كيفية إجراء اختبار t لعينة واحدة على الآلة الحاسبة TI-84

يمثل الاستدلال الإحصائي الركيزة الأساسية التي يعتمد عليها الباحثون والعلماء لاتخاذ قرارات موضوعية واستخلاص استنتاجات علمية رصينة حول المجتمعات الإحصائية انطلاقاً من بيانات العينات المحدودة. وفي خضم الأدوات الإحصائية المتعددة، يبرز اختبار t لعينة واحدة (One Sample t-test) كأحد أكثر الأساليب البارامترية استخداماً وأهمية لمقارنة متوسط عينة حسابية بقيمة مرجعية معيارية أو متوسط مجتمع مفترض نظرياً. تكمن القوة المنهجية لهذا الاختبار في قدرته العالية على معالجة البيانات وإجراء الاختبارات الفرضية بكفاءة متناهية حتى عندما يكون الانحراف المعياري للمجتمع مجهولاً، وهي الحالة الواقعية السائدة في الغالبية العظمى من الأبحاث الأكاديمية والتطبيقية.

مع التطور التقني المتسارع في وسائل التحليل الكمي، أصبحت الآلات الحاسبة البيانية المتقدمة، وعلى رأسها سلسلة Texas Instruments TI-84 Plus، ركيزة تعليمية وتطبيقية لا غنى عنها لطلاب العلوم والمهندسين والباحثين في مختلف التخصصات. فالآلة الحاسبة TI-84 لا تقتصر على تسريع العمليات الحسابية الروتينية فحسب، بل توفر بيئة تفاعلية متكاملة تدمج بين إدخال البيانات الخام، واستخراج المعالم الوصفية، واختبار الفرضيات الإحصائية المعقدة، وتقديم تصورات بيانية دقيقة لمنحنيات التوزيع التائي والمساحات الحرجة المظللة بضغطة زر واحدة.

يهدف هذا الدليل المرجعي الشامل إلى تفكيك كافة الجوانب النظرية والتطبيقية لاختبار t لعينة واحدة باستخدام الآلة الحاسبة TI-84 بمختلف إصداراتها (TI-84 Plus, TI-84 Plus C Silver Edition, TI-84 Plus CE). سنستعرض معاً الأسس الرياضية، والافتراضات المنهجية الصارمة، وطرق إدخال البيانات سواء كانت ملخصات إحصائية جاهزة أو بيانات خام مجمعة ميدانياً، مروراً بقراءة شاشات المخرجات وتفسير القيم الاحتمالية، وحساب أحجام التأثير وفترات الثقة، وصولاً إلى استعراض حالات دراسية واقعية وكتابة التقارير الإحصائية وفق المعايير الدولية المعتمدة من جمعية علم النفس الأمريكية (APA).

1. مقدمة نظرية: مفهوم اختبار t لعينة واحدة وأهميته في الإحصاء الاستدلالي

1.1 التعريف الرياضي والإحصائي لاختبار t لعينة واحدة

يُعرَّف اختبار t لعينة واحدة بأنه اختبار استدلالي بارامتري يُستخدم لتحديد ما إذا كان المتوسط الحسابي لعينة مفردة مسحوبة عشوائياً يختلف اختلافاً ذا دلالة إحصائية عن قيمة متوسط مجتمع معروفة مسبقاً أو مفترضة نظرياً يُرمز لها بالرمز (μ₀). طُوِّر هذا الاختبار التاريخي بواسطة الإحصائي البريطاني ويليام سيلي جوسيت عام 1908 ونُشر تحت الاسم المستعار “Student”، مما أدى إلى تسمية التوزيع المعتمد بـ توزيع t لستودنت (Student’s t-distribution). تنبع الحاجة الجوهرية لهذا التوزيع من واقع أن الانحراف المعياري للمجتمع الأصلي (σ) نادراً ما يكون متاحاً للباحث، مما يفرض استخدام الانحراف المعياري للعينة (s) كتقدير غير متحيّز للمعلَمة المجهولة.

تعتمد المعادلة الرياضية الأساسية لحساب القيمة التائية (t-statistic) على نسبة الفرق بين متوسط العينة ومتوسط المجتمع المفترض إلى الخطأ المعياري لمتوسط العينة:

t = (x̄ – μ₀) / (s / √n)

حيث يمثل (x̄) المتوسط الحسابي للعينة، و(μ₀) المتوسط المرجعي للمجتمع، و(s) الانحراف المعياري للعينة، و(n) حجم العينة المدروسة. يُعبَّر عن المقام بالكامل (s / √n) بمصطلح الخطأ المعياري للمتوسط (Standard Error of the Mean – SE)، وهو مقياس لمدى التشتت المتوقع لمتوسطات العينات المختلفة المسحوبة من نفس المجتمع حول المتوسط الحقيقي. يتأثر توزيع t بشكل مباشر بحجم العينة من خلال مفهوم درجات الحرية (Degrees of Freedom – df) المحسوبة بالصيغة (df = n – 1)؛ فكلما كانت درجات الحرية صغيرة، اتسع ذيل التوزيع التائي وأصبح أكثر تفلطحاً مقارنة بالتوزيع الطبيعي المعياري، بينما يقترب توزيع t تدريجياً وبصورة متطابقة من التوزيع الطبيعي المعياري (z) كلما اقترب حجم العينة من اللانهاية.

1.2 السياقات البحثية والتطبيقية للاختبار

تتعدد التطبيقات العلمية والعملية لاختبار t لعينة واحدة عبر طيف واسع من الحقول المعرفية. في العلوم النفسية والتربوية والأبحاث السلوكية، يُستخدم الاختبار للتحقق مما إذا كان أداء مجموعة من الطلاب الخاضعين لمنهج تعليمي جديد يختلف جذرياً عن المتوسط المعياري العام للاختبارات الوطنية المقننة، أو لاختبار ما إذا كان متوسط مستويات القلق والتوتر لدى عينة من الموظفين ينحرف عن الخط المرجعي الطبيعي للسكان البالغين.

وفي مجالات مراقبة الجودة، والتصنيع الدوائي، والهندسة الميكانيكية، يمثل الاختبار أداة حاسمة للتحقق من كفاءة خطوط الإنتاج ومطابقتها للمواصفات القياسية الدولية؛ فعلى سبيل المثال، تقوم شركات تصنيع الأدوية بسحب عينات منتظمة من الأقراص العلاجية للتأكد من أن متوسط تركيز المادة الفعالة لا ينحرف عن القيمة المعيارية المكتوبة على العبوة (مثل 500 ملغ). كما تستخدمه مصانع تعبئة المواد الغذائية لضمان أن متوسط أوزان العبوات يطابق الوزن الصافي المعلن للمستهلكين لتجنب المخالفات القانونية أو الهدر المالي.

من الناحية المنهجية، يختلف اختبار t لعينة واحدة جوهرياً عن كل من اختبار z واختبار t للعينات المستقلة؛ فاختبار z يتطلب بالضرورة معرفة مسبقة ومؤكدة بالانحراف المعياري للمجتمع الأصلي (σ)، وهو شرط قلما يتحقق في الممارسات البحثية. في المقابل، يهدف اختبار t للعينات المستقلة (Independent Samples t-test) إلى مقارنة متوسطي مجموعتين منفصلتين تماماً (مثل المقارنة بين الذكور والإناث أو بين مجموعة تجريبية وضابطة)، في حين ينصب تركيز اختبار t لعينة واحدة على فحص مجموعة واحدة فقط ومقارنتها بمعيار خارجي ثابت ومحدد سلفاً.

1.3 أهمية توظيف الآلات الحاسبة البيانية (TI-84) في الحسابات الإحصائية

شهدت الممارسات الإحصائية تحولاً نوعياً بفضل الآلات الحاسبة البيانية المتقدمة، حيث وفرت أجهزة شركة Texas Instruments، وخاصة عائلة TI-84، بيئة حاسوبية مصغرة جمعت بين القوة الحسابية وسهولة التنقل في قاعات المحاضرات والمختبرات الميدانية. يُسهم استخدام TI-84 في تقليص الأخطاء الحسابية البشرية التراكمية التي تحدث غالباً أثناء الحسابات اليدوية المعقدة للانحراف المعياري والأخطاء المعيارية وقيم درجات الحرية الكسرية، مما يوفر وقتاً ثميناً يُمكّن الباحث أو الطالب من التركيز على التفكير التحليلي وتفسير المعاني الإحصائية للنتائج بدلاً من الانغماس في العمليات الحسابية الميكانيكية.

تتميز الآلة الحاسبة TI-84 بقدرتها الفائقة على بناء ربط بصري وذهني فوري بين الفرضيات الإحصائية المجردة والمنحنيات التوزيعية الفعلية؛ فمن خلال وظائف الرسوم البيانية المدمجة (Draw Function)، يستطيع المستخدم مشاهدة شكل توزيع t لستودنت، وتحديد موقع القيمة التائية المحسوبة، ورؤية المساحة المظللة الدالة على القيمة الاحتمالية (P-value) بشكل مرئي مباشر. هذا الإدراك البصري يُعزز الفهم العميق لمفاهيم مناطق القبول والرفض ودرجات الثقة الإحصائية.

