كيفية إنشاء وتفسير المخططات الصندوقية في إكسيل

تُعد عملية استكشاف البيانات وتحليل بنيتها التوزيعية الركيزة الأساسية التي تنطلق منها كافة الاستنتاجات العلمية والقرارات المنهجية في البحوث التطبيقية، ولا سيما في مجالات العلوم السلوكية والنفسية والاجتماعية والاقتصادية. فعند التعامل مع الظواهر المعقدة والمقاييس المتعددة، تبرز الحاجة الملحة إلى أدوات تمثيل بياني تجمع بين الإيجاز البصري الفائق والعمق الإحصائي الرصين، دون الوقوع في فخ التبسيط المخل الذي قد تخلقه المؤشرات العددية المفردة مثل المتوسط الحسابي وحده. من هنا، يكتسب المخطط الصندوقي (Box and Whisker Plot) مكانته المتميزة كأحد أقوى النماذج الرسومية وأكثرها فاعلية في تلخيص السلوك التوزيعي للمتغيرات الكمية.

يتيح المخطط الصندوقي للباحثين والمحللين رؤية فورية وشاملة لموقع المركز الإحصائي، ودرجة التشتت والتباين، ومستوى التماثل أو الالتواء، فضلًا عن الرصد الدقيق والفوري للقيم الشاذة والمتطرفة التي قد تعصف بدقة النماذج الإحصائية البارامترية. وعلى الرغم من أن برمجيات التحليل المتخصصة توفر بيئات معقدة لإنتاج هذه الرسوم، فإن تطبيق مايكروسوفت إكسيل (Microsoft Excel)—لا سيما في إصداراته الحديثة—أضحى يوفر محركًا إحصائيًا ورسوميًا متقدمًا يمكّن المستخدمين من بناء وتخصيص وتفسير هذه المخططات بدقة متناهية وسهولة عملية فائقة، مما يجعله بيئة مثالية لإنتاج الرسوم البيانية المؤهلة للنشر الأكاديمي وصناعة التقارير التشخيصية المتعمقة.

يهدف هذا الدليل الشامل والمفصل إلى تقديم مرجع أكاديمي وتطبيقي متكامل حول كيفية إنشاء وتفسير المخططات الصندوقية في مايكروسوفت إكسيل. سنستعرض عبر فصوله المتعددة الجذور المفاهيمية والتأسيس الرياضي لملخص الأرقام الخمسة، وخطوات تحضير وهيكلة مصفوفات البيانات، وآليات بناء الرسوم البيانية والتحكم المتقدم في خصائصها البصرية، وصولًا إلى التفسير الإحصائي الدقيق للأبعاد والأنماط التوزيعية، ومعالجة القيم المتطرفة، وإجراء المقارنات متعددة السلاسل وفق أرقى المعايير المنهجية المعتمدة لدى الهيئات العلمية العالمية مثل جمعية علم النفس الأمريكية (APA).

1. المدخل المفاهيمي للمخططات الصندوقية ودورها في التحليل الإحصائي

1.1 تعريف المخطط الصندوقي (Box and Whisker Plot) ونشأته الرياضية

يعود الفضل في ابتكار وتطوير المخطط الصندوقي، أو ما يُعرف اصطلاحًا بمخطط الصندوق والطرفين (Box and Whisker Plot)، إلى عالم الإحصاء الأمريكي البارز جون توكي (John Tukey)، الذي قدّمه لأول مرة في مؤلفاته الرائدة خلال سبعينيات القرن العشرين، وتحديدًا في كتابه المرجعي الشهير Exploratory Data Analysis الصادر عام 1977. سعى توكي من خلال هذا الابتكار إلى تحرير التحليل الإحصائي من القيود الصارمة للافتراضات التوزيعية المسبقة، وتقديم وسيلة بصرية تعتمد على الإحصاء اللابارامتري القائم على الرتب والنسب المئينية لتمثيل بنية البيانات الحقيقية كما هي في الواقع التجريبي والميداني.

يقوم المفهوم الرياضي للمخطط الصندوقي على تحويل مصفوفة الدرجات العددية إلى تمثيل هندسي يتألف من مستطيل مركزي تمتد منه خطوط مستقيمة تُعرف بالأطراف أو الشوارب (Whiskers). وتكمن القوة المنهجية لهذا المخطط في أنه لا يفترض مسبقًا خضوع البيانات لقوانين التوزيع الطبيعي (Normal Distribution) أو التماثل التام، بل يعكس التوزيع التكراري الفعلي عبر تقسيم البيانات إلى أربعة أقسام متساوية من حيث التكرار (Quartiles). يتيح هذا التمثيل للباحث استكشاف مركز البيانات ودرجة انتشارها وشكل التواءها بمجرد إلقاء نظرة بصرية سريعة، مما جعله حجر الزاوية في مجال التحليل الاستكشافي للبيانات (EDA).

عند مقارنة المخطط الصندوقي بالمدرجات التكرارية (Histograms) ومنحنيات الكثافة الاحتمالية (Density Plots)، نجد أنه يتفوق في قدرته الفائقة على تجميع وتكثيف المعلومات في حيز بصري ضيق ومحدد. فبينما تتطلب المدرجات التكرارية اتخاذ قرارات دقيقة وغير موضوعية في بعض الأحيان بخصوص عرض الفئات وتعدادها (Bin Width Selection) مما قد يغير شكل التوزيع الظاهري، يقدم المخطط الصندوقي ملخصًا موحدًا وثابتًا رياضيًا. وعلاوة على ذلك، يتميز المخطط الصندوقي بقدرته الفريدة على عرض ومقارنة عشرات المجموعات التجريبية أو الفئات التصنيفية جنبًا إلى جنب في لوحة واحدة، وهو أمر يتعذر تحقيقه بوضوح باستخدام المدرجات التكرارية المتداخلة.

1.2 أهمية المخططات الصندوقية في البحوث النفسية والعلوم السلوكية

تحتل المخططات الصندوقية مكانة محورية في دراسات العلوم السلوكية وعلم النفس الإكلينيكي والتجريبي، حيث تتسم المتغيرات المقاسة—مثل درجات القلق، والاكتئاب، والأداء الإدراكي، والدافعية، والرضا الوظيفي—بدرجات عالية من التباين الذاتي وتأثير الفروق الفردية. يساعد المخطط الصندوقي الباحث النفسي في الفحص السريع لاستجابات المفحوصين على أدوات ومقاييس التقييم السيكومتري، موضحًا ما إذا كانت الدرجات تتمركز حول قيم معينة أو تنتشر على مدى واسع من السلم القياسي، مما يسهم في فهم طبيعة الظاهرة النفسية المدروسة ومستويات تجانسها داخل العينة.

وفي إطار التصاميم التجريبية وشبه التجريبية، تتيح هذه المخططات مقارنة بصرية مباشرة وفورية بين مجموعات الضبط (Control Groups) والمجموعات التجريبية (Experimental Groups) الخاضعة لتدخلات علاجية أو برامج تدريبية وسلوكية. يمكن للباحث أن يرى بوضوح كيف أدى التدخل التجريبي إلى إزاحة موقع وسيط المجموعة نحو الارتفاع أو الانخفاض، فضلًا عن مراقبة ما إذا كان التدخل قد أسهم في تقليص التباين الداخلي للاستجابات (أي تضييق المدى الربيعي) أو زاد من تشتتها، وهو ما يعطي عمقًا تفسيريًا يتجاوز ما تقدمه اختبارات الفروق التقليدية وحدها.

إضافة إلى ذلك، تُعد المخططات الصندوقية أداة لا غنى عنها في تقييم كفاءة وموثوقية أدوات القياس النفسي نفسها؛ حيث تكشف بنية التوزيع داخل الصندوق عن وجود تأثيرات السقف (Ceiling Effects) عندما تتكدس الدرجات عند الحد الأعلى للأداة، أو تأثيرات الأرضية (Floor Effects) عندما تتجمع الاستجابات عند القاع الأدنى. كما توفر وسيلة حاسمة لفرز الحالات الإكلينيكية الحادة التي تسجل درجات تقع خارج النطاق الطبيعي العام، مما يسهل تشخيص الانحرافات السلوكية الفردية ودراسة الحالات الاستثنائية بشكل منفصل وممنهج.

1.3 المزايا الإحصائية والقيود المنهجية لاستخدام المخطط الصندوقي

تستند القوة الإحصائية للمخطط الصندوقي إلى مجموعة من المزايا المنهجية الرصينة، وعلى رأسها القدرة على تلخيص كميات ضخمة ومصفوفات معقدة من البيانات في مساحة بصرية بالغة التكثيف والوضوح دون التضحية بالمعلومات الجوهرية. كما يتميز المخطط بالاعتماد على مقاييس النزعة المركزية والتشتت اللابارامترية، والمتمثلة في الوسيط (Median) والمدى الربيعي (Interquartile Range – IQR). تُعرف هذه المقاييس في الأدبيات الإحصائية بأنها مقاييس صامدة ومقاومة (Robust Statistics)، حيث لا تتأثر بالقيم المتطرفة أو الشاذة بالطريقة العنيفة التي تؤثر بها تلك القيم على المتوسط الحسابي (Mean) والانحراف المعياري (Standard Deviation).

