كيفية حساب ملخص الأرقام الخمسة في إكسيل

يُعد ملخص الأرقام الخمسة (Five Number Summary) أحد أركان التحليل الاستكشافي للبيانات (Exploratory Data Analysis – EDA) الذي أرسى دعائمه عالم الإحصاء الشهير جون توكي (John Tukey). تنبع القوة التحليلية لهذا الملخص من قدرته الفائقة على اختزال مصفوفات البيانات الرقمية المعقدة والضخمة في خمس قيم إحصائية جوهرية غير معلمية (Non-parametric)، تمنح الباحث والمحلل رؤية فورية وشاملة حول موضع تمركز البيانات، ودرجة تشتتها، ومستوى تماثلها أو التوائها، دون التأثر المضلل الذي تفرضه القيم المتطرفة والشاذة على المقاييس المعلمية التقليدية كالمتوسط الحسابي والانحراف المعياري.

في عصر التحول الرقمي وتدفق البيانات الكمية في مختلف حقول المعرفة، من القياس النفسي والتربوي إلى العلوم الطبية والاقتصاد السلوكي، تبرز الحاجة الماسة إلى أدوات برمجية مرنة ودقيقة لتطبيق هذه المفاهيم الرياضية بكفاءة عالية. ويمثل برنامج مايكروسوفت إكسيل (Microsoft Excel) البيئة الأكثر انتشاراً واعتماداً لتنفيذ هذه التحليلات الإحصائية الوصفية بفضل ما يحتويه من دوال متقدمة، ومحركات حسابية مهيكلة، وأدوات تمثيل بصري قوية تسهم في تحويل الأرقام الخام إلى رؤى بحثية رصينة تدعم اتخاذ القرارات العلمية والتطبيقية.

يهدف هذا الدليل المرجعي الشامل إلى تقديم تفصيل منهجي وتطبيقي دقيق لكيفية بناء، وحساب، وتفسير ملخص الأرقام الخمسة في بيئة برنامج إكسيل. سنتناول في طياته الجذور النظرية والرياضية لكل عنصر من العناصر الخمسة، والفروق المنهجية الجوهرية بين دوال الربيعيات المتاحة في إكسيل، والآليات البرمجية لكشف الشواذ وحساب المقاييس المشتقة، وصولاً إلى التمثيل البياني الاحترافي عبر المخطط الصندوقي (Box and Whisker Plot) والتطبيقات العملية في الأبحاث النفسية والتربوية، مع التزام بأعلى معايير الدقة المنهجية والتوثيق الأكاديمي.

1. مقدمة شاملة حول ملخص الأرقام الخمسة ومفهومه الإحصائي

1.1 التعريف النظري لملخص الأرقام الخمسة

يُعرَّف ملخص الأرقام الخمسة بأنه مجموعة مرتبة من خمسة مقاييس موضعية غير معلمية تصف التوزيع الإحصائي لمتغير كمي مستمر أو فئوي ترتيبي. تتألف هذه المنظومة الخماسية من: القيمة الصغرى (Minimum)، والربيع الأول (First Quartile – Q1)، والوسيط (Median – Q2)، والربيع الثالث (Third Quartile – Q3)، والقيمة العظمى (Maximum). ترتكز الفلسفة الرياضية لهذا الملخص على تقسيم البيانات المرتبة تصاعدياً إلى أربعة أجزاء متساوية من حيث عدد المشاهدات، حيث يحتوي كل ربع على 25% من إجمالي حجم العينة الخاضعة للدراسة.

تكمن الأهمية الإحصائية لملخص الأرقام الخمسة في كونه مقياساً قائماً على الرتب (Rank-based metric)، مما يجعله مستقلاً تماماً عن افتراضات التوزيع الطبيعي أو التماثل التوزيعي. وبخلاف الإحصاءات المعلمية (Parametric Statistics) التي تعتمد اعتماداً كلياً على عزم التوزيع مثل المتوسط الحسابي (Mean) والتباين (Variance)، فإن مقاييس الترتيب تحافظ على ثباتها وموثوقيتها حتى في حالات التوزيعات شديدة الالتواء أو البيانات التي تحتوي على فجوات قيمية واسعة. وبذلك، يتيح هذا النموذج اختزال آلاف المشاهدات في إطار وصفي مكثف دون التضحية بالخصائص الهيكلية للبيانات الأصلية.

1.2 أهمية ملخص الأرقام الخمسة في تحليل البيانات الكمية

يمثل ملخص الأرقام الخمسة الركيزة الأساسية للتحليل الاستكشافي للبيانات، حيث يقدم للمحلل مسحاً أولياً فائق السرعة حول المعالم الهندسية لتوزيع البيانات. من خلال فحص الفروق بين العناصر الخمسة، يستطيع الباحث تحديد ما إذا كانت البيانات متمركزة حول المركز أم منجرفة نحو أحد الأطراف، فضلاً عن تحديد نطاق التشتت الكلي والوسيطي بدقة بالغة. إن القوة الحقيقية لهذا الأسلوب تتجلى في مقاومته (Robustness) للقيم الشاذة؛ فالوسيط والربيعيات لا تتأثر بالقيم المتطرفة الناتجة عن أخطاء القياس أو الظواهر النادرة، على العكس من المتوسط الحسابي الذي ينجذب بشدة نحو الطرف الممتد للتوزيع.

علاوة على ذلك، يسهل ملخص الأرقام الخمسة المقارنة المباشرة بين مجموعات بيانات متعددة ومتباينة في الحجم؛ إذ يمكن للباحث مقارنة توزيع مستويات الأداء الأكاديمي بين مدارس مختلفة الحجم، أو مقارنة مؤشرات الفاعلية العلاجية بين عينات تجريبية وضابطة متعددة. يوفر هذا الملخص لغة إحصائية موحدة وموضوعية تُترجم مباشرة إلى أدوات بصرية بالغة الدقة مثل المخططات الصندوقية، مما يجعله أداة لا غنى عنها في التقارير الإحصائية المتقدمة وتطبيقات التعلم الآلي لتنقية البيانات قبل النمذجة الرياضية المعقدة.

1.3 سياق الاستخدام في البحوث النفسية والقياس السلوكي

في حقول علم النفس، والعلوم السلوكية، والقياس التربوي، نادراً ما تتطابق البيانات المحصلة ميدانياً مع منحنى التوزيع الطبيعي المعياري، حيث تتسم استجابات المشاركين على مقاييس ليكرت (Likert Scales) ومقاييس التقرير الذاتي بالالتواء الشديد نحو الرغبة الاجتماعية أو التجنب. على سبيل المثال، عند قياس مستويات الاكتئاب السريري أو الرهاب الاجتماعي لدى عينة غير سريرية، تتركز الغالبية العظمى من الدرجات في النطاق الأدنى للمقياس، بينما تظهر قلة قليلة من الأفراد درجات مرتفعة جداً، مما يجعل الاعتماد على المتوسط الحسابي مضللاً للواقع التشخيصي.

