إكسيل: كيفية إنشاء مخطط دائري باستخدام عدد القيم

يمثل التمثيل البياني للبيانات الكمية والنوعية أحد أهم ركائز التحليل الإحصائي الحديث، حيث يسهم في تحويل المصفوفات الرقمية والنصية المعقدة إلى مدركات بصرية تيسر عملية استخلاص النتائج وصنع القرارات الرشيدة. وفي بيئة الأعمال والبحوث الأكاديمية على حد سواء، يبرز برنامج مايكروسوفت إكسيل (Microsoft Excel) كأداة حاسوبية قياسية لمعالجة وتلخيص البيانات؛ إلا أن التعامل مع المتغيرات النوعية الاسمية يواجه في كثير من الأحيان عقبة منهجية تتمثل في عدم إمكانية تمثيل النصوص بصرياً بصورة مباشرة دون المرور بمرحلة التحويل العددي التكراري. إن محاولة إسقاط المتغيرات النصية في مخططات بيانية دون وسيط حسابي يقود في الغالب إلى نتائج مشوهة أو مخططات تفتقر إلى المعنى الرياضي.

يتناول هذا الدليل الشامل والمفصل منهجية تحويل البيانات النصية غير المبوبة إلى مخططات دائرية (Pie Charts) متقدمة بالاعتماد على خوارزميات حصر التكرارات وعدد القيم. ويستعرض البحث مسارين تقنيين رئيسيين لتحقيق هذه الغاية: المسار الأول يعتمد على التوظيف الرياضي المركب للدوال الديناميكية الحديثة وفي مقدمتها دالتا UNIQUE وCOUNTIF، بينما يركز المسار الثاني على المعالجة التلقائية السريعة عبر تقنية الجداول المحورية (Pivot Tables). ويهدف هذا الاستعراض المعمق إلى تفكيك الخطوات الإجرائية والأسس الرياضية التي يقوم عليها كل مسار، بما يضمن دقة التمثيل الإحصائي وسلامة المقارنات النسبية بين الفئات المدروسة.

إلى جانب الجوانب الإجرائية البرمجية، يسلط الدليل الضوء على الاعتبارات الإدراكية والتصميمية التي تحكم بناء المخطط الدائري، مستنداً إلى النظريات المؤسسة للتمثيل البصري ومحاذير الاستخدام الخاطئ للمؤثرات الهندسية. ومن خلال تبني بروتوكول صارم لتنظيف البيانات، واستخراج الفئات المتفردة، وتثبيت النطاقات المرجعية، وضبط خصائص العرض التفاعلية؛ يكتسب الباحث والمحلل المهارة اللازمة لتشييد نماذج بيانية ديناميكية تتحدث تلقائياً مع تدفق البيانات الجديدة، محققة أعلى معايير الشفافية العلمية والمصداقية التطبيقية.

1. الأسس المنهجية للتمثيل البياني الدائري القائم على حصر القيم

1.1 المفهوم الإحصائي للمخطط الدائري ووظيفته التحليلية

يُعرّف المخطط الدائري في الأدبيات الإحصائية الكلاسيكية بأنه تمثيل بياني هندسي مساحي يُعبر عن توزيع متغير نوعي أو كمي منفصل، حيث يتم تقسيم الدائرة الإجمالية البالغة 360 درجة إلى قطاعات دائرية تتناسب مساحاتها وزواياها المركزية طردياً مع التكرارات النسبية أو النسب المئوية التي تمثلها كل فئة من فئات المجتمع الإحصائي أو العينة المدروسة. تعود الجذور التاريخية لهذا الشكل التوضيحي إلى مطلع القرن التاسع عشر، حين ابتكره المهندس والاقتصادي السياسي الإسكتلندي ويليام ب Playfair عام 1801 في مؤلفه الشهير الموجز الإحصائي، حيث وظفه لعرض النسب الجغرافية لأقاليم الإمبراطورية العثمانية عبر القارات، ليؤسس بذلك نمطاً جديداً في إدراك العلاقة العضوية بين الأجزاء والكل في الفضاء البصري الموحد.

تكمن الأهمية التحليلية لهذا النمط في قدرته الفائقة على ترويض المتغيرات الوصفية النوعية، مثل تصنيفات الأداء، أو المستويات الإدارية، أو الحالات التشخيصية، وتحويلها إلى مقاييس كمية ملموسة تعكس التكرار والوزن النسبي لكل فئة ضمن الإجمالي العام. تتطلب المعايير الإحصائية الرصينة حصر استخدام المخطط الدائري في السياقات التي تهدف إلى قياس الحصص التناسبية المغلقة، أي الحالات التي يمثل فيها مجموع الفئات المكونة 100% من الكل الشامل دون نقصان أو تداخل متبادل، مما يجعله خياراً ممتازاً لدراسة توزيع عينات المسوح الميدانية وتوزيعات التردد النصي للمتغيرات المنفصلة غير المرتبطة ببعد زمني متصل.

وعلى النقيض من الرسوم الشريطية أو الخطية التي تتفوق في رصد التغيرات الزمنية والمقارنات بين متغيرات مستقلة، فإن المخطط الدائري يواجه محددات إدراكية جوهرية؛ إذ أثبتت الدراسات التجريبية في علم الإدراك البصري أن العين البشرية تمتلك حساسية متواضعة في تقدير المساحات والزوايا مقارنة بقدرتها على تقييم الأطوال والمواقع على محور مشترك. لذلك، يشترط الإحصائيون توفر شروط حاسمة لضمان سلامة الإدراك البصري، أبرزها محدودية عدد الفئات وخلو البيانات من الفروق الدقيقة المتقاربة جداً التي يتعذر معها التمييز الفوري بين مساحات القطاعات المتجاورة.

1.2 دور مقاييس التكرار والعد في نمذجة البيانات النصية

تحتوي قواعد البيانات الخام في التطبيقات الواقعية على كميات هائلة من المدخلات النصية غير المنظمة، مثل الإجابات المفتوحة، أو تصنيفات المنتجات، أو فئات الموظفين. ولا يمكن لأي خوارزمية رسم بياني أن تستوعب هذه السجلات مباشرة لتحويلها إلى قطاعات مساحية ذات دلالة دون المرور بعملية النمذجة التكرارية. تقتضي هذه النمذجة التحول المنهجي من رصد السجلات المفردة المبعثرة إلى تشييد مصفوفات التوزيع التكراري المنظمة، حيث يتم اختزال مئات أو آلاف الصفوف النصية إلى قائمة موجزة تتألف من فئات متمايزة يقابل كل منها تكرارها العددي الحسابي الدقيق.

يولد هذا التحول أثراً معرفياً جوهرياً في بنية التحليل؛ إذ ينقل الباحث من حيز التوصيف الفردي للوحدات إلى حيز فهم البنية الكلية للظاهرة المدروسة وتوزيع ثقلها النسبي، وهو ما يدعم بناء أنظمة تقييم تعتمد على معالجة البيانات الدقيقة على غرار النماذج المتقدمة المتبعة في قياس التغيرات المعرفية والسلوكية عبر الأدوات الرقمية الحديثة التي تناولها باحثون متخصصون (Baars et al., 2022). إن حصر عدد المرات التي تتكرر فيها قيمة نصية محددة يعبر عما يعرف إحصائياً بـ “التكرار المطلق”، والذي يمثل الأساس الرياضي لحساب “التكرار النسبي” عبر قسمة تكرار كل فئة على المجموع الجذري لكافة التكرارات في العينة المسحوبة.

تتجلى العلاقة الرياضية المباشرة بين مقاييس العد والمخطط الدائري من خلال معادلة التحويل الهندسي للزاوية المركزية؛ حيث تحسب زاوية القطاع بضرب التكرار النسبي للفئة في 360 درجة، بينما تحسب النسبة المئوية بضرب نفس التكرار في 100. هذا الربط الحسابي الصارم يضمن أن كل وحدة عددية تُرصد في العمود النصي الخام تأخذ وزناً مكافئاً تماماً على محيط الدائرة، مما يمنع التزييف البصري ويجعل الشكل النهائي مرآة هندسية دقيقة للأوزان الاحتمالية والتكرارية للظاهرة قيد الفحص.

1.3 المعايير القياسية لجودة البيانات قبل البدء في التحليل

تتوقف موثوقية أي مخطط بياني دائري على مدى نقاء وجودة البيانات الأولية الخاضعة للحساب؛ فالمعالجة البرمجية داخل بيئة إكسيل تتسم بالدقة الحرفية الصارمة، حيث يعامل البرنامج أي اختلاف حرفي طفيف بين كلمتين باعتبارهما فئتين منفصلتين بالكامل. إن وجود مسافة إضافية غير مرئية في نهاية الكلمة، أو اختلاف في كتابة الحروف المهموزة أو الياء والتاء المربوطة، يقود حتماً إلى تشتيت التكرارات الحقيقية للفئة الواحدة بين تصنيفات متعددة متفرقة، مما يشوه التوزيع العام ويضخم عدد القطاعات الدائرية دون مسوغ إحصائي.

