كيفية حساب معامل الارتباط على الآلة الحاسبة TI-84

تُعد معالجة البيانات الكمية واستنباط الأنماط الرياضية الكامنة خلف الظواهر التجريبية الركيزة الجوهرية التي تقوم عليها المنهجيات العلمية المعاصرة، لا سيما في حقول القياس النفسي، والعلوم التربوية، والتحليل السلوكي. ومن بين الترسانة الواسعة من الأدوات الإحصائية المعلمية (Parametric Statistics)، يبرز معامل ارتباط بيرسون (Pearson Correlation Coefficient) كأحد أكثر المقاييس شيوعاً وأهمية في فحص طبيعة وقوة واتجاه الاقتران الخطي بين المتغيرات المستمرة. إن القدرة على تحديد ما إذا كانت الزيادة في متغير نفسي معين، مثل القلق الأكاديمي، تقترن بانتظام بانخفاض أو ارتفاع في متغير سلوكي آخر، مثل التحصيل الدراسي، تمثل حجر الزاوية في بناء النماذج التفسيرية والتنبؤية في الأبحاث الإنسانية والطبيعية على حد سواء.

ومع تزايد الحاجة إلى أدوات حوسبة إحصائية تجمع بين الدقة المتناهية، وسهولة الحمل، والامتثال للبروتوكولات الصارمة المفروضة في بيئات الاختبارات المعيارية والمختبرات الميدانية، رسخت عائلة الحواسب البيانية من طراز تكساس إنسترومنتس (Texas Instruments)، وتحديداً سلسلة TI-84 Plus، مكانتها كأداة لا غنى عنها للباحثين، والأكاديميين، وطلاب الدراسات العليا. تتيح هذه الآلة الحاسبة البيانية بيئة متكاملة تدمج بين إدخال المصفوفات العددية، واستدعاء الخوارزميات الإحصائية المتقدمة، والرسم البصري اللحظي لانتشار البيانات، مما يمنح الباحث وسيلة موثوقة لإجراء الاستدلال الإحصائي دون الاعتماد الدائم على البرمجيات المكتبية المعقدة.

يهدف هذا الدليل الشامل والمفصل إلى تقديم تفكيك منهجي دقيق لكيفية حساب وتفسير واختبار معامل الارتباط الخطي باستخدام الآلة الحاسبة البيانية TI-84 بكافة إصداراتها (بما في ذلك TI-84 Plus و TI-84 Plus Silver Edition و TI-84 Plus CE). سنتناول الأسس النظرية والرياضية التي تُبنى عليها الخوارزمية، والافتراضات الإحصائية الواجب استيفاؤها، والإجراءات التقنية التفصيلية نقرة بنقرة (Keystroke-by-Keystroke) لضبط الإعدادات، وإدخال البيانات، وتفعيل محركات التشخيص الإحصائي، وتحليل شاشات النتائج، فضلاً عن إجراء اختبارات الدلالة الإحصائية للفرضيات وحل المشكلات التقنية الشائعة، مدعومين بدراسات حالة تطبيقية واقعية مستمدة من البيئة البحثية النفسية والتربوية.

1. مقدمة شاملة حول معامل الارتباط وأهميته في القياس النفسي والإحصائي

1.1 تعريف معامل الارتباط الإحصائي وطبيعته الرياضية

يُعرَّف معامل الارتباط الخطي في الإحصاء الرياضي بأنه مقياس كمي مجرد من وحدات القياس، يُستخدم لتقدير درجة اقتران التغيرات الملاحظة في متغير كمي مستمر معين بالتغيرات الملاحظة في متغير كمي مستمر آخر. يتميز هذا المقياس بمدى عددي مغلق ومحدد رياضياً ينحصر بدقة متناهية بين القيمة السالبة الكاملة (-1.00) والقيمة الموجبة الكاملة (+1.00). يعكس هذا المدى ليس فقط وجود الاقتران من عدمه، بل يُحدد أيضاً القوة الهندسية والاتجاه الحركي للعلاقة التناسبية بين المتغيرين في الفضاء الإقليدي ثنائي الأبعاد.

عندما يقترب معامل الارتباط من القيمة (+1.00)، يُشار إلى العلاقة بأنها ارتباط طردي تام (Perfect Positive Correlation). في هذه الحالة، تتوزع جميع النقاط المشتركة للمتغيرين على خط مستقيم ذي ميل موجب، بحيث يقابل كل انحراف معياري موجب في المتغير الأول انحراف معياري موجب مكافئ وثابت في المتغير الثاني. بالمقابل، تشير القيمة (-1.00) إلى ارتباط عكسي تام (Perfect Negative Correlation)، حيث تقع النقاط على خط مستقيم ذي ميل سالب، مما يعني أن الارتفاع في قيم أحد المتغيرين يقترن حتماً بانخفاض متناسب وثابت في قيم المتغير الآخر.

أما عندما يستقر المعامل عند القيمة (0.00)، فإن ذلك يدل حصراً على انعدام الارتباط الخطي (Zero Linear Correlation). من الضروري هنا التأكيد المنهجي على التمييز بين غياب الاقتران الخطي والغياب التام لأي علاقة؛ فالقيمة الصفرية لا تنفي بالضرورة وجود علاقة رياضية غير خطية (كالاقتران التربيعي أو المنحني). وتبرز هنا أهمية الدقة الحسابية العالية التي توفرها المعالجات الرقمية في الآلات الحاسبة الحديثة لتجنب أخطاء التقريب وتفادي الانحيازات الإحصائية أثناء معالجة العينات البحثية الحساسة.

1.2 أهمية حساب الارتباط في الدراسات النفسية والسلوكية

يمثل القياس النفسي (Psychometrics) أحد أكثر المجالات التي تعتمد اعتماداً بنيوياً على حساب معاملات الارتباط. ففي سياق بناء وتقنين الاختبارات والمقاييس النفسية، يُعد معامل الارتباط الأداة الرئيسة لفحص الاتساق الداخلي (Internal Consistency) عبر حساب معاملات الارتباط بين البنود الفردية والدرجة الكلية للمقياس، فضلاً عن تقدير الصدق التلازمي (Concurrent Validity) والصدق التنبؤي (Predictive Validity) من خلال ربط درجات المقياس الجديد بمحكات خارجية معتمدة أو مقاييس سابقة أثبتت كفاءتها السيكومترية.

وعلاوة على تقنين الأدوات، يُسهم التحليل الارتباطي في تفكيك الظواهر السلوكية والمعرفية المركبة؛ كاستكشاف الروابط المعقدة بين مستويات هرمون الكورتيزول والاستجابة للضغوط النفسية، أو فحص العلاقة التبادلية بين كفاءة الذاكرة العاملة والتحصيل في المواد العلمية. إن فهم بنية هذه العلاقات يُمكّن الباحثين من بناء نماذج مفاهيمية متماسكة تُحدد مسارات التأثير المتبادل بين المتغيرات قبل الانتقال إلى مراحل التجريب المعملي المعقدة.

كما يُشكل حساب مصفوفة الارتباطات الخطوة التمهيدية الإلزامية لتطبيق النماذج الإحصائية المتقدمة متعددة المتغيرات، مثل الانحدار الخطي المتعدد (Multiple Linear Regression)، والتحليل العاملي الاستكشافي والتأكيدي (Factor Analysis)، ونمذجة المعادلات البنائية (SEM). ومن هنا، تنبع الحاجة الماسة إلى أدوات حسابية فورية وموثوقة تمكّن الأخصائيين النفسيين والباحثين الميدانيين في المؤسسات التعليمية والعيادات السلوكية من استخراج هذه المعاملات بدقة وسرعة دون إبطاء وتيرة العمل الميداني.

1.3 دور الآلة الحاسبة البيانية TI-84 في التحليل الإحصائي السريع

تحتل عائلة الآلات الحاسبة البيانية من طراز TI-84، بما تتضمنه من طرز متنوعة مثل TI-84 Plus و TI-84 Plus Silver Edition والنسخة الحديثة ذات الشاشة الملونة TI-84 Plus CE، مكانة مرموقة كمعيار صناعي وأكاديمي دولي في تدريس وممارسة الحوسبة الإحصائية. ترجع هذه المكانة إلى الجمع الفريد بين الاعتمادية الهندسية الصارمة، والمطابقة لمعايير الامتحانات الدولية التنافسية (مثل اختبارات AP Statistics و SAT و ACT و GRE)، وتوفير بنية برمجية داخلية مخصصة للعمليات الإحصائية الاحتمالية المتقدمة.

تتفوق الآلة الحاسبة TI-84 في السياقات الميدانية والمختبرية على الحواسيب التقليدية والبرمجيات الثقيلة من خلال توفير بيئة عمل مدمجة ومستقلة تماماً عن متطلبات الربط الشبكي، والتحديثات البرمجية المفاجئة، ونفاد البطارية السريع. تمنح هذه الأجهزة الباحثين والطلاب واجهة تفاعلية خالية من المشتتات تضمن معالجة المصفوفات العددية، وحساب مؤشرات النزعة المركزية والتشتت، واختبار الفرضيات المعلمية واللامعلمية في غضون ثوانٍ معدودة وبنقرات محددة.