يوفر ملخص الأرقام الخمسة في هذا السياق توصيفاً دقيقاً للفروق الفردية وحساسية المقياس النفسي. يتيح حساب الوسيط والربيعيات تحديد الخط الفاصل الدقيق بين الدرجات المعيارية والدرجات الحرجة، ورصد الفئات ذات الاحتياجات الخاصة أو العبقرية الاستثنائية في اختبارات الذكاء، دون أن تتشوه الصورة العامة بالاستجابات العشوائية أو الحالات الفردية الشاذة. إن استخدام هذا الملخص في القياس النفسي يعزز الصدق البنائي والاتساق الإحصائي للبحوث المنشورة، موفراً تقييماً رصيناً لدرجات العينة وخصائصها السيكومترية.

2. الأسس الرياضية لحساب العناصر الخمسة للملخص

2.1 حساب القيمة الصغرى (Minimum) والقيمة العظمى (Maximum)

تُعرَّف القيمة الصغرى رياضياً بأنها القيمة الأدنى رتبة في المتغير المرتب، ويرمز لها إحصائياً بـ (X_{(1)})، بينما تمثل القيمة العظمى القيمة الأعلى رتبة ويرمز لها بـ (X_{(n)})، حيث يمثل (n) حجم العينة الكلي بعد ترتيب المشاهدات تصاعدياً وفق العلاقة الرياضية: (X_{(1)} le X_{(2)} le dots le X_{(n)}). تحدد هاتان النقطتان الحدود الخارجية القصوى للمجال العددي للبيانات الخاضعة للرصد.

من خلال الفارق الرياضي المباشر بين القيمة العظمى والقيمة الصغرى، يتم استخراج المدى الكلي (Total Range) وفق المعادلة: (text{Range} = X_{(n)} – X_{(1)}). على الرغم من البساطة الحسابية لهذين العنصرين، إلا أنهما يُعدان الأكثر حساسية وعرضة للأخطاء التسجيلية والقياسية، حيث يمكن لخطأ إدخال رقمي واحد أن يؤدي إلى تضخيم المدى الكلي وإعطاء انطباع زائف عن اتساع أطراف التوزيع، مما يستدعي دوماً فحصاً نقدياً لهذين الطرفين قبل اعتمادهما في الاستدلال النهائي.

2.2 الوسيط (Median) كمقياس للنزعة المركزية

يمثل الوسيط الإحصائي النقطة الرياضية الدقيقة التي تقسم التوزيع التكراري للبيانات المرتبة إلى نصفين متطابقين تماماً في الحجم، بحيث تقع 50% من القيم أدناه و50% من القيم أعلاه. تعتمد الخوارزمية الرياضية لتحديد رتبة الوسيط ((R_M)) على طبيعة حجم العينة (n):

• إذا كان حجم العينة فردياً ((n) عدد فردي)، فإن الوسيط يمثل القيمة الفعلية للمشاهدة التي تحتل الرتبة: (R_M = frac{n + 1}{2})، أي أن (text{Median} = X_{left(frac{n+1}{2}right)}).
• إذا كان حجم العينة زوجياً ((n) عدد زوجي)، فإن الوسيط يُحسب كمتوسط حسابي للقيمتين اللتين تحتلان الرتبتين المركزيتين: (frac{n}{2}) و (frac{n}{2} + 1)، وفق المعادلة: (text{Median} = frac{X_{left(frac{n}{2}right)} + X_{left(frac{n}{2} + 1right)}}{2}).

تعتبر المقارنة بين الوسيط والمتوسط الحسابي مؤشراً كلاسيكياً فورياً لتقييم شكل المنحنى التوزيعي؛ فعندما يتساوى الوسيط مع المتوسط الحسابي يكون التوزيع متماثلاً تماماً (Symmetric)، بينما يشير تفوق المتوسط على الوسيط إلى وجود التواء موجب (Right-skewed)، وتفوق الوسيط على المتوسط إلى وجود التواء سالب (Left-skewed).

2.3 الربيع الأول (Q1) والربيع الثالث (Q3)

يُعرف الربيع الأول، أو الربيع الأدنى ((Q_1))، بأنه القيمة التي تقابل المئين الخامس والعشرين (25th Percentile) في مصفوفة البيانات المرتبة، وهو ما يعني رياضياً أن 25% من البيانات تقع دون هذه القيمة و75% تقع فوقها. في المقابل، يمثل الربيع الثالث، أو الربيع الأعلى ((Q_3))، قيمة المئين الخامس والسبعين (75th Percentile)، حيث تقع 75% من المشاهدات دونه و25% أعلاه، بينما يُعامل الوسيط هندسياً كربيع ثانٍ ((Q_2)).

يولد الفارق الحسابي بين الربيعين الثالث والأول مقياساً إحصائياً بالغ الأهمية يُعرف بـ المدى الربيعي (Interquartile Range – IQR)، ويُحسب وفق العلاقة: (text{IQR} = Q_3 – Q_1). يعبر هذا المدى عن المساحة المكانية التي يشغلها النصف الأوسط (50%) الأكثر استقراراً من المشاهدات، ويُعد المؤشر الأكثر متانة في قياس التشتت الإحصائي في ظل غياب التوزيع الطبيعي، فضلاً عن كونه المعيار الحسابي الأساسي لتحديد الأسوار الإحصائية التي تُصنف البيانات الشاذة على أساسها.

3. إعداد وتهيئة البيانات في برنامج إكسيل قبل الحساب

3.1 هيكلة وتنظيم البيانات في أوراق العمل

تتطلب الحسابات الإحصائية الدقيقة في برنامج مايكروسوفت إكسيل تنظيماً هيكلياً منضبطاً لورقة العمل لتفادي الأخطاء المرجعية وتسهيل التدقيق الحسابي. يُوصى منهجياً بإدخال المتغير الكمي المستهدف داخل عمود رأسي واحد مستقل (Single Column)، بحيث يبدأ الصف الأول بعنوان واضح ومحدد للمتغير (مثل: “درجات_القلق_الأكاديمي”)، مع توثيق وحدات القياس المعتمدة في ترويسة العمود أو في خلية ملاحظات جانبية لتجنب اللبس التفسيري.

لتحقيق أقصى قدر من الكفاءة البرمجية، يُفضل تحويل النطاق المالي أو البحثي العادي إلى جدول إكسيل مهيكل (Excel Table) عبر تحديد النطاق والضغط على الاختصار Ctrl + T. يمنح استخدام الجداول المهيكلة الباحث ميزة المراجع الهيكلية الديناميكية (Structured References)؛ حيث تتوسع صيغ الدوال تلقائياً عند إضافة مشاهدات جديدة في أسفل العمود، مما يلغي الحاجة إلى إعادة ضبط نطاقات الخلايا يدوياً داخل الدوال الإحصائية المعقدة.

3.2 تنظيف وفحص البيانات (Data Cleaning)

تسبق خطوة تطبيق المعادلات الإحصائية عملية بالغة الأهمية تُعرف بتنقية وفحص جودة البيانات (Data Quality Assurance). قد تحتوي ملفات البيانات الواردة من الاستبيانات الإلكترونية على أخطاء إدخال شائعة، مثل وجود مسافات بادئة أو لاحقة، أو تسجيل بعض الأرقام في صيغة نصوص، مما يؤدي إلى استبعادها الصامت من قِبل دوال إكسيل وتشويه النتائج النهائية للملخص. يمكن معالجة النصوص والأرقام المعطوبة باستخدام دالتي =TRIM() و =VALUE().

