كيفية إنشاء مخططات الصندوق جنباً إلى جنب في إكسيل

يمثل الاستكشاف البصري للبيانات حجر الزاوية في التحليل الإحصائي الحديث، حيث لا تقتصر معالجة البيانات المعقدة على استخراج المؤشرات الرقمية التلخيصية فحسب، بل تمتد إلى سبر أغوار البنية التوزيعية الدقيقة للمتغيرات قيد الدراسة. وفي ميدان القياس النفسي والعلوم السلوكية والاجتماعية، تبرز الحاجة الماسة إلى أدوات بيانية تمتلك القدرة على التعبير عن التباين والنزعة المركزية والتشتت وشكل التوزيع في آن واحد، ودون أن تقع في فخ الاختزال المخل الذي قد تسببه المقاييس البارامترية التقليدية مثل المتوسط الحسابي والانحراف المعياري بمفردها عند التعامل مع بيانات تنطوي على التواءات أو قيم متطرفة.

يقف مخطط الصندوق والطرفين (Box-and-Whisker Plot) كأحد أكثر الحلول الرسومية كفاءة ورصانة التي طورها الفكر الإحصائي لتحقيق هذه الغاية؛ إذ يقدم ملخصاً بيانياً شاملاً يستند إلى الإحصاء اللامعلمي والرتب، مما يجعله محصناً ضد التأثيرات المشوهة للقيم الشاذة. وتتعاظم هذه القيمة التحليلية بصورة استثنائية عند استخدام المخططات الصندوقية المتجاورة جنباً إلى جنب (Side-by-Side Boxplots)، حيث تتيح للباحث والمحلل إجراء مقارنات بصرية فورية ودقيقة بين مجموعات تجريبية متعددة، أو تتبع التغيرات الديناميكية لمتغيرات القياس عبر مراحل زمنية متتابعة في التصميمات الطولية والتجريبية.

يهدف هذا الدليل المرجعي الشامل إلى تزويد الباحثين والأكاديميين وخبراء تحليل البيانات بالمعرفة النظرية والمهارات التطبيقية المتقدمة لإنشاء، وتخصيص، وتفسير مخططات الصندوق المتجاورة باستخدام برنامج مايكروسوفت إكسيل (Microsoft Excel). سنتناول في هذا المقال التشريح الرياضي للمخطط، وإعداد وهيكلة البيانات السيكومترية، والخيارات المتقدمة لضبط خوارزميات الربيعيات، وقراءة الدلالات التوزيعية للالتواء والتشتت، وصولاً إلى تصدير الأشكال البيانية بأعلى معايير الجودة الأكاديمية المتوافقة مع دليل النشر الصادر عن الجمعية الأمريكية لعلم النفس (APA Style).

1. مفهوم مخطط الصندوق (Boxplot) ودوره في التحليل الإحصائي والبحث النفسي

1.1 التعريف النظري لمخطط الصندوق والطرفين (Box-and-Whisker Plot)

تعود الجذور التاريخية لمخطط الصندوق والطرفين إلى عام 1970 عندما قدمه عالم الإحصاء الأمريكي البارز جون توكي (John Tukey) كأداة جوهرية ضمن مشروعه الرائد في تحليل البيانات الاستكشافي (Exploratory Data Analysis – EDA)، قبل أن ينشره رسمياً في مؤلفه الكلاسيكي عام 1977. صُمم هذا المخطط ليكون أسلوباً بيانياً سريعاً وعالي الكفاءة يتيح للباحث إدراك معالم التوزيع التكراري للبيانات الكمية دون الحاجة إلى وضع افتراضات مسبقة حول طبيعة المجتمع الإحصائي الذي سُحبت منه العينة.

يقوم المخطط بتمثيل البيانات عبر صندوق مستطيل يمتد بين الربيعين الأول والثالث، وتخرج منه خطوط مستقيمة تُعرف بالشعيرات (Whiskers) تمتد إلى القيم القصوى غير المتطرفة، بينما يُشار إلى القيم الشاذة بنقاط منفصلة خارج نطاق هذه الشعيرات. هذا التمثيل البصري يتجاوز القيود المتأصلة في المدرجات التكرارية (Histograms) وخرائط الكثافة؛ فبينما تتأثر المدرجات التكرارية بشدة بحجم الفئات (Bin Width) المختار وعددها، يحافظ مخطط الصندوق على هيكل إحصائي ثابت يعتمد حصرياً على رتب البيانات، مما يوفر رؤية مجردة ونقية للتوزيع.

تكمن الأهمية الإبستمولوجية للمخطط الصندوقي في كونه تمثيلاً بيانياً غير معلمي (Non-parametric Visualization) يتجاوز افتراضات التوزيع الطبيعي التماثلي. إنه يكشف بشكل متزامن عن خمس سمات محورية في آن واحد: النزعة المركزية، والانتشار الوسيط، والمدى الكلي، ودرجة الالتواء، ووجود القيم الشاذة، مما يجعله أداة لا غنى عنها في التقييم الأولي لجودة البيانات وخصائصها السيكومترية قبل الشروع في بناء النماذج الإحصائية المعقدة.

1.2 أهمية المخطط في دراسات القياس النفسي والعلوم السلوكية

تحتل المخططات الصندوقية مكانة مركزية في أبحاث القياس النفسي (Psychometrics) والعلوم السلوكية، نظراً للطبيعة المعقدة للبيانات المستخلصة من مقاييس الشخصية، واستبانات الاتجاهات، واختبارات الأداء المعرفي والزمن الرجعي. في مثل هذه السياقات، نادراً ما تتبع استجابات المفحوصين توزيعاً طبيعياً مثالياً؛ إذ غالباً ما تظهر تأثيرات السقف (Ceiling Effects) أو تأثيرات الأرضية (Floor Effects) التي تشوه المتوسطات الحسابية والانحرافات المعيارية.

يسمح المخطط الصندوقي للباحث بفحص استجابات الأفراد عبر أبعاد الشخصية المختلفة (مثل مقياس العوامل الخمسة الكبرى) أو درجات اختبارات الذاكرة العاملة وسرعة المعالجة العصبية. ومن خلال رسم استجابات المجموعات الضابطة والتجريبية بشكل متجاور، يستطيع عالم النفس السلوكي تقييم مدى تباعد أو تداخل الدرجات، والتحقق البصري من تباين الدرجات داخل كل مجموعة، ورصد الأفراد الذين يظهرون استجابات غير نمطية قد تشير إلى إجهاد أثناء الاختبار، أو ضعف في الدافعية، أو تمتع بقدرات استثنائية تفوق المتوسط العام للمجتمع التجريبي.