تتميز TI-84 أيضاً بقدرتها المزدوجة على دمج الحسابات الرقمية الدقيقة بالتمثيل الهندسي البصري الفوري. فبمجرد إدخال البيانات وحساب معامل الارتباط، يستطيع المستخدم توليد مخططات الانتشار (Scatter Plots) وتراكب خطوط الانحدار التنبؤية فوق سحابة النقاط اللحظية، مما يعزز الفهم العميق للسلوك التوزيعي للبيانات، ويكشف فورياً عن أي انتهاكات هندسية قد تعيب النموذج الإحصائي المطبق.

2. الأسس النظرية لمعامل ارتباط بيرسون (Pearson r) وافتراضاته الإحصائية

2.1 الصيغة الرياضية لمعامل ارتباط بيرسون

يستند معامل ارتباط بيرسون، الذي طوره عالم الرياضيات والإحصاء الإنجليزي كارل بيرسون (Karl Pearson)، إلى قياس التغاير المشترك (Covariance) بين متغيرين مقسوماً على حاصل ضرب انحرافيهما المعياريين. تعبر الصيغة الرياضية الكلاسيكية لحساب معامل الارتباط للعينة ($r$) عن النسبة بين مجموع حواصل ضرب انحرافات قيم المتغيرين عن متوسطاتهما الحسابية والجذر التربيعي لمجموع مربعات هذه الانحرافات لكل متغير على حدة:

$$r = \frac{\sum_{i=1}^{n} (X_i – \bar{X})(Y_i – \bar{Y})}{\sqrt{\sum_{i=1}^{n} (X_i – \bar{X})^2} \sqrt{\sum_{i=1}^{n} (Y_i – \bar{Y})^2}}$$

تعتمد خوارزمية الحساب الداخلية في الآلة الحاسبة TI-84 على تحويل البيانات الخام المدخلة إلى درجات معيارية مقننة (Z-scores). من خلال هذه العملية، يُعاد قياس كل قيمة كمية لتُعبر عن المسافة التي تفصلها عن المتوسط الحسابي بوحدات الانحراف المعياري، وفق الصيغة التحويلية:

$$Z_X = \frac{X – \bar{X}}{S_X} \quad \text{و} \quad Z_Y = \frac{Y – \bar{Y}}{S_Y}$$

وبذلك، يُحسب معامل الارتباط كمتوسط لحاصل ضرب هذه الدرجات المعيارية عبر جميع أزواج العينة، مقسوماً على درجات الحرية ($n – 1$):

$$r = \frac{1}{n – 1} \sum_{i=1}^{n} Z_{X_i} Z_{Y_i}$$

يلعب حجم العينة ($n$) ودرجات الحرية المصاحبة ($df = n – 2$) دوراً حاسماً في استقرار قيمة$r$ المحسوبة. ففي العينات الصغيرة جداً، يتصف المعامل بحساسية تذبذبية مفرطة تجاه أي تباين عشوائي، بينما تتضاءل فترات الثقة المحيطة بالمعامل في العينات الأكبر حجماً، مما يمنح التقدير دقة إحصائية واستقراراً رياضياً أعلى بكثير.

2.2 الافتراضات الإحصائية الواجب استيفاؤها قبل الحساب

لكي يكون تطبيق معامل ارتباط بيرسون مبرراً منهجياً وتكون مخرجاته معبرة بصدق عن الواقع التجريبي، يجب استيفاء مجموعة صارمة من الافتراضات الإحصائية الكلاسيكية:

• مستوى القياس (Level of Measurement): يشترط اختبار بيرسون أن يكون كلا المتغيرين ($X$ و $Y$) مقاسين على مقياس كمي مستمر، سواء كان مقياساً فترياً (Interval Scale) كدرجات اختبارات الذكاء المقننة ودرجات الحرارة المئوية، أو مقياساً نسبياً (Ratio Scale) كزمن الرجع، والوزن، وساعات الدراسة، حيث يمتلك المقياس الأخير صفراً مطلقاً حقيقياً. لا يجوز تطبيق هذا المعامل على البيانات الترتيبية البحتة أو الاسمية.
• التوزيع الطبيعي ثنائي المتغيرات (Bivariate Normality): يفترض الاختبار أن المتغيرين يتبعان توزيعاً طبيعياً مشتركاً في المجتمع الإحصائي؛ بحيث تكون التوزيعات الهامشية لكل متغير طبيعية، كما تكون التوزيعات الشرطية لأي متغير عند أي قيمة محددة للمتغير الآخر موزعة توزيعاً طبيعياً متماثلاً.
• خطية العلاقة (Linearity): يفترض النموذج أن النمط الرياضي الكامن الذي يربط بين المتغيرين يتخذ شكلاً مستقيماً في الفضاء الهندسي. إذا كانت العلاقة الحقيقية غير خطية (مثل المنحنيات الدائرية أو العلاقات اللوغاريتمية أو العلاقات على شكل حرف U كعلاقة قانون يركس-دودسون بين الاستثارة والأداء)، فإن معامل بيرسون سيخفق في رصد هذه العلاقة بدقة وسيعطي تقديراً مضللاً يقترب من الصفر.
• تجانس التباين (Homoscedasticity): يتطلب هذا الافتراض أن يظل تباين نقاط البيانات للمتغير التابع ثابتاً ومتجانساً عبر جميع مستويات وقيم المتغير المستقل، دون ظهور أنماط تشتت مخروطية أو مروحية في مخطط الانتشار.

2.3 حدود ومحاذير تفسير معامل الارتباط

من الأخطاء المعرفية والمنهجية الشائعة في الأوساط الأكاديمية الخلط بين مفهوم الارتباط ومفهوم السببية (Correlation vs. Causation). إن وجود معامل ارتباط قوي ودال إحصائياً بين متغيرين لا يثبت بأي حال من الأحوال أن المتغير $X$ هو السبب المباشر المحدث للتغير في المتغير $Y$. قد يرجع هذا الاقتران إلى تأثير متغير ثالث خفي وغير مقاس (Confounding or Lurking Variable)، أو قد يكون ناتجاً عن علاقة سببية عكسية، أو حتى مجرد اقتران زائف (Spurious Correlation) ناشئ عن الصدفة المحضة أو تضخم حجم العينة.

تتمثل إحدى العقبات المنهجية الأخرى في ظاهرة “المدى المقيد” أو تضييق النطاق (Restricted Range). عندما يقوم الباحث باختبار عينة تتميز بتجانس مفرط في أحد المتغيرين (كأن يقتصر اختبار العلاقة بين الذكاء والتحصيل على الطلاب الموهوبين فقط بدلاً من المجتمع الطلابي العام)، فإن التباين المحسوب ينخفض بشدة، مما يؤدي تلقائياً إلى خفض مصطنع وهبوط حاد في القيمة الفعلية لمعامل الارتباط المحسوب مقارنة بقيمته الحقيقية في المجتمع الكلي.

وعلاوة على ذلك، يتميز معامل ارتباط بيرسون بحساسية هندسية مفرطة تجاه القيم المتطرفة والشاذة (Outliers). إن وجود نقطة بيانية شاذة واحدة تبتعد بدرجة كبيرة عن السحابة التوزيعية العامة كفيل إما بتضخيم قيمة الارتباط وإظهار اقتران قوي غير حقيقي، أو خفض قيمة الارتباط الحقيقي وإخفاء علاقة قوية قائمة بالفعل. يفرض هذا القيد ضرورة الفحص البصري الدائم للبيانات عبر الرسوم البيانية التفاعلية في TI-84 قبل الاعتماد النهائي على القيمة الرقمية الناتجة.

3. التعرف على بيئة العمل الإحصائية في الآلة الحاسبة TI-84

3.1 المفاتيح والقوائم الأساسية المخصصة للإحصاء

تتمحور كافة المعالجات الإحصائية في حاسبات TI-84 حول مجموعة مخصصة من المفاتيح الصلبة التي تقود المستخدم مباشرة إلى بيئات التحليل المتخصصة. يُعد المفتاح الأساسي STAT بمثابة البوابة المركزية لكافة الوظائف الإحصائية. يؤدي الضغط على هذا الزر إلى فتح واجهة تبويب ثلاثية تشتمل على قوائم التحرير (EDIT)، وقوائم الحسابات الرياضية المتقدمة (CALC)، وقوائم اختبارات الفروض الإحصائية المعلمية واللامعلمية وفترات الثقة (TESTS).

وللوصول إلى الوظائف الفرعية المحفورة بلون ثانوي (غالباً ما يكون اللون الأصفر أو الأزرق أعلى المفاتيح)، يعتمد المستخدم على المفتاح التحويلي 2nd. يرتبط بهذا المفتاح عدد من البيئات الحيوية؛ من أبرزها بيئة الفهرس العام الشامل CATALOG (المستدعاة عبر تركيبة المفاتيح 2nd متبوعة بالرقم 0)، والتي تحتوي على سرد هجائي كامل لكل الدوال والتعليمات البرمجية المدمجة في نظام التشغيل، وبيئة الرسوم الإحصائية STAT PLOT (المستدعاة عبر 2nd متبوعة بـ Y=).