يتعين أيضاً تفعيل أداة التحقق من صحة البيانات (Data Validation) عبر شريط الأدوات (Data Tab) لتقييد الإدخالات ضمن النطاق المنطقي المسموح به للمقياس النفسي أو التربوي (مثلاً: درجات تقع حصراً بين 1 و 100). كما يجب فحص التكرارات غير المبررة الناتجة عن النقر المزدوج للمستجيبين وإزالتها باستخدام أداة “Remove Duplicates”، مع التأكد من أن جميع الأرقام تخضع لنسق موحد للفواصل العشرية متوافق مع الإعدادات الإقليمية للبرنامج.

3.3 التعامل مع القيم المفقودة (Missing Values)

تشكل القيم المفقودة تحدياً منهجياً بارزاً في التحليل الإحصائي عبر إكسيل. من الضروري إدراك الفارق الحسابي الجوهري بين الخلية الفارغة (Blank Cell) والخلية التي تحتوي على الرقم صفر (0)؛ إذ تتعامل دوال إكسيل الإحصائية التلقائية مثل MIN و MEDIAN و QUARTILE مع الخلايا الفارغة بالتجاهل التام، بينما تُعامل الأصفار كقيم عددية فعلية تدخل مباشرة في حساب الترتيب والمقاييس، مما قد يسفر عن انخفاض حاد ومضلل في القيمة الصغرى والربيعيات.

يجب على الباحث تحديد استراتيجية واضحة للتعامل مع البيانات المفقودة قبل الشروع في الحساب؛ فإما أن تُترك الخلايا فارغة كلياً لتطبيق أسلوب الحذف في التحليل الموضعي (Pairwise Deletion)، أو يتم تطبيق إحدى استراتيجيات التعويض الإحصائي المتقدم (Imputation) إذا كانت شروط البحث تقتضي ذلك. وللتحقق من اكتمال النطاق وخلوه من الخلايا الفارغة أو الشوائب، يمكن استخدام دالة العد =COUNT(range) لمقارنة عدد الأرقام الصالحة بعدد المشاركين الإجمالي المستهدف في التجربة.

4. الدوال الأساسية لحساب ملخص الأرقام الخمسة في إكسيل

4.1 حساب القيمة الصغرى باستخدام دالة MIN

تُعد دالة MIN الأداة القياسية في إكسيل لاستخراج أدنى قيمة عددية داخل مصفوفة بيانات. تمتاز هذه الدالة ببنيتها البرمجية البسيطة والفعالة، وتُكتب وفق الصيغة العامة التالية:

=MIN(number1, [number2], ...) أو بالصيغة الشائعة للنطاقات: =MIN(A2:A101)

عند تنفيذ هذه الدالة، يقوم محرك الحساب بمسح النطاق المحدد وتجاوز كافة الخلايا النصية أو القيم المنطقية (TRUE/FALSE) تلقائياً، مع التركيز الصارم على الأرقام الحقيقية. إذا كانت البيانات منظمة في جدول مهيكل باسم “ResearchData” وعمود باسم “Score”، يمكن كتابة الدالة بصيغة هيكلية: =MIN(ResearchData[Score]). في حال الرغبة في إدراج القيم المنطقية في التقييم (حيث يعتبر FALSE مساوياً لصفر و TRUE مساوياً لواحد)، يمكن اللجوء إلى الدالة البديلة MINA، على الرغم من أن ذلك نادر الاستخدام في البحوث الإحصائية السلوكية القياسية.

4.2 حساب القيمة العظمى باستخدام دالة MAX

في الطرف المقابل، تمثل دالة MAX الصيغة المعتمدة لاستخراج أعلى رقم مسجل داخل نطاق الملاحظات. تأخذ الدالة التركيب الرياضي المماثل:

=MAX(number1, [number2], ...) أو بصيغة النطاق: =MAX(A2:A101)

تتميز دالة MAX بقدرتها على التعامل مع النطاقات المتفرقة أو المتصلة على حد سواء. بالمقارنة مع دوال الترتيب المتخصصة مثل دالة =LARGE(array, k) التي تتيح استخراج القيمة ذات الترتيب رقم (k)، فإن دالة MAX تكافئ برمجياً المعادلة =LARGE(range, 1) ولكنها تتفوق عليها في سرعة المعالجة الحاسوبية واستهلاك الذاكرة عند تطبيقها على قواعد البيانات الضخمة التي تحتوي على مئات الآلاف من المشاهدات الإحصائية.

4.3 حساب الوسيط باستخدام دالة MEDIAN

يقدم إكسيل دالة مخصصة لحساب الوسيط دون الحاجة إلى ترتيب البيانات يدوياً، وهي دالة MEDIAN، وتُصاغ كالتالي:

=MEDIAN(number1, [number2], ...) أو للنطاق: =MEDIAN(A2:A101)

تقوم الخوارزمية الداخلية لدالة MEDIAN بفرز القيم المحددة مؤقتاً في الذاكرة الحسابية، وتحديد ما إذا كان عدد العناصر زوجياً أم فردياً. فإذا كان فردياً، تُرجع القيمة الوسطى مباشرة؛ وإذا كان زوجياً، تحسب المتوسط الحسابي بين العنصرين الأوسطين بدقة فائقة. تتطابق مخرجات دالة MEDIAN(range) تماماً مع نتائج دالة المئين الشاملة عند تطبيقها على النسبة النصفية: =PERCENTILE.INC(range, 0.5)، مما يرسخ دورها كمعيار مركزي غير معلمي فائق الاعتمادية.

5. التحليل المقارن لدوال الربيعيات في إكسيل: QUARTILE.INC مقابل QUARTILE.EXC

5.1 فهم آلية عمل دالة QUARTILE.INC (الشاملة)

تعتمد دالة QUARTILE.INC (حيث تشير INC إلى Inclusive أي الشاملة) خوارزمية استكمال خطي (Linear Interpolation) تتضمن أطراف البيانات (المئين 0 والمئين 1). تأخذ الدالة الصيغة البرمجية التالية:

=QUARTILE.INC(array, quart)

تأخذ وسيطة quart قيماً صحيحة تتراوح من 0 إلى 4، حيث يمثل 0 القيمة الصغرى، و 1 الربيع الأول، و 2 الوسيط، و 3 الربيع الثالث، و 4 القيمة العظمى. ترتكز الآلية الحسابية لهذه الدالة على تحديد موضع الربيع ((k)) وفق المعادلة المرجعية: (k = (n – 1) cdot p + 1)، حيث (p) يمثل النسبة المئينية (0.25 لـ Q1 و 0.75 لـ Q3). تتميز هذه الطريقة بأنها تضمن دائماً وقوع الربيعيات داخل حدود البيانات الفعلية، وهي الخوارزمية الأكثر شيوعاً وتطابقاً مع حزم البرمجيات الإحصائية التقليدية والكتب المنهجية المعتمدة في التربية وعلم النفس.