علاوة على ذلك، يعمل مخطط الصندوق كأداة تشخيصية أولية لتقييم مدى ملاءمة البيانات لإجراء الاختبارات الإحصائية المعلمية (Parametric Tests) مثل اختبار “ت” (t-test) وتحليل التباين (ANOVA). إن الفحص البصري الأولي لموقع الوسيط وطول الشعيرات يزود الباحث بمؤشرات واضحة حول اعتدالية التوزيع وتماثل التباين، مما يوجه القرار المنهجي نحو اعتماد التحليلات المعلمية أو اللجوء إلى البدائل اللامعلمية الرتيبة كاختبار مان-ويتني أو كروسكال-واليس.

2. التشريح الإحصائي لملخص الأرقام الخمسة (Five-Number Summary)

2.1 الحد الأدنى والربيع الأول (Q1)

يرتكز البناء الهيكلي لمخطط الصندوق والطرفين على التلخيص الإحصائي المعروف بـ ملخص الأرقام الخمسة (Five-Number Summary). وتبدأ هذه المنظومة بالحد الأدنى المحسوب إحصائياً، وهو أدنى قيمة مسجلة في مجموعة البيانات تقع ضمن النطاق المقبول الذي لا يُعد تطرفاً شاذاً وفق المعايير الرياضية لتوزيع العينة.

يمثل الربيع الأدنى أو الأول (First Quartile – Q1) الركيزة الثانية في هذا التشريح، وهو النقطة الإحصائية التي تقسم البيانات المرتبة تصاعدياً بحيث يقع 25% من مجموع المشاهدات تحتها، بينما يقع 75% من المشاهدات فوقها (أي أنه يطابق المئين الخامس والعشرين 25th Percentile). يُرسم الربيع الأول في المخطط كحافة سفلية للمستطيل المركزي (أو الحافة اليسرى في المخططات الأفقية).

يكتسب موضع الخط السفلي للصندوق أهمية سيكومترية بالغة؛ إذ يعكس المسافة بين الحد الأدنى والربيع الأول مدى تكتل أو انتشار الربع الأدنى من درجات العينة. فإذا كانت المسافة قصيرة جداً، دل ذلك على كثافة تجمع المفحوصين ذوي الدرجات المنخفضة في نطاق ضيق، بينما تشير استطالة هذه المسافة إلى تشتت واسع وتباعد كبير بين درجات الأفراد في الشريحة الدنيا من مقياس القياس النفسي.

2.2 الوسيط (Median / Q2) والربيع الثالث (Q3)

يتوسط الصندوق خط أفقي داخلي يمثل الربيع الثاني (Second Quartile – Q2) وهو بعينه الوسيط الإحصائي (Median). يُعد الوسيط النقطة المركزية التي تقسم التوزيع إلى نصفين متساويين تماماً، حيث يقع 50% من القيم أدناه و50% أعلاه. ويتميز الوسيط بكونه مقياساً مقاوماً ومتيناً (Robust Statistic) للنزعة المركزية؛ إذ لا يتأثر مطلقاً بوجود قيم متطرفة شاذة أو بالانحرافات الحادة في أطراف التوزيع، بخلاف المتوسط الحسابي الذي ينجرف بسهولة نحو القيم الشاذة.

أما الحافة العلوية للصندوق، فتمثل الربيع الثالث أو الأعلى (Third Quartile – Q3)، وهو المئين الخامس والسبعون (75th Percentile) الذي تتجاوزه أعلى 25% من المشاهدات في العينة، بينما يقع 75% من البيانات تحته. يتحدد ارتفاع الصندوق الكلي بالمسافة الفاصلة بين الربيع الأول والثالث، وهو ما يُعرف رياضياً باسم المدى الربيعي (Interquartile Range – IQR)، ويُحسب بالمعادلة التالية:

IQR = Q3 – Q1

يحتضن هذا المدى الربيعي النصف المركزي الأكثر استقراراً من البيانات (Middle 50%). ويُعد طول الصندوق مؤشراً بصرياً مباشراً على التشتت الداخلي للعينة؛ فالصندوق المضغوط رأسياً يدل على تجانس عالٍ وتوافق وثيق بين أفراد العينة في النطاق المتوسط، بينما يشير الصندوق الطويل إلى تباين سيكومتري مرتفع وضعف في تمركز الدرجات حول القيمة الوسيطة.

2.3 الحد الأقصى والشعيرات (Whiskers)

تنبثق من حافتي الصندوق العلوية والسفلية خطوط مستقيمة تُعرف باسم الشعيرات (Whiskers)، والتي تمتد لتصل إلى الحدود القصوى المشروعة للبيانات. وضمن منهجية توكي الإحصائية المعتمدة في برنامج إكسيل، يتم تحديد النطاق الأقصى للشعيرات وفق حدود حسابية دقيقة تُعرف باسم الحواجز الداخلية (Inner Fences):

• الحاجز العلوي (Upper Fence): يُحسب بإضافة 1.5 ضعف المدى الربيعي إلى الربيع الثالث: Q3 + (1.5 × IQR)
• الحاجز السفلي (Lower Fence): يُحسب بطرح 1.5 ضعف المدى الربيعي من الربيع الأول: Q1 – (1.5 × IQR)

تمتد الشعيرة العلوية لتصل إلى أعلى قيمة فعلية مسجلة في البيانات تكون أقل من أو تساوي الحاجز العلوي، في حين تمتد الشعيرة السفلية إلى أدنى قيمة فعلية مسجلة تكون أكبر من أو تساوي الحاجز السفلي. تعكس هذه الشعيرات النطاق الكلي لانتشار المشاهدات العادية، وتوفر انطباعاً فورياً حول طول ذيول التوزيع التكراري.

تجدر الإشارة المنهجية إلى وجود تباين طفيف بين البرمجيات الإحصائية في خوارزميات حساب نقاط الربيعيات؛ حيث يتم التمييز رياضياً بين الطريقة الحصرية (Exclusive Method) والطريقة الشاملة (Inclusive Method). تعتمد الطريقة الحصرية على استبعاد قيمة الوسيط عند تقسيم العينة إلى نصفين لحساب Q1 وQ3، وهي الصيغة الافتراضية المعتمدة في برامج مثل SPSS ودالة QUARTILE.EXC في إكسيل، بينما تقوم الطريقة الشاملة بتضمين الوسيط في كلا النصفين عند حساب الربيعيات، وهو ما يتطابق مع دالة QUARTILE.INC. يؤثر هذا التمايز الرياضي بشكل طفيف على أبعاد الصندوق، لا سيما في العينات الصغيرة الحجم.

