جدول التكرار: كيفية إنشائه وأمثلة

تُعد عملية تنظيم البيانات وتلخيصها الركيزة الأساسية التي يقوم عليها التحليل الإحصائي في شتى فروع المعرفة الإنسانية والتطبيقية. فعندما ينخرط الباحث في جمع البيانات الميدانية، سواء من خلال الملاحظة المباشرة، أو تطبيق الاختبارات النفسية والتربوية، أو إجراء القياسات المعملية، فإنه يواجه كميات هائلة من الأرقام والملاحظات الخام غير المنظمة التي يصعب استقراؤها بشكلها الأولي. ومن هنا تنبثق الأهمية المنهجية لجدول التكرار بوصفه الأداة الإحصائية الوصفية الأولى التي تنقل الباحث من فوضى الأرقام المبعثرة إلى نسق مصفوفي منظم يتيح استيعاب البنية العامة للمتغيرات قيد الدراسة.

يقدم هذا الدليل الشامل مرجعاً أكاديمياً تفصيلياً لفهم وإنشاء وتفسير جداول التكرار الإحصائية بمختلف أنواعها. وسواء كنت باحثاً أكاديمياً تسعى لإعداد تقارير علمية محكمة، أو محلل بيانات يهدف إلى استكشاف الأنماط التوزيعية للمتغيرات، فإن استيعاب الأسس الرياضية والمنهجية لبناء جداول التكرار يمثل متطلباً لا غنى عنه لفهم الإحصاء الوصفي والاستدلالي والانتقال الآمن نحو استخراج المؤشرات المتقدمة والتمثيل البياني الرصين.

يتناول هذا الدليل الأبعاد المفاهيمية لجداول التكرار، ومكوناتها البنائية، والخطوات الخوارزمية لبنائها للبيانات المبوبة وغير المبوبة، مروراً بالأمثلة التطبيقية الحسابية المعمقة، واستخراج المقاييس الإحصائية منها، وصولاً إلى كيفية توليدها عبر البرمجيات المتخصصة مثل SPSS و Excel واللغات البرمجية الإحصائية، مع التركيز على المعايير الصارمة لتوثيق الجداول وفق دليل جمعية علم النفس الأمريكية (APA Style).

1. مفهوم جدول التكرار وأهميته الإحصائية في البحث العلمي

1.1 التعريف المنهجي لجدول التكرار ومفهوم التكرار الإحصائي

يُعرَّف التكرار الإحصائي (Frequency) منهجياً بأنه عدد المرات التي تتكرر فيها قيمة معينة أو استجابة محددة ضمن مصفوفة مشاهدات العينة المدروسة. ويُمثل التكرار مقياساً أولياً لمدى تكرار السلوك أو الظاهرة في بيئة القياس، ويرمز له إحصائياً بالحرف اللاتيني f (أو كاف “ك” في بعض الأدبيات العربية التقليدية). أما جدول التكرار (Frequency Table)، فهو عبارة عن مصفوفة جدولية منظمة ثنائية أو متعددة الأعمدة، تُخصص فيها صفوف محددة لكل قيمة فريدة أو فئة عددية من قيم المتغير، ويقابل كل صف منها التكرار المحسوب لتلك القيمة أو الفئة.

تتمثل الوظيفة الجوهرية لجدول التكرار في تحويل البيانات الخام المبعثرة (Raw Data) إلى صورة موجزة ذات مغزى رياضي وإحصائي، مما يكشف بصورة فورية عن البنية التوزيعية للمتغير. ومن خلال مراجعة جدول التكرار، يستطيع الباحث التعرف على القيم الأكثر شيوعاً أو تركيزاً في المجتمع الإحصائي، فضلاً عن رصد القيم الشاذة، النادرة، أو المتطرفة (Outliers) التي قد تشير إلى خصوصيات معينة في العينة أو أخطاء في القياس. يرتبط جدول التكرار ارتباطاً وثيقاً بمفهوم “التوزيع التكراري” (Frequency Distribution)، الذي يصف النمط الرياضي والاحتمالي لكيفية توزع التكرارات عبر القيم المحتملة للمتغير، مما يمهد لبناء الدوال الاحتمالية ونماذج المحاكاة.

1.2 أهمية تنظيم البيانات وتلخيصها في العلوم السلوكية والنفسية

تتعامل العلوم السلوكية والاجتماعية والتربوية مع ظواهر إنسانية معقدة تتسم بتعددية المتغيرات وتداخلها، مثل درجات القلق، ومستويات الرضا الوظيفي، ومعدلات الذكاء، والميول المهنية. تنتج هذه الدراسات كميات ضخمة من الاستجابات الفردية التي يصعب اتخاذ قرارات علمية بناءً عليها دون معالجة مصفوفية أولية. يلعب جدول التكرار دوراً حيوياً في تحويل هذه الاستجابات السلوكية المعقدة إلى بيانات رقمية قابلة للاستقراء والمقارنة المنهجية.

تتجلى أهمية التبويب التكراري في تمكين الباحث من المقارنة بين المجموعات التجريبية والضابطة، أو بين الفئات الديموغرافية المختلفة (كالذكور والإناث، أو التخصصات المهنية المتعددة) عبر موازنة أوزان الفئات التكرارية. كما يساعد جدول التكرار في الفحص الأولي لتجانس العينة والتأكد من مدى تمثيلها للمجتمع الأصلي المسحوبة منه، من خلال التحقق من عدم تركز الاستجابات في فئة ضيقة دون غيرها بصورة قد تخل بالصدق الخارجي للدراسة. يسهم هذا التنظيم المنهجي في رفع دقة التقارير الإحصائية وموثوقيتها عند تقديم النتائج للمؤسسات البحثية وصناع القرار.

1.3 العلاقة بين جدول التكرار واستخراج المقاييس الإحصائية الوصفية

لا يقتصر دور جدول التكرار على مجرد العرض المرئي للبيانات، بل يمثل المنطلق الرياضي الأول لاستخراج وتوليد سائر المقاييس الإحصائية الوصفية. فعلى صعيد مقاييس النزعة المركزية (Measures of Central Tendency)، يتيح جدول التكرار تحديد المنوال (Mode) بصورة مباشرة، وهو القيمة أو الفئة المقابلة لأكبر تكرار في الجدول. كما يشكل الترتيب التراكمي في الجدول الأساس لحساب الوسيط (Median) والربيعيات والمئينات من خلال تحديد موقع الرتبة التراكمية في التوزيع.

علاوة على ذلك، يمهد جدول التكرار لحساب الوسط الحسابي والتباين والانحراف المعياري للبيانات المبوبة، عبر إيجاد حواصل ضرب مراكز الفئات في تكراراتها المقابلة. كما يسهم الفحص البصري لتتابع التكرارات صعوداً وهبوطاً في إعطاء تصور أولي عن شكل التوزيع الاحتمالي، ومدى اقترابه من التوزيع الاعتدالي المعياري (Normal Distribution)، أو ميله نحو الالتواء الموجب (الانحراف نحو اليمين) أو الالتواء السالب (الانحراف نحو اليسار)، فضلاً عن تقدير درجة التفرطح (Kurtosis) الخاصة بالمنحنى التوزيعي للظاهرة.