5.2 فهم آلية عمل دالة QUARTILE.EXC (الحصرية)

في المقابل، تمثل دالة QUARTILE.EXC (حيث تشير EXC إلى Exclusive أي الحصرية) مقاربة بديلة تفترض أن عينة البيانات المتاحة تم سحبها من مجتمع إحصائي مستمر تتجاوز أطرافه القيمتين الصغرى والعظمى المسجلتين. تُكتب الدالة بالصيغة:

=QUARTILE.EXC(array, quart)

تقبل وسيطة quart في هذه الدالة الأرقام 1 و 2 و 3 فقط، بينما يؤدي إدخال 0 أو 4 إلى توليد خطأ فوري. تحسب الدالة موضع الربيع باستخدام الصيغة: (k = (n + 1) cdot p). يترتب على هذه الخوارزمية شرط صارم يتعلق بحجم العينة؛ إذ تتطلب العينة حداً أدنى من المشاهدات لحساب الربيعيات دون أخطاء. إذا كان حجم العينة صغيراً جداً (مثلاً (n < 3) لـ Q1)، فإن المعادلة تنتج موضعاً يقع خارج نطاق الفهرسة المتاح، مما يؤدي إلى ظهور الخطأ الشهير #NUM!.

5.3 المقارنة بين الدالتين ودالة QUARTILE القديمة

تحتوي الإصدارات القديمة من إكسيل على الدالة التراثية QUARTILE(array, quart). يجب أن يدرك الباحث أن هذه الدالة القديمة ما هي إلا مطابقة تامة ومباشرة لدالة QUARTILE.INC الحديثة، وقد احتفظت بها شركة مايكروسوفت لضمان التوافق مع المصنفات المنشأة في إصدارات سابقة.

تؤدي الفروق الرياضية بين QUARTILE.INC و QUARTILE.EXC إلى اختلافات رقمية طفيفة ولكنها جوهرية في العينات الصغيرة والمتوسطة. في سياق البحوث الأكاديمية والقياس السيكومتري، يُفضل الاعتماد القياسي على QUARTILE.INC لاتساقها المنهجي مع المخططات الصندوقية المعيارية، وتجنبها للأخطاء البرمجية في العينات المحدودة، وتوافقها التام مع توصيات الجمعية الأمريكية لعلم النفس (APA).

6. دليل تطبيقي خطوة بخطوة لإنشاء جدول ملخص الأرقام الخمسة في إكسيل

6.1 بناء الهيكل الجدولي للملخص

لبناء لوحة مخرجات احترافية لملخص الأرقام الخمسة، يجب تخصيص منطقة مستقلة داخل ورقة العمل لتنظيم الحسابات بشكل منسق وجذاب. نبدأ بإنشاء جدول يتألف من ثلاثة أعمدة رئيسية: العمود الأول للمؤشر الإحصائي (Statistic)، والعمود الثاني للصيغة البرمجية المطبقة (Excel Formula)، والعمود الثالث للنتيجة المحسوبة (Calculated Value).

يتم ترتيب الصفوف منطقياً من الأدنى إلى الأعلى على النحو التالي:

• الصف الأول: القيمة الصغرى (Minimum – Min)
• الصف الثاني: الربيع الأول (First Quartile – Q1)
• الصف الثالث: الوسيط (Median – Q2)
• الصف الرابع: الربيع الثالث (Third Quartile – Q3)
• الصف الخامس: القيمة العظمى (Maximum – Max)

يُنصح بتنسيق خلايا عمود النتائج بتحديد عدد المنازل العشرية (مثلاً منزلتين عشريتين: 0.00) عبر تنسيق الأرقام (Number Formatting)، وتطبيق تظليل خفيف للخلايا يتماشى مع المعايير البصرية للتقارير العلمية الرسمية.

6.2 كتابة الصيغ وتطبيق المراجع المطلقة

لضمان استقرار العمليات الحسابية عند سحب الخلايا أو نسخ الجداول، يتعين استخدام المراجع المطلقة (Absolute References) باستخدام رمز الدولار ($) لتثبيت نطاق مصفوفة البيانات الخام. بافتراض أن درجات العينة مسجلة في النطاق من الخلية A2 إلى A101، يتم إدخال الصيغ في خلايا عمود النتائج بالتتابع كما هو موضح أدناه:

• القيمة الصغرى: =MIN($A$2:$A$101)
• الربيع الأول: =QUARTILE.INC($A$2:$A$101, 1)
• الوسيط: =MEDIAN($A$2:$A$101)
• الربيع الثالث: =QUARTILE.INC($A$2:$A$101, 3)
• القيمة العظمى: =MAX($A$2:$A$101)

إذا تم استخدام جدول مهيكل يحمل اسم “PsychData” وعمود “Anxiety”، تصبح الصيغ أكثر وضوحاً وقابلية للقراءة، مثل: =QUARTILE.INC(PsychData[Anxiety], 1)، مما يلغي الحاجة إلى استخدام علامات التثبيت نهائياً بفضل المرونة التلقائية للمراجع الهيكلية.

6.3 التحقق المتقاطع من صحة الحسابات

بعد اكتمال إدخال الدوال الحسابية، تبرز مرحلة التدقيق المتقاطع (Cross-Validation) للتأكد من السلامة الرياضية للمخرجات. توجد قاعدة منطقية صارمة تحكم ملخص الأرقام الخمسة، وهي ضرورة تحقق المتراجحة الرياضية التالية:

[ text{Minimum} le Q_1 le text{Median} le Q_3 le text{Maximum} ]

لأتمتة عملية الفحص داخل إكسيل والتنبيه الفوري في حال حدوث أي خطأ ناتج عن اختلال النطاقات، يمكن كتابة معادلة شرطية ذكية في خلية تدقيق مخصصة أسفل الجدول:

=IF(AND(D2<=D3, D3<=D4, D4<=D5, D5<=D6), "الحسابات صحيحة ومنطقية ✅", "خطأ في الترتيب الرياضي ❌")

يضمن هذا الإجراء البرمجي البسيط خلو التحليل من أي أخطاء بشرية غير مقصودة في تحديد النطاقات المرجعية قبل الانتقال إلى مرحلة تفسير المخرجات وصياغة التقرير الإحصائي.

7. حساب المقاييس الإحصائية المشتقة من ملخص الأرقام الخمسة

7.1 حساب المدى الإجمالي (Total Range)

يمثل المدى الإجمالي المقياس الأبسط والأكثر بديهية للتشتت المطلق للبيانات، حيث يقيس الفجوة الإجمالية بين النقطتين الطرفيتين للتوزيع. يتم حسابه برمجياً في إكسيل من خلال طرح خلية القيمة الصغرى من خلية القيمة العظمى مباشرة، بافتراض وجودهما في الخليتين D2 و D6 على التوالي:

=D6 - D2 أو بصيغة مدمجة: =MAX(A2:A101) - MIN(A2:A101)

يوفر المدى الإجمالي نظرة عامة سريعة على الاتساع الشامل للمتغير النفسي أو التربوي، ولكنه يعاني من محدودية منهجية خطيرة تتمثل في اعتماده الحصري على نقطتين اثنتين فقط، مما يجعله شديد التأثر بالقيم الشاذة والظروف الاستثنائية التي قد لا تعكس التشتت الحقيقي لغالبية أفراد العينة.