ومع ذلك، تفرض المنهجية العلمية الرصينة الوعي بالقيود التي تعتري هذا النموذج الرسومي. يتمثل القيد الرئيسي في عجز المخطط الصندوقي التقليدي عن تمثيل التوزيعات ثنائية المنوال (Bimodal Distributions) أو متعددة المنوال (Multimodal Distributions) بدقة؛ إذ يمكن لمجموعتين من البيانات تمتلكان بنية توزيعية مختلفة تمامًا (إحداهما أحادية المنوال والأخرى ثنائية المنوال) أن تظهرا بمخططين صندوقيين متطابقين تمامًا من حيث ملخص الأرقام الخمسة، مما قد يخفي وجود مجموعتين فرعيتين متباينتين داخل العينة الواحدة.

لذلك، يؤكد خبراء القياس والإحصاء على ضرورة ألا يُتخذ المخطط الصندوقي كأداة وحيدة ومعزولة لاتخاذ القرارات الاستنتاجية النهائية، بل يجب أن يُستكمل بمقاييس وصفية إضافية مثل اختبارات فحص الالتواء والتفرطح (Skewness and Kurtosis)، والمخططات المكملة كمخططات الكمان (Violin Plots) أو مدرجات الكثافة، إلى جانب تطبيق الاختبارات الاستدلالية المناسبة (مثل اختبار t، أو تحليل التباين ANOVA، أو الاختبارات اللابارامترية المقابلة كاختبار مان-ويتني وكروسكال-واليس) للتحقق من الدلالة الإحصائية للفروق المشاهدة بصريًا.

2. التأسيس الرياضي: ملخص الأرقام الخمسة (Five-Number Summary)

2.1 القيمة الصغرى (Minimum) والربيع الأول (First Quartile – Q1)

يرتكز البناء الهندسي للمخطط الصندوقي على مفهوم إحصائي محوري يُعرف باسم ملخص الأرقام الخمسة (Five-Number Summary)، وهو نظام رياضي متكامل يقسم البيانات المرتبة تصاعديًا إلى أجزاء دقيقة تمثل المعالم الأساسية للتوزيع. تبدأ هذه المنظومة بتحديد القيمة الصغرى النظامية (Minimum)، وهي أقل درجة أو قياس مسجل في مصفوفة البيانات يقع داخل الحدود الآمنة ولا يُصنف كقيمة شاذة أو متطرفة وفق قواعد الأسوار الإحصائية المعتمدة. تمثل هذه القيمة النقطة التي ينطلق منها الطرف السفلي للمخطط لتحديد المدى الواقعي للاستجابات الاعتيادية.

يلي ذلك المكون الهيكلي البالغ الأهمية والمتمثل في الربيع الأول (First Quartile)، والذي يُرمز له رياضيًا بـ Q1، ويطابق في معناه الإحصائي المئين الخامس والعشرين (25th Percentile). يُعرف الربيع الأول بأنه القيمة التي يقع تحتها تمامًا 25% من إجمالي المشاهدات أو الحالات في العينة، بينما تقع فوقها 75% من البيانات المتبقية. ويشكل Q1 الحد السفلي الصلب لمستطيل الصندوق، وهو المرتكز الذي يحدد بداية كتلة النصف الأوسط للبيانات.

تتعدد الطرق الحسابية لتقدير قيمة Q1 بناءً على كون حجم العينة (N) فرديًا أو زوجيًا، وتختلف الخوارزميات باختلاف إدراج أو استبعاد قيمة الوسيط عند تقسيم السلسلة إلى نصفين، وهو ما يُعرف في إكسيل بالدوال الحصرية والشاملة. ومن الناحية السيكومترية، يوفر موقع Q1 دلالة سريرية وتشخيصية فائقة في تقييم تراكم الدرجات الدنيا في الاختبارات المعرفية والسلوكية؛ فإذا كان Q1 مرتفعًا ومتقاربًا مع الوسيط، دل ذلك على أن الغالبية العظمى من العينة قد تجاوزت المستويات المتدنية بسهولة، بينما يشير انخفاضه وتباعده إلى وجود اتساع في شريحة الأداء الضعيف أو الحالات الحرجة.

2.2 الوسيط الإحصائي (Median – Q2): المركز والاتجاه المركزي

يمثل الوسيط الإحصائي، أو الربيع الثاني (Second Quartile – Q2)، أو المئين الخمسين (50th Percentile)، النواة الصلبة ونقطة الانتصاف الدقيقة للتوزيع التكراري لمصفوفة البيانات المرتبة تصاعديًا. يقسم الوسيط العينة إلى نصفين متساويين تمامًا من حيث عدد المشاهدات: 50% من القيم تقع دونه، و50% من القيم تقع أعلاه. ويتم التعبير عن الوسيط داخل المخطط الصندوقي بخط أفقي (أو رأسي بحسب اتجاه المخطط) يقسم المستطيل الداخلي إلى جزأين، موضحًا المركز المباشر لثقل البيانات.

يبرز الفارق الجوهري والمنهجي بين الوسيط والمتوسط الحسابي في التعامل مع التوزيعات الملتوية أو الملوثة بقيم متطرفة؛ فبينما ينجذب المتوسط الحسابي بقوة نحو ذيل التوزيع أو نحو الدرجات الشاذة المرتفعة أو المنخفضة مما يعطي انطباعًا مضللًا عن المستوى العام، يظل الوسيط ثابتًا ومعبرًا بصدق عن الدرجة التي تتوسط أفراد العينة فعليًا. ولهذا السبب، يُعتبر الوسيط هو المعيار الذهبي المفضل لتمثيل النزعة المركزية في القياسات النفسية والاقتصادية (مثل درجات الدخل ومستويات القلق) التي تندر فيها التوزيعات المتماثلة كليًا.

تكتسب قراءة موقع خط الوسيط داخل الصندوق أهمية استكشافية بالغة؛ فإذا كان الخط يتمركز تمامًا في منتصف المسافة بين الربيعين الأول والثالث، دل ذلك على تماثل النصف الأوسط من البيانات حول مركزه. أما إذا انزاح خط الوسيط باتجاه الربيع الأول (الأسفل) أو باتجاه الربيع الثالث (الأعلى)، فإن ذلك يوفر تشخيصًا بصريًا مباشرًا لاتجاه الالتواء داخل الكتلة المركزية، مما يمنح الباحثين معيارًا مرجعيًا فوريًا لمقارنة مستويات الظواهر النفسية المقاسة بين مختلف العينات.

2.3 الربيع الثالث (Third Quartile – Q3) والقيمة العظمى (Maximum)

يكتمل هيكل ملخص الأرقام الخمسة بالربيع الثالث (Third Quartile)، والذي يُرمز له رياضيًا بـ Q3، ويعادل المئين الخامس والسبعين (75th Percentile). يمثل الربيع الثالث تلك النقطة الفاصلة التي تقع تحتها 75% من مشاهدات العينة، في حين لا يتجاوزها سوى 25% من أعلى الدرجات المسجلة في المصفوفة. يشكل Q3 الحد العلوي لمستطيل الصندوق المركزي، وبذلك يحصر الصندوق المحصور بين Q1 و Q3 ما يُعرف بـ المدى الربيعي (IQR = Q3 – Q1)، وهو النطاق الذي يضم الـ 50% المركزية والأكثر استقرارًا من المشاهدات.

أما المكون الأخير في المنظومة فهو القيمة العظمى النظامية (Maximum)، والتي تمثل أعلى درجة مسجلة في البيانات تقع ضمن نطاق السور العلوي المسموح به إحصائيًا، ولا تُصنف كقيمة متطرفة. تمثل هذه القيمة نهاية الطرف العلوي الممتد من أعلى الصندوق. ومن خلال الجمع بين الربيع الثالث والقيمة العظمى، يستطيع المحلل تحديد المدى الإجمالي للبيانات المنتظمة واستنتاج حدود السلوك التوزيعي الطبيعي للمتغير المستهدف.

يرتبط فهم وتطبيق ملخص الأرقام الخمسة بصناعة القرارات السيكومترية والميدانية المتقدمة؛ حيث يوفر حساب المدى الربيعي (IQR) معيارًا موثوقًا لقياس التشتت يتجاوز عيوب المدى الكلي (المدى = القيمة العظمى – القيمة الصغرى) المعرض للتشوه بفعل الحالات الفردية النادرة. وفي بيئات القياس التربوي والنفسي، يُستخدم الربيع الثالث لتحديد عتبات التفوق والموهبة والتحصيل المتقدم، في حين تتيح مقارنة Q3 بالقيمة العظمى قياس مدى امتداد ذيل التوزيع الإيجابي للأفراد الذين يتمتعون بسمات استثنائية ضمن العينة المدروسة.