2. المكونات والعناصر البنائية لجدول التكرار

2.1 الفئات والقيم والمتغيرات الإحصائية

يتطلب البناء المنهجي لجدول التكرار فهماً عميقاً لطبيعة المتغيرات الإحصائية ومستويات القياس (Levels of Measurement). تنقسم المتغيرات بصفة عامة إلى أربعة مستويات رئيسية صاغها عالم النفس الإحصائي ستانلي ستيفنز:

• المتغيرات الاسمية (Nominal Variables): وهي تصنيفات نوعية لا تحمل رتبة تفاضلية، مثل (الجنس: ذكر/أنثى، التخصص الأكاديمي، الحالة الاجتماعية).
• المتغيرات الرتبية (Ordinal Variables): وهي تصنيفات تحمل ترتيباً منطقياً لكن الفروق بين الرتب غير متساوية رياضياً، مثل (مستويات مقياس ليكرت: موافق بشدة، موافق، محايد، غير موافق، غير موافق بشدة، أو المستويات التعليمية).
• المتغيرات الفئوية (Interval Variables): وهي متغيرات كمية تكون المسافات بين درجاتها متساوية ولكنها تفتقر إلى الصفر المطلق، مثل (درجات مقاييس الذكاء، درجات الحرارة المئوية).
• المتغيرات النسبية (Ratio Variables): وهي متغيرات كمية تمتلك صفراً مطلقاً حقيقياً يدل على انعدام الخاصية، مثل (الدخل الشهري، زمن رد الفعل، الوزن، العمر).

تُبنى الجداول التكرارية إما على “قيم منفصلة” (Discrete Values) للمتغيرات المتقطعة التي تأخذ قيماً صحيحة محددة، أو على “فئات إحصائية” (Class Intervals) تُجمع فيها البيانات الكمية المتصلة (Continuous Variables). وتخضع صياغة الفئات لقاعدتين جوهريتين في الإحصاء:

1. الشمولية التامة (Exhaustiveness): أن تتسع الفئات لكافة القيم والمشاهدات المجمعة دون استثناء أي مفردة.
2. استبعاد التداخل المتبادل (Mutual Exclusivity): أن تنتمي كل مفردة أو درجة إلى فئة واحدة فقط لا غير، بحيث لا يمكن لقيمة معينة أن تقع ضمن فئتين في آن واحد.

2.2 عمود العلامات التكرارية والتكرار المطلق

في عمليات التفريغ اليدوي للبيانات الاستطلاعية أو القياسات المعملية الأولية، يُعتمد عمود وسيط يُعرف بعمود “العلامات التكرارية” أو علامات الحصر (Tally Marks). تُمثل كل مشاهدة في هذا العمود بخط عمودي مائل، وتُجمع العلامات عادة في حزم خماسية (حيث يقطع الخط الخامس الخطوط الأربعة السابقة أفقياً أو قطرياً)، مما يسهل العد البصري ويقلل من احتمالات الخطأ الإنساني في الجمع والتجميع.

يتحول هذا العمود الوسيط في الجدول النهائي إلى عمود “التكرار المطلق” (Absolute Frequency)، ويرمز له بالرمز f. يمثل التكرار المطلق القيمة العددية الصحيحة لمجموع التكرارات الفعلية المسجلة لكل فئة أو قيمة. ولضمان سلامة العمليات الحسابية، يجب مراجعة مجموع هذا العمود ومقارنته بعدد أوراق الاستبيان أو وحدات المعاينة الأصلية، للتأكد من عدم إسقاط أي مفردة أو تسجيلها مرتين سهواً.

2.3 المجموع الكلي وحجم العينة وضوابط التدقيق الحسابي

يختتم جدول التكرار دائماً بصف ختامي يُسمى صف “المجموع” (Total)، ويوضع فيه مجموع التكرارات المطلقة المعبر عنه رياضياً بالمعادلة التالية:

$$\sum f = N \quad \text{أو} \quad \sum f = n$$

حيث يرمز الحرف الكبير N إلى حجم المجتمع الإحصائي الكلي، بينما يرمز الحرف الصغير n إلى حجم العينة المسحوبة. يمثل التطابق الدقيق بين مجموع التكرارات وحجم العينة الفعلي صمام الأمان الأساسي لتدقيق صحة التفريغ الإحصائي.

يتطلب التدقيق الإحصائي الرصين إجراء مراجعة متقاطعة (Cross-Validation)، تتضمن فحص كيفية معالجة القيم المفقودة (Missing Values). ففي حال وجود استجابات غير مكتملة، يجب عزلها في صف مستقل تحت مسمى “القيم المفقودة” وتوضيح نسبتها، أو استبعادها وفق منهجيات معالجة البيانات المعتمدة مثل التعويض بالمتوسط أو الحذف الحكيم (Listwise Deletion)، مع توثيق ذلك في تقرير الجدول بدقة لتجنب تضخيم أو تقليص التكرارات الفعلية.

3. أنواع جداول التكرار الإحصائية

3.1 جدول التكرار البسيط للبيانات غير المبوبة

جدول التكرار البسيط (Simple Frequency Table) هو الهيكل الإحصائي المستخدم لعرض البيانات غير المبوبة (Ungrouped Data)، حيث لا يتم دمج البيانات في فئات، بل تُرصد التكرارات لكل قيمة فريدة من قيم المتغير بشكل منفصل. يناسب هذا النوع من الجداول البيانات النوعية الاسمية (مثل المحافظة الجغرافية، نمط الشخصية) والبيانات الرتبية (مثل التقدير الجامعي، مقاييس التقييم الثلاثية أو الخماسية)، بالإضافة إلى البيانات الكمية المنفصلة التي يكون نطاق تباين قيمها ضيقاً ومحدوداً (كعدد أفراد الأسرة، أو عدد أيام الغياب في الشهر).

تتميز الجداول البسيطة بالحفاظ الكامل على دقة البيانات الأصلية دون فقدان أي تفاصيل رقمية، مما يسمح بحساب المعالم الإحصائية بدقة مطلقة دون الوقوع في خطأ التقريب المرتبط بمراكز الفئات. غير أن عيبها الجوهري يظهر جلياً عند تطبيقها على عينات كبيرة ذات متغيرات كمية متصلة أو ذات مدى واسع؛ إذ يؤدي ذلك إلى إنتاج جداول طويلة ومعقدة بصرياً تفقد وظيفتها الأساسية المتمثلة في التلخيص والتبسيط.

3.2 جدول التكرار المبوب للبيانات المجمعة في فئات

جدول التكرار المبوب (Grouped Frequency Table) هو الأداة المخصصة للتعامل مع البيانات الكمية المتصلة أو البيانات المنفصلة ذات المدى الواسع جداً. في هذا النمط، تُدمج القيم المتعددة في نطاقات عددية متتابعة تُعرف بالفئات (Classes or Bins)، وتُسجل التكرارات المقابلة لكل فئة على حدة. يُعد التبويب الإحصائي ضرورياً لتحويل البيانات المعقدة (مثل درجات اختبار تحصيلي من 100 درجة، أو درجات مقياس القلق من 0 إلى 60) إلى مصفوفة مدمجة ومفهومة تتألف عادة من 5 إلى 15 فئة.

