مدى مجموعة البيانات

يمثل التحليل الإحصائي للبيانات السلوكية والكمية حجر الزاوية في فهم الظواهر المعقدة التي تحكم الطبيعة الإنسانية والعلوم التطبيقية؛ حيث لا تكتمل أي دراسة استكشافية أو وصفية دون الوقوف بدقة على معالم التوزيع وتحديد معالم النزعة والتشتت. ومن بين المنظومة المتكاملة لمقاييس التشتت، يبرز المدى الإحصائي (Range) كأبسط هذه الأدوات وأسرعها في تقديم لمحة شمولية فورية عن الفضاء العددي الذي تتحرك فيه الدرجات والاستجابات، مشكلاً العتبة الأولى التي يعبرها الباحث لإدراك مدى تباين العينة وتغاير مستوياتها.

تكمن الأهمية الإبستمولوجية لدراسة مدى مجموعة البيانات في كونه المعيار الأولي الذي يُنبئ الباحث عن الحدود القصوى والدنيا للظاهرة المقاسة، سواء كانت هذه الظاهرة تشير إلى درجات الذكاء، أو أزمنة الرجع في المهام المعرفية، أو درجات القلق والاكتئاب في العيادات النفسية. فعلى الرغم من بساطة فكرته الحسابية القائمة على الفرق المطلق بين الطرفين المتناقضين للتوزيع، إلا أن دلالاته الإحصائية والنفسية تتجاوز العمليات الرياضية المباشرة لتلامس قضايا جوهرية ترتبط بتجانس العينات، والقدرة التمييزية للاختبارات السيكومترية، ومدى استقرار النماذج التنبؤية في بيئات القياس الحقيقية.

يقدم هذا المرجع الأكاديمي الشامل دراسة مستفيضة ومتعمقة لمفهوم مدى مجموعة البيانات من كافة أبعاده الرياضية، والنفسية، والتطبيقية، مستعرضاً معادلاته في البيانات المبوبة وغير المبوبة، وتفاعله البصري مع أشكال التوزيع المختلفة، وتأثره بالقيم المتطرفة، إلى جانب استعراض طرائق حسابه وتفسيره عبر أشهر البرمجيات الإحصائية المتخصصة، وتوثيقه وفق المعايير الدولية لدليل النشر العلمي الصادر عن جمعية علم النفس الأمريكية، ليكون دليلاً نظرياً وتطبيقياً متكاملاً لطلاب الدراسات العليا والباحثين في شتى فروع العلوم السلوكية والإحصائية.

1. المفهوم النظري والرياضي لمدى مجموعة البيانات

1.1 التعريف الإحصائي الدقيق للمدى وطبيعته كمقياس تشتت

يُعرَّف المدى الإحصائي (Statistical Range) في أدبيات الإحصاء الوصفي والتحليلي بأنه المسافة الرياضية الكلية أو الفارق المطلق المباشر بين أكبر قيمة (Maximum Value) وأصغر قيمة (Minimum Value) مرصودة ضمن مجموعة بيانات رقمية مفردة أو مصفوفة قياس محددة. يرتكز المدى في جوهره البنيوي على قياس الامتداد الخارجي الأقصى للدرجات، موفراً بذلك قراءة مباشرة للمساحة العددية الإجمالية التي شغلتها استجابات أفراد العينة الخاضعة للقياس، وهو ما يجعله يختلف جذرياً عن مقاييس النزعة المركزية كالمتوسط والوسيط والمنوال التي تسعى بطبيعتها إلى تحديد نقطة التمركز والجاذبية المركزية للبيانات.

يحتل المدى موقعاً تأسيسياً فريداً ضمن هرم مقاييس التشتت؛ إذ يُصنف تاريخياً ومنهجياً كأول مقياس يُلقي الضوء على مقدار التباعد والانتشار، ممهداً الطريق لفهم تباين العينة قبل الخوض في حساب مقاييس التشتت الأكثر تعقيداً كالانحراف المتوسط، والتباين، والانحراف المعياري. وتتميز القيمة الناتجة عن حساب المدى بأنها تطابق بدقة وحدة قياس المتغير الأصلي المدروس دون أي تحويل تربيعي أو تركيبي؛ فإذا كانت البيانات تعبر عن ملي ثانية في قياس سرعة الاستجابة أو عن درجات خام في مقياس تحصيلي، فإن المدى يُعبَّر عنه بذات الوحدة المباشرة، مما يمنحه وضوحاً مفاهيمياً فورياً عند العرض المبدئي للبيانات وتفسيرها النظري.

تستند الأسس الإبستمولوجية لاعتماد المدى كمؤشر أولي للتباين بين الأفراد إلى المبدأ القائل بأن الحدود القصوى للظاهرة تمثل الإطار المرجعي الحاكم لحركتها؛ فعبر معرفة النقطة التي وصل إليها أعلى الأفراد إنجازاً والنقطة التي توقف عندها أدنى الأفراد أداءً، يستطيع الباحث صياغة فرضيات أولية حول مدى اتساع الفروق الفردية داخل المجتمع المدروس، والتحقق مما إذا كانت العينة المتاحة تغطي الطيف الكامل للسمة المقاسة أم أنها تعاني من انحسار وضيق مفتعل ناتج عن أخطاء المعاينة أو حدود أداة القياس السيكومترية ذاتها.

1.2 الدلالة النفسية والسلوكية لاتساع المدى وضيقه

في حقل القياس النفسي والتقييم السلوكي، لا يُنظر إلى المدى كرقم مجرد، بل كدلالة حيوية تعكس الطبيعة البنيوية للسمات النفسية والقدرات المعرفية قيد الفحص. يشير المدى الواسع للدرجات في اختبار نفسي معين إلى وجود عدم تجانس جوهري وتفاوت ملحوظ بين أفراد العينة؛ مما يعكس تنوعاً كبيراً في مستويات السمة، سواء كانت سمة شخصية كالانفتاح على الخبرة، أو قدرة عقلية كالاستدلال المجرد. يبرهن هذا الاتساع على أن الأداة السيكومترية تمتلك قدرة تفريقية عالية سمحت بإظهار الفروق الفردية بين المشاركين دون السقوط في فخ التكدس حول درجة واحدة، وهو ما يدعم صلاحية الاختبار للاستخدام في السياقات الانتقائية والتشخيصية الفارقة.

وعلى النقيض من ذلك، يحمل المدى الضيق دلالات سيكومترية وسلوكية مختلفة تماماً؛ إذ يعبر عن تجانس واستقرار نسبي في استجابات أفراد العينة، مشيراً إلى تقارب مستوياتهم المعرفية أو السلوكية حول نطاق محدود. ومع ذلك، قد ينطوي المدى المفرط في الضيق على تحذير منهجي للباحث الإكلينيكي أو التربوي؛ فقد يعود سببه إلى عيب في تصميم أداة القياس كأن تكون الأسئلة شديدة السهولة فتنتج “أثر السقف” (Ceiling Effect)، أو شديدة الصعوبة فتنتج “أثر الأرضية” (Floor Effect)، مما يمنع الأفراد من التمايز ويقيد المدى الطبيعي للظاهرة المقاسة بشكل مصطنع.

تتجلى الأهمية السلوكية لرصد المدى في قدرته على توجيه مسارات التنبؤ النفسي واتخاذ القرارات الإكلينيكية والتربوية الحاسمة؛ ففي البيئات المدرسية، يُلزم المدى الواسع في التحصيل المعلم بتطبيق استراتيجيات التعليم المتمايز لتغطية الفجوة بين المتفوقين والمتعثرين. بينما في العيادات النفسية، يُعد اتساع مدى تقلبات المزاج لدى المريض على مدار فترات التقييم مؤشراً تشخيصياً محورياً في التمييز بين اضطرابات المزاج أحادية القطب وثنائية القطب، مما يبرز الأثر المباشر لقراءة المدى على تصميم الخطط العلاجية وضبط التدخلات السلوكية بدقة وموثوقية عالية.

1.3 الخصائص الجبرية الأساسية لمقياس المدى

يخضع مقياس المدى لمجموعة صارمة من الخصائص والقواعد الجبرية المستمدة من النظريات الإحصائية الكلاسيكية، والتي تحدد كيفية تفاعله مع العمليات الرياضية المختلفة. من أبرز هذه الخصائص تأثره الانتقائي بالتحويلات الخطية؛ فعند إضافة مقدار ثابت (أو طرحه) من جميع مفردات مجموعة البيانات، تظل قيمة المدى ثابتة تماماً دون أي تغيير؛ نظراً لأن الثابت يُضاف إلى كل من القيمة العظمى والقيمة الصغرى بالتساوي، مما يؤدي إلى إلغائه جبرياً عند حساب الفرق بينهما. بينما عند ضرب جميع قيم البيانات في معامل عددي ثابت، فإن المدى يتأثر مباشرة ويُضرب في القيمة المطلقة لهذا المعامل، وهو ما يعكس استجابته المباشرة لعمليات التمدد والانكماش المقياسي للبيانات.

تتمثل إحدى الخصائص الجوهرية الأخرى للمدى في “خاصية عدم السلبية” (Non-negativity Property)؛ فالمدى الإحصائي لا يمكن بأي حال من الأحوال الحسابية أن يكون ذا قيمة سالبة، إذ إنه ناتج طرح القيمة الصغرى من القيمة العظمى، وحيث إن القيمة العظمى تكون دائماً أكبر من أو مساوية للقيمة الصغرى، فإن المدى يكون دائماً إما موجباً دالاً على وجود تباعد، أو صفراً في الحالة الاستثنائية التي تتطابق فيها كافة قيم العينة تطابقاً تاماً وينعدم فيها أي تشتت أو اختلاف بين الأفراد.

وعلى الرغم من هذه الأناقة الجبرية، تتجلى إحدى نقاط القصور النظري في اعتماد المدى الحصري على إحصاءات الترتيب الطرفية، وتحديداً الرتبتين الأولى والأخيرة، متجاهلاً كلياً كافة القيم والبيانات الواقعة بين هذين الحدين. ترتبط هذه الخاصية ارتباطاً وثيقاً بـ حجم العينة الإحصائية ونظريات العينات الاحتمالية؛ حيث أثبتت الدراسات الرياضية أن المدى المتوقع للعينة يميل تلقائياً إلى الاتساع مع زيادة حجم العينة (N)، نظراً لارتفاع احتمالية التقاط قيم أكثر تطرفاً من المجتمع الأصلي عند سحب عينات أكبر، مما يجعل مقارنة المدى بين عينات متفاوتة الحجم أمراً ينطوي على مخاطر منهجية جسيمة ما لم يتم ضبط هذه الفروق بمعاملات التصحيح اللازمة.