3. إعداد وهيكلة البيانات في إكسيل قبل التمثيل البياني

3.1 قواعد تنظيف وترتيب البيانات الخام (Raw Data Preparation)

تتوقف جودة وموثوقية المخطط الصندوقي الذي يتم إنشاؤه في مايكروسوفت إكسيل على سلامة ودقة المعالجة القبلية لمصفوفة البيانات الخام. تتطلب البيئة الإحصائية لإكسيل أن تكون المتغيرات الكمية مهيكلة في أعمدة متصلة وخالية من الانقطاعات أو الفراغات العشوائية التي قد تؤدي إلى حدوث أخطاء في خوارزميات حساب الربيعيات أو تشويه أبعاد المحاور البيانية.

تتمثل الخطوة الأولى في التحقق الدقيق من نوعية التنسيق الرقمي (Number Formatting) لجميع الخلايا المضمنة في نطاق التحليل؛ حيث يؤدي وجود قيم رقمية مخزنة كنصوص (Numbers Stored as Text)—والتي تنتج غالبًا عن عمليات تصدير البيانات من استبانات إلكترونية مثل Google Forms أو برامج إدارة الاختبارات—إلى تجاهل إكسيل لتلك الخلايا تمامًا في حساب ملخص الأرقام الخمسة، مما يغير من حجم العينة الحقيقي ويزيف قيم الوسيط والربيعيات. يجب استخدام أدوات تحويل النصوص إلى أرقام عبر خيارات التنسيق أو تطبيق الدوال المناسبة مثل VALUE للتأكد من هوية البيانات.

كما ينبغي معالجة الحالات المفقودة (Missing Values) وفق أسس منهجية صارمة؛ فالخلايا الفارغة قد يتم التعامل معها بشكل مختلف باختلاف إصدار إكسيل وخيارات التحليل، بينما إدخال القيمة “0” كبديل عن الخلية الفارغة يُعد خطأ فادحًا يغير بنية التوزيع كليًا وينشئ قيمًا صغرى وهمية. يجب أيضًا إزالة الرموز الخاصة والتكرارات غير المبررة للحالات وضمان تنظيف الشوائب الرقمية قبل الانتقال لمرحلة التمثيل.

3.2 تنظيم بيانات المجموعات الفردية والمتعددة للمقارنة

يعتمد المخطط الصندوقي في إكسيل على أسلوبين رئيسيين لتنظيم وهيكلة البيانات وفقًا لطبيعة التصميم البحثي وعدد المجموعات المقارنة. يتمثل النمط الأول في “التنسيق العريض” (Wide Format)، حيث يتم تخصيص عمود مستقل لكل مجموعة تجريبية أو فئة تصنيفية، وتوضع أسماء المجموعات في رؤوس الأعمدة (Header Rows) مثل: “المجموعة التجريبية”، “مجموعة الضبط”، “مجموعة التدخل المساند”. يُعد هذا التنسيق هو الأكثر سلاسة وملاءمة لمحرك الرسوم البيانية الحديث في إكسيل عند الرغبة في إنشاء مخططات صندوقية مقارنة سريعة.

أما النمط الثاني فهو “التنسيق التراكمي أو الطويل” (Long Format)، وفيه يتم وضع كافة الدرجات الرقمية للمتغير التابع في عمود واحد، بينما يُخصص عمود ثانٍ موازٍ لترميز المتغير المستقل أو الفئة التصنيفية (Grouping Variable). على الرغم من أن هذا النمط هو المعياري في البرمجيات الإحصائية المتقدمة مثل SPSS و R، فإن استخدامه لإنشاء مخطط صندوقي في إكسيل يتطلب أحيانًا معالجة إضافية أو استخدام الجداول المحورية (Pivot Tables) لتنظيم استدعاء المجموعات بدقة.

لضمان أعلى درجات المرونة والديناميكية، يُنصح بشدة بتحويل نطاقات البيانات التقليدية إلى جداول إكسيل ديناميكية رسمية عبر الضغط على اختصار لوحة المفاتيح Ctrl + T. يضمن هذا الإجراء أن أي سجلات أو حالات جديدة تُضاف لاحقًا إلى جدول البيانات ستندرج تلقائيًا ضمن نطاق المخطط الصندوقي دون الحاجة إلى إعادة تعديل نطاق الرسم يدويًا، مع انعكاس رؤوس الأعمدة المنسقة بدقة كعناوين معيارية في وسيلة إيضاح المخطط والمحور الأفقي.

3.3 التحقق القبلي من التوزيع الإحصائي وحجم العينة المناسب

قبل الشروع في استدعاء الرسم البياني في إكسيل، يتعين على الباحث التحقق من مدى كفاية حجم العينة (Sample Size – N) لضمان متانة وموثوقية ملخص الأرقام الخمسة. على الرغم من أن المخطط الصندوقي يمكن إنشاؤه رياضيًا لأي حجم عينة، فإن استخدامه مع العينات المتناهية الصغر (أقل من 5 إلى 10 مشاهدات) يُعد ممارسة غير محبذة إحصائيًا؛ إذ تصبح قيم الربيعيات شديدة الحساسية والاضطراب عند أي تغير طفيف في الدرجات، مما يقلل من القيمة التفسيرية للصندوق. يُفضل عادةً ألا يقل حجم العينة عن 20 إلى 30 مشاهدة للحصول على تقدير مستقر للوسيط والمدى الربيعي.

كما تتضمن مرحلة الفحص القبلي تطبيق أدوات التحقق من صحة البيانات (Data Validation) داخل إكسيل لتقييد الإدخال ضمن النطاق المنطقي لأدوات القياس المستخدمة؛ فمثلًا، إذا كان مقياس ليكارت يتراوح بين 1 و 5، فإن تحديد قواعد التحقق يمنع دخول قيم خاطئة مثل 50 أو أرقام سالبة ناتجة عن السهو في الإدخال، والتي قد تشوه أطراف الصندوق وتخلق قيمًا شاذة زائفة.

ويُستحسن استخدام دوال الفحص الإحصائي الاستكشافي السريع في خلايا مستقلة بجانب الجدول، مثل دالة COUNT للتأكد من حجم الحالات الفعلية، ودالة AVERAGE، ودالة STDEV.S، ودالتي MIN و MAX. يوفر هذا الفحص المبدئي للباحث تصورًا ذهنيًا دقيقًا عن المدى الحقيقي للدرجات ويساعده لاحقًا في مطابقة القيم الناتجة عن المخطط الصندوقي والتأكد من عدم وجود أخطاء في التعيين الهندسي للرسم.

4. خطوات إنشاء المخطط الصندوقي في إكسيل (Excel 2016 فما فوق)

4.1 التحديد الدقيق لمصفوفة البيانات واستدعاء الرسم الإحصائي

بدءًا من إصدار Excel 2016 والإصدارات اللاحقة وصولًا إلى Microsoft 365، وفرت شركة مايكروسوفت محركًا مدمجًا لإنشاء المخططات الصندوقية بنقرة زر واحدة دون الحاجة إلى الحيل المعقدة التي كانت متبعة في الإصدارات القديمة (والتي كانت تعتمد على تعديل المخططات الشريطية ومخططات الأسهم وأشرطة الخطأ). تبدأ الخطوة التنفيذية الأولى بتحديد مصفوفة البيانات بدقة متناهية، مع الحرص التام على تضمين الخلية العلوية التي تحتوي على رأس العمود النصي (Header) لضمان اعتمادها التلقائي كتسمية رسمية للسلسلة في المخطط.

بعد تحديد النطاق المطلوب، يتوجه المستخدم إلى الشريط العلوي (Ribbon) ويختار تبويب إدراج (Insert). من داخل مجموعة أدوات المخططات (Charts)، يتم النقر على أيقونة إدراج مخطط إحصائي (Insert Statistic Chart)، والتي تظهر على شكل رسم بياني أزرق يحتوي على أعمدة مدرج تكراري. من القائمة المنسدلة الناتجة، يتم اختيار خيار مخطط الصندوق والطرفين (Box and Whisker).

بمجرد النقر على الخيار، يقوم إكسيل فورًا بإنشاء المخطط الصندوقي داخل ورقة العمل، متضمنًا الصندوق المركزي، وخط الوسيط، وعلامة المتوسط الحسابي، والأطراف العلوية والسفلية، فضلًا عن إظهار أي قيم شاذة افتراضيًا. يجب بعد ذلك ضبط موضع المخطط وسحب مقابض الزوايا لإعادة تحجيمه بما يضمن تناسب الأبعاد الرسومية ووضوح قراءة المحاور، تمهيدًا للانتقال إلى التنسيقات المتقدمة.