تُقسم الفئات في الجداول المبوبة إلى فئات مغلقة (لها حد أدنى وأعلى محددين بدقة)، وفئات مفتوحة في البداية أو النهاية (مثل: “أقل من 20” أو “80 فأكثر”). ورغم الميزة التلخيصية الهائلة للجداول المبوبة، إلا أنها تنطوي على تضحية منهجية محسوبة؛ حيث تُفقد الهوية الفردية للأرقام الخام داخل الفئة الواحدة، ويتم التعامل مع جميع التكرارات الواقعة ضمن الفئة كما لو كانت متمركزة بدقة عند “مركز الفئة” (Class Midpoint)، وهو ما ينجم عنه ما يُعرف في الإحصاء بـ “خطأ التجميع” (Grouping Error) عند حساب المتوسطات والتباينات اللاحقة.

3.3 جدول التكرار النسبي والمئوي

يُعد جدول التكرار النسبي (Relative Frequency Table) امتداداً تحليلياً متقدماً لجدول التكرار المطلق، حيث يُقاس فيه ثقل كل قيمة أو فئة كنسبة كسرية منسوبة إلى الحجم الإجمالي للعينة. يُحسب التكرار النسبي بقسمة التكرار المطلق للفئة على مجموع التكرارات الإجمالي، وتتراوح قيمته الرياضية دائماً بين الصفر والواحد الصحيح ($0 le \text{Relative Frequency} le 1$). يحمل التكرار النسبي دلالة احتمالية تجريبية تشير إلى احتمال اختيار مفردة من تلك الفئة عند السحب العشوائي.

وعند ضرب التكرار النسبي في العدد (100)، نحصل على التكرار المئوي (Percentage Frequency)، الذي يُعبر عن نصيب الفئة في صورة نسبة مئوية (%). تبرز الأهمية الفائقة للتكرار النسبي والمئوي في الأبحاث المقارنة؛ حيث يستحيل إجراء مقارنات علمية سليمة بين مجموعتين أو عينتين مختلفتين في الحجم بالاعتماد على التكرارات المطلقة وحدها. فعلى سبيل المثال، تكرار 20 طالباً ناجحاً في شعبة تضم 25 طالباً (80%) يختلف جذرياً في دلالته عن تكرار 20 طالباً ناجحاً في شعبة تضم 100 طالب (20%).

3.4 جدول التكرار المتجمع الصاعد والهابط

يقدم جدول التكرار المتجمع (Cumulative Frequency Table) بعداً تحليلياً تراكمياً لتتبع تدفق البيانات، وينقسم إلى نمطين متكاملين:

• التكرار المتجمع الصاعد (Cumulative Ascending Frequency): يُحسب بتراكم التكرارات تصاعدياً من الفئة الأولى حتى الفئة الأخيرة. ويجيب عن السؤال البحثي: “كم عدد المفردات أو الحالات التي حصلت على قيمة أقل من أو تساوي الحد الأعلى لفئة معينة؟”. وينتهي التكرار المتجمع الصاعد دائماً عند الفئة الأخيرة بالقيمة الإجمالية للعينة ($N$).
• التكرار المتجمع الهابط (Cumulative Descending Frequency): يُحسب بتراكم التكرارات تنازلياً بدءاً من إجمالي العينة نزولاً، أو بجمع التكرارات من الفئة الأخيرة صعوداً نحو الأولى. ويجيب عن التساؤل: “كم عدد الحالات التي حصلت على قيمة أكبر من أو تساوي الحد الأدنى لفئة معينة؟”.

تُعد الجداول المتجمعة، بنوعيها الصاعد والهابط، الأداة الرياضية الأساسية لحساب الرتب المئينية (Percentile Ranks)، والمئينات (Percentiles)، والربيعيات (Quartiles)، وتحديد النسب المئوية التراكمية لتوزيع المتغيرات في المجتمع الدراسي.

4. خطوات إنشاء جدول التكرار للبيانات غير المبوبة

4.1 جمع البيانات الأولية وفرزها منهجياً

تبدأ الخطوة التنفيذية الأولى بجمع استمارات القياس أو سجلات الرصد الميدانية ومراجعتها بعناية لاستبعاد الاستمارات التالفة أو غير المكتملة. بعد ذلك، تُفرغ القيم الخام في مصفوفة رقمية أولية. ومن الضروري للباحث المبتدئ فرز هذه المشاهدات وترتيبها تصاعدياً (من أصغر قيمة إلى أكبر قيمة) أو تنازلياً؛ إذ يُسهم هذا الترتيب المنهجي في تسهيل حصر التكرارات وتجنب السهو في احتساب الأرقام المكررة.

تتيح عملية الترتيب والفرز الأولي الكشف الفوري عن أدنى قيمة مسجلة ($X_{\min}$) وأعلى قيمة مسجلة ($X_{\max}$)، وتحديد نطاق التشتت الأولي للبيانات. كما تساعد هذه الخطوة في رصد أي قيم شاذة أو غير منطقية قد نتجت عن أخطاء في الإدخال (Data Entry Errors) ومعالجتها قبل الشروع في بناء الجدول.

4.2 حصر القيم الفردية والتسجيل التكراري

تتمثل الخطوة الثانية في رسم جدول مكون من ثلاثة أعمدة أولية:

1. العمود الأول: يُخصص لقيم المتغير الفريدة ($X$) دون تكرار، مرتبة تصاعدياً من الأدنى إلى الأعلى.
2. العمود الثاني: يُخصص لعلامات الحصر التكرارية (Tally Marks).
3. العمود الثالث: يُخصص للتكرار المطلق النهائي ($f$).

يقوم الباحث بعد ذلك بالمرور المنظم على قائمة البيانات الخام مفردة تلو الأخرى، ووضع خط حصر تكراري مائل في العمود الثاني مقابل القيمة المطابقة في العمود الأول، مع وضع علامة تقاطع فوق كل أربع علامات لتشكيل حزمة خماسية. بعد استيفاء جميع المفردات، تُحصى هذه الحزم وتُفرغ كأرقام صحيحة نهائية في عمود التكرار المطلق ($f$).

4.3 إتمام الجدول والتحقق من صحة المجموع الإحصائي

تتضمن المرحلة الختامية صياغة الجدول في شكله النهائي بحذف عمود علامات الحصر الوسيط، ليقتصر الجدول الأساسي على عمود القيمة ($X$) وعمود التكرار ($f$). يُضاف صف ختامي في أسفل الجدول مخصص لـ “المجموع” ($\sum f$).

يجب إجراء تدقيق حسابي صارم بجمع عناصر عمود التكرار والتأكد من مطابقة الناتج تماماً للعدد الكلي للأفراد أو المشاهدات ($n$). وفي حال وجود اختلاف، يتعين إعادة عملية التفريغ والحصر لتحديد موضع الخطأ وتصحيحه. يُعنون الجدول برقم تسلسلي وعنوان وصفي دقيق يحدد المتغير المدروس وطبيعة العينة وسنة القياس.

