كيفية إنشاء المخططات الدائرية في SPSS

يُعد التحليل الإحصائي حجر الزاوية في بناء المعرفة العلمية الرصينة، حيث تعتمد العلوم الاجتماعية والنفسية والتربوية والطبية على تحويل البيانات الخام المستخلصة من الميدان إلى مؤشرات كمية ذات دلالة تفسيرية واضحة. وفي هذا السياق، يبرز برنامج IBM SPSS Statistics كأحد أقوى وأشمل البرمجيات الإحصائية المستخدمة عالمياً لمعالجة البيانات وتحليلها. غير أن استخراج الجداول الإحصائية الجافة والأرقام الصامتة لا يكفي وحده لنقل المعنى الإحصائي بكفاءة للمتلقي؛ بل تتكامل هذه الجداول مع أدوات التمثيل البصري (Data Visualization) التي تضفي على النتائج بعداً إدراكياً يسهل استيعابه ومقارنته بسرعة ودقة.

تحتل المخططات الدائرية (Pie Charts) مكانة بارزة ضمن ترسانة الرسوم البيانية الإحصائية، بوصفها الأداة المفضلة عالمياً لتمثيل مفهوم “الجزء من الكل” (Part-to-Whole Relationship). تتيح هذه المخططات للباحثين والمهنيين إمكانية إبراز التوزيع النسبي للفئات المختلفة لمتغير اسمي أو رتبي ضمن دائرة مكتملة الزوايا. ورغم بساطتها الظاهرة، فإن بناء المخططات الدائرية بصورة علمية دقيقة داخل بيئة SPSS يتطلب فهماً عميقاً لطبيعة المتغيرات، وطرق الترميز، وضبط الخصائص الإحصائية، وصولاً إلى التحرير البصري الاحترافي الذي يلتزم بأعلى معايير التوثيق الأكاديمي.

يقدم هذا الدليل الشامل مرجعاً منهجياً متكاملاً لكيفية إنشاء وتخصيص وتفسير المخططات الدائرية في برنامج SPSS بمختلف إصداراته الحديثة والتقليدية. سيتناول الدليل بالتفصيل الدقيق كافة المسارات التقنية لإنشاء هذه الرسوم، ومقارنة كفاءتها، وتحليل مخرجاتها، ومعالجة القيم المفقودة، وصولاً إلى تصديرها وفق معايير جمعية علم النفس الأمريكية (APA Style). كما يستعرض الدليل التحذيرات المنهجية والمزالق البصرية الشائعة التي قد تؤدي إلى تشويه المعنى الإحصائي، ليكون هذا العمل مرجعاً لا غنى عنه لكل باحث يسعى للتميز في التحليل الإحصائي والعرض البياني.

1. مقدمة شاملة حول المخططات الدائرية وأهميتها في برنامج SPSS

1.1 مفهوم المخطط الدائري والأساس الإحصائي له

المخطط الدائري (Pie Chart) هو رسم بياني هندسي يُستخدم لتمثيل التوزيع التكراري النسبي لمتغير تصنيفي نوعي مقسم إلى فئات متباينة وحصرية متبادلاً (Mutually Exclusive and Exhaustive Categories). يستند الأساس الرياضي للمخطط الدائري إلى مفهوم تقسيم الدائرة الهندسية المغلقة، التي تبلغ زواياها المركزية 360 درجة مئوية، إلى قطاعات دائرية (Slices or Sectors) يتناسب حجم كل قطاع وزاويته المركزية ومساحته السطحية تناسباً طردياً مع النسبة المئوية أو التكرار النسبي للفئة التي يمثلها من إجمالي حجم العينة الكلية ($N$).

إذا كانت إحدى الفئات تمثل 25% من إجمالي الحالات الخاضعة للدراسة، فإن الزاوية المركزية للقطاع المخصص لها داخل المخطط تحسب بضرب النسبة المئوية في الدرجة الكلية للدائرة: $360^circ times 0.25 = 90^circ$. وبالتالي، يشكل هذا القطاع ربع مساحة الدائرة تماماً. يتجلى الأساس الإحصائي لهذه الأداة في قدرتها الفائقة على تكثيف البيانات متعددة الفئات في مساحة هندسية واحدة، تعكس التوازن البنيوي للظاهرة المدروسة وتوفر إدراكاً بصرياً فورياً للأوزان النسبية لكل تصنيف دون الحاجة إلى إجراء عمليات حسابية ذهنية معقدة من قبل القارئ.

يعمل المخطط الدائري على توفير نظرة بصرية سريعة وشاملة لتوزيع العينة عبر الفئات المختلفة، مما يجعله أداة مثالية للتقييم الأولي للبيانات الديموغرافية والوصفية. كما أنه يُظهر بوضوح مدى هيمنة فئة معينة أو انكماش فئات أخرى ضمن المجتمع الإحصائي، مما يعزز الفهم البديهي لتجانس أو تباين العينة قيد البحث والدراسة قبل الشروع في بناء النماذج الاستدلالية المتقدمة.

1.2 دور التمثيل البصري للبيانات في التحليل الإحصائي

يلعب التمثيل البصري للبيانات دوراً محورياً في التحليل الإحصائي الحديث، حيث يُشكل جسراً معرفياً بين الأرقام المجردة والتفسير العلمي المنطقي. فالجداول الإحصائية التكرارية، رغم دقتها الرقمية المطلقة، تتطلب جهداً ذهنياً لقراءة الصفوف والأعمدة واستيعاب الفروق بين التكرارات المطلقة، لا سيما عندما تكون أحجام العينات كبيرة أو عندما تتعدد الفئات التصنيفية. هنا يأتي دور الرسوم البيانية في تحويل هذه المصفوفات العددية إلى أشكال بصرية وألوان ومساحات تدركها العين البشرية في أجزاء من الثانية.

يعزز التمثيل البصري من قدرة الباحث والمحلل على مقارنة الحجوم النسبية للمجموعات داخل العينة الواحدة بطريقة بديهية، مما يساعد على اكتشاف الأنماط غير المتوقعة، أو الانحيازات الشديدة في التوزيع، أو الفئات الشاذة التي قد تغيب عن الانتباه عند الاكتفاء بمراجعة الجداول المطبوعة. فالعقل البشري يمتلك كفاءة تطورية عالية في إدراك التباين المكاني والمساحي مقارنة بقدرته على معالجة الرموز الرياضية الصرفة، وهو ما يجعل الرسوم البيانية أداة لا غنى عنها في التفكير الإحصائي الاستكشافي (Exploratory Data Analysis – EDA).

تُستخدم الرسوم البيانية عموماً، والمخططات الدائرية خصوصاً، كمدخل أولي للاستكشاف البصري قبل الانتقال إلى تطبيق التحليلات الإحصائية البارامترية واللابارامترية المتقدمة. يتيح الفحص البصري الأولي للمخطط الدائري التحقق من تحقق بعض الافتراضات الإحصائية، مثل التأكد من عدم وجود فئة تصنيفية ذات تكرار شديد الانخفاض (Zero or Near-Zero Variance) قد يُفسد تطبيق اختبارات مثل اختبار مربع كاي (Chi-Square Test) للاستقلالية، والذي يشترط ألا تقل التكرارات المتوقعة في خلايا الجدول عن حدود معينة.

1.3 استخدامات المخططات الدائرية في البحوث النفسية والاجتماعية

تحظى المخططات الدائرية بانتشار واسع في مجالات العلوم الإنسانية، وبخاصة في البحوث النفسية والاجتماعية والتربوية، نظراً لطبيعة البيانات المجمعة في هذه الحقول والتي غالباً ما تركز على التصنيفات النوعية والمقاييس الوصفية. يُعد الاستخدام الأكثر شيوعاً للمخططات الدائرية هو عرض الخصائص الديموغرافية الأساسية لأفراد عينة الدراسة في الفصول المنهجية لرسائل الماجستير وأطروحات الدكتوراه والأوراق البحثية المحكمة؛ حيث يتم استخدامها لتوضيح توزيع العينة بحسب الجنس (ذكور/إناث)، والحالة الاجتماعية (أعزب، متزوج، مطلق، أرمل)، والمستوى التعليمي، والتوزيع الجغرافي للمشاركين.

تمتد استخدامات المخطط الدائري في علم النفس العيادي والتشخيصي لتمثيل تصنيفات السمات الشخصية، والفئات التشخيصية المحددة مسبقاً وفق الأدلة الإحصائية للاضطرابات النفسية مثل DSM-5؛ حيث يتم إبراز نسب انتشار اضطرابات معينة (مثل مستويات القلق: خفيف، متوسط، شديد) بين المترددين على العيادات النفسية. يساعد هذا التمثيل البصري صانعي القرار الإكلينيكي في تقييم العبء النسبي لكل اضطراب داخل المؤسسة العلاجية بدقة وسرعة متناهية.

تُعد المخططات الدائرية ركيزة أساسية في تلخيص استجابات استطلاعات الرأي العام والمسوح الميدانية المبنية على المتغيرات الاسمية الثنائية أو متعددة الاختيارات؛ كاستطلاعات قياس الرضا الوظيفي، أو التوجهات السياسية، أو أنماط التفضيل الاستهلاكي. يتيح المخطط للباحث الاجتماعي صياغة سردية بصرية متماسكة تبرز توجهات الأغلبية في مقابل الأقليات، مما يمهد الطريق لتفسير أعمق للسياقات الثقافية والاجتماعية المؤثرة في الظاهرة محل الدراسة.