يتيح نظام التنقل رباعي الاتجاهات (مفاتيح الأسهم: للأعلى، للأسفل، لليمين، لليسار) للمحلل التنقل بسلاسة عبر القوائم والشاشات الفرعية. يُستخدم مفتاح الإدخال ENTER لتأكيد الاختيارات وتنفيذ العمليات الحسابية، بينما يُستخدم المفتاح CLEAR لمسح المدخلات من سطر الأوامر، ويعيد المفتاح المركب 2nd + MODE (أمر QUIT) المستخدم فوراً إلى شاشة الحسابات الرئيسة الآمنة.

3.2 فهم هيكلية إدارة القوائم (Lists) في TI-84

تعتمد الآلة الحاسبة TI-84 في تنظيم وهيكلة البيانات المدخلة على مفهوم “القوائم” (Lists)، وهي مصفوفات أحادية البعد مخصصة لتخزين المتسلسلات العددية المستمرة والمنفصلة. يحتوي الجهاز افتراضياً على ست قوائم رئيسة محجوزة في الذاكرة المباشرة ومسماة من L1 إلى L6. ترتبط هذه القوائم الست بأرقام اللوحة من 1 إلى 6، ويمكن استدعاؤها برمجياً في أي موضع عبر النقر على مفتاح 2nd متبوعاً بالرقم المقابل للقائمة (مثلاً 2nd + 1 لاستدعاء L1).

إلى جانب القوائم الافتراضية الست، توفر بيئة نظام التشغيل للباحث القدرة على إنشاء قوائم مخصصة ذات أسماء نصية تتألف من 1 إلى 5 أحرف أبجدية (مثل ANXTY أو SCORE). تساعد هذه التسميات المخصصة في تنظيم مجموعات البيانات المتعددة والمعقدة وتجنب التداخل العرضي بين المتغيرات أثناء إجراء تحليلات إحصائية متتالية على عينات بحثية مختلفة.

تمتلك الآلة سعة ذاكرة وصول عشوائي (RAM) مرنة تتيح لكل قائمة استيعاب مئات النقاط البيانية الفردية؛ حيث تستطيع القائمة الواحدة تخزين ما يصل إلى 999 عنصراً عددياً، وهو ما يتجاوز بكثير متطلبات معظم العينات الميدانية والمخبرية في العلوم النفسية والسلوكية. تُحفظ هذه القوائم ومحتوياتها الرياضية تلقائياً في السجلات الدائمة للذاكرة حتى لو تم إيقاف تشغيل الجهاز يدوياً أو انقطع التيار الكهربائي اللحظي للبطاريات الاحتياطية.

4. الخطوة الأولى: تفعيل أدوات التشخيص الإحصائي (DiagnosticOn)

4.1 أهمية وضع التشخيص (Diagnostics) لإظهار r و r²

عند استخدام الآلة الحاسبة TI-84 للمرة الأولى بعد إخراجها من عبوة المصنع، أو بعد إجراء عملية إعادة ضبط شاملة للذاكرة العشوائية (RAM Reset)، يواجه العديد من الباحثين والطلاب ظاهرة محيرة: عند تنفيذ أمر الانحدار الخطي لحساب معامل الارتباط، تكتفي شاشة المخرجات بعرض معاملات معادلة الخط المستقيم ($y = ax + b$) وهي قيمتا الميل ($a$) والجزء المقطوع ($b$)، مع الاختفاء التام لقيمتي معامل الارتباط ($r$) ومعامل التحديد ($r^2$).

يعود هذا السلوك البرمجي إلى خيار هندسي تاريخي اعتمدته شركة تكساس إنسترومنتس لترشيد استهلاك موارد المعالج الدقيق وتوفير مساحات الذاكرة في العمليات الرياضية الأولية؛ حيث يتم ضبط وضع التشخيص الإحصائي (Stat Diagnostics) افتراضياً على حالة الإيقاف (OFF). وبالتالي، فإن تفعيل هذا الوضع يُعد الخطوة الأولى والإلزامية التي لا يمكن بدونها استخراج قيمة $r$ عبر واجهة الانحدار في الآلة الحاسبة.

بمجرد تغيير هذه الخاصية وتحويلها إلى وضع التفعيل (ON)، يقوم المعالج الإحصائي بتوسيع مصفوفة الحسابات الناتجة عن دوال الانحدار (بما فيها الانحدار الخطي، والتربيعي، واللوغاريتمية، والأسي) لتشمل تلقائياً حسابات الارتباط ومعاملات التحديد دون الحاجة لإعادة كتابة الأوامر. ويظل هذا التفعيل مستقراً ودائماً في الذاكرة الحية للجهاز طالما لم يتم محو سجلات الذاكرة بالكامل.

4.2 خطوات التفعيل عبر قائمة الفهرس الشامل (CATALOG)

تُعد طريقة التفعيل عبر الفهرس الشامل (CATALOG) الطريقة الكلاسيكية القياسية المتوافقة مع جميع أجيال وعائلات حواسيب TI-83 و TI-84، بغض النظر عن إصدار نظام التشغيل المثبت. لتنفيذ ذلك بدقة متناهية، اتبع التسلسل الهندسي التالي للضربات المفتاحية:

• اضغط على المفتاح 2nd ثم اضغط على مفتاح الرقم 0 للوصول المباشر إلى شاشة CATALOG. ستظهر لك قائمة هجائية تحتوي على مئات الأوامر الإحصائية والبرمجية، مع ظهور مؤشر الحروف الأبجدية في الزاوية العلوية للشاشة.
• للانتقال السريع إلى الأوامر التي تبدأ بحرف D دون الحاجة للتمرير البطيء والمضني عبر مئات الدوال، اضغط مباشرة على المفتاح المخصص لحرف D، وهو مفتاح المعكوس الرياضي $x^{-1}$ (الموجود في العمود الأيسر من اللوحة). ستلاحظ قفز المؤشر فوراً إلى أول أمر يبدأ بالحرف D.
• استخدم سهم التمرير للأسفل (Down Arrow) للتحرك برفق بين الأوامر حتى تصل إلى أمر DiagnosticOn وتحدده بالمؤشر الوامض. احرص على عدم الخلط بينه وبين الأمر المعاكس DiagnosticOff.
• اضغط على مفتاح ENTER لنقل الأمر البرمجي المختار إلى شاشة العمليات الرئيسة، ثم اضغط على ENTER مرة ثانية لتنفيذ الأمر. ستعرض الشاشة رسالة التأكيد الحاسمة Done، مما يعني اكتمال عملية التفعيل البرمجي بنجاح تام.

4.3 الطريقة البديلة في إصدارات TI-84 Plus CE الحديثة عبر قائمة MODE

في الإصدارات المحدثة من حواسب TI-84 Plus والتحديثات البرمجية ذات الشاشات الملونة عالية الدقة TI-84 Plus CE، وفرت شركة تكساس إنسترومنتس مساراً بيانياً أكثر حداثة وسرعة لتفعيل أدوات التشخيص الإحصائي مباشرة عبر شاشة ضبط الأنماط الرئيسة للنظام (MODE Screen)، دون الحاجة للغوص في الفهرس الهجائي العام.

لتطبيق هذه الطريقة الحديثة، اضغط مباشرة على مفتاح MODE الواقع في الصف العلوي الأيسر من لوحة المفاتيح بجوار المفاتيح الزرقاء. ستفتح لك الشاشة منظومة الإعدادات العامة للجهاز (مثل ضبط الزوايا بالدرجات أو الراديان، وتنسيق الأرقام العشرية). استخدم مفتاح السهم للأسفل للتمرير عمودياً عبر الخيارات حتى تصل إلى السطر المعنون باسم STAT DIAGNOSTICS.

عند الوصول إلى هذا الخيار، ستلاحظ وجود خيارين تفاعليين: OFF و ON. اضغط على سهم التنقل لليمين لنقل التظليل فوق الكلمة ON، ثم اضغط على مفتاح ENTER لتثبيت التحديد وجعله الخيار النشط الافتراضي. يمكنك بعد ذلك مغادرة القائمة والعودة فوراً لشاشة العمليات عبر الضغط على 2nd متبوعاً بـ MODE (أمر Quit). وبذلك تكون بيئة الحسابات الإحصائية مهيأة بالكامل لاستخراج مصفوفات الارتباط بدقة متناهية.

5. الخطوة الثانية: إدخال وتنسيق البيانات الإحصائية في القوائم

5.1 الوصول إلى محرر القوائم (List Editor)

يُمثل محرر القوائم (List Editor) في الآلة الحاسبة TI-84 بيئة العمل الجدلية الشبيهة بجداول البيانات المصغرة (Spreadsheet)، حيث تترتب البيانات في أعمدة رقمية متجاورة يمثل كل عمود منها متغيراً إحصائياً مستقلاً. للوصول إلى هذه البيئة، اضغط على المفتاح الرئيس STAT. سيفتح الجهاز افتراضياً على التبويب الأول EDIT، مع تظليل الخيار الأول المسجل باسم 1: Edit.... اضغط على مفتاح ENTER أو اضغط مباشرة على الرقم 1 للدخول إلى واجهة المحرر.