5. خطوات إنشاء جدول التكرار للبيانات المبوبة

5.1 حساب المدى الكلي للبيانات

عند التعامل مع بيانات كمية ذات مدى تشتت واسع، تبدأ أولى الخطوات الرياضية لتبويب البيانات بحساب “المدى الكلي” (Total Range) ويرمز له بالرمز $R$. يُعرف المدى بأنه الفرق الحسابي بين أكبر مشاهدة وأصغر مشاهدة في مجموعة البيانات الخام، وفق الصيغة الرياضية التالية:

$$R = X_{\max} – X_{\min}$$

يمثل المدى الكلي المؤشر الأولي لاتساع انتشار الظاهرة، ويحدد الحيز العددي الكلي الذي يجب أن تغطيه الفئات الإحصائية دون ترك أي قيمة خارج حدود الجدول.

5.2 تحديد عدد الفئات وطول الفئة المناسب

يعد تحديد عدد الفئات الإحصائية ($k$) قراراً منهجياً بالغ الأهمية؛ فالإفراط في زيادة عدد الفئات يؤدي إلى تشتت البيانات وضعف تلخيصها، بينما يؤدي تقليصها المفرط إلى إخفاء معالم التوزيع وخصائصه. يُفضل إحصائياً أن يتراوح عدد الفئات بين (5 و 15 فئة). ولتحديد العدد الأمثل للفئات بصورة علمية وموضوعية، يُوصى بتطبيق “قاعدة ستورجس” (Sturges’ Rule) المعتمدة على حجم العينة:

$$k = 1 + 3.322 \times \log_{10}(n)$$

حيث $n$ هو إجمالي حجم العينة، و $\log_{10}$ هو اللوغاريتم العشري لعدد المفردات. يُقرب الناتج $k$ دائماً إلى أقرب رقم صحيح أعلى.

بعد تحديد عدد الفئات ($k$) والمدى ($R$)، يتم حساب “طول الفئة” (Class Interval Width) ويرمز له بالرمز $W$ أو $C$، من خلال قسمة المدى الكلي على عدد الفئات:

$$W = \frac{R}{k} = \frac{X_{\max} – X_{\min}}{k}$$

ويُقرب طول الفئة $W$ الناتج منهجياً إلى أقرب رقم صحيح مناسب أو إلى قيمة عشرية ملائمة تسهل القراءة الحسابية والتطبيقية، مع مراعاة أن تغطي الفئات الناتجة المدى بالكامل وزيادة طفيفة لضمان استيعاب الطرفين.

5.3 تحديد الحدود الدنيا والعليا والحدود الفعلية للفئات

تبدأ صياغة الفئات بتحديد “الحد الأدنى للفئة الأولى” (Lower Limit)، والذي يُفضل أن يكون مساوياً لأصغر قيمة في البيانات ($X_{\min}$) أو أقل منها بقليل برقم ملائم. يُحسب “الحد الأعلى للفئة الأولى” (Upper Limit) بإضافة طول الفئة ($W$) مع خصم وحدة قياس واحدة (في حال البيانات الصحيحة المنفصلة)، لتكون حدود الفئة التالية غير متداخلة ظاهرياً.

ولمعالجة مشكلة الانفصال العددي بين الفئات في المتغيرات المتصلة، تُستخرج “الحدود الحقيقية أو الفعلية للفئات” (Exact / Real Class Boundaries) من خلال طرح نصف وحدة قياس (0.5 في الأعداد الصحيحة، أو 0.05 في القيم ذات المنزلة العشرية الواحدة) من الحد الأدنى الظاهري، وإضافة نفس المقدار إلى الحد الأعلى الظاهري، لتصبح الفئات متصلة بيانياً دون فجوات (مثل: الفئة 10-19 تصبح حدودها الفعلية 9.5 – 19.5).

كما يُستخرج في هذه المرحلة “مركز الفئة” (Class Midpoint) ويرمز له بالرمز $X_i$ أو $M_i$، وهو القيمة العددية التي تنصف الفئة وتقع في منتصفها تماماً، ويُحسب وفق المعادلة التالية:

$$X_i = \frac{\text{الحد الأدنى للفئة} + \text{الحد الأعلى للفئة}}{2}$$

يعد مركز الفئة الممثل الرياضي الرسمي لجميع القيم الواقعة داخل تلك الفئة، ويُعتمد عليه حصرياً في حساب المتوسطات والانحرافات المعيارية والتمثيلات البيانية كالمضلع التكراري.

5.4 تفريغ البيانات في الفئات ومطابقة المجاميع

تتم عملية تفريغ البيانات بتصنيف كل مشاهدة من البيانات الخام ضمن الفئة المناسبة لحدودها، مع الالتزام الصارم بقواعد الشمولية وعدم التداخل. تُسجل التكرارات المقابلة لكل فئة وتُدرج في عمود التكرار المطلق ($f$).

تُختتم هذه الخطوة بجمع عمود التكرارات والتأكد الحسابي من أن $\sum f = n$. بعد ذلك، يُوثق الجدول بشكل أكاديمي متناسق، متضمناً أعمدة الفئات، ومراكز الفئات، والحدود الفعلية، والتكرارات المطلقة، ليصبح جاهزاً للتحليل الإحصائي والاستنتاجي المتقدم.

6. حساب المؤشرات التكرارية المتقدمة وتفسيرها

6.1 آلية حساب التكرار النسبي وتطبيقاته الاحتمالية

يُحسب التكرار النسبي (Relative Frequency) لكل فئة رياضياً بقسمة التكرار المطلق لتلك الفئة ($f_i$) على الحجم الكلي للعينة ($n$):

$$\text{Relative Frequency} = \frac{f_i}{n} = \frac{f_i}{\sum f}$$

ويخضع التكرار النسبي لقيد رياضي بديهي لا يقبل التجاوز؛ إذ يجب أن يكون مجموع التكرارات النسبية لجميع فئات التوزيع مساوياً دائماً للواحد الصحيح:

$$\sum \left(\frac{f_i}{n}\right) = 1.00$$

يُفسر التكرار النسبي في النظرية الإحصائية بوصفه تقديراً للاحتمال التجريبي (Empirical Probability). فعلى سبيل المثال، إذا كان التكرار النسبي لفئة “مستوى القلق المرتفع” هو 0.28، فإن ذلك يعني أن احتمال وقوع أي فرد مسحوب عشوائياً من ذلك المجتمع ضمن هذه الفئة يساوي 28%، وهو الأساس الذي تنبثق منه اختبارات الدلالة الإحصائية وتوزيعات المعاينة الاستدلالية.

6.2 حساب التكرار المئوي والمقارنات المعيارية

يُشتق التكرار المئوي (Percentage Frequency – %f) عبر ضرب التكرار النسبي للفئة في مئة (100):

$$%f = \left(\frac{f_i}{n}\right) \times 100$$

ويجب أن يبلغ مجموع عمود التكرار المئوي دائماً 100% (مع السماح بفروق طفيفة جداً مثل 99.9% أو 100.1% ناتجة عن أخطاء تدوير وتقريب الكسور العشرية).

