وفحص مدى توافق اختياراتهم مع النسب التسويقية المستهدفة، فضلاً عن كشف التحيزات النمطية في استطلاعات الرأي العام والاستبيانات الميدانية.

9.3 التحقق من صلاحية توزيع عينات التقنين في القياس النفسي

تعتمد الموثوقية المنهجية للمقاييس والاختبارات النفسية المقننة على مدى مطابقة الخصائص الديموغرافية لعينة التقنين (Standardization Sample) مع التركيبة السكانية لمجتمع الأصل وفق بيانات التعداد الوطني الرسمي. وهنا يمثل اختبار مربع كاي لجودة المطابقة الأداة الإحصائية الإلزامية لمقارنة التوزيع الفئوي للعينة وفق متغيرات: (الجنس، الفئات العمرية، المستوى التعليمي، المناطق الجغرافية) مع النسب السكانية الحقيقية.

إذا أظهر الاختبار قيمة غير دالة إحصائياً ($p > 0.05$)، يُعد ذلك دليلاً منهجياً قاطعاً على التكافؤ الديموغرافي وعدم تحيز عينة التقنين، مما يمنح الدرجات المعيارية المشتقة (كالدرجات التائية Z-scores والدرجات المئينية) مصداقية سيكومترية عالية تتيح تعميم نتائج المقياس بأمان على المجتمع المستهدف.

10. معالجة الأخطاء الشائعة واستكشاف المشكلات التقنية في TI-84

10.1 حل رسائل الخطأ البرمجية الشائعة (Error Messages)

أثناء تنفيذ اختبار جودة المطابقة على الحاسبة TI-84، قد تظهر بعض رسائل الخطأ البرمجية التي توقف العملية الحسابية. يوضح الجدول التالي أشهر هذه الأخطاء وكيفية معالجتها التقنية الفورية:

رسالة الخطأ	السبب البرمجي	بروتوكول الحل المباشر
ERR:DIM MISMATCH	عدم تطابق عدد الصفوف (الأبعاد) بين القائمتين $L_1$ و $L_2$.	ادخل إلى المحرر (STAT $\rightarrow$ Edit)، وتحقق من أن القائمتين تنتهيان عند نفس الصف تماماً واحذف أي قيم زائدة.
ERR:DATA TYPE	إدخال نص أو رمز غير عددي، أو استدعاء مصفوفة بدلاً من قائمة.	افحص محتويات القوائم وتأكد من أن جميع المدخلات أرقام صحيحة أو عشرية موجبة وخالية من الرموز.
ERR:INVALID DIM	القوائم المحددة في شاشة الاختبار فارغة تماماً ولا تحتوي بيانات.	تأكد من إدخال البيانات في القوائم الصحيحة والتأكد من تحديد أسمائها ($L_1, L_2$) بدقة في شاشة الاختبار.
ERR:DOMAIN	إدخال درجات حرية سالبة أو مساوية للصفر، أو وجود $E_i le 0$.	تأكد من إدخال $df ge 1$ كرقم صحيح موجب، وتأكد من أن كافة التكرارات المتوقعة في $L_2$ أكبر قطيعاً من الصفر.

10.2 الأخطاء المنهجية والمفاهيمية الأكثر شيوعاً

إلى جانب الأخطاء البرمجية، يقع العديد من الباحثين في منزلقات منهجية أثناء تنفيذ الاختبار على الحاسبة، ومن أبرزها:

• إدخال النسب المئوية بدلاً من التكرارات التكرارية: إدخال أرقام مثل (20%, 30%) في قائمة الملاحظ بدلاً من الأعداد الفعلية (مثل 40 مفحوصاً). يؤدي هذا الخطأ إلى تصغير اصطناعي لحجم العينة مما ينتج عنه انخفاض حاد في قوة الاختبار وفشل في كشف الفروق الحقيقية.
• الخلط بين حجم العينة ودرجات الحرية: إدخال $df = 250$ (حجم العينة) بدلاً من $df = k – 1$، مما يغير شكل التوزيع المرجعي بالكامل ويصدر قيماً احتمالية خاطئة تماماً.
• تجاهل شرط كوشران: تشغيل الاختبار على الرغم من وجود تكرارات متوقعة تقل عن 5 في معظم الفئات دون دمجها، مما يجعل مخرجات الآلة مضللة رياضياً.
• انتهاك استقلالية القياسات: إدخال استجابات متكررة لنفس الأفراد، وهو خطأ منهجي لا تستطيع خوارزمية الآلة اكتشافه تلقائياً بل يقع على عاتق الباحث.

