إكسل: إنشاء مخطط شريطي مكدس مع فئات فرعية

تُعد عملية التمثيل البصري للبيانات الكمية في عصر الانفجار المعلوماتي ركيزة جوهرية من ركائز التحليل الاستكشافي والتواصلي في شتى الميادين الأكاديمية والتطبيقية. لا تقتصر وظيفة الرسوم البيانية على مجرد تحويل الأرقام الصماء إلى أشكال هندسية جاذبة، بل تمتد لتشكل لغة بصرية وسيطة تسعى إلى خفض العبء المعرفي الواقع على عقل المتلقي، وترجمة العلاقات الإحصائية المتشابكة إلى أنماط إدراكية قابلة للاستيعاب الفوري والمقارنة المنهجية الدقيقة. ومن بين الأدوات البصرية المتعددة التي يوفرها برنامج مايكروسوفت إكسل (Microsoft Excel)، يبرز المخطط الشريطي المكدس مع الفئات الفرعية كأحد أكثر النماذج البيانية قدرة على تفكيك البنى التجميعية المعقدة وعرض الأبعاد الهرمية المتداخلة بأسلوب تحليلي رصين يجمع بين العمومية والخصوصية.

يتيح هذا النمط المتقدم من المخططات للباحثين والمحللين إمكانية تجاوز القصور التحليلي الذي تتسم به المخططات البسيطة؛ حيث يمكّن من تفكيك المقاييس الإجمالية لكل متغير رئيسي إلى مكوناته البنيوية الصغرى دون التضحية برؤية الصورة الكلية للتراكم الرقمي. بيد أن بناء مثل هذا المخطط بصورة احترافية في بيئة إكسل لا يتأتى عبر النقر العشوائي على أوامر الإدراج التلقائية، بل يتطلب فهماً متعمقاً لهندسة مصفوفات البيانات، والأسس الإدراكية لقراءة الأشرطة غير المتوازية المحاذاة، والتحكم الدقيق في إعدادات المحاور المتعددة المستويات. إن الانتقال من مجرد عرض البيانات الخام إلى صياغة سردية بصرية علمية يتطلب الالتزام بصرامة منهجية تبدأ من تجهيز خلايا الجدول وتنتهي بضبط التباعد اللوني والتنسيق الطباعي المتوافق مع المعايير المعرفية.

يهدف هذا الدليل المرجعي الموسع إلى تقديم تشريح أكاديمي وتقني شامل لآليات تصميم وبناء المخطط الشريطي المكدس ذي الفئات الفرعية في برنامج إكسل. سنستعرض عبر محاوره العشرة الأسس النظرية المستندة إلى نظريات الإدراك الحسي والرسم الإحصائي، ونحلل الشروط والمعايير الرياضية الحاكمة لاختياره، ثم نسير خطوة بخطوة عبر مسارات البناء الإجرائي، بدءاً من تنظيف الجداول ثنائية الأبعاد، ومروراً بضبط المحاور المقلوبة وتبديل السلاسل، ووصولاً إلى الفنيات المتقدمة للتمثيل النسبي المئوي ومعالجة معضلات المقارنة والتحديث التلقائي، وتوثيق المخرجات بالمعايير الأكاديمية الصارمة.

1. الأسس النظرية للمخططات الشريطية المكدسة وأهميتها التحليلية

1.1 التعريف العلمي للمخطط الشريطي المكدس

يُعرَّف المخطط الشريطي المكدس (Stacked Bar Chart) في الأدبيات الإحصائية وهندسة التصور البياني بأنه نموذج تمثيل بصري متعدد الأبعاد يُستخدم لعرض المتغيرات الفئوية الاسمية أو الترتيبية، مع تفكيك كل شريط يمثل فئة مستقلة إلى قطاعات فرعية متجاورة تعكس المساهمة النسبية أو المطلقة للأجزاء المكونة للكل. وخلافاً للمخططات الشريطية البسيطة التي تقتصر على قياس متغير كمي واحد لكل فئة، أو المخططات الشريطية المتجاورة (Grouped/Clustered Bar Charts) التي تفرد لكل فئة فرعية شريطاً مستقلاً ينطلق من خط أساس موحد، يقوم المخطط المكدس بدمج هذه السلاسل في مسار شريطي واحد ذي امتداد أفقي أو عمودي مستمر.

تكمن الأهمية البنيوية لهذا المخطط في قدرته المزدوجة على توصيل رسالتين تحليليتين في آن واحد: الأولى هي إبراز الحجم الإجمالي الكلي للفئة من خلال الطول الكلي للشريط المركب، والثانية هي توضيح التوزيع الداخلي والمساهمة الكمية لكل متغير فرعي يشكل هذا الإجمالي. يتيح هذا التمثيل للباحث استقراء الفروق التراكمية الكلية بين الفئات المقارنة بالتوازي مع مراقبة التحولات الطارئة على الهيكل الداخلي، مما يجعله أداة تحليلية لا غنى عنها في دراسات الحصص السوقية، وتحليل ميزانيات النفقات، ومسوحات الرأي العام متعددة المعايير.

ومع ذلك، تفرض الطبيعة الهيكلية للتكديس قيوداً حسابية صارمة؛ إذ يفترض هذا المخطط وجود علاقة تجميعية خطية متبادلة بين المتغيرات الفرعية، بحيث يكون حاصل جمع الأجزاء مساوياً للقيمة الكلية للشريط دون تداخل أو احتساب مضاعف. وتتحول قراءة هذا المخطط إلى تحدٍ إدراكي يستوجب فهم آليات التفكيك البصري للمقاطع المتراكمة، وهو ما يميزه عن سائر أدوات الاستكشاف البياني التقليدية.

1.2 طبيعة الفئات الفرعية ودورها في تعميق التحليل

تمثل الفئات الفرعية (Subcategories) المتغيرات التفصيلية التابعة التي تنشأ من تفكيك المتغير التصنيفي الرئيسي إلى مستويات تصنيفية أدنى وأكثر تخصصاً. وفي السياق التحليلي للبيانات المعقدة، يُعد إبراز الفئات الفرعية وسيلة جوهرية لتجاوز مشكلة “مفارقة التجميع”، حيث قد يبدو المتغير الرئيسي متسقاً أو متوازناً في مجمله العام، بينما تخفي بنيته الداخلية تباينات حادة بين مكوناته الصغرى لا يمكن رصدها إلا من خلال التحليل الطبقي المفصل.

تسهم إدارة المستويات التصنيفية المتعددة داخل المخطط الشريطي المكدس في إثراء المحتوى المعرفي للرسم البياني دون التسبب في إجهاد الإدراك الحسي للمحلل، شريطة الحفاظ على العلاقة التفرعية الهرمية بين المستوى الأولي والمستوى الثانوي. فعند دراسة الإنفاق البحثي لمؤسسة أكاديمية مقسماً حسب الكليات كمتغير رئيسي، يوفر تقسيم ميزانية كل كلية إلى فئات فرعية (رواتب، معدات معملية، منح سفر، نشر علمي) رؤية معمقة تكشف عن أولويات كل قسم على حدة، مقارنة بالنظر المجرد إلى موازنة الكلية الإجمالية.

تتطلب هذه الهيكلة انضباطاً مفاهيمياً؛ إذ يجب أن تكون الفئات الفرعية متماثلة دلالياً ومنطقياً عبر كافة الفئات الرئيسية المقارنة لضمان قابلية القياس التبادلي. إن إظهار التباين الداخلي يمنح صناع القرار والباحثين القدرة على تحديد مكامن القوة والخلل ضمن المنظومة المدروسة، مما يرفع من جودة القرارات المستندة إلى البيانات ويمنح الرسم البياني ثقلاً تفسيرياً يتجاوز مجرد الوصف السطحي للظاهرة.

1.3 مبادئ الإدراك البصري في قراءة البيانات المكدسة

تخضع عملية قراءة المخططات المكدسة لأسس سيكولوجية وفيزيائية معقدة تنظمها نظريات الإدراك البصري، وفي مقدمتها نظرية الغشتالت (Gestalt Psychology). تؤكد هذه النظرية أن العين البشرية تميل تلقائياً إلى إدراك الأشكال وفق مبادئ التقارب (Proximity)، والتشابه (Similarity)، والمنطقة المشتركة (Common Region). وفي المخطط الشريطي المكدس، يعمل مبدأ التشابه اللوني عبر الأشرطة المختلفة على توجيه العقل لمقارنة المقاطع المتطابقة لونياً عبر مختلف الفئات الرئيسية، بينما يعزز تجاور المقاطع داخل الشريط الواحد إدراكها ككل موحد متكامل.