علاوة على ذلك، تحظى عائلة TI-84 باعتماد أكاديمي واسع النطاق من كبرى المؤسسات التعليمية الدولية وهيئات الاختبارات القياسية حول العالم، مثل اختبارات Advanced Placement (AP Statistics) واختبارات السات (SAT) والآكت (ACT) ومقررات الإحصاء الحيوية في الجامعات العريقة، مما يجعل إتقان برمجتها وتشغيل وظائفها الإحصائية مهارة أكاديمية جوهرية لا غنى عنها لكل طالب وباحث يسعى للتميز في التحليل الكمي.

2. الافتراضات الأساسية الواجب استيفاؤها قبل إجراء اختبار t

2.1 طبيعة المتغير ومستوى القياس

لكي تكون النتائج المستخلصة من اختبار t لعينة واحدة صحيحة وقابلة للتعميم من الناحية الرياضية، يجب أن تستوفي البيانات المجمعة حزمة من الافتراضات البارامترية الصارمة. يتمثل الافتراض الأول في طبيعة المتغير التابع الخاضع للدراسة؛ حيث يُشترط أن يكون متغيراً كمياً مستمراً مقاساً وفق مقياس فئوي (Interval Scale) أو مقياس نسبي (Ratio Scale). تشمل الأمثلة على هذه المتغيرات: درجات الحرارة، أزمنة الاستجابة، الأوزان، الضغط الشرياني، ومعدلات الدخل والدرجات الإجمالية للاختبارات النفسية المقننة.

يترتب على هذا الافتراض استبعاد استخدام اختبار t لدراسة المتغيرات النوعية الاسمية (Nominal) مثل الجنس، وفصيلة الدم، والتصنيف المهني، وكذلك المتغيرات الرتبية (Ordinal) ذات الفئات غير المتساوية الفواصل مثل مقاييس الرضا أو مستويات الليكارت الفردية؛ إذ إن تطبيق الاختبار على هذه المستويات القياسية المنخفضة يؤدي إلى تشويه المعالم الإحصائية وتقديم نتائج مضللة لا تعكس الواقع الرياضي للظاهرة، وتستدعي بدلاً من ذلك اللجوء إلى الاختبارات اللامعلمية المقابلة كاختبار ويلكوكسون للإشارة والرتب.

يتكامل مع هذا الافتراض شرط استقلالية الملاحظات (Independence of Observations)؛ ويعني ذلك أن قياس كل مفردة داخل العينة يجب ألا يتأثر أو يرتبط بأي شكل من الأشكال بقياسات المفردات الأخرى. يتطلب استيفاء هذا الشرط تصميماً تجريبياً محكماً يضمن عدم وجود قياسات متكررة على نفس الأفراد بمرور الزمن ضمن هذا الاختبار المحدد، وعدم وجود تفاعل أو تأثير متبادل بين أفراد العينة أثناء جمع البيانات الميدانية.

2.2 افتراض التوزيع الطبيعي واستقلالية العينة

يقوم اختبار t لعينة واحدة على افتراض محوري مفاده أن العينة الإحصائية قد سُحبت من مجتمع يتبع توزيعه المتغير المقاس شكلاً طبيعياً جرسياً (Normal Distribution). يكتسب هذا الافتراض أهمية قصوى وحساسية بالغة في حالات العينات الصغيرة التي يقل حجمها عن 30 مفردة (n < 30)؛ حيث إن انحراف البيانات عن التوزيع الطبيعي في ظل صغر حجم العينة يرفع من معدلات الخطأ ويؤثر سلباً على دقة القيمة التائية المحسوبة ومصداقية القيمة الاحتمالية.

في المقابل، إذا كان حجم العينة كبيراً نسبياً (بحيث تكون n ≥ 30 كقاعدة إرشادية عامة)، فإن قوة الاختبار تصبح محمية ومحصنة بفضل نظرية النهاية المركزية (Central Limit Theorem – CLT). تنص هذه النظرية الإحصائية الأساسية على أن توزيع متوسطات العينات المتكررة يقترب بصورة شبه مؤكدة من التوزيع الطبيعي المعياري كلما كبر حجم العينة، بصرف النظر تماماً عن الشكل التوزيعي للمجتمع الأصلي، مما يمنح اختبار t قوة ومتانة (Robustness) عالية تمكنه من استيعاب الانحرافات الطفيفة أو المعتدلة عن التوزيع الطبيعي في العينات الكبيرة.

علاوة على ذلك، يُعد شرط العينة العشوائية البسيطة (Simple Random Sample) حجر الزاوية الذي يضمن أن لكل فرد في المجتمع المستهدف فرصة متساوية ومستقلة للاختيار ضمن العينة. يضمن أسلوب المعاينة العشوائية خلو البيانات من التحيزات المنهجية (Selection Bias)، ويتيح للباحثين تعميم النتائج الاستدلالية المستخرجة من شاشات TI-84 على المجتمع الإحصائي الأوسع بدرجة عالية من الثقة العلمية.

2.3 التعامل مع القيم الشاذة وتأثيرها على النتائج

يتسم اختبار t بحساسيته المفرطة لوجود القيم المتطرفة أو الشاذة (Outliers) في البيانات المجمعة؛ ويعود هذا التأثر البالغ إلى اعتماد معادلة الاختبار على المتوسط الحسابي والانحراف المعياري، وهما مقياسان إحصائيان يفتقران لمقاومة القيم الشاذة (Non-resistant Statistics). فوجود قيمة شاذة واحدة شديدة الارتفاع أو الانخفاض كفيل بسحب المتوسط باتجاهها وتضخيم الانحراف المعياري بدرجة غير واقعية، مما يؤدي إلى زيادة مصطنعة في الخطأ المعياري، وبالتالي تقليص قيمة t المحسوبة وإخفاء الفروق الحقيقية ذات الدلالة الإحصائية، أو العكس بتوليد فروق وهمية لا أصل لها في المجتمع.

توفر الآلة الحاسبة TI-84 أدوات استكشافية متقدمة لفحص سلامة البيانات واكتشاف القيم الشاذة قبل الشروع في حساب اختبار t؛ حيث تتيح ميزة المخططات الصندوقية المعدلة (Modified Boxplots) إمكانية رسم توزيع البيانات بيانياً وعزل القيم الشاذة كنقاط منفصلة خارج حدود سياج المخطط (Whiskers). كما يمكن الاستعانة بمخطط الاحتمال الطبيعي (Normal Probability Plot) المتاح في قائمة STAT PLOT لتقييم مدى تطابق توزيع البيانات مع التوزيع الطبيعي المتوقع.

عند ثبوت وجود قيم شاذة، يتعين على الباحث اتباع مسار منهجي صارم لمعالجتها؛ يبدأ بمراجعة سجلات الإدخال الأصلية للتأكد من عدم وجود أخطاء في الرصد أو الطباعة. فإذا كانت القيمة الشاذة صحيحة وتمثل جزءاً أصيلاً من الظاهرة، يمكن اللجوء إلى تقنيات التحويل الرياضي للبيانات (مثل التحويل اللوغاريتمي أو تحويل الجذر التربيعي)، أو استبعاد القيمة الشاذة مع ضرورة التوثيق الشفاف للمبررات العلمية في التقرير النهائي، أو التحول الكامل نحو استخدام الاختبارات اللامعلمية مثل اختبار ويلكوكسون للرتب الموقعة (Wilcoxon Signed-Rank Test) الذي لا يتأثر مطلقاً بالقيم المتطرفة.