7.2 حساب المدى الربيعي (Interquartile Range – IQR)

يُعد المدى الربيعي (IQR) أحد أقوى مقاييس التشتت غير المعلمية وأكثرها ثباتاً، حيث يركز على قياس انتشار النصف الأوسط (50%) من البيانات المتمركزة بين الربيعين الأول والثالث، متجاوزاً التأثيرات المشوهة للذيول الطويلة والقيم الشاذة. يُحسب المدى الربيعي في إكسيل بالصيغة المباشرة:

=D5 - D3 (أي: (Q_3 – Q_1)) أو عبر الصيغة المركبة:

=QUARTILE.INC(A2:A101, 3) - QUARTILE.INC(A2:A101, 1)

تكمن الأهمية التحليلية للمدى الربيعي في كونه حجر الزاوية لبناء فترات المقارنة المعيارية واختبارات التجانس الموضعي، فضلاً عن كونه المتغير المحوري المستخدم في خوارزميات كشف الشواذ الإحصائية التي سنفصلها في القسم التالي.

7.3 حساب نصف المدى الربيعي (Semi-Interquartile Range)

يُعرف نصف المدى الربيعي أيضاً باسم الانحراف الربيعي (Quartile Deviation – QD)، ويُحسب بقسمة المدى الربيعي على 2 وفق المعادلة الرياضية:

[ text{SIQR} = frac{Q_3 – Q_1}{2} ]

وفي إكسيل يُصاغ كما يلي: =(D5 - D3) / 2

يُستخدم هذا المقياس في القياس النفسي والسلوكي كمعادل غير معلمي مباشر للانحراف المعياري (Standard Deviation). يصف نصف المدى الربيعي متوسط المسافة التي تبعد بها ربيعيات التوزيع عن الوسيط؛ ففي التوزيعات المتماثلة تماماً، تقع النسبة الممتدة بين (text{Median} – text{SIQR}) و (text{Median} + text{SIQR}) متضمنة النصف الأوسط من العينة، مما يوفر مقياساً عالي الدقة لدرجة تجانس الاستجابات السلوكية في ظل التوزيعات الملتوية.

8. كشف وتحديد القيم المتطرفة والشاذة باستخدام قاعدة 1.5 × IQR في إكسيل

8.1 الأساس النظري لقاعدة جون توكي (Tukey’s Fences)

قدم جون توكي في نظريته للتحليل الاستكشافي منهجية رياضية متينة لتحديد القيم الشاذة والمتطرفة بالاعتماد على المدى الربيعي وربيعيات الملخص، وتعرف هذه التقنية بـ أسوار توكي (Tukey’s Fences). تقوم هذه القاعدة على إنشاء حدود فاصلة غير مرئية حول كتلة البيانات المركزية:

• السياج الداخلي الأدنى (Lower Inner Fence): (text{LIF} = Q_1 – 1.5 times text{IQR})
• السياج الداخلي الأعلى (Upper Inner Fence): (text{UIF} = Q_3 + 1.5 times text{IQR})
• السياج الخارجي الأدنى (Lower Outer Fence): (text{LOF} = Q_1 – 3.0 times text{IQR})
• السياج الخارجي الأعلى (Upper Outer Fence): (text{UOF} = Q_3 + 3.0 times text{IQR})

تُصنف أي قيمة تقع خارج الأسوار الداخلية (بين 1.5 و 3 أضعاف IQR) على أنها قيمة شاذة معتدلة (Mild Outlier)، بينما تُصنف أي قيمة تتجاوز الأسوار الخارجية (أكثر من 3 أضعاف IQR) على أنها قيمة شاذة متطرفة أو شديدة (Extreme Outlier) تستوجب فحصاً معمقاً لمصدرها.

8.2 تطبيق معادلات السياج في إكسيل لكشف الحالات الشاذة

لتطبيق هذه القاعدة عملياً داخل إكسيل، نبدأ بحساب قيم الأسوار في خلايا مرجعية محددة. بافتراض أن (Q_1) في الخلية D3 و (Q_3) في الخلية D5 و (text{IQR}) في الخلية D7:

• الحد الأدنى للسياج (خلية D9): =D3 - (1.5 * D7)
• الحد الأعلى للسياج (خلية D10): =D5 + (1.5 * D7)

بعد ذلك، نضيف عموداً تشخيصياً جديداً بجوار البيانات الأصلية (مثلاً في العمود B) لفحص كل حالة على حدة، ونكتب المعادلة الشرطية المركبة التالية في الخلية B2 ثم نسحبها للأسفل:

=IF(OR(A2 < $D$9, A2 > $D$10), "قيمة شاذة ⚠️", "قيمة عادية")

تُمكّن هذه الصيغة الباحث من فرز البيانات وتصفيتها بسرعة لعزل الحالات الشاذة ومراجعة سجلاتها الأصلية في قاعدة البيانات.

8.3 التنسيق الشرطي (Conditional Formatting) لتمييز الشواذ بصرياً

يوفر التنسيق الشرطي (Conditional Formatting) في إكسيل وسيلة مرئية فائقة القوة لإبراز القيم المتطرفة تلقائياً بلون مميز داخل جدول البيانات. لتنفيذ ذلك بصورة برمجية احترافية، نتبع الخطوات المنهجية التالية:

1. تحديد نطاق البيانات الرقمية بالكامل من A2 إلى A101.
2. الانتقال إلى شريط الأدوات الرئيسي (Home Tab) والنقر على “Conditional Formatting” ثم اختيار “New Rule”.
3. اختيار الخيار الأخير: “Use a formula to determine which cells to format”.
4. إدخال المعادلة الشرطية التالية في مربع الصيغة:
   
   =OR(A2 < $D$9, A2 > $D$10)
5. الضغط على زر التنسيق (Format)، واختيار تعبئة باللون الأحمر الفاتح (Light Red Fill) مع نص باللون الأحمر الداكن.
6. الضغط على OK للتطبيق.

بمجرد تطبيق القاعدة، ستتلون أي خلية تقع خارج حدود أسوار توكي تلقائياً، مما يمنح الباحث تنبيهاً بصرياً فورياً عند إدخال أو تعديل أي قيمة جديدة في ورقة العمل.

9. التمثيل البياني لملخص الأرقام الخمسة: المخطط الصندوقي (Box and Whisker Plot)

9.1 إنشاء مخطط الصندوق وطرفيه في إكسيل الحديث

بدءاً من إصدارات مايكروسوفت إكسيل 2016 وتطبيقات Microsoft 365، أضافت شركة مايكروسوفت مخطط الصندوق وطرفيه المدمج (Box and Whisker Plot) كنوع قياسي للمخططات الإحصائية، مما جعل التمثيل البصري لملخص الأرقام الخمسة أمراً في غاية البساطة والسرعة الإجرائية.