غير أن التحليل الدقيق يواجه معضلة إدراكية أصيلة تم تفكيكها نظرياً في أبحاث الإدراك البياني الشهيرة لعالمي الإحصاء ويليام كليفلاند وروبرت ماكجيل (Cleveland & McGill, 1984)؛ حيث توصلا إلى أن دقة الحكم البشري تعتمد على تدرج هرمي للمهام الإدراكية الأساسية. يأتي الحكم على الموضع بمحاذاة مقياس مشترك ثابت (Position along a common scale) في أعلى درجات الدقة الإدراكية بأقل نسبة خطأ، يليه الحكم على الموضع بمحاذاة مقاييس غير متوازية أو غير مستندة لخط أساس موحد (Position along non-aligned scales)، ثم الطول، فالزوايا، فالمساحة، وأخيراً التظليل اللوني.

تطبيقاً على المخطط المكدس، نجد أن الشريحة الأولى الملاصقة لخط الأساس (المحور الصفري) تتم قراءتها بأعلى مستويات الدقة لأنها تستند إلى مقياس خطي ثابت، بينما تعاني المقاطع الوسطى والعليا من تراجع كبير في دقة التقدير البصري لأن بداياتها ونهاياتها تطفو على نهايات المقاطع السابقة، مما يجبر الدماغ البشري على تنفيذ عمليتين عقليتين معقدتين في آن واحد: تثبيت حدود الشريحة (Anchoring)، وإجراء عملية طرح بصري لحساب الفارق الخطي (Differencing). ولتيسير هذه المهمة المعرفية، يجب على الباحث تبني استراتيجيات تصميمية مدروسة مثل وضع الفئة الفرعية الأكثر أهمية مباشرة عند خط الأساس، واستخدام تسميات البيانات الرقمية الصريحة للمقاطع العائمة لتقليل الجهد الذهني المبذول في التقدير الحسابي، وهو ما أكدته كذلك الدراسات المعرفية المتعلقة بتصميم الواجهات والأنشطة الرقمية التعليمية التفاعلية (Palmquist, 2023).

2. معايير ملاءمة المخطط الشريطي المكدس لنوعية البيانات

2.1 تقييم ملاءمة البيانات للتمثيل المكدس

يتطلب توظيف المخطط الشريطي المكدس فحصاً نقدياً دقيقاً لطبيعة البيانات الإحصائية المراد تمثيلها؛ فالأصل الرياضي لهذا المخطط هو التجميع الجمعي المباشر. لذلك، فإن الشرط الحاكم الأول يتمثل في أن تكون البيانات كمية نسبية (Ratio Data) ذات صفر مطلق، وتتمتع بطبيعة تجميعية توافقية تجعل حاصل جمع المتغيرات الفرعية يُعبر عن كمية كلية حقيقية ذات مغزى تجريبي. تشمل الأمثلة الملائمة على ذلك: ساعات العمل، التكاليف المالية، إنتاجية الوحدات، وأعداد السكان والمستفيدين.

أما الشرط الجوهري الثاني، فيتمثل في ثبات وحدة القياس الفيزيائية أو الحسابية عبر كافة الفئات الرئيسية والفرعية دون أدنى اختلاف. فلا يمكن، على سبيل المثال، تكديس قيم مقاسة بالدولار فوق قيم مقاسة بنسب مئوية أو ساعات عمل في شريط واحد، إذ يؤدي ذلك إلى تشويه رياضي ومفاهيمي ينسف مصداقية التمثيل البياني بأكمله. يجب أن تنتمي كافة المقاطع المكدسة إلى نفس الفضاء المتري لنضمن أن الطول التراكمي للشريط يعبر عن دلالة إحصائية متجانسة.

علاوة على ذلك، يمثل وجود القيم السالبة (Negative Values) عائقاً منهجياً كبيراً في المخططات المكدسة؛ حيث يضطر برنامج إكسل إلى رسم الأشرطة الموجبة في الاتجاه الأيمن أو الأعلى والأشرطة السالبة في الاتجاه المعاكس للصفر. هذا الانشطار يؤدي إلى تفتيت الرابطة البصرية الموحدة للشريط الكلي، ويجعل مقارنة الإجماليات أمراً بالغ الصعوبة والارتباك. وبالمثل، يُحظر استخدام المخطط المكدس مع المقاييس الإحصائية غير القابلة للجمع المباشر، مثل المتوسطات الحسابية، والنسب المئوية المستقلة غير المتكاملة، ومعدلات الانحراف المعياري، حيث إن تجميع هذه المؤشرات رياضياً يولد قيماً وهمية مضللة تماماً للجمهور المستهدف.

2.2 المفاضلة بين المخطط الأفقي والمخطط العمودي

يواجه الباحث عند إنشاء المخططات المكدسة خياراً هندسياً أساسياً بين التوجيه العمودي (Stacked Column Chart) والتوجيه الأفقي (Stacked Bar Chart). ورغم أن المنطق الرياضي الكامن خلف النموذجين متطابق، إلا أن الاعتبارات البصرية والبيئية تلعب دوراً حاسماً في تفضيل المخطط الشريطي الأفقي في سياقات تحليلية محددة، لا سيما عند التعامل مع الفئات متعددة المستويات.

تتمثل أبرز مزايا المخطط الأفقي في قدرته الفائقة على استيعاب التسميات النصية الطويلة (Long Text Labels) للفئات الرئيسية والفرعية دون الحاجة إلى تدوير النصوص بزوايا مائلة أو تقليص حجم الخطوط إلى حدود غير مقروءة. إن قراءة النصوص باللغة العربية أو الإنجليزية بمسار أفقي طبيعي يقلل بشكل جذري من إجهاد حركة العين السريعة (Saccadic Eye Movement) أثناء التنقل بين التسمية ومحتوى الشريط البياني، مما يرفع من كفاءة المعالجة المعرفية للمعلومات وسرعة استيعابها.

تفضل المنشورات والتقارير الإحصائية الأكاديمية استخدام الأشرطة الأفقية عندما يفوق عدد الفئات الرئيسية ثماني مجموعات، أو عندما تكون الفئات مرتبطة بمتغيرات جغرافية أو مؤسسية ذات أسماء مركبة. إضافة إلى ذلك، يوفر الامتداد الأفقي للشاشات والصفحات البحثية المعاصرة (Landscape/Widescreen formats) مساحة بصرية مريحة لعرض السلاسل المكدسة دون أن تبدو الأعمدة الرأسية متزاحمة أو متداخلة، مما يجعل المخطط الشريطي الأفقي الخيار الأفضل تقنياً لمعالجة البيانات ذات الفئات المتشعبة.

2.3 تحديد العدد الأمثل للفئات والفئات الفرعية

ترتبط كفاءة الاتصال البياني ارتباطاً وثيقاً بحدود الذاكرة العاملة وسعة الانتباه البصري البشري، والتي حددتها نظريات العبء المعرفي والمدى الإدراكي. إن الإفراط في تكديس الفئات والشرائح داخل مخطط واحد يحول الأداة البصرية من وسيلة إيضاح إلى مصدر للتشويش والغموض الإحصائي (Visual Clutter). لذا، يُوصى منهجياً بألا يتجاوز عدد الفئات الرئيسية على المحور الرأسي ما بين 7 إلى 10 فئات لتجنب التزاحم المفرط.

وفيما يخص الفئات الفرعية المكونة لكل شريط، تقتضي القواعد الأكاديمية الصارمة ألا يتعدى عددها من 3 إلى 5 فئات فرعية كحد أقصى. يتسبب تجاوز هذا الحاجز في تشتت لوني حاد، وظهور شرائح بالغة الصغر تعجز العين عن تقدير أطوالها بدقة، وتتعذر طباعة أو إظهار تسميات البيانات الرقمية داخلها بوضوح. يؤدي هذا التزاحم إلى إجبار المتلقي على التنقل المستمر والمجهد بين مفتاح الرسم (Legend) والشرائح، وهي الظاهرة المعرفية المعروفة باسم “تأثير الانقسام الانتباهي” (Split-Attention Effect).

وللتعامل مع التوزيعات الإحصائية ذات الذيل الطويل (Long-Tail Distributions) التي تتضمن فئات فرعية متعددة ذات أثر كمي هامشي، يجب على المحلل اللجوء إلى الدمج المنهجي الصارم. يتم هذا الإجراء عبر تجميع المتغيرات الصغرى التي تقل مساهمتها الفردية عن نسبة محددة (مثل 5% من الإجمالي) ضمن فئة جامعة واحدة تُسمى “أخرى” (Others) أو “متنوعات”. يتيح هذا النهج التلخيصي الاحتفاظ بالمجمل الحسابي الدقيق مع حماية التصميم البصري من التفتت اللوني غير المبرر.

