مخطط الساق والورقة: الإنشاء، القراءة والأمثلة

يحتل تمثيل البيانات الإحصائية وتحليلها مكانة محورية في مناهج البحث العلمي والتحليل الإحصائي الاستكشافي، حيث يسعى الباحثون وعلماء القياس بصورة مستمرة إلى تحويل الأرقام الخام المبعثرة إلى صور بصرية وأنماط بيانية يسهل إدراكها وتفسيرها بدقة وموضوعية. وفي هذا السياق المعرفي الواسع، يبرز مخطط الساق والورقة (Stem-and-Leaf Plot) كواحد من أكثر الابتكارات الإحصائية رصانة وعملية؛ إذ يمثل نقطة التقاء فريدة وعبقرية بين الجداول الرقمية التقليدية والتمثيلات الرسومية الهندسية، مانحاً المحلل رؤية فورية وشاملة لتوزيع البيانات دون التضحية بالقيمة العددية الفردية لأي مفردة من مفردات العينة، وهو ما يميزه عن كثير من الأدوات التلخيصية الأخرى.

تكمن الأهمية المنهجية لمخطط الساق والورقة في قدرته على تلبية المتطلبات التحليلية في مراحل البحث الأولى، وتحديداً في مرحلة التحليل الاستكشافي للبيانات (Exploratory Data Analysis – EDA)، حيث يحتاج الباحث إلى فحص شكل التوزيع، واكتشاف مدى تماثله أو التوائه، ورصد الفجوات والكتل التكرارية، والتعرف على القيم الشاذة والمتطرفة قبل الولوج في متاهات النمذجة الرياضية المتقدمة أو تطبيق الاختبارات الإحصائية البارامترية المعقدة. وتزداد هذه الأداة أهمية في مجالات العلوم الإنسانية، وعلم النفس، والقياس النفسي، والتربية، حيث تكون العينات في كثير من الأحيان ذات أحجام معتدلة تتطلب تدقيقاً فاحصاً في أداء كل مفحوص على حدة.

يقدم هذا المرجع الأكاديمي الشامل دليلاً مفصلاً ومتعمقاً لكل ما يتعلق بمخطط الساق والورقة؛ بدءاً من تأصيله النظري والتاريخي، مروراً بمكوناته البنائية وخطوات إنشائه الرياضية الصارمة، وقواعد قراءته وتفسير مقاييس النزعة المركزية والتشتت من خلاله، وصولاً إلى تطبيقاته العملية المقارنة في دراسات القياس النفسي، والتعامل مع الحالات الإحصائية الخاصة والمعقدة، وكيفية تنفيذه عبر البرمجيات الإحصائية الحديثة، متسلحاً بأعلى المعايير الأكاديمية والتوضيحية المعتمدة دولياً.

1. مقدمة تأصيلية لمخطط الساق والورقة (Stem and Leaf Plot)

1.1 المفهوم الرياضي والتعريف الإحصائي

يُعرَّف مخطط الساق والورقة إحصائياً بأنه أداة شبه رسومية (Semi-graphical technique) وهجينة تُستخدم لتنظيم البيانات الكمية المتصلة أو المنفصلة وعرضها بأسلوب تركيبي يدمج بين مزايا الجداول التكرارية ومزايا المنحنيات والمدرجات البيانية. يقوم المبدأ الرياضي للمخطط على تفكيك كل قيمة عددية في مجموعة البيانات إلى شقين بنيويين: الشق الأول يمثل المنازل الحسابية الكبرى ويُطلق عليه اسم “الساق” (Stem)، في حين يمثل الشق الثاني المنزلة الحسابية الصغرى التالية ويُطلق عليه اسم “الورقة” (Leaf). وبهذا التقسيم، تصبح السيقان بمثابة فئات أو فترات تصنيفية رأسية، بينما تصبح الأوراق ممثلة للترددات المفردة التي تصطف أفقياً أمام سيقانها المقابلة.