3. أهمية المقارنة عبر المخططات الصندوقية المتجاورة (Side-by-Side)

3.1 المقارنة البصرية المباشرة بين المجموعات المستقلة

تتجلى القوة التحليلية الحقيقية للمخططات الصندوقية عند رصفها جنباً إلى جنب (Side-by-Side Boxplots) على محور أفقي مشترك ومقياس رأسي موحد. تتيح هذه المقارنة البصرية للباحثين تفكيك الفروق الجوهرية بين المجموعات المستقلة المتعددة في لمحة بصرية واحدة، دون الغرق في تفاصيل الجداول الإحصائية المزدحمة بالأرقام.

في التجارب الإكلينيكية والبحوث السيكولوجية، يمكن للباحث مقارنة مستويات القلق أو الاكتئاب المقاسة عبر مقاييس معيارية بين مجموعة ضابطة (Control Group)، ومجموعة علاج بالتحليل النفسي، ومجموعة علاج معرفي سلوكي (CBT)، ومجموعة علاج دوائي. يتيح التجاور الفوري للصناديق الإجابة السريعة عن أسئلة بحثية حاسمة: هل يقع وسيط المجموعة العلاجية دون وسيط المجموعة الضابطة؟ وهل يعكس هذا الانخفاض تحسناً حقيقياً أم أنه ناتج عن تشتت عشوائي؟

إضافة إلى ذلك، توفر المخططات المتجاورة فحصاً بصرياً أولياً لافتراض تجانس التباين (Homogeneity of Variance) الضروري لإجراء اختبارات الفروق المعلمية مثل تحليل التباين الأحادي (One-Way ANOVA). فإذا أظهرت الصناديق المتجاورة أطوالاً متقاربة جداً وشعيرات متماثلة الامتداد، دل ذلك على تحقق شرط تساوي التباين؛ أما إذا كان أحد الصناديق أطول بعدة أضعاف من الصناديق الأخرى، فإن ذلك ينبه الباحث إلى ضرورة استخدام تصحيحات إحصائية مثل اختبار ويلش (Welch’s ANOVA) أو تطبيق تحويلات لوغاريتمية على البيانات.

3.2 تحليل التغيرات عبر الزمن (التصميمات الطولية)

لا تقتصر المخططات الصندوقية المتجاورة على مقارنة المجموعات المستقلة، بل تمتد لتشكل أداة فائقة الأهمية في التصميمات الطولية (Longitudinal Designs) ودراسات القياس المتكرر (Repeated Measures). في هذه الدراسات، يتم قياس نفس المتغير التابع لدى العينة ذاتها عبر نقاط زمنية متعددة (مثل: القياس القبلي Pre-test، والقياس البعدي Post-test، وجلسات المتابعة بعد 3 و6 أشهر).

عند تمثيل هذه المراحل الزمنية بصناديق متجاورة، يستطيع الباحث تتبع المسار النمائي أو العلاجي للأفراد بدقة متناهية. لا يُظهر المخطط فقط انزياح مستوى الوسيط عبر الزمن دلالةً على التحسن العام، بل يبرز أيضاً التغيرات الهيكلية في تباين الاستجابات. فعلى سبيل المثال، قد يُظهر برنامج تدخل معرفي انكماشاً تدريجياً في طول الصناديق عبر مراحل المتابعة، مما يشير إلى أن التدخل لم يرفع متوسط الأداء المعرفي فحسب، بل ساهم أيضاً في تقليص الفجوة الفردية بين المشاركين وتوحيد مستويات كفاءتهم.

علاوة على ذلك، يسهل هذا العرض المتجاور رصد ظواهر الارتكاس أو التراجع، حيث يمكن ملاحظة ما إذا كانت الشعيرات تتسع من جديد في مرحلة المتابعة المتأخرة، مما يعكس تباين استدامة الأثر الإرشادي بين المفحوصين وحاجة بعضهم إلى جلسات تعزيزية داعمة.

4. إعداد وهيكلة البيانات في برنامج إكسيل للتحليل المقارن

4.1 طرق تنظيم البيانات: الأعمدة المنفصلة مقابل التنسيق الطويل

يتطلب بناء مخطط صندوقي متجاور دقيق في إكسيل فهماً مسبقاً لطريقة تنظيم البيانات داخل ورقة العمل (Worksheet). في البيئات الإحصائية، توجد طريقتان رئيستان لترتيب البيانات: التنسيق العريض المعتمد على الأعمدة المنفصلة (Separate Columns / Wide Format)، والتنسيق الطويل (Long / Tidy Format).

في التنسيق المعتمد على الأعمدة المنفصلة، يُخصص لكل مجموعة تجريبية أو متغير عمود مستقل بذاته؛ حيث يحتوي الصف الأول على تسمية المجموعة (مثل: “المجموعة الضابطة”، “العلاج المعرفي”، “العلاج السلوكي”)، وتُدرج الدرجات الرقمية للمشاركين في الخلايا الواقعة أسفل كل رأس عمود. يُعد هذا التنسيق هو الأبسط والأكثر توافقاً وسلاسة مع محرك إنشاء المخططات الإحصائية المدمج في الإصدارات الحديثة من مايكروسوفت إكسيل (Excel 2016 وما بعدها وMicrosoft 365).

أما في التنسيق الطويل، فتُنظم البيانات في عمودين رئيسين: عمود تصنيفي يُحدد الانتماء إلى المجموعة (مثل متغير Group)، وعمود رقمي يحتوي على درجات القياس الفردية (مثل Score). وعلى الرغم من أن التنسيق الطويل هو المعيار المفضل في برمجيات مثل R وSPSS وفي جداول إكسيل المحورية (Pivot Tables)، إلا أن محرك مخططات الصندوق في إكسيل يتعامل بكفاءة ومباشرة أعلى مع الأعمدة المنفصلة، حيث يترجم تلقائياً كل عمود إلى صندوق بياني مستقل مصنف باسم رأس العمود.

4.2 تنظيف البيانات والتعامل مع القيم المفقودة

تُعد مرحلة تنظيف البيانات (Data Cleaning) خطوة إجبارية تسبق تحديد النطاق ورسم المخطط في إكسيل، لضمان عدم حدوث تشوهات رياضية في خوارزميات الحساب. في الدراسات النفسية والميدانية، كثيراً ما تواجه ملفات البيانات مشكلات ناتجة عن إدخال رموز نصية للإشارة إلى غياب الاستجابة (مثل “NA” أو “Missing” أو “-99”).

يتعامل محرك المخططات الصندوقية في إكسيل مع الخلايا الفارغة الحقيقية بتجاهلها تلقائياً من حسابات العينة، وهو السلوك الإحصائي السليم. ومع ذلك، إذا كانت الخلية تحتوي على مسافة فارغة ناتجة عن الضغط على مفتاح المسافة (Spacebar) أو نص توضيحي، فقد يتعامل إكسيل مع الخلية كقيمة نصية أو كقيمة صفرية مشوهة، مما يؤدي إلى سحب الشعيرة السفلية إلى الصفر بشكل خاطئ تماماً وتشويه المدى الربيعي.