3. الخطوة الأولى: إعداد وتنظيم مصفوفة البيانات في إكسل

3.1 هيكلة الجدول ثنائي الأبعاد

تبدأ الدقة الهندسية للمخطط الشريطي المكدس من صياغة هيكل الجدول داخل ورقة عمل إكسل؛ إذ إن البرنامج يعتمد كلياً على منطق المصفوفات المتقاطعة لتحويل الخلايا إلى عناصر بيانية. يجب تنظيم البيانات في جدول ثنائي الأبعاد ذي مستويات صريحة لا تشوبها فوضى الدمج الخلوي غير المدروس. يوضع المتغير الفئوي الرئيسي في العمود الأول (العمود A)، ليكون بمثابة المتغير المستقل الحاكم لصفوف المصفوفة.

أما الفئات الفرعية، فيتم توزيعها أفقياً على امتداد رؤوس الأعمدة المتتالية (الصف الأول: الأعمدة B، C، D… إلخ). ويخصص لكل فئة فرعية رأس عمود وحيد يحمل تسميتها الوصفية بدقة واختصار. تُرتب هذه الرؤوس تسلسلياً بناءً على الأهمية المنهجية أو الترتيب المنطقي للظاهرة (مثل: مراحل التوزيع، أو الفئات العمرية، أو الدرجات الأكاديمية)، مع مراعاة أن العمود الأول بعد الفئات الرئيسية سيكون هو الشريحة الملاصقة مباشرة لخط الأساس في المخطط الشريطي النهائي.

تسجل القيم العددية الإحصائية المقابلة بدقة متناهية عند نقاط التقاطع بين الصفوف والأعمدة. يجب أن تخلو المصفوفة من أية صفوف أو أعمدة فارغة تفصل بين البيانات، حيث تؤدي الفجوات الخلوية إلى تقطيع السلاسل البرمجية المدمجة داخل محرك الرسم في إكسل، مما ينتج عنه مخططات معطوبة ومحاور ذات تسميات مفقودة تشوه البنية المعرفية للعرض البياني.

3.2 التحقق من سلامة البيانات والاتساق الإحصائي

تعد مرحلة تنظيف وضبط اتساق البيانات (Data Hygiene) خطوة استباقية لا غنى عنها قبل توليد أي مخطط بياني. تتمثل إحدى أكبر المشكلات التقنية شيوعاً في إكسل في وجود خلايا فارغة ضمن المصفوفة؛ فعندما يواجه البرنامج خلية فارغة، يتعامل معها تلقائياً كقيمة معدومة أو فجوة بيانية، مما يتسبب في انقطاع استمرارية الشريط المكدس أو تشويه ترتيب الشرائح التالية. لذا، يجب حصر كافة الخلايا الخالية واستبدالها بالقيمة الرقمية الصريحة صفر (0) لضمان استقرار السلاسل البيانية التراكمية.

يتعين كذلك التأكد من التنسيق الرقمي الصارم لكافة خلايا المقاييس الكمية، وضمان تصنيفها برمجياً تحت نوع “رقم” (Number) أو “عملة” (Currency)، وتجنب خلط الأرقام برموز نصية يدوية داخل الخلية ذاتها (مثل كتابة “$500” أو “50 كجم” كنص)، إذ يؤدي ذلك إلى تعطيل العمليات الحسابية لمجموع السلسلة ومعاملة إكسل للقيمة كصفر، مع ما يصاحب ذلك من تشوه تام في المخطط الشريطي.

وينبغي للباحث إجراء مراجعة دقيقة وشاملة للنصوص والتسميات الوصفية؛ للتأكد من خلوها من المسافات البادئة أو اللاحقة الزائدة (Leading and Trailing Spaces) الناتجة عن أخطاء الإدخال اليدوي، والتأكد من الاتساق الإملائي التام. إن وجود مسافة واحدة زائدة في تسمية فئة ما قد يدفع إكسل لمعاملتها كفئة مستقلة ومنفصلة عن شبيهاتها، مما يقود إلى تكرار غير مبرر للفئات وتصدع المظهر العام للمصفوفة التحليلية.

3.3 تجهيز نطاق البيانات كجدول رسمي في إكسل

لضمان استدامة واستقرار النموذج البياني، يُنصح بشدة بتحويل نطاق البيانات التقليدي إلى جدول إكسل رسمي وتفاعلي (Excel Table)، والمعروف تقنياً في بنية إكسل البرمجية باسم كائن القائمة (ListObject). يتم هذا التحويل بسهولة عبر تحديد النطاق بالكامل والضغط على الاختصار (Ctrl + T)، والتأكد من تحديد خيار “يحتوي الجدول على رؤوس” (My table has headers).

يوفر تحويل النطاق إلى جدول رسمي مزايا تقنية استثنائية للتحليل الإحصائي؛ وأبرزها خاصية “التوسع الديناميكي التلقائي” (Dynamic Range Expansion). فعند إضافة فئات رئيسية جديدة في أسفل الجدول أو إدراج فئات فرعية جديدة في أعمدة إضافية، يقوم الجدول بابتلاع البيانات الجديدة فورياً وتوسيع حدوده الهيكلية تلقائياً، مما ينعكس بشكل آني ومباشر على المخطط الشريطي المكدس المرتبط دون الحاجة إلى إعادة ضبط نطاق مصدر البيانات يدوياً في كل مرة.

يُفضل منهجياً تعيين اسم دلالي ذي مغزى للجدول المنشأ عبر تبويب “تصميم الجدول” (Table Design)، مثل تسميته `ResearchData_2024` أو `SalesMetrics_Tbl`. هذه التسمية تسهل إدارة السلاسل المرجعية والرجوع إليها في الملفات البحثية الضخمة التي تحتوي على عشرات الجداول وأوراق العمل المتقاطعة، مما يضمن اتساق الحوسبة الإحصائية ويقلل من احتمالات الخطأ البشري عند تحديث البيانات أو تصديرها للتقارير الأكاديمية.

4. الخطوة الثانية: إدراج المخطط الشريطي المكدس الافتراضي

4.1 تحديد نطاق البيانات بدقة

تتطلب عملية توليد المخطط الشريطي المكدس دقة تامة في تحديد الخلايا المستهدفة داخل ورقة العمل. يجب على المستخدم تحديد مصفوفة البيانات بدقة متناهية، بحيث تشمل التسميات النصية للفئات الرئيسية في العمود الأول، وتسميات الفئات الفرعية في الصف الرأسي، إلى جانب كافة القيم الرقمية التي تتشكل منها المقاطع. يُمكن إنجاز ذلك بكفاءة وسرعة باستخدام اختصارات لوحة المفاتيح عبر الوقوف على الخلية العلوية الأولى والضغط على (Ctrl + Shift + Arrow Down ثم Arrow Right) لتطويق النطاق بأكمله بدقة.

من الأخطاء الكارثية الأكثر شيوعاً في هذه المرحلة هو تضمين صف المجاميع الإجمالية المحسوبة مسبقاً (Grand Totals) أو أعمدة الإجمالي داخل التحديد الموجه للرسم. إن إدراج صف الإجمالي يؤدي إلى قيام برنامج إكسل برسم شريط مستقل للإجمالي يكدس الأرقام مضاعفة، أو تكديس الإجمالي بجانب مكوناته، مما يضاعف القيم المعروضة بصرياً ويؤدي إلى انهيار المقياس النسبي للشاشات وتضليل التحليل الرياضي بالكامل. يجب أن يقتصر التحديد حصراً على البيانات الأولية الخام ومكوناتها التفصيلية دون أية مجاميع اشتقاقية.

كما يجب التأكد من عدم تحديد أية خلايا إضافية فارغة تقع خارج نطاق الجدول، لأن البرمجية ستترجم هذه الفراغات إلى مساحات بيضاء مشوهة وسلاسل وهمية خالية من البيانات داخل وسيلة الإيضاح، مما يستدعي تدخلاً يدوياً مضنياً لمعالجتها لاحقاً وتعديل مساراتها الحسابية.