3. صياغة الفرضيات الإحصائية وتحديد معالم القرار

3.1 بناء الفرضية الصفرية والفرضية البديلة

تبدأ أي دراسة استدلالية بصياغة دقيقة ومحكمة لزوج من الفرضيات الإحصائية المتعارضة والشاملة: الفرضية الصفرية (Null Hypothesis) والفرضية البديلة (Alternative Hypothesis). تمثل الفرضية الصفرية، التي يُرمز لها بالرمز (H₀)، فرضية “عدم وجود تأثير” أو “عدم وجود فرق”؛ حيث تنص في سياق اختبار t لعينة واحدة على أن المتوسط الحسابي الحقيقي للمجتمع (μ) يساوي تماماً القيمة المعيارية المرجعية المفترضة (μ₀)، وتُكتب رياضياً بالصيغة:

H₀: μ = μ₀

في المقابل، تعكس الفرضية البديلة، التي يُرمز لها بالرمز (H₁ أو H_a)، الفرضية البحثية التي يسعى الباحث لإثبات صحتها عند توفر الأدلة الكافية لرفض الفرضية الصفرية. تصاغ الفرضية البديلة وفق أحد ثلاثة أنماط رئيسية بناءً على طبيعة التساؤل البحثي والأدبيات النظرية السابقة:

• الفرضية البديلة ثنائية الاتجاه (Two-tailed / Non-directional): تفترض مجرد وجود اختلاف مطلق بين متوسط المجتمع والقيمة المرجعية دون تحديد مسبق لاتجاه هذا الاختلاف (H₁: μ ≠ μ₀). تُستخدم هذه الصيغة عندما يرغب الباحث في رصد أي تغير سواء كان بالزيادة أو النقصان.
• الفرضية البديلة أحادية الاتجاه العلوية (Right-tailed / Greater than): تفترض أن متوسط المجتمع أكبر دلالياً من القيمة المرجعية (H₁: μ > μ₀). تُطبق عادة عند اختبار فاعلية برامج تدريبية تهدف لرفع الإنتاجية أو أدوية تهدف لزيادة المناعة.
• الفرضية البديلة أحادية الاتجاه السفلية (Left-tailed / Less than): تفترض أن متوسط المجتمع أقل دلالياً من القيمة المرجعية (H₁: μ < μ₀). تُستخدم في دراسات تخفيض التكاليف أو تقليل أزمنة الاستجابة أو خفض مستويات التلوث.

3.2 تحديد مستوى الدلالة الإحصائية (Alpha Level)

يُمثل مستوى الدلالة الإحصائية (α) المعيار الكمي الصارم الذي يحدده الباحث مسبقاً قبل جمع البيانات لاتخاذ قرار برفض الفرضية الصفرية. يُعرَّف مستوى الدلالة بأنه أقصى احتمال مقبول للوقوع في الخطأ من النوع الأول (Type I Error)، وهو القرار الخاطئ برفض الفرضية الصفرية وهي في الواقع صحيحة (False Positive).

تتحدد القيمة المعيارية الأكثر شيوعاً لمستوى الدلالة في الأبحاث الاجتماعية والتربوية والإدارية عند (α = 0.05)، مما يعني أن هناك احتمالاً قدره 5% فقط بأن تكون الفروق الملاحظة ناتجة عن الصدفة العشوائية في المعاينة. بينما يتم اللجوء إلى معايير أكثر صرامة مثل (α = 0.01) أو (α = 0.001) في الأبحاث الحيوية الحساسة كالتجارب السريرية وتصنيع اللقاحات والهندسة النووية، حيث تكون تكلفة الوقوع في الخطأ من النوع الأول كارثية على الأرواح أو الموارد. وعلى النقيض، قد يُقبل مستوى (α = 0.10) في الدراسات الاستكشافية الميدانية الأولية.

يرتبط مستوى الدلالة ارتباطاً عكسياً بـ الخطأ من النوع الثاني (Type II Error – β)، وهو الفشل في رفض الفرضية الصفرية رغم كونها خاطئة في الواقع (False Negative). كما يحدد هذا المستوى قوة الاختبار الإحصائي (Statistical Power = 1 – β)؛ حيث إن تشديد قيمة α يقلل من فرصة الخطأ من النوع الأول ولكنه يزيد تلقائياً من احتمال الوقوع في الخطأ من النوع الثاني ما لم يتم تعويض ذلك بزيادة حجم العينة المستهدفة.

3.3 تحديد المنطقة الحرجة وقواعد القرار الإحصائي

ينقسم فضاء اتخاذ القرار في التوزيع التائي إلى منطقتين رئيسيتين: منطقة القبول (أو منطقة عدم الرفض) والمنطقة الحرجة (Critical Region / Rejection Region). تُفصل هاتان المنطقتان بواسطة القيمة الحرجة (Critical Value – t_crit) التي يتم استخراجها بناءً على مستوى الدلالة المختار (α)، واتجاه الاختبار (أحادي أو ثنائي)، ودرجات الحرية (df = n – 1). إذا وقعت القيمة التائية المحسوبة (t_calc) داخل المنطقة الحرجة، يتم رفض الفرضية الصفرية والاعتراف بوجود دلالة إحصائية.

مع تطور البرمجيات والآلات الحاسبة البيانية الحديثة كـ TI-84، انتقل التركيز المعياري في اتخاذ القرارات الإحصائية من المقارنة اليدوية بالقيم الحرجة إلى منهجية القيمة الاحتمالية (P-value Approach). تُعرَّف القيمة الاحتمالية (P-value) بأنها الاحتمال الدقيق للحصول على نتائج تجريبية تماثل على الأقل النتيجة الملاحظة في العينة أو تكون أكثر تطرفاً منها، بافتراض أن الفرضية الصفرية صحيحة تماماً.

تعتمد قاعدة القرار النهائية في الآلة الحاسبة TI-84 على القاعدة المعيارية الصارمة التالية:

• إذا كانت P-value ≤ α: نرفض الفرضية الصفرية (Reject H₀)، مما يشير إلى وجود فرق ذي دلالة إحصائية بين متوسط العينة ومتوسط المجتمع.
• إذا كانت P-value > α: نفشل في رفض الفرضية الصفرية (Fail to Reject H₀)، مما يعني أن البيانات المتاحة لا توفر أدلة كافية لإثبات وجود فرق حقيقي يتجاوز حدود التباين العشوائي.

4. واجهة الآلة الحاسبة TI-84 ومسارات الوصول لقائمة الاختبارات الإحصائية

4.1 التعرف على لوحة المفاتيح والوظائف الإحصائية في TI-84

تتمتع الآلة الحاسبة البيانية TI-84 بلوحة مفاتيح متطورة ومصممة هندسياً للوصول السريع إلى حزم البرمجيات المتقدمة. يُعد المفتاح [STAT]، الواقع في الصف الثالث من الأعلى في العمود الأوسط، البوابة الرئيسية لكافة العمليات الإحصائية والاستدلالية. بمجرد الضغط على هذا المفتاح، تنقسم الواجهة إلى ثلاثة تبويبات رئيسية علوية: قائمة التحرير [EDIT]، وقائمة الحسابات الوصفية [CALC]، وقائمة الاختبارات الاستدلالية [TESTS].

للتنقل الفعال بين هذه القوائم، يستخدم المستخدم مفاتيح الأسهم الزرقاء رباعية الاتجاهات (Arrow Keys) أعلى يمين اللوحة. كما يلعب المفتاح الأصفر [2nd] دوراً حيوياً في تنشيط الوظائف والأوامر الثانوية المطبوعة بلون مميز فوق المفاتيح الأساسية؛ مثل أمر [STAT PLOT] (عبر 2nd + Y=) لإعداد الرسوم البيانية الإحصائية، وقائمة القوائم [LIST] (عبر 2nd + STAT)، والوصول المباشر للقوائم الست الافتراضية [L1] إلى [L6] عبر الضغط على 2nd مصحوبة بالمفاتيح الرقمية من [1] إلى [6].

تعتمد شاشات الإدخال في TI-84 على نظام النماذج التفاعلية الموجهة؛ حيث ينتقل المؤشر تلقائياً بين حقول المعلمات بالضغط على مفتاح السهم السفلي [▼] أو مفتاح التثبيت [ENTER]. ولتأكيد خيار محدد بين خيارات متعددة في نفس السطر، يتم تحريك المؤشر فوق الخيار المطلوب ثم الضغط على [ENTER] ليصبح الخيار مميزاً بخلفية داكنة مظللة تعكس اعتماده البرمجي داخل الحسابات.

4.2 الوصول لقائمة TESTS وتحديد اختبار T-Test

للبدء في إعداد اختبار t لعينة واحدة، يجب اتباع مسار التنقل البرمجي التالي على الآلة الحاسبة:

• قم بتشغيل الآلة الحاسبة بالضغط على مفتاح [ON] أسفل يسار اللوحة.
• اضغط على مفتاح [STAT] لفتح الواجهة الإحصائية الرئيسية.
• اضغط على مفتاح السهم الأيمن [►] مرتين متتاليتين للتنقل أفقياً من تبويب [EDIT] ثم [CALC] وصولاً إلى تبويب [TESTS].
• ستظهر قائمة الاختبارات الاستدلالية المتاحة؛ حيث يحتل البند الأول اختبار z، بينما يمثل البند الثاني 2: T-Test… اختبار t لعينة واحدة المستهدف.
• قم بتمييز الرقم 2 باستخدام مفتاح السهم السفلي [▼] ثم اضغط على [ENTER]، أو اضغط مباشرة على المفتاح الرقمي [2] للولوج الفوري إلى شاشة إعدادات الاختبار.

عند فتح شاشة T-Test، تظهر نافذة متكاملة تضم سطور الإدخال التي تسمح بتهيئة معلمات المجتمع والعينة واختيار اتجاه الفرضية، وتقديم خياري المعالجة الحسابية (Calculate) والتمثيل البياني المباشر (Draw).