2. الصيغة الرياضية والخطوات المنهجية لحساب المدى

2.1 المعادلة الرياضية القياسية للمدى غير المبوب

تُعد المعادلة الرياضية لحساب المدى للبيانات غير المبوبة (Un-grouped Data) من أوضح الصيغ وأكثرها مباشرة في حقل التحليل الإحصائي، وتُكتب وفق الصياغة الجبرية المعيارية الآتية:

المدى (R) = القيمة العظمى (X_max) – القيمة الصغرى (X_min)

حيث يمثل الرمز (R) المدى الإحصائي، ويمثل (X_max) أعلى درجة تم رصدها في المجموعة، بينما يشير (X_min) إلى أدنى درجة مسجلة ضمن نفس المتغير. تتطلب هذه العملية المنهجية المرور بخطوات إجرائية منظمة لضمان الدقة الرياضية وتجنب أخطاء السهو؛ حيث تبدأ الخطوة الأولى بفرز وترتيب البيانات الخام ترتيباً تصاعدياً من الأصغر إلى الأكبر، أو تنازلياً من الأكبر إلى الأصغر، مما يتيح للباحث عزل وتحديد القيم الحدية المتطرفة على أطراف المصفوفة العددية بيسر تام ودون إغفال أي مفردة قياس.

يجب التمييز في الحساب بين البيانات المتقطعة (Discrete Data) والبيانات المستمرة (Continuous Data) التي تفرزها الاختبارات النفسية. ففي البيانات المتقطعة مثل عدد الاستجابات الصحيحة في اختبار لفظي، يتم تطبيق المعادلة بصورتها المباشرة دون تعديل. ولتوضيح ذلك، لنفترض أن باحثاً قام بقياس درجات الذكاء لعينة صغيرة مكونة من ثمانية مفحوصين، فكانت الدرجات كالآتي: [95، 102، 110، 88، 125، 100، 115، 90]. بعد الترتيب التصاعدي: [88، 90، 95، 100، 102، 110، 115، 125]. نستخرج القيمة الصغرى (88) والقيمة العظمى (125)، وبناءً عليه يكون المدى الحسابي: 125 – 88 = 37 درجة ذكاء، وهو ما يعكس الفاصل المطلق بين أداء أضعف وأقوى مفحوص في هذه العينة.

وفي مثال آخر يرتبط بقياس زمن الرجع السلوكي بالملي ثانية لمهمة انتباهية بصرية، كانت القياسات: [240، 255، 310، 225، 480، 260]. تكون القيمة الصغرى 225 ملي ثانية، والقيمة العظمى 480 ملي ثانية. يتم حساب المدى المباشر كالآتي: 480 – 225 = 255 ملي ثانية. يُظهر هذا المدى بوضوح مقدار الفارق الزمني الكلي بين أسرع استجابة حسية وأبطأ استجابة صدرت عن أفراد العينة، مما يوفر أساساً كمياً أولياً لمزيد من التحليلات الزمنية الدقيقة في علم النفس العصبي المعرفي.

2.2 حساب المدى الموسع أو المصحح للبيانات المتصلة

عند التعامل مع المتغيرات النفسية والتربوية المتصلة المستمرة (Continuous Variables) التي يتم قياسها بأدوات ذات تدريج كمي مستمر، يظهر قصور في المدى البسيط نظراً لإغفاله حقيقة أن الأرقام المسجلة تمثل مجالات وفترات قياس حقيقية وليست مجرد نقاط رياضية منفصلة. في هذه الحالة، تتطلب المنهجية الإحصائية المتقدمة استخدام ما يُعرف بـ “المدى الموسع أو المصحح” (Extended or Corrected Range)، والذي يستند إلى مفهوم الحدود الحقيقية للأعداد (Real Limits)؛ حيث يُفترض أن أي قيمة مسجلة تمثل مجالاً يمتد من نصف وحدة قياس أدنى من قيمتها إلى نصف وحدة قياس أعلى منها.

تُصاغ معادلة المدى المصحح للبيانات المتصلة على النحو الآتي:

المدى المصحح = الحد الحقيقي الأعلى للقيمة العظمى – الحد الحقيقي الأدنى للقيمة الصغرى

أو بصيغة مكافئة ومبسطة للبيانات المقربة لأقرب عدد صحيح:

المدى المصحح = (القيمة العظمى – القيمة الصغرى) + 1 وحدة قياس

تتجلى أهمية إضافة وحدة القياس الصغرى (أو الحدود الحقيقية) في ضمان التغطية الشاملة لكافة فترات القياس الممكنة للمتغير دون إسقاط الأطراف العشرية الضمنية. فعلى سبيل المثال، إذا كانت الدرجات المسجلة في اختبار الذاكرة العاملة تتراوح بين 10 و 30 درجة (مقربة لأقرب عدد صحيح)، فإن القيمة 30 تمتد حقيقة حتى 30.5، بينما القيمة 10 تبدأ من 9.5. بناءً على المدى البسيط، تكون النتيجة: 30 – 10 = 20 درجة، في حين أن المدى المصحح الدقيق يحسب كالآتي: 30.5 – 9.5 = 21 درجة (أو: (30 – 10) + 1 = 21 درجة).

تكتسب هذه المقارنة بين المدى البسيط والمدى المصحح أهمية محورية في أبحاث القياس النفسي السيكومتري الدقيقة والمعايرة المعيارية؛ حيث يمنع استخدام المدى المصحح تقليص المسافة الإحصائية الفعلية للمتغيرات، ويوفر تقديراً أكثر دقة للتباين الحقيقي الذي تم قياسه عبر أداة التقييم، لا سيما عندما تكون مصفوفة البيانات صغيرة الحجم وتتطلب ضبطاً صارماً لوحدات القياس المستمرة وتفادي أخطاء التقريب الحسابي التراكمية.

2.3 الأخطاء الشائعة في الحساب اليدوي لمدى البيانات

يقع العديد من الباحثين المبتدئين والمحللين الإحصائيين في جملة من الأخطاء المنهجية والحسابية الشائعة أثناء الاستخراج اليدوي لمدى البيانات، مما يترتب عليه استنتاجات مضللة حول مستوى تشتت العينة. ومن أبرز هذه الأخطاء الكلاسيكية، الخلط الشائع بين “أعلى تكرار” و”أعلى قيمة للمتغير”؛ حيث يتجه البعض بطريق الخطأ إلى البحث عن التكرار الأكبر في جداول التوزيع التكراري وطرح أدنى تكرار منه، بدلاً من التركيز على قيم المتغير الحقيقية في عمود الفئات أو الدرجات، وهو خطأ جوهري يحول مقياس تشتت الدرجات إلى مقارنة زائفة بين كثافات التكرار.

يتعلق الخطأ الشائع الثاني بإغفال الإشارات السالبة عند التعامل مع البيانات التي تحتوي على قيم سالبة، مثل درجات التغير السلوكي (Change Scores) أو مؤشرات الفروق بين الاختبار القبلي والبعدي. فعندما تكون القيمة الصغرى مساوية لـ (-15) والقيمة العظمى مساوية لـ (+20)، يقوم البعض بطرح القيم المطلقة ليحصل على (5)، في حين أن الحساب الجبري الصحيح يفرض مراعاة قاعدة الإشارات: [20 – (-15) = 20 + 15 = 35]، وهو ما يعكس المدى الكلي الحقيقي للمسافة بين النقطتين على خط الأعداد.

كما يبرز خطأ منهجي آخر يتمثل في تجاهل اختلاف وحدات القياس عند دمج درجات من مقاييس غير متجانسة وحساب المدى الإجمالي لها دون تحويلها إلى درجات معيارية موحدة، بالإضافة إلى الاعتماد العشوائي على القيم المقربة بشكل مسبق، مما يؤدي إلى ضياع الكسور العشرية الدقيقة التي قد تغير من قيمة المدى النهائي بشكل ملموس في الدراسات التي تعتمد على قياسات ميكرو-سلوكية فائقة الدقة كالأزمنة العصبية والقياسات البيوفسيولوجية.

3. التمثيل البياني لمدى البيانات في التوزيعات التكرارية

3.1 قراءة المدى واستخراجه من المخططات الصندوقية (Box Plots)

تُعد المخططات الصندوقية (Box Plots) التي ابتكرها عالم الإحصاء الشهير جون توكي واحدة من أرقى وأدق الأدوات البصرية لقراءة وتفسير المدى الإحصائي بجميع أبعاده. يتيح المخطط الصندوقي للباحث النفسي استخراج المدى الكلي للبيانات فورياً عبر تتبع الامتداد الكامل للمخطط من أدنى طرف في “الشاربين” (Whiskers) إلى أقصى طرف فيه، حيث تمثل النهاية الطرفية للشارب السفلي القيمة الصغرى للعينة (Min)، بينما تمثل النهاية الطرفية للشارب العلوي القيمة العظمى (Max)، وتكون المسافة الخطية الرابطة بين هذين الطرفين هي التجسيد البصري المباشر للمدى الكلي للبيانات.

يوفر المخطط الصندوقي ميزة استثنائية تتمثل في قدرته على تمكين العين من إجراء مقارنة بصرية سريعة وفاحصة بين المدى الإجمالي والمدى الربيعي الداخلي (Interquartile Range – IQR) الممثل بطول الصندوق الأوسط نفسه؛ مما يكشف للباحث ما إذا كان تشتت الدرجات ناتجاً عن انتشار متسق للبيانات عبر كامل المساحة، أم أنه تشتت ناتج عن تباعد الأطراف فقط مع تركز النصف الأوسط للبيانات في نطاق ضيق وحرج حول الوسيط الحسابي، وهو ما يعزز الفهم العميق لبنية الفروق الفردية داخل العينة.

علاوة على ذلك، يلعب المخطط الصندوقي دوراً بارزاً في الكشف البصري الفوري عن القيم المتطرفة والشاذة (Outliers) التي ترتسم كنقاط أو نجوم منفصلة خارج نطاق الشاربين؛ مما يوضح للباحث كيف أن هذه النقاط قد أدت إلى تمديد المدى الكلي للبيانات بشكل اصطناعي. وفي دراسات علم النفس المقارن والتجريبي، يُعد وضع مخططين صندوقيين متجاورين للمجموعة التجريبية والضابطة أفضل وسيلة بيانية للمقارنة التفاعلية بين اتساع مدى المجموعتين ومدى تماثل حدودهما السلوكية بعد تطبيق البرنامج العلاجي أو التعليمي المقترح.

3.2 تمثيل المدى في المدرجات والمضلعات التكرارية (Histograms & Polygons)

في المدرجات التكرارية (Histograms) والمضلعات التكرارية (Frequency Polygons)، يتجلى المدى الإحصائي بصرياً من خلال الامتداد الأفقي لقاعدة الشكل التكراري على محور السينات (X-axis). يمثل الفارق الأفقي بين بداية أول عمود تكراري يمثل الفئة الدنيا ونهاية آخر عمود تكراري يمثل الفئة العليا المدى الكلي للظاهرة، مما يمنح القارئ انطباعاً هندسياً فورياً عن السعة المكانية التي تستوطنها الدرجات في الفضاء العددي للقياس.