4.2 مسار إدراج المخطط عبر شريط الأدوات

عقب إتمام التحديد الصحيح للبيانات، يتم التوجه مباشرة إلى شريط الأدوات الرئيسي (Ribbon) في أعلى واجهة برنامج إكسل، واختيار تبويب “إدراج” (Insert). يضم هذا التبويب المحرك الرسومي المتكامل للبرنامج والمصنف وفق عائلات بيانية متنوعة تغطي الاحتياجات الإحصائية المختلفة للمستخدمين والباحثين.

ضمن مجموعة “المخططات” (Charts)، يتم النقر على أيقونة “إدراج مخطط عمودي أو شريطي” (Insert Column or Bar Chart)، لتنسدل قائمة تحتوي على خيارات ثنائية وثلاثية الأبعاد لكلا التوجيهين. ومن قسم “شريط ثنائي الأبعاد” (2-D Bar)، يتم اختيار النمط الثاني تحديداً وهو “شريط مكدس” (Stacked Bar). يُحظر هنا اختيار الأنماط ثلاثية الأبعاد (3-D Stacked Bar)؛ إذ تجمع المرجعيات الأكاديمية على أن التجسيم ثلاثي الأبعاد يُدخل تشوهات بصرية حادة ناتجة عن زوايا المنظور والظلال الوهمية، مما يُعيق التقدير الدقيق للمقادير الكمية ويفقد المخطط دقته الإحصائية.

بمجرد النقر على الأيقونة المذكورة، يقوم إكسل بتوليد كائن المخطط على شكل طبقة رسومية عائمة فوق ورقة العمل الحالية، معتمداً على الإعدادات الافتراضية للنظام من حيث الألوان ونوع الخط وأبعاد المحاور، وهو ما يمثل النسخة المبدئية الخام التي تحتاج إلى معالجة هيكلية وتنسيقية متقدمة.

4.3 الفحص المبدئي للمخطط المتولد تلقائياً

يتعين على المحلل عند ظهور المخطط الافتراضي إجراء فحص نقدي فوري لمعرفة الكيفية التي فسر بها إكسل أبعاد المصفوفة البيانية. يعتمد البرنامج على خوارزميات إرشادية داخلية تهدف إلى محاولة تخمين أي المتغيرات يجب أن تشكل المحاور وأيها يجب أن تشكل السلاسل الملونة، وغالباً ما يستند في ذلك إلى عدد الصفوف مقارنة بعدد الأعمدة في النطاق المحدد.

يشمل الفحص التأكد من أن الفئات الرئيسية قد استقرت على المحور الرأسي (المحور الصادي Y-axis)، وأن الفئات الفرعية قد تم تمثيلها كشرائح ملونة مكدسة داخل الأشرطة الأفقية، مع ظهورها في مفتاح الرسم (Legend). فإذا تبين أن البرنامج قد عكس التوزيع، كأن يضع الفئات الفرعية على المحور الرأسي ويحول الفئات الرئيسية إلى شرائح مكدسة، فإن ذلك يعني قراءة معكوسة للمصفوفة تتطلب تصحيحاً هيكلياً فورياً.

كذلك يجب فحص التوزيع الهندسي للأشرطة؛ وملاحظة وجود أية فئات مقطوعة، أو تداخل غير متسق في الخطوط التوجيهية، أو اختلال في استيعاب التسميات الطويلة. يمثل هذا التقييم المبدئي الأساس الذي تبنى عليه الخطوات التصحيحية اللاحقة لإعادة هيكلة وضبط أبعاد المخطط للوصول به إلى الصورة المعيارية المستهدفة.

5. الخطوة الثالثة: ضبط الأبعاد وتبديل الصفوف والأعمدة

5.1 آلية تبديل الصفوف والأعمدة (Switch Row/Column)

تُعد أداة “تبديل الصفوف والأعمدة” (Switch Row/Column) إحدى أهم الأدوات الجوهرية لمعالجة وتعديل الأبعاد الإحصائية للمخططات في إكسل. عندما يخطئ البرنامج في تفسير محاور المصفوفة، أو عندما يرغب الباحث في تحويل زاوية التحليل من التركيز على الفئات الرئيسية ككتل مستقلة إلى مقارنة الفئات الفرعية، يُصبح التبديل الإجرائي أمراً واجباً ومباشراً.

للوصول إلى هذه الآلية، يتم النقر بالزر الأيمن للفأرة في أي مساحة خالية داخل حدود المخطط واختيار “تحديد البيانات” (Select Data) من القائمة السياقية، أو التوجه مباشرة إلى تبويب “تصميم المخطط” (Chart Design) المنبثق في الشريط العلوي أثناء تحديد المخطط، ثم النقر على زر “تبديل الصف/العمود”. تقوم هذه الوظيفة بعكس تموضع محاور المصفوفة برمجياً؛ بحيث تتحول رؤوس الأعمدة إلى تسميات للمحور الرأسي، بينما تتحول عناصر العمود الأول إلى سلاسل بيانات مكدسة في وسيلة الإيضاح، أو العكس بالعكس.

من الناحية التحليلية، يغير هذا الإجراء البسيط المنظور السردي للرسم البياني تغييراً جذرياً؛ إذ يعيد صياغة الأسئلة البحثية التي يجيب عنها المخطط. لذا، ينبغي التحقق بعد الضغط على هذا الأمر من أن البنية البصرية الجديدة تتطابق تماماً مع الفرضية المستهدفة من الدراسة، وتخدم إبراز العلاقات التراكمية بأكبر قدر من الوضوح الإحصائي دون قلب أولويات العرض البياني.

5.2 إعادة هيكلة المحور الرأسي وسلاسل البيانات

عقب إتمام التبديل الأولي للأبعاد، تبرز الحاجة إلى ضبط هيكلي دقيق للمحور الرأسي وسلاسل البيانات المكونة للأشرطة. في المخطط الشريطي الأفقي السليم، يجب أن يستقر المتغير الفئوي الرئيسي المستقل على المحور الرأسي (Category Axis)، ليعمل كمرتكز تنظيمي تقرأ منه العين أفقياً باتجاه اليمين أو اليسار وفق لغة التقرير وسياقه الثقافي والعلمي.

يجب التأكد من أن السلاسل الممثلة للمتغيرات الفرعية تظهر كشرائح متراصة داخل كل شريط دون فجوات أو تراكب مشوه. في حال وجود تصنيفات هرمية متعددة المستويات، مثل احتواء العمودين A و B على مستويين تصنيفيين متداخلين، يجب فحص مربع حوار “تحديد مصدر البيانات” والتأكد من تحديد المستويين معاً ضمن نطاق “تسميات المحور الأفقي/الرأسي” لتفعيل خاصية التصنيف متعدد المستويات (Multi-Level Category Labels)، والتي تتيح لإكسل رسم أقواس تصنيفية جامعة تُظهر التبعية الإدارية أو التصنيفية للمجموعات بدقة ووضوح فائقين.

يتعين كذلك مراجعة ترتيب سلاسل البيانات داخل نافذة “تحديد البيانات”؛ حيث يوفر إكسل أزرار توجيه رأسية (تحريك لأعلى / تحريك لأسفل) تتحكم في ترتيب السلاسل. يؤثر هذا الترتيب بصورة مباشرة على مكان تموضع الشريحة داخل الشريط المكدس؛ فالسلسلة التي تتصدر القائمة هي التي تستقر عند خط الأساس مباشرة، في حين تتكدس السلاسل المتتالية فوقها، وهو ما يفرض ترتيبها بمنهجية تراعي التدرج المنطقي للظاهرة.

5.3 معالجة ترتيب الفئات على المحور الرأسي

يعاني برنامج إكسل من سلوك افتراضي عتيق ومربك في طريقة عرض الفئات على المحور الرأسي للمخططات الشريطية؛ حيث يقوم البرنامج بقراءة البيانات من الجدول من أعلى إلى أسفل، ولكنه يرسمها على المحور الرأسي بترتيب مقلوب يبدأ من أسفل إلى أعلى. يؤدي ذلك إلى ظهور الفئة الأولى في الجدول كآخر شريط في أسفل المخطط، بينما تظهر الفئة الأخيرة في أعلى الرسم، وهو ما يتعارض تماماً مع الترتيب المنطقي للبيانات ويثير ارتباك القارئ الأكاديمي.

لتصحيح هذا الخلل التقني الشائع، يتم النقر مرتين بالزر الأيسر للفأرة مباشرة على المحور الرأسي لفتح لوحة “تنسيق المحور” (Format Axis) في الجانب الجانبي من الواجهة. وضمن قسم “خيارات المحور” (Axis Options)، يتم البحث عن خانة الاختيار المسماة “فئات بترتيب عكسي” (Categories in reverse order) وتفعيلها بوضع علامة صح داخلها.