لإنشاء هذا المخطط البياني المتقدم، نتبع الخطوات التالية:

1. تحديد عمود البيانات الخام بالكامل شاملاً ترويسة العنوان (من A1 إلى A101).
2. التوجه إلى علامة التبويب “إدراج” (Insert Tab) في شريط الأدوات العلوي.
3. في قسم المخططات (Charts)، النقر على أيقونة “المخططات الإحصائية” (Statistical Charts).
4. اختيار المخطط الصندوقي “Box and Whisker”.

يقوم إكسيل تلقائياً برسم مستطيل يمثل الصندوق الممتد من (Q_1) إلى (Q_3)، وخط أفقي يقسم الصندوق عند الوسيط ((Q_2))، مع امتداد خطين رأسيين (الشاربين أو Whisker) يصلان إلى أدنى وأعلى قيمة غير شاذة، بينما تُعرض القيم الشاذة على هيئة نقاط منفصلة تقع خارج حدود هذين الخطين.

9.2 تخصيص وتنسيق المخطط الصندوقي للأغراض الأكاديمية

لإعداد المخطط للنشر في الدوريات العلمية المرموقة التي تشترط معايير رابطة علم النفس الأمريكية (APA)، يتطلب المخطط الافتراضي بعض التعديلات التنسيقية الهامة. يتم النقر بزر الفأرة الأيمن على سلسلة البيانات داخل المخطط واختيار “تنسيق سلسلة البيانات” (Format Data Series)، حيث تظهر خيارات متقدمة في اللوحة الجانبية:

• Show inner points: يُفضل إلغاء تفعيلها لتقليل التشويش البصري إذا كان حجم العينة كبيراً، أو الإبقاء عليها إذا كان الهدف فحص كثافة التوزيع الفردي.
• Show outlier points: يجب التأكد من تفعيلها دائماً لعرض النقاط الشاذة كعلامات دائرية معزولة.
• Show mean markers: يعرض علامة “X” صغيرة داخل الصندوق تمثل موضع المتوسط الحسابي، مما يتيح مقارنة بصرية فورية بين المتوسط والوسيط لرصد الالتواء.
• Quartile calculation: يتيح إكسيل الاختيار بين طريقة الشمول (Inclusive median) أو طريقة الحصر (Exclusive median)؛ ويجب مطابقة هذا الخيار مع الدالة المستخدمة في الجدول الحسابي لضمان الاتساق التام.

يجب إزالة خطوط الشبكة الخلفية المزدحمة، واختيار ألوان أحادية أو تدرجات رمادية واضحة، وإضافة عناوين محاور دقيقة تتضمن وحدات القياس (مثلاً: “الدرجة الكلية على مقياس بيك للاكتئاب”).

9.3 طريقة إنشاء المخطط الصندوقي في إصدارات إكسيل القديمة

في إصدارات إكسيل القديمة (مثل Excel 2010 و 2013) التي تفتقر إلى خيار المخطط الصندوقي المباشر، يمكن للباحث بناء المخطط بطريقة إبداعية تعتمد على المخطط العمودي المكدس (Stacked Column Chart) المدمج مع أشرطة الخطأ (Error Bars) عبر الخطوات المنهجية التالية:

1. حساب فروق الارتفاع بين عناصر ملخص الأرقام الخمسة في جدول مساعد:
   • القطاع الأساسي السفلي (مخفي): القيمة الصغرى ((text{Min}))
   • القطاع الأول للصندوق: (Q_1 – text{Min})
   • القطاع الثاني للصندوق: (text{Median} – Q_1)
   • القطاع الثالث للصندوق: (Q_3 – text{Median})
2. تحديد بيانات الجدول المساعد وإدراج مخطط عمودي مكدس (Stacked Column).
3. تحديد سلسلة العمود الأساسي السفلي وتنسيقها بحيث تصبح “بلا تعبئة” (No Fill) و”بلا خطوط حدودية” لتبدو معلقة في الهواء.
4. تحديد السلسلة العلوية وإضافة شريط خطأ مخصص (Custom Error Bar) يمتد لأعلى بمقدار المسافة الحسابية: (text{Max} – Q_3).
5. تحديد السلسلة السفلية وإضافة شريط خطأ يمتد لأسفل بمقدار: (Q_1 – text{Min}).

تولد هذه الطريقة مخططاً صندوقياً دقيقاً مطابقاً للمخططات الحديثة ومبنياً بالكامل على الحسابات الرياضية للملخص.

10. تفسير ملخص الأرقام الخمسة وتحليل شكل التوزيع والالتواء

10.1 تشخيص التماثل والالتواء (Skewness) من خلال الملخص

يقدم ملخص الأرقام الخمسة منظومة تشخيصية بالغة الحساسية لتحديد النمط الهندسي لتوزيع المشاهدات دون الحاجة إلى حساب معاملات العزوم المتقدمة. يرتكز التحليل التشخيصي للالتواء على المقارنة الفراغية بين جزأي الصندوق الأوسط:

• التوزيع المتماثل (Symmetric Distribution): عندما تكون المسافة الحسابية بين الوسيط والربيع الأول مساوية تقريباً للمسافة بين الربيع الثالث والوسيط، أي: ((Q_3 – text{Median}) approx (text{Median} – Q_1))، بالإضافة إلى تساوي أطوال الطرفين الخارجيين ((text{Max} – Q_3 approx Q_1 – text{Min})).
• التوزيع موجب الالتواء / ملتوي جهة اليمين (Positively / Right-Skewed): عندما تكون المسافة العليا أكبر بكثير من المسافة السفلى: ((Q_3 – text{Median}) > (text{Median} – Q_1))، مع امتداد الطرف العلوي لمسافة أطول بكثير من الطرف السفلي، مما يعكس تركز معظم الدرجات في النطاق المنخفض ووجود ذيل طويل يمتد نحو الدرجات المرتفعة.
• التوزيع سالب الالتواء / ملتوي جهة اليسار (Negatively / Left-Skewed): عندما تكون المسافة السفلى أكبر: ((text{Median} – Q_1) > (Q_3 – text{Median}))، مع استطالة ملحوظة في الطرف السفلي، مما يشير إلى أن غالبية الاستجابات متجمعة في النطاق المرتفع للمتغير.

10.2 تقييم التشتت والتركيز في أرباع التوزيع

يتيح تحليل أرباع ملخص الأرقام الخمسة فهم كثافة البيانات داخل القطاعات المختلفة للتوزيع؛ إذ يمثل كل ربع من الأرباع الأربعة 25% من إجمالي حجم العينة. يعني ذلك منطقياً أنه كلما قصر النطاق العددي لأحد الأرباع، كلما دل ذلك على وجود كثافة عالية وتركيز شديد للبيانات في تلك المساحة الرقمية المحدودة؛ بينما يدل اتساع النطاق العددي للربع على وجود تشتت وتباعد واسع بين استجابات أفراد العينة.