تتجلى الأهمية المعيارية للنسب المئوية في تبسيط التواصل العلمي للنتائج وتجريد الأرقام من تأثير حجم العينة، مما يتيح لصناع القرار والباحثين مقارنة دراسات أجريت في بيئات متباينة أو على عينات غير متكافئة الحجم (كالمقارنة بين استجابة عينة قوامها 500 مفحوص في دراسة محلية وأخرى قوامها 5000 مفحوص في دراسة دولية).

6.3 بناء جداول التكرار المتجمع الصاعد والهابط خطوة بخطوة

لبناء جدول التكرار المتجمع الصاعد (Cumulative Ascending Distribution)، تُعتمد “الحدود العليا الفعلية للفئات”، وتُحدد التكرارات المتجمعة عبر الجمع التراكمي المستمر:

• الفئة الأولى المتجمعة: “أقل من الحد الأعلى الفعلي للفئة الأولى” = تكرار الفئة الأولى ($f_1$).
• الفئة الثانية المتجمعة: “أقل من الحد الأعلى الفعلي للفئة الثانية” = $f_1 + f_2$.
• وتستمر هذه العملية التراكمية حتى الفئة الأخيرة التي تقابل حتماً الحجم الكلي للعينة ($n$).

أما لإنشاء جدول التكرار المتجمع الهابط (Cumulative Descending Distribution)، فتُعتمد “الحدود الدنيا الفعلية للفئات”:

• الفئة الأولى المتجمعة: “أكثر من أو يساوي الحد الأدنى الفعلي للفئة الأولى” = إجمالي العينة ($n$).
• الفئة الثانية المتجمعة: “أكثر من أو يساوي الحد الأدنى الفعلي للفئة الثانية” = $n – f_1$.
• وتستمر هذه العملية التنازلية حتى الفئة الأخيرة التي تساوي قيمتها تكرار الفئة الأخيرة فقط ($f_k$).

وعند قسمة هذه التكرارات المتجمعة على ($n$) والضرب في 100، نحصل على “النسبة المئوية التراكمية” (Cumulative Percentage)، وهي الأداة المباشرة المعتمدة في القياس النفسي والتربوي لتحديد الرتب المئينية، مثل تحديد الدرجة التي يقع دونها 75% من أداء المفحوصين (الربيع الأعلى $Q_3$).

7. أمثلة تطبيقية شاملة على إنشاء جداول التكرار

7.1 مثال تطبيقي 1: جدول تكراري لمقياس الرضا الوظيفي (بيانات رتبية)

في دراسة مسحية تهدف إلى قياس مستوى الرضا الوظيفي لدى عينة من الموظفين في إحدى المؤسسات ($n = 50$)، تم استخدام مقياس ليكرت الخماسي المتدرج من (1 = غير راضٍ بشدة إلى 5 = راضٍ بشدة). كانت الاستجابات الخام المسجلة كما يلي:

4, 5, 3, 2, 4, 4, 3, 1, 5, 4, 3, 2, 4, 5, 4, 3, 3, 2, 4, 5, 1, 4, 4, 3, 2, 5, 4, 3, 4, 4, 5, 3, 2, 4, 5, 4, 3, 4, 4, 5, 2, 3, 4, 5, 4, 3, 4, 5, 4, 3.

فيما يلي جدول التكرار البسيط الكامل، موضحاً التكرارات المطلقة، النسبية، المئوية، والمتجمعة الصاعدة:

درجة الرضا ($X$)	الاستجابة اللفظية	التكرار المطلق ($f$)	التكرار النسبي	التكرار المئوي (%f)	التكرار المتجمع الصاعد	النسبة المئوية التراكمية (%)
1	غير راضٍ بشدة	2	0.04	4.0%	2	4.0%
2	غير راضٍ	6	0.12	12.0%	8	16.0%
3	محايد	13	0.26	26.0%	21	42.0%
4	راضٍ	20	0.40	40.0%	41	82.0%
5	راضٍ بشدة	9	0.18	18.0%	50	100.0%
المجموع الإجمالي		50	1.00	100.0%	–	–

قراءة وتحليل النتائج: يُظهر الجدول بوضوح أن الاستجابة الأكثر شيوعاً (المنوال) هي الدرجة (4: راضٍ) بتكرار مطلق قدره 20 موظفاً يمثلون 40% من إجمالي العينة. كما يُبين عمود النسبة المئوية التراكمية أن 82% من أفراد العينة يقع مستوى رضاهم عند الدرجة 4 فما دون، في حين أن 58% من الموظفين يقع تقييمهم الإجمالي في الجانب الإيجابي (الدرجتان 4 و 5 مجتمعتين)، مما يشير إلى اتجاه عام إيجابي نحو بيئة العمل.

7.2 مثال تطبيقي 2: جدول تكراري مبوب لدرجات القلق النفسي (بيانات مجمعة)

طبّق باحث إكلينيكي مقياس تايلور للقلق الصريح (Taylor Manifest Anxiety Scale) على عينة مكونة من ($n = 80$) مراجعاً في مركز للاستشارات النفسية. تراوحت الدرجات الخام المجمعة بين أدنى درجة ($X_{\min} = 12$) وأعلى درجة ($X_{\max} = 47$).

خطوات الحساب الرياضي:

1. المدى الكلي: $R = X_{\max} – X_{\min} = 47 – 12 = 35$.
2. عدد الفئات وفق قاعدة ستورجس: $k = 1 + 3.322 \times \log_{10}(80) = 1 + 3.322 \times (1.903) = 1 + 6.32 = 7.32 \approx 7 \text{ فئات}$.
3. طول الفئة: $W = \frac{R}{k} = \frac{35}{7} = 5$.

تم بناء الجدول التكراري المبوب على النحو التالي:

فئات الدرجات	الحدود الفعلية للفئات	مركز الفئة ($X_i$)	التكرار المطلق ($f$)	التكرار النسبي	التكرار المئوي (%f)	التكرار المتجمع الصاعد
12 – 16	11.5 – 16.5	14	6	0.075	7.5%	6
17 – 21	16.5 – 21.5	19	12	0.150	15.0%	18
22 – 26	21.5 – 26.5	24	18	0.225	22.5%	36
27 – 31	26.5 – 31.5	29	21	0.2625	26.25%	57
32 – 36	31.5 – 36.5	34	13	0.1625	16.25%	70
37 – 41	36.5 – 41.5	39	7	0.0875	8.75%	77
42 – 46	41.5 – 46.5	44	3	0.0375	3.75%	80
المجموع	–	–	80	1.000	100.0%	–

التحليل الإحصائي: الفئة المنوالية التي حازت على أعلى تكرار هي الفئة (27 – 31) بتكرار قدره 21 مريضاً (26.25%). يُلاحظ أن التوزيع يميل نحو التمركز في الفئات المتوسطة مع انخفاض تدريجي نحو الأطراف، مما يشير إلى شكل قريب من التوزيع الطبيعي لدرجات القلق لدى مراجعي المركز.