4.3 الفرق بين وضعي الإدخال: البيانات الخام (Data) والإحصاءات التلخيصية (Stats)

يوفر نظام التشغيل في TI-84 مرونة تحليلية فائقة من خلال توفير نمطين متميزين لإدخال البيانات يظهران في السطر الأول من نافذة الاختبار تحت مسمى Inpt: Data Stats. يعتمد اختيار الوضع المناسب تماماً على طبيعة المعلومات المتاحة لدى الباحث في سياق المسألة المطروحة:

وضع البيانات الخام (Data Mode): يُستخدم هذا الوضع عندما يمتلك الباحث مصفوفة من الملاحظات والدرجات الفردية الخام التي جُمعت من المشاركين أو العينات دون تلخيص مسبق. عند اختيار وضع Data، تطلب الآلة من المستخدم تحديد اسم القائمة المحتوية على البيانات (مثل List: L1)، ومعامل التكرار (Freq: 1). تتولى الآلة الحاسبة داخلياً وبشكل تلقائي حساب المتوسط الحسابي، والانحراف المعياري، وحجم العينة، وتمريرها مباشرة إلى معادلة اختبار t دون الحاجة لحسابها مسبقاً بشكل يدوي.

وضع الإحصاءات التلخيصية (Stats Mode): يُستخدم هذا الوضع في الحالات التي لا تتوفر فيها المفردات الفردية للبيانات، بل يقدم ملخصاً إحصائياً جاهزاً وموجزاً للعينة مستخرجاً من دراسات منشورة أو تقارير سابقة. عند تفعيل وضع Stats، تتغير شاشة الإدخال لتطلب بصورة مباشرة إدخال المتوسط الحسابي للعينة (x̄)، والانحراف المعياري للعينة (Sx)، والحجم الكلي للعينة (n). يتم التبديل البرمجي بين هذين الوضعين بتحريك المؤشر فوق الكلمة المطلوبة (Data أو Stats) ثم الضغط على مفتاح [ENTER] لتحديث حقول الإدخال فورياً.

5. إجراء الاختبار باستخدام البيانات الإحصائية التلخيصية (Stats Mode)

5.1 شرح المتغيرات المطلوبة في وضع Stats

عند تفعيل وضع Stats في السطر الأول وضغط [ENTER]، تتحول الشاشة لطلب أربعة معلمات عددية رئيسية يجب إدخالها بدقة متناهية لضمان صحة المخرجات:

• μ₀ (المتوسط المفترض للمجتمع): يمثل القيمة المرجعية الثابتة أو المعيار القياسي المقارن المحدد في الفرضية الصفرية (مثل 100 في اختبارات الذكاء أو 50 في درجات المعايير الوطنية). يجب إدخال هذه القيمة كرقم مجرد دون إشارات زائدة.
• x̄ (المتوسط الحسابي للعينة): القيمة الوسطية المحسوبة من بيانات العينة التجريبية (Sample Mean). يتم كتابتها بدقة مع مراعاة الفواصل العشرية باستخدام مفتاح النقطة [.] في لوحة الأرقام.
• Sx (الانحراف المعياري للعينة): يمثل الانحراف المعياري المحسوب للعينة (Sample Standard Deviation) مقسوماً على (n – 1). من الضروري الانتباه إلى استخدام انحراف العينة (s) وعدم إدخال انحراف المجتمع الإحصائي (σ).
• n (حجم العينة): العدد الكلي الصحيح للأفراد أو الوحدات التجريبية المستقلة التي خضعت للقياس داخل العينة. يجب أن يكون رقماً صحيحاً موجباً أكبر من 1.

يتم الانتقال بسلاسة بين هذه الحقول عبر الضغط على مفتاح السهم السفلي [▼] بعد طباعة كل قيمة، مع إمكانية استخدام مفتاح [CLEAR] أو [DEL] لتصحيح أي رقم تم إدخاله بطريق الخطأ قبل الانتقال للسطر الموالي.

5.2 تحديد اتجاه الفرضية البديلة في واجهة الإدخال

يحتل سطر تحديد اتجاه الفرضية البديلة، والمكتوب بالصيغة μ: ≠μ₀ <μ₀ >μ₀، موقعاً مفصلياً في ضبط خوارزمية الاختبار؛ حيث يوجه الآلة الحاسبة لتحديد مساحة الذيل المناسبة لحساب القيمة الاحتمالية بدقة رياضية كاملة. يؤدي الاختيار الخاطئ في هذا السطر إلى مضاعفة القيمة الاحتمالية أو تقليصها للنصف بصورة تشوه النتائج بالكامل.

تتم عملية الضبط باتباع القواعد الإحصائية الآتية:

• خيار ≠μ₀ (الاختبار ثنائي الطرف – Two-tailed): حرك المؤشر فوق الرمز ≠μ₀ واضغط [ENTER] إذا كانت الفرضية تبحث في مجرد وجود فرق معنوي (سواء بالزيادة أو النقصان). تقوم الآلة بحساب المساحة الاحتمالية في طرفي المنحنى التائي وجمعها معاً.
• خيار <μ₀ (الاختبار أحادي الطرف الأيسر – Left-tailed): حرك المؤشر فوق <μ₀ واضغط [ENTER] إذا كانت فرضية البحث تفترض أن متوسط العينة أقل دلالياً من المتوسط المرجعي للمجتمع. تُحسب المساحة الاحتمالية في الذيل الأيسر فقط.
• خيار >μ₀ (الاختبار أحادي الطرف الأيمن – Right-tailed): حرك المؤشر فوق >μ₀ واضغط [ENTER] إذا كانت الفرضية تنص على أن متوسط العينة يتفوق ويتجاوز القيمة المرجعية. تُحسب المساحة الاحتمالية تحت الذيل الأيمن للمنحنى.

5.3 خطوات التنفيذ والأمر Calculate

بعد التحقق التام من صحة كافة المدخلات الرقمية واختيار اتجاه الفرضية البديلة بدقة، يتم النزول بالمؤشر باستخدام مفتاح السهم السفلي [▼] إلى السطر الأخير في الشاشة والذي يحتوي على خياري التنفيذ: Calculate و Draw.

لتنفيذ المعالجة الحسابية الرقمية الفورية، يتم الوقوف على خيار Calculate والتأكد من وميض المؤشر فوقه، ثم الضغط على المفتاح [ENTER]. تُجري رقاقة المعالجة في TI-84 الحسابات الإحصائية في أجزاء من الثانية، وتنتقل الشاشة فوراً إلى صفحة المخرجات التحليلية النهائية التي تعرض القيمة التائية المحسوبة بدقة متناهية، والقيمة الاحتمالية الدقيقة (p-value)، مع إعادة عرض ملخصات العينة للتأكيد والمراجعة.

6. إجراء الاختبار باستخدام مصفوفة البيانات الخام (Data Mode)

6.1 إدخال وتنظيم البيانات الخام في محرر القوائم (STAT Edit)

عندما تتوفر لدى الباحث مصفوفة من الدرجات والملاحظات الفردية غير الملخصة، فإن الخطوة الأولى المنهجية تبدأ بإدخال هذه البيانات وتنظيمها داخل محرر القوائم الإحصائية بالآلة الحاسبة. يتم ذلك عبر الخطوات التقنية الآتية:

• اضغط على المفتاح الرئيسي [STAT]، وسيكون المؤشر تلقائياً فوق تبويب [EDIT].
• اضغط على مفتاح [ENTER] أو اضغط الرقم [1] لفتح محرر القوائم الإحصائية (1:Edit…).
• ستظهر شاشة الجداول المقسمة إلى أعمدة تحمل أسماء القوائم الافتراضية: L1, L2, L3، إلخ.
• تنبيه لتنظيف القوائم: إذا كانت القائمة L1 تحتوي على أرقام سابقة، حرك السهم العلوي [▲] حتى يتم تمييز اسم القائمة L1 في رأس العمود، ثم اضغط على مفتاح [CLEAR] متبوعاً بمفتاح [ENTER] لمسح البيانات بالكامل بأمان. (احذر من الضغط على مفتاح [DEL] أثناء الوقوف على اسم القائمة حتى لا يتم حذف العمود نفسه من المحرر).
• ابدأ في إدخال البيانات الميدانية رقماً تلو الآخر داخل القائمة L1؛ اكتب الرقم الأول ثم اضغط [ENTER] لينتقل المؤشر تلقائياً للخلية التالية، وكرر العملية حتى تنتهي من إدخال كافة المفردات بالكامل.