بمجرد تفعيل هذا الخيار، يُعيد إكسل ترتيب الفئات ليطابق تماماً تسلسلها الأصلي في جدول البيانات، بحيث تستقر الفئة الأولى في أعلى المخطط. غير أن هذا الإجراء يتسبب تلقائياً في نقل المحور الأفقي (القيم الرقمية) من أسفل المخطط إلى أعلاه؛ ولإعادة المحور الأفقي إلى موضعه الطبيعي في الأسفل، يتم الانتقال إلى خيار “تقاطع المحور الأفقي” (Horizontal axis crosses) داخل نفس اللوحة واختيار “عند أقصى فئة” (At maximum category). يضمن هذا الإجراء المزدوج استعادة الاستقرار الهندسي السليم والتوافق الأكاديمي المتعارف عليه للمخططات الإحصائية.

6. الخطوة الرابعة: التخصيص البصري وتعزيز المقروئية

6.1 صياغة وتنسيق العناوين والمحاور بدقة

يمثل العنوان البوابة التفسيرية الأولى لأي مخطط إحصائي؛ لذا، يجب الابتعاد التام عن العناوين العامة الغامضة مثل “رسم بياني رقم 1” أو “المبيعات السنوية”، واستبدالها بعنوان علمي تركيبي يوضح المتغيرات المستقلة والتابعة والعلاقة التراكمية المرصودة. ينبغي أن يجيب العنوان بدقة عن الأسئلة المنهجية الجوهرية: ماذا تمثل البيانات؟ وأين جُمعت؟ وما هو النطاق الزمني للدراسة؟ ومثال ذلك: “التوزيع التراكمي لموازنات الأقسام البحثية في جامعة الملك سعود موزعة حسب بنود الصرف للفترة 2020-2023”.

وعلى صعيد المحاور، يجب أن يتضمن المحور الأفقي تسمية واضحة تعكس المتغير الكمي مصحوباً بوحدة القياس الدقيقة بين قوسين، مثل: “حجم الإنفاق السنوي (بملايين الريالات)” أو “أعداد الحالات المسجلة (لكل 100 ألف نسمة)”. إن إغفال وحدات القياس يترك الرسم مفتوحاً للتأويلات الشخصية، مما يفقده قيمته كأداة إثبات إحصائي دقيقة في الأبحاث والتقارير العلمية الرصينة.

وفيما يتعلق بالطباعة والتيبوغرافيا (Typography)، يجب توحيد عائلة الخطوط عبر كامل المخطط، مع تفضيل الخطوط القياسية المحايدة الواضحة مثل (Calibri، Arial، Segoe UI) للواجهات الإنجليزية، والخطوط الرسمية المقروءة مثل (Simplified Arabic أو Sakkal Majalla) للنصوص العربية. ويجب مراعاة التدرج الحجمي الهرمي: بحيث يُخصص الحجم (14-16 نقطة) للعنوان الرئيسي مع تنشيط خاصية التغميق (Bold)، والحجم (10-11 نقطة) لتسميات المحاور، والحجم (9-10 نقاط) لتسميات الفئات والقيم الداخلية، لضمان وضوحها التام عند التصغير أو الطباعة.

6.2 ضبط التباعد الهندسي للأشرطة (Gap Width)

تتحكم النسبة الهندسية بين سماكة الأشرطة المكدسة والمسافات الفاصلة بينها في تحقيق التوازن الإدراكي للعين أثناء استعراض المخطط. يفرز إكسل بصورة افتراضية فراغات بينية واسعة تجعل الأشرطة تبدو نحيلة ومعزولة، مما يعيق إدراك التغيرات التراكمية الإجمالية ككتلة مقارنة متماسكة.

لإعادة ضبط هذه الأبعاد، يتم النقر بالزر الأيمن على أي شريط من سلاسل البيانات واختيار “تنسيق سلسلة البيانات” (Format Data Series). في لوحة الخيارات، يتم الانتقال إلى رمز “خيارات السلسلة” حيث يظهر مؤشران حاسمان: “تراكب السلاسل” (Series Overlap) و”عرض الفجوة” (Gap Width). في المخططات المكدسة، يجب أن يكون تراكب السلاسل دائماً ومطلقاً عند نسبة (100%) لضمان تلاحم القطاعات وتكديسها في خط شريطي مستمر دون تجاور مادي غير مرغوب.

أما بالنسبة لمؤشر “عرض الفجوة”، فإن المعايير التصميمية الأكاديمية توصي بضبط قيمته ضمن نطاق يتراوح بين (50% إلى 80%)، مقارنة بالقيمة الافتراضية المفرطة التي تبلغ عادة (150%). يؤدي تقليص عرض الفجوة إلى زيادة العرض الفيزيائي للشريط، مما يمنحه وزناً بصرياً مريحاً يسهل من عملية قراءة المقاطع المكدسة، ويتيح مساحة هندسية كافية لاستيعاب النصوص والتسميات الرقمية الداخلية دون تداخل أو تشويه.

6.3 إدراج وتنسيق تسميات البيانات (Data Labels)

تعد تسميات البيانات الرقمية (Data Labels) عنصراً حيوياً في المخططات المكدسة؛ نظراً لأنها تحرر القارئ من عناء إسقاط حدود الشرائح العائمة يدوياً على المحور الأفقي لتقدير أحجامها غير الدقيقة. لإضافة التسميات، يتم النقر على المخطط والضغط على زر “عناصر المخطط” (علامة + الخضراء)، ثم تفعيل خيار “تسميات البيانات” مع ضبط موضعها ليكون في “الوسط” (Center) داخل كل شريحة فرعية.

يتطلب إدراج التسميات حساً تصميمياً مرهفاً يضمن تباين لون الخط مع لون خلفية الشريحة الحاضنة له؛ فالخطوط السوداء تصبح مستحيلة القراءة فوق الشرائح ذات الألوان الداكنة، والخطوط البيضاء تختفي فوق الشرائح الفاتحة. لذا، يجب تخصيص لون الخط لكل سلسلة بشكل مستقل لضمان تباين بصري كافٍ يلبي معايير إمكانية الوصول والرؤية الواضحة (Contrast Ratio).

في الحالات التي تشتمل على شرائح متناهية الصغر ناتجة عن قيم منخفضة للغاية، تبرز معضلة التداخل النصي؛ حيث تتكدس الأرقام فوق بعضها لتشكل بقعاً حبرية مشوهة. يتعين هنا على المحلل التدخل يدوياً بالنقر الفردي على التسمية الفائضة عن الحاجة وحذفها، أو إزاحتها قليلاً خارج الشريط مع تفعيل “خطوط التوجيه” (Leader Lines)، أو الاكتفاء بعرض التسميات للشرائح الكبيرة المؤثرة، حمايةً للمخطط من التلوث البصري.

6.4 تنظيم وتنسيق وسيلة الإيضاح (Legend)

تؤدي وسيلة الإيضاح (مفتاح الرسم) وظيفة فك الشفرة اللونية للمخطط؛ حيث تربط كل لون بالفئة الفرعية المناظرة له. ولكن، غالباً ما يضع إكسل وسيلة الإيضاح في الجانب الأيمن أو الأيسر من المخطط، مما يقتطع مساحة عرضية ثمينة تضغط الأشرطة الأفقية وتجعلها قصيرة، فضلاً عن إرهاق حركة العين أثناء البحث والتنقل المستمر بين المفتاح والشريط.

تقتضي أفضل الممارسات الأكاديمية وضع وسيلة الإيضاح في “الأعلى” (Top) مباشرة تحت العنوان الرئيسي وفوق منطقة الرسم، وتنسيقها في سطر أفقي موحد. يتيح هذا التموضع استخدام العرض الكامل لمساحة الرسم للأشرطة المكدسة، ويقلل المسافة البصرية الفاصلة بين التسمية الرمزية والمقاطع البيانية.

علاوة على ذلك، يجب التحقق من أن الترتيب الأفقي لعناصر وسيلة الإيضاح يتطابق تماماً وبشكل صارم مع الترتيب التسلسلي لظهور المقاطع المكدسة داخل الأشرطة (من اليمين إلى اليسار أو من اليسار إلى اليمين وفق اتجاه القراءة). إن وجود تباين بين ترتيب الألوان في المفتاح وترتيب الشرائح في الأشرطة يولد تشويشاً إدراكياً مضاعفاً، ويجبر القارئ على التوقف وإعادة التدقيق، مما يعرقل عملية الاستيعاب السلس للأرقام المعروضة.