يتأثر المظهر البصري للمدى في هذه الرسوم بشكل التوزيع التكراري ذاته وخصائصه الالتوائية والتفرطحية؛ ففي التوزيع الاعتدالي المعياري المتماثل (Normal Distribution)، يمتد المدى بشكل متوازن على جانبي المتوسط الحسابي مشكلاً منحنى الجرس المألوف. أما في حالات التوزيع الملتوي التواءً موجباً (Positively Skewed)، يمتد المدى الأفقي نحو اليمين ليشكل ذيلاً طويلاً يسحبه عدد قليل من المفحوصين ذوي الدرجات المرتفعة جداً، بينما في التوزيع الملتوي التواءً سالباً (Negatively Skewed)، يمتد المدى يساراً نحو الدرجات الدنيا، مما يعكس اتساع المدى بفعل انخفاض أداء فئة محدودة من العينة.

تساعد قراءة المدى عبر المدرجات والمضلعات التكرارية في الكشف الحاسم عن “الفجوات البيانية” (Data Gaps) وانقطاعات التكرار؛ حيث قد يمتد المدى على مساحة واسعة من المحور الأفقي، ولكن بملاحظة الأعمدة يكتشف الباحث وجود مساحات شاسعة ذات تكرار صفري تنعدم فيها الدرجات بين التكتلات المختلفة للبيانات. يوضح هذا التمثيل الهام أن اتساع المدى في هذه الحالة لا يعكس توزيعاً متصلاً ومستمراً للسمة النفسية، بل قد يشير إلى انشطار العينة إلى مجموعتين فرعيتين متباينتين تماماً تتطلبان معالجة إحصائية منفصلة بدلاً من دمجهما الخاطئ في مدى كلي مضلل.

3.3 التمثيل عبر مخططات الساق والورقة والمخططات النقطية (Dot Plots)

توفر مخططات الساق والورقة (Stem-and-Leaf Displays) والمخططات النقطية (Dot Plots) وسيلة فريدة للتمثيل البياني تجمع بين دقة الأرقام الخام والوضوح الشكلي لتوزيع المدى. في مخطط الساق والورقة، يستطيع الباحث استخراج أطراف المدى بمجرد النظر الفاحص إلى السطر الأول والأخير في الجدول؛ حيث يقرأ القيمة الصغرى من أدنى ساق مقترنة بأصغر ورقة في السطر الافتتاحي، بينما يقرأ القيمة العظمى من أعلى ساق مقترنة بأكبر ورقة في السطر الختامي، مما يمكنه من حساب المدى بدقة متناهية دون فقدان أي معلومة من القيم الأصلية للبيانات النفسية.

أما في المخططات النقطية (Dot Plots)، فيتم تجسيد مدى مجموعة البيانات عبر انتشار النقاط وتراكمها على خط الأعداد الأفقي الأوحد. يظهر المدى كمسافة خطية مرئية تربط بين أقصى نقطة متطرفة على الجانب الأيسر للخط وأقصى نقطة متطرفة على الجانب الأيمن. يتيح هذا التمثيل البسيط والمباشر إمكانية تقييم كيفية تركز الكثافة العددية للعينة بالقرب من أحد أطراف المدى أو تشتتها المتساوي على طول الخط، وهو ما يقدم فائدة تعليمية وإكلينيكية كبرى في التقارير النفسية الفردية التي تتطلب شرح النتائج لغير المتخصصين مثل المرضى أو أولياء الأمور بطريقة بصرية سهلة وخالية من التعقيد الرياضي الجاف.

علاوة على ذلك، تكشف المخططات النقطية للباحث ما إذا كانت أطراف المدى الإحصائي مدعومة بكثافة نقطية حقيقية تمثل استجابات متكررة تعكس استقرار القياس عند الحدود، أم أنها أطراف هشة تستند إلى نقطة واحدة معزولة تماماً تبتعد بمسافة شاسعة عن باقي السلسلة، مما يساعد في التقييم الأولي لجودة البيانات وسلامة حدود التوزيع قبل الانتقال للمراحل المتقدمة من النمذجة الإحصائية.

4. المدى كمقياس للتشتت والتباين: الخصائص والمعايير

4.1 مفهوم التشتت وعلاقته بتجانس البيانات السلوكية

يُمثل التشتت (Dispersion) جوهر التحليل الإحصائي للظواهر السلوكية؛ إذ إن العلوم النفسية والتربوية والاجتماعية تقوم في الأساس على حقيقة وجود تباين وفروق فردية بين الكائنات الحية في استجاباتها وقدراتها وميولها. لا تعطي مقاييس النزعة المركزية بمفردها أي فكرة حقيقية عن طبيعة التكوين البنيوي للبيانات؛ فمجرد معرفة أن متوسط ذكاء مجموعتين من الطلاب هو (100) درجة لا يعني إطلاقاً أنهما متماثلتان في الأداء، إذ قد تكون المجموعة الأولى محصورة بين (95 و 105)، بينما تتشتت المجموعة الثانية على مدى هائل يمتد من (60 إلى 140). هنا يتدخل مفهوم التشتت ليحدد مقدار هذا التباعد والانتشار، ويُعد المدى الإحصائي الأداة الأولى التي توفر نظرة شمولية سريعة حول مقدار هذا التباعد الإجمالي بين المفحوصين.

ينبغي التمييز الدقيق بين التشتت المطلق (Absolute Dispersion) الذي يُعد المدى التقليدي ممثلاً أساسياً له مقاساً بنفس وحدات المتغير الأصلي، وبين التشتت النسبي (Relative Dispersion) الذي يجرد البيانات من وحداتها لمقارنة مجموعات مختلفة. إن اتساع مدى الدرجات في اختبار سيكومتري معين يرتبط ارتباطاً وثيقاً بظاهرة التمايز؛ فكلما كان مدى الدرجات واسعاً وموزعاً بصورة مقبولة، دل ذلك على أن بنود الاختبار نجحت في استثارة السلوك وتفريق الأفراد ذوي المستويات المرتفعة من السمة عن أولئك ذوي المستويات المنخفضة، مما يعزز الثقة في القوة التمييزية للأداة وملاءمتها للأهداف البحثية.

وعلى مستوى تجانس البيانات السلوكية، يرتبط المدى الصغير أو الضيق بارتفاع مستوى التجانس (Homogeneity) الداخلي للمجموعة، وهو ما يعد مطلباً مرغوباً في بعض السياقات التجريبية مثل التحقق من تكافؤ المجموعات قبل إدخال المتغير المستقل، ولكنه قد يكون عائقاً سيكومترياً في دراسات الصدق التنبئي؛ حيث يؤدي انحسار المدى وتقييده إلى ظاهرة إحصائية خطيرة تُعرف باسم “تقييد المدى” (Restriction of Range)، والتي تؤدي رياضياً إلى تقليص معاملات الارتباط بشكل مصطنع وخفض قيم الصدق الحقيقية للاختبارات النفسية.

4.2 السهولة الحسابية وسرعة التفسير كأبرز مزايا المدى

تتمثل أبرز المزايا الإجرائية لمقياس المدى في سهولته الحسابية الفائقة وانعدام أي تعقيد رياضي في استخراجه مقارنة بالمعادلات المطولة للتباين والانحراف المعياري التي تتطلب حساب الفروق عن المتوسط ثم تربيعها وقسمتها وأخذ الجذور التربيعية. يمكن لأي باحث أو فاحص نفسي استخراج المدى في غضون ثوانٍ معدودة بمجرد تحديد أكبر وأصغر قيمة في السلسلة، مما يجعله أداة مثالية للتقييم الأولي الفوري في الميدان أو في جلسات الاختبار الإكلينيكي السريعة التي تتطلب اتخاذ قرارات لحظية غير معقدة.

ترتبط هذه السهولة الحسابية بميزة منهجية بالغة الأهمية وهي سهولة التواصل الإحصائي لنتائج المدى مع الفئات غير المتخصصة في الإحصاء؛ فعندما يكتب الباحث الإكلينيكي في تقريره النفسي أن “درجات المريض في اختبار المزاج تراوحت على مدى يتسع من 10 إلى 50 درجة”، يفهم القارئ العادي أو الطبيب المعالج أو ولي الأمر هذه النتيجة بصورة فورية وملموسة دون الحاجة إلى امتلاك خلفية رياضية حول مفاهيم الانحرافات التربيعية ومستويات الثقة الإحصائية المعقدة.

علاوة على ذلك، يكتسب المدى فائدة عملية محورية في الرصد السريع لجودة البيانات الميدانية والتحقق الأولي من خلوها من أخطاء الإدخال الرقمي (Data Entry Errors)؛ فعلى سبيل المثال، إذا كان المقياس المستخدم مصمماً لجمع إجابات تتراوح بين 1 و 5 درجات، ووجد الباحث أثناء الفحص الأولي السريع أن المدى المسجل هو: (99 – 1 = 98)، فإنه يدرك فوراً وجود خطأ إدخال كارثي تمثل في تسجيل الرقم (99) سهواً، مما يتيح له تصحيح مسار التحليل في اللحظة الأولى وقبل الشروع في العمليات الإحصائية المعقدة.

4.3 الحساسية المفرطة لحجم العينة والاعتماد الإحصائي

على الرغم من مزايا المدى وسهولته، يبرز قصور منهجي وإحصائي كبير يتمثل في حساسيته المفرطة لحجم العينة الإحصائية (Sample Size – N) واعتماده التام عليها. تؤكد النظريات الاحتمالية وإحصاءات الترتيب أن القيمة المتوقعة لمدى العينة (Expected Sample Range) تزداد تلقائياً وبشكل حتمي ومطرد مع زيادة حجم العينة المسحوبة من المجتمع ذاته، حتى لو ظل تباين المجتمع الأصلي ثابتاً دون أي تغير، والسبب في ذلك يعود إلى أنه كلما كبر حجم العينة زادت احتمالية اصطياد قيم نادرة ومتطرفة تقع في الذيول البعيدة للتوزيع السكاني العام.

يترتب على هذه الحساسية أن مدى العينة يُعد في حقيقته مقياساً متحيّزاً إحصائياً (Biased Estimator) لمدى المجتمع الإجمالي، فهو يميل دوماً إلى التقليل من شأن المدى الحقيقي للمجتمع عند استخدام عينات صغيرة الحجم، ويتسع كلما كبرت العينة؛ مما يجعل من الخطأ المنهجي الفادح مقارنة مدى مجموعتين مستقلتين تختلفان في أحجامهما (كأن نقارن مدى عينة تجريبية تتكون من 15 فرداً بمدى عينة معيارية تتكون من 1500 فرد)، حيث سيعود الفرق في المدى هنا إلى فروق المعاينة وليس إلى فروق التباين الحقيقية في السمة المقاسة.