4.2 التحكم في لوحة خيارات تنسيق سلسلة البيانات (Format Data Series)

للوصول إلى أدوات التحكم الهيكلية والرياضية في المخطط، يقوم المستخدم بالنقر بزر الفأرة الأيمن مباشرة على أي من عناصر الصناديق المرسومة واختيار تنسيق سلسلة البيانات (Format Data Series)، أو النقر المزدوج على الصندوق لفتح اللوحة الجانبية المتخصصة. تحتوي هذه اللوحة على أربعة خيارات تحكم رئيسية تشكل المظهر والوظيفة التحليلية للمخطط الصندوقي في إكسيل:

• عرض الفجوة (Gap Width): يتيح هذا الشريط المنزلق التحكم في المساحة الفاصلة بين الصناديق المختلفة أو بين الصندوق وحدود المخطط، حيث يؤدي تقليل نسبة عرض الفجوة إلى زيادة عرض وسُمك الصندوق بصريًا، مما يمنحه وضوحًا أكبر في العرض والطباعة.
• إظهار النقاط الداخلية (Show Inner Points): عند تفعيل هذا الخيار، يقوم إكسيل برسم جميع المشاهدات والدرجات الفردية المكونة للعينة كنقاط صغيرة مصفوفة رأسيًا على امتداد الصندوق، وهو خيار بالغ الفائدة في العينات الصغيرة والمتوسطة لمشاهدة الكثافة التوزيعية الحقيقية وتحديد مناطق التكدس بدقة.
• إظهار نقاط القيم الشاذة (Show Outlier Points): يتحكم هذا الخيار في تمثيل الدرجات المتطرفة التي تقع خلف أسوار توكي كنقاط منفصلة تقع خارج امتداد الأطراف، ويُنصح دائمًا بالإبقاء على تفعيله التزامًا بالشفافية الإحصائية.
• إظهار علامة المتوسط (Show Mean Marker) وخط المتوسط (Show Mean Line): يقوم إكسيل بوضع علامة تقاطع صغيرة على شكل حرف (X) تمثل موقع المتوسط الحسابي للبيانات، فضلًا عن إمكانية تفعيل خط يصل بين متوسطات المجموعات المختلفة لمتابعة تغير الاتجاه العام عبر الفئات.

4.3 ضبط التمييز البصري واللوني للمجموعات المتعددة

يتطلب الإخراج الاحترافي للمخططات الصندوقية، لا سيما الموجهة للنشر في المجلات العلمية المحكمة أو إعداد تقارير الأعمال الإدارية العليا، عناية فائقة بضبط التباين اللوني والتصميم الجمالي. يوفر تبويب تصميم المخطط (Chart Design) وتبويب تنسيق (Format) خيارات واسعة لاختيار لوحات ألوان احترافية تضمن التمايز البصري الواضح بين المجموعات التجريبية أو المتغيرات المستقلة.

يجب مراعاة معايير التباين وسهولة الوصول للجمهور من ذوي عمى الألوان (Colorblind-Friendly Palettes)، مع تفادي استخدام الألوان الصارخة أو الخلفيات المظلمة التي تشتت الانتباه عن الرسالة الإحصائية. يُفضل ضبط لون تعبئة الصندوق (Fill) بدرجات ناعمة وشفافة جزئيًا، مع تحديد حدود الصندوق (Borders) بخطوط صلبة بلون داكن ومحدد (مثل الرمادي الغامق أو الأسود) وبسُمك لا يقل عن 1 إلى 1.5 نقطة لضمان حدة الخطوط عند الطباعة والتصدير.

وفي حال إعداد المخطط للمجلات العلمية التي تفرض النشر باللونين الأبيض والأسود فقط، يتم تحويل التنسيق إلى النمط المونوكرومي (Grayscale)؛ حيث يمكن استخدام درجات متباينة من التظليل الرمادي، أو استخدام أنماط التعبئة المخططة (Pattern Fills) لتمييز الصناديق المتجاورة. وبمجرد الوصول إلى التنسيق المثالي المعتمد، يُنصح بحفظ المخطط كقالب مخصص عبر النقر بزر الفأرة الأيمن واختيار حفظ كقالب (Save as Template) لإعادة تطبيقه على أي مصفوفات بيانات جديدة في المستقبل بضغطة زر واحدة.

5. إظهار وتنسيق تسميات البيانات (Data Labels) واستخراج القيم

5.1 تفعيل تسميات البيانات واستعراض القيم الرقمية المباشرة

على الرغم من أن المخطط الصندوقي يقدم قراءة بصرية هندسية للمعلومات، فإن القراءة العلمية الدقيقة تتطلب في كثير من الأحيان إظهار القيم الرقمية الصريحة المقابلة لملخص الأرقام الخمسة مباشرة على الرسم. يتيح إكسيل هذه الميزة من خلال الضغط على زر عناصر المخطط (+) الذي يظهر عند تحديد المخطط، ثم تفعيل خيار تسميات البيانات (Data Labels).

بمجرد تفعيل هذا الخيار، يقوم إكسيل بحساب وإظهار القيم العددية لكل من: القيمة الصغرى، والربيع الأول (Q1)، والوسيط، والمتوسط الحسابي، والربيع الثالث (Q3)، والقيمة العظمى، فضلًا عن كتابة قيم النقاط الشاذة إن وُجدت بجوار كل نقطة على حدة. يتيح هذا العرض الفوري مطابقة القياس البصري بالأرقام الفعلية دون الحاجة إلى الرجوع المستمر لجدول البيانات الأصلي.

لتفادي مشكلة التداخل البصري بين الأرقام وخطوط الصندوق—والتي تحدث كثيرًا عند تقارب قيمتي الوسيط والمتوسط أو عند قصر المدى الربيعي—يوفر إكسيل إمكانية سحب تسميات البيانات يدويًا وإعادة تموضعها في مواقع جانبية مريحة للعين، مع تعديل حجم ونوع الخط (مثل Arial أو Calibri أو Times New Roman) وتعيين لون داكن وواضح يضمن سهولة القراءة الفورية دون التسبب في تشويش بصري على بنية الصندوق.

5.2 التحقق من حسابات إكسيل باستخدام الدوال الرياضية الموازية

تقتضي الرصانة الأكاديمية مطابقة القيم الرقمية التي يرسمها إكسيل في المخطط الصندوقي مع نتائج المعادلات الإحصائية الصريحة داخل ورقة العمل؛ للتأكد من عدم حدوث أي انزياح أو سوء فهم لخوارزميات الحساب المتبعة. يوفر إكسيل ترسانة متكاملة من الدوال الإحصائية التي تطابق كل عنصر من عناصر ملخص الأرقام الخمسة:

• الوسيط: يتم حسابه باستخدام الدالة الصريحة =MEDIAN(Range)، والتي يجب أن تطابق قيمتها تمامًا قيمة خط الوسيط داخل الصندوق.
• الربيعيات: يوفر إكسيل دالتين رئيسيتين:
  • =QUARTILE.EXC(Range, 1) لحساب الربيع الأول الحصري، و=QUARTILE.EXC(Range, 3) لحساب الربيع الثالث الحصري.
  • =QUARTILE.INC(Range, 1) لحساب الربيع الأول الشامل، و=QUARTILE.INC(Range, 3) لحساب الربيع الثالث الشامل.
• المتوسط الحسابي: يُحسب بالدالة =AVERAGE(Range) ويطابق بدقة علامة (X) داخل الصندوق.
• القيم الصغرى والعظمى النظامية: تُستخدم الدالتان =MIN(Range) و =MAX(Range) لاستخراج الحدود المطلقة، مع مراعاة أنه في حال وجود قيم شاذة، فإن أطراف المخطط ستمثل الحدود النظامية المشروطة بالأسوار وليس القيم المطلقة الصرفة للدوال المذكورة.

5.3 تخصيص تنسيق الأرقام العشرية والدقة الحسابية

يؤدي ظهور الأرقام بكسور عشرية طويلة وعشوائية داخل تسميات المخطط الصندوقي إلى إحداث تلوث بصري يقلل من جودة الإخراج الأكاديمي ويعيق القراءة السلسة للنتائج. يوفر إكسيل إمكانية التحكم الكامل في دقة التنسيق الرقمي للتسميات من خلال النقر المزدوج على تسميات البيانات لفتح لوحة تنسيق تسميات البيانات (Format Data Labels)، ثم التوجه إلى قسم رقم (Number).

يستطيع الباحث تحديد الفئة كـ رقم (Number) وتثبيت عدد المنازل العشرية (Decimal Places) عند منزلة واحدة أو منزلتين عشريتين وفق المعايير المتبعة في التخصص العلمي ومستوى دقة أداة القياس الأصلية. كما يمكن استخدام خيارات التنسيق المخصص (Custom Formatting) لإضافة وحدات القياس تلقائيًا بجوار الأرقام (مثل: “24.5 ملجم” أو “68.2 درجة”)، مما يثري الدلالة التفسيرية للمخطط في التقارير الميدانية والتطبيقية.

وفي الحالات التي تشهد تداخلاً شديدًا بين تسميات البيانات نتيجة تقارب المؤشرات، يُنصح بإلغاء بعض التسميات المزدحمة داخل الرسم، والاكتفاء بتوثيق القيم الدقيقة كاملة في جدول إحصائي وصفي ملحق يوضع مباشرة أسفل المخطط الصندوقي في متن البحث أو التقرير، مما يحقق التوازن المثالي بين جمالية الرسم الهندسي ودقة التوثيق الرياضي.

6. التفسير الإحصائي المعمق لعناصر المخطط الصندوقي

6.1 قراءة المدى الربيعي (IQR) ومستويات التشتت والتجانس

يمثل المدى الربيعي (IQR)—المحدد بطول المستطيل المركزي في المخطط الصندوقي والناتج عن طرح قيمة الربيع الأول من الربيع الثالث (Q3 – Q1)—المرآة الحقيقية لدرجة تشتت وتجانس النصف الأوسط الأكثر استقرارًا من مفردات العينة. عند قراءة المخطط، يترجم الطول الهندسي للصندوق مباشرة إلى مؤشر على التباين؛ فالصندوق القصير والمضغوط يعكس درجة عالية من التجانس والتقارب الشديد في استجابات الأفراد حول النزعة المركزية، مما يشير إلى ثبات الظاهرة المقاسة واتساق سلوك المفحوصين.