10.3 بروتوكول التحقق واستعادة ضبط الآلة

في حالة استمرار حدوث مشكلات في الحسابات أو تشوه في واجهة القوائم، يُنصح بتطبيق بروتوكول إعادة الضبط المنهجي التالي لاستعادة بيئة العمل القياسية:

1. استعادة محرر القوائم: اضغط على STAT ثم اختر 5:SetUpEditor واضغط ENTER لإعادة ترتيب القوائم الافتراضية من $L_1$ إلى $L_6$.
2. مسح المتغيرات المؤقتة: اضغط على 2nd ثم + (MEM)، واختر 2:Mem Management/Delete... ثم 1:All...، وقم بمسح أي قوائم إضافية غير ضرورية.
3. إعادة الضبط الشاملة لذاكرة الوصول العشوائي (RAM Reset): إذا تجمدت العمليات، اضغط 2nd ثم + (MEM)، واختر 7:Reset...، ثم 1:All RAM...، ثم 2:Reset. يؤدي هذا الإجراء إلى مسح الذاكرة المؤقتة وإعادة الآلة إلى حالتها التشغيلية القياسية دون المساس بنظام التشغيل الأساسي.
4. معايرة الرسم البياني: في حال استخدام أمر Draw وظهور شاشة فارغة، اضغط على مفتاح ZOOM واختر الأمر 9:ZoomStat لمطابقة محاور الرسم تلقائياً مع نطاق بيانات التوزيع.

11. مقارنة كفاءة TI-84 مع الحزم والبرمجيات الإحصائية المتقدمة

11.1 المقارنة مع برنامج SPSS

تعد حزمة IBM SPSS Statistics المعيار الأبرز في تحليل البيانات بالدراسات العليا، ويتميز عن الآلة الحاسبة TI-84 بالقدرة على التعامل مع ملفات البيانات الضخمة التي تحتوي على مئات المتغيرات وآلاف الحالات، مع تقديم مخرجات رسومية وجداول توليدية جاهزة للنشر الأكاديمي.

ومع ذلك، تتفوق الآلة الحاسبة TI-84 في سيناريوهات التقييم السريع والاختبارات الصفية والميدانية؛ حيث لا يتطلب تشغيل الاختبار عبرها سوى ثوانٍ معدودة لإدخال التكرارات المجمعة في قائمتين وتنفيذ أمر GOF-Test، في حين يتطلب برنامج SPSS ترميز المتغيرات، وإدخال الحالات الفردية، ثم تفعيل أمر ترجيح الحالات (Weight Cases) بالاعتماد على متغير التكرار قبل الدخول إلى قائمة Nonparametric Tests $\rightarrow$ Legacy Dialogs $\rightarrow$ Chi-Square.

من حيث الدقة الرياضية، تتطابق مخرجات TI-84 تطابقاً تاماً ومطلقاً مع مخرجات SPSS حتى الخانة العشرية العاشرة في حساب قيمة $\chi^2$ والقيمة الاحتمالية $p$ ودرجات الحرية.