2. طبيعة المتغيرات والبيانات المناسبة للمخططات الدائرية

2.1 المتغيرات الاسمية (Nominal Variables)

تمثل المتغيرات الاسمية (Nominal Variables) البيئة النموذجية والمثالية لتطبيق المخططات الدائرية في برنامج SPSS. المتغير الاسمي هو متغير نوعي تُصنف قيمه في فئات متمايزة نوعياً ولكنها تفتقر تماماً إلى أي ترتيب رتبي أو تفاضلي طبيعي أو رياضي كامن بينها؛ فلا يمكن القول بأن إحدى الفئات تفوق الأخرى منطقياً أو تسبقها في المكانة. ومن الأمثلة الكلاسيكية على هذه المتغيرات: الانتماء الجغرافي (محافظة، دولة، إقليم)، التخصص الأكاديمي (إنساني، علمي، هندسي، طبي)، فصائل الدم، والحالة المهنية (موظف، متقاعد، طالب، أعمال حرة).

تكمن ملاءمة المخطط الدائري للمتغيرات الاسمية في أن الدائرة لا تمتلك بداية أو نهاية خطية محددة بطبيعتها الهندسية، مما يجعلها تعكس عدم الترتيب الهرمي لتلك الفئات الاسمية؛ فالقطاعات تتجاور حول المركز دون أن يفترض المشاهد وجود تسلسل رتبي متصاعد أو متنازل بينها. ومع ذلك، يؤكد خبراء المنهجية والإحصاء الوصفي على ضرورة الالتزام بالحد الأقصى الموصى به لعدد الفئات الاسمية، والذي يتراوح عادة بين 3 إلى 5 فئات، وبحد أقصى مطلق لا يتجاوز 7 فئات؛ لتجنب تشتت الرؤية وضمان بقاء المخطط مقروءاً وذا كفاءة تواصلية عالية.

عند تجاوز عدد الفئات الاسمية هذا الحد الموصى به، تتحول القطاعات الدائرية إلى شرائح رفيعة جداً يصعب تمييز زواياها أو إدراج ملصقات النصوص والأرقام بداخلها، مما يؤدي إلى تشويش الإدراك البصري وإفراغ الرسم من غايته التلخيصية. في مثل هذه الحالات، يتحتم على الباحث إما اللجوء إلى دمج الفئات الصغرى أو التحول إلى الرسوم البيانية العمودية التي تمتلك قدرة أعلى على استيعاب الفئات المتعددة.

2.2 المتغيرات الرتبية (Ordinal Variables)

المتغيرات الرتبية (Ordinal Variables) هي متغيرات نوعية تصنيفية تتضمن فئاتها ترتيباً منطقياً متدرجاً (مثل: ضعيف، متوسط، جيد، ممتاز)، ولكن دون وجود مسافات متساوية بدقة بين مستويات الرتب. ورغم أن الأعمدة البيانية تُعد الخيار الأكثر شيوعاً لتمثيل المتغيرات الرتبية بسبب قدرتها على عكس التدرج الأفقي أو الرأسي، إلا أنه يمكن استخدام المخططات الدائرية لتمثيل المتغيرات الرتبية تحت شروط منهجية محددة ودقيقة لضمان عدم تضليل القارئ.

الشرط الأول والأهم لاستخدام المخطط الدائري مع المتغيرات الرتبية هو الحفاظ الصارم على التسلسل المنطقي للرتب داخل توزيع القطاعات حول محيط الدائرة، بحيث يتم ترتيب الفئات باتجاه عقارب الساعة بدءاً من الرتبة الأدنى وصولاً إلى الرتبة الأعلى (أو العكس) دون حدوث أي اختلال في التتابع الطبيعي للمستويات. كما يُفضل استخدام تدرجات لونية متصلة ومتسلسلة (Monochromatic sequential color palette) لتعزيز الإدراك البصري بالتدرج الرتبي، بدلاً من استخدام ألوان عشوائية متنافرة توحي بأن المتغير اسمي بحت.

تصلح المخططات الدائرية جداً لتمثيل المقاييس النفسية ومقاييس ليكرت (Likert Scales) ذات التدريج الثنائي (مثل: أوافق/لا أوافق) أو ثلاثي التدريج (مثل: منخفض، متوسط، مرتفع)؛ حيث يسهم المخطط الدائري في هذه الحالة في تسليط الضوء على الانقسام البنيوي للمجتمع الإحصائي حول القضية المقاسة، وتوضيح نسبة المستجيبين المحايدين مقارنة بالمؤيدين والمعارضين ككتل بصرية متكاملة ضمن المجموع الكلي.

2.3 حالات عدم ملاءمة استخدام المخطط الدائري

على الرغم من شعبية المخططات الدائرية، إلا أن هناك العديد من الحالات والسيناريوهات الإحصائية التي يُعد فيها استخدام هذا النوع من الرسوم خطأً منهجياً فادحاً يخل بجودة التحليل الإحصائي ونزاهة العرض العلمي. تأتي في مقدمة هذه الحالات المتغيرات الكمية المستمرة (Continuous Variables) مثل: العمر بالسنوات، الدخل الشهري، درجات الذكاء، أو ضغط الدم؛ حيث تحتوي هذه المتغيرات على عدد لانهائي تقريباً من القيم الرقمية المجردة التي يستحيل تقسيمها إلى قطاعات دائرية ذات معنى دون تحويلها المسبق إلى فئات تكرارية مجدولة، والأصل في هذه البيانات هو استخدام المدرجات التكرارية (Histograms) أو منحنيات التوزيع الطبيعي.

تتمثل الحالة الثانية في البيانات التي تتضمن عدداً كبيراً من الفئات التصنيفية (أكثر من 7 فئات)؛ حيث يؤدي تقسيم الدائرة إلى 10 أو 15 قطاعاً إلى ولادة رسم بياني مشوه يُعرف إحصائياً بـ “مخطط البيتزا المفرطة” (Crowded Pizza Chart)، والذي يعجز فيه المتلقي عن التمييز بين أحجام القطاعات الدقيقة، وتتداخل فيه التسميات النصية وتتعارض الألوان، مما يقود إلى تشتت بصري وفقدان تام للهدف من التمثيل البياني.

تتعلق الحالة الثالثة بالبيانات التي تتضمن قيماً ونسباً متقاربة جداً؛ فعلى سبيل المثال، إذا كانت العينة موزعة على أربع فئات بنسب (26%، 25%، 25%، 24%)، فإن العين البشرية عاجزة تشريحياً ونفسياً عن التمييز البصري بين فروق الزوايا المركزية الضئيلة جداً (درجة أو درجتان) داخل الدائرة. في هذا السيناريو، يفرض المنطق العلمي استخدام الأعمدة البيانية (Bar Charts)، حيث يتفوق الإدراك البشري في رصد الفروق الدقيقة في أطوال الأعمدة مقارنة بمقارنة مساحات وزوايا القطاعات الدائرية المتقاربة.

3. التحضير المسبق للبيانات وترميزها داخل برنامج SPSS

3.1 إعداد شاشة متغيرات البيانات (Variable View)

يمثل الإعداد السليم للمتغيرات داخل شاشة “عرض المتغيرات” (Variable View) في برنامج SPSS الخطوة التأسيسية التي تضمن خروج المخطط الدائري بصورة احترافية دون أخطاء برمجية أو مفاهيمية. تبدأ هذه العملية من حقل اسم المتغير (Name)، حيث يجب كتابة اسم موجز وواضح باللغة الإنجليزية ودون مسافات (مثل: Marital_Status أو Gender)، مع ضبط نوع المتغير في حقل (Type) ليكون متغيراً رقمياً (Numeric)، لأن إدخال البيانات على هيئة أرقام كودية هو الأسلوب المعياري في التحليل الإحصائي الرصين.

تأتي بعد ذلك خطوة ملء حقل التسمية التوضيحية (Label)، والتي تُعد ذات أهمية قصوى لإنشاء المخططات؛ حيث يستمد برنامج SPSS تلقائياً عنوان المخطط أو مسميات المتغيرات من النص المكتوب في هذا الحقل. ينبغي هنا كتابة الاسم الكامل والدقيق للمتغير باللغة العربية الفصحى وبصياغة واضحة (مثل: “الحالة الاجتماعية للمشارك”). ثم ينتقل الباحث إلى حقل تعريف القيم (Values) لربط الأكواد الرقمية بمدلولاتها اللفظية بدقة متناهية؛ كأن يُعرّف (1 = أعزب، 2 = متزوج، 3 = مطلق، 4 = أرمل)، حيث ستظهر هذه المسميات لاحقاً كمفتاح للمصطلحات (Legend) داخل المخطط الدائري.

الركن الأخير في هذا الإعداد هو ضبط مستوى القياس (Measure) في العمود الأخير من الشاشة؛ حيث يجب تحديد مستوى القياس كـ (Nominal) للمتغيرات التصنيفية الاسمية، أو (Ordinal) للمتغيرات الرتبية. يُعد هذا الضبط بالغ الأهمية لأن المحركات الرسومية الحديثة في SPSS، وبخاصة منشئ الرسوم البيانية (Chart Builder)، تعتمد على مستوى القياس المختار للسماح بأنواع معينة من الرسوم البيانية ومنع أنواع أخرى غير ملائمة منهجياً.

3.2 تنظيف وفحص جودة البيانات (Data Cleaning)

لا يمكن الشروع في بناء المخططات الدائرية أو استخراج المؤشرات الإحصائية قبل إجراء عملية تنظيف صارمة وشاملة لقاعدة البيانات (Data Cleaning). تتمثل الخطوة الأولى في فحص جودة البيانات في التحقق من عدم وجود ترميزات خاطئة أو مدخلات شاذة ناتجة عن أخطاء الإدخال اليدوي؛ مثل وجود الرقم (5) في متغير الجنس الذي تم ترميزه فقط بـ (1 للذكور و2 للإناث). يمكن كشف هذه الأخطاء سريعاً في SPSS من خلال استخراج التكرارات البسيطة وتفحص القيم الصغرى والعظمى المسجلة.