علاوة على ذلك، يلعب حجم العينة المدروسة دوراً حاسماً في إكساب التمثيل البصري مصداقيته العلمية؛ فالعينات الصغيرة جداً قد تعطي إيحاءً مضللاً بأهمية الفروق النسبية بين القطاعات، في حين أن التباين الإحصائي قد يكون مجرد صدفة عشوائية ناتجة عن صغر حجم الحصر. ومن ناحية أخرى، تبرز مسألة الحدود المفاهيمية لعدد الفئات القابلة للعرض؛ حيث تجمع الأدبيات الإحصائية على أن المخطط الدائري يفقد قيمته الإدراكية والتواصلية إذا تجاوز عدد قطاعاته خمس إلى سبع فئات على الأكثر، إذ يؤدي ازدحام الدائرة بعدد كبير من الشرائح الدقيقة إلى صعوبة المقارنة وإرباك العين البشرية بدلاً من تسهيل استيعاب البيانات.

2. المرحلة التمهيدية: هيكلة البيانات الأولية وفحص سلامتها

2.1 تنظيم وتنسيق الأعمدة في ورقة العمل

تبدأ الخطوات الإجرائية الناجحة داخل مايكروسوفت إكسيل بالتأسيس الهيكلي المنضبط لبيئة العمل. يتطلب التحليل الأكاديمي الرصين ترتيب البيانات الميدانية داخل جدول قياسي يتألف من صفوف تمثل الحالات الفردية (المستجيبين، المعاملات، أو العناصر المفحوصة) وأعمدة تمثل المتغيرات المقاسة. ينبغي تخصيص عمود مستقل ومحدد للمتغير النوعي المستهدف بالعد والتمثيل البياني، مع منح هذا العمود رأساً واضحاً ودقيقاً في الصف الأول يصف بدقة محتوى السجلات الخاضعة للرصد والتكرار.

من الضروري للغاية تجنب دمج الخلايا ضمن نطاق البيانات المستهدف أو ضمن صفوف العناوين المجاورة له؛ إذ يمثل دمج الخلايا أحد أكبر العوائق التقنية التي تعطل عمل الصيغ الحسابية والدوال الديناميكية، ويؤدي إلى حدوث إزاحات غير مرغوبة في مراجع النطاقات. كما يجب عزل أي بيانات أو ملاحظات جانبية إضافية في أعمدة منفصلة تماماً، لضمان استقرار البنية الهيكلية للجدول ومنع تداخل مجالات البحث الحسابي أثناء استدعاء دوال الحصر والاستخراج.

تتضمن هذه المرحلة أيضاً ضبط التنسيق العام للخلايا ليكون تنسيقاً عاماً أو نصياً خالصاً، وتفادي تنسيقات التاريخ أو الأرقام الخاصة التي قد تؤثر على قراءة إكسيل للمحتويات الرمزية. إن الحفاظ على تجانس التنسيق عبر كامل امتداد العمود يمنح البرمجية قدرة مثالية على استقراء الحدود النهائية للنطاق، ويقلل من احتمالات حدوث أخطاء مرجعية صامتة قد لا ينتبه إليها المحلل إلا بعد اكتمال المخطط النهائي وظهور تشوهات بصرية واضحة.

2.2 تنظيف السجلات ومعالجة التباينات اللغوية والنصية

يعد تنظيف البيانات النصية خطوة تأسيسية لا غنى عنها لضمان التطابق الحرفي بين المدخلات المتشابهة دلالياً. ولإنجاز هذه المهمة بكفاءة، يتم اللجوء إلى الدوال النصية المدمجة في إكسيل، وعلى رأسها دالة TRIM التي تقوم بالتخلص الفوري من كافة المسافات البادئة واللاحقة، والمسافات المزدوجة المحصورة بين الكلمات، مع الإبقاء على مسافة مفردة واحدة فقط تفصل بين الألفاظ. يتم تطبيق هذه الدالة في عمود مؤقت بمحاذاة العمود الأصلي عبر كتابة الصيغة وتعميمها على كافة الصفوف لضمان اتساق المساحات البيضاء.

إلى جانب ضبط المسافات، يتعين توحيد الصياغة الإملائية للمصطلحات، خاصة في النصوص المكتوبة باللغة العربية التي تكثر فيها التباينات الشائعة. يشمل ذلك توحيد رسم الهمزات (مثل الألف الممدودة والمهموزة والوصل)، وتوحيد الياء الأخيرة والألف المقصورة، والتأكد من الضبط الموحد للتاء المربوطة والهاء في أواخر الكلمات. يمكن تسريع هذه العملية باستخدام أدوات الاستبدال الفوري (Ctrl + H) بعد معاينة وتدقيق عينة عشوائية واسعة من السجلات، مما يضمن دمج المسميات المتطابقة في سجل معياري واحد يلتقطه النظام الحسابي كفئة متفردة موحدة دون أي انشطار وهمي.

يجب كذلك التحقق من خلو النصوص من الحروف الخاصة غير المطبوعة، والتي قد تتسرب إلى ورقة العمل عند استيراد البيانات من منظومات برمجية خارجية أو قواعد بيانات عبر الإنترنت. تُسهم دالة CLEAN في حذف هذه المحارف غير المرئية التي قد تحول دون تطابق نصين يبدوان للعين المجردة متماثلين تماماً. إن العناية بهذه التفاصيل اللغوية والتقنية الدقيقة تمنع تشتت الفئات وتضمن بناء جدول تلخيصي نظيف يعبر بصدق عن الواقع الميداني للبيانات دون أي تشويش إملائي.

2.3 التعامل المنهجي مع القيم المفقودة وغير المعرفة

تشكل السجلات التي تفتقر إلى إدخالات واضحة—سواء أكانت خلايا فارغة تماماً أم مدخلات غامضة مثل “غير معروف” أو “لا ينطبق”—تحدياً منهجياً بارزاً في التحليل الإحصائي. يتطلب التعامل مع هذه الفئات اتخاذ قرار تحليلي مسبق وموثق؛ فإما أن يتم استبعاد هذه السجلات بالكامل من مجتمع التحليل لتقتصر الدراسة على الحالات المكتملة فقط، أو أن يتم تجميعها بصورة واعية وصريحة تحت فئة موحدة تحمل مسمى “غير محدد” أو “قيم مفقودة” لدراسة حجم الفقد الإحصائي وأثره النسبي.

إذا تقرر استبعاد الخلايا الفارغة، فيجب تطبيق تصفية للبيانات وحذف الصفوف الفارغة بعناية لضمان عدم تأثر حجم العينة الفعلية أو احتساب فراغ الخلية كفئة مستقلة ذات تكرار خاص داخل دوال المصفوفات الحديثة. أما إذا كان الهدف هو الإبقاء عليها لبيان حجم العينة المستهدفة الكلية، فيلزم إدخال نص صريح يوضح حالة الفقد في كل خلية شاغرة لتفادي المشكلات البرمجية التي تنشأ عندما تتعامل دوال استخراج القيم الفريدة مع الفراغات كعناصر حقيقية.

يتماشى هذا التوثيق الدقيق لمعالجة البيانات المفقودة مع المعايير العلمية الصارمة المتبعة في البحوث الاجتماعية والنفسية لدراسة الأنماط السلوكية، مثل الدراسات الميدانية الرصينة المنشورة حول ضغوط العمل وبيئات الاتصال الإداري (Chaudhary et al., 2023)، حيث يمثل الإفصاح عن كيفية معالجة البيانات الناقصة ركيزة أساسية لضمان قابلية تكرار المنهجية ومصداقية الاستنتاجات التحليلية المترتبة على الأوزان النسبية النهائية.

3. المرحلة الأولى: استخراج قائمة القيم الفريدة عبر دالة UNIQUE

3.1 التركيب الرياضي والمنطقي لدالة UNIQUE في إكسيل

أحدثت شركة مايكروسوفت نقلة نوعية في بيئة إكسيل الحسابية بإطلاق محرك المصفوفات الديناميكية (Dynamic Arrays)، والذي تُعد دالة UNIQUE أبرز تجلياته التطبيقية. تقوم هذه الدالة بفحص نطاق محدد من البيانات، واستخلاص مصفوفة جديدة تحتوي على القيم المتفردة فقط دون أي تكرار، متجاوزة بذلك الطرق التقليدية المعقدة التي كانت تعتمد على دمج دوال INDEX وMATCH وCOUNTIF في صيغ مصفوفات شاقة ومرهقة لموارد المعالجة الحاسوبية.