وعلى النقيض من ذلك، يعكس الصندوق الطويل والمتسع تشتتًا واسعًا وتباينًا حادًا في أداء العينة، مما يدل على أن النصف المركزي من المفحوصين يتفاوتون تفاوتاً جوهرياً في مستويات السمة المقاسة. وتكتسب هذه القراءة أهمية مضاعفة عند مقارنة مجموعات متعددة؛ إذ تشير الصناديق المتفاوتة في الطول إلى عدم تحقق شرط تجانس التباين (Homogeneity of Variance)، وهو افتراض أساسي لتطبيق اختبارات تحليل التباين البارامترية (ANOVA)، مما يوجه الباحث نحو استخدام تصحيحات إحصائية مثل اختبار ويلش (Welch’s ANOVA) أو اللجوء للاختبارات اللابارامترية البديلة.

6.2 تحليل أطراف الصندوق (Whiskers) ومستويات الانتشار الكلي

توفر أطراف المخطط الصندوقي (Whiskers) الممتدة من حافتي الصندوق العلوية والسفلية رؤية بصرية متكاملة للمدى الإجمالي للبيانات غير الشاذة؛ حيث يمتد الطرف السفلي من Q1 ليصل إلى القيمة الصغرى النظامية، بينما يمتد الطرف العلوي من Q3 ليصل إلى القيمة العظمى النظامية. يعبر الطول الإجمالي الممتد بين نهايتي الطرفين عن النطاق الواقعي الذي تتوزع داخله الأغلبية الساحقة من استجابات الأفراد.

يتطلب التحليل الإحصائي الرصين فحص مدى تناظر طولي الطرفين؛ فالأطراف متساوية الطول تدل على تماثل انتشار الدرجات في كلا الاتجاهين الأدنى والأعلى، في حين يعكس عدم التناظر—كأن يكون أحد الطرفين أطول بكثير من الآخر—وجود تشتت غير متكافئ في أحد نصفي التوزيع. فالطرف الممتد بشكل ملحوظ يبرهن على وجود تنوع واسع وفروق فردية حادة بين المفحوصين في تلك الجهة من المقياس، بينما يعكس الطرف القصير انضغاط الدرجات وتكدسها بالقرب من حدود الصندوق المركزي.

6.3 تشخيص الالتواء (Skewness) والتماثل في التوزيع

يُعد المخطط الصندوقي أداة تشخيصية بصرية فائقة الكفاءة لفحص شكل التوزيع التكراري ورصد ظاهرة الالتواء (Skewness) دون الحاجة الفورية لحساب المعاملات الرياضية المعقدة. يتم تشخيص التوزيع المتماثل طبيعيًا عندما يستوفي المخطط ثلاثة معايير هندسية متزامنة: توسط خط الوسيط لمنتصف مستطيل الصندوق تمامًا، وتساوي طولي الطرفين العلوي والسفلي، وتطابق علامة المتوسط الحسابي (X) مع خط الوسيط في نفس الموضع تقريبًا.

وفي المقابل، يتم تشخيص الالتواء الإيجابي أو جهة اليمين (Positive Skewness) من خلال المشاهدات البصرية التالية:

• انزياح خط الوسيط نحو الأسفل ليقترب من حافة الربيع الأول (Q1).
• استطالة ملحوظة في الطرف العلوي مقارنة بالطرف السفلي القصير.
• موقع علامة المتوسط الحسابي (X) أعلى خط الوسيط بصورة واضحة، منجذبة نحو الدرجات المرتفعة.

أما الالتواء السلبي أو جهة اليسار (Negative Skewness)، فيتم تشخيصه بصريًا بالعلامات المعاكسة تمامًا:

• انزياح خط الوسيط نحو الأعلى ليقترب من حافة الربيع الثالث (Q3).
• استطالة واضحة في الطرف السفلي مع قصر نسبي في الطرف العلوي.
• موقع علامة المتوسط الحسابي (X) أسفل خط الوسيط، منجذبة نحو الدرجات المتدنية في ذيل التوزيع.

7. آلية كشف وتفسير القيم الشاذة والمتطرفة (Outliers) في إكسيل

7.1 المعادلة الرياضية لتحديد الأسوار الداخلية والخارجية لـ Tukey

يعتمد مايكروسوفت إكسيل الخوارزمية الرياضية المعيارية الصارمة التي وضعها جون توكي (Tukey’s Fences) للكشف المنهجي والآلي عن القيم الشاذة والمتطرفة، دون ترك الأمر للتقدير البصري العشوائي. تقوم هذه الخوارزمية على بناء “أسوار رياضية داخلية” (Inner Fences) تحيط بالبيانات المنتظمة وتحدد الحدود القصوى التي يُسمح للطرفين (Whiskers) بالامتداد إليها:

• السور الداخلي الأدنى (Lower Inner Fence): يُحسب بالمعادلة: Q1 - (1.5 × IQR)
• السور الداخلي الأعلى (Upper Inner Fence): يُحسب بالمعادلة: Q3 + (1.5 × IQR)

تُعرف القيمة الشاذة المعتدلة (Mild Outlier) بأنها أي درجة مسجلة في مصفوفة البيانات تسقط خارج نطاق هذه الأسوار الداخلية، أي تكون أقل من السور الأدنى أو أعلى من السور الأعلى. أما القيم المتطرفة الحادة (Extreme Outliers)، فتُحدد بتوسيع معامل المدى الربيعي إلى 3 أضعاف، حيث يُحسب السور الخارجي الأدنى بالمعادلة Q1 - (3 × IQR) والسور الخارجي الأعلى بـ Q3 + (3 × IQR). يقوم إكسيل بقطع خطوط الأطراف عند آخر قيمة بيانات فعلية تقع داخل نطاق الأسوار، بينما يمثل أي نقطة تتجاوز ذلك كعلامة نقطية منفصلة خارج جسم المخطط.

7.2 تفعيل خيارات إظهار النقاط الشاذة في إعدادات السلسلة

يوفر إكسيل تحكمًا مباشرًا في كيفية عرض ومعالجة النقاط الشاذة من خلال لوحة تنسيق سلسلة البيانات عبر تفعيل أو تعطيل خيار إظهار نقاط القيم الشاذة (Show Outlier Points). عند تفعيل هذا الخيار (وهو الوضع الافتراضي)، تنفصل النقاط المتطرفة بصريًا عن الأطراف، مما يمنح الباحث تنبيهًا بصريًا صريحًا بوجود حالات استثنائية تستدعي الفحص.

أما في حال إلغاء تفعيل هذا الخيار، فإن إكسيل يقوم بمد أطراف المخطط لتصل إلى القيم القصوى المطلقة في البيانات، مما يؤدي إلى استطالة غير طبيعية في الأطراف وإخفاء الطبيعة الشاذة لتلك النقاط، وهو إجراء لا يُنصح به منهجيًا لما ينطوي عليه من حجب للمعلومات التوزيعية الدقيقة. يتيح إكسيل للمستخدمين تخصيص التمييز اللوني وحجم علامات النقاط الشاذة؛ حيث يمكن النقر المنفرد على أي نقطة شاذة وتغيير لون تعبئتها إلى لون بارز (مثل الأحمر) لتوكيد حضورها في التقارير الإحصائية الموجهة للجان العلمية وصناع القرار.

7.3 التفسير السيكولوجي والمنهجي للقيم الشاذة وطرق معالجتها

يمثل ظهور القيم الشاذة في البحوث السلوكية والنفسية تحديًا تحليليًا وفرصة استكشافية في آن واحد؛ إذ يجب ألا يُنظر إلى النقطة المتطرفة تلقائيًا على أنها خطأ يجب التخلص منه فورًا. تبدأ المنهجية السليمة بالتحقق الفني الدقيق من سلامة الإدخال، والتأكد من أن القيمة الشاذة ليست ناتجة عن خطأ مطبعي (Typographical Error) أو عطل في أجهزة التسجيل والمزامنة الرقمية.

إذا ثبتت صحة القيمة، فإنها تمثل عندئذ استجابة سيكولوجية حقيقية تعكس سلوكًا متطرفًا، أو حالة إكلينيكية حادة، أو موهبة استثنائية تستوجب دراسة الحالة المستقلة (Case Study). تؤثر هذه القيم تأثيرًا مدمرًا على صدق وثبات المقاييس وعلى نتائج الاختبارات البارامترية، حيث تضخم التباين وترفع أو تخفض المتوسط الحسابي بصورة وهمية. تتعدد استراتيجيات التعامل المنهجي مع هذه الحالات بين:

• الإبقاء المبرر: مع التحول نحو استخدام الاختبارات اللابارامترية التي تعتمد على الرتب والوسيط.
• الاستبعاد المعلل (Winsorization or Trimming): حيث تُحذف الحالة أو تُعدل قيمتها لتطابق أقصى قيمة نظامية، شريطة توثيق ذلك بشفافية كاملة في قسم المنهجية بالتقرير البحثي.
• التحويل الرياضي للبيانات (Data Transformation): مثل تطبيق التحويل اللوغاريتمي Log(X) أو تحويل الجذر التربيعي SQRT(X) لتقليص اتساع الذيل وإعادة البيانات نحو التوزيع الطبيعي.