عند فتح المحرر، ستظهر لك الأعمدة الافتراضية محاذاة من اليسار إلى اليمين: L1، L2، L3، وهكذا. يمثل كل سطر أفقي داخل العمود رتبة الملاحظة أو النقطة البيانية الفردية للمفحوص داخل العينة. في حال لاحظت غياب أحد الأعمدة الافتراضية نتيجة حذف سابق خاطئ، يمكنك استعادتها فوراً بالخروج من المحرر، والضغط على STAT، ثم اختيار الأمر 5: SetUpEditor والضغط على ENTER؛ حيث يعيد هذا الأمر بناء الهيكلية الافتراضية للجداول وعرض كافة القوائم من L1 حتى L6 في موضعها الصحيح.

5.2 تفريغ القوائم وتنظيف السجلات السابقة (Clear Lists)

قبل الشروع في كتابة بيانات التجربة الحالية، من الضروري جداً تنظيف وتفريغ محتويات القوائم من أي بيانات قديمة أو متبقية من تحليلات سابقة لتجنب تلوث النتائج الإحصائية. لتفريغ قائمة معينة (ولتكن القائمة L1) بطريقة صحيحة وآمنة، اتبع الخطوات الإجرائية الآتية:

• باستخدام مفاتيح الأسهم، حرك المؤشر للأعلى حتى يرتفع التظليل فوق اسم القائمة ذاته في رأس العمود (بحيث يتم تظليل الرمز L1 في الشريط العلوي الداكن).
• اضغط على مفتاح CLEAR. ستلاحظ اختفاء الأرقام من السطر الإرشادي أسفل الشاشة مع بقاء عناصر القائمة ظاهرة مؤقتاً.
• اضغط على مفتاح ENTER. ستختفي على الفور كافة البيانات العددية المسجلة ويصبح العمود فارغاً ومهيأً تماماً لاستقبال المدخلات الجديدة.

تحذير منهجي وتقني بالغ الأهمية: إياك والضغط على مفتاح DEL عندما يكون المؤشر مظللاً لاسم القائمة في رأس العمود (مثل L1). إن الضغط على DEL في هذا الموضع لا يقوم بمسح الأرقام، بل يؤدي إلى حذف القائمة بأكملها وإزالتها تماماً من شاشة العرض. وإذا حدث ذلك بالخطأ، ستحتاج إلى إعادة تفعيلها عبر أمر SetUpEditor كما وضحنا سابقاً. كما يمكنك تفريغ قوائم متعددة برمجياً دفعة واحدة من شاشة الأوامر عبر الضغط على STAT ثم اختيار 4: ClrList وكتابة L1, L2 ثم الضغط على ENTER.

5.3 إدخال بيانات المتغيرين X و Y بدقة تامة

بعد تنظيف القوائم، تبدأ عملية الإدخال التسلسلي لأزواج البيانات المرتبطة بالعينة المدروسة. يُخصص العمود الأول L1 للمتغير المستقل أو التفسيري الأول ($X$)، بينما يُخصص العمود الثاني L2 للمتغير التابع أو المقترن الثاني ($Y$). لإدخال الأرقام، ضع المؤشر في الخانة الأولى تحت L1، واكتب القيمة الرقمية الأولى ثم اضغط على ENTER. سينتقل المؤشر تلقائياً إلى الخانة التالية للأسفل مباشرة لكتابة القيمة الثانية، وهكذا حتى إكمال كافة عناصر المتغير الأول.

بمجرد الانتهاء من إدخال قيم المتغير الأول في L1، اضغط على مفتاح السهم الأيمن للانتقال إلى رأس العمود المقابل في L2. ابدأ بإدخال قيم المتغير الثاني بنفس النسق التتابعي مع التأكيد الصارم على مطابقة كل نقطة بيانية في L2 للنقطة المقابلة لها تماماً في L1، بما يضمن بقاء أزواج القياس الفردية لكل مفحوص مقترنة بصورة صحيحة رياضياً وسياقياً.

من أهم الفحوصات الإجرائية قبل مغادرة شاشة التحرير هو التحقق البصري من “تطابق أطوال القوائم”. يجب أن ينتهي العمودان L1 و L2 عند نفس خط النهاية الأفقي تماماً؛ أي أن يكون عدد المدخلات في المتغير الأول مساوياً بدقة تامة لعدد المدخلات في المتغير الثاني ($N_X = N_Y$). إن أي إهمال يؤدي إلى وجود عنصر إضافي في إحدى القائمتين دون مقابل له في القائمة الأخرى سيقود حتماً إلى توقف الآلة عن الحساب وإطلاق رسالة الخطأ الرياضي الشهيرة ERR: DIM MISMATCH.

6. الخطوة الثالثة: حساب معامل الارتباط عبر معادلة الانحدار الخطي

6.1 الوصول إلى قائمة الحسابات الإحصائية (STAT CALC)

بعد إدخال وتدقيق البيانات في القوائم وتفعيل خيارات التشخيص الإحصائي، تصبح الآلة الحاسبة مستعدة لمعالجة المصفوفات الرياضية واستخراج المؤشرات الوصفية والاستدلالية. للوصول إلى أدوات الحساب، اضغط على مفتاح STAT، ثم استخدم سهم التنقل الأيمن للتحرك نحو التبويب الثاني المسمى CALC. ستعرض الشاشة قائمة بالعمليات الإحصائية المتقدمة المتاحة للتعامل مع المتغيرات الفردية والثنائية والمتعددة.

عند استعراض القائمة، ستلاحظ وجود خيارين مخصصين لحساب نموذج الانحدار الخطي الثنائي البسيط، وهما:

• الخيار رقم 4: 4: LinReg(ax+b)، وهو الصيغة الجبرية المعتمدة تقليدياً في المناهج الرياضية المدرسية وعلم الجبر الكلاسيكي، حيث يرمز $a$ إلى معامل الميل (Slope) بينما يرمز $b$ إلى نقطة التقاطع مع المحور الصادي (y-intercept).
• الخيار رقم 8: 8: LinReg(a+bx)، وهو التنسيق الإحصائي الأكاديمي القياسي الأكثر شيوعاً في المراجع الإحصائية الجامعية والبحوث النفسية المتقدمة، حيث يرمز $a$ إلى الحد الثابت (Intercept) بينما يرمز $b$ إلى ميل خط الانحدار ومعامل الانحدار للمتغير المستقل.

من الناحية الرياضية، لا يوجد أي اختلاف على الإطلاق في القيمة المحسوبة لمعامل الارتباط ($r$) أو معامل التحديد ($r^2$) بين كلا الخيارين؛ إذ ستعطي كلتا الدالتين نفس الناتج بدقة مطلقة. ومع ذلك، يُفضل الأكاديميون وعلماء النفس استخدام الخيار 4: LinReg(ax+b) أو الخيار 8: LinReg(a+bx) بما يتوافق مع النمط التوثيقي المعتمد في دراساتهم ومراجعهم المقررة.

6.2 ضبط معلمات الأمر LinReg على شاشة المعالج الإحصائي (Stat Wizard)

في أنظمة التشغيل الحديثة لآلات TI-84، يقود اختيار أمر الانحدار الخطي إلى فتح شاشة تفاعلية ذكية تُعرف باسم “معالج الإحصاء” (Stat Wizard). تم تصميم هذه الشاشة لتسهيل تغذية الدالة بالمعلمات اللازمة دون الحاجة لكتابة الأوامر يدوياً بسطور الأوامر المعقدة. تشتمل الشاشة على الحقول التفصيلية التالية:

• Xlist: لتحديد القائمة التي تحتوي على بيانات المتغير المستقل $X$. تأكد من كتابة L1 في هذا الحقل، ويمكن كتابتها عبر الضغط على 2nd متبوعاً بالرقم 1.
• Ylist: لتحديد القائمة الحاضنة لبيانات المتغير التابع أو المقترن $Y$. تأكد من ربطها بالقائمة L2 عبر الضغط على 2nd متبوعاً بالرقم 2.
• FreqList: يُترك هذا الحقل فارغاً تماماً في الحالات البحثية العادية التي تمثل فيها كل قيمة في القائمة فرداً أو ملاحظة واحدة. لا يُستخدم هذا الحقل إلا إذا كانت البيانات مجمعة في صورة جداول تكرارية موزونة؛ حيث توضع قائمة التكرارات المقابلة لكل زوج بياني.
• Store RegEQ: يتيح هذا الخيار للباحث تخزين معادلة الانحدار المحسوبة تلقائياً في أحد متغيرات الدوال البيانية (مثل Y1). ولتفعيله اختيارياً، اضغط على مفتاح VARS، ثم انتقل بالسهم الأيمن إلى Y-VARS، واختر 1: Function ثم اختر 1: Y1. يفيد هذا الإجراء في رسم خط الانحدار آلياً فوق مخطط الانتشار كما سنرى لاحقاً.

6.3 تنفيذ الحساب واستخراج مصفوفة النتائج

بعد التحقق التام من صحة المعلمات المعينة في معالج الإحصاء، استخدم مفتاح السهم للأسفل للتنقل حتى يتم تظليل الأمر الأخير المسمى Calculate. اضغط الآن على مفتاح ENTER لبدء المعالجة اللحظية. أما بالنسبة للأنظمة القديمة التي لا تدعم واجهة المعالج الإحصائي التفاعلي، فسيظهر الأمر مباشرة على الشاشة الرئيسية بصيغة LinReg(ax+b)، وعندها يقوم المستخدم بكتابة L1, L2 بالضغط على 2nd + 1 ثم فاصلة (مفتاح ,) ثم 2nd + 2، ثم يتبعها بالضغط على ENTER.