إن الميزة الرياضية الجوهرية لهذا الأسلوب تتجلى في حفظه التام للهوية العددية لبيانات العينة الأصلية؛ ففي الوقت الذي تقوم فيه المدرجات التكرارية (Histograms) باختزال البيانات واعتصارها داخل فترات تكرارية مغلقة ومصمتة مما يؤدي إلى فقدان تام للقيم الفردية وتفاصيلها الدقيقة، يحتفظ مخطط الساق والورقة بكل مفردة مدخلة، مما يتيح للباحث إعادة بناء مصفوفة البيانات الخام كاملة بمجرد قراءة المخطط. وفي الآن ذاته، يولد التراكم الأفقي للأوراق شكلاً بيانياً يماثل تماماً منحنى التوزيع التكراري، مما يُمكّن العين المجردة من إدراك التمركز والتشتت والشكل العام للمنحنى (طبيعي، ملتوي نحو اليمين، ملتوي نحو اليسار، أو ثنائي القمة) في لحظة واحدة ودون الحاجة لإجراء حسابات معقدة مسبقة.

1.2 التطور التاريخي وظهوره مع جون توكي (John Tukey)

تعود الجذور الأولية لفكرة تجزئة الأرقام إلى جداول تصنيفية إلى ممارسات إحصائية متفرقة ظهرت في بدايات القرن العشرين، ولا سيما في أعمال الإحصائي البريطاني آرثر ليون باولي (Arthur Lyon Bowley) في العشرينيات من القرن الماضي، عندما كان الإحصائيون يواجهون مشقة يدوية هائلة في تصنيف أطنان من البيانات المكتوبة بالآلات الكاتبة دون الاستعانة بحواسيب رقمية. إلا أن الفضل الأكاديمي والمنهجي في صياغة هذا المخطط بشكله المعياري الحديث وتأصيله في الفكر الإحصائي يعود إلى عالم الرياضيات والإحصاء الأمريكي الفذ جون توكي (John Tukey) في سبعينيات القرن العشرين.

قام توكي في كتابه الكلاسيكي الثوري “التحليل الاستكشافي للبيانات” (Exploratory Data Analysis) المنشور عام 1977 بإعادة تعريف الممارسة الإحصائية، معتبراً أن التحليل لا ينبغي أن يقتصر على اختبار الفرضيات الصارمة واحتساب الدلالات الإحصائية فحسب، بل يجب أن يبدأ بالاستكشاف البصري الحر والذكي الذي يكشف القصص المخفية وراء الأرقام. وقد ابتكر توكي مخطط الساق والورقة ليكون أداة يدوية سريعة تتيح للباحثين والمحللين رسم ملامح التوزيع الإحصائي فورياً على الورق المربّع أو باستخدام طابعات النصوص الميكانيكية التي لم تكن تمتلك قدرات رسومية متقدمة. ومع تقدم الحوسبة وظهور الرسوم البيانية المتطورة عالية الدقة، لم يتلاشَ المخطط، بل حافظ على موقعه كأداة تعليمية واستكشافية لا غنى عنها في المقررات الأكاديمية وبيئات البحث الميداني نظراً لسهولته وعمقه التفسيري الاستثنائي.

1.3 الأهمية الاستكشافية في تحليل البيانات السلوكية والنفسية

تكتسب المخططات الاستكشافية، وعلى رأسها مخطط الساق والورقة، أهمية بالغة وخصوصية استثنائية في مجالات العلوم السلوكية وعلم النفس والقياس النفسي والتربوي؛ حيث تتميز الدرجات المستخلصة من الاختبارات السيكومترية (مثل مقاييس الشخصية، واختبارات الذكاء، واستبانات القلق والاكتئاب) بكونها درجات حساسة تعكس تباينات دقيقة بين الأفراد. في هذه السياقات، يتيح المخطط للباحث السلوكي الفحص البصري الفوري لدرجات العينة الاستطلاعية أو الأساسية، والتحقق مما إذا كانت الاستجابات تعاني من ظاهرة “تأثير السقف” (Ceiling Effect) بتكدس الدرجات عند السيقان العليا، أو “تأثير الأرضية” (Floor Effect) بتكدسها عند السيقان الدنيا.