لذا، يجب التحقق من أن كافة الخلايا المشتملة على درجات مضبوطة بالتنسيق الرقمي (Number Format)، والتخلص من أي نصوص أو محارف خاصة داخل نطاق البيانات. يمكن استخدام أدوات البحث والاستبدال (Find and Replace) في إكسيل لمسح الرموز النصية وترك الخلايا المفقودة فارغة تماماً، لضمان احتساب وسيط وربيعيات كل عمود وفق حجم عينته الفعلي المستقل.

5. الخطوة الأولى: إدخال وتجهيز بيانات العينات في ورقة العمل

5.1 نمذجة مثال عملي لبيانات متعددة المجموعات

لتوضيح الخطوات العملية بصورة تطبيقية رصينة، سنفترض دراسة تجريبية في علم النفس الإكلينيكي تهدف إلى مقارنة فاعلية بروتوكولين علاجيين في خفض درجات الاكتئاب المقاسة بمقياس بيك للاكتئاب (Beck Depression Inventory – BDI-II). تشتمل الدراسة على ثلاث مجموعات من المشاركين:

• المجموعة الأولى: المجموعة الضابطة (Control Group) – تمثل الأفراد الذين وُضعوا على قائمة الانتظار.
• المجموعة الثانية: مجموعة العلاج المعرفي السلوكي (Cognitive Behavioral Therapy – CBT).
• المجموعة الثالثة: مجموعة العلاج بالقبول والالتزام (Acceptance and Commitment Therapy – ACT).

تُرتب البيانات في ورقة العمل في ثلاثة أعمدة متجاورة، تبدأ من الخلية A1 إلى C1 بوضع العناوين الرأسية الصريحة: “المجموعة الضابطة” في A1، و”العلاج المعرفي CBT” في B1، و”علاج القبول ACT” في C1. تُسجل الدرجات الرقمية للمشاركين في النطاق A2:A21 وB2:B21 وC2:C21 على التوالي إذا كان حجم كل عينة 20 مشاركاً.

يتميز إكسيل بمرونته العالية في معالجة العينات غير المتساوية في الحجم (Unequal Sample Sizes)؛ فإذا احتوت المجموعة الضابطة على 20 مريضاً بينما احتوت مجموعة CBT على 18 مريضاً ومجموعة ACT على 22 مريضاً، يُدخل الباحث كل عينة في عمودها الخاص حتى آخر درجة متاحة دون الحاجة إلى ملء الخلايا المتبقية بأي أرقام وهمية، حيث سيتكفل إكسيل بحساب ملخص الأرقام الخمسة لكل عمود وفق عدد قيمه الرقمية الفعلية دون أدنى خلل.

5.2 التحقق من صحة الإدخال ومراجعة التناسق الرياضي

قبل الشروع في التوليد البياني، يُنصح بشدة بتطبيق قواعد التحقق من صحة البيانات (Data Validation) في إكسيل للتأكد من عدم تسرب أخطاء الإدخال البشري التي قد تنشأ أثناء تفريغ كراسات الاختبار السيكومتري. يتراوح المدى النظري لمقياس بيك للاكتئاب بين 0 و63 درجة؛ وبالتالي، فإن أي درجة مسجلة تتجاوز الرقم 63 أو تقل عن الصفر تُعد خطأ قياس يستوجب التصحيح.

لتطبيق ذلك، يتم تحديد كامل نطاق البيانات الرقمية (مثل A2:C25)، ثم الانتقال إلى علامة التبويب “بيانات” (Data)، واختيار “التحقق من صحة البيانات” (Data Validation). في نافذة الإعدادات، يتم ضبط معيار السماح على “عدد صحيح” (Whole number)، وتعيين القيمة الدنيا على 0 والقيمة القصوى على 63. يضمن هذا الإجراء الوقائي حماية التحليل من الدرجات الشاذة المصطنعة (Artifactual Outliers) الناتجة عن أخطاء الطباعة (كإدخال 550 بدلاً من 55)، مما يحفظ السلامة المنهجية للرسم التوزيعي.

6. الخطوة الثانية: توليد مخطط الصندوق والطرفين المتجاور في إكسيل

6.1 تحديد نطاق البيانات والتنقل في شريط الأدوات

تبدأ المعالجة البيانية بتحديد نطاق البيانات بالكامل بصورة دقيقة. يضع الباحث مؤشر الفأرة على الخلية A1 (التي تتضمن أول عنوان رأسي)، ثم يسحب المؤشر قطرياً ليشمل كافة الأعمدة والصفوف المحتوية على البيانات حتى الخلية الأخيرة (مثل C22). يُعد تضمين صف العناوين الرأسية أمراً جوهرياً وحاسماً، حيث يقرأ إكسيل هذه النصوص تلقائياً ليحولها إلى تسميات صريحة للمجموعات على المحور الأفقي للمخطط.

بعد إتمام التحديد، يتوجه المستخدم إلى شريط الأدوات العلوي (Ribbon) في واجهة برنامج إكسيل، وينقر على علامة التبويب “إدراج” (Insert). يضم هذا القسم كافة أدوات التموضع البصري والرسومي. وضمن مجموعة أدوات “المخططات” (Charts)، يوفر إكسيل زراً خاصاً بالمخططات الإحصائية يحمل أيقونة مدرج تكراري ومخطط صندوقي صغير.

يمكن للمستخدم النقر مباشرة على أيقونة “إدراج مخطط إحصائي” (Insert Statistic Chart) أو النقر على السهم الصغير في زاوية مجموعة المخططات لفتح نافذة “إدراج مخطط” (Insert Chart) المتكاملة، والتي تتيح استعراض خيارات المخططات الموصى بها والمخططات المتاحة كافة.

6.2 اختيار مخطط الصندوق والطرفين (Box & Whisker)

في نافذة “إدراج مخطط”، ينتقل المستخدم إلى علامة التبويب “كافة المخططات” (All Charts). تتضمن القائمة الرأسية المنسدلة على الجانب الأيمن تصنيفات المخططات المختلفة؛ يتم النزول في القائمة حتى الوصول إلى خيار “الصندوق والطرفين” (Box & Whisker).

عند النقر على هذا الخيار، يعرض إكسيل في نافذة المعاينة تمثيلاً مصغراً للمخطط الناتج، حيث يُظهر ثلاثة صناديق مستقلة متجاورة تقف على خط أفقي واحد، يمثل كل صندوق منها عموداً من أعمدة البيانات المحددة. بعد التحقق من صحة المعاينة التلقائية، ينقر المستخدم على زر “موافق” (OK). في هذه اللحظة، يتم إدراج المخطط البياني الصندوقي المتجاور ككائن رسومي عائم فوق ورقة العمل الحالية.