7.3 مثال تطبيقي 3: جدول تكراري لمعدلات الذكاء المعرفي (IQ Scores)

تم تطبيق مقياس وكسلر لذكاء الراشدين (WAIS) على عينة معيارية ممثلة مكونة من ($n = 100$) مفحوص. تم تبويب الدرجات وفق التصنيفات الإكلينيكية المعيارية المعتمدة عالمياً لمستويات الذكاء:

فئة درجات الذكاء (IQ)	التصنيف الإكلينيكي المعياري	التكرار المطلق ($f$)	النسبة المئوية (%)	المتجمع الصاعد (%)
أقل من 70	قصور ذهني (Borderline/Impaired)	2	2.0%	2.0%
70 – 79	حدي / أقل من المتوسط	7	7.0%	9.0%
80 – 89	متوسط منخفض (Low Average)	16	16.0%	25.0%
90 – 109	متوسط طبيعي (Average)	48	48.0%	73.0%
110 – 119	متوسط مرتفع (High Average)	17	17.0%	90.0%
120 – 129	متفوق / متقدم (Superior)	8	8.0%	98.0%
130 فأكثر	موهوب جداً / عبقري (Very Superior)	2	2.0%	100.0%
المجموع	–	100	100.0%	–

المقارنة المعيارية: يتطابق هذا التوزيع التكراري بشكل شبه تام مع منحنى التوزيع الطبيعي المعياري (الجرسي)، حيث يقع نحو 48% من المفحوصين في المدى المتوسط الطبيعي (90 – 109)، بينما تتقلص النسب تدريجياً وبصورة متناظرة باتجاه الأطراف الدنيا (2%) والأطراف العليا الموهوبة (2%)، مما يثبت الصدق البنائي لمعايرة الاختبار على المجتمع المستهدف.

8. استخراج المقاييس الإحصائية من جداول التكرار

8.1 تحديد المنوال والفئة المنوالية من جداول التكرار

في جداول التكرار البسيطة، يُحدد المنوال بمجرد النظر كونه القيمة المقابلة للتكرار الأعلى في الجدول. أما في جداول البيانات المبوبة، فيتم أولاً تحديد “الفئة المنوالية” (Modal Class)، وهي الفئة التي تقابل أكبر تكرار مطلق ($f_m$). ولتقدير القيمة الدقيقة للمنوال رياضياً من داخل الفئة المنوالية، تُطبق “طريقة الفروق لبيرسون” (King’s / Pearson’s Formula):

$$\text{Mode} = L + \left( \frac{\Delta_1}{\Delta_1 + \Delta_2} \right) \times W$$

حيث:

• $L$: الحد الأدنى الفعلي للفئة المنوالية.
• $\Delta_1$: الفرق بين تكرار الفئة المنوالية وتكرار الفئة السابقة لها مباشرة ($f_m – f_{m-1}$).
• $\Delta_2$: الفرق بين تكرار الفئة المنوالية وتكرار الفئة اللاحقة لها مباشرة ($f_m – f_{m+1}$).
• $W$: طول الفئة المنوالية.

8.2 حساب الوسيط والربيعيات من الجداول التكرارية

لحساب الوسيط (Median) من جدول تكراري مبوب، نتبع الخطوات الخوارزمية التالية:

1. حساب رتبة الوسيط المحددة بالمعادلة: $\text{Rank} = \frac{n}{2}$.
2. تحديد “الفئة الوسيطية” بالبحث في عمود التكرار المتجمع الصاعد عن أول فئة يتجاوز أو يساوي تكرارها المتجمع رتبة الوسيط.
3. تطبيق معادلة الوسيط الحسابية:

   $$\text{Median} = L_m + \left( \frac{\frac{n}{2} – F_{prev}}{f_m} \right) \times W$$

   حيث $L_m$ هو الحد الأدنى الفعلي للفئة الوسيطية، $F_{prev}$ هو التكرار المتجمع الصاعد للفئة السابقة للفئة الوسيطية، $f_m$ هو التكرار المطلق للفئة الوسيطية نفسها، و $W$ هو طول الفئة.

وبالمثل، يتم حساب الربيع الأول ($Q_1$) برتبة مقدارها ($\frac{n}{4}$)، والربيع الثالث ($Q_3$) برتبة مقدارها ($\frac{3n}{4}$)، ويُستخرج منهما “نصف المدى الربيعي” (Semi-Interquartile Range) بوصفه مقياس التشتت الأنسب عند وجود التواء في التوزيع التكراري:

$$\text{SIQR} = \frac{Q_3 – Q_1}{2}$$

8.3 حساب الوسط الحسابي والانحراف المعياري للبيانات المبوبة

يُحسب الوسط الحسابي المرجح ($\bar{X}$) من جدول التوزيع التكراري المبوب عبر ضرب مركز كل فئة ($X_i$) في تكرارها المطلق المقابل ($f_i$)، وقسمة المجموع الكلي على حجم العينة:

$$\bar{X} = \frac{\sum (f_i \cdot X_i)}{n}$$

أما التباين الإحصائي ($s^2$) والانحراف المعياري ($s$) فيُحسبان باستخدام الصيغة الحسابية المعتمدة على انحرافات مراكز الفئات عن المتوسط:

$$s = \sqrt{\frac{\sum f_i \cdot (X_i – \bar{X})^2}{n – 1}} \quad \text{أو} \quad s = \sqrt{\frac{\sum (f_i \cdot X_i^2) – \frac{(\sum f_i \cdot X_i)^2}{n}}{n – 1}}$$

ينبغي الإشارة إلى أن هذه المقاييس المستخرجة من الجداول المبوبة تمثل قيماً تقريبية تتضمن نسبة طفيفة من الخطأ مقارنة بالمعالم المستخرجة مباشرة من البيانات الخام، نتيجة لافتراض تركز كافة مشاهدات الفئة في مركزها النظري.

9. التمثيل البياني لجداول التكرار وتفسيره البصري

9.1 المدرج التكراري والأعمدة البيانية

يُعد المدرج التكراري (Histogram) التمثيل البياني المعياري والأكثر استخداماً لجداول التكرار المبوبة للبيانات الكمية المتصلة. يتكون المدرج التكراري من مستطيلات رأسية متلاصقة تماماً (دون أي فراغات بينية)، حيث يمثل المحور الأفقي ($X$) الحدود الفعلية للفئات، بينما يمثل المحور الرأسي ($Y$) التكرارات المطلقة أو النسبية.

وعلى النقيض من ذلك، تُستخدم الأعمدة البيانية البسيطة (Bar Charts) لتمثيل جداول التكرار الخاصة بالبيانات الاسمية والرتبية المنفصلة؛ حيث تُفصل الأعمدة بمسافات وفراغات متساوية للدلالة على عدم وجود اتصال عددي أو تدفق مستمر بين التصنيفات النوعية المدروسة.