8. الفروق الجوهرية بين طريقتي حساب الربيعيات: الحصرية والشاملة

8.1 طريقة الربيعيات الحصرية (Exclusive Quartile Calculation)

تستند طريقة الربيعيات الحصرية (Exclusive Method)—والتي يُعبر عنها في إكسيل بالخيار Quartile Calculation: Exclusive Median وبالدالة QUARTILE.EXC—إلى المبدأ الرياضي القائل بوجوب استبعاد قيمة الوسيط الإحصائي تمامًا من مجموعتي البيانات الفرعيتين عند حساب الربيعين الأول والثالث. تعتمد هذه الطريقة على تقسيم رتب البيانات بالمعادلة k × (N + 1) / 4، حيث يتم حساب Q1 كوسيط للنصف الأدنى الحصري، و Q3 كوسيط للنصف الأعلى الحصري دون إشراك الوسيط الأصلي في أي منهما.

تكتسب الطريقة الحصرية أهمية أكاديمية بالغة لكونها الخوارزمية القياسية المعتمدة في حزم البرمجيات الإحصائية المتقدمة مثل IBM SPSS، وبيئة البرمجة الإحصائية R، و SAS. ينتج عن تطبيق هذه الطريقة اتساع نسبي في المدى الربيعي المحسوب (IQR)، مما يجعل الأسوار الإحصائية أكثر حساسية ودقة في الكشف عن القيم الشاذة، ولذلك فهي الخيار الموصى به دائمًا في الأبحاث النفسية والتجريبية الصارمة المعدة للنشر الدولي.

8.2 طريقة الربيعيات الشاملة (Inclusive Quartile Calculation)

في المقابل، تقوم طريقة الربيعيات الشاملة (Inclusive Method)—المعبر عنها في إكسيل بالخيار Quartile Calculation: Inclusive Median وبالدالة QUARTILE.INC—على تضمين قيمة الوسيط في كلا النصفين: النصف الأدنى لحساب الربيع الأول والنصف الأعلى لحساب الربيع الثالث. تعتمد هذه الطريقة الرياضية الكلاسيكية على معادلة الرتب 1 + k × (N - 1) / 4، وهي الطريقة التي كانت مستخدمة حصريًا في إصدارات إكسيل القديمة (Excel 2013 وما قبله) عبر الدالة التقليدية QUARTILE.

يؤدي إدراج الوسيط في حساب نصفي البيانات إلى تضييق نسبي للمدى الربيعي (IQR) مقارنة بالطريقة الحصرية، لا سيما في العينات صغيرة الحجم. ينتج عن هذا التضييق انخفاض طفيف في حساسية المخطط لرصد القيم الشاذة القريبة من الأسوار. تُعتبر هذه الطريقة مقبولة وشائعة في التطبيقات الإدارية والأعمال الميدانية العامة التي تهدف إلى الحصول على ملخص توزيعي محافظ يقلل من ظهور التنبيهات الشاذة.

8.3 التبديل بين الطريقتين داخل إعدادات مخطط إكسيل الصندوقي

يتيح مايكروسوفت إكسيل للمستخدم حرية التبديل الكامل بين الطريقتين بنقرة واحدة لضمان توافق الرسم مع متطلبات النشر العلمي. للقيام بذلك، يتم فتح لوحة تنسيق سلسلة البيانات (Format Data Series) عبر النقر المزدوج على الصناديق، ثم الانتقال إلى قسم حساب الربيعيات (Quartile Calculation)، والاختيار بين:

• الوسيط الحصري (Exclusive median): لمطابقة مخرجات البرمجيات المتخصصة كـ SPSS وضمان أعلى دقة أكاديمية.
• الوسيط الشامل (Inclusive median): لمطابقة الحسابات التاريخية التقليدية أو التوافق مع النماذج الإدارية القياسية.

عند التبديل، سيلاحظ المحلل تغيرًا فوريًا وتلقائيًا في طول الصندوق ومواقع خطوط Q1 و Q3، فضلًا عن إمكانية ظهور أو اختفاء بعض النقاط الشاذة بناءً على التغير في قيمة IQR ومواقع الأسوار. ومن الضروري جدًا تثبيت وتوثيق الطريقة المختارة في متن التقارير العلمية؛ لمنع أي التباس أو تضارب حسابي بين أعضاء الفريق البحثي أو عند مراجعة النتائج من قبل المحكمين الأكاديميين.

9. المقارنات المتقدمة بين المجموعات التجريبية والمتغيرات المتعددة

9.1 إنشاء مخططات صندوقية مقارنة متعددة السلاسل جنباً إلى جنب

تتجلى القوة التحليلية القصوى للمخططات الصندوقية في قدرتها الفائقة على إجراء المقارنات البصرية المباشرة بين مجموعات تجريبية أو فئات تصنيفية متعددة جنباً إلى جنب (Side-by-Side Box Plots) داخل إطار هندسي موحد. لإنشاء هذا المخطط المقارن في إكسيل، يقوم الباحث بتنظيم بيانات المجموعات في أعمدة متجاورة، حيث يحمل كل عمود اسم المجموعة في رأسه، ثم يتم تحديد نطاق كافة الأعمدة في خطوة واحدة واستدعاء مخطط الصندوق والطرفين.

يقوم إكسيل بإنشاء رسم بياني يضم صناديق مستقلة لكل مجموعة على طول المحور الأفقي (X-axis)، مع توحيد مقياس المحور الرأسي (Y-axis) توحيدًا مطلقًا. يضمن هذا التوحيد مقارنة بصرية نزيهة وموضوعية لمواقع الوسائط، وأطوال المدى الربيعي، ومستويات التشتت بين المجموعات دون أي تشويه في النسب.

يتيح التحليل المقارن للصناديق المتجاورة استنتاج مؤشرات أولية حول الفروق الجوهرية؛ فإذا كانت الصناديق متباعدة رأسيًا ولا تتداخل نطاقات المدى الربيعي بينها، دل ذلك بقوة على وجود فروق ذات دلالة إحصائية بين المجموعات. أما إذا حدث تداخل واسع بين الصناديق وتطابقت خطوط الوسائط، فإن ذلك يعكس تقاربًا وتكافؤًا في الأداء العام، وهو ما يُعد مدخلاً بصريًا استكشافيًا حاسمًا قبل إجراء اختبارات تحليل التباين الأحادي والثنائي (Factorial ANOVA).

9.2 التمثيل البياني للمقاييس القبلية والبعدية (Pretest-Posttest Designs)

في تصاميم القياس المتكرر والبحوث الإكلينيكية، يُعد تتبع تطور استجابات العينات المترابطة عبر الزمن أحد أهم التطبيقات العملية للمخططات الصندوقية المتجاورة. يتم تنظيم البيانات بترتيب زمني متسلسل يشمل أعمدة: “القياس القبلي (Pre-test)”، و”القياس البعدي (Post-test)”، و”مرحلة المتابعة (Follow-up)”.

يتيح هذا التمثيل للباحث متابعة مسار التغير السلوكي والمعرفي الناتج عن البرنامج العلاجي أو التدخل التدريبي؛ حيث يُلاحظ بوضوح انحدار أو ارتفاع خط الوسيط الإحصائي عبر المراحل الزمنية للدلالة على تحسن الأداء. كما يتيح المخطط رصد “انكماش التشتت”؛ إذ تؤدي التدخلات العلاجية الناجحة في كثير من الأحيان إلى تضييق المدى الربيعي وانضغاط الصندوق، مما يبرهن على أن التدخل قد ساعد في رفع كفاءة الفئات الضعيفة وتقليص الفجوة الفردية بين المشاركين.

وعلاوة على ذلك، يكشف المخطط الصندوقي الزمني عن الحالات التي أظهرت مقاومة للبرنامج العلاجي ولم تستجب للتدخل الإيجابي؛ حيث تظهر تلك الحالات كنقاط شاذة معزولة تتخلف عن مسار التحسن العام للمجموعة، مما يمنح الفريق الطبي أو السلوكي فرصة فرز هذه الحالات وتصميم برامج تدخل فردية مكثفة تلائم احتياجاتها الخاصة.

9.3 تجزئة البيانات وتجميعها عبر الفئات التصنيفية الديموغرافية

يتطلب تحليل الظواهر النفسية المعقدة في كثير من الأحيان فحص استجابات المجموعات الفرعية المصنفة وفق المتغيرات الديموغرافية الأساسية مثل: النوع الاجتماعي (ذكور/إناث)، والفئات العمرية، والمستويات التعليمية، والبيئات الجغرافية. يوفر إكسيل إمكانات متقدمة لبناء لوحات معلومات (Dashboards) تفاعلية تعتمد على المخططات الصندوقية المقسمة فئويًا.