تتكون البنية العامة لصيغة دالة UNIQUE من ثلاثة معاملات رئيسية، أولها إلزامي والآخران اختياريان. المعامل الإلزامي الأول هو النطاق المصدري للبيانات المراد استخلاص قيمها المتفردة (array). أما المعامل الثاني (by_col) فهو وسيط منطقي يحدد ما إذا كانت المقارنة تتم بين الصفوف أو الأعمدة، حيث يُعد البحث عبر الصفوف الخيار الافتراضي (FALSE). في حين يمثل المعامل الثالث (exactly_once) خياراً منطقياً يسمح بحصر القيم التي ظهرت لمرة واحدة فقط في النطاق، أو جلب كافة القيم المتمايزة بغض النظر عن عدد مرات تكرارها وهو الهدف المطلوب في بناء جداول التوزيع التكراري.

تعمل الدالة بآلية الانسكاب التلقائي (Spill Behavior)؛ فبمجرد كتابة الصيغة في خلية مرجعية مفردة والضغط على مفتاح الإدخال، تمتد النتائج تلقائياً في الخلايا الرأسية الواقعة أسفل الخلية المرجعية دون الحاجة إلى تحديد مسبق لمساحة النطاق أو الضغط على اختصارات المصفوفات القديمة (Ctrl + Shift + Enter). تتطلب هذه الدالة توفر إصدارات إكسيل الحديثة، مثل Microsoft 365 أو Excel 2021 والإصدارات اللاحقة، لتشغيل ميزاتها الديناميكية بنجاح وسلاسة رياضية فائقة.

3.2 التطبيق الإجرائي لتوليد فئات التحليل تلقائياً

لبدء التطبيق العملي، ينتقل المحلل إلى موقع جانبي مناسب في ورقة العمل—أو يفضل في ورقة عمل مستقلة مخصصة لجداول التلخيص والتحليل لضمان التنظيم المؤسسي المتقن. يتم اختيار خلية فارغة لتكون نقطة الانطلاق، ولتكن الخلية D2 على سبيل المثال، ثم يتم وضع عنوان واضح أعلى هذه الخلية في الصف الأول يحدد ماهية الفئات المستخرجة، كأن يكتب “الفئات الفريدة” أو “المتغيرات المستقلة”.

يقوم المحلل بعد ذلك بكتابة الصيغة الرياضية بدقة متناهية، مستدعياً الدالة بالشكل التالي:

=UNIQUE(A2:A100)

حيث يمثل النطاق A2:A100 عمود السجلات النصية الخام التي تم تنظيفها وفحصها سابقاً. وبمجرد اعتماد الصيغة، تتمدد مصفوفة الفئات بصورة رأسية لتشغل الخلايا من D2 نزولاً حتى آخر فئة متفردة، مع إحاطة النطاق المنسكب بحد رقيق أزرق اللون يوضح للمستخدم حدود المصفوفة التلقائية المولدة برمجياً.

يتعين في هذه المرحلة تدقيق النتائج المستخرجة منطقياً بمقارنتها مع فئات الظاهرة الميدانية المدروسة. فإذا لوحظ ظهور نفس المعنى اللغوي مقسماً على خليتين مختلفتين، فإن ذلك يشير فوراً إلى وجود تباين نصي غير معالج في العمود الأصلي (مثل مسافة مهملة أو حرف غير موحد)، مما يستدعي العودة إلى خطوة التنظيف وتصحيح المدخل الأصلي؛ وسرعان ما ستنعكس عملية التصحيح تلقائياً على مخرجات دالة UNIQUE في الوقت الفعلي نظراً للطبيعة الديناميكية التفاعلية للصيغ المترابطة.

3.3 معالجة التحديات البرمجية وخطأ الانسكاب SPILL

يعد خطأ الانسكاب المشهور برمز (#SPILL!) من أكثر الأخطاء التقنية شيوعاً عند استخدام دالة UNIQUE. يحدث هذا الخطأ البرمجي عندما تواجه المصفوفة الديناميكية عائقاً مادياً يمنعها من نشر نتائجها بالكامل في الخلايا المجاورة؛ كأن تكون إحدى الخلايا الواقعة في مسار التمدد الرأسي تحتوي على نص مسبق، أو رقم، أو حتى مسافة فارغة غير ملحوظة، مما يجبر إكسيل على تعطيل إخراج النتائج وإظهار التنبيه الحسابي.

تتم معالجة هذا الخلل ببساطة من خلال النقر على الخلية التي تحتوي على رمز الخطأ، حيث سيقوم إكسيل بإحاطة النطاق المستهدف بحدود منقطة تشير إلى المساحة التي تحتاجها المصفوفة للانسكاب؛ ومن ثم يتعين على المستخدم الانتقال إلى الخلايا المعيقة ومسح محتوياتها بالكامل، لتتدفق القيم الفريدة على الفور وتملأ النطاق المخصص بسلاسة. كما ينبغي تجنب دمج أي خلايا تقع ضمن مسار الانسكاب لتفادي تعليق عمل الصيغة الحسابية بصورة دائمة.

من المشكلات الأخرى التي قد تبرز ظهور الصفر أو فراغ ناتج عن وجود خلايا فارغة في عمود البيانات الأصلي، حيث يعتبرها البرنامج فئة فريدة قائمة بذاتها. لتجاوز هذه العقبة واستثناء الفراغات مع ترتيب الفئات هجائياً لتيسير القراءة، يمكن دمج دالة UNIQUE مع دوال إضافية مثل SORT وFILTER في صيغة متقدمة مركبة على النحو التالي:

=SORT(UNIQUE(FILTER(A2:A100, A2:A100<>"")))

تضمن هذه الصيغة المركبة تصفية النطاق الأصلي من أي فراغات أولاً، ثم استخلاص الفئات المتفردة فقط، وأخيراً ترتيبها أبجدياً من الألف إلى الياء، مما يوفر قاعدة بيانية غاية في التنظيم والدقة تمهيداً لحساب التكرارات.

4. المرحلة الثانية: حساب التكرارات الإحصائية باستخدام دالة COUNTIF

4.1 الصياغة المرجعية لدالة COUNTIF وآلية عملها الشرطية

تعتبر دالة COUNTIF إحدى الركائز الحسابية الإحصائية في مايكروسوفت إكسيل، حيث تؤدي وظيفة العد المشروط عبر فحص نطاق محدد من الخلايا وحساب عدد المرات التي يتحقق فيها شرط منطقي أو نصي مستهدف. تتألف الدالة من معاملين رياضيين رئيسيين: المعامل الأول هو نطاق البحث الإحصائي (range) الذي يحتوي على البيانات الخام الكاملة، والمعامل الثاني هو المعيار أو الشرط (criteria) الذي يحدد القيمة النصية المراد حصر مرات ظهورها داخل ذلك النطاق.

تتجلى الأهمية المحورية في هذا الإجراء بضرورة الاستخدام الصارم للمراجع المطلقة (Absolute References) عند تحديد نطاق البحث. يتم ذلك عن طريق تثبيت أسماء الأعمدة وأرقام الصفوف بعلامة الدولار ($)، مثل كتابة النطاق بالصيغة ($A$2:$A$100). هذا التثبيت المنهجي يمنع انزلاق النطاق الحسابي عند تعميم الصيغة إلى الأسفل، مما يحافظ على ثبات إطار البحث الشامل لكافة الفئات المفحوصة ويحول دون إغفال سجلات حيوية تقع في أعلى العمود الأصلي.

تتميز آلية عمل COUNTIF بمقارنة النصوص دون حساسية لحالة الأحرف في اللغات اللاتينية، إلا أنها تتسم بالدقة التامة في مطابقة الحروف والرموز في اللغة العربية. يقوم محرك الحساب الداخلي بمسح متسلسل لكافة خلايا النطاق، مقارناً القيمة النصية المخزنة داخل كل خلية بالقيمة المعيارية المحالة إليها من جدول الفئات الفريدة؛ وفي كل مرة يتحقق فيها التطابق الكامل، يزداد العداد التراكمي للخلية بوحدة واحدة، لينتج في النهاية التكرار المطلق الدقيق للظاهرة المدروسة.

4.2 التطبيق العملي لسحب وتعميم صيغة العد التكراري

بعد اكتمال توليد الفئات الفريدة في العمود D، ينتقل المحلل إلى العمود المجاور له مباشرة، وليكن العمود E، ويضع في الخلية الأولى E1 عنواناً دالاً مثل “التكرار المطلق” أو “عدد الحالات”. وفي الخلية E2، المقابلة تماماً لأول فئة متفردة ظهرت في الخلية D2، يتم إدخال الصيغة الحسابية القياسية لعد التكرار:

=COUNTIF($A$2:$A$100, D2)

في هذه الصيغة، يلاحظ تثبيت النطاق الأصلي $A$2:$A$100 تثبيتاً مطلقاً، بينما تُترك الخلية المرجعية D2 كمرجع نسبي حر دون علامات تثبيت، لكي تتغير تلقائياً إلى D3 ثم D4 عند سحب الصيغة وتعميمها على باقي الصفوف.