6.3 فهم المخرجات التلقائية للمخطط المتولد

فور توليد المخطط، يقوم المحرك الرسومي لإكسيل بتطبيق سلسلة من الحسابات الرياضية المدمجة لترجمة كل عمود رقمي إلى كيان بصري مركب. ويشتمل كل صندوق في المخرجات الافتراضية على العناصر التوزيعية التالية:

• المستطيل المركزي الملون: يعبر عن المدى الربيعي (Q1 إلى Q3)، حيث يمثل لونه الافتراضي سلسلة البيانات الموحدة.
• الخط الأفقي الفاصل داخل الصندوق: يشير إلى موقع الوسيط الإحصائي الفعلي (Median / Q2) لكل مجموعة على حدة.
• علامة “X” الداخلية: تُدرجها برمجية إكسيل تلقائياً في مركز الكتلة الحسابية لتمثل المتوسط الحسابي (Arithmetic Mean) للعينة. وجود هذا الرمز يمنح الباحث مقارنة بصرية فورية بين النزعة المركزية المعلمية (المتوسط) واللامعلمية (الوسيط).
• الشعيرات الممتدة رأسياً: ترتفع وتنخفض من أطراف الصندوق لتصل إلى القيم القصوى والدنيا غير الشاذة.
• المحور الأفقي السفلي (X-Axis): يحمل تلقائياً التسميات النصية المأخوذة من رؤوس الأعمدة (المجموعة الضابطة، العلاج المعرفي CBT، علاج القبول ACT).

توفر هذه المخرجات الأولية نظرة فاحصة سريعة تؤكد نجاح عملية التوليد البرمجي للمخططات الصندوقية المتجاورة، لتبدأ بعدها مرحلة التخصيص والضبط الدقيق.

7. الخطوة الثالثة: تخصيص وتنسيق عناصر المخطط البياني المتجاور

7.1 إدارة عناصر المخطط وخطوط الشبكة

يحتوي المخطط الافتراضي في إكسيل على عناصر تصميمية قد لا تلائم متطلبات النشر العلمي الرصين. لتخصيص هذه العناصر، يتم النقر على المخطط لتحديده، مما يؤدي إلى ظهور زر علامة الجمع الخضراء الطافية (+) في الزاوية العلوية للمخطط، والمعروف بقائمة “عناصر المخطط” (Chart Elements).

تتمثل الخطوة الأولى في تحسين نقاء العرض البصري (Data-Ink Ratio) بإلغاء تحديد خيار “خطوط الشبكة” (Gridlines) الأفقية الرئيسية، حيث تتسبب هذه الخطوط الرمادية في إحداث تشويش بصري يقلل من تباين الصناديق والشعيرات الدقيقة. كما يمكن من خلال هذه القائمة تفعيل أو تعطيل “وسيلة الإيضاح” (Legend)؛ فإذا كانت أسماء المجموعات واضحة ومعروضة مباشرة على المحور الأفقي، يُفضل إزالة وسيلة الإيضاح لتفادي التكرار غير المفيد وتوسيع المساحة المخصصة للصناديق الرسومية ذاتها.

7.2 تنسيق المحاور وعناوين المقاييس

يتطلب العرض الأكاديمي الصارم تسمية واضحة لا لبس فيها لكافة أبعاد المخطط. من قائمة عناصر المخطط (+)، يتم تفعيل خيار “عناوين المحاور” (Axis Titles)، مما ينشئ مربعي نص للمحورين الأفقي والرأسي:

• المحور الرأسي (Y-Axis): يُحدد بالنقر المزدوج على مربع النص، ويُكتب فيه اسم المتغير التابع ووحدة القياس بوضوح تام، مثل: “درجات مقياس بيك للاكتئاب (BDI-II)”.
• المحور الأفقي (X-Axis): يُكتب فيه المفهوم التصنيفي مثل: “المجموعات العلاجية التجريبية”، أو يُكتفى بالتسميات الصريحة المكتوبة أسفل كل صندوق إذا كانت كافية وواضحة دلالياً.
• عنوان المخطط الرئيسي (Chart Title): يُعدل ليعكس طبيعة التحليل الإحصائي المقارن، مثل: “توزيع درجات الاكتئاب البعدية عبر المجموعات العلاجية الثلاث”.

يجب أيضاً ضبط حدود المحور الرأسي بالنقر بالزر الأيمن على أرقام المحور الرأسي واختيار “تنسيق المحور” (Format Axis)، ثم تحديد الحد الأدنى الثابت (0) والحد الأقصى (63) وفق المدى النظري للمقياس، مما يمنع إكسيل من اقتصاص نطاق الرؤية أو البدء من أرقام عشوائية قد توحي بفروق مبالغ فيها بصرياً.

7.3 تخصيص الألوان والسمات البصرية للمجموعات

يقوم إكسيل افتراضياً بتلوين كافة الصناديق في السلسلة الواحدة بلون تعبئة أزرق موحد. ولإضفاء التمايز البصري بين المجموعات التجريبية أو التوافق مع معايير الجمعية الأمريكية لعلم النفس (APA)، يمكن تخصيص لون كل صندوق على حدة.

للقيام بذلك، ينقر المستخدم نقرة واحدة على الصناديق لتحديد كامل السلسلة، ثم ينقر نقرة ثانية متأنية (Single-click) على الصندوق المحدد المراد تغيير لونه لعزله عن بقية الصناديق. بعد ذلك، ينقر بالزر الأيمن ويختار “تنسيق نقطة البيانات” (Format Data Point). من قسم “التعبئة والحدود” (Fill & Line):

• يمكن اختيار لون تعبئة رمادي فاتح أو ألوان متباينة غير فاقعة (Muted / Pastel Tones) لكل مجموعة لضمان وضوح الطباعة الورقية والنسخ بالأبيض والأسود.
• يُضبط لون الحدود الخارجية (Border) على اللون الأسود الصريح أو الرمادي الداكن بسماكة ثابتة (تتراوح بين 1 إلى 1.5 نقطة) لتأطير المستطيلات بدقة متناهية.
• تُنسق خطوط الشعيرات وعلامات المتوسط لتبدو باللون الأسود الواضح لضمان تباينها التام مع لون التعبئة الداخلي للصندوق.

8. الخيارات المتقدمة لسلسلة البيانات (Format Data Series)

8.1 خيارات حساب الربيعيات (Inclusive vs. Exclusive)

يوفر برنامج إكسيل مرونة إحصائية متقدمة عبر لوحة التحكم “تنسيق سلسلة البيانات” (Format Data Series). للوصول إليها، يُنقر بالزر الأيمن على أي صندوق داخل المخطط ويُختار “تنسيق سلسلة البيانات”، ثم يُفتح تبويب “خيارات السلسلة” (Series Options) الممثل بأيقونة الأعمدة البيانية.