7. نظرية الألوان وإمكانية الوصول في المخططات المكدسة

7.1 اختيار لوحات الألوان المتوافقة أكاديمياً

تخضع الألوان في التصور الإحصائي الصارم لوظيفة دلالية حصرية تتجاوز التزيين الجمالي؛ فالألوان هي أدوات لتشفير المعلومات والبيانات. تعتمد المخططات المكدسة على تقسيم بنيوي يتطلب انتقاءً علمياً للوحة الألوان (Color Palette) بحسب طبيعة المتغيرات التابعة؛ فإذا كانت الفئات الفرعية تمثل متغيراً ترتيبياً ذا تدريج تصاعدي أو تنازلي (مثل: غير موافق بشدة، غير موافق، محايد، موافق، موافق بشدة)، يجب الاعتماد حصراً على التدرجات اللونية المتسلسلة (Sequential Palettes) بلون أحادي متدرج في الكثافة والسطوع، للدلالة بصرياً على تصاعد الرتبة.

أما إذا كانت الفئات الفرعية تمثل متغيرات اسمية نوعية مستقلة لا تحمل ترتيباً مفاضلاً (مثل: الأقسام العلمية: فيزياء، كيمياء، أحياء، رياضيات)، فيجب استخدام لوحة ألوان نوعية متباينة (Qualitative Palette) ذات تدرجات لونية مميزة وواضحة، مع الحفاظ على تناغم مستويات الإشباع والسطوع لكي لا يظهر أحد الألوان كأنه أكثر أهمية من غيره دون مبرر إحصائي.

يجب التخلي تماماً عن استخدام الألوان الفاقعة والنيونية شديدة التشبع التي تسبب إجهاداً حسياً للعين (Visual Fatigue)، والابتعاد عن اللوحات الافتراضية المتوهجة؛ واستبدالها بدرجات هادئة ومحايدة تعزز الطابع الأكاديمي الرصين للتقرير وتوجه تركيز القارئ نحو الأنماط الإحصائية لا نحو بهرجة التصميم، وهو ما أشارت إليه دراسات توظيف التكنولوجيا التفاعلية والوسائط في بناء المفاهيم التحليلية والرياضية الدقيقة (McNamara, 2016).

7.2 مراعاة إمكانية الوصول لمرضى عمى الألوان

تفرض المعايير الدولية المعاصرة لإمكانية الوصول الرقمي وتصميم البيانات (Universal Design Principles) ضرورة ضمان مقروئية المخططات البيانية لكافة فئات المجتمع، بما في ذلك الأفراد الذين يعانون من اضطرابات رؤية الألوان (عمى الألوان)، والذين يشكلون قرابة 8% من الذكور و0.5% من الإناث على مستوى العالم، وتعد متلازمة الدالتونية بنوعيها (Deuteranopia و Protanopia) الأكثر انتشاراً، حيث يعجز المصابون بها عن التمييز بين درجات الأحمر والأخضر.

يُعد الجمع المتزامن بين اللونين الأحمر والأخضر داخل نفس المخطط الشريطي المكدس خطأً فادحاً في التصميم الإحصائي؛ إذ يتحول هذان اللونان في الإدراك البصري للشخص المصاب إلى درجات بنية أو رمادية متطابقة لا يمكن التفريق بينها. ولمنع هذا العائق، يجب استخدام أزواج لونية بديلة تضمن التباين الفسيولوجي التام، مثل الدمج بين الأزرق والبرتقالي، أو الأزرق والأصفر، وهي توليفات تظل واضحة ومقروءة عبر مختلف أطياف الرؤية البشرية.

ولتعزيز إمكانية الوصول بشكل مطلق، يُنصح بتطبيق مبدأ “الترميز المزدوج” (Redundant Encoding)، والذي يتضمن دعم الفروق اللونية بوسائط تمييز غير لونية؛ مثل إضافة أنماط تظليل هندسية خفيفة (Pattern Fills: خطوط مائلة، نقاط، شبكات) لكل مقطع داخل الشريط من خلال خيارات التعبئة في إكسل. هذا الأسلوب يضمن قابلية قراءة المخطط بدقة واستيعاب فئاته بصورة مستقلة تماماً عن القدرة على رؤية الألوان.

7.3 التحويل للطباعة بتدرجات الرمادي (Monochrome)

تتطلب العديد من المجلات الأكاديمية المحكمة والمطبوعات الإدارية الرسمية طباعة الأبحاث والتقارير بتدرجات الرمادي والأسود (Grayscale) لخفض التكاليف الطباعية أو الالتزام بنمط دور النشر. وفي حال لم يكن المخطط الملون مصمماً ومعداً بعناية لمواجهة هذا التحول، فإنه يتحول عند الطباعة إلى شريط رمادي مصمت متداخل يتعذر التمييز بين مقاطعه وفئاته الفرعية.

لاختبار هذا العامل، يجب على الباحث تقييم وضوح المخطط عبر تحويله تجريبياً إلى وضع تدرجات الرمادي. يتطلب ذلك التحكم الصارم في قيم الإضاءة والسطوع (Luminance) الخاصة بكل شريحة ملونة؛ بحيث يتم التباعد بين درجات السطوع بمقدار لا يقل عن 20-30% بين كل مقطع ومقطع يليه، مما يضمن ظهور كل شريحة بدرجة رمادية مستقلة تماماً تتراوح من الرمادي الشاحب جداً إلى الأسود الفحمي.

تتمثل إحدى الحيل التقنية الرفيعة لتأكيد الفصل بين المقاطع المكدسة في إكسل في إضافة حدود فاصلة رقيقة (Thin Borders) بلون أبيض موحد وبعرض (1 إلى 1.5 نقطة) تحيط بكل سلسلة بيانات. تعمل هذه الخطوط البيضاء كفواصل بصرية حاسمة تمنع اندماج المقاطع المتجاورة عند الطباعة بتدرجات الرمادي، وتمنح المخطط مظهراً هندسياً أنيقاً وبالغ الاحترافية في النسخ المطبوعة والرقمية على حد سواء.

8. التحليل المتقدم: المخطط الشريطي المكدس بنسبة 100%

8.1 الفروق الجوهرية بين المخطط المطلق والمخطط النسبي

يمثل المخطط الشريطي المكدس بنسبة 100% (100% Stacked Bar Chart) امتداداً تحليلياً متقدماً للمخطط المكدس التقليدي، غير أنهما يفترقان بصورة جذرية في الغايات والأهداف الإحصائية. يعتمد المخطط التقليدي على تمثيل القيم الكمية المطلقة، فتتفاوت الأطوال الكلية للأشرطة لتعكس حجم الظاهرة الإجمالي بجانب مكوناتها. في المقابل، يقوم المخطط النسبي بتثبيت كافة الأشرطة عند طول هندسي متطابق يعادل 100% تماماً بصرف النظر عن التباين في أحجامها الإجمالية الخام.

تتحول الوظيفة الإدراكية للمخطط النسبي بالكامل نحو التركيز الحصري على “التكوين الداخلي” (Relative Composition) والحصص النسبية لكل فئة فرعية كجزء من الكل. يكتسب هذا النمط تفوقاً تحليلياً حاسماً عندما يكون الهدف هو مقارنة التوزيعات الهيكلية عبر مجموعات متباينة بشدة في أحجام العينات؛ فعلى سبيل المثال، يصعب في المخطط التقليدي مقارنة التوزيع السكاني لمدينة يقطنها 10 ملايين نسمة مع بلدة صغيرة يقطنها 50 ألف نسمة لأن شريط الأولى سيبتلع شريط الثانية بصرياً، بينما يتيح المخطط النسبي وضعهما على خط مقارنة موحد لاستكشاف البنية العمرية لكليهما بموضوعية تامة.

بيد أن هذا التجريد النسبي ينطوي على تضحية تحليلية لا يمكن تجاهلها؛ وهي الفقدان التام للتمثيل البصري للحجم الإجمالي الحقيقي للبيانات (Loss of Absolute Scale). فالأشرطة متساوية الطول قد تعطي انطباعاً زائفاً بتساوي الكتل الإجمالية إذا لم يكن المتلقي مدرباً على قراءة دلالات هذا النمط أو لم يتم تعزيزه بإحصاءات توثيقية مساندة.

8.2 خطوات التحويل إلى مخطط مكدس بنسبة 100% في إكسل

يتميز برنامج إكسل بمرونة فائقة تمكن المحلل من التحويل السلس بين المخطط المطلق والمخطط النسبي المئوي دون الحاجة إلى إعادة صياغة مصفوفة البيانات أو حساب النسب المئوية يدوياً داخل خلايا الجدول، حيث يتولى المحرك الحسابي للبرنامج تنفيذ عملية التطبيع الرياضي (Mathematical Normalization) خلف الكواليس وبصورة فورية.