تتضمن العملية أيضاً معالجة القيم المفقودة (Missing Values)، وهي الحالات التي امتنع فيها المشاركون عن الإجابة أو تُركت خاناتها فارغة. يتيح برنامج SPSS للباحث تعريف قيم مفقودة محددة (Discrete Missing Values) عبر حقل (Missing) في شاشة المتغيرات، مثل تخصيص الأكواد (99 أو 999) لتمثيل عدم الإجابة؛ مما يضمن قيام البرنامج باستبعادها تلقائياً من حساب النسب المئوية الصالحة في المخطط الدائري أو إظهارها بشكل مستقل وموثق بناءً على رغبة الباحث المنهجية.

يجب مراجعة التكرارات للتأكد من اكتمال قاعدة البيانات ومطابقتها لحجم العينة المستهدف ($N$)، والتأكد من خلو مصفوفة البيانات من السجلات المكررة بالكامل (Duplicate Cases). يضمن هذا الإجراء الوقائي تطابقاً مطلقاً بين الأرقام التي ستظهر في مخرجات الجداول الإحصائية ونسب القطاعات الدائرية التي سيتم إنشاؤها لاحقاً، مما يرسخ الثقة في النتائج المعروضة.

3.3 إعادة تصنيف المتغيرات متعددة الفئات (Recoding)

في كثير من البحوث الميدانية، يجمع الباحثون بيانات تصنيفية تحتوي على عدد كبير من الفئات الفرعية التفصيلية، مثل جمع بيانات التخصص الدقيق في الاستبيان، مما يؤدي إلى تشتت البيانات على 15 فئة مختلفة. لإنشاء مخطط دائري فعال ومقروء، يصبح من الضروري دمج هذه الفئات الصغيرة المتناثرة في فئات رئيسية مجمعة وأكثر تجانساً من خلال إجراء إعادة الترميز (Recoding) الإحصائي داخل SPSS.

يتم هذا الإجراء بالتوجه إلى القائمة الرئيسية واختيار مسار: (Transform > Recode into Different Variables). يُنصح دائماً باستخدام خيار “إعادة الترميز في متغيرات مختلفة” بدلاً من “في نفس المتغيرات” (Into Same Variables) للحفاظ على البيانات الخام الأصلية دون مساس والرجوع إليها عند الحاجة. يُنشئ الباحث متغيراً جديداً باسم مناسب (مثل: Education_Grouped)، ثم يقوم عبر زر (Old and New Values) بدمج الفئات الصغيرة؛ كأن يتم دمج الفئات (1 و2 و3) لتصبح فئة واحدة برقم (1) تحت مسمى “تعليم ما قبل الجامعي”، والفئات (4 و5) لتصبح برقم (2) بمسمى “تعليم جامعي”، والفئات المتبقية لتصبح برقم (3) بمسمى “دراسات عليا”.

يمكن أيضاً تجميع كافة التصنيفات النادرة التي تقل تكراراتها عن 5% من إجمالي العينة في فئة موحدة تحمل مسمى “أخرى” (Other). يحقق هذا الدمج المنهجي التوازن البصري المطلوب للمخطط الدائري، ويقلل عدد القطاعات إلى المستويات المثالية (3 إلى 5 قطاعات)، مما يتيح استيعاباً بصرياً فورياً ومريحاً للبنية التركيبية للعينة دون الإخلال بالجوهر الإحصائي للظاهرة المدروسة.

4. إنشاء المخطط الدائري عبر قائمة الإحصاء الوصفي (Frequencies)

4.1 الوصول إلى أمر التكرارات في القائمة الرئيسية

تُعد طريقة إنشاء المخطط الدائري عبر قائمة الإحصاء الوصفي (Frequencies) المسار الأكثر شيوعاً والأسرع للباحثين؛ نظراً لأنها تجمع بين استخراج الجدول التكراري الدقيق وإنشاء الرسم البياني في خطوة إجرائية واحدة. للوصول إلى هذا الأمر، يتبع الباحث المسار القياسي التالي من شريط القوائم العلوي في SPSS:

• النقر على قائمة التحليل الرئيسية: Analyze
• التوجه إلى القائمة الفرعية للإحصاء الوصفي: Descriptive Statistics
• اختيار أمر التكرارات: Frequencies…

بمجرد النقر على هذا الأمر، تنبثق النافذة الحوارية الخاصة بالتكرارات. يظهر في الجانب الأيسر من النافذة مربع يضم كافة المتغيرات المعرفة في ملف البيانات، بينما يظهر في الجانب الأيمن مربع فارغ مخصص للمتغيرات المستهدفة بالتحليل يحمل اسم (Variable(s)). يقوم الباحث بالبحث عن المتغير الاسمي أو الرتبي المطلوب تمثيله بيانياً، ثم يحدده وينقله إلى المربع الأيمن بالنقر على زر السهم الأوسط أو عبر السحب والإفلات المباشر.

تتجلى أهمية هذه الطريقة في أنها تُمكّن الباحث من فحص الاتساق الرقمي بين التكرارات المجدولة ونسب القطاعات في آن واحد؛ فالبرنامج يقوم بحساب المقاييس الإحصائية الوصفية وتوليد المخطط في نفس تقرير المخرجات، مما يوفر الوقت والجهد في مرحلة التحليل الأولي للبيانات.

4.2 ضبط خيارات المخططات (Charts Options)

بعد نقل المتغير المستهدف إلى مربع المتغيرات في نافذة (Frequencies)، لا يقوم الباحث بالنقر المباشر على زر الموافقة، بل يتوجه إلى الزر المسمى (Charts…) الموجود في الركن الأيمن العلوي من النافذة الحوارية. يؤدي النقر على هذا الزر إلى فتح نافذة فرعية مخصصة بالكامل لضبط وتحديد خيارات الرسوم البيانية المصاحبة للجدول التكراري.

داخل نافذة (Chart Type)، يجد الباحث خيارات متعددة للرسوم تشمل: (None)، و(Bar charts)، و(Pie charts)، و(Histograms). يقوم الباحث بتحديد خيار المخططات الدائرية بالنقر على الدائرة المجاورة لخيار Pie charts. فور تفعيل هذا الخيار، يصبح القسم السفلي من النافذة والمسمى (Chart Values) متاحاً للاختيار والتحكم، حيث يقدم البرنامج خيارين أساسيين لطريقة حساب وتمثيل قيم القطاعات الدائرية:

• Frequencies: لعرض القيم داخل المخطط بناءً على أعداد الحالات والتكرارات المطلقة لكل فئة.
• Percentages: لعرض القيم بناءً على النسب المئوية المحسوبة لكل قطاع منسوبة إلى إجمالي العينة (100%).

من الناحية المنهجية والأكاديمية، يُوصى دائماً باختيار خيار النسب المئوية (Percentages) عند إنشاء المخططات الدائرية؛ فالوظيفة المعرفية الجوهرية للمخطط الدائري هي إبراز الأوزان النسبية و”الجزء من الكل”، بينما تناسب التكرارات المطلقة الرسوم البيانية العمودية بشكل أكبر. بعد تحديد الخيارات المطلوبة، ينقر الباحث على زر (Continue) للعودة إلى النافذة الحوارية السابقة.

4.3 تنفيذ الإجراء واستعراض المخرجات الأولية

بعد العودة إلى النافذة الرئيسية لأمر (Frequencies)، يتأكد الباحث من تفعيل خيار “عرض الجداول التكرارية” (Display frequency tables)، ثم يضغط على زر OK لتنفيذ الإجراء الإحصائي فورياً. في حال كان الباحث يرغب في حفظ الأكواد الإجرائية للتوثيق أو لإعادة الاستخدام، يمكنه الضغط على زر (Paste) لنقل الأوامر البرمجية إلى نافذة محرر الأوامر الإحصائية (SPSS Syntax Editor).

بمجرد الضغط على OK، يفتح البرنامج تلقائياً نافذة عارض المخرجات (SPSS Viewer)، والتي تُقسم شاشتها إلى قسمين: مخطط هيكلي شجري على اليسار، وتقرير المخرجات الإحصائية على اليمين. يظهر في التقرير أولاً جدول التكرارات الإحصائي مبيناً الفئات، التكرار المطلق (Frequency)، النسبة المئوية (Percent)، النسبة الصالحة (Valid Percent)، والنسبة التراكمية (Cumulative Percent)، ويليه مباشرة المخطط الدائري الناتج بألوانه الافتراضية ومفتاح المصطلحات المصاحب له.

يتعين على الباحث في هذه المرحلة إجراء فحص ومطابقة أولية بين بيانات جدول التكرارات ونسب القطاعات الظاهرة في المخطط الدائري؛ للتأكد من أن جميع فئات المتغير قد ظهرت بوضوح، وأن التوزيع البصري يعكس بدقة الأوزان الإحصائية الموضحة في الجدول، وخلو الرسم من أي تشوهات ناتجة عن أخطاء غير مقصودة في تعريف البيانات.

5. إنشاء المخطط الدائري عبر منشئ الرسوم البيانية (Chart Builder)

5.1 فتح واجهة Chart Builder وضبط الخصائص

يُعد منشئ الرسوم البيانية (Chart Builder) في برنامج SPSS البيئة الرسومية الأكثر تطوراً ومرونة لإنتاج المخططات الإحصائية التفاعلية عالية الجودة. للوصول إلى هذه الواجهة المتقدمة، يتبع الباحث المسار التالي من القائمة الرئيسية: (Graphs > Chart Builder). عند فتح هذه الأداة لأول مرة، قد تظهر نافذة تنبيهية تطلب التحقق من مستويات قياس المتغيرات (Measurement Levels)، وينبغي الضغط على (OK) للمتابعة إلى واجهة العمل الرئيسية.