في غضون أجزاء من الثانية، ستقوم الآلة الحاسبة بمعالجة كافة البيانات وعرض شاشة النتائج النهائية المتكاملة. ستحتوي الشاشة على التقرير الرياضي الكامل مقسماً على الأسطر التالية:

• السطر الأول: يوضح الصيغة الجبرية للنموذج المعتمد: y = ax + b.
• السطر الثاني: القيمة العددية لميل الخط المستقيم ($a$).
• السطر الثالث: القيمة العددية للجزء المقطوع من المحور الرأسي ($b$).
• السطر الرابع: القيمة العددية لمعامل التحديد الخطي ($r^2$).
• السطر الخامس والأخير: القيمة العددية الدقيقة لمعامل ارتباط بيرسون المحسوب ($r$).

7. التفسير العلمي والإحصائي لمخرجات شاشة النتائج

7.1 تحليل قيمة معامل الارتباط (r)

يمثل استخراج القيمة الرقمية لمعامل الارتباط ($r$) الخطوة الأولى نحو فهم طبيعة العلاقة بين المتغيرين المدروسين. يتطلب التحليل السيكومتري والإحصائي السليم تفكيك هذه القيمة إلى شقين أساسيين: الإشارة الجبرية، والمقدار العددي المطلق. تحدد الإشارة الجبرية اتجاه العلاقة الحركية؛ فالإشارة الموجبة تدل على علاقة اقتران طردية مباشرة، حيث تترافق المستويات المرتفعة للمتغير الأول مع مستويات مرتفعة للمتغير الثاني، بينما تدل الإشارة السالبة على علاقة اقتران عكسية، حيث تقترن الزيادة في أحد المتغيرين بنقصان منتظم في المتغير الآخر.

أما من حيث تقدير قوة الارتباط وحجم التأثير (Effect Size)، فيعتمد الباحثون عموماً على الاتفاقيات المعيارية الكلاسيكية التي أرساها الإحصائي البارز جاكوب كوهين (Jacob Cohen) في تصنيف الارتباطات بالعلوم السلوكية والتربوية، وهي كالتالي:

• ارتباط ضعيف (Small / Weak): عندما تتراوح القيمة المطلقة لـ $|r|$ بين 0.10 و 0.29. يشير هذا إلى وجود ميل اقتراني طفيف جداً يصعب الاعتماد عليه في التنبؤات الفردية الدقيقة، وإن كان قد يحمل دلالات استكشافية في العينات الضخمة.
• ارتباط متوسط (Medium / Moderate): عندما تتراوح القيمة المطلقة لـ $|r|$ بين 0.30 و 0.49. يمثل هذا المستوى نمطاً واضحاً وملموساً للاقتران المشترك بين المتغيرات النفسية، ويُعتبر مؤشراً جيداً على وجود أرضية مشتركة بين المفهومين المقاسين.
• ارتباط قوي (Large / Strong): عندما تبلغ القيمة المطلقة لـ $|r|$ مقدار 0.50 فما فوق (وصولاً إلى 1.00). يعكس هذا المستوى اقتراناً بنيوياً وثيقاً جداً بين المتغيرين، مما يتيح إمكانية التنبؤ بسلوك أحدهما بناءً على الآخر بدرجة عالية من الثقة.

من الناحية الرياضية البحتة، يجب التأكد الدائم من وقوع القيمة الناتجة داخل المجال المغلق $[-1.00, +1.00]$. إذا ظهرت أي قيمة خارج هذا النطاق الرياضي في أي بيئة برمجية أخرى، فإن ذلك يُعد دليلاً قاطعاً على وجود خطأ برمجي جسيم أو خطأ في معالجة مصفوفة التغاير؛ وهو أمر يستحيل حدوثه داخل الخوارزميات الحسابية الصارمة لآلة TI-84.

7.2 تحليل معامل التحديد (r²) والدلالة التفسيرية

يُعد معامل التحديد، المعبر عنه بالرمز $r^2$ (أو $R^2$ في سياق الانحدار المتعدد)، أحد أهم المؤشرات التفسيرية التي تكمل النظرة الأحادية لمعامل الارتباط $r$. رياضياً، يمثل$r^2$ مربع قيمة معامل ارتباط بيرسون، وتتراوح قيمته دائماً بين 0.00 و +1.00 (أو بين 0% و 100% عند التعبير عنه كنسبة مئوية). لا يحمل هذا المؤشر أي إشارة سالبة على الإطلاق، نظراً لأن عملية التربيع تلغي الإشارات الجبرية السلبية.

من المنظور التفسيري السيكومتري، يُحدد معامل التحديد النسبة المئوية الدقيقة لمقدار التباين (Variance) المشترك في المتغير التابع ($Y$) الذي يمكن تفسيره، أو التنبؤ به، أو عزوه رياضياً إلى التباين القائم في المتغير المستقل ($X$) عبر النموذج الخطي المقترح. فعلى سبيل المثال، إذا كان معامل الارتباط بين دافعية الإنجاز والأداء الأكاديمي هو$r = 0.60$، فإن معامل التحديد الناتج على شاشة TI-84 سيكون$r^2 = 0.36$.

يعني هذا الرقم ($r^2 = 0.36$) أن ما نسبته 36% من إجمالي التباينات والفروق الفردية الملاحظة في درجات الأداء الأكاديمي للطلاب يمكن تفسيرها وفهمها مباشرة في ضوء التباين الحاصل في مستويات دافعيتهم للإنجاز. بالمقابل، يتبقى ما نسبته 64% ($1 – r^2 = 0.64$) كـ “تباين غير مفسر” (Unexplained / Residual Variance) يعود إلى تأثير عوامل ومتغيرات دخيلة أخرى لم يشملها النموذج (مثل الكفاءة التدريسية، والظروف البيئية، والقدرات الإدراكية العامة)، أو إلى أخطاء القياس العشوائية. يبرز هذا المؤشر جودة الملاءمة الكلية (Goodness of Fit) للنموذج المقترح.

7.3 ربط r بمعاملات معادلة الخط المستقيم (a و b)

يرتبط معامل الارتباط ($r$) بنيوياً بمعاملات خط الانحدار البسيط الظاهرة على شاشة TI-84. تتخذ المعادلة الصورة العامة$y = ax + b$، حيث يمثل$a$ ميل الخط المستقيم (Slope)، بينما يمثل $b$ الجزء المقطوع من المحور الصادي (y-intercept). وتتجلى العلاقة الرياضية المباشرة بين معامل الانحدار وميل الخط ومعامل الارتباط من خلال المعادلة التحويلية:

$$a = r \left( \frac{S_y}{S_x} \right)$$

حيث يمثل $S_y$ الانحراف المعياري لبيانات المتغير $Y$، ويمثل$S_x$ الانحراف المعياري لبيانات المتغير $X$. توضح هذه الصيغة أن إشارة معامل الميل ($a$) تتطابق حتماً مع إشارة معامل الارتباط ($r$)؛ فإذا كان الارتباط موجباً كان الميل صاعداً بالضرورة، وإذا كان الارتباط سالباً كان الميل هابطاً. كما توضح المعادلة أن الميل هو في حقيقته معامل الارتباط بعد إعادة وزنه وتعديله وفقاً لنسبة التشتت والتفاوت النسبي بين مقاييس المتغيرين في وحداتهما الأصلية.

أما الجزء المقطوع ($b$) فيُحسب من خلال طرح حاصل ضرب الميل في المتوسط الحسابي لـ$X$ من المتوسط الحسابي لـ $Y$ ($b = \bar{Y} – a\bar{X}$). يمثل هذا الثابت القيمة التنبؤية المتوقعة للمتغير التابع $Y$ عندما تنعدم قيمة المتغير المستقل تماماً ($X = 0$). ومن خلال دمج هذه القيم ($a, b, r, r^2$)، يستطيع الباحث صياغة النموذج التنبؤي المتكامل الذي يسمح بتقدير السلوك المستقبلي للمفحوصين بناءً على قياساتهم الراهنة.

8. التحقق البصري المتقدم: رسم مخطط الانتشار (Scatter Plot) على TI-84

8.1 إعداد الرسم البياني عبر قائمة STAT PLOT

يُمثل الفحص البصري التفاعلي خطوة منهجية لا غنى عنها للتحقق من صدق وملاءمة معامل الارتباط الخطي المحسوب. تتيح حواسيب TI-84 بيئة رسومية متطورة لتوليد مخططات الانتشار (Scatter Plots) بدقة هندسية عالية. لبدء إعداد الرسم البياني، اضغط على المفتاح التحويلي 2nd متبوعاً بمفتاح Y= (للوصول إلى القائمة الفرعية STAT PLOTS).