6.2 ضبط معلمات نافذة T-Test لوضع Data

بمجرد الانتهاء من رصد البيانات الخام داخل القائمة L1، يتم الانتقال إلى شاشة الاختبار الإحصائي باتباع الخطوات التالية:

• اضغط على مفتاح [STAT] ثم تحرك بالسهم الأيمن [►] إلى تبويب [TESTS]، واختر 2: T-Test بالضغط على [ENTER].
• في السطر الأول Inpt: حرك المؤشر فوق كلمة Data واضغط على مفتاح [ENTER] لتفعيل وضع البيانات الخام. ستلاحظ فوراً تغير الحقول المعروضة على الشاشة لتلائم التعامل مع القوائم.
• في حقل μ₀: أدخل القيمة المرجعية المفترضة للمجتمع المراد المقارنة بها.
• في حقل List: تأكد من ضبط اسم القائمة التي تحتوي على بياناتك (افتراضياً L1). إذا كانت البيانات في قائمة أخرى مثل L2، يمكنك تغييرها بالضغط على [2nd] ثم الرقم [2] لإدراج اسم القائمة L2.
• في حقل Freq: تأكد من أن القيمة المسجلة هي الرقم 1 (وهذا يعني أن كل رقم في القائمة يمثل ملاحظة واحدة مستقلة). لا تقم بتغيير هذا الرقم ما لم تكن تستخدم قائمة ترددات منفصلة.

6.3 تحديد الفرضية وتنفيذ الحسابات البيانية المباشرة

بعد ضبط القائمة والتردد، انتقل إلى سطر صياغة الفرضية البديلة (μ: ≠μ₀ <μ₀ >μ₀) وحدد الاتجاه المتوافق مع الفرضية البحثية بالضغط على [ENTER] فوق الخيار المناسب. بعد ذلك، يمكنك الاختيار بين مسارين للتنفيذ:

المسار الأول (Calculate): النزول بالسهم إلى خيار Calculate والضغط على [ENTER] للحصول على جدول رقمي يحتوي على قيم t المحسوبة، والقيمة الاحتمالية p، والمتوسط والانحراف المعياري وحجم العينة التي تم احتسابها آلياً من القائمة L1.

المسار الثاني (Draw): النزول بالسهم إلى خيار Draw والضغط على [ENTER]. يُعد هذا الخيار ميزة حصرية رائعة في أجهزة TI-84؛ حيث تقوم الآلة بمسح الشاشة ورسم منحنى توزيع t لستودنت بدقة متناهية، مع رسم خط رأسي يحدد موقع القيمة التائية المحسوبة على المحور الأفقي، وتظليل المساحة الواقعة في الذيل (أو الذيول) التي تعبر عن القيمة الاحتمالية، مع كتابة قيم t و p أسفل الرسم، مما يوفر تمثيلاً مرئياً جذاباً يعزز الفهم والتفسير العلمي للنتائج.

7. قراءة وتفسير شاشة المخرجات الإحصائية على الآلة الحاسبة

7.1 تفكيك عناصر شاشة النتائج

عند اكتمال الحسابات وظهور شاشة المخرجات الرئيسية، يواجه المستخدم مجموعة من الرموز والمعطيات الإحصائية التي يجب تفكيكها وتفسيرها منهجياً بدقة وفق الآتي:

• السطر الأول (صياغة الفرضية البديلة): يعرض السطر الأول تعبيراً مثل μ ≠ 50 أو μ > 50؛ وتكمن فائدته في التحقق والتأكيد على أن الآلة الحاسبة قد طبقت الاتجاه الصحيح للفرضية البديلة وفق ما قصده الباحث أثناء الإعداد.
• السطر الثاني (القيمة التائية المحسوبة – t): يعرض الرمز t = 2.458 (على سبيل المثال). تمثل هذه القيمة عدد الأخطاء المعيارية التي يبعد بها متوسط العينة عن متوسط المجتمع المفترض. تشير الإشارة الموجبة إلى أن متوسط العينة يتجاوز المتوسط المفترض، بينما تشير الإشارة السالبة إلى أنه يقل عنه.
• السطر الثالث (القيمة الاحتمالية – p): يعرض الرمز p = .0182؛ وهي القيمة الاحتمالية (P-value) الدقيقة الناتجة عن الاختبار. تُقارن هذه القيمة مباشرة بمستوى الدلالة (α) لاتخاذ القرار برفض أو عدم رفض الفرضية الصفرية.

ملاحظة تقنية حرجة حول التدوين العلمي (E-notation): في كثير من الأحيان، عندما تكون القيمة الاحتمالية صغيرة جداً وقريبة من الصفر، تعرض شاشة TI-84 النتيجة بالصيغة الأسية؛ على سبيل المثال: p = 3.452E-4. يقع الكثير من الطلاب في خطأ فادح بقراءة الرقم على أنه 3.45، في حين أن حرف E-4 يعني الضرب في (10^-4)، أي أن القيمة الاحتمالية الفعلية هي 0.0003452، وهي قيمة دالة إحصائياً بدرجة فائقة (p < 0.001).

7.2 المعالم الوصفية المرافقة في شاشة النتائج

تحتوي شاشة النتائج أيضاً على حزمة من المقاييس الوصفية المفيدة التي جرى احتسابها واستخدامها في صلب الاختبار، وتتضمن:

• x̄ (المتوسط الحسابي الفعلي للعينة): يقدم قيمة المركز للبيانات المدروسة، مما يتيح مقارنته الفورية بالمتوسط المرجعي μ₀ لتحديد المقدار المطلق للفرق بينهما.
• Sx (الانحراف المعياري المحسوب للعينة): يعكس درجة التشتت والتنوع في مفردات العينة حول متوسطها الحسابي، ويُستخدم كمدخل أساسي في تقييم دقة البيانات وحساب حجم التأثير اللاحق.
• n (حجم العينة الفعلي): يؤكد عدد الملاحظات والدرجات الصالحة التي تم تضمينها في الحسابات، ومن خلاله يتم استنتاج درجات الحرية الضمنية للاختبار عبر المعادلة البسيطة df = n – 1.

7.3 تفسير الرسم البياني الناتج عند استخدام أمر Draw

عند اختيار أمر Draw بدلاً من Calculate، تقدم الآلة الحاسبة تمثيلاً هندسياً بليغاً لاختبار الفرضيات. يظهر منحنى t لستودنت متماثلاً حول الصفر، ويتم تحديد موقع القيمة التائية المحسوبة (t) كنقطة فاصلة على المحور الأفقي.

تكمن الأهمية التحليلية للرسم في المنطقة المظللة (Shaded Region)؛ فإذا كانت المساحة المظللة صغيرة جداً وتكاد تختفي في أقصى أطراف المنحنى، فإن ذلك يعطي دلالة بصرية فورية على انخفاض القيمة الاحتمالية وصغرها الشديد مقارنة بمستوى المعنوية (p ≤ α)، مما يشير بوضوح إلى رفض الفرضية الصفرية ووقوع النتيجة في المنطقة الحرجة. أما إذا كانت المساحة المظللة واسعة وتغطي جزءاً ملموساً من جسم المنحنى، فهذا دليل بصري قاطع على كبر القيمة الاحتمالية والفشل في رفض الفرضية الصفرية. يُعد هذا التمثيل البصري وسيلة تعليمية مثالية لعرض النتائج في حلقات النقاش الأكاديمية والعروض التقديمية.

8. اتخاذ القرار الإحصائي وكتابة التقرير العلمي للنتائج

8.1 معايير اتخاذ القرار الإحصائي برفض أو قبول الفرضية الصفرية

بعد استخراج النتائج من شاشة TI-84، تبدأ مرحلة التفسير العلمي واتخاذ القرار الإحصائي وفق المعايير المنهجية المعتمدة. يعتمد القرار بالكامل على المقارنة الرياضية بين القيمة الاحتمالية (p-value) المستخرجة ومستوى الدلالة المختار سلفاً (α):

حالة رفض الفرضية الصفرية (Reject H₀): إذا كانت القيمة الاحتمالية أصغر من أو تساوي مستوى الدلالة (p ≤ α)، يُتخذ قرار حاسم برفض الفرضية الصفرية H₀ وقبول الفرضية البديلة H₁. يُفسر هذا القرار إحصائياً بوجود دليل علمي قوي يدعم فرضية البحث، وأن الفرق الملاحظ بين متوسط العينة والمتوسط المرجعي هو فرق حقيقي ذو دلالة إحصائية لا يمكن عزوه للصدفة العشوائية للمعاينة عند هذا المستوى من الثقة.

حالة الفشل في رفض الفرضية الصفرية (Fail to Reject H₀): إذا كانت القيمة الاحتمالية أكبر من مستوى الدلالة (p > α)، يُتخذ قرار منهجي بعدم رفض الفرضية الصفرية. يجب التأكيد لغوياً وعلمياً على استخدام عبارة “الفشل في الرفض” بدلاً من القول بـ “قبول الفرضية الصفرية أو إثبات صحتها”؛ فالإحصاء الاستدلالي لا يثبت صحة الفرضية الصفرية بشكل مطلق، بل يعلن فقط أن البيانات التجريبية المتوفرة في العينة الحالية لم تقدم أدلة كافية تدعو للتخلي عنها.