11.2 المقارنة مع لغات البرمجة الإحصائية (R و Python)

توفر بيئات البرمجة الإحصائية مفتوحة المصدر مثل R ومكتبات Python (SciPy) إمكانات معالجة آلية وتخصيص لا نهائي لبناء النماذج وتصور البيانات المتقدم. يوضح الجدول التالي مقارنة الشيفرة البرمجية بين البيئات المختلفة لتنفيذ نفس اختبار دراسة الحالة السابقة:

الأداة / اللغة	الوسيط البرمجي / الأمر المباشر	المزايا التشغيلية
TI-84 Plus	قوائم $L_1, L_2$ $\rightarrow$ أمر $\chi^2\text{GOF-Test}$	واجهة رسومية محمولة، لا تتطلب برمجة، مثالية للميدان والاختبارات.
لغة R	chisq.test(x = c(50,60,40,47,53), p = rep(0.2, 5))	تنفيذ فوري بسطر واحد، أتمتة كاملة، دعم مكتبات الرسوم المتقدمة.
لغة Python	scipy.stats.chisquare(f_obs=[50,60,40,47,53], f_exp=[50,50,50,50,50])	تكامل مع منظومات تعلم الآلة وهندسة البيانات الضخمة.

11.3 محددات الآلة الحاسبة وأفضل سيناريوهات الاستخدام

على الرغم من الكفاءة العالية للآلة الحاسبة TI-84، فإن لها محددات تقنية واضحة تتعلق بسعة الذاكرة ومحدودية حجم المصفوفات؛ حيث لا تلائم معالجة قواعد البيانات الضخمة (Big Data) التي تضم ملايين السجلات، كما تفتقر إلى ميزات التقارير النصية التوليدية الآلية.

تتمثل السيناريوهات المثالية لاستخدام الآلة الحاسبة في:

• البيئات التعليمية والصفوف الدراسية لترسيخ المفاهيم الرياضية للمتعلمين عبر الحساب اليدوي المدعوم برمجياً.
• الاختبارات الأكاديمية والمهنية الرسمية المانعة للحواسيب.
• التحليلات الميدانية السريعة للبيانات التكرارية الملخصة دون الحاجة إلى تجهيز بيئات برمجية معقدة.

12. إعداد التقرير الأكاديمي والتوثيق وفق معايير جمعية علم النفس الأمريكية (APA)

12.1 الصياغة القياسية لنتائج اختبار مربع كاي في المتن

تشترط المعايير المنهجية للإصدار السابع لجمعية علم النفس الأمريكية (APA 7th Edition) صياغة دقيقة لنتائج اختبار مربع كاي لجودة المطابقة تتضمن كافة المؤشرات الإحصائية الأساسية وفق القالب القياسي التالي:

$$\chi^2(df, N = \text{Sample Size}) = \text{Chi-Square Value}, p = \text{P-Value}$$

قواعد التنسيق والطباعة المعيارية:

• تُكتب الرموز الإحصائية بحروف مائلة (Italic)، مثل: $\chi^2$, N, p, df.
• يُوضع رقم درجات الحرية بين قوسين ملتصقين برمز مربع كاي مباشرة: $\chi^2(4)$ أو $\chi^2(4, N = 250)$.
• تُقرب القيم الرقمية لمربع كاي إلى منزلتين عشريتين (مثل 4.36).
• تُكتب القيمة الاحتمالية p بثلاث منازل عشرية دون وضع صفر قبل الفاصلة إذا كانت القيمة لا يمكن أن تتجاوز الواحد الصحيح (مثل p = .359)، وإذا كانت القيمة بالغة الصغر تُكتب: p < .001 وتجنب كتابة p = .000 قطعياً.

نموذج تطبيقي للصياغة في متن البحث (بناءً على دراسة الحالة):

“أظهرت نتائج اختبار جودة المطابقة لمربع كاي عدم وجود فروق ذات دلالة إحصائية في تردد العملاء عبر أيام الأسبوع الخمسة، $\chi^2(4, N = 250) = 4.36, p = .359$، مما يشير إلى أن التوزيع الميداني يتطابق مع فرضية التوزيع المتساوي بالتساوي التام بين الأيام.”