يقوم المستخدم بعد ذلك بتعميم هذه الصيغة على امتداد عمود التكرارات؛ إما عن طريق النقر المزدوج على مقبض التعبئة التلقائي (Fill Handle) في الزاوية السفلية اليسرى للخلية E2، أو عبر السحب اليدوي المستمر حتى آخر صف تشغله الفئات الفريدة في العمود D. وبذلك يكتمل بناء مصفوفة التوزيع التكراري المنظمة التي تضع كل فئة نصية وجهاً لوجه أمام تكرارها العددي الحقيقي.

والجدير بالذكر أنه في الإصدارات الحديثة من إكسيل، يمكن استخدام خاصية مشغل الانسكاب (#) مع دالة COUNTIF لكتابة صيغة مصفوفة واحدة في الخلية E2 تنسكب تلقائياً بمحاذاة الفئات الفريدة، وذلك بصياغتها كالتالي:

=COUNTIF($A$2:$A$100, D2#)

حيث يرمز الرمز # إلى كامل النطاق المنسكب لدالة UNIQUE الأصلية، مما يلغي الحاجة تماماً للسحب اليدوي ويضمن التوسع والانكماش التلقائي لأعمدة التكرار كلما تغير حجم مصفوفة القيم المتفردة الناتجة.

4.3 التدقيق الحسابي ومطابقة مجموع التكرارات مع العينة

تقتضي معايير التدقيق الأكاديمي الصارم إجراء فحص سلامة حسابية قبل الانتقال إلى مرحلة الرسم البياني. يتمثل هذا الإجراء في التحقق من أن المجموع الإجمالي لكافة التكرارات المحسوبة في العمود E يعادل تماماً الحجم الكلي للسجلات المفحوصة في عمود البيانات الأصلي A، لضمان عدم تسرب أي سجلات أو فقدانها أثناء عمليات الحصر والشرط المنطقي.

لتطبيق هذا التدقيق، يُدرج المحلل في الخلية التالية لآخر تكرار صيغة الجمع التراكمي:

=SUM(E2:E10)

ثم يقارن الناتج بالصيغة التعدادية للحالات الأصلية المطبقة على عمود البيانات الخام مباشرة عبر دالة الإحصاء العامة:

=COUNTA(A2:A100)

فإذا تطابق الناتجان تماماً، دل ذلك على اكتمال الحصر الإحصائي بنجاح وثبات المعايير النصية المستخدمة.

أما في حال ظهور أي فرق حسابي بين المجموعين، فإن ذلك يشير يقيناً إلى وجود خلل بنيوي في الإجراءات؛ كأن تكون هناك خلايا تحتوي على مسافات فارغة فقط تم استبعادها من الفئات الفريدة ولكنها عُدت في الإجمالي الأصلي، أو وجود أخطاء في تثبيت نطاقات البحث أدت إلى انزلاق مراجع الحساب. يتعين حينئذ مراجعة مسارات الصيغ وتصحيح مصادر التباين قبل اعتماد الجدول التلخيصي النهائي لإنشاء المخطط الدائري.

5. المقاربة البديلة: استخراج التكرارات آلياً عبر الجداول المحورية Pivot Tables

5.1 إنشاء جدول محوري مخصص لحصر القيم النصية

تمثل الجداول المحورية (Pivot Tables) المقاربة الآلية الأكثر قوة ومرونة لمعالجة وتلخيص قواعد البيانات الضخمة في مايكروسوفت إكسيل، حيث تغني المحلل عن كتابة الصيغ الرياضية اليدوية وتتيح استخراج التوزيعات التكرارية بسرعة معالجة فائقة. لبدء هذا المسار البديل، يحدد المحلل أي خلية داخل نطاق البيانات النصية الخام، ثم ينتقل إلى شريط الأدوات العلوي ويختار تبويب إدراج (Insert)، متبوعاً بالنقر على أمر جدول محوري (PivotTable).

تنبثق نافذة معالجة الجدول المحوري لتأكيد النطاق المصدري المكتشف تلقائياً، ويُفضل هنا اختيار إدراج التقرير في ورقة عمل جديدة لضمان اتساع مساحة العرض وسهولة إدارة التحليل. بعد تأكيد الاختيار، تنشأ ورقة عمل تحوي هيكل الجدول المحوري على اليمين وقائمة حقول الجدول المحوري (PivotTable Fields) على الجانب الأيسر، والتي تتضمن كافة رؤوس الأعمدة المتاحة في قاعدة البيانات الأصلية.

يقوم المحلل بسحب حقل المتغير النصي المستهدف وإسقاطه مباشرة في منطقة الصفوف (Rows). بمجرد إتمام هذا الإجراء البسيط، يقرأ المحرك الداخلي كافة السجلات ويزيل التكرارات بصورة آلية متقدمة، عارضاً قائمة رأسية فريدة تحتوي على الفئات المتمايزة بدقة تشابه تماماً مخرجات دالة UNIQUE، ولكن ضمن واجهة بصرية تفاعلية معدة للتحليل المتعدد الأبعاد والأوزان.

5.2 ضبط إعدادات حقل القيمة لتفعيل دالة العد Count

تتمثل الخطوة المحورية في إنجاز التوزيع التكراري عبر الجدول المحوري في إعادة سحب نفس المتغير النصي مرة أخرى، وإسقاطه هذه المرة داخل منطقة القيم (Values). ونظراً لأن المتغير المدروس متغير نصي غير رقمي، فإن إكسيل يستشعر طبيعة البيانات تلقائياً ويقوم بتفعيل دالة التلخيص الافتراضية المناسبة وهي دالة العد (Count)، منتجاً عموداً إحصائياً يحمل عنوان “عدد من [اسم المتغير]”، والذي يسجل تكرار كل فئة نصية بدقة متناهية.

يتيح الجدول المحوري مرونة فائقة تتجاوز مجرد حساب التكرارات المطلقة؛ إذ يمكن للمحلل النقر بزر الفأرة الأيمن على أي رقم داخل عمود التكرارات واختيار إظهار القيم كـ (Show Values As)، ثم تحديد % من إجمالي الصف أو العمود (% of Grand Total). يحول هذا الإجراء التكرارات العددية الصماء إلى نسب مئوية محسوبة بدقة في أجزاء من الثانية، مما يسهل قراءة الأوزان النسبية وتدقيقها بصرياً قبل الانتقال إلى مرحلة التمثيل الهندسي الدائري.

تجدر الإشارة إلى أن الجداول المحورية لا تقوم بتحديث بياناتها بصورة تفاعلية آنية عند تعديل السجلات الأصلية كما تفعل الصيغ الحسابية، بل تتطلب إجراء عملية تحديث دورية. يتم ذلك إما بالنقر بزر الفأرة الأيمن داخل الجدول المحوري واختيار أمر تحديث (Refresh)، أو عبر استخدام الاختصار البرمجي (Alt + F5)، ليعيد المحرك مسح البيانات الأصلية واستيعاب أي تعديلات أو إضافات فورية طرأت على السجلات الخام بكل دقة وموثوقية.

5.3 المفاضلة الأكاديمية بين مسار الدوال ومسار الجداول المحورية

يخضع الاختيار بين اعتماد مسار الدوال الحسابية (UNIQUE وCOUNTIF) أو مسار الجداول المحورية لمحددات منهجية وتقنية ترتبط بطبيعة النموذج التحليلي وأهدافه التقريرية. يتميز مسار الدوال الرياضية بالديناميكية المطلقة والتحديث الفوري غير المتزامن؛ فبمجرد إدخال أي تعديل في البيانات الخام، تنعكس التغييرات في نفس اللحظة الحسابية على التكرارات والمخطط البياني المرتبط بها دون أدنى تدخل يدوي من المستخدم، وهو ما يجعله الخيار الأمثل للوحات التحكم الحية (Dashboards) التي تتطلب استجابة تفاعلية مستمرة.

في المقابل، تتفوق الجداول المحورية في كفاءتها العالية واستقرارها البرمجي عند التعامل مع قواعد البيانات العملاقة التي تضم مئات الآلاف من الصفوف النصية، حيث تستهلك قدراً أقل بكثير من موارد المعالج وذاكرة الوصول العشوائي مقارنة بمصفوفات الدوال التي قد تبطئ سرعة استجابة البرنامج عند إعادة الحساب التلقائي لكل خلية. كما توفر الجداول المحورية خيارات إضافية متقدمة لتصفية البيانات وتجزئتها عبر أدوات التقطيع (Slicers) والخطوط الزمنية (Timelines) دون كتابة أي تعبيرات رياضية إضافية.

من الناحية الأكاديمية الصرفة، يوصى بالاعتماد على مسار الدوال الحسابية في النماذج التقريرية المصممة لجمهور خارجي يتطلب قوالب مغلقة ومؤتمتة بالكامل، بينما يفضل استخدام الجداول المحورية في مراحل الاستكشاف الأولي للبيانات والتحليل السريع متعدد الأوجه، حيث يتميز كل مسار بنقاط قوة تعزز جودة المخرجات وفق مقتضيات السياق التشغيلي والتحليلي المتاح.