في سياق القياس التربوي، إذا كان النطاق بين (Q_1) والوسيط يغطي 3 درجات فقط (مثلاً من 60 إلى 63)، بينما النطاق بين الوسيط و (Q_3) يغطي 15 درجة (من 63 إلى 78)، فإن هذا يشير مباشرة إلى تجانس حاد وأداء متطابق لربع العينة الأقل من المتوسط، في مقابل تباين كبير وتفاوت واسع في مستويات الإتقان لربع العينة الأعلى من المتوسط، وهي استنتاجات سيكومترية جوهرية لا يمكن استنباطها من الانحراف المعياري بمفرده.

10.3 المقارنة المتعددة بين مجموعات تجريبية وضابطة

تتجلى القوة المنهجية لملخص الأرقام الخمسة عند استخدامه في المقارنات الجانبية المتزامنة (Side-by-Side Comparison) بين مستويات المتغير المستقل، مثل مقارنة أداء مجموعة ضابطة وأخرى تجريبية خضعت لتدخل علاجي سلوكي معرفي. يتم إنشاء جدول يضم ملخصات الأرقام الخمسة للمجموعتين جنباً إلى جنب وتوليد مخطط صندوقي مزدوج.

يتم تقييم الفروق وفق المعايير الإحصائية الاستكشافية التالية:

• انزياح موضع الوسيط: تقييم ما إذا كان وسيط المجموعة التجريبية يقع بالكامل خارج حدود الصندوق (أعلى من (Q_3) أو أدنى من (Q_1)) للمجموعة الضابطة، مما يوفر دليلاً استكشافياً قوياً على حجم الأثر (Effect Size) قبل إجراء الاختبارات الاستدلالية مثل اختبارات مان-ويتني (Mann-Whitney U) أو اختبارات T.
• تداخل المدى الربيعي (IQR Overlap): إذا كان التداخل بين الصندوقين معدوماً أو طفيفاً جداً، فإن هذا يؤكد وجود فروق جوهرية في استجابة المجموعتين للمتغير التجريبي.
• مقارنة تباين الأطراف: رصد ما إذا كان التدخل العلاجي قد أسفر عن تقليص تشتت الاستجابات وزيادة تجانس المجموعة التجريبية مقارنة بالتشتت الواسع في المجموعة الضابطة.

11. الأخطاء الشائعة واستكشاف المشكلات وإصلاحها في إكسيل

11.1 أخطاء الصيغ والدوال الإحصائية الشائعة

أثناء تطبيق الدوال الإحصائية لملخص الأرقام الخمسة في إكسيل، قد يواجه المحلل بعض رسائل الأخطاء البرمجية التي تتطلب فهماً دقيقاً لأسبابها الجذرية وطرق معالجتها:

• خطأ #NUM!: يظهر هذا الخطأ عادة عند استخدام دالة QUARTILE.EXC مع أحجام عينات صغيرة جداً لا تفي بالشروط الخوارزمية للدالة، أو عند تمرير وسيطة غير صالحة لـ quart (مثل كتابة الرقم 5 أو رقم سالب). ويُعالج الخطأ بالتحول إلى دالة QUARTILE.INC أو تصحيح رقم الربيع.
• خطأ #VALUE!: ينتج عن احتواء نطاق البيانات على مدخلات غير رقمية معطوبة، أو استخدام نصوص مكان الأرقام في معاملات الدوال. يُعالج بتنقية النطاق والتأكد من تحويل النصوص إلى أرقام صالحة.
• خطأ عدم تطابق النطاقات (Mismatched Ranges): يحدث عند سحب الصيغ الحسابية دون تثبيت المراجع، مما يؤدي إلى انزياح النطاق (مثلاً حساب (Q_1) للنطاق A2:A101 بينما يُحسب الوسيط للنطاق A3:A102). يُعالج بالتثبيت المطلق $A$2:$A$101 أو استخدام الجداول المهيكلة.

11.2 الأخطاء المنهجية في تفسير المخرجات

تتجاوز الأخطاء حدود كتابة الصيغ لتشمل التفسير الإحصائي الخاطئ للمخرجات. من أبرز هذه المنزلقات المنهجية افتراض التوزيع الطبيعي للبيانات بشكل تلقائي وتطبيق اختبارات معلمية دون الالتفات إلى المؤشرات الصريحة لعدم التماثل التي يكشفها ملخص الأرقام الخمسة، مما يقود إلى استنتاجات علمية مضللة.

خطأ منهجي آخر شائع يتمثل في الحذف الفوري وغير المبرر للقيم الشاذة بمجرد ظهورها خارج أسوار توكي؛ فالقيم المتطرفة في القياس النفسي والتربوي غالباً ما تحمل دلالات إكلينيكية وتشخيصية بالغة الأهمية (مثل حالات الموهبة الفائقة أو التدهور المعرفي الحاد)، ولا يجوز حذف أي قيمة من التحليل إلا إذا ثبت بيقين قاطع أنها ناجمة عن خطأ إجرائي أو تسجيل تالف، وإلا تعين تطبيق أساليب التحليل المتين (Robust Statistics).

11.3 أفضل الممارسات لضمان دقة التحليل وقابليته للتكرار

لضمان استيفاء التحليلات لأعلى معايير الجودة العلمية وقابلية التكرار (Reproducibility)، يُنصح باتباع البروتوكولات الإجرائية التالية في بيئة العمل:

• استخدام النطاقات المسماة (Named Ranges): تسمية عمود البيانات باسم وصفي محدد (مثل: DepressionScores) عبر مربع التسمية، مما يجعل كتابة الصيغ وقراءتها أكثر سلاسة ويمنع أخطاء التحديد العشوائي: =MEDIAN(DepressionScores).
• التوثيق الداخلي في المصنف (In-sheet Documentation): كتابة خلايا نصية توضح الإصدار البرمجي المستخدم، ونوع دوال الربيعيات المعتمدة (INC مقابل EXC)، وتاريخ إجراء التحليل.
• التدقيق اليدوي على عينات فرعية (Spot-Checking): فرز عينة عشوائية صغيرة يدوياً (مثلاً 10 مشاهدات) والتحقق من تطابق الحسابات اليدوية للوسيط والربيعيات مع نتائج الدوال البرمجية لضمان سلامة الخوارزميات المطبقة.

12. تطبيقات وحالات دراسية عملية في القياس النفسي والتربوي

12.1 دراسة حالة: تحليل درجات مقياس القلق الأكاديمي

في دراسة ميدانية استهدفت تقييم مستويات القلق الأكاديمي لدى عينة قوامها (n = 30) طالباً جامعياً خلال فترة الامتحانات النهائية، طُبق مقياس كمي تتراوح درجاته بين 10 (أدنى مستوى قلق) و 50 (أقصى مستوى قلق). سُجلت البيانات في العمود A داخل مصنف إكسيل من الخلية A2 إلى A31 كالتالي:

البيانات: 12, 14, 15, 18, 19, 20, 21, 22, 22, 23, 24, 25, 25, 26, 27, 28, 29, 30, 31, 32, 33, 35, 36, 38, 40, 42, 45, 47, 48, 50.