من خلال ربط مصفوفة البيانات بمقسمات طريقة العرض (Slicers) وأدوات التصفية المتقدمة (Filters)، يستطيع الباحث التبديل الفوري بين الفئات الفرعية ومراقبة كيف يتغير شكل المخطط الصندوقي للدرجة الكلية عند عزل فئة معينة. يسهم هذا الإجراء في تقييم مدى تجانس استجابة الفئات الديموغرافية واكتشاف التفاعلات الخفية؛ كأن يتضح أن تشتت درجات القلق ينحصر بالأساس في فئة عمرية محددة دون غيرها، مما يثري التفسير النظري ويوجه السياسات والبرامج الميدانية بدقة متناهية.

10. تخصيص المخطط الصندوقي وفق معايير النشر العلمي (APA Style)

10.1 ضبط المحاور، المقاييس، وخطوط الشبكة بدقة أكاديمية

تفرض المعايير الصارمة لجمعية علم النفس الأمريكية (APA Publication Manual – 7th Edition) شروطًا جمالية وهندسية محددة يجب استيفاؤها في الرسوم البيانية لضمان تأهلها للنشر الأكاديمي الرصين. تأتي في مقدمة هذه الشروط معالجة نسبة البيانات إلى الحبر (Data-to-Ink Ratio)؛ حيث يجب تجريد المخطط من كافة الزخارف البصرية غير الضرورية التي تشتت الانتباه.

يجب إزالة خطوط الشبكة الأفقية والرأسية (Gridlines) كليًا أو تقليل ظهورها لأقصى درجة ممكنة، مع إزالة الإطار الخارجي المحيط بالمخطط (Chart Border) لضمان اندماجه النقي داخل الصفحة البيضاء. كما يتعين ضبط حدود المحور الصادي (Y-axis Minimum and Maximum) بدقة لتطابق النطاق المنطقي لأداة القياس الفعلية دون ترك فراغات بيضاء مفرطة أو قطع أطراف التوزيع بصورة مشوهة.

ويجب تسمية المحورين بوضوح تام باستخدام خطوط أكاديمية معيارية (مثل Times New Roman أو Arial بحجم 10 إلى 12 نقطة)، مع تضمين اسم المتغير ووحدة القياس بوضوح بين قوسين (مثال: “درجات مقياس بيك للاكتئاب (BDI-II)”)، مع الحرص على أن يكون اتجاه كتابة نص المحور الرأسي مستقيمًا أو مائلًا بزاوية 270 درجة لتسهيل القراءة المباشرة.

10.2 إضافة عناصر الشرح الإحصائي ووسائل الإيضاح المفصلة

تنص معايير النشر العلمي على أن يكون الشكل البياني مكتفيًا بذاته مفهوميًا (Self-Explanatory)، بحيث يستطيع القارئ والمحكم فهم كافة أبعاده دون الحاجة الماسة للرجوع المستمر إلى متن البحث. عند تعدد السلاسل والمجموعات، يجب إدراج وسيلة إيضاح (Legend) دقيقة ومختصرة في موضع بارز لا يتداخل مع الصناديق.

كما يُلزم الأسلوب الأكاديمي بوضع عنوان وصفي موجز ومرقم في أعلى المخطط (مثال: Figure 1. Distribution of Burnout Scores Across Professional Groups)، مع تضمين حاشية توضيحية مفصلة (Note) أسفل المخطط مباشرة. يجب أن توضح هذه الحاشية بدقة حجم العينة الكلي وحجم كل مجموعة فرعية (مثل: N = 150; n1 = 50, n2 = 50, n3 = 50)، وتحديد طريقة حساب الربيعيات المتبعة (حصري/شامل)، فضلًا عن توضيح الرموز الخاصة كالإشارة إلى أن علامة (X) تمثل المتوسط الحسابي، وأن الخط الأفقي يمثل الوسيط، مع توضيح مستوى الدلالة للنقاط الشاذة المعروضة.

10.3 تصدير المخطط بجودة طباعية عالية الدقة للمجلات والأطروحات

يمثل التصدير الفني الرديء للرسوم البيانية أحد الأسباب الشائعة لرفض الأوراق البحثية من قبل دور النشر والمجلات العلمية المفهرسة عالميًا (مثل Elsevier و Springer و Taylor & Francis). يتطلب النشر عالي الجودة تصدير المخطط بتنسيقات المتجهات الرسومية (Vector Graphics) مثل تنسيق EMF (Enhanced Metafile) أو SVG (Scalable Vector Graphics)، والتي تضمن احتفاظ الخطوط والألوان بحدتها المطلقة وتمنع تشوه المخطط عند تكبيره أو تصغيره داخل برامج تحرير النصوص (Microsoft Word أو LaTeX).

في حال الاعتماد على التنسيقات النقطية (Raster Images مثل PNG أو TIFF)، يجب التأكد من ألا تقل الدقة الطباعية عن 300 إلى 600 نقطة في البوصة (DPI). يمكن تحقيق ذلك في إكسيل عن طريق نسخ المخطط واستخدام خيار “لصق كصورة خاصة” بتنسيق متجهي داخل برنامج معالجة الصور أو محرر النصوص مباشرة، مع التحقق الدقيق من تناسق الأبعاد وعدم ضغط نسب الطول والعرض للرسم لضمان ثبات الهندسة التوزيعية للصناديق في المسودة النهائية للبحث.

11. الأخطاء المنهجية والفنية الشائعة عند استخدام المخططات الصندوقية

11.1 أخطاء التفسير الإحصائي والخلط بين المقاييس المركزية

يقع العديد من الباحثين المبتدئين في مجموعة من الأخطاء التفسيرية الشائعة عند التعامل مع المخططات الصندوقية، وفي مقدمتها الخلط المنهجي الفادح بين خط الوسيط الإحصائي وعلامة المتوسط الحسابي؛ حيث يتم أحيانًا تفسير خط المنتصف داخل الصندوق خطأً على أنه المتوسط الحسابي، وهو ما يبطل الاستنتاجات المتعلقة بالنزعة المركزية لا سيما في التوزيعات شديدة الالتواء.

ومن الأخطاء المنهجية الخطيرة أيضًا القفز إلى استنتاج التوزيع الطبيعي للبيانات بمجرد رؤية صندوق يبدو متماثلًا نسبيًا بالعين المجردة؛ إذ إن تماثل ملخص الأرقام الخمسة لا ينفي بالضرورة وجود اضطرابات توزيعية أخرى في قمم البيانات (مثل التفرطح الحاد أو التوزيعات ثنائية القمة الخفية)، ولذلك يجب دائمًا تعزيز القراءة البصرية بالاختبارات الصريحة مثل اختبار شابيرو-ويلك (Shapiro-Wilk Test) واختبار كولموجوروف-سميرنوف (Kolmogorov-Smirnov Test).

كما يحذر علماء القياس من التسرع في إعلان وجود فروق ذات دلالة إحصائية حاسمة لمجرد تباعد الصناديق بصريًا في المخطط، أو نفي وجود الفروق لمجرد تلامس الأطراف؛ فالرسم البياني يوفر استكشافًا وصفيًا مبدئيًا ولا يغني بأي حال عن الحسابات الدقيقة لحجم الأثر (Effect Size مثل Cohen’s d و Eta-squared) وفترات الثقة الإحصائية (Confidence Intervals) واختبارات الفروض المعيارية.

11.2 أخطاء إدخال وهيكلة البيانات داخل برنامج إكسيل

على الصعيد الفني، تنشأ معظم مشكلات التمثيل البياني الصندوقي في إكسيل من أخطاء هيكلة وتنظيم البيانات في أوراق العمل. ومن أبرز هذه العيوب تضمين خلايا النصوص والملاحظات الوصفية داخل نطاق الأرقام المحدد للرسم، مما يتسبب في إرباك محرك الرسم الإحصائي وحساب مؤشرات غير صحيحة.

كما يعمد البعض إلى دمج خلايا رؤوس المجموعات (Merged Cells) فوق أعمدة البيانات، وهو ما يؤدي إلى فشل إكسيل في تعيين سلاسل البيانات المستقلة وتداخل أسماء المتغيرات في المحور الأفقي. ومن الأخطاء الشائعة أيضًا عدم تحديث نطاق مصفوفة الرسم البياني عند إضافة حالات استجابة جديدة في أسفل الأعمدة عند الاعتماد على النطاقات التقليدية الثابتة (بدلًا من الجداول الديناميكية)، مما يؤدي إلى بقاء المخطط الصندوقي معبرًا عن عينة قديمة ومنقوصة دون انتباه الباحث.

11.3 المعالجة غير الواعية للبيانات المفقودة والقيم الشاذة

تشكل المعالجة غير الرشيدة للحالات المفقودة والقيم المتطرفة خطأً علميًا جسيمًا يعصف بموثوقية التحليل بأكمله. يتجلى هذا الخطأ في قيام بعض المحللين بترميز الإجابات المفقودة بالرقم “0” أو بأرقام ترميزية تقليدية مثل “999”، ومن ثم تحديد نطاق البيانات للرسم دون استبعاد تلك الرموز؛ مما يؤدي إلى ظهور صناديق مشوهة للغاية وأطراف ممتدة بلا مبرر، وقيم شاذة وهمية تدمر القيمة التفسيرية للرسم.