يشتمل هذا القسم على خيار إحصائي فائق الأهمية بعنوان “حساب الربيعيات” (Quartile Calculation)، ويحتوي على خيارين رئيسين:

• الوسيط الشامل (Inclusive Median): يعتمد على خوارزمية تضمين قيمة الوسيط عند تقسيم البيانات إلى نصفين لحساب الربيعين Q1 وQ3. ينتج عن هذا الخيار مدى ربيعي (IQR) أضيق نسبياً، وتتسع بموجبه الشعيرات قليلاً.
• الوسيط الحصري (Exclusive Median): يعتمد على استبعاد قيمة الوسيط تماماً من النصفين أثناء حساب الربيعيات. ينتج عن هذه الطريقة مدى ربيعي أوسع قليلاً وصندوق أكبر حجماً.

من الناحية المنهجية والأكاديمية، يُوصى بشدة باختيار “الوسيط الحصري” (Exclusive Median) في الأبحاث السلوكية والنفسية؛ نظراً لأن هذه الخوارزمية هي المعيار الافتراضي المتطابق مع مخرجات حزم التحليل الإحصائي المتقدمة مثل IBM SPSS Statistics ولغة البرمجة الإحصائية R (عبر دالة boxplot أو حزمة ggplot2)، مما يضمن التناسق الكامل بين المخططات المنشأة في إكسيل والجداول الإحصائية المصاحبة للبحث.

8.2 التحكم في عرض الفجوات والنقاط الداخلية

تتيح لوحة “خيارات السلسلة” أيضاً ضبط المعالم الهندسية الدقيقة للمخطط المتجاور من خلال الأدوات التالية:

• عرض الفجوة (Gap Width): يتحكم في المسافة الفاصلة بين الصناديق المتجاورة على المحور الأفقي، وتُقاس كنسبة مئوية من عرض الصندوق. ضبط عرض الفجوة عند قيمة تتراوح بين 50% إلى 100% يمنح المخطط توازناً بصرياً أنيقاً، حيث يمنع التصاق الصناديق ببعضها أو تباعدها المفرط الذي يهدر المساحة البيانية.
• إظهار النقاط الداخلية (Show Inner Points): يؤدي تفعيل هذا الخيار إلى رسم كافة نقاط البيانات الفردية الفعلية كدوائر صغيرة متناثرة رأسياً على طول الصندوق والشعيرات (Jittered Data Points). يفيد هذا الخيار في إبراز الكثافة التوزيعية الحقيقية وحجم العينة الفعلي بصرياً للقارئ، مما يعزز الشفافية التجريبية.
• إظهار خط المتوسط (Show Mean Line): يقوم هذا الخيار برسم خط مستقيم يربط بين علامات المتوسط الحسابي (X) للصناديق المتجاورة. يكتسب هذا الخط فائدة تحليلية استثنائية في التصميمات الطولية (قبل/بعد)، حيث يبرز مسار الاتجاه العام (Trend Line) لتطور الأداء عبر الزمن.
• إظهار علامات المتوسط (Show Mean Markers): يتيح إظهار أو إخفاء علامة “X” الدالة على المتوسط الحسابي، ويُنصح بإبقائها مفعلة لتسهيل المقارنة بين المتوسط والوسيط.

9. معالجة وتفسير القيم الشاذة والمتطرفة (Outliers) في إكسيل

9.1 كيف يحدد إكسيل القيم المتطرفة ويمثلها بيانياً

يعتمد برنامج إكسيل خوارزمية توكي الرياضية المعيارية للتعرف على القيم الشاذة والمتطرفة (Outliers) ورسمها. يتم تعريف أي قيمة تقع خارج نطاق الحواجز الداخلية المشروعة (أعلى من Q3 + 1.5 × IQR أو أدنى من Q1 – 1.5 × IQR) على أنها قيمة شاذة إحصائياً.

عند تفعيل خيار “إظهار نقاط القيم الشاذة” (Show Outlier Points) في لوحة تنسيق السلسلة، يقوم إكسيل بفصل هذه القيم تلقائياً عن امتداد الشعيرات، ويرسمها كنقاط أو دوائر فردية مستقلة تسبح في الفضاء الرسومي أعلى أو أسفل أطراف الشعيرات. تنتهي الشعيرة ذاتها عند أبعد قيمة عادية داخل الحاجز، مما يحمي الصندوق وشعيراته من التمدد الاصطناعي المشوه.

في التحليل البصري المعمق، يجب التمييز بين نوعين من التطرف:

• التطرف المعتدل (Mild Outliers): المشاهدات التي تقع بين 1.5 و 3 أضعاف المدى الربيعي خارج الصندوق.
• التطرف الشديد (Extreme Outliers): المشاهدات التي تتجاوز مسافة 3 أضعاف المدى الربيعي (> Q3 + 3 × IQR)، والتي تمثل حالات استثنائية جداً في العينة وتستوجب تدقيقاً منهجياً خاصاً.

9.2 التعامل المنهجي مع القيم الشاذة في أبحاث السلوك

إن ظهور نقطة شاذة في المخطط الصندوقي لإحدى المجموعات التجريبية يضع الباحث السلوكي أمام مسؤولية منهجية وقرار تحليلي حاسم. لا يجوز للباحث حذف القيمة الشاذة ميكانيكياً لمجرد تحسين مظهر المخطط أو الوصول إلى دلالة إحصائية منشودة، بل يجب اتباع الخطوات التشخيصية التالية:

1. التحقق من الأخطاء الإجرائية: مراجعة استمارة القياس الأصلية للتأكد من أن القيمة ليست ناتجة عن خطأ في نقل البيانات أو خطأ في جمع الدرجات الفرعية للمقياس.
2. فحص الخصائص الفردية للحالة: فحص ما إذا كان المفحوص ينتمي حقاً إلى مجتمع العينة المستهدفة، أو ما إذا كانت استجابته تعكس حالة نفسية أو ظرفية طارئة (مثل تعاطي دواء مهدئ قبل جلسة قياس زمن الرجع المعرفي).
3. تحليل الحساسية (Sensitivity Analysis): إجراء التحليل الإحصائي مرتين؛ الأولى بوجود القيمة الشاذة، والثانية بعد استبعادها أو تطبيق أسلوب “تشذيب البيانات” (Winsorizing). فإذا لم تتغير النتائج الجوهرية للبحث، يتم الإبقاء عليها مع الإشارة إليها بشفافية تامة في تقرير النتائج؛ أما إذا كانت القيمة الشاذة هي المسؤولة الوحيدة عن إحداث الدلالة الإحصائية، فيجب مناقشة ذلك بصراحة كقيد منهجي في الدراسة.