تتألف واجهة منشئ الرسوم البيانية من ثلاثة أقسام رئيسية متكاملة:

• قائمة المتغيرات (Variables): تقع في أقصى اليسار وتضم كافة متغيرات الدراسة مع أيقونات بصرية ترمز لمستوى قياس كل متغير.
• معرض الرسوم البيانية (Gallery): يقع في الجزء السفلي ويضم تصنيفات الرسوم (Bar, Line, Pie/Polar, Scatter… إلخ).
• لوحة المعاينة التفاعلية (Canvas): تقع في المنتصف العلوي وتُمثل مساحة العمل التي يتم فيها بناء وتصميم المخطط وسحب المتغيرات إليه.

لبدء بناء المخطط الدائري، ينقر الباحث في المعرض السفلي على تبويب Pie/Polar، حيث تظهر قوالب المخططات الدائرية المتوفرة. يقوم الباحث بالنقر على قالب المخطط الدائري الأساسي (Pie Chart) وسحبه وإسقاطه في مساحة المعاينة التفاعلية (Canvas)، لتتحول اللوحة فورياً إلى هيكل أولي للمخطط جاهز لاستقبال المتغيرات وضبط المعايير.

5.2 تعيين المتغيرات وتحديد معايير التوزيع

بمجرد وضع قالب المخطط الدائري على لوحة المعاينة، يظهر مربع إسقاط محدد بإطار أزرق متقطع أسفل أو بجانب الدائرة يحمل اسم (Slice By). يقوم الباحث بسحب المتغير الاسمي أو الرتبي المستهدف من قائمة المتغيرات في اليسار، وإسقاطه مباشرة داخل حقل Slice By. فور إفلات المتغير، يتم تقسيم الدائرة في لوحة المعاينة لتعكس فئات ذلك المتغير بصورة تقريبية تفاعلية.

بشكل متزامن مع إسقاط المتغير، تنبثق على الجانب الأيمن نافذة متقدمة تُعرف بنافذة “خصائص العنصر” (Element Properties). تتيح هذه النافذة للباحث التحكم الكامل في الإحصاء التلخيصي للقطاعات (Statistic). يمكن للباحث الاختيار من القائمة المنسدلة بين:

• Count: لعرض عدد الحالات الفعلي في كل قطاع.
• Percentage: لحساب وعرض النسبة المئوية لكل فئة من الإجمالي الكلي.

كما تتيح نافذة Element Properties خيارات متقدمة لترتيب الفئات (Order By)؛ حيث يمكن ترتيب القطاعات حسب قيم المتغير تصاعدياً أو تنازلياً، أو حسب التكرار الإحصائي (Custom, Ascending, Descending) لإظهار الفئة الأكبر أولاً. كما يمكن تطبيق أوزان إحصائية لحالات العينة (Case Weights) إذا كانت البيانات مستخلصة من عينات طبقية معقدة تتطلب ضبطاً إحصائياً دقيقاً للأوزان قبل التمثيل البياني.

5.3 مزايا استخدام Chart Builder مقارنة بالطرق التقليدية

يوفر منشئ الرسوم البيانية (Chart Builder) مزايا منهجية وتقنية تجعله يتفوق بوضوح على طرق الإنشاء التقليدية البسيطة. الميزة الأبرز هي ميزة “المعاينة الحية الفورية” (Interactive Live Preview)، حيث يستطيع الباحث رؤية التغييرات الهيكلية والتعديلات على المتغيرات والأنماط التوزيعية مباشرة في لوحة المعاينة قبل الضغط على أمر التنفيذ النهائي، مما يقلل من تجارب الخطأ والرجوع المتكرر لنافذة الأوامر.

الميزة الثانية تتمثل في المرونة العالية في تخصيص الهيكل الرسومي، حيث يتيح Chart Builder إمكانية إضافة لوحات فرعية مبوبة (Paneling) بكل سهولة عبر سحب متغير تصنيفي آخر إلى حقل (Panel Rows) أو (Panel Columns) لإنشاء مصفوفة من المخططات الدائرية المقارنة. كما يتيح دمج الأنماط، وتعديل أنظمة الإحداثيات، وتحديد مرشحات سريعة للفئات المستبعدة بنقرة زر واحدة دون الحاجة لكتابة أوامر برمجية معقدة.

تتمثل الميزة الثالثة في القدرة على تصدير وحفظ القوالب الرسومية كملفات نمطية (Chart Templates – *.sgt). تتيح هذه الخاصية للباحثين والمؤسسات البحثية توحيد الهوية البصرية، والخطوط، وحجم العناوين، ولوحات الألوان لجميع المخططات الدائرية عبر مختلف المشاريع البحثية بضغطة زر واحدة، مما يضمن اتساقاً تاماً في تقارير البحوث العلمية المنشورة.

6. إنشاء المخطط عبر قائمة الرسوم البيانية التقليدية (Legacy Dialogs)

6.1 المسار التقليدي للمخططات الدائرية

على الرغم من التحديثات المستمرة والتطويرات الكبيرة التي أدخلتها شركة IBM على واجهات الرسوم البيانية في SPSS، لا تزال قائمة “الحوارات التقليدية” (Legacy Dialogs) تحظى بشعبية طاغية بين الإحصائيين والمحللين المحترفين؛ نظراً لبساطتها وسرعتها واستقرارها البرمجي الممتد لعقود. للوصول إلى هذا المسار، يتجه الباحث إلى القائمة الرئيسية ويختار: (Graphs > Legacy Dialogs > Pie).

بمجرد النقر على أمر Pie، تظهر نافذة حوارية تمهيدية بالغة الأهمية بعنوان (Pie Charts). تفرض هذه النافذة على الباحث تحديد الكيفية الهيكلية التي تم بها تنظيم البيانات داخل مصفوفة المتغيرات، من خلال الاختيار بين ثلاثة أنماط رئيسية:

• Summaries for groups of cases: النمط الأكثر شيوعاً، ويُستخدم عندما تكون البيانات مرتبة في صفوف تمثل حالات فردية، وتكون فئات المخطط الدائري مستمدة من قيم متغير تصنيفي واحد.
• Summaries of separate variables: يُستخدم عندما يرغب الباحث في مقارنة مجاميع أو متوسطات عدة متغيرات كمية مختلفة، بحيث يمثل كل متغير قطاعاً مستقلاً داخل الدائرة الواحدة.
• Values of individual cases: يُستخدم في الحالات الخاصة التي يمثل فيها كل صف في ورقة البيانات قطاعاً من الدائرة بناءً على قيمة متغير معين.

يقوم الباحث بتحديد النمط المناسب لطبيعة بياناته وفرضيته البحثية (والذي يكون غالباً الخيار الأول)، ثم يضغط على زر Define للانتقال إلى النافذة الإجرائية التفصيلية للمخطط.

6.2 إعداد ملخص مجموعات الحالات (Summaries for Groups of Cases)

عند اختيار (Summaries for groups of cases) والنقر على Define، تفتح نافذة إجرائية مفصلة تحمل عنوان “تعريف المخطط الدائري”. في الجزء العلوي من النافذة وتحت عنوان (Slices Represent)، يحدد الباحث القيمة الرياضية التي ستمثلها مساحات القطاعات الدائرية عبر الاختيار من بين البدائل التالية:

• N of cases: لتمثيل أعداد الحالات والتكرارات المطلقة لكل فئة.
• % of cases: لتمثيل النسب المئوية للحالات من المجموع الكلي (الخيار الموصى به أكاديمياً).
• Other statistic (e.g., sum): لحساب مجموع أو متوسط متغير كمي آخر موزعاً عبر فئات المتغير التصنيفي.

في منتصف النافذة، يقع الحقل الإلزامي الرئيسي المسمى Define Slices by. يقوم الباحث باختيار المتغير التصنيفي (الاسمي أو الرتبي) من القائمة اليسرى ونقله إلى هذا الحقل. كما تتيح هذه النافذة إضافة عناوين احترافية للرسم مباشرة بالنقر على زر (Titles…)، حيث يمكن كتابة عنوان رئيسي (Title)، وعنوان فرعي (Subtitle)، بالإضافة إلى كتابة هوامش سفلية وتوضيحات منهجية في خانة (Footnote) مثل حجم العينة ($N=350$). بعد اكتمال الضبط، يضغط الباحث على زر OK ليتم توليد المخطط فورياً في نافذة المخرجات.

6.3 تمثيل متغيرات منفصلة (Summaries of Separate Variables)

يُمثل خيار “ملخصات المتغيرات المنفصلة” (Summaries of Separate Variables) استخداماً متقدماً وخاصاً للمخططات الدائرية في SPSS، حيث لا تُقسم الدائرة بناءً على فئات متغير واحد، بل تُقسم بناءً على مقاييس تلخيصية (كالجموع أو المتوسطات الحسابية) لمجموعة من المتغيرات المنفصلة والمقاسة بنفس وحدة القياس. على سبيل المثال، إذا كان لدى الباحث أربعة متغيرات تمثل ميزانيات أو نفقات مخصصة لقطاعات مختلفة (التعليم، الصحة، البحث العلمي، البنية التحتية)، فإنه يستطيع استخدام هذا النمط لعرض حصة كل قطاع من إجمالي الميزانية الكلية داخل مخطط دائري موحد.

عند الدخول إلى نافذة هذا الخيار عبر مسار (Legacy Dialogs > Pie > Summaries of separate variables)، تظهر خانة باسم (Slices Represent). ينقل الباحث المتغيرات الكمية المتعددة إلى هذه الخانة. وبشكل افتراضي، يقوم SPSS باحتساب مجموع كل متغير (Sum) لتمثيل حجم القطاع الدائري، غير أنه يمكن للباحث النقر على زر (Change Statistic) لتغيير المؤشر من المجموع إلى المتوسط الحسابي (Mean) لكل متغير، مما يعكس الأوزان النسبية لمتوسطات تلك المتغيرات مقارنة ببعضها البعض.