بتطبيق دوال ملخص الأرقام الخمسة في إكسيل، تم استخراج النتائج الإحصائية التالية:

• القيمة الصغرى: =MIN(A2:A31) ← 12.00
• الربيع الأول: =QUARTILE.INC(A2:A31, 1) ← 22.00
• الوسيط: =MEDIAN(A2:A31) ← 27.50
• الربيع الثالث: =QUARTILE.INC(A2:A31, 3) ← 35.75
• القيمة العظمى: =MAX(A2:A31) ← 50.00

التفسير السيكومتري: يبلغ المدى الربيعي (text{IQR} = 35.75 – 22.00 = 13.75). يقع السياج الأعلى عند (35.75 + (1.5 times 13.75) = 56.38) والسياج الأدنى عند (22.00 – (1.5 times 13.75) = 1.38). بما أن جميع الدرجات تقع بين 12 و 50، فلا توجد أي درجات شاذة في العينة. يُظهر الفحص تماثلاً نسبياً مع ميل طفيف جداً نحو الالتواء الموجب، حيث يعاني 50% من الطلاب من قلق يقع بين 22 و 35.75 درجة، بينما يتجاوز 25% من الطلاب عتبة الـ 35.75 درجة، مما يحدد الفئة المستهدفة بالتدخل الإرشادي النفسي.

12.2 دراسة حالة: مقارنة أزمنة الاستجابة في الاختبارات المعرفية

أجريت تجربة في علم النفس المعرفي لمقارنة زمن الرجع (Reaction Time – RT) بالمللي ثانية لمجموعتين من المشاركين أثناء أداء مهمة انتباه بصري: المجموعة الأولى “مجموعة الراحة” ((n = 20)) والمجموعة الثانية “مجموعة الإجهاد المعرفي” ((n = 20)). تتسم أزمنة الاستجابة بطبيعتها بوجود التواء يميني حاد بسبب لحظات التشتت المفاجئة لبعض المشاركين.

أظهرت حسابات ملخص الأرقام الخمسة والمخطط الصندوقي في إكسيل النتائج المقارنة التالية:

• مجموعة الراحة: Min = 210 ms, Q1 = 245 ms, Median = 270 ms, Q3 = 305 ms, Max = 380 ms. ((text{IQR} = 60text{ ms})).
• مجموعة الإجهاد: Min = 260 ms, Q1 = 340 ms, Median = 410 ms, Q3 = 490 ms, Max = 820 ms. ((text{IQR} = 150text{ ms})).

التحليل النفسي: من خلال مقارنة الملخصين، يظهر بوضوح أن وسيط مجموعة الإجهاد (410 ms) أعلى بكثير من الربيع الثالث لمجموعة الراحة (305 ms)، مما يشير إلى تدهور معرفي شامل وسرعة استجابة أبطأ بشكل ملحوظ. أظهرت مجموعة الإجهاد قيمة عظمى متطرفة بلغت 820 ms، وعند تطبيق أسوار توكي ((text{UIF} = 490 + 1.5 times 150 = 715text{ ms}))، تبيّن أن قيمة 820 ms تمثل قيمة شاذة ناتجة عن فقدان مؤقت للانتباه، تم عزلها بنجاح دون أن تؤثر سلباً على تقدير وسيط الأداء الحقيقي للمجموعة.

12.3 أتمتة تقارير ملخص الأرقام الخمسة باستخدام قوالب إكسيل

لتحقيق أقصى درجات الإنتاجية في بيئات العمل البحثية والمختبرات السيكومترية، يمكن بناء قالب إكسيل ديناميكي وتفاعلي (Dynamic Template) لأتمتة تقارير ملخص الأرقام الخمسة. يعتمد بناء القالب على دمج المراجع الهيكلية للجداول مع معادلات إكسيل الحديثة، بحيث يكفي الباحث لصق الدرجات الخام في العمود الرئيسي ليقوم القالب تلقائياً بالمهام التالية:

1. تحديث جدول ملخص الأرقام الخمسة والمقاييس المشتقة (Range, IQR, SIQR) في أجزاء من الثانية.
2. إعادة حساب أسوار توكي وتشغيل التنسيق الشرطي لإبراز أي شواذ جديدة تلقائياً.
3. تحديث المخطط الصندوقي المربوط ديناميكياً بالنطاق دون أي تدخل يدوي.
4. توليد فقرة تقرير نصية مبرمجة باستخدام دالة =CONCAT() أو =TEXTJOIN() تصيغ النتائج بأسلوب أكاديمي جاهز للنسخ المباشر.

يسهم هذا القالب المؤتمت في تقليص الوقت المستغرق في التحليلات الروتينية بنسبة تتجاوز 90%، مع القضاء التام على احتمالات الخطأ البشري في الحساب اليدوي، وتوفير مخرجات جاهزة للدمج الفوري في أطروحات الماجستير والدكتوراه والأوراق العلمية المحكمة.

خاتمة

يظل ملخص الأرقام الخمسة أحد أكثر الأدوات الإحصائية الوصفية رسوخاً وأصالة في ترسانة الباحث والمحلل الكمي؛ فبفضل استناده الرياضي إلى الرتب غير المعلمية وتجاوزه لقيود التوزيع الطبيعي وحساسية المتوسط الحسابي، يقدم هذا الملخص رؤية نزيهة وعميقة للبنية الهيكلية للبيانات والظواهر السلوكية والتربوية المعقدة.

من خلال توظيف القدرات الحسابية والبيانية المتقدمة لبرنامج مايكروسوفت إكسيل—بدءاً من إعداد وهيكلة البيانات، وحسن اختيار دوال الربيعيات المناسبة (QUARTILE.INC)، وتطبيق قواعد أسوار توكي لرصد الشواذ، وصولاً إلى التمثيل البصري عالي الجودة عبر المخططات الصندوقية المعيارية—يستطيع الباحث الارتقاء بجودة معالجاته الإحصائية وضمان دقتها وقابليتها للتكرار. إن إتقان هذه المهارات المنهجية والتطبيقية لا يعزز فقط من كفاءة التحليل الاستكشافي، بل يرسي أساساً متيناً تُبنى عليه كافة القرارات والاختبارات الإحصائية الاستدلالية اللاحقة بثقة وموثوقية علمية تامة.

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.
• Hyndman, R. J., & Fan, Y. (1996). Sample quantiles in statistical packages. The American Statistician, 50(4), 361–365. https://doi.org/10.1080/00031305.1996.10473566
• Microsoft Corporation. (2023). QUARTILE.INC function. Microsoft Support. https://support.microsoft.com/en-us/office/quartile-inc-function-1bb1cb80-ded2-4420-9963-793e57815774
• Microsoft Corporation. (2023). Create a box and whisker chart. Microsoft Support. https://support.microsoft.com/en-us/office/create-a-box-and-whisker-chart-62f4219f-db4b-4da9-a8a0-f652aae42431
• National Institute of Standards and Technology. (2012). NIST/SEMATECH e-Handbook of Statistical Methods: Box Plot. U.S. Department of Commerce. https://www.itl.nist.gov/div898/handbook/eda/section3/boxplot.htm
• Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley Publishing Company.
• Wickham, H., & Stryjewski, L. (2011). 40 years of boxplots. Technical Report, Hadley Wickham. https://vita.had.co.nz/papers/boxplots.pdf