6. المرحلة الثالثة: إنشاء وتوليد المخطط الدائري الأساسي

6.1 تحديد النطاق التلخيصي وتجهيزه للرسم البياني

يشكل التحديد السليم والدقيق لنطاق البيانات التلخيصية الشرط الأساسي لتوليد مخطط دائري يقرأ المحاور والأوزان بصورة هندسية صحيحة. يجب على المحلل تحديد عمود الفئات الفريدة جنباً إلى جنب مع عمود التكرارات المطلقة المحسوبة (مثال: النطاق D1:E10)، مع ضرورة شمول صفي الرأس الأولين (العناوين) ضمن نطاق التحديد، ليستخدمهما البرنامج تلقائياً كعناوين افتراضية لمحاور وسلاسل البيانات داخل المخطط.

من الأخطاء الجسيمة الشائعة في هذه المرحلة تضمين صف المجموع الإجمالي (Grand Total) ضمن التحديد الموجه للرسم البياني. إذا تم إدراج صف المجموع داخل التحديد، سيتعامل إكسيل مع هذا الرقم الكلي باعتباره شريحة مستقلة إضافية، مما يؤدي إلى تضخيم الدائرة وجعل شريحة المجموع تستحوذ على 50% كاملة من مساحة الدائرة بمفردها، بينما تتقلص كافة الفئات الحقيقية الأخرى لتتقاسم النصف المتبقي، مما ينسف المصداقية الرياضية للمخطط ويشوه النسب البصرية بصورة تامة.

يجب كذلك التأكد من الترتيب الموضعي الصحيح للأعمدة قبل إصدار أمر الرسم؛ حيث يفترض محرك إكسيل القياسي أن العمود الواقع على اليمين (أو العمود الأول في الترتيب الأبجدي لواجهة الإدخال) يمثل أسماء الفئات الوصفية، في حين يمثل العمود الواقع على اليسار (أو العمود الثاني) القيم التكرارية الرقمية. إن الالتزام بهذا التنسيق الهيكلي التلخيصي يضمن قراءة وتفسيراً تلقائياً دقيقاً لسلاسل البيانات دون الحاجة لإجراء تعديلات يدوية شاقة داخل نافذة تحديد مصدر البيانات.

6.2 إدراج المخطط من خلال شريط أدوات مايكروسوفت إكسيل

بعد تحديد النطاق التلخيصي بالشكل المضبوط، ينتقل المستخدم إلى شريط الأدوات العلوي، وينقر على تبويب إدراج (Insert)، ثم يتوجه إلى مجموعة المخططات (Charts). تظهر ضمن هذه المجموعة أيقونة المخططات الدائرية، والتي يؤدي النقر عليها إلى فتح قائمة منسدلة تتضمن خيارات متعددة للتمثيل الدائري والمجوف.

من المنظور الإحصائي والأكاديمي الرصين، يتعين دائماً اختيار المخطط الدائري ثنائي الأبعاد (2-D Pie) القياسي وتفضيله على كافة الخيارات الأخرى. وعلى الرغم من الجاذبية البصرية الشكلية للمخططات الدائرية ثلاثية الأبعاد (3-D Pie)، إلا أن الأدبيات العلمية المتخصصة في إدراك البيانات تحذر بشدة من استخدامها، نظراً لأن المنظور المائل والعمق الهندسي الوهمي يقودان إلى خداع بصري يضخم مساحات القطاعات الواقعة في المقدمة ويقلص مساحات القطاعات الواقعة في الخلفية، مما ينتهك مبدأ التناسب الهندسي الدقيق مع التكرارات الحقيقية.

بمجرد النقر على خيار المخطط الدائري ثنائي الأبعاد، يُنشئ إكسيل كائناً بيانياً مستقلاً فوق ورقة العمل، متضمناً توزيعاً مبدئياً للقطاعات الدائرية بألوان متمايزة، ومرفقاً به عنوان افتراضي مستقى من رأس عمود التكرارات، بالإضافة إلى مفتاح توضيحي (Legend) في الأسفل أو الجانب يبين دلالات الألوان لكل فئة من الفئات الفريدة المستخرجة.

6.3 الفحص المبدئي للتمثيل الهندسي والتأكد من مطابقة الزوايا

يخضع المخطط المتولد حديثاً لمرحلة فحص وتدقيق هندسي أولي للتأكد من خلوه من أي تشوهات حسابية أو بصرية. يتضمن هذا الفحص مراجعة عدد القطاعات الممثلة ومطابقتها التامة مع عدد الفئات المدرجة في جدول التلخيص التكراري؛ فإذا تبين نقص أي فئة، دل ذلك على وجود خطأ في تحديد النطاق الأصلي يستدعي إعادة ضبط حدود البيانات المحددة عبر خيار تحديد البيانات (Select Data).

يتعين كذلك التأكد من منطقية التوزيع البصري؛ فالشريحة التي تملك أكبر تكرار عددي في الجدول يجب أن تستحوذ بصرياً على أكبر مساحة زاوية داخل الدائرة، في حين تظهر الفئات ذات التكرارات المتدنية على شكل قطاعات نحيفة ومحدودة. كما يجب التأكد من عدم وجود قطاعات غير مسماة أو قطاعات فارغة بيضاء، والتي قد تنتج أحياناً عن إدراج صفوف خالية ضمن نطاق التحديد التلخيصي.

إن التحقق من اتساق التمثيل الهندسي في هذه المرحلة يمنح المحلل ثقة تامة في صحة الإعدادات البرمجية والحسابية الوسيطة، ويؤسس لمرحلة التخصيص الفني المتقدم التي تهدف إلى إبراز الدلالات الإحصائية للمخطط، وتحسين وضوحه التواصلي، وتجهيزه ليكون عنصراً مسانداً وفعالاً ضمن التقارير والمنشورات الأكاديمية الرفيعة.

7. التخصيص الفني وعرض البيانات المتقدم على المخطط الدائري

7.1 تفعيل وتنسيق تسميات البيانات وإظهار القيم والنسب

يظل المخطط الدائري الأخرس المفتقر للأرقام قاصراً عن نقل الحقيقة الإحصائية كاملة، حيث يعتمد كلياً على التقدير التقريبي للعين؛ ولذا تمثل إضافة وتنسيق تسميات البيانات (Data Labels) خطوة بالغة الأهمية لمنح الرسم قيمته المعلوماتية المطلوبة. لتفعيل هذه التسميات، ينقر المستخدم بزر الفأرة الأيمن على أي قطاع من قطاعات الدائرة، ويختار من القائمة المنسدلة أمر إضافة تسميات البيانات (Add Data Labels)، لتظهر الأرقام فوراً فوق كل قطاع مساحي.

لتحقيق أعلى درجات الدقة الإيضاحية، يفضل تخصيص محتوى هذه التسميات لعرض التكرار المطلق والنسبة المئوية معاً بصورة متزامنة. يتم ذلك عبر النقر بزر الفأرة الأيمن على أي تسمية مفعلة واختيار تنسيق تسميات البيانات (Format Data Labels)؛ حيث تظهر نافذة خيارات التنسيق الجانبية. في هذه اللوحة، يُفعّل المحلل خياري القيمة (Value) والنسبة المئوية (Percentage) في آن واحد، مع تفعيل خيار اسم الفئة (Category Name) إذا تطلب السياق، مع ضبط الفاصل ليكون (سطراً جديداً New Line) لترتيب النصوص بشكل جمالي واضح ومقروء.

كما يُراعى اختيار الموضع الهندسي الأنسب لهذه التسميات وفقاً لحجم الشرائح وطبيعتها؛ حيث يوفر إكسيل خيارات متعددة تشمل: التوسيط (Center)، والنهاية الداخلية (Inside End)، والقاعدة الداخلية (Inside Base)، والنهاية الخارجية (Outside End)، بالإضافة إلى خيار (Best Fit) الذي يوزع النصوص تلقائياً في أفضل الأماكن اتساعاً. يُعد خيار النهاية الخارجية الأفضل عموماً للشرائح الصغيرة، حيث يسهم إخراج التسميات خارج محيط الدائرة وربطها بخطوط إشارة واضحة في منع تداخل الحروف والأرقام والحفاظ على الرؤية البصرية النظيفة.

7.2 ضبط مفتاح الرسم وعنوان التحليل الإحصائي

يلعب مفتاح الرسم أو وسيلة الإيضاح (Legend) دوراً حيوياً في ربط الألوان بالمفاهيم المصنفة، إلا أن موقعه وحجمه يحتاجان إلى تدقيق منهجي لمنع مزاحمة المساحة المركزية للدائرة. يمكن ضبط موضع المفتاح عبر شريط أدوات تصميم المخطط ليتم وضعه أسفل الرسم أو على جانبه الأيسر بما يحقق التوازن البصري لصفحة التقرير. وفي الحالات التي تُدرج فيها أسماء الفئات صراحة داخل تسميات البيانات المتصلة بالشرائح، يُفضل منهجياً حذف مفتاح الرسم بالكامل؛ إذ يمثل إلغاؤه وسيلة فعالة للحد من التشتت الذهني وتقليل حركة العين المترددة بين المفتاح والقطاعات.