للتغلب على هذه المشكلة في التطبيقات السيكومترية المتقدمة والإحصاء الهندسي ومراقبة الجودة، طوّر علماء الإحصاء معاملات تصحيح المدى المعيارية (Control Chart Constants – d2) التي تعتمد على حجم العينة لتحويل مدى العينة إلى تقدير غير متحيّز للانحراف المعياري للمجتمع، مما يبرز الضرورة الملحة لفهم القيود الرياضية الملازمة للمدى وعدم استخدامه بمعزل عن فهم شروط المعاينة وحجمها وتأثيرها على استقرار النتائج وموثوقيتها.

5. تطبيقات المدى في القياس والتقييم النفسي

5.1 تقييم تباين الأداء في مقاييس الذكاء والقدرات المعرفية

يُمثل مقياس المدى أداة تشخيصية فارقة في تحليل وتفسير نتائج مقاييس القدرات العقلية العامة والذكاء السيكومتري مثل مقياس وكسلر لذكاء الأطفال والبالغين ومقياس ستانفورد بينيه. في هذه السياقات، لا يكتفي الأخصائي النفسي بالحصول على نسبة الذكاء الكلية (Full Scale IQ)، بل يمتد تحليله الإكلينيكي إلى حساب مدى التشتت الداخلي للأداء عبر الاختبارات الفرعية المتعددة المكونة للمقياس (Subtest Scatter Range)، وذلك بحساب الفرق المطلق بين أعلى درجة معيارية حصل عليها المفحوص في أحد الاختبارات الفرعية (مثل الاستدلال اللفظي) وأدنى درجة حصل عليها في اختبار آخر (مثل سرعة المعالجة).

يُعد اتساع مدى التشتت الداخلي للقدرات لدى الفرد مؤشراً إكلينيكياً بالغ الحساسية يشير إلى عدم تجانس الأداء المعرفي؛ مما قد يوجه التقدير التشخيصي نحو وجود صعوبات تعلم محددة، أو اضطراب نقص الانتباه وفرط الحركة، أو حتى إصابات عصبية معرفية موضعية تؤثر على وظيفة دون أخرى. بينما يشير المدى الضيق لدرجات الاختبارات الفرعية إلى نمط معرفي متجانس ومتوازن في مختلف الوظائف العقلية، وهو ما يبرز القيمة التشخيصية المستقلة للمدى داخل الملف النفسي للفرد الواحد.

وعلى مستوى الدراسات الزمنية المعرفية في علم النفس العصبي، يُستخدم المدى لتحليل استقرار أزمنة الرجع (Reaction Time Range) في المهام الانتباهية والتنفيذية المحوسبة؛ حيث إن اتساع مدى زمن الاستجابة عبر المحاولات المتكررة للمفحوص الواحد يُعد علامة حاسمة على التذبذب الانتباهي والقصور في الضبط التنفيذي للجهاز العصبي المركزي، مما يبرهن على أن تباين المدى الزمني يمتلك دلالات سيكومترية تتجاوز مجرد حساب متوسط سرعة الاستجابة.

5.2 استخدام المدى في دراسات الشخصية والمقاييس الإكلينيكية

يمتد توظيف المدى بصورة واسعة إلى مجالات تقييم الشخصية والتشخيص الإكلينيكي المتقدم؛ حيث يُستخدم لتحديد وتتبع شدة الأعراض وتنوعها في المقاييس النفسية الموجهة لرصد اضطرابات مثل الاكتئاب، والوسواس القهري، واضطرابات القلق المعمم. يتيح حساب مدى الدرجات في جلسات التقييم الدوري عبر فترات زمنية متتابعة تتبع “المدى التغيري العلاجي” (Therapeutic Change Range)؛ إذ يمثل الفارق بين درجات التقييم القبلي والبعدي مؤشراً أولياً على مقدار التحسن أو التدهور السلوكي الذي طرأ على الحالة تحت مظلة العلاج النفسي أو الدوائي.

وفي تحليل استجابات مقاييس ليكرت (Likert Scales) المستخدمة في استبيانات الشخصية والاتجاهات، يمثل المدى وسيلة سيكومترية فعالة للكشف عن “أساليب الاستجابة” (Response Styles) المشوهة للقياس؛ فعندما يظهر المفحوص مدى استجابة كامل يتسع من (1 إلى 5) عبر كافة الأبعاد، فإن ذلك يشير إلى استخدامه للطيف الكامل للمقياس، في حين أن انحسار المدى في القيمة (3 فقط) يعكس ظاهرة أسلوب الحياد السلبي، بينما تركز المدى في القيمتين الطرفيتين (1 و 5) فقط مع استبعاد الخيارات الوسطى يشير إلى أسلوب الاستجابة المتطرفة (Extreme Response Style).

كما يُستخدم المدى في تقييم مدى موثوقية وتطابق المقيمين (Inter-rater Reliability) في العيادات النفسية؛ حيث يتم حساب مدى الفروق المطلقة بين درجات التقييم التي يمنحها أخصائيون مستقلون للمريض نفسه في مقابلة تشخيصية واحدة. إن ضيق المدى بين المقيمين يعزز الثقة في الموضوعية السيكومترية لأداة التقييم وثبات محكاتها التشخيصية، بينما يشير اتساع المدى إلى وجود غموض في بنود المقياس أو تباين في كفاءة وخلفيات الفاحصين الإكلينيكيين.

5.3 المدى في دراسات علم النفس التجريبي وضبط المتغيرات

في المختبرات السيكولوجية وعلم النفس التجريبي، يلعب المدى دوراً محورياً في المعايرة الدقيقة للمتغيرات التجريبية وضبطها؛ حيث يتولى الباحث تحديد وضبط “مدى شدة المثيرات” (Stimulus Intensity Range) سواء كانت مثيرات بصرية (كدرجات السطوع)، أو سمعية (كالترددات الصوتية بالديسيبل)، أو حسية لمسية، لضمان أن تقع جميعها ضمن الحدود العتبية المسموحة لـ الإدراك الحسي البشري دون تجاوزها إلى مناطق الألم أو الغياب التام للإحساس.

وفي أبحاث علم النفس الفسيولوجي والسلوكي العصبي، يُستخدم المدى لتحليل التباين في القياسات الفسيولوجية اللاإرادية كمدى التوصيل الجلدي الكهربائي (Galvanic Skin Response – GSR) ومدى التغير في معدل ضربات القلب (Heart Rate Variability Range) أثناء التعرض لمواقف الضغط النفسي الحاد أو الاسترخاء؛ مما يوفر قياساً دقيقاً لمدى استثارة الجهاز العصبي الودي ونظير الودي لدى الكائن الحي.

علاوة على ذلك، يُعد المدى الإحصائي الأداة الأولى المعتمدة لضمان التكافؤ الأولي بين المجموعات التجريبية والضابطة قبل إدخال المتغير المستقل؛ حيث يحرص الباحث التجريبي على التحقق من أن مدى المتغيرات الدخيلة (كالعمر الزمني، والمستوى التعليمي، وسنوات الخبرة) متقارب تماماً بين المجموعتين، لضمان عزل المتغيرات المربكة ومنع اتساع مداها غير المرغوب من تشويه الصدق الداخلي للتصميم التجريبي واستنتاجاته السببية.

6. أنواع المدى: المدى المطلق، والنسبي، والربيعي

6.1 المدى المطلق (Absolute Range) وتطبيقاته الأساسية

يمثل المدى المطلق (Absolute Range) الصورة الكلاسيكية المباشرة لمقياس المدى كما تم تفصيله مسبقاً، وهو يعبر عن المسافة الهندسية الصرفة بين الحدين المتطرفين للبيانات معبراً عنه بذات وحدات القياس الأصلية للمتغير المقاس (مثل: السنتيمترات، الثواني، درجات الاختبار، عدد الأخطاء). تكمن القوة التطبيقية للمدى المطلق في قدرته على تقديم دلالة فورية ملموسة وواقعية لسعة المتغير دون الحاجة إلى معالجات رياضية إضافية قد تجرد الرقم من واقعه التجريبي.

يُستخدم المدى المطلق بكفاءة عالية في مقارنة عينات متعددة بشرط أساسي وهو أن تكون هذه العينات قد تم قياسها باستخدام الأداة السيكومترية ذاتها وتحت ذات وحدات القياس؛ كأن نقارن مدى تباين درجات مادة الرياضيات بين شعبتين دراسيتين خضعتا لنفس الاختبار المقنن. في هذا السياق، يوفر المدى المطلق إجابة قاطعة وسريعة حول أي الشعبتين تمتلك تشتتاً كلياً أكبر في الدرجات.

ومع ذلك، تظهر المحدودية المنهجية الجسيمة للمدى المطلق عند محاولة مقارنة التشتت بين مجموعات تقاس بمتغيرات مختلفة كلياً في وحدات القياس؛ كأن يرغب الباحث في مقارنة تشتت الوزن (بالكيلوغرام) بتشتت الطول (بالسنتيمتر) لعينة من الرياضيين، أو مقارنة مدى درجات اختبار القلق (الذي يتراوح بين 0 و 30) بمدى درجات اختبار الذكاء (الذي يتراوح بين 40 و 160)؛ حيث يستحيل منطقياً ورياضياً إجراء مفاضلة باستخدام المدى المطلق نظراً للاختلاف الجذري في المقاييس المرجعية، مما استوجب ابتكار مقاييس تشتت نسبية تتجاوز هذه العقبة.

6.2 المدى النسبي ومعامل المدى (Coefficient of Range)

لتجاوز مأزق اختلاف وحدات القياس والمقاييس المرجعية، ابتكر الإحصائيون ما يُعرف بـ “المدى النسبي” أو “معامل المدى” (Coefficient of Range). يُعرَّف هذا المقياس بأنه نسبة لا بعدية (Dimensionless Ratio) تجرد البيانات من وحداتها الأصلية وتحول التشتت إلى نسبة مئوية يمكن مقارنتها عبر شتى المتغيرات والمجتمعات الإحصائية، وتُكتب معادلته الرياضية القياسية على النحو الآتي:

معامل المدى = (القيمة العظمى – القيمة الصغرى) / (القيمة العظمى + القيمة الصغرى)

أو بالرموز الجبرية المعيارية:

Coefficient of Range = (X_max – X_min) / (X_max + X_min)

تتراوح قيمة معامل المدى رياضياً بين الصفر (في حالة التطابق التام وانعدام التشتت) والواحد الصحيح (أو 100%)، مما يجعله معياراً موحداً فائق المرونة. ولتوضيح أهميته التطبيقية، لنفترض أن باحثاً يرغب في معرفة أي السمتين أكثر تشتتاً لدى مجموعة من المفحوصين: الاستجابة الفسيولوجية للقلق (حيث تراوحت الدرجات بين 10 و 50) أم الذكاء الوجداني (حيث تراوحت الدرجات بين 80 و 120). بحساب المدى المطلق، نجد أن كلاهما يساوي 40 درجة، مما قد يوحي خطأً بتساويهما في التشتت. ولكن بتطبيق معادلة معامل المدى:

• معامل مدى القلق الفسيولوجي = (50 – 10) / (50 + 10) = 40 / 60 = 0.67 (أي 67%).
• معامل مدى الذكاء الوجداني = (120 – 80) / (120 + 80) = 40 / 200 = 0.20 (أي 20%).