12.2 تصميم الجداول والتمثيل البياني للبيانات الفئوية

وفقاً لاشتراطات APA 7، يجب أن تصمم جداول البيانات الفئوية ببساطة بصرية تحذف كافة الخطوط العمودية وتكتفي بثلاثة خطوط أفقية رئيسية (أعلى وأسفل رأس الجدول، وأسفل نهاية الجدول). يوضح الجدول التالي النموذج المعتمد لعرض بيانات جودة المطابقة:

الفئة (اليوم)	التكرار الملاحظ ($O$)	التكرار المتوقع ($E$)	النسبة المئوية (%)	مساهمة المربع ($\chi^2 \text{ contrib}$)
الإثنين	50	50.0	20.0%	0.00
الثلاثاء	60	50.0	24.0%	2.00
الأربعاء	40	50.0	16.0%	2.00
الخميس	47	50.0	18.8%	0.18
الجمعة	53	50.0	21.2%	0.18

ملاحظة: $N = 250$. إجمالي قيمة $\chi^2 = 4.36$، درجات الحرية $df = 4$، القيمة الاحتمالية $p = .359$.

عند التمثيل البياني، تُستخدم الرسوم البيانية الشريطية (Bar Charts) لعرض التكرارات الملاحظة والمتوقعة جنباً إلى جنب لكل فئة مع تظليل واضح ومفتاح يوضح الفروق البصرية بدقة.

12.3 المناقشة والتفسير المنهجي للنتائج الإحصائية

لا يكتمل التقرير الأكاديمي بعرض الأرقام الجافة، بل يجب ربط المؤشرات الإحصائية بالسياق النظري والتطبيقي للبحث. وتتضمن مناقشة نتائج اختبار جودة المطابقة ثلاثة محاور جوهرية:

1. التفسير النظري: مناقشة أسباب توافق أو انحراف البيانات عن النموذج المفترض؛ ففي حالة قبول الفرضية الصفرية كما في دراستنا، يُفسر ذلك باستقرار سلوك المستهلك وغياب الحوافز التسويقية الخاصة بأيام معينة.
2. محددات الدراسة: الإشارة بموضوعية إلى حجم العينة وما إذا كان كافياً لتوفير قوة إحصائية (Statistical Power) عالية، مع توضيح أي قيود مرتبطة بأدوات جمع البيانات أو ضبط المتغيرات الدخيلة.
3. التطبيقات والتوصيات الميدانية: تقديم مقترحات إجرائية تستند إلى النتيجة؛ كأن يوصى بتوزيع الموارد والموظفين بالتساوي على كافة أيام الأسبوع طالما أن حجم الإقبال متكافئ ولا يظهر تفاوتاً دالاً إحصائياً.

الخلاصة والاستنتاجات الشاملة

يعد اختبار جودة المطابقة لمربع كاي (Chi-Square Goodness of Fit Test) أداة استدلالية متقدمة وضرورية لتحليل البيانات الفئوية واختبار النماذج التوزيعية في مختلف التخصصات العلمية. ومن خلال استثمار القدرات الحسابية والبرمجية للآلة الحاسبة البيانية TI-84 Plus، يستطيع الباحث والمحلل الانتقال بسلاسة من البيانات الميدانية الخام إلى مخرجات إحصائية بالغة الدقة والموثوقية في وقت قياسي.

إن إتقان التعامل مع مصفوفات القوائم ($L_1, L_2$)، وضبط درجات الحرية بدقة ($k-1$)، والتحقق المستمر من الشروط المنهجية كحجم العينة واستقلالية المشاهدات وشرط كوشران، يضمن سلامة القرارات الاستدلالية المستخلصة. ومع الالتزام بمعايير التوثيق الأكاديمي الصارمة وفق دليل APA 7th Edition، تصبح هذه الأداة التقنية جسراً متيناً يربط بين النظرية الرياضية المجردة والتطبيق البحثي الميداني الرصين.

المراجع (References)

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cochran, W. G. (1954). Some methods for strengthening the common $\chi^2$ tests. Biometrics, 10(4), 417–451. https://doi.org/10.2307/3001616
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Gravetter, F. J., Wallnau, L. B., Forzano, L. B., & Witnauer, J. E. (2021). Essentials of statistics for the behavioral sciences (10th ed.). Cengage Learning.
• Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. Philosophical Magazine Series 5, 50(302), 157–175. https://doi.org/10.1080/14786440009463897
• Texas Instruments. (2020). TI-84 Plus CE graphing calculator guidebook. Texas Instruments Incorporated. https://education.ti.com/en/guidebooks