وعلى الجانب الآخر، يمثل الحذف العشوائي والتلقائي للقيم الشاذة التي يظهرها المخطط، دون إجراء تحقيق تشخيصي ومعرفي في أسباب ظهورها، إخلالًا بالأمانة الأكاديمية؛ إذ قد تؤدي تلك القيم المحذوفة إلى إخفاء ظاهرة نفسية أصيلة أو استجابة إكلينيكية بالغة الأهمية. كما أن التلاعب بمقياس المحور الصادي يدويًا لإخفاء النقاط الشاذة خارج حدود إطار الرسم يُعد ممارسة تضليلية تتنافى مع أخلاقيات البحث العلمي ومعايير النزاهة الإحصائية المعتمدة.

12. دراسات حالة وتطبيقات عملية في تحليل البيانات السلوكية بإكسيل

12.1 دراسة حالة 1: مقارنة مستويات القلق والاحتراق النفسي لدى فئات مهنية

في دراسة تطبيقية استهدفت فحص الفروق في مستويات الاحتراق المهني، تم جمع درجات 180 مشاركًا موزعين بالتساوي على ثلاث فئات مهنية مستقلة (60 طبيبًا، 60 معلمًا، 60 مهندس برمجيات) باستخدام مقياس ماسلاش للاحتراق النفسي (Maslach Burnout Inventory – MBI) الممتد من 0 إلى 100 درجة. تم تنظيم البيانات في ثلاثة أعمدة متجاورة داخل إكسيل واستدعاء مخطط الصندوق والطرفين المقارن عبر خيار الوسيط الحصري.

أظهر المخطط الصندوقي الناتج أن وسيط درجات الاحتراق لدى الأطباء كان الأعلى بصورة واضحة (الوسيط = 72 درجة، IQR = 18)، مع تميز الصندوق بقصر نسبي يعكس تجانسًا عاليًا في معاناتهم من ضغوط العمل. في المقابل، أظهرت فئة المعلمين وسيطًا معتدلًا (الوسيط = 54 درجة) مع صندوق طويل ومتسع (IQR = 32) وطرفين ممتدين، مما يشير إلى تباين واسع وفروق فردية حادة في تجربة الاحتراق بين المعلمين بناءً على بيئات مدارسهم المختلفة.

أما فئة مهندسي البرمجيات، فقد سجلت أدنى وسيط (الوسيط = 38 درجة)، إلا أن المخطط كشف بوضوح عن وجود ثلاث نقاط شاذة متطرفة (Outliers) تجاوزت درجاتها 85 درجة في الجزء العلوي. قاد هذا الاكتشاف البصري الباحثين إلى فحص ملفات هؤلاء المهندسين الفردية، ليتبين أنهم يعملون في شركات ناشئة تخضع لمواعيد تسليم ضاغطة للغاية، مما وفر عمقًا نوعيًا وتفسيريًا متكاملًا تمت صياغته بدقة في التقرير النهائي للدراسة مدعومًا بالشكل البياني المنسق وفق معايير APA.

12.2 دراسة حالة 2: تقييم فاعلية برنامج علاجي معرفي سلوكي عبر الزمن

طبقت عيادة متخصصة في العلاج النفسي برنامجًا علاجيًا قائمًا على العلاج المعرفي السلوكي (CBT) لعلاج اضطراب الاكتئاب لدى عينة قوامها 45 مريضًا. تم تقييم درجات الأعراض باستخدام مقياس بيك للاكتئاب (BDI-II) عبر ثلاث محطات زمنية متتالية: القياس القبلي (قبل بدء البرنامج)، والقياس البعدي (مباشرة بعد انتهاء 12 جلسة علاجية)، ومرحلة المتابعة (بعد مرور 6 أشهر من انتهاء التدخل). تم إدخال البيانات في إكسيل وإنشاء مخطط صندوقي زمني متتابع.

عكس المخطط الصندوقي نجاحًا استثنائيًا للبرنامج العلاجي؛ حيث انحدر موضع وسيط الاكتئاب من 34 درجة في القياس القبلي (مستوى اكتئاب شديد) إلى 12 درجة في القياس البعدي (مستوى اكتئاب طفيف)، مع انكماش هائل في طول الصندوق (انخفض IQR من 16 إلى 6 درجات)، مما برهن بصريًا على أن التحسن لم يقتصر على فئة محدودة بل شمل الأغلبية العظمى من المرضى بمستوى عالٍ من التجانس العلاجي.

وفي مرحلة المتابعة بعد 6 أشهر، أظهر المخطط استقرارًا ملحوظًا لخط الوسيط عند 14 درجة، مع بقاء الصندوق مضغوطًا، مما وفر دليلًا بصريًا قويًا على ثبات واستدامة المكاسب العلاجية للبرنامج عبر الزمن. استُخدم هذا المخطط الصندوقي كعنصر إيضاح رئيسي تم تقديمه للجهات الصحية الممولة واللجان الطبية كإثبات قاطع على الجدوى الإكلينيكية للتدخل السلوكي المطبق.

12.3 دراسة حالة 3: فحص زمن الاستجابة الإدراكية والتشتت الانتباهي

في تجربة معملية في مجال علم النفس المعرفي، تم قياس زمن الرجع أو زمن الاستجابة الإدراكية (Reaction Time) بالمللي ثانية (ms) لدى مجموعتين من الطلاب (مجموعة تعرضت لمشتتات بصرية ومجموعة عملت في بيئة هادئة) أثناء أداء مهمة فرز المحفزات على شاشات الحاسوب، بإجمالي 500 محاولة في كل ظرف تجريبي. تم تنظيم الدرجات وبناء المخطط الصندوقي المقارن لفحص بنية الأداء المعرفي.

أظهرت البيانات الممثلة في المخطط الالتواء الإيجابي الكلاسيكي الحاد (Severe Positive Skewness) المميز لبيانات زمن الاستجابة الإنسانية في الدراسات المعرفية؛ حيث تمركز خط الوسيط بالقرب من الحافة السفلية للصندوق (Q1 = 320 ms، الوسيط = 360 ms)، في حين امتد الطرف العلوي بصورة شاسعة مع ظهور ذيل طويل من النقاط الشاذة المرتفعة التي تجاوزت 900 مللي ثانية.

أتاح المخطط الصندوقي للباحثين وضع قاعدة استبعاد معيارية صارمة لعزل المحاولات غير الصالحة بالاعتماد على أسوار توكي المحسوبة آليًا؛ حيث تم تصنيف أي استجابة تتجاوز السور العلوي كنوبة شرود ذهني مؤقت أو فقدان لحظي للانتباه تم فرزها وفحصها كمتغير مستقل يتعلق بظاهرة التشتت الانتباهي. أسهم ذلك في تنقية مصفوفة البيانات الأصلية وتحويلها لوغاريتميًا بدقة متناهية، مما مكّن الفريق من نمذجة سرعة المعالجة المعرفية ونشر النتائج في دورية علمية مرموقة في علم النفس العصبي التجريبي.

خاتمة

يمثل المخطط الصندوقي (Box and Whisker Plot) تحفة هندسية وإحصائية تجمع بين بساطة التلخيص البصري والعمق المنهجي الرصين، مما يجعله أداة لا غنى عنها لكل باحث ومحلل يسعى إلى سبر أغوار البيانات الكمية واستكشاف معالمها التوزيعية دون الوقوع في أخطاء التبسيط المضلل. ومن خلال التأسيس الرياضي الراسخ المستند إلى ملخص الأرقام الخمسة، يمنح المخطط مستخدمه القدرة على قراءة النزعة المركزية، وقياس التشتت والتجانس عبر المدى الربيعي، وتشخيص الالتواء، ورصد الحالات الشاذة والمتطرفة بكفاءة متناهية.

وقد أثبتت بيئة مايكروسوفت إكسيل الحديثة كفاءتها العالية كمنصة متكاملة لبناء هذه المخططات وتخصيصها بدقة متقدمة؛ بدءًا من الإعداد السليم وهيكلة مصفوفات البيانات، مرورًا بالتحكم في خيارات العرض والربيعيات الحصرية والشاملة، وإظهار التسميات ومطابقتها بالدوال الرياضية، وصولًا إلى التنسيق الاحترافي المتوافق مع معايير النشر الأكاديمي الدولي (APA Style). إن التوظيف الواعي والمنهجي لهذه الإمكانات يرتقي بجودة البحوث العلمية والتقارير التطبيقية، ويضمن نقل الرسائل الإحصائية بدقة وشفافية تسهم في بناء المعرفة العلمية الرصينة واتخاذ القرارات التطبيقية الواثقة.

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). Create a box and whisker chart. Microsoft Support. https://support.microsoft.com/en-us/office/create-a-box-and-whisker-chart-62f4219f-db4b-4da9-a2ae-a622e4eb2bd3
• Tufte, E. R. (2001). The visual display of quantitative information (2nd ed.). Graphics Press.
• Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley Publishing Company.
• Wickham, H., & Stryjewski, L. (2011). 40 years of boxplots. Technical Report, Had.co.nz.