ستظهر لك شاشة إعداد المخططات الإحصائية متضمنة ثلاثة مخططات مستقلة (Plot1, Plot2, Plot3). اضغط على ENTER للدخول إلى معالج إعداد المخطط الأول Plot1، وقم بضبط الخيارات الآتية بالتسلسل:

• الحالة: حرك التظليل فوق الكلمة ON واضغط على ENTER لتفعيل المخطط البياني.
• النوع (Type): حدد الخيار البياني الأول من جهة اليسار، وهو الرمز الذي يمثل “سحابة النقاط المتناثرة” (Scatter Plot)، ثم اضغط على ENTER.
• قائمة Xlist: تأكد من ضبطها على L1 (مفتاح 2nd + 1).
• قائمة Ylist: تأكد من ضبطها على L2 (مفتاح 2nd + 2).
• العلامة النقطية (Mark): اختر شكل النقطة البيانية المفضلة لديك لتمثيل المفحوصين (المربع المفرغ، أو علامة الزائد، أو النقطة المصمتة الصغيرة).
• اللون (Color – خاص بإصدارات CE): يمكنك اختيار اللون البصري المفضل لتمييز النقاط على الشاشة الملونة.

8.2 ضبط أبعاد المحاور باستخدام دالة ZoomStat التلقائية

من الأخطاء المتكررة التي يقع فيها مستخدمو الآلة الحاسبة الضغط المباشر على مفتاح الرسم GRAPH بعد إعداد المخطط؛ حيث يؤدي ذلك غالباً إلى ظهور شاشة بيانية فارغة أو غير متناسقة، نظراً لأن نافذة العرض الافتراضية للآلة مضبوطة مسبقاً على النطاق القياسي من -10 إلى +10 على كلا المحورين، وهو نطاق قد لا يتناسب إطلاقاً مع المدى الفعلي للبيانات التجريبية المدخلة.

لتجاوز هذه العقبة وضبط حدود المحاور تلقائياً وبأعلى كفاءة رياضية، اضغط على مفتاح ZOOM الواقع في منتصف الصف العلوي. ستظهر لك قائمة بأدوات ضبط وتكبير الشاشة الهندسية. مرر المؤشر للأسفل حتى تصل إلى الخيار رقم 9، وهو الأمر المخصص للإحصاء 9: ZoomStat، ثم اضغط على ENTER (أو اضغط مباشرة على المفتاح الرقمي 9 من لوحة الأرقام).

تقوم خوارزمية ZoomStat بفحص أدنى وأعلى قيمة في القائمتين L1 و L2 بشكل فوري، وتقوم تلقائياً بتوليد أبعاد المحورين $[X_{\min}, X_{\max}]$ و $[Y_{\min}, Y_{\max}]$ مع إضافة هوامش تناسبية مريحة تحيط بسحابة النقاط. ستتحول الشاشة فوراً لعرض مخطط الانتشار النقطي بوضوح تام، مما يتيح للمحلل قراءة التوزيع المكاني للأفراد داخل العينة البحثية.

8.3 رسم خط الانحدار الإحصائي فوق سحابة النقاط وتفسير الانتشار

تكتمل قوة التحليل البصري عندما يتم تراكب خط الانحدار الخطي الأفضل ملاءمة (Line of Best Fit) فوق سحابة النقاط المنتشرة. إذا كنت قد قمت مسبقاً بحفظ معادلة الانحدار في المتغير Y1 أثناء تنفيذ أمر LinReg، فستلاحظ ظهور الخط المستقيم ممتداً عبر سحابة النقاط تلقائياً بمجرد استدعاء شاشة الرسم البياني.

يمنح هذا التراكب البصري الباحث قدرة فائقة على إجراء تقييم نوعي دقيق لعدد من الظواهر الإحصائية الحرجة:

• الكشف عن اللاخطية (Curvilinearity): إذا لاحظت أن سحابة النقاط تتخذ شكلاً مقوساً (انحناء مكافئ أو لوغاريتمي) بحيث تبتعد النقاط بانتظام عن الخط المستقيم في الأطراف والمنتصف، فإن ذلك يمثل دليلاً قاطعاً على انتهاك افتراض الخطية، مما يبطل الاعتماد على معامل بيرسون ويستوجب اللجوء إلى نماذج الانحدار غير الخطي.
• رصد القيم الشاذة والمتطرفة المؤثرة (Influential Outliers): يتيح الرسم التعرف البصري الفوري على أي نقطة معزولة تبتعد بمسافة شاسعة عن الاتجاه العام لسحابة النقاط. يمكن للباحث تتبع إحداثيات هذه النقاط عبر الضغط على مفتاح TRACE والتحرك بالأسهم بين النقاط للتعرف على الرقم التعريفي للحالة الشاذة في القائمة الأصلية لدراستها وتفسير علتها السيكومترية.

9. اختبار الدلالة الإحصائية لمعامل الارتباط (LinRegTTest) على TI-84

9.1 صياغة الفرضيات الإحصائية (الصفرية والبديلة)

لا يكتمل التحليل الإحصائي بمجرد حساب القيمة الوصفية لمعامل الارتباط ($r$) للعينة الميدانية، بل يجب اختبار ما إذا كانت هذه العلاقة الملاحظة حقيقية وممثلة للمجتمع الأصلي، أم أنها مجرد تباين عشوائي ناتج عن خطأ المعاينة (Sampling Error). يتطلب هذا الإجراء الاستدلالي صياغة الفرضيات الإحصائية الموجهة أو غير الموجهة حول معامل الارتباط في المجتمع الإحصائي الكلي، والذي يرمز له بالحرف الإغريقي رو ($rho$):

• الفرضية الصفرية ($H_0$): تنص على انعدام الارتباط الخطي تماماً في المجتمع الإحصائي الأصلي؛ أي أن:

  $$H_0: \rho = 0$$

• الفرضية البديلة ($H_1$ أو $H_a$): تُصاغ وفقاً لتوجه الدراسة وتوقعات الإطار النظري، وتتخذ أحد الأشكال الرياضية الثلاثة التالية:
  • اختبار ثنائي الطرف (Two-tailed test): يفترض وجود علاقة ارتباطية ذات دلالة دون تحديد مسبق لاتجاهها:

    $$H_a: \rho \neq 0$$

  • اختبار أحادي الطرف الأيمن (One-tailed test): يفترض وجود علاقة اقتران طردية إيجابية دالة إحصائياً:

    $$H_a: \rho > 0$$

  • اختبار أحادي الطرف الأيسر (One-tailed test): يفترض وجود علاقة اقتران عكسية سلبية دالة إحصائياً:

    $$H_a: \rho < 0$$

يتم قبل إجراء الاختبار تحديد مستوى المعنوية الدال أو مستوى المجازفة الإحصائية ألفا ($\alpha$)، والذي يُحدد عادة في العلوم النفسية والسلوكية بالقيمة $\alpha = 0.05$ (مستوى ثقة 95%) أو $\alpha = 0.01$ (مستوى ثقة 99%) للحكم على معنوية النتائج المستخلصة.

9.2 تنفيذ اختبار t للانحدار والارتباط عبر LinRegTTest

توفر الآلة الحاسبة TI-84 أداة استدلالية مدمجة مخصصة لإجراء اختبار $t$ لدلالة معامل الارتباط ومعاملات الانحدار في آن واحد عبر دالة LinRegTTest. للوصول إلى هذا الاختبار المتقدم وتنفيذه، اتبع الخطوات التالية:

• اضغط على مفتاح STAT، ثم انتقل بمفتاح السهم مرتين جهة اليمين لتحديد التبويب الثالث TESTS.
• مرر المؤشر للأسفل عبر القائمة حتى تصل إلى الأمر LinRegTTest (يقع عادة عند الخيار E أو F في القائمة تبعاً لإصدار النظام)، ثم اضغط على ENTER.
• في شاشة إعداد الاختبار، تأكد من تعيين Xlist: L1 و Ylist: L2، واجعل Freq: 1.
• في سطر الفرضية البديلة المعنون بالرمز $\beta$ & $rho$:، حدد خيار الصياغة المناسب لبحثك؛ فإذا كانت الفرضية غير موجهة اختر $\neq 0$، وإذا كانت موجهة طردياً اختر $> 0$، وإذا كانت موجهة عكسياً اختر $< 0$، ثم اضغط ENTER لتثبيت التحديد.
• انزل بالمؤشر إلى خيار Calculate واضغط على مفتاح ENTER.

ستقوم الآلة فوراً بإجراء اختبار ستيودنت التائي وتوليد شاشة استدلالية متكاملة تتضمن المؤشرات الدقيقة التالية:

• t: القيمة التائية المحسوبة للاختبار ($t$-statistic).
• p: القيمة الاحتمالية الدقيقة المقترنة بالاختبار ($p$-value).
• df: درجات الحرية المحسوبة المرافقة للعينة، وتساوي دائماً عدد الأزواج ناقصاً اثنين ($df = n – 2$).
• بالإضافة إلى معاملات الخط المستقيم $a$ و $b$ والخطأ المعياري للتقدير $s$، ومؤشري الارتباط$r^2$ و $r$.

9.3 اتخاذ القرار الإحصائي وتفسير الدلالة

يرتكز اتخاذ القرار الإحصائي النهائي على مقارنة القيمة الاحتمالية الناتجة ($p$-value) بمستوى الدلالة المعياري المعتمد ($alpha = 0.05$). وتخضع القاعدة الاستدلالية الصارمة للمعيارين التاليين:

• إذا كانت $p \leq 0.05$: يتم رفض الفرضية الصفرية ($H_0$) وقبول الفرضية البديلة ($H_a$). ويُستنتج من ذلك أن معامل الارتباط المحسوب دال إحصائياً (Statistically Significant)، مما يعني وجود اقتران حقيقي ومؤكد بين المتغيرين في المجتمع الأصلي لا يمكن عزوه لتقلبات المعاينة العشوائية.
• إذا كانت $p > 0.05$: يتم الفشل في رفض الفرضية الصفرية (قبول $H_0$). ويُستنتج أن العلاقة الارتباطية الملاحظة في العينة غير دالة إحصائياً، وتفتقر للقوة الاستدلالية التي تتيح تعميمها على المجتمع الكلي.