يُستخدم هذا الأسلوب بكثرة في العلوم النفسية والسلوكية لمقارنة متوسطات الدرجات التي يحصل عليها المفحوصون على أبعاد متعددة لمقياس نفسي مركب (مثل: مقارنة الأوزان النسبية لمتوسطات أبعاد الذكاء المتعدد: اللغوي، المنطقي، الاجتماعي، المكاني). ومع ذلك، يجب توخي الحذر الشديد والتأكد المنهجي من أن جميع المتغيرات تشترك في نفس مقياس التدريج والمجال الرقمي، حتى تكون المقارنة البصرية عبر القطاعات الدائرية مقارنة منطقية وخالية من التضليل الإحصائي.

7. تفسير مخرجات المخطط الدائري وقراءة البيانات الإحصائية

7.1 تحليل الحجوم النسبية ومقارنة القطاعات

تبدأ القراءة الإحصائية السليمة للمخطط الدائري بفحص التوزيع الكلي للمساحات؛ حيث يتعين على الباحث تقييم مساحة كل قطاع ونسبته المئوية بالنسبة لإجمالي المساحة السطحية للدائرة الكاملة. يتمثل الهدف الأول في تحديد “المنوال البصري” (Visual Mode)، وهو القطاع الذي يحتل أكبر مساحة زاوية في الدائرة، والذي يمثل الفئة الأكثر تكراراً وشيوعاً بين أفراد عينة الدراسة. وفي المقابل، يتم تحديد القطاعات الأصغر مساحة والتي تمثل الفئات الأقل تكراراً أو الفئات الهامشية في التوزيع.

يجب على الباحث فحص درجة التوازن أو التباين في التوزيع؛ فإذا كانت القطاعات مقسمة إلى أجزاء شبه متساوية الزوايا، فإن ذلك يشير إحصائياً إلى التوزيع المتجانس للظاهرة عبر الفئات. أما إذا هيمن قطاع واحد على أكثر من 70% أو 80% من مساحة الدائرة، فإن المخطط يكشف بوضوح عن حالة من أحادية التوزيع أو الانحياز الشديد في العينة نحو فئة محددة، وهو مؤشر وصفي بالغ الأهمية يجب مناقشته في ضوء خصائص مجتمع البحث وطرق اختيار العينة المتبعة.

ترتبط هذه القراءة البصرية المباشرة بالقيم الرقمية الدقيقة المسجلة في جدول التكرارات المصاحب؛ فالرسم البياني يمنح الانطباع الشامل، بينما يوفر الجدول الأرقام العشرية الصارمة. لذا ينبغي دائماً مضاهاة القطاع بالرقم المقابل للتأكد من عدم وجود تشويه بصري قد ينتج عن زوايا الرؤية، خاصة إذا كانت الفئات متقاربة الحجم إلى حد ما.

7.2 فهم مفتاح المصطلحات والألوان (Legend Interpretation)

يُعد مفتاح المصطلحات والألوان (Legend) العنصر التفسيري الحاسم الذي يربط بين الأشكال الهندسية والمدلولات المنهجية للبيانات. يولد برنامج SPSS تلقائياً مفتاحاً للمصطلحات يوضع عادة على يمين المخطط الدائري، بحيث يقترن كل لون أو نقش تظليلي مستخدم في القطاعات بالتسمية اللفظية للفئة المقابلة المعرفة في حقل (Value Labels). يتعين على الباحث التحقق من دقة التطابق اللوني وعدم حدوث أي التباس، لا سيما عند استخدام لوحات ألوان تحتوي على تدرجات متقاربة قد تجعل التمييز بين فئتين أمراً عسيراً على القارئ.

في البحوث المنشورة والمحكمة، يجب أن يكون مفتاح المصطلحات واضحاً وقابلاً للقراءة السريعة دون عناء. وإذا كان المخطط يتضمن فئات مرتبة (Ordinal)، فإنه يُستحسن أن تتطابق ترتيبات مسميات المفتاح رأسياً مع التسلسل الحركي للقطاعات الدائرية باتجاه عقارب الساعة؛ مما يوفر انسجاماً إدراكياً يسهل انتقال عين القارئ من المفتاح إلى القطاع المعني بسلاسة.

في حالات المخططات الدائرية البسيطة التي تتكون من فئتين أو ثلاث فقط، يُفضل خبراء التصميم الإحصائي الاستغناء عن مفتاح المصطلحات المنفصل، والاستعاضة عنه بإدراج مسميات الفئات والنسب مباشرة فوق القطاعات الدائرية ذاتها (Direct Labeling)؛ حيث يسهم هذا الإجراء في تقليل “تشتت الانتباه المنقسم” (Split-Attention Effect) لدى القارئ، وتوفير تجربة قراءة بصرية مباشرة وأكثر تركيزاً.

7.3 استخلاص الاستنتاجات العلمية والتقرير الإحصائي

لا تتوقف مهمة الباحث عند مجرد استعراض الرسم البياني ومفتاحه، بل تمتد إلى استخلاص الاستنتاجات العلمية وصياغة التقرير الإحصائي الوصفي بأسلوب أكاديمي دقيق ومحكم. يجب أن تتضمن الفقرة التفسيرية المصاحبة للمخطط في متن البحث بياناً واضحاً لحجم العينة الإجمالي ($N$)، وتوزيع النسب المئوية لكل فئة، مع التركيز على إبراز الفئة السائدة وفجوة التباين بين الفئات المختلفة.

تتم صياغة التقرير الإحصائي النموذجي بأسلوب يربط الأرقام بأهداف البحث؛ كأن يُكتب: “يُوضح المخطط الدائري رقم (1) التوزيع النسبي لأفراد عينة الدراسة وفقاً لمتغير المستوى التعليمي ($N = 400$). وتُظهر النتائج أن الفئة الأكثر تمثيلاً في العينة هي فئة ‘حملة البكالوريوس’ حيث شكلت النسبة الكبرى بواقع (58.5%)، تلتها فئة ‘الدراسات العليا’ بنسبة (26.5%)، في حين كانت فئة ‘التعليم العام وما دونه’ هي الأقل تمثيلاً بنسبة بلغت (15.0%). ويشير هذا التوزيع إلى تمتع العينة بمستوى تعليمي متقدم، وهو ما ينسجم مع طبيعة البيئة المهنية التي أُجريت فيها الدراسة الحالية.”

يجب على الباحث الربط بين هذه المؤشرات البصرية وبين أسئلة الدراسة وفرضياتها؛ فبيان البنية النسبية للعينة يُسهم في تفسير نتائج الاختبارات الاستدلالية اللاحقة، وبيان مدى إمكانية تعميم النتائج على المجتمع الأصلي للدراسة في ضوء تمثيل العينة لمختلف الشرائح والفئات المجتمعية المعنية.

8. تخصيص وتعديل المخطط الدائري عبر محرر الرسوم (Chart Editor)

8.1 تفعيل محرر الرسوم البيانية في SPSS

تُعد المخططات الدائرية التي ينتجها برنامج SPSS في نافذة المخرجات (Viewer) مخرجات أولية افتراضية تحتاج غالباً إلى تحسينات بصرية وتنسيقات تخصصية لتتوافق مع معايير النشر العلمي الأكاديمي. لإجراء أي تعديل على المخطط، يتيح برنامج SPSS نافذة متكاملة وقوية تُدعى “محرر الرسوم البيانية” (Chart Editor). يتم تفعيل هذا المحرر من خلال النقر المزدوج السريع (Double-Click) بزر الفأرة الأيسر على المخطط الدائري داخل نافذة المخرجات.

بمجرد النقر المزدوج، يُفتح المخطط في نافذة تحرير مستقلة تنبثق فوق النافذة الرئيسية، ويتغير شريط القوائم العلوي والأدوات ليعرض أدوات التصميم والتحكم الرسومي المتخصصة. تتضمن هذه الواجهة أشرطة أدوات تفاعلية تتيح الوصول السريع إلى تعديل الألوان، والخطوط، والملصقات، وإضافة الخطوط المرجعية والتنسيقات الهيكلية.

تُعد “نافذة الخصائص” (Properties Window) الأداة الأهم داخل محرر الرسوم، والتي يمكن فتحها بالضغط على مفتاحي (Ctrl + T) في ويندوز، أو بالنقر المزدوج على أي عنصر داخل المخطط، أو من خلال قائمة: (Edit > Properties). توفر هذه النافذة تبويبات دقيقة للتحكم في كافة خصائص المخطط؛ مثل حجم الخطوط، زوايا الدوران، أنماط التعبئة، والتحكم في إظهار أو إخفاء محاور وعناصر الرسم بدقة بالغة.

8.2 إظهار وتنسيق ملصقات البيانات (Data Labels)

يولد برنامج SPSS المخطط الدائري افتراضياً دون كتابة الأرقام أو النسب المئوية داخل القطاعات، مما يجعل من الضروري تفعيل ملصقات البيانات (Data Labels) لتوضيح القيم للمتلقي. لتفعيل هذه الخاصية داخل محرر الرسوم (Chart Editor)، يقوم الباحث بالضغط على أيقونة “إظهار ملصقات البيانات” (Show Data Labels) الموجودة في شريط الأدوات، أو اختيارها من قائمة (Elements > Show Data Labels).