9.2 المضلع التكراري والمنحنى التكراري

المضلع التكراري (Frequency Polygon) هو تمثيل خطي يُنشأ برسم نقاط إحداثية تقابل مراكز الفئات على المحور الأفقي وتكراراتها على المحور الرأسي، ثم تُوصل هذه النقاط المتتالية بقطع مستقيمة باستخدام المسطرة. ويتم إغلاق المضلع من طرفيه بربطه بالمحور الأفقي عند مركزين افتراضيين سابق للفئة الأولى ولاحق للفئة الأخيرة بتكرار مقداره صفر.

وعند تمهيد خطوط المضلع التكراري وتنعيم زواياه ليصبح خطاً منحنياً انسيابياً، نحصل على “المنحنى التكراري” (Frequency Curve). يساعد المنحنى التكراري في التشخيص البصري المباشر لخصائص التوزيع؛ حيث يشير المنحنى المتماثل إلى اعتدالية التوزيع، بينما يكشف امتداد الذيل الأيمن عن التواء موجب (Positive Skewness)، ويكشف امتداد الذيل الأيسر عن التواء سالب (Negative Skewness).

9.3 منحنى التكرار المتجمع والمخطط الدائري

يُعرف منحنى التكرار المتجمع الصاعد في الأدبيات الإحصائية باسم منحنى “الأوجيف” (Ogive). يُرسم المنحنى بوضع الحدود العليا الفعلية للفئات على المحور الأفقي، والتكرارات المتجمعة الصاعدة (أو النسب المئوية المتجمعة) على المحور الرأسي. يُعد منحنى الأوجيف الأداة البصرية الأهم لتحديد الوسيط والرتب المئينية بيانياً عبر إسقاط خطوط متعامدة من المحور الرأسي نحو المنحنى ثم إلى المحور الأفقي.

أما المخطط الدائري (Pie Chart)، فيُستخدم لتمثيل التكرارات النسبية والمئوية للمتغيرات الاسمية ذات الفئات المحدودة (أقل من 6 فئات عادة). تُحسب زاوية كل قطاع دائري بالمعادلة:

$$\text{زاوية القطاع} = \left(\frac{f_i}{n}\right) \times 360^circ$$

مما يعطي تمثيلاً مرئياً سريعاً يوضح الحصة النسبية لكل فئة من الإجمالي الكلي للظاهرة.

10. إنشاء جداول التكرار باستخدام البرمجيات الإحصائية المتخصصة

10.1 توليد جداول التكرار عبر برنامج SPSS

تُعد حزمة العلوم الاجتماعية الإحصائية (SPSS) البرنامج الأكثر انتشاراً في الأوساط الأكاديمية لبناء الجداول التكرارية. يتم توليد الجدول باتباع المسار المنهجي التالي:

1. من القائمة الرئيسية، يتم اختيار: Analyze → Descriptive Statistics → Frequencies.
2. نقل المتغير المطلوب من القائمة اليسرى إلى قائمة المتغيرات التحليلية (Variables).
3. الضغط على زر Statistics لتحديد المؤشرات المطلوبة (Mean, Median, Mode, Quartiles, Std. deviation).
4. الضغط على زر Charts لاختيار المدرج التكراري (Histograms) مع تفعيل خيار عرض منحنى التوزيع الطبيعي.
5. الضغط على OK لتوليد المخرجات في نافذة (Output Viewer).

تتضمن مخرجات جدول التكرار في SPSS أربعة أعمدة رئيسية هي: التكرار المطلق (Frequency)، النسبة الكلية (Percent)، النسبة الصحيحة المستبعد منها المفقود (Valid Percent)، والنسبة التراكمية (Cumulative Percent).

10.2 بناء جداول التكرار باستخدام Microsoft Excel

يوفر برنامج مايكروسوفت إكسيل (Microsoft Excel) أدوات قوية لإنشاء الجداول التكرارية للبيانات المبوبة وغير المبوبة عبر أكثر من منهجية:

• دالة FREQUENCY المصفوفية: تُستخدم الصيغة =FREQUENCY(data_array, bins_array)، حيث يتم تحديد نطاق البيانات الخام ثم نطاق الحدود العليا للفئات، وتُنفذ في الإصدارات الحديثة كمعادلة ديناميكية تحسب التكرارات لكل فئة دفعة واحدة.
• الجداول المحورية (Pivot Tables): وهي الطريقة الأسرع والأكثر مرونة؛ حيث يتم إدراج الجدول المحوري، وسحب المتغير إلى منطقة الصفوف (Rows) ومنطقة القيم (Values) مع ضبط إعدادات الحقل على “العد” (Count). وللبيانات المبوبة، يُمكن النقر بالزر الأيمن على أي صف واختيار “تجميع” (Group) وتحديد نقطة البداية والنهاية وطول الفئة، ليقوم إكسيل بتوليد جدول تكراري مبوب بصورة تلقائية وفورية.

10.3 التحليل التكراري عبر لغتي R و Python

في بيئات البرمجة الإحصائية المتقدمة وعلوم البيانات، تُنفذ الجداول التكرارية بكفاءة وسرعة عبر أسطر برمجية قياسية:

• في بيئة R الإحصائية: تُستخدم الدالة الأساسية table(data$variable) للبيانات غير المبوبة، أو حزمة dplyr عبر الأمر count(). وللبيانات المبوبة، تُستخدم الدالة cut() لتقسيم المتغير إلى فئات متتابعة متبوعة بدالة table() لتوليد الجدول المبوب وتصديره.
• في لغة Python: يتم الاعتماد على مكتبة تحليل البيانات (Pandas)؛ حيث تُستخدم دالة df['variable'].value_counts().sort_index() للبيانات المنفصلة، بينما تُستخدم دالة pd.cut() مع pd.crosstab() أو value_counts() لتوليد جداول التكرار المبوبة مع حساب النسب المئوية والتراكمية وأتمتة تصديرها إلى مصفوفات نشر احترافية.

11. الأخطاء المنهجية الشائعة في تصميم جداول التكرار وتجنبها

11.1 أخطاء تقسيم الفئات وتحديد أطوالها

من أكثر الأخطاء شيوعاً في الأبحاث الميدانية هو الاختيار العشوائي لعدد الفئات، مما يؤدي إما إلى تقليص مفرط (كوضع البيانات في 3 فئات فقط) يؤدي إلى حجب الخصائص الجوهرية للتوزيع، أو تفريع مفرط (كإنشاء 25 فئة) يؤدي إلى تشتيت النمط العام وظهور فئات فارغة عديدة. يجب الالتزام دائماً بالمعايير الإحصائية المقننة مثل صيغة ستورجس.

كما يقع بعض الباحثين في خطأ فادح بتحديد أطوال فئات غير متساوية دون مسوغ منهجي ملزم؛ إذ يؤدي تفاوت طول الفئات إلى تشويه الكثافة التكرارية وإعطاء انطباع زائف عن تركز البيانات في الفئات الأطول، ما لم يتم إجراء تعديل رياضي للتكرارات المعدلة وفقاً لنسبة اتساع كل فئة.