وعند صياغة النتائج وتوثيقها وفق التنسيق المعتمد الصادر عن جمعية علم النفس الأمريكية (APA Style – 7th Edition)، تُكتب العبارة الاستنتاجية بالدمج بين حجم العينة، ودرجات الحرية، وقيمة المعامل، ومستوى الدلالة بدقة؛ على النحو الآتي مثلاً:
“أظهرت النتائج وجود ارتباط طردي موجب ودال إحصائياً بين المتغيرين، $r(28) = .68, p < .001$."

10. استكشاف الأخطاء الشائعة وحلها أثناء حساب الارتباط على TI-84

10.1 حل مشكلة عدم ظهور قيمتي r و r² في شاشة النتائج

تُعد مشكلة غياب قيمتي $r$ و $r^2$ من شاشة نتائج الانحدار الخطي من أكثر المشكلات التقنية شيوعاً بين مستخدمي حواسيب TI-84. يرجع السبب الحصري وراء هذا الخلل إلى إيقاف وضع “التشخيص الإحصائي” (Stat Diagnostics) في النظام؛ وهو ما يحدث بصورة متكررة وتلقائية عند تغيير بطاريات الجهاز، أو إجراء إعادة تعيين لذاكرة الوصول العشوائي (RAM Reset)، أو عند استخدام برمجيات مسح الذاكرة المعتمدة في لجان الاختبارات المعيارية.

لحل هذه المشكلة فوراً دون أي حاجة لإعادة كتابة مصفوفات البيانات المدخلة في القوائم:

• ادخل فوراً إلى الفهرس الشامل بالضغط على 2nd متبوعاً بالرقم 0، ثم اضغط على مفتاح المعكوس $x^{-1}$ (حرف D)، وانزل بالسهم لتحديد DiagnosticOn، واضغط ENTER مرتين حتى تظهر كلمة Done.
• أو في إصدارات CE، اضغط على MODE، وانزل إلى خيار STAT DIAGNOSTICS وقم بتحويل التحديد إلى ON ثم اضغط ENTER.
• بعد تفعيل التشخيص، أعد تشغيل أمر الانحدار الخطي من جديد عبر STAT $\rightarrow$ CALC $\rightarrow$ 4: LinReg(ax+b) $\rightarrow$ Calculate، وستلاحظ على الفور ظهور قيم $r$ و $r^2$ في أسفل شاشة النتائج بكامل دقتها.

10.2 معالجة أخطاء الأبعاد والمدخلات (ERR: DIM MISMATCH و ERR: DATA TYPE)

أثناء التعامل مع محرر القوائم وإجراء التحليلات الإحصائية، قد تظهر شاشات خطأ نظامية تمنع إتمام الحساب. يوضح الجدول والتحليل التالي كيفية تفكيك وعلاج هذه الأخطاء بدقة:

1. خطأ عدم تطابق الأبعاد (ERR: DIM MISMATCH):
يحدث هذا الخطأ عندما يستدعي أمر الانحدار أو الارتباط قائمتين غير متساويتين في عدد العناصر الإجمالية (مثلاً احتواء القائمة L1 على 15 رقماً واحتواء القائمة L2 على 14 رقماً فقط). لمعالجة هذا الخلل، اختر خيار 1: Goto من شاشة الخطأ؛ حيث سينقلك النظام مباشرة إلى الخلية المفقودة داخل محرر القوائم. قم بإدخال القيمة الناقصة المقابلة، أو احذف القيمة الزائدة اليتيمة من القائمة الأطول باستخدام زر DEL لتتساوى أطوال الأعمدة بدقة.

2. خطأ نوع البيانات غير الصالحة (ERR: DATA TYPE):
ينتج هذا الخطأ عن محاولة الآلة معالجة رمز نصي أو مدخل غير عددي داخل العمليات الرياضية؛ كأن يقوم المستخدم بكتابة الحرف الأبجدي O بالخطأ بدلاً من الرقم العددي 0 (صفر)، أو إدخال مسافة فارغة أو علامة ترقيم غير صالحة. بالضغط على 1: Goto، سيشير المؤشر الوامض فوراً إلى الخلية المحددة التي تحتوي على الحرف الخاطئ؛ مما يتيح لك تعديلها بالرقم الصحيح واستئناف التحليل.

10.3 مشاكل الرسم البياني وأخطاء النوافذ (ERR: INVALID DIM و ERR: STAT)

عند الانتقال إلى مرحلة الرسم البياني التفاعلي لمخططات الانتشار، قد يواجه المستخدم رسائل خطأ مفاجئة تحول دون عرض الرسم؛ ومن أبرزها:

• خطأ الأبعاد غير الصالحة (ERR: INVALID DIM): ينشأ هذا الخطأ عندما يكون أحد المخططات الإحصائية (مثل Plot2 أو Plot3) في وضع التفعيل (ON) ومربوطاً بقائمة فارغة تماماً لا تحتوي على أي أرقام، أو قائمة تم حذفها مسبقاً من الذاكرة. لحل هذا الإشكال، ادخل إلى قائمة المخططات الإحصائية عبر 2nd + Y=، ثم اختر 4: PlotsOff واضغط ENTER لتعطيل كافة المخططات، ثم أعد تفعيل المخطط Plot1 فقط وضبطه على القوائم الممتلئة بالبيانات.
• تداخل الدوال والمعادلات الرياضية السابقة: في كثير من الأحيان، يتداخل وجود معادلات جبرية قديمة مكتوبة في محرر الدوال مع رسم مخطط الانتشار. اضغط على مفتاح Y= وافحص الأسطر من Y1 إلى Y9، واستخدم مفتاح CLEAR لمسح أي معادلات قديمة غير مرغوب فيها لتنظيف مساحة الرسم.
• أخطاء النافذة الرياضية المفقودة (ERR: STAT): تظهر عند عدم ضبط حدود المحاور أو عند اختيار مقاييس نافذة غير منطقية رياضياً. يتم التغلب على هذا الخلل دائماً وبشكل نهائي بالضغط على مفتاح ZOOM واختيار الأمر التلقائي 9: ZoomStat.

11. أمثلة تطبيقية وحالات دراسية في البحوث النفسية والتربوية

11.1 دراسة حالة 1: الارتباط بين درجات القلق الرياضي والأداء في اختبارات الذكاء

في دراسة سيكومترية استكشافية هدفت إلى فحص العلاقة الارتباطية بين مستوى “قلق الرياضيات” (Math Anxiety) والأداء الفعلي في “المصفوفات المتتابعة المعرفية” (Cognitive Performance)، قام باحث نفسي بتطبيق مقياس مقنن لقلق الرياضيات (تتراوح درجاته من 10 إلى 50 حيث تعبر الدرجة الأعلى عن قلق أشد) واختبار للقدرة المعرفية (تتراوح درجاته من 50 إلى 150) على عينة عشوائية مكونة من 12 طالباً جامعياً. سُجلت البيانات التجريبية الخام كما هو موضح في الجدول الآتي:

المفحوص (ID)	مقياس القلق (X) – في القائمة L1	اختبار الأداء المعرفي (Y) – في القائمة L2
1	18	125
2	22	118
3	25	120
4	28	110
5	30	105
6	34	100
7	38	95
8	40	98
9	42	88
10	45	82
11	48	78
12	50	75

خطوات المعالجة التفصيلية على TI-84:

• الضغط على STAT $\rightarrow$ 1: Edit...، وتفريغ القائمتين L1 و L2.
• إدخال درجات القلق في L1 ودرجات الأداء المعرفي المقابلة في L2.
• التأكد من تفعيل أدوات التشخيص عبر DiagnosticOn.
• الضغط على STAT $\rightarrow$ CALC $\rightarrow$ 4: LinReg(ax+b) $\rightarrow$ تعيين Xlist: L1 و Ylist: L2 $\rightarrow$ Calculate.

المخرجات والنتائج الإحصائية المستخلصة من الشاشة:

• معادلة الميل: $a = -1.611$
• الجزء المقطوع: $b = 155.048$
• معامل التحديد: $r^2 = 0.965$
• معامل ارتباط بيرسون: $r = -0.982$

التفسير السيكومتري والمنهجي:
تشير قيمة معامل ارتباط بيرسون المحسوبة ($r = -0.982$) إلى وجود علاقة ارتباطية عكسية (سالبة) قوية جداً وشبه تامة بين قلق الرياضيات والأداء المعرفي في العينة المدروسة. كما يوضح معامل التحديد ($r^2 = 0.965$) أن ما نسبته 96.5% من إجمالي التباين في درجات الأداء المعرفي يُعزى ويفسر مباشرة بالاختلافات في مستويات القلق الرياضي. وبإجراء اختبار الدلالة عبر LinRegTTest، نجد أن القيمة التائية $t(10) = -16.63$ والقيمة الاحتمالية $p < .0001$، مما يؤكد الدلالة الإحصائية الفائقة للعلاقة عند مستوى معنوية $\alpha = 0.01$.