بمجرد تفعيل الملصقات، تفتح نافذة الخصائص تلقائياً على تبويب Data Value Labels. يتيح هذا التبويب للباحث التحكم الكامل في المحتوى المعروض داخل كل قطاع؛ حيث يمكن نقل العناصر بين مربعي (Displayed) و(Not Displayed). يستطيع الباحث عرض:

• النسبة المئوية المحسوبة: Percent
• التكرار العددي الفعلي: Count
• اسم الفئة التصنيفية: Variable Label / Category

يستطيع الباحث تخصيص تنسيق الأرقام العشرية من تبويب (Number Format)، حيث يُوصى علمياً بضبط دقة المنازل العشرية على خانة واحدة أو خانتين (مثل: 24.5%). كما يمكن التحكم في موضع الملصقات من تبويب (Label Position) للاختيار بين وضع الأرقام في مركز القطاع (Center)، أو داخل الحافة الداخلية، أو خارج الدائرة مع خطوط إرشادية متصلة (Callout Lines) إذا كانت القطاعات صغيرة الحجم ومزدحمة، فضلاً عن إمكانية تكبير حجم الخط وتغيير لونه لضمان التباين العالي وسهولة القراءة.

8.3 تعديل الألوان وتفجير القطاعات (Exploding Slices)

تُعد إدارة الألوان وتعديلها من الركائز الأساسية لجعل المخطط صالحاً للنشر المكتبي أو المجلات العلمية المصنفة؛ فالألوان الافتراضية في SPSS قد لا تلبي المتطلبات الطباعية أو قد تكون غير ملائمة للأشخاص الذين يعانون من عمى الألوان. لتغيير لون قطاع معين داخل Chart Editor، ينقر الباحث نقرة واحدة على الدائرة لتحديد كافة القطاعات، ثم ينقر نقرة ثانية مفردة على القطاع المستهدف حصراً لعزله، ثم يتوجه إلى تبويب (Fill & Border) في نافذة الخصائص لاختيار لون التعبئة (Fill) ولون حدود القطاع (Border) وسمكها.

تُتيح واجهة المحرر ميزة بصرية جذابة ومفيدة منهجياً تُعرف بتقنية “تفجير القطاعات” أو فصلها (Exploding Slices). تُستخدم هذه التقنية عندما يرغب الباحث في تسليط الضوء بشكل استثنائي على فئة معينة ذات دلالة حاسمة في الدراسة (مثل: إبراز الفئة التي تمثل خطورة إكلينيكية أو فئة الأغلبية الساحقة). يتم ذلك بتحديد القطاع المستهدف وسحبه بالفأرة بعيداً عن مركز الدائرة، أو باستخدام تبويب (Exploded Slice) وضبط مسافة الإزاحة بدقة.

يمكن أيضاً تدوير المخطط الدائري بالكامل عبر تبويب (Pie Positions) وتغيير “زاوية البداية” (Angle of First Slice) من صفر درجة إلى أي زاوية أخرى؛ مما يتيح تدوير الدائرة لوضع القطاع الأهم في الزاوية العلوية البارزة (الموقع الإدراكي الأكثر جذباً لانتباه القارئ)، مما يضفي طابعاً احترافياً وتوجيهاً بصرياً مقصوداً يدعم السردية العلمية للبحث.

9. التعامل مع القيم المفقودة والبيانات الفرعية

9.1 تأثير القيم المفقودة (Missing Values) على النسب

تُمثل القيم المفقودة (Missing Values) أحد التحديات الإحصائية البارزة في معالجة بيانات البحوث الميدانية، وتتطلب معالجتها داخل المخطط الدائري دقة منهجية عالية لتجنب تشويه النسب الحقيقية للفئات الصالحة. عند وجود حالات مفقودة في المتغير، يُنتج برنامج SPSS في جدول التكرارات نوعين متباينين من النسب المئوية:

• النسبة المئوية الإجمالية (Percent): وهي النسبة المحسوبة بقسمة تكرار الفئة على حجم العينة الكلي شاملاً الحالات المفقودة ($N_{Total}$).
• النسبة المئوية الصالحة (Valid Percent): وهي النسبة المحسوبة بقسمة تكرار الفئة على إجمالي الحالات التي استجابت للمتغير فقط بعد استبعاد المفقود ($N_{Valid}$).

إذا تم إنشاء المخطط الدائري مع تضمين القيم المفقودة كقطاع مستقل، فإن مساحات القطاعات الأخرى ستنكمش تلقائياً لأنها تُحسب وفق النسبة الإجمالية (Percent)، مما قد يُعطي انطباعاً خادعاً بصغر حجم الفئات الفاعلة. من الناحية المنهجية المتبعة في النشر الأكاديمي الرصين، يُنصح دائماً باستبعاد القيم المفقودة من المخطط الدائري لتمثيل “النسب الصالحة” فقط، مع توثيق حجم ونسبة الحالات المفقودة صراحة في الهامش التوضيحي أسفل الرسم البياني.

يمكن التحكم في ظهور أو استبعاد القيم المفقودة في المخطط من خلال خيارات الإجراء الإحصائي، أو عبر استبعاد الحالات من نافذة الخصائص في محرر الرسوم، أو بضبط تعريف المتغير في شاشة Variable View كـ (User-Missing Values) ليتجاهلها البرنامج بصورة تلقائية في حسابات زوايا القطاعات الدائرية.

9.2 تقسيم المخطط حسب متغير تصنيفي (Paneling / Subgroups)

عندما يسعى الباحث إلى إجراء مقارنة بصرية معمقة لمتغير تصنيفي عبر مجموعات فرعية ديموغرافية متعددة (مثل: مقارنة توزيع التخصص الأكاديمي بين الذكور والإناث بشكل منفصل)، يوفر برنامج SPSS خاصية متقدمة تُعرف بـ “التبويب الرسومي” أو تقسيم المخطط (Paneling / Trellising).

يتم تطبيق هذا الإجراء الاحترافي بسهولة فائقة داخل واجهة منشئ الرسوم البيانية (Chart Builder). بعد وضع قالب المخطط الدائري وتعيين المتغير الأساسي في حقل (Slice By)، يقوم الباحث بالانتقال إلى تبويب (Groups/Point ID) وتفعيل خيار (Panel by Rows) أو (Panel by Columns). يظهر نتيجة لذلك حقل جديد على لوحة المعاينة يُسقط فيه الباحث المتغير التصنيفي التبويبي (مثل متغير: الجنس).

عند تنفيذ الأمر، يقوم SPSS بتوليد مصفوفة بصرية متجاورة تضم مخططين دائريين متماثلين في المقياس ومعايرين بدقة؛ يمثل الأول فئة الذكور ويمثل الثاني فئة الإناث. تتيح هذه اللوحات المبوبة للقارئ إجراء مقارنة بصرية فورية ومباشرة للبنى التوزيعية بين المجموعتين الفرعيتين، ورصد الفروق الهيكلية في تفضيلات أو استجابات كل فئة بكفاءة تتجاوز قراءة جداول التقاطع المزدوجة المعقدة (Crosstabulations).

9.3 تصفية الحالات وعزل فئات محددة (Filtering Cases)

في بعض السيناريوهات البحثية، قد يرغب الباحث في قصر المخطط الدائري على فئة مستهدفة محددة من المشاركين دون بقية العينة (مثل: دراسة توزيع الرضا الوظيفي لدى الموظفين الذين تزيد سنوات خبرتهم عن 10 سنوات فقط). لإجراء ذلك دون حذف أي بيانات من قاعدة البيانات الأصلية، يوفر برنامج SPSS ميزة قوية تُسمى “تصفية الحالات” (Filtering Cases).

يتم تطبيق التصفية باتباع المسار التالي من القائمة الرئيسية: (Data > Select Cases…). داخل النافذة الحوارية، يختار الباحث خيار (If condition is satisfied) وينقر على زر If…، ثم يقوم بكتابة المعادلة المنطقية الشرطية (مثل: Experience >= 10). يضمن هذا الإجراء قيام البرنامج بوضع خط شطب برمجي مؤقت على الحالات التي لا ينطبق عليها الشرط واستبعادها من كافة العمليات التحليلية والرسومية اللاحقة.

عند إصدار أمر إنشاء المخطط الدائري بعد تفعيل الشرط، يقوم البرنامج آلياً بإعادة احتساب التكرارات والنسب المئوية وزوايا القطاعات الدائرية بالاعتماد الحصري على العينة المفلترة المؤهلة. ويتعين على الباحث في هذه الحالة توثيق شرط التصفية بدقة وحجم العينة الفرعية الناتجة ($n_{sub}$) في متن البحث وعنوان الشكل البياني لضمان الأمانة العلمية وتفادي أي التباس لدى القارئ.

10. الأخطاء الشائعة عند استخدام المخططات الدائرية وكيفية تجنبها

10.1 الإفراط في عدد الفئات وتشتيت الانتباه

يُعد الإفراط في عدد الفئات التصنيفية الممثلة داخل المخطط الدائري الخطأ الأكثر شيوعاً وتكراراً في التقارير والرسائل العلمية. عندما يقوم الباحث بإدراج متغير يحتوي على 8 أو 10 أو 15 فئة داخل دائرة واحدة، تنشأ مشكلة بصرية وإحصائية حادة؛ حيث تتحول القطاعات إلى شرائح خيطية ضيقة جداً (Thin Splinters) تكاد تكون زواياها المركزية غير مرئية للعين المجردة.

يؤدي هذا الازدحام إلى تعذر وضع ملصقات البيانات أو الأرقام داخل القطاعات، مما يجبر البرنامج على سحب خطوط إرشادية خارجية كثيفة تتشابك فوق بعضها البعض وتخلق مظهراً فوضوياً يشتت الانتباه ويفقد الرسم قيمته التلخيصية. وتفسر دراسات علم النفس الإدراكي ذلك بأن العين البشرية تواجه صعوبة بالغة في تقدير ومقارنة الزوايا الحادة والمساحات الدقيقة المتجاورة عندما تزيد عن حدود الذاكرة البصرية العاملة (Working Memory Limits).