8.2 حساب حجم التأثير (Effect Size – Cohen’s d)

لا يكتمل التحليل الإحصائي الرصين بمجرد إعلان الدلالة الإحصائية (Statistical Significance)؛ فالقيمة الاحتمالية شديدة التأثر بحجم العينة، حيث يمكن لعينات ضخمة جداً أن تُظهر فروقاً تافهة عملياً على أنها دالة إحصائياً. من هنا تنبع الضرورة العلمية لحساب حجم التأثير (Effect Size) باستخدام مؤشر كوهين دي (Cohen’s d) لتقييم الأهمية العملية والسريرية للفروق المكتشفة.

لا تحسب الآلة الحاسبة TI-84 قيمة Cohen’s d تلقائياً في شاشة T-Test، ولكن يمكن حسابها يدوياً في ثوانٍ معدودة باستخدام القيم الوصفية الظاهرة على شاشة النتائج عبر الصيغة الرياضية التالية:

d = |x̄ – μ₀| / Sx

حيث يمثل البسط الفرق المطلق بين متوسط العينة ومتوسط المجتمع المرجعي، ويمثل المقام الانحراف المعياري للعينة. يتم تفسير حجم التأثير وفق المحكات الإرشادية القياسية التي وضعها عالم الإحصاء جاكوب كوهين (Jacob Cohen) على النحو الآتي:

• تأثير صغير (Small Effect): عندما تكون قيمة d &approx; 0.20، مما يشير إلى وجود فرق طفيف محدود الأهمية العملية.
• تأثير متوسط (Medium Effect): عندما تكون قيمة d &approx; 0.50، وهو فرق ملموس وواضح يمكن ملاحظته بالعين المجردة في الممارسات التطبيقية.
• تأثير كبير (Large Effect): عندما تكون قيمة d ≥ 0.80، مما يدل على وجود فرق جوهري وقوي جداً يحمل أثراً عملياً بالغ الأهمية.

8.3 صياغة التقرير الإحصائي وفق دليل الجمعية الأمريكية لعلم النفس (APA Style)

تتطلب كتابة الأوراق العلمية والأطروحات الأكاديمية توثيق نتائج اختبار t بدقة وأناقة باتباع إرشادات دليل النشر المعتمد من جمعية علم النفس الأمريكية (APA Style – 7th Edition). يتضمن القالب القياسي لعرض النتائج ذكر الرمز الإحصائي متبوعاً بدرجات الحرية بين قوسين، وقيمة t المحسوبة مقربة لرقمين عشريين، والقيمة الاحتمالية الدقيقة مقربة لثلاثة أرقام عشرية، وقيمة حجم التأثير، وفق الصيغة:

t(df) = [value], p = [value], d = [value]

وفيما يلي نماذج تطبيقية لصياغة الفقرة التفسيرية باللغة الأكاديمية الرصينة:

نموذج 1 (في حال وجود دلالة إحصائية):
“أظهرت نتائج اختبار t لعينة واحدة وجود فرق ذي دلالة إحصائية بين متوسط درجات تحصيل العينة (x̄ = 78.45, Sx = 8.12) والمتوسط المعياري المعتمد للمجتمع (μ₀ = 70.00)، حيث بلغت قيمة t(29) = 5.70, p < .001, d = 1.04. تشير هذه النتائج إلى أن المنهج التعليمي المطور قد ساهم بشكل جوهري وبحجم تأثير كبير في رفع كفاءة التحصيل الأكاديمي للطلاب.”

نموذج 2 (في حال غياب الدلالة الإحصائية):
“أشارت نتائج التحليل الإحصائي لاختبار t لعينة واحدة إلى عدم وجود فرق ذي دلالة إحصائية بين متوسط استهلاك الوقود الفعلي (x̄ = 21.29, Sx = 5.78) والمعيار المفترض من المصنع البالغ 20 ميل/غالون، حيث بلغت قيمة t(73) = 1.92, p = .059, d = 0.22. وبناءً على ذلك، تفشل الدراسة في رفض الفرضية الصفرية عند مستوى دلالة α = 0.05.”

9. حساب فترات الثقة (Confidence Intervals) المرافقة للاختبار على TI-84

9.1 العلاقة الوثيقة بين اختبار t وفترات الثقة لمتوسط المجتمع

تمثل فترات الثقة (Confidence Intervals – CI) الوجه الآخر المكمل لاختبارات الفرضيات الإحصائية في الاستدلال البارامتري. تعبر فترة الثقة عن نطاق من القيم المتصلة التي يُحتمل، بدرجة ثقة محددة (مثل 95% أو 99%)، أن يقع المتوسط الحقيقي للمجتمع (μ) ضمن حدودها الدنيا والعليا.

توجد علاقة تطابق رياضي كاملة بين اختبار t ثنائي الطرف عند مستوى دلالة (α) وفترة ثقة t المقابلة المحسوبة بدرجة ثقة (1 – α) × 100%. فإذا أسفر اختبار t عند (α = 0.05) عن رفض الفرضية الصفرية (H₀: μ = μ₀)، فإن فترة الثقة المقابلة بمستوى 95% لن تشتمل مطلقاً على القيمة المرجعية μ₀ بين حديها. وعلى النقيض، إذا فشل الاختبار في رفض الفرضية الصفرية، فإن القيمة المفترضة μ₀ ستقع حتماً داخل نطاق فترة الثقة 95%. يتيح هذا الترابط للباحثين استخدام فترات الثقة كأداة استدلالية قاطعة لاختبار الفرضيات وتقدير المعالم في آن واحد.

9.2 خطوات تنفيذ اختبار TInterval على الآلة الحاسبة

تتضمن الآلة الحاسبة TI-84 برمجية مخصصة لحساب فترات الثقة التائية لمتوسط المجتمع تُعرف بأمر TInterval. يمكن تشغيل هذه الوظيفة باتباع الخطوات التالية:

• اضغط على مفتاح [STAT] ثم تحرك بالسهم الأيمن [►] إلى تبويب [TESTS].
• انزل بالقائمة حتى تصل إلى الخيار رقم ثمانية 8: TInterval… ثم اضغط على مفتاح [ENTER].
• اختر وضع الإدخال المناسب في السطر الأول Inpt: سواء كان Data (إذا كانت لديك بيانات في L1) أو Stats (إذا كانت لديك ملخصات: x̄, Sx, n).
• أدخل المعالم المطلوبة أو تأكد من مطابقتها لمعطيات مسألتك.
• في سطر مستوى الثقة C-Level:، اكتب مستوى الثقة المطلوب في صورة كسر عشري (مثلاً 0.95 لمستوى ثقة 95%، أو 0.99 لمستوى ثقة 99%).
• انزل بالسهم إلى خيار Calculate واضغط على مفتاح [ENTER].

ستعرض الشاشة النتيجة الفورية بصيغة زوج مرتب بين قوسين: (الحد الأدنى, الحد الأعلى) يمثلان حدي فترة الثقة التائية لمتوسط المجتمع، متبوعة بالمتوسط الحسابي والانحراف وحجم العينة.

9.3 المقارنة التحليلية بين قرارات T-Test ونتائج TInterval

يوفر الجمع بين مخرجات T-Test و TInterval رؤية بانورامية متكاملة للباحث؛ فبينما يخبرنا اختبار الفرضيات بما إذا كان هناك فرق دال إحصائياً أم لا (قرار ثنائي: نعم/لا)، توفر فترة الثقة معلومات ثرية حول دقة التقدير الإحصائي (Precision of Estimation) ومقدار التباين المحتمل في المجتمع. يعكس طول فترة الثقة (الفرق بين الحد الأعلى والأدنى) درجة اليقين العلمي؛ فكلما كانت الفترة ضيقة ومحكمة، دل ذلك على كبر حجم العينة ودقة التقدير الإحصائي، في حين تعكس الفترات الواسعة جداً تبايناً كبيراً وضعفاً في دقة التنبؤ بالمعلمة المجهولة.

لهذا السبب، باتت الدوريات العلمية المحكمة والمؤسسات الأكاديمية الدولية (مثل APA و Nature) تشترط على الباحثين إدراج فترات الثقة جنباً إلى جنب مع قيم t و p؛ لتمكين القارئ من تقييم الحجم الحقيقي للتأثير والاطلاع على أسوأ وأفضل السيناريوهات المتوقعة للمتوسط الحقيقي في المجتمع.

10. أمثلة تطبيقية وحالات دراسية مفصلة خطوة بخطوة

10.1 دراسة حالة 1: كفاءة استهلاك الوقود (بيانات تلخيصية – اختبار ثنائي الطرف)

طرح المسألة: يدعي مصنع سيارات حديثة أن متوسط كفاءة استهلاك الوقود لطراز جديد يبلغ تماماً 20 ميلاً لكل غالون (μ₀ = 20 mpg). قامت وكالة حماية بيئية مستقلة باختبار عينة عشوائية مكونة من 74 سيارة من هذا الطراز، فأسفرت الاختبارات عن متوسط كفاءة استهلاك بلغ (x̄ = 21.29 mpg) بانحراف معياري قدره (Sx = 5.78 mpg). المطلوب: اختبار ما إذا كان متوسط استهلاك هذا الطراز يختلف دلالياً عن معيار المصنع عند مستوى معنوية (α = 0.05).