أما بالنسبة لعنوان المخطط (Chart Title)، فيجب صياغته بأسلوب علمي رصين ومكثف يعكس بدقة طبيعة المتغير قيد القياس ونوع العينة الإحصائية. يتعين تجنب العناوين الغامضة مثل “رسم بياني” أو “توزيع الحالات”، واستبدالها بصيغ دقيقة ومفصلة على غرار: “التوزيع التكراري والنسبي لخيارات المستجيبين الميدانية (ن = 100)”. إن مثل هذه الصياغة الأكاديمية توضح للقارئ بصورة فورية حجم المجتمع المدروس والوحدة التحليلية الخاضعة للقياس، مما يمنح التمثيل البصري هويته الإحصائية المتكاملة.

تقتضي معايير الإخراج الجيد أيضاً ضبط الخطوط المستخدمة في العنوان والمفتاح لتكون متناسقة مع الخطوط المعتمدة في متن التقرير، وتعديل أحجام الحروف لتكون قابلة للقراءة دون مبالغة تشغل حيزاً بصرياً لا مسوغ له. يضمن هذا التناسق الطباعي اندماج المخطط بسلاسة ضمن المستندات البحثية والمهنية، مؤكداً على الطابع الاحترافي والدقيق للمحتوى المعروض.

7.3 تقنية تفجير الشرائح لتمييز الفئات المحورية

تتيح تقنية “تفجير الشرائح” (Pie Slice Explosion) في إكسيل ميزة إدراكية مهمة تهدف إلى فصل قطاع محدد وإزاحته مسافة طفيفة نحو الخارج بعيداً عن مركز الدائرة المشترك. تخدم هذه التقنية وظيفة بلاغية تحليلية تتمثل في توجيه بصر القارئ واهتمامه الفوري نحو فئة محورية ذات أهمية استثنائية، كأن تكون الفئة التي حققت أعلى تكرار إحصائي غير مسبوق، أو الفئة التي تمثل خطراً تشغيلياً أو شذوذاً يتطلب تدخلاً عاجلاً.

لتطبيق هذه التقنية بصورة سليمة، ينقر المستخدم نقرة واحدة أولى على المخطط لتحديد كامل الدائرة، ثم ينقر نقرة ثانية متأنية ومخصصة فوق الشريحة المستهدفة بعينها دون غيرها؛ حيث ستحاط هذه الشريحة وحدها بمقابض التحديد النقطية. يقوم المحلل بعد ذلك بسحب الشريحة يدوياً نحو الخارج بمسافة مدروسة، أو كتابة نسبة إزاحة دقيقة (بين 5% إلى 10%) ضمن نافذة تنسيق نقطة البيانات (Format Data Point) في حقل تفجير الشريحة (Point Explosion).

يجب التنبيه هنا إلى محذور إجرائي وأكاديمي صارم: ينبغي الامتناع تماماً عن تفجير كافة شرائح الدائرة في آن واحد؛ إذ يؤدي تفتيت كامل أجزاء الدائرة إلى تشويه الإدراك البصري للمحيط العام ونسف مفهوم “العلاقة بين الجزء والكل”، مما يحول المخطط إلى قطع متباعدة تصعب مقارنة زواياها ومساحاتها النسبية. يجب أن يظل التفجير مقصوراً على شريحة واحدة استثنائية فقط، مع إمكانية استخدام خيار تدوير زاوية الشريحة الأولى (Angle of first slice) لتدوير الدائرة ووضع الشريحة المميزة في الجزء العلوي الأيمن من الرسم، وهو الموضع البصري الأمثل الذي تبدأ منه العين البشرية قراءة المحتوى عادة في الثقافات العربية.

8. المعايير الإدراكية والتصميمية لتعظيم فاعلية المخطط الدائري

8.1 سيكولوجية الإدراك البصري وتأثير تباين الألوان

تخضع استجابة العين البشرية للمخططات البيانية لمحددات فيزيولوجية ونفسية معقدة؛ فالألوان لا تؤدي دوراً جمالياً فحسب، بل تمثل شفرات بصرية تنقل رسائل ضمنية حول أهمية البيانات وترتيبها. تقتضي المبادئ الإدراكية السليمة اختيار لوحات ألوان متوافقة تتسم بالتباين المتوازن والوضوح العالي، وتجنب استخدام الألوان الصارخة أو الفاقعة المتجاورة التي ترهق البصر وتشتت قدرة القارئ على التركيز والتحليل.

إذا كانت الفئات المعروضة تمثل قيماً اسمية غير مرتبة (مثل أسماء الدول أو الأقسام الإدارية)، يُفضل استخدام ألوان متمايزة نوعياً بدرجات تشبع هادئة ومتساوية لضمان عدم إعطاء انطباع مضلل بأن إحدى الفئات تفوق الأخرى قيمةً لمجرد سطوع لونها. أما إذا كانت الفئات تمثل متغيراً رتبياً تصاعدياً (مثل مستويات الرضا من منخفض إلى مرتفع جداً)، فالخيار العلمي الأنسب هو استخدام تدرجات لونية أحادية (Monochromatic Scale)، حيث يتدرج اللون من الدرجة الفاتحة إلى الدرجة القاتمة ليعكس فيزيائياً وعقلياً تنامي التكرارات أو الرتب.

من الضروري كذلك مراعاة معايير الوصول الشامل (Accessibility) وتصميم المخططات لتكون مقروءة بوضوح للأشخاص الذين يعانون من ضعف تمييز الألوان (Color Blindness). يتحقق ذلك من خلال تجنب الجمع بين اللونين الأحمر والأخضر في مقارنة الفئات المتجاورة، والاعتماد على التباينات في السطوع والقيمة الضوئية، أو إدراج أنماط وتسميات نصية صريحة تغني القارئ عن الاعتماد الحصري على التمييز اللوني البحت، وهو توجه تدعمه النظريات المعاصرة في تعزيز كفاءة التفاعل البصري ضمن البيئات الرقمية المنشورة في الأدبيات المتخصصة (Frymier et al., 1996).

8.2 معالجة التشتت الناتج عن تعدد الفئات عبر دمج الفئات الصغرى

يعد تضخم عدد الفئات أحد أكبر العيوب القاتلة التي تدمر فاعلية المخطط الدائري، فعندما تزداد الفئات عن سبع، تبدأ مساحات القطاعات بالانكماش السريع لتتحول إلى خطوط ضيقة متلاصقة يتعذر إدراك فروقها النسبية أو وضع التسميات والأرقام فوقها دون تداخل فوضوي. لمواجهة هذه المعضلة، يلجأ المحلل الإحصائي المحترف إلى استراتيجية “التجميع المنهجي”، حيث تُفرز البيانات ويتم الإبقاء على الفئات الأربع أو الخمس الكبرى كقطاعات مستقلة، بينما تُدمج كافة الفئات الدقيقة المتبقية ضمن شريحة تجميعية موحدة تُسمى “أخرى” أو “فئات متنوعة”.

يوفر إكسيل حلاً هندسياً فائق الروعة لمعالجة هذه الحالة دون التضحية بتفاصيل الفئات الدقيقة، وذلك من خلال نمط مخطط دائري مع تفريع شريطي أو دائري (Bar of Pie or Pie of Pie). يعمل هذا المخطط على رسم دائرة رئيسية تضم الفئات الكبرى، بينما يقتطع الشريحة المجمعة ويمد منها خطين إرشاديين يتفرعان إلى شريط جانبي مستقل (أو دائرة فرعية صغيرة) يعرض تفصيلاً دقيقاً لكافة الفئات الصغرى المكونة لتلك الشريحة التجميعية وتكراراتها النسبية المنفصلة.

يتيح هذا التكوين البصري المركب ميزة مزدوجة؛ فهو يحمي الدائرة الكبرى من الازدحام والتشتت البصري المخل، وفي الوقت نفسه يوفر للباحثين والمحللين إمكانية الوصول إلى التفاصيل الدقيقة للأطراف الإحصائية للعينة، مما يحفظ الشفافية العلمية الكاملة للبيانات دون المساس بجمالية المخطط وقدرته الفائقة على الإيضاح المباشر السريع.