لتجنب هذا الخطأ المنهجي، يجب الالتزام الصارم بالقاعدة الذهبية التي تنص على ألا يتجاوز عدد القطاعات في المخطط الدائري 5 إلى 7 فئات كحد أقصى مطلق. وإذا كانت طبيعة المتغير تفرض وجود فئات أكثر، فيجب اللجوء فوراً إلى إجراءات إعادة الترميز ودمج الفئات الصغيرة في فئة “أخرى”، أو التحول المباشر إلى استخدام “الأعمدة البيانية الأفقية” (Horizontal Bar Charts) التي تستوعب عشرات الفئات بأريحية بصرية كاملة وتسمح بكتابة التسميات الطويلة بوضوح تام.

10.2 استخدام الرسوم ثلاثية الأبعاد (3D) المضللة

يقع العديد من الباحثين المبتدئين في فخ استخدام المخططات الدائرية ثلاثية الأبعاد (3D Pie Charts) ظناً منهم أنها تضفي جاذبية جمالية ولمسة عصرية على التقرير البحثي. إلا أن المدارس الإحصائية الرصينة ومعايير النشر الأكاديمي الدولي (مثل معايير APA وIEEE) تحظر تماماً وبشكل قاطع استخدام الرسوم ثلاثية الأبعاد لتمثيل البيانات ذات البعد الواحد، وتعتبرها ممارسة مضللة علمياً (Scientifically Misleading).

يكمن السبب العلمي وراء هذا الحظر في ظاهرة “التشويه المنظوري” (Perspective Distortion)؛ فعند إمالة الدائرة هندسياً لتبدو مجسمة في الفضاء ثلاثي الأبعاد، تتشوه المساحات الحقيقية للقطاعات بشكل جذري. فالقطاعات الواقعة في المقدمة (الأقرب لعين المشاهد) تبدو بصرياً أكبر بكثير من مساحتها وزاويتها الحقيقية، في حين تبدو القطاعات المتطابقة معها في النسبة والموجودة في الجزء الخلفي من الرسم أصغر حجماً وأقل شأناً، مما يقود القارئ إلى استنتاجات خاطئة تماماً حول الأوزان النسبية للبيانات.

كما أن الحافة الجانبية المجسمة (Thickness) تضيف مساحة لونية إضافية زائفة للقطاعات السفلية لا تعبر عن أي قيمة رقمية حقيقية في البيانات. لذلك، يجب الاقتصار الحصري والدائم على استخدام المخططات الدائرية المسطحة ثنائية الأبعاد (Flat 2D Pie Charts)؛ لضمان الأمانة العلمية المطلقة وعكس النسب الرياضية الدقيقة دون أي تزييف بصري مقصود أو غير مقصود.

10.3 عدم تطابق المجموع مع نسبة 100%

يرتكز المخطط الدائري في جوهره الرياضي على قاعدة بديهية غير قابلة للنقاش: “مجموع أجزاء الكل يجب أن يساوي الكل تماماً”، أي أن مجموع نسب القطاعات المكونة للدائرة يجب أن يساوي بالضرورة 100.0% (أو ما يعادل 360 درجة هندسية). ومع ذلك، تظهر في بعض البحوث أخطاء فادحة ينكسر فيها هذا المبدأ الأساسي، وتعود هذه الأخطاء عادة إلى سببين رئيسيين:

السبب الأول هو استخدام المخطط الدائري لتمثيل أسئلة الاستبيان متعددة الاستجابات (Multiple Response Questions)، حيث يُسمح للمشارك باختيار أكثر من إجابة في نفس الوقت (مثل: “ما هي منصات التواصل الاجتماعي التي تستخدمها؟”). في هذه الحالة، يتجاوز مجموع نسب الاختيارات حاجز 100% بكثير (قد يصل إلى 250%)، ويُعد تمثيل هذه البيانات في مخطط دائري خطأً إحصائياً جسيماً؛ حيث يجب تمثيل أسئلة الاستجابات المتعددة حصراً باستخدام الأعمدة البيانية المستقلة.

أما السبب الثاني فيرتبط بأخطاء تقريب المنازل العشرية (Rounding Errors)، حيث قد يؤدي تقريب نسب الفئات إلى أرقام صحيحة إلى ظهور مجموع إجمالي يساوي 99% أو 101%. لتجنب ذلك في SPSS، يجب ضبط تنسيق الأرقام لعرض خانة عشرية واحدة على الأقل (مثل: 33.3%)، وإذا ظهر فرق التقريب الطفيف، تتم الإشارة إليه في هامش توضيحي أسفل الشكل بعبارة: “قد لا يكون مجموع النسب 100% تماماً بسبب تقريب الأرقام العشرية”.

11. توثيق وتصدير المخططات الدائرية وفق معايير APA

11.1 معايير النشر لجمعية علم النفس الأمريكية (APA 7th)

وضعت جمعية علم النفس الأمريكية في دليلها الأحدث للإصدار السابع (APA 7th Edition) معايير موحدة وصارمة لكيفية إدراج وتنسيق الأشكال والرسوم البيانية في الأبحاث والرسائل العلمية. وفقاً لهذه المعايير، يخضع المخطط الدائري للتنسيق البنيوي الدقيق الموضح في الجدول التالي:

العنصر وفق APA 7th	مواصفات التنسيق القياسية	الموقع داخل الصفحة
رقم الشكل (Figure Number)	يُكتب بخط عريض (Bold) مثل: الشكل 1 أو Figure 1	أعلى المخطط، بمحاذاة اليمين (أو اليسار للإنجليزية)
عنوان الشكل (Figure Title)	يُكتب بخط مائل (Italic)، واضح وموجز بصيغة العنوان (Title Case)	أسفل رقم الشكل مباشرة، بسطر منفصل ومسافة مفردة
جسم المخطط (Image Canvas)	رسم مسطح (2D)، خطوط واضحة، بدون إطارات خارجية زائدة	يتوسط المسافة بين العنوان والملاحظات السفلية
الملاحظة التوضيحية (Figure Note)	تبدأ بكلمة Note. بخط مائل، متبوعة بتفاصيل العينة والرموز والمصدر	أسفل المخطط مباشرة، بمحاذاة الهامش وبخط أصغر قليلاً

تؤكد معايير APA أيضاً على ضرورة الحفاظ على التباين البصري وسهولة القراءة، واستخدام خطوط قياسية واضحة وخالية من الزخرفة داخل المخطط (مثل: Arial أو Calibri أو Times New Roman) بأحجام تتراوح بين 8 إلى 14 نقطة. وفي حال إعداد البحث للطباعة التقليدية غير الملونة، تنص المعايير على استخدام تدرجات اللون الرمادي (Grayscale) أو أنماط التهشير والتظليل المتمايزة لضمان بقاء القطاعات واضحة ومقروءة عند التحويل للأبيض والأسود.

11.2 تصدير المخططات بجودة عالية من SPSS

إن أخذ لقطة شاشة عادية (Screenshot) للمخطط الدائري من نافذة مخرجات SPSS يؤدي إلى إنتاج صور منخفضة الجودة ذات حواف مشوشة وبكسلة واضحة (Pixelation) لا ترقى لمستوى النشر العلمي في المجلات المحكمة. لتصدير المخطط بدقة طباعية فائقة، يوفر برنامج SPSS محرك تصدير رسومي متقدم يمكن تفعيله بالنقر بزر الفأرة الأيمن على المخطط داخل نافذة المخرجات واختيار Export….

داخل نافذة التصدير، يختار الباحث نوع التصدير ليكون (None (Graphics only))، ثم يحدد الصيغة الرسومية المناسبة من قائمة (Document Type):

• TIFF (*.tif): الصيغة المعيارية الذهبية للطباعة والنشر الأكاديمي عالي الجودة؛ وتتيح ضبط الدقة المكانية يدوياً على 300 DPI أو 600 DPI لضمان أقصى درجات الوضوح والحدة.
• PNG (*.png): صيغة رقمية ممتازة للتقارير الرقمية وعروض الويب؛ تتميز بنقاء الخطوط وخاصية الخلفية الشفافة ودقة الألوان مع حجم ملف مضغوط.
• EPS (*.eps) / PDF: صيغ رسومية متجهية (Vector Graphics) لا نهائية الدقة؛ تتيح تكبير الرسم وتصغيره إلى أي حجم دون أي فقدان في الجودة، وهي الصيغة المفضلة لدى دور النشر العالمية ومصممي الرسائل العلمية.

يقوم الباحث بتحديد مسار الحفظ واسم الملف عبر زر (Browse)، ثم يضغط على زر OK ليقوم SPSS بتوليد وتصدير ملف الصورة المستقل وفق أعلى المعايير التقنية المعمول بها في الطباعة والنشر الدولي.

11.3 إدراج الرسوم في الأطروحات والتقارير الأكاديمية

عند إدراج المخطط الدائري المصدر داخل برامج معالجة النصوص (مثل Microsoft Word أو LaTeX)، يجب أن يتم دمجه بسلاسة كجزء عضوي من النص الأكاديمي. القاعدة الأساسية تنص على وجوب الإشارة المرجعية للشكل داخل المتن قبل ظهوره الفعلي في الصفحة (Callout)، كأن يُذكر: “يوضح الشكل (2) التوزيع النسبي لأفراد العينة حسب الحالة الوظيفية…”.

يجب تجنب الخطأ المنهجي الشائع المتمثل في تكرار وسرد كافة الأرقام والنسب المئوية الموجودة داخل المخطط حرفياً في الفقرة النصية المجاورة له؛ فالهدف من المخطط هو عرض التفاصيل البصرية، بينما ينبغي أن يركز المتن النصي على تفسير المعنى، ومناقشة الدلالات الاستثنائية، وإبراز المؤشرات الكبرى دون حشو لفظي مكرر وممل.