11.2 دراسة حالة 2: العلاقة بين ساعات النوم واليقظة العقلية والانتباه المستمر

في دراسة تجريبية تناولت أثر النوم على الكفاءة العصبية الإدراكية، قام فريق بحثي بقياس متوسط عدد “ساعات النوم الفعلي” (متغير مستمر $X$) لـ 10 أفراد خلال ليلة الاختبار، متبوعاً بقياس مستوى “اليقظة وسرعة الاستجابة في اختبار الانتباه المستمر” (متغير مستمر$Y$، مقاساً بعدد الاستجابات الصحيحة في الدقيقة). أُدخلت البيانات في القائمتين L1 (ساعات النوم) و L2 (درجات اليقظة) كما يلي:

بيانات ساعات النوم ($X$): [4.0, 4.5, 5.0, 6.0, 6.5, 7.0, 7.5, 8.0, 8.5, 9.0]
بيانات درجات اليقظة ($Y$): [22, 25, 28, 35, 38, 42, 45, 48, 50, 52]

نتائج الحساب عبر TI-84:

• معادلة الانحدار الخطي: $\hat{Y} = 6.22X – 2.89$
• معامل التحديد الخطي: $r^2 = 0.989$
• معامل ارتباط بيرسون: $r = +0.994$
• قيمة اختبار الدلالة الإحصائية ($LinRegTTest$): $t(8) = 26.68, \quad p = 1.15 \times 10^{-8} \quad (p < .001)$

الاستنتاج العلمي:
تظهر النتائج المحسوبة وجود ارتباط طردي إيجابي فائق القوة ($r = +0.994$) ذي دلالة إحصائية قاطعة ($p < .001$) بين عدد ساعات النوم واليقظة الذهنية. عند تطبيق دالة ZoomStat، يظهر مخطط الانتشار محاذاة شبه خطية للنقاط على طول خط الانحدار، مما يثبت تجريبياً أن زيادة فترات النوم مقترنة بارتفاع مطرد ومتوقع في كفاءة المعالجة الإدراكية وسرعة الانتباه لدى أفراد العينة.

12. المقارنة المنهجية بين TI-84 والبرمجيات الإحصائية المتقدمة (SPSS / R / Python)

12.1 المزايا الميدانية والتعليمية لاستخدام TI-84

تحتفظ الآلة الحاسبة البيانية TI-84 بمكانة ريادية واستثنائية في المنظومة التعليمية والميدانية مقارنة بالحزم البرمجية الحاسوبية الكبرى، وذلك بفضل حزمة من المزايا التطبيقية الفريدة:

• الامتثال في بيئات الاختبارات الرسمية والمعيارية: تُعد TI-84 الأداة المعتمدة والمصرح بها رسمياً في معظم الاختبارات الدولية الموحدة (مثل اختبارات AP Statistics التابعة لـ College Board واختبارات القبول الجامعي والدراسات العليا)؛ حيث تُحظر تماماً أجهزة الحاسوب المحمولة وبرمجيات SPSS أو لغات البرمجة المفتوحة لمنع تسريب الأسئلة أو الاتصال بالإنترنت.
• الاستقلالية وسرعة الاستخدام الميداني: تتيح الآلة للباحث والأخصائي النفسي في المدارس أو العيادات إجراء المعالجات السريعة وفحص العلاقات الارتباطية دون الحاجة لتثبيت برمجيات باهظة التكلفة، أو توفير تراخيص تشغيل، أو حمل أجهزة حاسوبية ثقيلة إلى مواقع جمع البيانات.
• القيمة البيداغوجية والتعليمية: يُسهم التعامل المباشر مع خطوات الإدخال والتنفيذ في الآلة الحاسبة في ترسيخ المفاهيم الرياضية لدى الطلاب والباحثين المبتدئين؛ حيث يتابع المستخدم بنفسه تسلسل تدفق البيانات من القوائم إلى المعالج وصولاً إلى الرسم البياني، بخلاف البرمجيات الآلية الصرفة التي تعامل التحليل الإحصائي كـ “صندوق أسود” معزول.

12.2 حدود TI-84 بالمقارنة مع الحزم الإحصائية الكبرى

على الرغم من الكفاءة العالية للآلة الحاسبة TI-84 في المعالجات السريعة، إلا أنها تواجه قيوداً هيكلية واضحة عند مقارنتها بالبيئات الإحصائية البرمجية المتقدمة مثل IBM SPSS Statistics أو بيئة مشروع R الإحصائي أو مكتبات بايثون المتخصصة (مثل SciPy و Pandas و Statsmodels):

• حجم البيانات والتعامل مع البيانات الضخمة (Big Data): تقتصر الذاكرة التشغيلية للآلة على معالجة مئات الملاحظات الفردية لكل قائمة (بحد أقصى 999 عنصراً)، مما يجعلها غير صالحة إطلاقاً للتعامل مع المسوح السكانية الواسعة، أو قواعد البيانات الضخمة التي تحتوي على عشرات الآلاف من السجلات.
• حساب مصفوفات الارتباط متعددة المتغيرات (Correlation Matrices): تعالج TI-84 الارتباط بين متغيرين اثنين فقط في كل عملية انحدار منفصلة، وتفتقر إلى القدرة على توليد مصفوفات ارتباطية متزامنة تدمج عشرات المتغيرات بضغطة زر واحدة كما تفعل حزم SPSS أو لغة R.
• الفحوصات المتقدمة وتعديل البيانات المعقدة: لا توفر الآلة أدوات مؤتمتة متقدمة لفحص شروط التوزيع الطبيعي المعقد (مثل اختبارات Shapiro-Wilk أو Kolmogorov-Smirnov)، أو معالجة القيم المفقودة بطرق التعويض المتعدد (Multiple Imputation)، أو إجراء تحويلات القوى المتقدمة (مثل Box-Cox Transformations). وفي هذه الحالات، يتعين على الباحث الانتقال بالبيانات إلى بيئات التحليل الحاسوبية الشاملة.

12.3 خلاصة وتوصيات منهجية للباحثين والمحللين

لضمان الاستخدام الآمن، والدقيق، والموثوق للآلة الحاسبة البيانية TI-84 في حساب معاملات الارتباط وتفسير النتائج، نلخص أهم التوصيات والإجراءات في قائمة المراجعة السريعة (5-Step Checklist) الآتية:

• 1. فحص وضع التشخيص: تأكد دائماً قبل بدء أي تحليل من تفعيل DiagnosticOn لضمان ظهور قيمتي $r$ و $r^2$.
• 2. تنظيف وتدقيق القوائم: فرغ القائمتين L1 و L2 باستخدام CLEAR، وتأكد من تطابق أطوال الأعمدة بدقة مطلقة ($N_X = N_Y$) لتفادي خطأ الأبعاد.
• 3. التحقق البصري التفاعلي: لا تعتمد أبداً على القيمة الرقمية وحدها؛ افتح STAT PLOT واستخدم 9: ZoomStat لرؤية مخطط الانتشار وفحص الخطية واستبعاد القيم الشاذة المتطرفة.
• 4. اختبار الدلالة الاستدلالية: استخدم دالة LinRegTTest لحساب القيمة الاحتمالية $p$-value واختبار الفرضية الصفرية بناءً على حجم العينة ودرجات الحرية.
• 5. التوثيق المنهجي الصارم: انقل النتائج بدقة متناهية متضمنة قيمة المعامل ($r$)، والنسبة المفسرة ($r^2$)، وحجم العينة، ومستوى الدلالة، مع التمييز الواعي دائماً بين وجود الاقتران الارتباطي وإثبات العلاقة السببية.

خاتمة

يمثل حساب معامل الارتباط على الآلة الحاسبة البيانية TI-84 مهارة إحصائية وتحليلية جوهرية تمزج بين الفهم النظري الرصين لطبيعة القياس السلوكي والتمكن التقني من أدوات الحوسبة السريعة. من خلال استيعاب المنظومة الرياضية لبيرسون، والالتزام باستيفاء الافتراضات الإحصائية، وإتقان تسلسل الأوامر التشغيلية بدءاً من تفعيل محركات التشخيص وإدارة القوائم وصولاً إلى الفحص البصري التفاعلي واختبارات الدلالة الاستدلالية، يستطيع الباحثون والطلاب تحويل هذه الآلة المدمجة إلى مختبر إحصائي متكامل وعالي الكفاءة يخدم مختلف الأغراض التعليمية والتطبيقية في العلوم النفسية والتربوية المعاصرة.

References

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates. https://www.sciencedirect.com/book/9780121790608/statistical-power-analysis-for-the-behavioral-sciences
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Pearson, K. (1895). VII. Note on regression and inheritance in the case of two parents. Proceedings of the Royal Society of London, 58(347-352), 240–242. https://doi.org/10.1098/rspl.1895.0041
• Texas Instruments Inc. (2021). TI-84 Plus and TI-84 Plus Silver Edition Guidebook. Texas Instruments Education Technology. https://education.ti.com/en/guidebooks
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.