صياغة الفرضيات:

• الفرضية الصفرية: H₀: μ = 20
• الفرضية البديلة: H₁: μ ≠ 20 (اختبار ثنائي الطرف)

خطوات التنفيذ على TI-84:

1. اضغط [STAT] ← توجه إلى [TESTS] ← اختر 2: T-Test.
2. اضبط Inpt: على Stats واضغط [ENTER].
3. أدخل المعالم: μ₀: 20 | x̄: 21.29 | Sx: 5.78 | n: 74.
4. في سطر الفرضية μ: اختر ≠ μ₀ واضغط [ENTER].
5. اختر Calculate واضغط [ENTER].

المخرجات المستخرجة من الشاشة:

• t = 1.9194
• p = 0.05886
• df = 74 – 1 = 73

القرار والتفسير العلمي: بما أن القيمة الاحتمالية المحسوبة (p = 0.0589) أكبر من مستوى الدلالة المحدد (α = 0.05)، فإننا نفشل في رفض الفرضية الصفرية. التقرير وفق APA: t(73) = 1.92, p = .059. لا توجد أدلة إحصائية كافية تثبت أن متوسط كفاءة استهلاك الوقود يختلف عن 20 ميلاً للغالون عند مستوى ثقة 95%.

10.2 دراسة حالة 2: تقييم درجات اختبار قلق نفسي (بيانات خام – اختبار أحادي الطرف)

طرح المسألة: صمم أخصائي علاج نفسي برنامجاً تدريبياً قائماً على اليقظة الذهنية لخفض مستويات القلق لدى الطلاب الجامعيين. المعدل الوطني المعياري لدرجات مقياس القلق المعتمد هو (μ₀ = 50 درجة). بعد تطبيق البرنامج على عينة عشوائية من 15 طالباً، سُجلت درجات القلق الخام كالآتي: [45, 48, 42, 49, 44, 41, 46, 52, 43, 40, 47, 45, 42, 48, 39]. المطلوب: اختبار ما إذا كان البرنامج ينجح في خفض مستويات القلق دلالياً عن المعدل الوطني عند (α = 0.01).

صياغة الفرضيات:

• الفرضية الصفرية: H₀: μ = 50
• الفرضية البديلة: H₁: μ < 50 (اختبار أحادي الطرف الأيسر)

خطوات التنفيذ على TI-84:

1. اضغط [STAT] ← اختر 1: Edit… ← امسح القائمة L1 ثم أدخل القيم الـ 15 بدقة.
2. اضغط [STAT] ← [TESTS] ← 2: T-Test.
3. اضبط Inpt: على Data.
4. أدخل: μ₀: 50 | List: L1 | Freq: 1.
5. في سطر الفرضية μ: اختر < μ₀ واضغط [ENTER].
6. اختر Calculate واضغط [ENTER].

المخرجات المستخرجة من الشاشة:

• x̄ = 44.733
• Sx = 3.674
• t = -5.553
• p = 3.51E-5 (أي p = 0.0000351)
• n = 15 (df = 14)

حساب حجم التأثير: d = |44.733 – 50| / 3.674 = 5.267 / 3.674 = 1.43 (تأثير ضخم جداً).

القرار والتفسير العلمي: بما أن القيمة الاحتمالية (p < 0.001) وهي أصغر بكثير من مستوى المعنوية (α = 0.01)، فإننا نرفض الفرضية الصفرية بثقة تامة. التقرير وفق APA: t(14) = -5.55, p < .001, d = 1.43. نجح برنامج التدريب القائم على اليقظة الذهنية في خفض درجات القلق لدى المشاركين بصورة دالة إحصائياً وبحجم تأثير سريري بالغ الأهمية.

10.3 دراسة حالة 3: تطبيق سريري في زمن الاستجابة الحركية (حساب حجم التأثير وفترة الثقة)

طرح المسألة: في دراسة عصبية حركية، تم قياس زمن الاستجابة العصبية (بالميلي ثانية) لدى عينة سريرية من 25 مريضاً خضعوا لبروتوكول علاجي تأهيلي جديد. المعيار المرجعي الزمني للأداء الطبيعي هو (μ₀ = 250 ms). أظهرت بيانات العينة الملخصة: (n = 25, x̄ = 238.4 ms, Sx = 18.2 ms). المطلوب: إجراء اختبار t ثنائي الطرف عند (α = 0.05)، واستخراج فترة الثقة المقابلة 95% عبر الآلة الحاسبة TI-84، وكتابة تقرير تحليلي سريري متكامل.

خطوات التنفيذ المتكاملة:

1. تشغيل T-Test: من [STAT] ← [TESTS] ← 2: T-Test، أدخل: μ₀: 250, x̄: 238.4, Sx: 18.2, n: 25, الفرضية: ≠μ₀ ← Calculate.
   المخرجات: t = -3.1868, p = 0.00395 (p = 0.004), df = 24.
2. تشغيل TInterval: من [STAT] ← [TESTS] ← 8: TInterval، أدخل: Stats, x̄: 238.4, Sx: 18.2, n: 25, C-Level: 0.95 ← Calculate.
   المخرجات: فترة الثقة 95% هي: (230.88, 245.92).
3. حساب حجم التأثير كوهين: d = |238.4 – 250| / 18.2 = 11.6 / 18.2 = 0.637 (تأثير متوسط إلى كبير).

التقرير التحليلي الشامل:
“أثبتت التحليلات الاستدلالية وجود انخفاض دال إحصائياً في زمن الاستجابة الحركية لدى المرضى المعالجين مقارنة بالمعيار المرجعي، t(24) = -3.19, p = .004, d = 0.64. كما أكدت نتائج فترة الثقة 95% لمتوسط زمن الاستجابة الحقيقي، 95% CI [230.88, 245.92]، خلو النطاق تماماً من القيمة المعيارية المرجعية (250 ms)، مما يعزز الاستنتاج الإكلينيكي بفاعلية البروتوكول التأهيلي في تحسين سرعة التوصيل والاستجابة العصبية الحركية.”

11. الأخطاء الشائعة واستكشاف المشكلات التقنية والإحصائية وإصلاحها

11.1 أخطاء إدخال البيانات والالتباس في الرموز

يقع العديد من مستخدمي الآلة الحاسبة TI-84 في أخطاء إدخال منهجية تؤدي إلى إفساد التحليل واستخراج نتائج خاطئة. من أبرز هذه الأخطاء الخلط بين الانحراف المعياري للعينة (Sx) والانحراف المعياري للمجتمع (σx)؛ فعند استخدام مخرجات الحسابات الوصفية (1-Var Stats)، تعرض الآلة كلا الرمزين. يجب دائماً اختيار القيمة المسجلة بجانب Sx لاختبار t، لأن σx يفترض أن البيانات تمثل مجتمعاً كاملاً ويقسم على n بدلاً من (n – 1)، مما يقلل من قيمة التشتت بصورة غير علمية.

خطأ شائع آخر يتمثل في تحديد اتجاه الفرضية البديلة بشكل خاطئ في شاشة الإدخال؛ حيث يقوم بعض الباحثين باختيار > بدلاً من < أو العكس، مما يؤدي إلى توليد قيمة احتمالية مكملة (1 – p) تشوه القرار بالكامل. كما يحدث ارتباك متكرر عند عدم تطابق القائمة المحددة في حقل List (كأن تكون محددة على L2 بينما البيانات الفعلية أُدخلت في L1)، مما يجعل الآلة تقرأ بيانات قديمة أو فارغة.

11.2 رسائل الخطأ الشائعة في الآلة الحاسبة وكيفية معالجتها

أثناء تشغيل الاختبارات الإحصائية، قد تتوقف الآلة الحاسبة وتعرض شاشات خطأ برمجية شهيرة. فيما يلي تفصيل لأهم هذه الرسائل وكيفية علاجها الفوري:

• خطأ ERR: DATA TYPE: يحدث هذا الخطأ عند إدخال قيمة نصية أو رمز غير عددي داخل حقول الإدخال الإحصائي، أو كتابة مصفوفة في حقل يتطلب رقماً مفرداً. الحل: اضغط على 1: Goto لتحديد موقع الحقل المسبب للخطأ وتصحيحه برقم صحيح.
• خطأ ERR: DIM MISMATCH: يظهر هذا الخطأ عند استخدام وضع Data مع وجود عدم تطابق بين أبعاد قائمة البيانات وقائمة التكرارات المحددة في حقل Freq. الحل: تأكد من ضبط حقل Freq: 1 إذا كنت تستخدم قائمة بيانات واحدة مفردة.
• خطأ ERR: STAT NO N (أو ERR: STAT): يحدث عند محاولة تشغيل الاختبار في وضع Data بينما القائمة المحددة (L1 مثلاً) فارغة تماماً ولا تحتوي على أي أرقام، أو عند إدخال حجم عينة (n ≤ 1) في وضع Stats. الحل: الدخول إلى STAT ← Edit والتأكد من وجود البيانات داخل القائمة الصحيحة.
• خطأ ERR: INVALID DIM: يحدث عادة بسبب تعارض في إعدادات الرسم الإحصائي (Stat Plots) عند محاولة تشغيل أمر Draw. الحل: اضغط على [2nd] ثم [Y=] (STAT PLOT) واختر 4: PlotsOff ثم اضغط [ENTER] لتعطيل كافة الرسومات المتعارضة قبل إعادة الاختبار.