8.3 أهمية الترتيب التصاعدي والتنازلي للتكرارات قبل الرسم

يمثل الترتيب الهيكلي للبيانات داخل جدول التوزيع التكراري عاملاً حاسماً في تعزيز المعالجة العقلية للمخطط؛ فالبيانات الموزعة عشوائياً داخل الدائرة تفرض على الدماغ جهداً ذهنياً إضافياً للبحث والمقارنة المستمرة بين أحجام القطاعات المبعثرة. في المقابل، يؤدي ترتيب جدول التلخيص التكراري ترتيباً تنازلياً (من الفئة الأكثر تكراراً إلى الأقل تكراراً) قبل الشروع في إدراج المخطط إلى رسم الدائرة بنمط انسيابي متدرج يبدأ بأكبر قطاع عند زاوية القمة (الساعة 12) ثم تتناقص القطاعات تدريجياً باتجاه عقارب الساعة.

يساعد هذا التدرج المنتظم القارئ على استيعاب الترتيب النسبي للفئات في أجزاء من الثانية، حيث يستطيع الدماغ البشري إدراك تسلسل الأحجام المتناقصة بسهولة متناهية تفوق بكثير قدرته على تقييم قطع متناثرة تختلف أحجامها عشوائياً بين قطاع وآخر. إن الترتيب التنازلي يعزز المقارنة المنطقية ويرسخ الأهمية النسبية للأولويات المستخلصة من التحليل.

يستثنى من قاعدة الترتيب التنازلي التكراري حالة واحدة فقط: وهي حالة المتغيرات الرتبية التي تمتلك بطبيعتها تسلسلاً منطقياً أصيلاً (مثل: ممتاز، جيد جداً، جيد، مقبول، ضعيف). في هذه الحالة الاستثنائية، يجب الالتزام بالترتيب الرتبي الأصلي للفئات بغض النظر عن تكراراتها العددية؛ للحفاظ على الاتساق الدلالي للظاهرة المدروسة ومنع إرباك المتلقي بكسر التتابع الطبيعي للمستويات المقاسة.

9. الأخطاء التحليلية والتقنية الشائعة وتدابير معالجتها

9.1 محاولة رسم المخطط مباشرة من البيانات النصية الخام

يقع كثير من مستخدمي برمجية إكسيل المبتدئين في خطأ تقني شائع يتمثل في تظليل عمود البيانات النصية الخام بالكامل ومحاولة النقر فوراً على أمر إدراج مخطط دائري، متوقعين أن يقوم البرنامج تلقائياً بفرز وتجميع وعد تلك النصوص. والنتيجة الحتمية لهذا الإجراء الخاطئ هي فشل المخطط؛ حيث يتعامل إكسيل إما بإنتاج دائرة مشوهة تحتوي على شريحة واحدة صماء، أو يعجز محرك الرسم تماماً عن فهم المطلوب ويعرض رسالة خطأ تفيد بعدم وجود بيانات رقمية صالحة للتمثيل.

يعود التفسير البرمجي لهذا الفشل إلى حقيقة أن محرك المخططات في إكسيل مبرمج لرسم نقاط بيانات رقمية (Numeric Data Points) مفردة لكل شريحة؛ فعندما يُمرر له عمود نصي يضم 500 صف مثلاً، فإنه يحاول البحث عن قيم رياضية في كل صف ليحدد زاوية القطاع المقابل له. وبغياب القيم الرقمية، تصبح عملية حساب مساحات الزوايا مستحيلة رياضياً، إذ لا يمتلك البرنامج ذكاءً ضمنياً يتيح له دمج التكرارات تلقائياً في بيئة الرسم المباشر دون توجيه صريح.

يرسخ هذا الفهم التقني قاعدة إحصائية لا تقبل الاستثناء: “لا يمكن تشييد مخطط دائري انطلاقاً من نصوص بحتة دون المرور بمرحلة بناء جدول التوزيع التكراري التلخيصي”. يجب دائماً إنجاز مصفوفة الفئات والتكرارات—سواء عبر الدوال الديناميكية المتخصصة أو عبر أداة الجداول المحورية—لتكون هي المصدر البياني الوحيد والمباشر الذي ترتبط به خوارزميات المخطط الدائري وتستقي منه زواياها الهندسية بدقة تامة.

9.2 الخلل في استخدام مراجع الخلايا النسبية وتجاوز النطاقات

يعد الخطأ في إدارة مراجع الخلايا وتثبيتها من أكثر الأسباب التي تؤدي إلى توليد تكرارات خاطئة تماماً دون أن يصدر البرنامج أي إشعار تنبيه بالخطأ، مما يجعله خطأً صامتاً يهدد رصانة التحليل. يحدث هذا عندما يقوم المحلل بكتابة دالة العد التكراري بالصيغة النسبية المهملة =COUNTIF(A2:A100, D2) دون إدراج علامات التثبيت المطلق ($)، ثم يقوم بسحب الصيغة لتعميمها على بقية صفوف الفئات.

تؤدي هذه الحركة إلى انزلاق نطاق الفحص خطوة واحدة إلى الأسفل مع كل صف؛ ففي الصف الثاني تصبح الصيغة تبحث في النطاق (A3:A101)، وفي الصف الثالث تنتقل إلى (A4:A102)، وهكذا دواليك. ينتج عن هذا الانزلاق المتدرج إغفال تام لكافة السجلات النصية الواقعة في قمة العمود الأصلي بالنسبة للفئات المحسوبة لاحقاً، مما يقود إلى تراجع تكراراتها المحسوبة عن قيمها الحقيقية، وبالتالي يولد مخططاً دائرياً مشوهاً بنسب مضللة لا تعكس واقع العينة المفحوصة بأي حال من الأحوال.

لتفادي هذا الانزلاق المدمر، يتعين على المحلل الالتزام الصارم بالضغط على مفتاح F4 فور تحديد نطاق البحث أثناء كتابة الصيغة ليتحول مباشرة إلى النمط المطلق المحكم ($A$2:$A$100). كما يُنصح بإجراء مراجعة برمجية سريعة عبر تفعيل وضع إظهار الصيغ (Show Formulas) باستخدام الاختصار (Ctrl + `)؛ للتأكد بصرياً من استقرار وثبات حدود نطاق البحث عبر كامل امتداد عمود التكرارات قبل اعتماد المخطط.

9.3 مزالق الاستخدام الخاطئ للمخططات ثلاثية الأبعاد والمؤثرات الزائفة

يندفع كثير من معدي التقارير تحت بريق الرغبة في التزيين الشكلي إلى تفعيل خيارات المخططات الدائرية ثلاثية الأبعاد (3-D Pies)، وإضافة ظلال خلفية داكنة، وتأثيرات الحواف المشطوفة (Bevels) المتكلفة. ومن المنظور العلمي الدقيق في هندسة البيانات والتواصل البصري، تمثل هذه المؤثرات “ضوضاء بصرية زائفة” تشوش على التحليل وتنتهك المبادئ الأساسية لنقل المعرفة بأمانة وموضوعية.

إن إمالة الدائرة في الفضاء ثلاثي الأبعاد تُحدث تشويهاً هندسياً حتمياً لقوانين المنظور الرياضي؛ فالقطاعات المتساوية تماماً في تكراراتها الإحصائية ستبدو للعين البشرية متباينة المساحة بصورة فجة؛ حيث تظهر الشريحة القريبة من عين المشاهد في مقدمة المخطط أكبر حجماً وأكثر اتساعاً بنسبة تصل أحياناً إلى 30% مقارنة بالشريحة المماثلة لها تماماً الواقعة في الجزء الخلفي المائل من القرص الدائري، وهو تشويه إدراكي تناوله الباحثون في سياق النماذج التي تقيس مصداقية التفاعل المعلوماتي والتواصل البشري الرصين (van Zyl et al., 2023).

علاوة على ذلك، فإن الظلال الكثيفة والتجسيمات المجتزأة تجعل من الصعب تحديد النقطة الدقيقة لمركز الدائرة أو زوايا التقاء القطاعات، مما يعطل تماماً الحساب الإدراكي التلقائي الذي تجريه العين لتقدير الحصص النسبية. لذا، يفرض البروتوكول الأكاديمي الصارم الالتزام القاطع بالمخططات المسطحة ثنائية الأبعاد (Flat 2-D Designs)، وتجريد الرسم من كافة المؤثرات التزيينية، والتركيز الحصري على التباين اللوني الأنيق وتسميات البيانات الواضحة لنقل المعلومة بدقة وشفافية مطلقة.

10. الأتمتة والديناميكية لضمان استمرارية تحديث المخطط الدائري

10.1 تحويل نطاق البيانات إلى جداول إكسيل الرسمية Excel Tables

تمثل تقنية جداول إكسيل المنظمة الرسمية (Excel Tables) قمة النضج البرمجي في إدارة تدفق البيانات وتحقيق الأتمتة الكاملة داخل بيئة أوراق العمل. فبدلاً من ترك السجلات الأولية موزعة كنطاق عادي من الخلايا الثابتة، يُفضل دائماً تحويل هذا النطاق إلى جدول مؤسسي ديناميكي عبر تحديد أي خلية داخله والضغط على الاختصار السريع (Ctrl + T)، مع تأكيد خيار أن الجدول يحتوي على رؤوس أعمدة.