11.2 التعامل غير السليم مع الفئات الصفرية والقيم المتطرفة

يقع بعض المحللين في خطأ حذف الفئات التي يكون تكرارها صفراً ($f = 0$) من متن الجدول المبوب لتقليص حجمه الظاهري. يُعد هذا الإجراء خطأً منهجياً جسيماً؛ حيث يؤدي حذف الفئة الصفرية إلى قطع الاتصال الرياضي لمدى المتغير وتشويه حسابات مراكز الفئات ومقاييس النزعة المركزية والتمثيل البياني.

بالإضافة إلى ذلك، فإن وجود قيم متطرفة وشاذة في العينة قد يدفع الباحثين إلى توسيع مدى الفئات بشكل مفرط أو اللجوء إلى الفئات المفتوحة عند الأطراف (مثل: “أكثر من 70”). ومع أن الفئات المفتوحة تستوعب القيم القصوى، إلا أنها تجعل من المستحيل حساب مركز لتلك الفئة، مما يعطل الحساب الدقيق للوسط الحسابي والانحراف المعياري، ويتطلب اللجوء إلى الوسيط ونصف المدى الربيعي كبدائل وصفية وحيدة.

11.3 أخطاء التفسير الإحصائي وتعميم النتائج

تشمل الأخطاء التحليلية الخلط الشائع بين التكرارات المطلقة والتكرارات النسبية عند مقارنة عينتين؛ إذ لا يجوز استنتاج أن مجموعة معينة حققت تفوقاً في سلوك معين لمجرد أن تكرارها المطلق أكبر، دون النظر إلى حجم العينة الأساسي ونسبتها المئوية.

كما ينبغي الحذر من الوقوع في مغالطة “افتراض التماثل الداخلي التام”، والتي تفترض أن مفردات العينة داخل الفئة الواحدة تتوزع بانتظام متماثل حول مركز الفئة، وهو افتراض نظري قد لا يتحقق دائماً في الواقع التطبيقي. وأخيراً، يجب التأكيد على أن التوزيع التكراري يمثل أداة وصفية للارتباط والتركز، ولا يقدم بمفرده دليلاً على وجود علاقة سببية (Causation) بين المتغيرات دون إجراء تصاميم تجريبية أو اختبارات نمذجة سببية متقدمة.

12. معايير توثيق وعرض جداول التكرار وفق أسلوب APA

12.1 قواعد التنسيق الشكلي والعنونة وفق APA الإصدار السابع

يفرض دليل النشر الأكاديمي لجمعية علم النفس الأمريكية في نسخته السابعة (APA 7th Edition) قواعد شكلية صارمة لعرض الجداول الإحصائية داخل المتون والتقارير العلمية:

• رقم الجدول: يوضع في سطر مستقل في أعلى الجدول بالخط العريض (Bold)، مثل: Table 1 أو جدول 1.
• عنوان الجدول: يوضع أسفل رقم الجدول في سطر منفصل بحجم خط مناسب، ويكون مائلاً (Italic)، موجزاً، ومعبراً بدقة عن محتوى الجدول والمتغيرات والعينة.
• الخطوط الأفقية: يُسمح فقط باستخدام ثلاثة خطوط أفقية رئيسية: خط أعلى ترويسة الجدول، وخط أسفل ترويسة الجدول، وخط أخير في نهاية الجدول أعلى صف الملاحظات. يُمنع تماماً استخدام أي خطوط رأسية (Vertical Lines) داخل الجداول وفق معايير APA.

12.2 تسمية الأعمدة وتنسيق الرموز الإحصائية

تتطلب معايير APA استخدام الرموز الإحصائية القياسية المعتمدة عالمياً وتنسيقها بشكل مائل (Italicized). فيُستخدم الرمز n للإشارة إلى حجم العينة الفرعية أو التكرار داخل المجموعة، والرمز N لإجمالي حجم العينة الكلية، والرمز f للتكرار المطلق، و % للتكرارات المئوية.

كما تشترط المعايير محاذاة الأرقام إلى المنتصف أو محاذاة الفواصل العشرية عمودياً لضمان التناسق البصري، مع توحيد عدد الخانات العشرية عبر العمود الواحد (يُفضل استخدام منزلتين عشريتين للنسب والكسور في العلوم الإنسانية، مثل: 24.50%).

12.3 كتابة الملاحظات التوضيحية وتفسير الاختصارات أسفل الجدول

تُوضع الملاحظات التفسيرية مباشرة أسفل الخط الأفقي الختامي للجدول، وتُقسم وفق دليل APA إلى ثلاثة أنواع:

1. ملاحظة عامة (General Note): تبدأ بكلمة Note. أو ملاحظة. بخط مائل، وتُستخدم لتوضيح مصادر البيانات، أو تعريف الاختصارات والرموز المستخدمة، أو الإشارة إلى حجم العينة الإجمالي وكيفية التعامل مع البيانات المفقودة.
2. ملاحظة خاصة (Specific Note): تُستخدم فيها حروف مرتفعة (Superscript: ^a, ^b) للإشارة إلى صف أو عمود أو خلية محددة تتطلب توضيحاً خاصاً.
3. ملاحظة احتمالية (Probability Note): تُستخدم لتوضيح مستويات الدلالة الإحصائية للقيم المرتبطة باختبارات حسن المطابقة أو كاي تربيع، باستخدام النجوم القياسية (مثل: *p < .05, **p < .01).

خاتمة

يمثل جدول التكرار حجر الزاوية الذي لا غنى عنه في البناء الإحصائي الرصين لأي بحث علمي أو مشروع لتحليل البيانات. فمن خلال قدرته الفائقة على تنظيم البيانات الخام وتلخيصها في مصفوفات واضحة، يتيح جدول التكرار للباحثين استكشاف الأنماط التوزيعية، وتحديد مقاييس النزعة المركزية والتشتت، ورصد مواضع التركز والشذوذ الإحصائي، مما يمهد الطريق للتحليلات الاستدلالية المتقدمة ونماذج اتخاذ القرار المبنية على الأدلة الرقمية.

إن الإتقان المنهجي لإنشاء وتفسير جداول التكرار—بدءاً من الاختيار الدقيق لمستويات القياس وعدد الفئات وأطوالها، مروراً بالتمثيل البياني المعبر، وصولاً إلى التوثيق الأكاديمي الصارم وفق معايير النشر الدولية—هو ما يضمن سلامة المعالجة الإحصائية ومصداقية النتائج المنشورة في مختلف فروع المعرفة العلمية والتطبيقية.

References

• American Psychological Association. (2020). Publication Manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). SAGE Publications.
• Gravetter, F. J., & Wallnau, L. B. (2017). Statistics for the Behavioral Sciences (10th ed.). Cengage Learning.
• Howell, D. C. (2013). Statistical Methods for Psychology (8th ed.). Wadsworth, Cengage Learning.
• Sturges, H. A. (1926). The Choice of a Class Interval. Journal of the American Statistical Association, 21(153), 65–66. https://doi.org/10.1080/01621459.1926.10502161
• Triola, M. F. (2018). Elementary Statistics (13th ed.). Pearson.