11.3 أخطاء تفسير النتائج والتضليل الإحصائي

تتجاوز الأخطاء حدود المشكلات التقنية لتصل إلى سوء التفسير الإحصائي للمخرجات. الخطيئة الأكثر تكراراً هي إساءة قراءة التدوين العلمي للقيمة الاحتمالية؛ كأن يرى الطالب النتيجة p = 2.14E-4 فيظن أن p تساوي 2.14 وهي أكبر من 0.05، فيقرر عدم رفض الفرضية الصفرية، في حين أن القيمة الفعلية هي 0.000214 وهي دالة إحصائياً بأعلى المستويات.

يتمثل الخطأ المنهجي الثاني في الاعتقاد بأن عدم الدلالة الإحصائية يثبت صحة الفرضية الصفرية؛ فالفشل في رفض H₀ يعني فقط غياب الدليل الكافي في العينة المدروسة، وقد يعود ذلك لصغر حجم العينة وضعف قوة الاختبار الإحصائي (Low Statistical Power). وأخيراً، يُعد تجاهل فحص افتراضات الاختبار (مثل التوزيع الطبيعي واستقلالية البيانات) قبل إدخال الأرقام في TI-84 تضليلاً علمياً كبيراً؛ فالآلة الحاسبة أداة معالجة صماء ستُخرج أرقاماً حسابية دائماً بصرف النظر عن مدى شرعية وصحة تطبيق الاختبار على تلك البيانات.

12. أفضل الممارسات والنصائح المتقدمة للباحثين والطلاب

12.1 إدارة الذاكرة والنسخ الاحتياطي للقوائم في TI-84

عند التعامل مع مجموعات بيانات تجريبية كبيرة أو إجراء أبحاث ميدانية مستمرة، يصبح الحفاظ على سلامة البيانات المخزنة داخل قوائم TI-84 أولوية تقنية قصوى. توفر الآلة الحاسبة نظاماً متقدماً لإدارة الذاكرة يمكن الوصول إليه عبر الضغط على [2nd] ثم مفتاح الجمع [+] للدخول إلى قائمة [MEM].

لحماية القوائم الإحصائية من الحذف المفاجئ أثناء استبدال البطاريات أو إعادة الضبط العشوائي، يمكن أرشفة القوائم (Archive List) بنقلها من ذاكرة الوصول العشوائي (RAM) إلى ذاكرة القراءة فقط الفلاشية (ROM)؛ من خلال الدخول إلى MEM ← 2: Mem Mgmt/Delete ← 4: List، ثم وضع المؤشر بجانب القائمة والضغط على [ENTER] لتظهر بجانبها علامة النجمة (*) الدالة على أرشفتها وحمايتها من أي تعديل أو مسح غير مقصود.

وفي حال اختفاء أحد أعمدة القوائم الافتراضية (L1 إلى L6) من محرر الجداول نتيجة الضغط الخاطئ على مفتاح [DEL]، يمكن استعادة الهيكل القياسي الافتراضي للمحرر فوراً بالضغط على [STAT] ثم اختيار البند رقم خمسة 5: SetUpEditor والضغط على [ENTER]؛ ليتم إعادة بناء كافة القوائم في مواقعها الصحيحة دون فقدان البيانات المخزنة بداخلها.

12.2 التحقق المزدوج من النتائج ومقارنتها بالبرمجيات الإحصائية الكبرى

يُنصح الباحثون في مراحل إعداد الأطروحات العلمية باتباع بروتوكول التحقق المزدوج (Cross-Verification) لمطابقة المخرجات المستخرجة من TI-84 مع حزم التحليل الإحصائي الكبرى مثل IBM SPSS Statistics، ولغة البرمجة R، وبيئة Python (Scipy.stats).

تستخدم الآلة الحاسبة TI-84 خوارزميات حسابية عالية الدقة تصل إلى 14 رقماً عشرياً داخلياً مع تقريب النتيجة المعروضة إلى 10 خانات عشرية، مما يجعل نتائجها التائية وقيمها الاحتمالية متطابقة تطابقاً شبه تام مع المخرجات الاحترافية لبرمجية SPSS عند تطبيق اختبار One-Sample T Test. يسهم هذا التدقيق المقارن في بناء الثقة الأكاديمية التامة في البيانات، وتلافي أخطاء التقريب اليدوي، واكتشاف أي خلل في تهيئة البيانات قبل النشر النهائي في المجلات العلمية.

12.3 استراتيجيات الفحص الذاتي والتحقق السريع في الاختبارات الأكاديمية

أثناء خوض الامتحانات الأكاديمية القياسية المقيدة بالوقت (مثل اختبارات AP Statistics أو امتحانات الإحصاء الجامعية)، يحتاج الطالب إلى استراتيجيات ذهنية سريعة للفحص الذاتي للتأكد من منطقية النتائج الظاهرة على شاشة TI-84 قبل اعتمادها:

• فحص منطقية الإشارة الجبرية: قارن ذهنياً بين متوسط العينة (x̄) والمتوسط المفترض (μ₀). إذا كان x̄ > μ₀، فيجب حتماً أن تكون إشارة قيمة t موجبة. أما إذا كان x̄ < μ₀، فيجب أن تكون إشارة t سالبة قطعاً. إذا لاحظت تناقضاً، فهذا مؤشر مباشر على خطأ في إدخال ترتيب المعالم.
• التقدير الذهني التقريبي لقيمة t: قم بحساب الخطأ المعياري تقريبياً في ذهنك (SE &approx; s / √n)، ثم قسّم الفرق بين المتوسطين على هذا الخطأ المعياري. يجب أن تكون القيمة الظاهرة على شاشة الآلة قريبة جداً من تقديرك الذهني السريع.
• التحقق السريع من العلاقة بين t و p: كقاعدة إرشادية في العينات المتوسطة والكبيرة؛ إذا كانت القيمة المطلقة لـ |t| تتجاوز الرقم 2 (أو 2.5)، فإن القيمة الاحتمالية p ستكون في الغالب أصغر من 0.05 في الاختبارات ثنائية الطرف. وإذا تجاوزت |t| الرقم 3.5، فإن p ستكون قطعية الصغر (p < 0.001). يساعد هذا الربط البديهي في ضبط الإدراك وتجنب أخطاء قراءة الأرقام المكتوبة بالصيغة الأسية.

خاتمة

يُعد اختبار t لعينة واحدة أداة استدلالية بالغة القوة والأهمية في الترسانة المنهجية للباحثين والإحصائيين، حيث يتيح اختبار الفرضيات العلمية واتخاذ قرارات دقيقة وموضوعية حول معالم المجتمعات انطلاقاً من بيانات العينات المحدودة في ظل غياب الانحراف المعياري للمجتمع. وقد أثبتت الآلة الحاسبة البيانية TI-84 بمختلف إصداراتها أنها المنصة التعليمية والتحليلية المثالية التي تجمع بين الكفاءة الحسابية الفائقة والمرونة التطبيقية والتمثيل البياني البصري التفاعلي.

من خلال استيعاب الافتراضات الإحصائية الصارمة، وإتقان التنقل البرمجي بين وضعي البيانات الخام (Data) والإحصاءات التلخيصية (Stats)، والقدرة على القراءة الاحترافية لشاشات النتائج والقيم الاحتمالية وأحجام التأثير وفترات الثقة المرافقة، يستطيع الباحث والطلب الانتقال من مجرد إجراء حسابات روتينية إلى تقديم تحليلات إحصائية ناضجة وكتابة تقارير أكاديمية متكاملة وفق أرقى المعايير العلمية الدولية المعتمدة.

References

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Moore, D. S., Notz, W. I., & Fligner, M. A. (2021). The basic practice of statistics (9th ed.). W. H. Freeman and Company.
• Student [Gosset, W. S.]. (1908). The probable error of a mean. Biometrika, 6(1), 1–25. https://doi.org/10.1093/biomet/6.1.1
• Texas Instruments. (2020). TI-84 Plus CE graphing calculator guidebook. Texas Instruments Incorporated. https://education.ti.com/en/guidebooks
• Triola, M. F. (2022). Elementary statistics (14th ed.). Pearson.