تتمثل القوة الهائلة للجداول الرسمية في ميزة التمدد التلقائي؛ فعند إضافة أي صفوف أو سجلات نصية جديدة في أسفل الجدول، يقوم إكسيل بتوسيع حدود الجدول رأسياً بصورة تلقائية لاستيعاب المدخلات الجديدة ضمن نطاق الحساب الداخلي. كما يمنح النظام هذا الجدول اسماً تعريفياً فريداً (مثل Table1)، ويتحول التعامل مع الأعمدة إلى نمط المراجع الهيكلية (Structured References)، بحيث يُشار إلى المتغير باسمه الصريح مثل (Table1[التصنيف]) بدلاً من المراجع الرقمية الجامدة (A2:A100).

ينعكس هذا التحول الهيكلي بصورة جذرية على منظومة التحليل بالكامل؛ إذ تضمن المراجع الهيكلية تدفق البيانات الجديدة تلقائياً نحو كافة الدوال التحليلية المرتبطة بالجدول دون الحاجة لإعادة كتابة الصيغ أو تعديل مراجع الخلايا يدوياً مع كل إضافة ميدانية، مما يرسخ بيئة برمجية حصينة مقاومة للأخطاء وقادرة على استيعاب التوسع المستمر للبيانات بكفاءة وثبات.

10.2 الربط بين الدوال التكرارية والمخطط لضمان التحديث التفاعلي

عند دمج الجداول الرسمية مع الدوال الديناميكية الحديثة، يتحقق مفهوم “النموذج التحليلي المؤتمت بالكامل”. فإذا صيغت دالة استخراج الفئات المتفردة بالاعتماد على المرجع الهيكلي للجدول المنظم على النحو التالي:

=UNIQUE(Table1[التصنيف])

فإن ظهور أي فئة نصية جديدة تماماً في عمود الإدخال سيؤدي في نفس اللحظة إلى تحديث مصفوفة دالة UNIQUE وإضافة الفئة الجديدة في ذيل عمود الفئات الفريدة دون أي تدخل بشري.

وبالمثل، تتفاعل دالة العد الشرطي المرتبطة بها:

=COUNTIF(Table1[التصنيف], D2#)

لتعد السجلات الجديدة فور كتابتها وتحدث تكرارات الفئات القائمة أو تدرج تكرار الفئة المستجدة فورياً. ولكي ينعكس هذا التحديث الديناميكي على المخطط الدائري دون الحاجة لإعادة توسيع نطاق الرسم يدوياً، يمكن للمحلل إنشاء نطاقات مسماة ديناميكية (Dynamic Named Ranges) باستخدام دالة OFFSET مع دالة COUNTA، وربط سلاسل بيانات المخطط بهذه النطاقات المسماة، ليصبح المخطط الدائري نفسه كائناً حياً يتسع وينكمش وينسجم تلقائياً مع التدفق الميداني المستمر للبيانات.

تُعد هذه المنظومة المؤتمتة الحل المثالي لبناء لوحات القياس التشغيلية والتقارير الشهرية المتكررة؛ حيث تختزل ساعات طويلة من العمل الروتيني المكرر في مجرد لصق السجلات الجديدة داخل الجدول الأصلي، ليتكفل النموذج المنطقي بإنجاز الحصر، وإعادة ضبط النسب، وتحديث زوايا المخطط الدائري وتسمياته في زمن استجابة لا يتعدى كسر الثانية، محققاً أعلى معايير الكفاءة البرمجية المعتمدة في معالجة البيانات وتحليلها المتطور كما في تطبيقات النمذجة الحديثة للذكاء الاصطناعي ومعالجة اللغات الطبيعية (Rasool et al., 2025).

10.3 بروتوكول التحقق والاعتماد النهائي للمخطط التحليلي

يختتم المسار الإجرائي والمنهجي بتطبيق “بروتوكول التحقق والاعتماد النهائي”، وهو عبارة عن قائمة فحص ومراجعة جودة صارمة يُلزم بها المحلل نفسه قبل تضمين المخطط الدائري في تقريره النهائي أو تصديره إلى العروض التقديمية والأوراق البحثية. تتضمن هذه القائمة التأكد الحسابي الدقيق من أن مجموع النسب المئوية الظاهرة على تسميات القطاعات يعادل 100% تماماً دون أي خلل ناتج عن تقريب الكسور العشرية، مع معالجة منازل التقريب لضمان التطابق الحسابي الكامل.

تشمل الفحوصات أيضاً التأكد من خلو المخطط من أي تداخل نصي بين التسميات والحدود الهندسية للشرائح، ومراجعة وضوح خطوط الإشارة الدالة على القطاعات الصغيرة، والتأكد من ملاءمة التباين اللوني للقراءة عند الطباعة بالألوان أو بتدرجات الرمادي. كما يراعى التدقيق الإملائي النهائي للعنوان ومفتاح الرسم، والتأكد من الإشارة الصريحة لحجم العينة (N) في موقع واضح من الرسم لترسيخ الشفافية المنهجية المتبعة في صياغة الفرضيات وتوثيق البيانات الحيوية والطبية الصارمة (Hassan et al., 2023).

وعند استيفاء كافة هذه المعايير القياسية، يتم تصدير المخطط البياني بأعلى دقة وضوح رسومية ممكنة، إما عبر حفظه كصورة متجهة عالية الدقة (Vector Graphic / SVG) أو نسخه ككائن مرتبط تفاعلياً داخل معالجات النصوص المتقدمة؛ ليتحول من مجرد تجميع عشوائي لسجلات نصية جافة إلى وثيقة إحصائية ناطقة تجمع بين الصرامة الرياضية والجمال الهندسي، وتخدم أهداف التفسير العلمي الرصين واتخاذ القرار المؤسسي الموثوق.

خاتمة

لقد استعرض هذا الدليل المتعمق الأبعاد المنهجية والتقنية لتحويل البيانات النصية المبعثرة إلى مخططات دائرية ذات دلالة إحصائية متكاملة داخل بيئة مايكروسوفت إكسيل. وتأكد من خلال المسارات المشروحة أن التمثيل الدائري السليم ليس مجرد خطوة رسم عابرة، بل هو تتويج لمنظومة معالجة تبدأ بتنظيف المدخلات وتوحيد التراكيب اللغوية، وتمر بالاستخراج المنضبط للفئات الفريدة وحساب تكراراتها بدقة عبر الدوال الرياضية أو الجداول المحورية، وتنتهي بضبط الهندسة البصرية والمحددات الإدراكية للألوان والزوايا.

إن تبني أفضل الممارسات في تجنب التشوهات ثلاثية الأبعاد، واستبعاد المؤثرات الشكلية المضللة، وأتمتة النطاقات عبر الجداول الرسمية والدوال الديناميكية؛ يضمن للمحللين والباحثين إنتاج مخططات بيانية تتسم بأعلى درجات المصداقية والتفاعلية. وبذلك يتحول المخطط الدائري من أداة تزيين بصري قد تؤدي إلى تشويه المعنى عند الاستخدام الخاطئ، إلى وسيلة إيضاح علمية دقيقة تختزل ملايين السجلات في مشهد هندسي متوازن ينطق بالحقائق ويعزز الشفافية التحليلية في مختلف حقول المعرفة وصنع القرار.

المراجع

• Baars, M., Zafar, F., Hrehovcsik, M. M., de Jongh, E., & Paas, F. G. W. C. (2022). Ace Your Self-Study: A Mobile Application to Support Self-Regulated Learning. Frontiers in Psychology. https://doi.org/10.3389/fpsyg.2022.793042
• Chaudhary, S., Nasir, N., Rahman, S. U., & Sheikh, S. M. (2023). Impact of Work Load and Stress in Call Center Employees: Evidence from Call Center Employees. Pakistan Journal of Humanities and Social Sciences. https://doi.org/10.52131/pjhss.2023.1101.0338
• Frymier, A. B., Shulman, G. M., & Houser, M. L. (1996). The development of a learner empowerment measure 1. Communication Education. https://doi.org/10.1080/03634529609379048
• Hassan, I. U., Ali, R. H., Abideen, Z. U., Ijaz, A. Z., & Khan, T. A. (2023). Towards Effective Emotion Detection: A Comprehensive Machine Learning Approach on EEG Signals. BioMedInformatics. https://doi.org/10.3390/biomedinformatics3040065
• Rasool, A., Aslam, S., Hussain, N., Imtiaz, S., & Riaz, W. (2025). nBERT: Harnessing NLP for Emotion Recognition in Psychotherapy to Transform Mental Health Care. Information. https://doi.org/10.3390/info16040301
• van Zyl, L. E., Gaffaney, J., van der Vaart, L., Dik, B. J., & Donaldson, S. I. (2023). The critiques and criticisms of positive psychology: a systematic review. The Journal of Positive Psychology. https://doi.org/10.1080/17439760.2023.2178956