لتنفيذ هذا التحويل، يتم النقر بالزر الأيمن على المخطط الشريطي المكدس القائم واختيار “تغيير نوع المخطط” (Change Chart Type) من القائمة المنسدلة. ومن نافذة تغيير المخططات، يتم التوجه إلى فئة “شريط” (Bar)، واختيار النمط الثالث وهو “شريط مكدس بنسبة 100%” (100% Stacked Bar)، ثم الضغط على “موافق”. يقوم البرنامج فوراً بتمديد كافة الأشرطة لتشغل كامل عرض منطقة الرسم بنسبة متساوية، مع إعادة تقسيم الشرائح الداخلية لتمثل نسباً مئوية يبلغ مجموعها 100% لكل شريط.

عقب إتمام هذا التحول، يتحول المحور الأفقي تلقائياً لعرض تدريجات مئوية تتراوح من (0% إلى 100%). يجب على الباحث حينئذٍ مراجعة تنسيق تسميات البيانات؛ فإذا كانت التسميات تُظهر القيم المطلقة السابقة، يمكن تعديلها عبر نافذة “تنسيق تسميات البيانات” وتفعيل خيار “النسبة المئوية” (Percentage) وإلغاء خيار “القيمة” (Value) لضمان اتساق القراءات المعروضة فوق الشرائح مع تدريج المحور الأفقي العام.

8.3 تفسير العلاقات التوزيعية والمفاضلة البحثية

يتيح المخطط المكدس بنسبة 100% استنباط استنتاجات تحليلية عميقة تتعلق بالتحولات البنيوية للظواهر عبر فئات الدراسة أو عبر الزمن؛ فهو يكشف ببراعة كيف تتآكل حصة فئة فرعية معينة لصالح فئة أخرى مع تغير المتغير الرئيسي، دون أن يتأثر هذا الاستنتاج بالتذبذب في الإجمالي العام. يُستخدم هذا النمط على نطاق واسع في تحليل مقاييس ليكرت (Likert Scales) في بحوث العلوم الاجتماعية والسلوكية لمقارنة مستويات الرضا والاتجاهات بين الفئات الديموغرافية المتعددة.

ولمعالجة مشكلة ضياع الدلالة الكمية لحجم العينات الكلي في هذا المخطط، يفرض المنهج العلمي المحكم على الباحثين تضمين القيمة الإجمالية المطلقة لحجم كل فئة (N = Sample Size) بجوار تسمية الفئة على المحور الرأسي مباشرة (مثال: “قسم الهندسة (N = 1,420)”). يمنح هذا التوثيق القارئ سياقاً حقيقياً لتقييم مدى صلابة النسبة المئوية المعروضة وثقلها الإحصائي الفعلي.

تتمثل المفاضلة المنهجية بين النموذجين في تحديد جوهر الرسالة المستهدفة؛ فإذا كانت الغاية البحثية هي تقييم الأحجام الإجمالية ومقارنة القدرات الكمية المطلقة، فإن المخطط المكدس التقليدي هو الخيار المحتوم. أما إذا كانت الغاية محصورة في تفكيك الهيكل النسبي واستكشاف التباين في المكونات الداخلية بغض النظر عن الحجم الخام، فإن المخطط المكدس بنسبة 100% يوفر كفاءة بصرية وتفسيرية لا تضاهى.

9. المشكلات الشائعة والحلول التقنية والمنهجية

9.1 معالجة صعوبة مقارنة الشرائح الداخلية

تتمثل المعضلة الكبرى المتأصلة في هندسة المخططات الشريطية المكدسة في الصعوبة الإدراكية البالغة لمقارنة أطوال الشرائح الداخلية (Intermediate Segments) الواقعة بين الشريحة الأولى والشريحة الأخيرة عبر مختلف الأشرطة. ونظراً لأن هذه المقاطع الوسطى تنطلق من خطوط أساس عائمة ومتغيرة الارتفاع، فإن الحكم البصري عليها يعتمد على تقدير الطول غير المحاذي، وهو ما يولد نسبة خطأ في الإدراك تتجاوز ضعف نسبة الخطأ المسجلة عند مقارنة الأشرطة المستندة إلى خط أساس ثابت، كما أكدته تجارب كليفلاند وماكجيل الشهيرة.

لمعالجة هذا القصور المنهجي، يتوفر أمام الباحث مساران تقنيان: المسار الأول هو إعادة الترتيب الاستراتيجي لسلاسل البيانات؛ بحيث يتم وضع الفئة الفرعية التي تمثل بؤرة الاهتمام التحليلي الرئيسي للدراسة كأول سلسلة ملاصقة لخط الأساس تماماً، مما يمنحها ميزة المحاذاة المشتركة ويرفع دقة استيعابها ومقارنتها إلى أقصى حد ممكن.

أما المسار الثاني، فيتمثل في توظيف “خطوط السلسلة” (Series Lines). يمكن تفعيل هذه الخاصية في إكسل بتحديد المخطط، ثم النقر على “تصميم المخطط”، واختيار “إضافة عنصر مخطط” ثم “خطوط” وأخيراً “خطوط السلسلة”. تقوم هذه الأداة برسم خطوط بيانية رفيعة تربط بين حواف نفس الفئة الفرعية عبر كافة الأشرطة المتتالية، مما يسهل على العين تتبع تمدد وانكماش المقاطع الوسطى بدقة تشابه قراءة المخططات المساحية، ويقلل من تشتت الإدراك البصري.

9.2 تحديات القيم الصفرية والفئات غير المتساوية

يؤدي ظهور القيم الصفرية (Zero Values) في مصفوفة البيانات إلى ارتباك تقني وبصري ملحوظ داخل المخططات المكدسة؛ فالشريحة ذات القيمة صفر لا تشغل أي مساحة هندسية في الشريط (عرضها صفر بكسل)، ومع ذلك يقوم إكسل بمحاولة إظهار تسمية البيانات الرقمية الخاصة بها (“0”)، مما يؤدي إلى تراكم الرقم صفر فوق تسميات الشرائح المجاورة مسبباً تداخلاً نصياً غير مقروء يشوه المظهر الأكاديمي للعرض.

يتمثل الحل الجذري والأنيق لهذه المشكلة في استخدام التنسيق الرقمي المخصص (Custom Number Formatting) لإخفاء الأصفار برمجياً من المخطط دون مساس بها في جدول البيانات الأصلي. يتم النقر بالزر الأيمن على تسميات البيانات، واختيار “تنسيق تسميات البيانات”، ثم التوجه إلى قسم “رقم” (Number). وضمن خانة “رمز التنسيق” (Format Code)، يتم إدخال الرمز المعياري التالي:

#,##0;-#,##0;

يعتمد هذا الكود البرمجي على المنطق الثلاثي لإكسل (موجب; سالب; صفر)؛ وبترك المساحة المخصصة للصفر خالية بعد الفاصلة المنقوطة الثانية، يتلقى البرنامج أمراً صريحاً بعرض الأرقام الموجبة والسالبة بشكل طبيعي، وحجب وإخفاء القيمة صفر تماماً من الظهور البصري فوق منطقة الرسم، مما يؤدي فورياً إلى إزالة كافة التسميات المتداخلة وتنظيف المخطط تماماً.

9.3 الخلل في تحديث البيانات تلقائياً وتصحيحه

يواجه الكثير من الباحثين مشكلة تقنية متكررة تتمثل في “انفصال المخطط عن البيانات الجديدة”؛ حيث يتم إدراج صفوف أو فئات جديدة في ورقة العمل دون أن تنعكس تلقائياً على المخطط الشريطي القائم، مما يولد تقارير ناقصة ومضللة. تنشأ هذه المشكلة عندما يكون المخطط مبنياً على “نطاق خلايا ثابت ومطلق” (Static Range) لا يمتلك قابلية التمدد الذاتي.

يتمثل الحل الوقائي الأمثل كما أسلفنا في تحويل النطاق مسبقاً إلى جدول رسمي (Excel Table)، ولكن إذا كان ذلك متعذراً لأسباب هيكلية تتعلق بتصميم النموذج المالي أو الإحصائي، فيمكن تصحيح المسار يدوياً عبر فتح نافذة “تحديد مصدر البيانات” وتعديل حدود نطاق الخلايا لدمج الصفوف والأعمدة المستحدثة.