تكشف هذه النتيجة الدقيقة بوضوح أن تشتت القلق الفسيولوجي يفوق تشتت الذكاء الوجداني بأكثر من ثلاثة أضعاف عند نسبته لمجموع أطراف القياس، مما يجعل معامل المدى أداة منهجية لا غنى عنها في المقارنات النفسية العابرة للثقافات، ودراسات الفروق بين الجنسين عبر مقاييس متعددة المستويات والأبعاد.

6.3 المدى المئينى ونصف المدى الربيعي (Semi-Interquartile Range)

نظراً للحساسية المفرطة للمدى الكلي تجاه القيم الشاذة، برزت الحاجة الإحصائية إلى تطوير مقاييس مدى مجتزأة تركز على الأجزاء الداخلية الأكثر استقراراً في التوزيع، ومن أهمها المدى الربيعي (Interquartile Range – IQR) ونصف المدى الربيعي (Semi-Interquartile Range – SIQR المعروف أيضاً بالانحراف الربيعي). يُحسب المدى الربيعي بطرح الربيع الأول (المئين 25 – Q1) من الربيع الثالث (المئين 75 – Q3): [IQR = Q3 – Q1]، ليمثل بدقة المدى الذي يغطي النصف الأوسط (50%) الكامل للبيانات متجاهلاً الذيول الخارجية كلياً.

يُشتق نصف المدى الربيعي بقسمة المدى الربيعي على اثنين: [SIQR = (Q3 – Q1) / 2]. يتميز هذا المقياس بمتانة فائقة (Robustness) ومقاومة كاملة للتأثر بالقيم المتطرفة والشاذة؛ مما يجعله المقياس المفضل والأنسب للتشتت عند التعامل مع التوزيعات النفسية الملتوية التواءً حاداً أو التوزيعات اللامعلمية غير المتماثلة، حيث يقترن في العرض الإحصائي دائماً مع الوسيط كمقياس للنزعة المركزية.

وعلى نسق مماثل، يُستخدم “المدى العشيري” و”المدى المئيني” (Percentile Range 10-90) في بعض القياسات السيكومترية المتقدمة؛ حيث يُحسب عبر طرح المئين العاشر من المئين التسعين: [Range 10-90 = P90 – P10]، مما يسمح بتغطية 80% من النطاق المركزي للمفحوصين مع عزل النسبة الحدية (10% العليا و 10% الدنيا) التي يُشتبه في احتوائها على استجابات عشوائية أو أخطاء قياس غير منضبطة في الاستبيانات الميدانية الواسعة.

7. حساب المدى للبيانات المبوبة والتوزيعات التكرارية

7.1 طريقة الحدود الفعلية للفئات (True Class Boundaries)

عند تلخيص البيانات النفسية والتربوية الكبيرة في جداول تكرارية ذات فئات ومجموعات (Grouped Data)، يفقد الباحث القدرة على الوصول المباشر إلى القيم الفردية الأصلية للمفحوصين، مما يتطلب استخدام صيغ رياضية تقديرية لحساب المدى. تُعد طريقة “الحدود الفعلية للفئات” (True or Exact Class Boundaries) أدق الطرق الإحصائية وأكثرها قبولاً في المراجع المنهجية لحساب مدى البيانات المبوبة، نظراً لمراعاتها مبدأ الاستمرارية الرياضية لفترات القياس.

تعتمد هذه الطريقة على إيجاد الفارق المطلق بين الحد الفعلي الأعلى للفئة الأخيرة المفتوحة في الجدول والحد الفعلي الأدنى للفئة الأولى في الجدول، وتُصاغ رياضياً كالآتي:

المدى المبوب (R) = الحد الفعلي الأعلى للفئة العليا – الحد الفعلي الأدنى للفئة الدنيا

لتطبيق هذه الطريقة تطبيقاً عملياً، لنفترض وجود جدول تكراري يوضح توزيع درجات 100 مفحوص في اختبار الدافعية، وكانت الفئة الأولى المكتوبة في الجدول هي (20 – 29) والفئة الأخيرة هي (80 – 89). يتم استخراج الحدود الفعلية كما يلي:

• الحد الفعلي الأدنى للفئة الأولى (20 – 29) = 20 – 0.5 = 19.5
• الحد الفعلي الأعلى للفئة الأخيرة (80 – 89) = 89 + 0.5 = 89.5
• المدى المبوب التقديري = 89.5 – 19.5 = 70 درجة.

تضمن هذه الطريقة تغطية النطاق الاحتمالي الكامل الذي تنتمي إليه الدرجات داخل الفئات الطرفية؛ مما يوفر تقديراً متماسكاً وشاملاً لاتساع التوزيع التكراري، ويقلل من أخطاء التقدير الناتجة عن تجميع البيانات المفردة في فئات تكرارية مجملة.

7.2 طريقة مراكز الفئات (Class Midpoints)

تتمثل الطريقة التقليدية البديلة لحساب المدى للبيانات المبوبة في الاعتماد على “مراكز الفئات” (Class Midpoints). تستند هذه الطريقة إلى الافتراض الإحصائي الكلاسيكي القائل بأن مركز الفئة يمثل أفضل نقطة تركيز هندسية تعبر عن كافة التكرارات الواقعة داخل تلك الفئة، وتُصاغ معادلة المدى وفق هذه الطريقة كما يلي:

المدى المبوب (R) = مركز الفئة العليا – مركز الفئة الدنيا

حيث يُحسب مركز أي فئة بجمع حدها الأدنى إلى حدها الأعلى وقسمة الناتج على 2: [مركز الفئة = (الحد الأدنى + الحد الأعلى) / 2]. وبالتطبيق على المثال السابق للفئات (20 – 29) و (80 – 89):

• مركز الفئة الدنيا الأولى = (20 + 29) / 2 = 49 / 2 = 24.5
• مركز الفئة العليا الأخيرة = (80 + 89) / 2 = 169 / 2 = 84.5
• المدى بطريقة مراكز الفئات = 84.5 – 24.5 = 60 درجة.

بالمقارنة بين الطريقتين، يلاحظ الباحث وجود فرق ملحوظ بين نتيجة طريقة الحدود الفعلية (70) وطريقة مراكز الفئات (60). يعود هذا الفارق إلى أن طريقة مراكز الفئات تفترض أن البيانات في الفئات الطرفية متمركزة تماماً في الوسط الرياضي للفئة، مما يؤدي إلى تقليص المدى التقديري بمقدار يعادل طول فئة كاملة (Class Interval – h). وبشكل عام، تؤكد الدراسات السيكومترية أن طريقة الحدود الفعلية هي الأقرب إلى المدى الحقيقي للبيانات الأصلية الخام، في حين أن اتساع طول الفئة (h) يزيد من حجم الخطأ التقديري في طريقة مراكز الفئات بشكل تصاعدي.

7.3 إشكالية الجداول المفتوحة والبيانات المبوبة غير المكتملة

تواجه عملية حساب المدى في التوزيعات التكرارية مأزقاً رياضياً لا يمكن تجاوزه عند مواجهة “الجداول التكرارية المفتوحة” (Open-ended Frequency Tables)، وهي الجداول التي تكون فيها الفئة الأولى مفتوحة من الأسفل (مثل: “أقل من 20 درجة”)، أو الفئة الأخيرة مفتوحة من الأعلى (مثل: “80 درجة فأكثر”)، أو كلاهما معاً. تنشأ هذه الجداول بكثرة في المسوحات الوبائية والنفسية الديموغرافية الكبرى لاستيعاب الحالات النادرة أو الأعمار المتقدمة دون الحاجة لإنشاء فئات تكرارية فارغة متعددة.

تتمثل الإشكالية الرياضية القاطعة في أنه يستحيل منهجياً وحسابياً استخراج المدى (سواء بطريقة الحدود الفعلية أو مراكز الفئات) في هذه الجداول؛ نظراً للغياب التام للحد الأدنى الحقيقي للفئة الأولى أو الحد الأعلى الحقيقي للفئة الأخيرة، مما يجعل قيمة (X_max) أو (X_min) غير معرفة رياضياً (Indeterminate). إن أي محاولة لافتراض حدود وهمية أو إغلاق الفئات بشكل اعتباطي تُمثل تشويهاً للمنهجية العلمية وقد تُفضي إلى تقديرات زائفة لمدى الظاهرة المدروسة.

في مثل هذه الحالات المعقدة، يقضي البروتوكول الإحصائي الصارم بالامتناع كلياً عن استخدام المدى المطلق أو البسيط كمقياس للتشتت، والتحول المنهجي المباشر إلى استخدام المدى الربيعي (IQR) أو المدى المئيني؛ حيث إن حساب الربيعيات (Q1 و Q3) والمئينات يعتمد على مواقع التكرارات التراكمية في قلب التوزيع، والتي لا تتأثر مطلقاً بكون الأطراف مفتوحة أو مبتورة، مما يحافظ على الصدق الإحصائي للتحليلات النفسية والتربوية وسلامة استنتاجاتها.

8. تأثير القيم الشاذة والمتطرفة على موثوقية المدى

8.1 الحساسية القصوى للمدى تجاه القيم الشاذة (Outliers)

تُعد الحساسية المفرطة تجاه القيم الشاذة والمتطرفة (Outliers) العيب الهيكلي الأكثر خطورة في بنية مقياس المدى الإحصائي. نظراً لأن المدى يعتمد بالكامل وبشكل حصري على قيمتين اثنتين فقط من كامل مصفوفة البيانات (أعلى قيمة وأدنى قيمة)، فإنه يفتقر تماماً إلى خاصية “المتانة الإحصائية” (Statistical Robustness). ونتيجة لذلك، فإن وجود مفحوص واحد فقط تصرف بطريقة غير نمطية أو تعرض لخطأ قياس تقني يمكن أن يغير قيمة المدى كلياً، ويعطي صورة خادعة ومضللة عن تشتت المجموعة بأكملها.

لتوضيح هذه الظاهرة بدراسة حالة نفسية واقعية: لنفترض أن باحثاً طبق مقياساً لدافعية الإنجاز (تتراوح درجاته الطبيعية بين 0 و 100) على عينة متجانسة من 10 طلاب، وكانت الدرجات كالآتي: [50، 52، 53، 51، 54، 52، 50، 55، 53، 52]. نلاحظ هنا أن المدى الحقيقي للطلاب هو: 55 – 50 = 5 درجات، وهو مدى ضيق جداً يبرهن على تجانس تام في دافعية المجموعة. ولكن، إذا دخل مفحوص إضافي غير متعاون وضغط بشكل عشوائي أو حدث خطأ في إدخال بياناته فسُجلت له الدرجة (2)، تصبح مصفوفة الدرجات: [2، 50، 52، 53، 51، 54، 52، 50، 55، 53، 52].