10. قراءة وتفسير المخططات الصندوقية المتجاورة في التقارير النفسية

10.1 تحليل التماثل والالتواء (Skewness)

يوفر الفحص البصري الدقيق للمخطط الصندوقي قراءة تشخيصية متقدمة لخصائص شكل التوزيع التكراري ومستوى الالتواء (Skewness) لكل مجموعة من المجموعات المقارنة:

• التوزيع المتماثل الطبيعي (Symmetric Distribution): يظهر عندما يقع خط الوسيط في منتصف الصندوق تماماً على مسافة متساوية من Q1 وQ3، وتتطابق علامة المتوسط الحسابي (X) مع خط الوسيط، وتكون الشعيرتان العلوية والسفلية متساويتين في الطول. يشير هذا المظهر إلى تحقق افتراض التوزيع الطبيعي واستقرار التباين.
• الالتواء الموجب أو اليميني (Positive / Right-Skewed): يظهر عندما ينزاح خط الوسيط نحو النصف السفلي من الصندوق (قريباً من Q1)، وتستطيل الشعيرة العلوية بشكل ملحوظ مقارنة بالسفلية، وتقع علامة المتوسط (X) أعلى خط الوسيط. يتكرر هذا النمط في مقاييس الاضطرابات النفسية بين أفراد العينات غير الإكلينيكية، حيث تتكتل غالبية الدرجات عند القيم المنخفضة بينما تمتد ذيول درجات قليلة نحو الارتفاع.
• الالتواء السالب أو اليساري (Negative / Left-Skewed): يظهر عندما ينزاح خط الوسيط نحو الحافة العلوية للصندوق (قريباً من Q3)، وتكون الشعيرة السفلية أطول بكثير، ويقع المتوسط الحسابي أسفل خط الوسيط. يشيع هذا النمط في اختبارات الكفاءة المعرفية السهلة التي تعاني من تأثير السقف.

10.2 تقييم التداخل والفروق الإحصائية البصرية

عند مقارنة الصناديق المتجاورة، يُعد تقييم مقدار التداخل الرأسي (Vertical Overlap) بين الصناديق المعيار البصري الأكثر أهمية لتقدير الفروق الإحصائية بين المجموعات:

• الانفصال التام وعدم التداخل (No Overlap): إذا كانت الحافة السفلية لصندوق المجموعة الأولى تقع أعلى بكثير من الحافة العلوية لصندوق المجموعة الثانية (أي أن المدى الربيعي لكلا المجموعتين منفصل تماماً)، فإن ذلك يشكل مؤشراً بصرياً شبه قاطع على وجود فروق ذات دلالة إحصائية جوهرية بين المجموعتين ومقدار تأثير (Effect Size) كبير جداً.
• التداخل الجزئي للربيعيات: إذا كانت خطوط الوسيط في المجموعتين متباعدة بوضوح ولكن الصناديق تتداخل جزئياً في نطاق المدى الربيعي، فإن ذلك يشير عادةً إلى فروق متوسطة قد تصل إلى مستوى الدلالة الإحصائية في اختبارات الفروق، خاصة إذا كان حجم العينات كبيراً.
• التداخل التام وتطابق الأوساط: إذا كان خط الوسيط لإحدى المجموعات يقع ضمن المدى الربيعي للمجموعة الأخرى وتطابقت حدود الصناديق إلى حد كبير، فإن هذا يدعم فرضية العدم (Null Hypothesis) القائلة بعدم وجود فروق حقيقية بين المجموعات.

تُصاغ فقرة التفسير الإحصائي في التقرير النفسي بأسلوب علمي رصين يدمج بين الوصف البياني والمؤشرات الرقمية، كأن يُكتب: “أظهر الفحص البصري للمخططات الصندوقية المتجاورة انخفاضاً جوهرياً في وسيط درجات الاكتئاب لدى مجموعة العلاج المعرفي CBT (الوسيط = 14، IQR = 6) مقارنة بالمجموعة الضابطة (الوسيط = 32، IQR = 8)، مع انعدام التداخل بين الصندوقين المركزيين للمجموعتين، مما يعكس كفاءة التدخل العلاجي وتجانس استجابات المشاركين”.

11. الأخطاء الشائعة عند بناء المخططات في إكسيل وطرق تصحيحها

11.1 أخطاء التحديد وهيكلة الجداول

يقع العديد من الباحثين في عثرات إجرائية أثناء إعداد المخططات الصندوقية في إكسيل، مما يؤدي إلى مخرجات بيانية مشوهة أو ظهور رسائل خطأ برمجية. وتتلخص أبرز هذه الأخطاء فيما يلي:

• تحديد صفوف فارغة ممتدة أسفل البيانات: يؤدي السحب العشوائي للفأرة لتحديد أعمدة كاملة (مثل تحديد كامل العمود A وB) إلى قيام إكسيل بمعالجة آلاف الخلايا الفارغة، مما يتسبب في بطء المعالجة البرمجية أو إدراج قيم صفرية تشوه المقياس الرأسي تماماً. الحل: تحديد النطاق الفعلي المحتوي على البيانات فقط (مثلاً A1:C25).
• دمج خلايا العناوين الرأسية (Merged Cells): يمنع دمج خلايا العناوين في الصف العلوي محرك إكسيل من التعرف على الحدود الفاصلة بين المجموعات المستقلة، مما يؤدي إلى دمج الصناديق في صندوق واحد مشوه. الحل: تخصيص خلية واحدة مستقلة غير مدمجة لكل رأس عمود.
• خلط النصوص بالأرقام: إدخال رموز مثل “?” أو “غائب” داخل خلايا الدرجات يمنع إكسيل من قراءة العمود كسلسلة رقمية مستمرة. الحل: تفريغ الخلايا المفقودة بالكامل والتأكد من تحويل نوع البيانات إلى “رقم” (Number).

11.2 أخطاء التنسيق والتفسير البصري

تشمل أخطاء التنسيق الشائعة في البيئات البحثية ما يلي:

• التلاعب غير المقصود بمقياس المحور الرأسي: البدء بمقياس رأسي لا يبدأ من الصفر في المقاييس التي تتطلب ذلك، أو اختيار مقياس مجتزأ يضخم الفروق الهامشية ويجعلها تبدو كفروق جذرية، مما يضلل القارئ. الحل: ضبط الحدود الدنيا والقصوى للمحور الرأسي لتتطابق دائماً مع الحدود النظرية لأداة القياس السيكومتري.
• الخلط بين علامة المتوسط الحسابي (X) وخط الوسيط: يقع بعض الباحثين في خطأ كتابة تقاريرهم استناداً إلى علامة “X” على أنها الوسيط أو العكس. يجب التأكيد دوماً على أن الخط العرضي الفاصل هو الوسيط (Median)، في حين أن الحرف “X” يمثل المتوسط الحسابي (Mean).
• الاعتماد على الألوان التلقائية المبهرجة: استخدام سمات ألوان غير متباينة أو فاقعة جداً تؤدي إلى فقدان التفاصيل عند طباعة البحث باللونين الأبيض والأسود في الدوريات العلمية. الحل: استخدام التدرجات الرمادية أو الأنماط المتباينة الرصينة المعتمدة أكاديمياً.