أما في النماذج الإحصائية المعقدة الموجهة للتقارير الآلية (Automated Dashboards)، فيتم تصحيح الخلل عبر بناء “نطاقات ديناميكية مسماة” (Dynamic Named Ranges) باستخدام الدوال المرجعية المتقدمة مثل OFFSET مقترنة بالدالة COUNTA، أو استخدام التوليفة الأحدث والأكثر استقراراً المعتمدة على دالتي INDEX و MATCH. تتيح هذه الصيغ الرياضية لحواف النطاق أن تتمدد وتتقلص برمجياً بصورة ديناميكية وفق حجم البيانات الفعلي، مما يضمن تدفق التحديثات إلى المخطط الشريطي المكدس بشكل آلي دون أي تدخل بشري يدوي متكرر.

10. أفضل الممارسات الأكاديمية لتوثيق وتصدير المخطط

10.1 التوثيق الإحصائي وإسناد البيانات داخل العرض

لا يكتمل المخطط البياني في المنظور الأكاديمي الرصين دون توثيق إحصائي وإسنادي صارم يحدد مرجعية الأرقام وحدودها التجريبية. يجب إدراج حاشية توثيقية سفلية (Footnote/Caption) تستقر تحت منطقة الرسم مباشرة، متضمنة المصدر الأصلي للبيانات (Data Source)، واسم المؤسسة أو المسح الميداني الصادر عنها، والتاريخ الدقيق لجمع واستخراج البيانات الممثلة.

يتعين كذلك تدوين الحجم الإجمالي لعينة الدراسة (N Total) بصورة واضحة، مع الإشارة إلى أحجام العينات الفرعية في حال وجود تباين ملحوظ في معدلات الاستجابة. وإذا كانت البيانات قد خضعت لأية معالجات إحصائية استباقية مثل: الترجيح الإحصائي (Statistical Weighting)، أو الاستبعاد المنهجي للقيم المتطرفة الشاذة (Outlier Removal)، أو تقنيات الإحلال الرياضي للقيم المفقودة (Imputation)، فيجب ذكر هذه الإجراءات باقتضاب علمي في الهامش لتمكين القارئ من تقييم مدى موثوقية العلاقات الموضحة.

تسهم هذه التوثيقات الدقيقة في ترسيخ الشفافية والنزاهة العلمية للبحث، وتحمي المحلل من الاتهام بالتضليل أو التفسير الانتقائي للنتائج؛ إذ تحول الرسم البياني من مجرد مادة مصمتة إلى وثيقة إحصائية متكاملة العناصر وقابلة للتحقق المنهجي المتبادل والمراجعة الأكاديمية الرصينة.

10.2 تصدير المخطط بدقة عالية للتقارير والأبحاث

تفقد العديد من الرسوم البيانية جودتها وأناقتها عند تصديرها من إكسل إلى برامج معالجة النصوص أو برامج النشر المكتبي؛ حيث يؤدي أخذ لقطات شاشة عادية (Screenshots) إلى تحويل المخطط إلى صورة نقطية رديئة ومنخفضة الدقة (Raster Graphics) تتشوه وتصبح ضبابية تماماً بمجرد تكبيرها أو طباعتها على الورق.

لضمان تصدير المخطط بدقة طباعية متناهية تفي بالمعايير الصارمة لدور النشر العالمية، يجب نسخ المخطط من إكسل ولصقه في معالج النصوص مايكروسوفت وورد (Microsoft Word) باستخدام خاصية “الارتباط والاحتفاظ بتنسيق المصدر” (Link & Keep Source Formatting)، مما يحافظ على المخطط ككائن رسومي متجهي (Vector Object) يمكن تكبيره لأي حجم دون أدنى فقدان في الدقة والحدة، فضلاً عن تحديثه التلقائي عند تعديل بيانات إكسل.

وفي حال الرغبة في تصديره كملف صورة مستقل، يجب حفظه بصيغة الملف المحسن عالي الدقة (Enhanced Metafile – .EMF) أو بصيغة الرسومات المتجهة القابلة للتطوير (Scalable Vector Graphics – .SVG) من خلال خيار “حفظ كصورة” (Save as Picture) المتوفر في الإصدارات الحديثة من إكسل. تضمن هذه الصيغ المتجهة ثبات خطوط الرسم والنصوص وتدرجات الألوان بجودة النشر المكتبي الاحترافي (300 DPI فأعلى)، مما يلبي متطلبات الإخراج الفني للمجلات العلمية والمؤتمرات الدولية المرموقة.

10.3 قائمة التحقق المنهجية قبل اعتماد المخطط النهائي

تقتضي الرصانة الأكاديمية إخضاع المخطط الشريطي المكدس النهائي لعملية تدقيق ومراجعة شاملة (Pre-flight Audit Checklist) قبل اعتماده رسمياً وإدراجه في متن التقرير أو الأطروحة العلمية. تهدف هذه المراجعة إلى رصد أية ثغرات فنية أو إحصائية قد تسللت أثناء خطوات البناء والتخصيص المتعددة.

يجب أن تشمل قائمة التحقق النقاط المنهجية الجوهرية التالية:

• التطابق الحسابي: التحقق من أن مجموع أطوال الشرائح المكدسة يتطابق تماماً وبلا أي انحراف مع المجاميع الإجمالية المحسوبة في الجدول الأصلي.
• اتساق وسيلة الإيضاح: التأكد من تطابق التسلسل اللوني في وسيلة الإيضاح مع الترتيب المادي لتسلسل الشرائح داخل الأشرطة الأفقية.
• المحاذاة المترية: التأكد من انطلاق كافة الأشرطة من خط أساس مشترك وموحد عند القيمة الصفرية بدقة مطلقة، وتصحيح الترتيب المقلوب للفئات الرأسية.
• إمكانية القراءة المستقلة: اختبار قدرة المخطط على توصيل رسالته التفسيرية الكاملة بشكل مستقل ودون حاجة ماسة للرجوع إلى متن النص لشرح رموزه ومحاوره.
• خلو المخطط من التشوهات: التأكد المطلق من خلو التصميم من التأثيرات ثلاثية الأبعاد الوهمية، والظلال الجانبية، والألوان الفاقعة المتصادمة التي تربك التحليل الرصين.

إن الالتزام الصارم بقائمة التحقق هذه يضمن للمحلل والباحث إنتاج مخطط شريطي مكدس ذي فئات فرعية يجمع بين متانة البناء الإحصائي وأناقة التواصل البصري، محققاً أعلى معايير الجودة المعرفية في تقديم وتداول البيانات العلمية المعقدة.

خاتمة

يمثل المخطط الشريطي المكدس مع الفئات الفرعية أداة إحصائية وبصرية متقدمة تجمع بين الإحاطة الشاملة بالمجاميع التراكمية والتفكيك التحليلي الدقيق للمكونات الهيكلية الصغرى. وقد تبين من خلال المعالجة النظرية والتقنية المفصلة أن النجاح في توظيف هذه الأداة داخل بيئة مايكروسوفت إكسل يتطلب انضباطاً صارماً ينطلق من فهم قوانين الإدراك البصري لهرمية كليفلاند وماكجيل، ويستند إلى إعداد مصفوفات بيانات متجانسة وخالية من الفجوات والتناقضات المترية.

إن بناء العرض البياني المتميز لا ينتهي بمجرد إدراج الشكل الافتراضي من شريط الأدوات، بل يتطلب مساراً تطبيقياً منظماً يشمل إعادة هيكلة المحاور المعكوسة، وضبط التباعدات المكانية لعرض الفجوات، وتوظيف لوحات الألوان المتوافقة مع معايير إمكانية الوصول، وتطبيق التنسيقات الرقمية المخصصة لمعالجة القيم الصفرية وتفادي التشوه البصري الناتج عن تداخل النصوص. ومع مراعاة الدقة في المفاضلة المنهجية بين التمثيل المطلق والتمثيل النسبي المئوي، يتحول المخطط من مجرد رسم هندسي عابر إلى وثيقة استدلالية رصينة تدعم صناعة القرار وتثري مسارات البحث العلمي الجاد بأعلى درجات المصداقية والوضوح.

المراجع

• Palmquist, A. (2023). Stakeholders’ design preferences for instructional gamification. Behaviour and Information Technology. https://doi.org/10.1080/0144929x.2023.2255905
• McNamara, A. (2016). Maths mission: a case study of gesture-based technology in the mathematics classroom. ARAN (University of Galway Research Repository) (Ollscoil na Gaillimhe – University of Galway). https://doi.org/10.13025/16180