من الناحية الجمالية والتنسيقية، يجب ضبط محاذاة الشكل وملاحظاته بدقة لتتطابق مع هوامش الصفحة، والتأكد من عدم فصل الشكل عن عنوانه أو ملاحظته السفلية عبر فواصل الصفحات (Page Breaks)، مع الحفاظ على مسافة عمودية كافية (مسافة سطر ونصف أو سطرين) تفصل الشكل وملاحظاته عن الفقرات النصية السابقة واللاحقة لضمان مظهر عام يتسم بالأناقة والانضباط الأكاديمي.

12. مقارنة المخططات الدائرية بالبدائل الرسومية الأخرى

12.1 المخططات الدائرية مقابل الأعمدة البيانية (Bar Charts)

تحتدم المناقشات المنهجية بين علماء الإحصاء ومتخصصي التمثيل البصري للبيانات حول المقارنة بين كفاءة المخططات الدائرية (Pie Charts) والأعمدة البيانية (Bar Charts). يكمن الفارق الجوهري في الآلية الإدراكية التي يستخدمها العقل البشري لقراءة كل رسم؛ حيث يعتمد المخطط الدائري على تقدير مساحات القطاعات والزوايا المركزية للدائرة، في حين تعتمد الأعمدة البيانية على إدراك الأطوال النسبية للأعمدة على طول محور خطي مدرج وموحد.

تثبت الأبحاث النفسية التجريبية في مجال الإدراك البصري أن العين البشرية أكثر مهارة ودقة بمراحل في مقارنة ومفاضلة “أطوال الأعمدة” مقارنة بقدرتها على تقدير “الزوايا والمساحات الدائرية”. تبرز هذه الأفضلية للأعمدة البيانية بشكل حاسم في الحالات التالية:

• عندما تكون نسب الفئات متقاربة جداً (مثل: 24% مقابل 26%)، حيث يسهل تمييز فرق الطول البسيط بين العمودين بينما يستحيل تمييز فرق الزاوية في الدائرة.
• عندما يتجاوز عدد الفئات التصنيفية 5 أو 6 فئات، حيث توفر الأعمدة مساحة ممتازة لعرض الفئات دون تداخل.
• عند الحاجة لعرض بيانات تشتمل على تكرارات صفرية أو قيم سالبة، وهو ما تعجز عنه المخططات الدائرية بنيوياً.

في المقابل، يظل المخطط الدائري هو الخيار الأقوى والأكثر تفوقاً في إبراز مفهوم “الجزء من الكل” الفوري؛ فعندما يكون الهدف هو إظهار أن فئة واحدة تهيمن على نصف المجتمع تماماً (50%) أو ثلاثة أرباعه (75%)، فإن المخطط الدائري ينقل هذه الرسالة البصرية ككتلة هندسية موحدة بقوة وتأثير إدراكي بديهي يفوق ما يقدمه العمود البياني المنفصل.

12.2 المخططات الحلقية (Donut Charts) واستخداماتها

تُمثل المخططات الحلقية (Donut Charts) متغيراً وتطويراً هيكلياً للمخطط الدائري التقليدي؛ حيث تتطابق تماماً مع المخطط الدائري في حساب النسب والزوايا، ولكن مع وجود تجويف دائري مفرغ في مركز المخطط يزيل نقطة التقاء الزوايا المركزية. هذا التحوير الهندسي يوجه تركيز القارئ الإدراكي من فحص “الزوايا المركزية” إلى التركيز على مقارنة “أطوال الأقواس الخارجية” (Arc Lengths)، وهو ما يساعد جزئياً في تحسين دقة المقارنة البصرية.

الميزة الكبرى للمخطط الحلقي هي إمكانية الاستغلال الذكي والفعال للمساحة المركزية الفارغة داخل الحلقة (The Hole). يستطيع الباحث استخدام هذا المركز لعرض مؤشرات إجمالية تلخيصية بالغة الأهمية؛ مثل كتابة حجم العينة الإجمالي بخط عريض وواضح ($N = 1,250$)، أو وضع النسبة المئوية للفئة الرئيسية المستهدفة، أو إدراج أيقونة ترمز لمتغير الدراسة، مما يعزز الكثافة المعلوماتية للرسم في مساحة مكانية مدمجة.

يمكن إنشاء المخططات الحلقية في برنامج SPSS من خلال واجهة Chart Builder باختيار قالب الدائرة المفرغة، أو باستخدام الأوامر البرمجية المتقدمة عبر SPSS Syntax بتطبيق أوامر تعديل الإحداثيات (GGRAPH وGPL) وضبط القطر الداخلي للدائرة. وتُعد المخططات الحلقية خياراً رائجاً جداً في لوحات التحكم الإحصائية (Dashboards) والتقارير التنفيذية لعرض المؤشرات الاستراتيجية والمقارنات الثنائية والثلاثية السريعة.

12.3 معايير الاختيار الأمثل للأداة البصرية في البحث العلمي

إن اختيار الأداة الرسومية المناسبة في البحث العلمي ليس مسألة ذوق شخصي أو تفضيل جمالي عشوائي، بل هو قرار منهجي إحصائي محكوم بمجموعة من المعايير والمعطيات العلمية الصارمة. يوضح المخطط الإرشادي التالي المعايير الأساسية للمفاضلة بين الأدوات البصرية:

• طبيعة السؤال البحثي: إذا كان السؤال يركز على إبراز “الحصة النسبية والمساهمة في المجموع الكلي”، فإن المخطط الدائري أو الحلقي هو الخيار الطبيعي. أما إذا كان السؤال يركز على “المقارنة التفاضلية الدقيقة بين الفئات” أو “تتبع التغير عبر الزمن”، فإن الأعمدة البيانية (Bar Charts) أو الخطوط البيانية (Line Graphs) هي الخيار العلمي الحتمي.
• عدد فئات المتغير ومستوى قياسه: للمتغيرات الاسمية ذات الفئات المحدودة جداً (2 إلى 4 فئات)، يقدم المخطط الدائري تمثيلاً مثالياً ومريحاً. أما إذا كانت الفئات كثيرة أو كان المتغير رتبياً متعدد المستويات، فإن الأعمدة البيانية تتفوق بلا منازع.
• طبيعة الجمهور المستهدف: يجب الموازنة بين مستوى الثقافة الإحصائية للمتلقي؛ فالمخططات الدائرية تناسب عموم القراء وصانعي القرار لسهولة فهمها الفطري، بينما يفضل المتخصصون والمحكمون في المجلات الأكاديمية الصارمة الأعمدة البيانية والجداول الدقيقة نظراً لحساسيتها العالية للفروق الرقمية.

يتعين على الباحث دائماً الموازنة بين الجاذبية البصرية والدقة المنهجية؛ فالغاية العظمى من التمثيل البياني في التحليل الإحصائي هي نقل الحقيقة العلمية المجردة بأعلى درجات الصدق والموضوعية ودون إحداث أي تشويه أو تضليل إدراكي للمتلقي.

خاتمة شاملة وتوصيات منهجية

تناول هذا الدليل الموسوعي الشامل دراسة معمقة لكيفية إنشاء المخططات الدائرية (Pie Charts) في برنامج IBM SPSS Statistics وتطبيقاتها في التحليل الإحصائي للبحوث العلمية. بدأت الرحلة باستعراض الأساس الرياضي للمخطط القائم على تقسيم زوايا الدائرة (360 درجة) بما يتناسب مع التكرارات النسبية، مروراً بتحديد أنواع المتغيرات المناسبة كالمتغيرات الاسمية والرتبية ذات الفئات المحدودة، والتحذير من استخدامها مع البيانات الكمية المستمرة أو الفئات المتعددة والمتقاربة.

كما تم استعراض المسارات التقنية المتكاملة لإنشاء المخطط داخل بيئة SPSS؛ سواء عبر نافذة الإحصاء الوصفي (Frequencies) التي تجمع بين الجداول والرسوم، أو من خلال منشئ الرسوم البيانية المتطور (Chart Builder) بقدراته التفاعلية العالية، وصولاً إلى الحوارات التقليدية (Legacy Dialogs). وتطرق الدليل بالتفصيل إلى آليات تحرير وتخصيص المخططات عبر محرر الرسوم (Chart Editor)، كإظهار ملصقات البيانات وتعديل الألوان وتفجير القطاعات، فضلاً عن معالجة القيم المفقودة واستعراض أفضل ممارسات التوثيق والتصدير وفق معايير الإصدار السابع لجمعية علم النفس الأمريكية (APA 7th).

وفي الختام، يوصى الباحثون والمحللون الإحصائيون بالالتزام الدائم بالبساطة المنهجية؛ وتجنب الرسوم ثلاثية الأبعاد المضللة، وقصر استخدام المخططات الدائرية على الحالات التي تخدم فيها فكرة “الجزء من الكل” بوضوح دون تشتيت، والاعتماد على الأعمدة البيانية كبديل رصين عند تعقد البيانات. إن إتقان هذه المهارات الرسومية والمنهجية يضمن للباحث تقديم مخرجات إحصائية تتسم بالدقة الرياضية، والنزاهة العلمية، والجاذبية البصرية الاحترافية.

المراجع (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.
• IBM Corporation. (2021). IBM SPSS Statistics 28 Core System User’s Guide. IBM Corp. https://www.ibm.com/docs/en/spss-statistics
• Pallant, J. (2020). SPSS survival manual: A step by step guide to data analysis using IBM SPSS (7th ed.). Open University Press. https://doi.org/10.4324/9781003117452
• Tufte, E. R. (2001). The visual display of quantitative information (2nd ed.). Graphics Press.
• Wilkinson, L. (2005). The grammar of graphics (2nd ed.). Springer. https://doi.org/10.1007/0-387-28695-0