12. أفضل الممارسات لتصدير المخططات ونشرها في الأبحاث والمجلات

12.1 التوافق مع إرشادات نشر جمعية علم النفس الأمريكية (APA Style)

تضع جمعية علم النفس الأمريكية معايير دقيقة لنشر الأشكال البيانية في الإصدار السابع من دليل النشر الخاص بها (APA 7th Edition). لضمان امتثال المخطط الصندوقي المنشأ في إكسيل لهذه المعايير، يجب اتباع التوجيهات الآتية:

• نوع وحجم الخط: استخدام خطوط موحدة ونقية وخالية من التذييلات التزيينية (Sans-serif) مثل Arial أو Calibri أو Times New Roman، مع ضبط حجم الخط ليكون بين 8 إلى 12 نقطة لضمان وضوح القراءة بعد تصغير حجم الشكل في الصفحة المطبوعة.
• ترقيم وتسمية الشكل (Figure Number & Title): يُوضع رقم الشكل في أعلى الرسم بخط عريض (مثال: Figure 1)، يليه في السطر التالي عنوان وصفي موجز ومائل (مثال: Side-by-Side Boxplots of Depression Scores Across Treatment Groups).
• الملاحظة التفسيرية السفلية (Figure Note): يُدرج أسفل المخطط بند الملاحظات الذي يبدأ بكلمة Note. بخط مائل، لشرح مكونات المخطط للقارئ بدقة: “Note. The horizontal line within the box represents the median, the ‘X’ represents the arithmetic mean, and the box boundaries represent the 25th and 75th percentiles. Whiskers indicate 1.5 × IQR, and individual dots represent statistical outliers.”
• إزالة الحشو البصري (Eliminating Chart Junk): التخلص التام من التأثيرات ثلاثية الأبعاد (3D Effects)، والظلال الخلفية، والإطارات الخارجية المحيطة بالمخطط، والاحتفاظ فقط بالبنية البيانية الأساسية.

12.2 تصدير المخطط بجودة ودقة عالية (High Resolution)

تتطلب المجلات العلمية المحكمة تقديم الأشكال البيانية بدقة رسومية فائقة لا تقل عن 300 نقطة في البوصة (300 DPI) لضمان جودة الطباعة وعدم تشوش الخطوط. يتيح نظام مايكروسوفت أوفيس تكاملاً ممتازاً لتحقيق هذه الدقة عبر عدة طرق احترافية:

• النسخ واللصق المتجهي في برنامج Microsoft Word: يُعد نسخ المخطط من إكسيل ولصقه مباشرة داخل مستند الوورد باستخدام خيار “استخدام سمة الوجهة ودمج المصنف” (Use Destination Theme & Embed Workbook) الخيار الأمثل؛ حيث يحتفظ المخطط بخصائصه كرسوم متجهة (Vector Graphics) قابلة لتغيير الحجم دون أي فقدان في الدقة والوضوح.
• التصدير بتنسيق ملف صورة محسّن (EMF): يمكن النقر بالزر الأيمن على المخطط في إكسيل واختيار “حفظ كصورة” (Save as Picture)، واختيار التنسيق المتجهي عالي الجودة (Enhanced Metafile – .emf) أو تنسيق (Scalable Vector Graphics – .svg)، وهو التنسيق المفضل لدى دور النشر العالمية مثل Elsevier وSpringer وIEEE.
• التصدير عبر مستند PDF عالي الجودة: يمكن حفظ ورقة العمل كملف PDF عالي الجودة لطباعة المخطط بأعلى دقة نقطية ممكنة، ثم استخراجه بتنسيق TIFF بدقة 600 DPI باستخدام برامج معالجة الصور المتقدمة.

خاتمة

تمثل مخططات الصندوق والطرفين المتجاورة (Side-by-Side Boxplots) إحدى أقوى أدوات التحليل البصري التوزيعي في ترسانة الباحث الإحصائي والسلوكي الحديث. إن قدرتها الفائقة على دمج ملخص الأرقام الخمسة، وتوضيح النزعة المركزية المقاومة، وقياس التشتت عبر المدى الربيعي، وتحديد الالتواء، ورصد القيم الشاذة في آن واحد، تجعلها تتفوق بشكل حاسم على العروض البيانية التقليدية المقتصرة على الأعمدة البيانية البسيطة.

من خلال توظيف برنامج مايكروسوفت إكسيل بدقة، بدءاً من الهيكلة السليمة للبيانات في أعمدة منفصلة، وضبط خوارزميات الربيعيات الحصرية المتوافقة مع البرمجيات الدولية، وصولاً إلى التنسيق البصري المتناغم مع معايير APA، يستطيع الباحثون تقديم استكشاف بياني بالغ الرصانة والشفافية. إن إتقان هذه المهارات المنهجية والتقنية لا يسهم فقط في رفع جودة الأوراق العلمية والتقارير التحليلية، بل يضمن أيضاً فهماً أعمق وأكثر موثوقية للظواهر والبيانات المعقدة قيد الدراسة.

References

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Beck, A. T., Steer, R. A., & Brown, G. K. (1996). Manual for the Beck Depression Inventory-II. Psychological Corporation. https://doi.org/10.1037/t00742-000
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• McGill, R., Tukey, J. W., & Larsen, W. A. (1978). Variations of box plots. The American Statistician, 32(1), 12–16. https://doi.org/10.1080/00031305.1978.10479236
• Microsoft Corporation. (2023). Create a box and whisker chart in Excel. Microsoft Support. https://support.microsoft.com/en-us/office/create-a-box-and-whisker-chart-62f4219f-db4b-4754-aca8-4743f6190f0d
• Tufte, E. R. (2001). The visual display of quantitative information (2nd ed.). Graphics Press.
• Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley.
• Wickham, H., & Grolemund, G. (2017). R for data science: Import, tidy, transform, visualize, and model data. O’Reilly Media. https://r4ds.had.co.nz/
• Wilkinson, L. (2005). The grammar of graphics (2nd ed.). Springer. https://doi.org/10.1007/0-387-28695-0