بإعادة حساب المدى في وجود هذا الطالب الشاذ: 55 – 2 = 53 درجة! نرى كيف قفز المدى فجأة من (5) إلى (53) درجة بفعل مفردة واحدة شاذة، مما يُعطي انطباعاً زائفاً بأن العينة تعاني من تباعد وتشتت هائلين في الدافعية، بينما الحقيقة الساطعة هي أن 91% من أفراد العينة محصورون في نطاق ضيق لا يتجاوز 5 درجات. في المقابل، لو قمنا بحساب الانحراف المعياري أو نصف المدى الربيعي لنفس البيانات، لوجدنا أنهما تأثرا بشكل طفيف ومحدود جداً مقارنة بالانهيار التام الذي أصاب موثوقية المدى المطلق.

8.2 أساليب الكشف عن القيم الشاذة المؤثرة على المدى

نظراً للخطورة المنهجية التي تفرضها القيم الشاذة على صحة المدى وتفسيراته السلوكية، يجب على الباحثين اتباع إجراءات استكشافية صارمة لتحديد هذه النقاط وعزلها قبل اعتماد المدى في التحليل. من أبرز هذه الأساليب المنهجية استخدام التحويل إلى الدرجات المعيارية الزيائية (Z-scores)؛ حيث تُعد أي قيمة تزيد درجتها المعيارية عن (+3.0) أو تقل عن (-3.0) انحرافات معيارية عن المتوسط قيمة شاذة مشبوهة تستوجب الفحص والتدقيق في سياق التوزيع الاعتدالي.

كما يُعد “معيار المخطط الصندوقي لتيكي” (Tukey’s Fences) الأسلوب غير المعلمي الأكثر شيوعاً وموثوقية للكشف عن الأطراف المشوهة للمدى؛ حيث يتم تحديد حواجز الأمان الخارجية للبيانات باستخدام المدى الربيعي وفق القواعد الآتية:

• الحد الأدنى للقيم المقبولة = Q1 – (1.5 × IQR)
• الحد الأعلى للقيم المقبولة = Q3 + (1.5 × IQR)

تُصنف أي نقطة تسقط خارج هذه الحدود كقيمة شاذة خفيفة، في حين أن النقاط التي تقع خارج (3 × IQR) تُعد قيماً شاذة متطرفة جداً (Extreme Outliers). إضافة إلى هذه الطرق الرياضية، يلعب الفحص البصري لمنحنيات الكثافة، وفحص سجلات زمن الاستجابة في الاستبيانات الإلكترونية (كاستبعاد المشاركين الذين أكملوا استبياناً مدته نصف ساعة في دقيقة واحدة فقط) دوراً محورياً في تمييز القيم الشاذة الحقيقية الناتجة عن التباين الإنساني الأصيل عن تلك الناتجة عن التلوث العشوائي للبيانات.

8.3 معالجة القيم المتطرفة لتنقيح المدى والبيانات

بمجرد التحقق من وجود قيم شاذة تشوه مدى مجموعة البيانات، يقف الباحث أمام مجموعة من المعالجات الإحصائية المنهجية لإعادة ضبط التشتت وتصحيحه. من هذه الأساليب المتقدمة تقنية “تقليم البيانات” (Trimming)، والتي يُشتق منها حساب ما يُعرف بـ “المدى المشذب” (Trimmed Range)؛ حيث يقوم الباحث بحذف نسبة مئوية متناظرة ومحددة مسبقاً من أعلى وأدنى التوزيع (مثل حذف 5% من كل طرف)، ثم حساب المدى للمصفوفة المتبقية، مما يوفر مقياساً وسطياً يجمع بين مفهوم المدى ومناعة المقاييس المتينة ضد الشذوذ العددي.

تتمثل المعالجة الثانية في أسلوب “وينسور” (Winsorization)؛ حيث لا يتم حذف القيم الشاذة بل يتم استبدال قيمتها المتطرفة بأقرب قيمة مقبولة إحصائياً ضمن حدود التوزيع الطبيعي (استبدال القيم الشاذة العليا بأعلى قيمة تقع ضمن حدود 1.5 × IQR، واستبدال القيم الدنيا بأدنى قيمة مقبولة)، ثم حساب “مدى وينسور” (Winsorized Range)، مما يمنع تقليص حجم العينة (N) ويحافظ على القوة الإحصائية للاختبارات اللاحقة.

ومع ذلك، تفرض المعايير الأخلاقية والأكاديمية للنشر العلمي في العلوم النفسية التزاماً صارماً بالشفافية؛ فلا يجوز للباحث حذف أي قيمة متطرفة من أطراف المدى لمجرد تحسين مظهر النتائج أو إثبات الفرضيات، بل يجب تبرير الحذف إما بوجود دليل قاطع على خطأ فني أو عدم التزام المفحوص بالتعليمات، مع توثيق قيم المدى قبل الحذف وبعده بوضوح تام في قسم المنهجية والنتائج لتمكين القراء من تقييم الأثر الحقيقي للمعالجة على بنية البيانات.

9. مقارنة المدى بمقاييس التشتت الأخرى في الإحصاء النفسي

9.1 المدى مقابل التباين والانحراف المعياري (Variance & Standard Deviation)

تُعد المقارنة بين المدى والانحراف المعياري (Standard Deviation) والتباين (Variance) مقارنة كلاسيكية بين مقاييس التشتت الطرفية ومقاييس التشتت الشاملة لمجموع الفروق. يعتمد الانحراف المعياري في بنيته الجبرية على الاستفادة من كافة الدرجات والمفردات في العينة دون استثناء؛ حيث يحسب متوسط انحرافات جميع القيم عن مركز ثقلها (المتوسط الحسابي)، مما يجعله يتمتع بأعلى درجات الكفاءة الإحصائية (Statistical Efficiency) والاستقرار العيني عبر العينات العشوائية المتكررة مقارنة بالمدى الذي يكتفي بحدود الرتبتين الطرفيتين فقط.

وعلى الرغم من هذا التفوق النظري للانحراف المعياري، يقدم المدى خدمة تطبيقية فائقة الأهمية كأداة للتحقق التقديري السريع من صحة حساب الانحراف المعياري ذاته من خلال ما يُعرف إحصائياً بـ “قاعدة المدى التجريبية” (Range Rule of Thumb). في التوزيعات الاعتدالية وشبه الاعتدالية، تنص هذه القاعدة على أن المدى الكلي يساوي تقريباً ما بين 4 إلى 6 انحرافات معيارية (Range ≈ 4 to 6 SD)، وبناءً عليه يمكن تقدير الانحراف المعياري التقريبي بقسمة المدى على 4 (في العينات الصغيرة) أو على 6 (في العينات الكبيرة والمتسعة).

تكمن الأهمية العملية لهذه القاعدة في حماية الباحث من الأخطاء الحسابية الكارثية؛ فإذا كان مدى درجات اختبار ما هو (60) درجة، وتوصل الباحث عبر برنامج إحصائي إلى أن الانحراف المعياري هو (80)، فإن نظرة سريعة للمدى توضح فوراً وجود خطأ برمجي أو إدخالي؛ إذ يستحيل رياضياً أن يتجاوز الانحراف المعياري قيمة المدى الكلي للبيانات. ومع ذلك، يظل الانحراف المعياري هو المقياس المعتمد في التحليلات الاستدلالية المتقدمة كالانحدار الخطي وتحليل التباين، بينما يقتصر المدى على الفحص الاستكشافي والوصفي الأولي.

9.2 المدى مقابل الانحراف المتوسط (Mean Absolute Deviation)

يمثل مقياس الانحراف المتوسط (Mean Absolute Deviation – MAD) حلقة وصل وسيطة بين بساطة المدى المفاهيمية وعمق الانحراف المعياري؛ إذ يعبر عن متوسط الفروق المطلقة للدرجات عن متوسطها الحسابي دون اللجوء إلى العمليات التربيعية. تكمن نقطة الافتراق الجوهرية بين المدى والانحراف المتوسط في أن الأول يقيس المسافة الشاملة بين أبعد نقطتين في الفضاء العددي، بينما يقيس الثاني المسافة التقديرية النموذجية التي تفصل المفحوص النمطي عن المتوسط العام للمجموعة.

يتميز المدى عن الانحراف المتوسط بالسهولة الحسابية المطلقة وسرعة الاستنتاج، في حين يتفوق الانحراف المتوسط على المدى بمقاومته الأفضل للقيم الشاذة واستناده إلى كافة بيانات العينة؛ مما يعطيه استقراراً رياضياً أعلى في تقييم تماسك البنية الداخلية للدرجات السلوكية. يوضح الجدول المفاهيمي الآتي كيف يقدم الانحراف المتوسط قراءة متوازنة لحركة الأفراد حول المركز، في حين يكتفي المدى بتحديد السياج الخارجي الذي تدور فيه تلك الحركة.

في السياقات التربوية الإكلينيكية، يُفضل استخدام المدى عند الرغبة في إبراز أقصى فجوة قائمة بين المتفوقين والمتعثرين في الفصل الدراسي، بينما يُفضل استخدام الانحراف المتوسط عندما يرغب المرشد النفسي في إعطاء تقرير موجز يوضح متوسط التباعد اليومي لسلوكيات الطالب عن المستوى السلوكي المتوسط لأقرانه في المدرسة، مما يبرز تكامل الأدوار بين هذين المقياسين في الممارسة التطبيقية.

9.3 جدول مقارنة شامل لمعايير اختيار مقياس التشتت المناسب

يتطلب اتخاذ القرار المنهجي باختيار مقياس التشتت الأنسب مراعاة مصفوفة معقدة من المعايير السيكومترية والإحصائية، والتي يلخصها التحليل المنهجي المقارن التالي:

• مستوى قياس المتغير (Level of Measurement): يُعد المدى المطلق صالحاً للاستخدام مع المستويات الفئوية (Interval) والنسبية (Ratio)، ولكنه غير ملائم نهائياً للمتغيرات الاسمية (Nominal) ويثير جدلاً كبيراً مع المتغيرات الرتبية (Ordinal). في المقابل، يمثل الانحراف الربيعي الخيار الأمثل للبيانات الرتبية، بينما يقتصر استخدام الانحراف المعياري والتباين على البيانات الفئوية والنسبية حصراً.
• طبيعة وشكل التوزيع التكراري: في التوزيعات المتماثلة والاعتدالية الخالية من الشذوذ، يتربع الانحراف المعياري كأفضل مقياس كفء. أما في التوزيعات الملتوية التواءً موجباً أو سالباً والتوزيعات ذات الذيول الثقيلة، يصبح نصف المدى الربيعي والمدى المئيني الخيار العلمي الإلزامي، بينما يُستخدم المدى العام فقط كمؤشر وصفي تكميلي مقتضب.
• حساسية التعامل مع القيم الشاذة والمتطرفة: يُظهر المدى حساسية قصوى وانعداماً تاماً للمتانة، يليه التباين والانحراف المعياري اللذان يتأثران بالتربيع، في حين يبدي الانحراف المتوسط حساسية معتدلة، ويحقق المدى الربيعي ونصف المدى الربيعي أعلى درجات الحصانة والمقاومة للشذوذ العددي.
• الهدف المنهجي من الدراسة: في الدراسات الاستكشافية السريعة، وضبط الجودة الميدانية، والتواصل مع الفئات غير الأكاديمية، يتفوق المدى بفضل وضوحه المطلق وسرعة حسابه. أما في الأبحاث التفسيرية، واختبار الفروض المعلمية، وبناء النماذج السببية والمسارية المتقدمة، يُعد الانحراف المعياري والتباين الأداتين الأساسيتين اللتين لا يمكن استبدالهما بالمدى في أي سياق استدلالي رصين.

10. حساب مدى البيانات وتفسيره عبر البرمجيات الإحصائية

10.1 استخراج المدى وتحليله باستخدام برنامج IBM SPSS

يُعد حزم البرمجيات الإحصائية للعلوم الاجتماعية IBM SPSS Statistics من أكثر الأدوات انتشاراً في تحليل البيانات النفسية، ويوفر بيئة مرنة ومتعددة المسارات لحساب وتفسير مدى مجموعة البيانات. يمكن للباحث استخراج المدى بسهولة عبر الواجهة الرسومية باتباع المسار المنهجي الكلاسيكي: (Analyze -> Descriptive Statistics -> Frequencies)، ومن نافذة الخيارات الإحصائية (Statistics)، يتم تفعيل خيار (Range) إلى جانب (Minimum) و (Maximum) و (Std. deviation) لضمان الحصول على تقرير وصفي متكامل.

كما يوفر مسار التحليل الاستكشافي المتقدم في البرنامج (Analyze -> Descriptive Statistics -> Explore) مخرجات أكثر ثراءً؛ حيث يُنتج جدول الإحصاءات الوصفية الدقيقة متضمناً المدى الكلي، والمدى الربيعي (IQR)، إلى جانب توليد تلقائي متزامن للمخططات الصندوقية (Boxplots) ومخططات الساق والورقة، مما يتيح للباحث قراءة المدى الحسابي والاطلاع المباشر على خريطة القيم الشاذة المصنفة وفق معايير تيكي بدقة رقمية متناهية.

وللباحثين الذين يفضلون الدقة والأتمتة البرمجية في معالجة مصفوفات البيانات الكبيرة التي تحتوي على مئات المتغيرات النفسية، يتيح محرر الأوامر (SPSS Syntax) تنفيذ عمليات الحساب الفوري لمدى المتغيرات وتوليد الجداول بمرونة فائقة عبر كتابة الشفرة المعيارية المباشرة التي تطلب دمج حساب المدى والحدود الطرفية في خطوة واحدة، مما يختصر الجهد والوقت الميداني المخصص للتحليل اليدوي الروتيني.

10.2 البرمجة الإحصائية لحساب المدى بلغة R وبيئة RStudio

تُقدم بيئة البرمجة الإحصائية R عبر منصة RStudio قدرات برمجية فائقة المرونة والعمق لحساب المدى والتحكم في تفاصيله الرياضية بدقة متناهية. تختلف لغة R عن باقي البرمجيات في أن الدالة القياسية الأساسية لحساب المدى range(x) لا تُرجع ناتج الطرح المباشر كرقم مفرد، بل تُرجع متجهاً عددياً يحتوي على زوج القيم الحدية: (القيمة الصغرى، القيمة العظمى). وللحصول على القيمة المفردة للمدى الإحصائي المطلق، يتم تطبيق دالة الفارق الرياضي diff(range(x))، مما يعكس البنية الوظيفية للغة في التعامل مع المصفوفات.

تتعامل لغة R بكفاءة صارمة مع مشكلة البيانات المفقودة (Missing Values – NA) الشائعة جداً في الاستبيانات النفسية؛ حيث يُلزم المبرمج بإضافة المعامل الإحصائي na.rm = TRUE داخل الدالة مثل: diff(range(x, na.rm = TRUE))، مما يضمن إسقاط القيم المفقودة وحساب المدى الدقيق للقيم الفعلية المرصودة فقط وتجنب توقف التحليل أو ظهور نتائج غير معرفة.

وعلى صعيد التمثيل البصري المتقدم، تتيح حزمة ggplot2 الرائدة في بيئة R بناء أشكال بيانية بالغة الجمال والدقة الأكاديمية للمدى وتشتت الدرجات النفسية عبر الجمع بين المخططات النقطية، وتراكيب المخططات الصندوقية، وأشرطة الخطأ المخصصة، فضلاً عن سهولة تطوير دوال مخصصة (Custom Functions) لحساب معاملات المدى النسبية والمدى المشذب ونصف المدى الربيعي لكافة المقاييس الفرعية في آن واحد وبسطور برمجية موجزة.

10.3 حساب المدى باستخدام لغة Python وبرنامج Microsoft Excel

في عصر علم البيانات والذكاء الاصطناعي، تبرز لغة بايثون (Python) كخيار أول لمعالجة مجموعات البيانات الضخمة (Big Data) والأبحاث السلوكية الحاسوبية. عبر استخدام مكتبة Pandas، يتم استدعاء مصفوفات البيانات وحساب المدى للمتغيرات مباشرة من خلال تطبيق الدوال الحسابية الأساسية بطرح النهاية الصغرى من النهاية العظمى: df['Score'].max() - df['Score'].min()، أو تطبيق دالة الاستكشاف الوصفي df['Score'].describe() التي تعرض الحدود الطرفية وتفاصيل المئينيات بأسلوب برمجي منظم وفائق السرعة.

وفي التطبيقات المكتبية والتحليلات السريعة الشائعة، يظل برنامج مايكروسوفت إكسيل (Microsoft Excel) الأداة الأكثر وصولاً بين الباحثين؛ حيث يُحسب المدى البسيط في جداول البيانات عبر دمج دالتي القيمة القصوى والدنيا في صيغة مباشرة داخل الخلية الرياضية: =MAX(A2:A100) - MIN(A2:A100)، مما يوفر نتيجة فورية ودقيقة للتشتت المطلق للبيانات المدخلة في النطاق المحدد.

يوفر إكسيل ميزات إضافية لدعم الفحص النفسي الميداني للبيانات مثل ميزة “التنسيق الشرطي” (Conditional Formatting) التي تتيح تلوين القيم العظمى والصغرى في أوراق العمل آلياً بمجرد إدخالها، مما يمنح الباحث تنبيهاً بصرياً فورياً لأي استجابة شاذة تتجاوز المدى المتوقع للاختبار، فضلاً عن إمكانية استخدام أدوات تحليل البيانات المدمجة (Data Analysis ToolPak) لاستخراج الإحصاءات الوصفية ومصفوفة التشتت بضغطة زر واحدة.

11. القيود المنهجية والمآخذ الإحصائية على استخدام المدى

11.1 تجاهل التوزيع الداخلي وتركيب البيانات الوسيطة

تتمثل أثقل المآخذ المنهجية الموجهة ضد مقياس المدى في عجزه الهيكلي التام عن تقديم أي معلومة تخص الطبيعة التوزيعية والتركيب البنيوي للبيانات الواقعة بين الحدين المتطرفين. يكتفي المدى برسم الحدود الخارجية للمجال الرياضي، مغمضاً عينيه كلياً عما يجري في الداخل؛ مما يجعله غير قادر على التمييز بين مجموعات بيانات تتماثل تطابقاً تاماً في قيمة المدى وقيم الأطراف، ولكنها تختلف اختلافاً جذرياً في سلوكها التوزيعي ونزعتها المركزية.

ولتجسيد هذه الخطورة بمثال رقمي توضيحي قاطع، لنفترض وجود ثلاث مجموعات مختلفة من المرضى خضعت كل منها لمقياس نفسي، وتتكون كل مجموعة من (5) أفراد، وكانت الدرجات كالآتي:

• المجموعة (أ): [10، 50، 50، 50، 90] -> المدى = 90 – 10 = 80 درجة (تمركز تام في الوسط).
• المجموعة (ب): [10، 10، 50، 90، 90] -> المدى = 90 – 10 = 80 درجة (توزيع ثنائي المنوال متطرف على الأطراف).
• المجموعة (ج): [10، 30، 50، 70، 90] -> المدى = 90 – 10 = 80 درجة (توزيع مستطيل متساوٍ تماماً في الانتشار).

يُظهر هذا المثال الحاسم أن المجموعات الثلاث متطابقة تماماً في قيمة المدى الإحصائي (80 درجة)، ولها نفس القيمة العظمى ونفس القيمة الصغرى، ومع ذلك فإن المجموعة الأولى تمثل نمطاً شديد التماسك حول المتوسط (50)، بينما تمثل المجموعة الثانية نمطاً شديد الاستقطاب والانشطار عند الأطراف، وتمثل الثالثة نمطاً منتظم التباعد. إن الاعتماد الحصري على المدى في مثل هذه السياقات يُعد سذاجة منهجية قد تؤدي إلى تشخيصات إكلينيكية وقرارات بحثية كارثية نتيجة إغفال النمط الحقيقي لاستجابات المفحوصين.

11.2 عدم الاستقرار العيني والقصور في الإحصاء الاستدلالي

يعاني مقياس المدى من مأخذ بنيوي خطير في نظرية المعاينة يتمثل في “عدم الاستقرار العيني” (Sampling Instability)؛ فعند سحب عينات عشوائية متكررة ذات حجم ثابت من المجتمع الإحصائي نفسه، نجد أن قيم مدى هذه العينات تتذبذب بشكل واسع وتظهر تبايناً عشوائياً هائلاً من عينة إلى أخرى، مقارنة بالثبات والاستقرار العالي الذي يظهره الانحراف المعياري أو الوسيط عبر العينات المتتالية.

يترتب على هذا التذبذب والتحيز غياب أي دور حقيقي للمدى في بنية الإحصاء الاستدلالي (Inferential Statistics) واختبار الفروض العلمية المتقدمة؛ حيث يستحيل جبرياً دمج المدى في نماذج تحليل التباين (ANOVA)، أو اختبارات “ت” (T-tests)، أو معادلات النمذجة بالمعادلات البنائية (SEM). والسبب الأساسي في ذلك هو صعوبة تحديد التوزيع العيني الدقيق لمدى العينات، وتعقيد بناء فترات ثقة (Confidence Intervals) رياضية مستقرة حول مدى المجتمع الأصلي دون الاعتماد على افتراضات متطرفة حول شكل التوزيع.

هذا القصور الاستدلالي يجعل القيمة التنبؤية للمدى محدودة للغاية في الدراسات الميدانية الكبرى؛ فهو أداة وصفية تلخص ما تم رصده في حدود تلك العينة الخاصة حصراً، ولكنه لا يمتلك الكفاءة الرياضية الكافية لتعميم النتائج أو الاستدلال على معالم التشتت في المجتمع الأوسع بدقة إحصائية موثوقة ومقبولة أكاديمياً.

11.3 محدودية الاستخدام مع المتغيرات الرتبية والنوعية

من الناحية الإبستمولوجية لمستويات القياس التي صاغها ستانلي ستيفنز، يواجه المدى قيوداً منهجية صارمة عند محاولة تطبيقه على المتغيرات النوعية والرتبية؛ ففي المتغيرات الاسمية (Nominal Variables) مثل النوع الاجتماعي أو التخصص الأكاديمي، ينعدم المفهوم الرياضي للمدى كلياً؛ نظراً لغياب أي ترتيب تفاضلي أصيل بين الفئات، مما يجعل طرح الرموز الرقمية المخصصة لهذه الفئات أمراً باطلاً وفاقداً لأي معنى علمي.

أما في المتغيرات الرتبية (Ordinal Variables) مثل الرتب العسكرية، أو المراتب التحصيلية، أو استجابات مقاييس ليكرت للاتجاهات، يثير استخدام المدى إشكالية سيكومترية عميقة؛ فالمدى يفترض ضمناً وجود فترات متساوية ومسافات رياضية موحدة بين النقاط، وهو ما تفتقر إليه المقاييس الرتبية تماماً؛ فالفرق بين الترتيب الأول والثاني في مسابقة ما لا يساوي بالضرورة الفارق الزمني أو الأدائي بين الترتيب التاسع والعاشر، مما يجعل حساب المدى عبر طرح الرتب مجرد رقم شكلي مضلل لا يعكس حقيقة التباعد الفعلي بين الأفراد.

تفرض الممارسات المنهجية الرصينة في هذه الحالات اللجوء إلى البدائل الإحصائية اللامعلمية المناسبة لقياس التشتت الرتبي، ومن أبرزها حساب عدد الفئات المشغولة، أو استخدام الانحراف الربيعي القائم على رتب الوسيط والمئينات، لتفادي إقحام العمليات الحسابية الفئوية على بيانات تفتقر بطبيعتها البنيوية إلى الفواصل المتساوية والصفر الرياضي المعياري.

12. المعايير المنهجية والممارسات الفضلى لاستخدام المدى في البحوث

12.1 متى يكون المدى هو المقياس الإحصائي الأمثل؟

على الرغم من كافة المآخذ والقيود السابقة، يظل المدى الإحصائي أداة لا غنى عنها ويمثل الخيار الأمثل والأنسب في مجموعة محددة من السياقات البحثية والميدانية التي تتطلب خصائص خاصة لا توفرها المقاييس المعقدة الأخرى. من أهم هذه السياقات: المسوحات الاستطلاعية الأولية والدراسات الاستكشافية السريعة (Exploratory Studies)؛ حيث يحتاج الباحث إلى تكوين فكرة خاطفة وشاملة عن امتداد المتغيرات تمهيداً لتصميم أدوات القياس الأكثر دقة وضبط أطوال المقاييس وفئاتها.

كما يُعد المدى المقياس الأمثل في إجراءات مراقبة الجودة وضبط الاتساق في البيئات المعملية والاختبارات الإكلينيكية اليومية؛ فعند متابعة التقلبات الحادة في السلوك أو الأعراض المرضية (مثل قياس الحدود القصوى لنوبات الهلع أو تقلبات ضغط الدم خلال 24 ساعة)، يكون الهدف الأساسي هو معرفة أقصى وأدنى نقطة بلغتها الحالة لتحديد هوامش الخطر، وهو ما يقدمه المدى المطلق بكفاءة تفوق أي مقياس تمركزي آخر.

علاوة على ذلك، يكتسب المدى أفضلية منهجية مطلقة عند التعامل مع العينات متناهية الصغر (Micro-samples) التي يتراوح حجمها بين (2 إلى 5 مفحوصين)؛ حيث تفقد معادلات الانحراف المعياري والتباين استقرارها الرياضي وتعطي درجات حرية ضعيفة جداً، بينما يقدم المدى في هذا النطاق الضيق مقياساً مباشراً وصادقاً يعبر عن الفجوة الكلية بين الحالات دون ادعاء تمثيل اعتدالي غير واقعي.

12.2 التكامل الإحصائي بين المدى ومقاييس النزعة والتشتت الأخرى

تقضي القواعد المنهجية الرصينة في كتابة التقارير الإحصائية بعدم تقديم المدى كمعلمة إحصائية وحيدة ومعزولة عن باقي المؤشرات؛ إذ يجب دوماً دمجه ضمن سياق وصفي تكاملي يربطه بمقاييس النزعة المركزية ومقاييس التشتت المتينة. يُنصح الباحث عند تقديم المدى بربطه مباشرة بالمتوسط الحسابي والانحراف المعياري في حالات التوزيعات الاعتدالية، أو تقديمه مقترناً بالوسيط والمدى الربيعي (IQR) في حالات التوزيعات الملتوية أو اللامعلمية.

يلعب هذا التكامل دوراً محورياً في وضع وتحديد “معايير القطع والدرجات الفاصلة” (Cut-off Scores) في القياس النفسي؛ حيث يستند الأخصائي إلى معرفة المدى الكلي للدرجات لتحديد المستويات التصنيفية للأداء (مثل: منخفض، متوسط، مرتفع، موهوب)، وضمان توزيع هذه المستويات بطريقة متوازنة تغطي الطيف الكامل للدرجات المتاحة دون إهمال الأطراف أو تكديس الفئات.

كما يمثل المدى الأساس الرياضي المعتمد في تصميم وتشييد الجداول التكرارية في البحوث الميدانية؛ حيث لا يمكن للباحث تحديد “طول الفئة التكرارية” (Class Interval – h) المناسب وتحديد عدد الفئات المطلوبة (k) في الجداول الإحصائية دون البدء أولاً بحساب المدى الكلي للبيانات وقسمته على عدد الفئات المرغوبة، مما يبرز الدور التأسيسي للمدى في تنظيم وهيكلة البيانات الخام وتحويلها إلى معلومات إحصائية قابلة للقراءة والتحليل المعمق.

12.3 دليل كتابة وتوثيق المدى في التقارير النفسية وفق دليل (APA)

يفرض دليل النشر العلمي لجمعية علم النفس الأمريكية (APA Publication Manual – 7th Edition) معايير وقواعد دقيقة ومحددة لكتابة وتوثيق مخرجات المدى الإحصائي في متون البحوث والجداول المستعرضة، لضمان الدقة والاتساق والوضوح في نقل النتائج للمجتمع العلمي. عند توثيق المدى في المتن النصي، يجب استخدام الحروف المائلة للرموز الإحصائية وتحديد القيم الصغرى والعظمى إلى جانب المدى المحسوب بدقة، كما هو موضح في الصياغات القياسية المعتمدة الآتية:

• الصياغة القياسية باللغة الإنجليزية: “The participants’ ages ranged from 18 to 45 years (Range = 27, M = 28.4, SD = 5.2).” أو كتابة النطاق الطرفي مباشرة: “(range: [18, 45]).”
• الصياغة المعيارية باللغة العربية: “تراوحت أعمار المشاركين في العينة بين 18 و 45 عاماً (المدى = 27، م = 28.4، ع = 5.2).” مع ضرورة إبراز المتوسط الحسابي والانحراف المعياري في ذات القوس التوثيقي لتوفير السياق الوصفي الكامل.

وفي الجداول الإحصائية المجمعة (Summary Descriptive Tables)، يوصي دليل APA بتخصيص عمود مستقل يُعنون بـ (Range) أو إدراج عمودين متتاليين للقيمة الصغرى (Min) والقيمة العظمى (Max)، مع الالتزام الصارم بتوحيد عدد الخانات العشرية المقربة عبر كامل الجدول لتتطابق مع الدقة الأصلية لأداة القياس السيكومترية المستخدمة.

كما يلزم دليل الجمعية الباحثين بتقديم توثيق منهجي صريح لأي عمليات تنقيح أو حذف شملت أطراف المدى؛ فإذا تم استبعاد قيم متطرفة مشبوهة أو تقليم البيانات بنسبة معينة، يجب تدوين ذلك بوضوح في حواشي الجداول السفلية (Table Notes) مع ذكر المبررات العلمية والإحصائية التي استند إليها الباحث في تعديل المدى الأصلي، التزاماً بأقصى معايير الأمانة الأكاديمية والنزاهة العلمية في النشر والبحث السيكولوجي.

خاتمة

يظل مدى مجموعة البيانات الركيزة الإحصائية التأسيسية التي لا يمكن الاستغناء عنها في الرحلة الاستكشافية الأولى لتحليل وتفسير البيانات السلوكية والتربوية والكمية. على الرغم من القيود المنهجية التي تلاحقه عند التوظيف المنفرد، وحساسيته المفرطة تجاه القيم الشاذة، وعدم قدرته على سبر أغوار البنية الداخلية للتوزيعات، إلا أن قيمته الوصفية الفورية، وبساطته الحسابية المشرقة، وقدرته على رسم الحدود الهندسية القصوى للظواهر تجعله أداة استراتيجية فارقة في يد الباحث الإكلينيكي والتجريبي.

إن الاستخدام الرشيد والواعي للمدى الإحصائي يتطلب دائماً إدراجه ضمن سياق سيكومتري متكامل يزاوج بينه وبين مقاييس النزعة المركزية ومقاييس التشتت الأكثر متانة كالانحراف المعياري والمدى الربيعي، مع الاستعانة الدائمة بالتمثيلات البيانية الفاحصة كالمخططات الصندوقية والمدرجات التكرارية. وبذلك يتحول المدى من مجرد عملية طرح جبرية بسيطة بين رقمين إلى نافذة استكشافية متقدمة تضيء آفاق الفروق الفردية وتسهم في بناء تشخيصات دقيقة واستنتاجات بحثية تتسم بالرصانة والصدق العلمي.

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., Cohen, P., West, S. G., & Aiken, L. S. (2003). Applied multiple regression/correlation analysis for the behavioral sciences (3rd ed.). Lawrence Erlbaum Associates.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Gravetter, F. J., Wallnau, L. B., Forzano, L. B., & Witnauer, J. E. (2020). Essentials of statistics for the behavioral sciences (10th ed.). Cengage Learning.
• Hays, W. L. (1994). Statistics (5th ed.). Harcourt Brace College Publishers.
• Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Wadsworth, Cengage Learning.
• NIST/SEMATECH. (2012). e-Handbook of Statistical Methods. National Institute of Standards and Technology. https://doi.org/10.18434/M32189
• 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.