علاوة على ذلك، يسهل المخطط على الباحث النفسي الكشف السريع عما إذا كانت العينة مقسمة إلى فئات فرعية غير متجانسة من خلال ظهور قمتين تكراريتين متمايزتين (Bimodal Distribution)، وهو ما قد يشير إلى وجود متغير وسيط أو دخيل يؤثر على الأداء (مثل اختلاف الجنس، أو التباين الحاد في المستويات الاجتماعية والاقتصادية للمشاركين). كما يوفر المخطط أرضية صلبة لتحديد ما إذا كانت البيانات تستوفي افتراضات التوزيع الاعتدالي قبل الشروع في استخدام الاختبارات الإحصائية المعلمية (Parametric Tests) مثل اختبار “ت” (t-test) أو تحليل التباين (ANOVA)، مما يقي الباحث من الوقوع في أخطاء منهجية مدمرة تعصف بصدق النتائج وثباتها.

2. المكونات الهيكلية لمخطط الساق والورقة

2.1 تعريف وفهم ‘الساق’ (Stem)

يمثل “الساق” (Stem) العمود الفقري والمحور الهيكلي الرأسي للمخطط، وهو المنظومة التصنيفية التي تُفرز وتستقر عليها البيانات. يُبنى عمود السيقان من خلال استخلاص المنازل الحسابية الكبرى للقيم الرقمية محل الدراسة؛ فإذا كانت البيانات تتكون من أعداد صحيحة مكونة من منزلتين (آحاد وعشرات)، فإن خانة العشرات تصبح هي الساق تلقائياً. أما إذا كانت البيانات مؤلفة من ثلاثة أرقام (مئات، عشرات، وآحاد)، فإن خانتي المئات والعشرات تدمجان معاً لتشكلا ساقاً مركباً، بينما تؤول الآحاد إلى الأوراق. وفي حالة الأعداد العشرية، فإن العدد الصحيح وما يسبق الفاصلة أو حتى الجزء من عشرة يمكن أن يشكل الساق بحسب مستوى الدقة المطلوب.

تُرتب السيقان عمودياً من أعلى إلى أسفل بترتيب تصاعدي دقيق وصارم يبدأ من أصغر قيمة ساق مسجلة في العينة إلى أكبر قيمة. ويعد من المبادئ المنهجية الجوهرية في بناء الساق عدم تخطي أو إسقاط أي قيمة من السيقان الواقعة بين الحدين الأدنى والأعلى حتى لو كانت تلك السيقان لا تحتوي على أي أوراق أو مشاهدات فعلية في مجموعة البيانات (أي سيقان فارغة). إن كتابة السيقان الفارغة أمر حتمي إحصائياً؛ لأنه يعكس الفجوات الحقيقية (Gaps) في توزيع البيانات، مما يكشف عن التشتت الحقيقي أو العزلة المكانية لبعض المشاهدات المتطرفة.

2.2 تعريف وفهم ‘الورقة’ (Leaf)

تمثل “الورقة” (Leaf) المكون التحليلي الفرعي والوحدة التكرارية الجزئية التي تلتصق بالساق أفقياً لتسجيل حدوث كل مفردة إحصائية. تتحدد الورقة دائماً بالمنزلة الحسابية الصغرى التالية للساق مباشرة، وهي في الحالة المعيارية الأكثر شيوعاً تمثل منزلة الآحاد (في الأعداد الصحيحة المكونة من منزلتين) أو منزلة الأجزاء من عشرة (في الأعداد العشرية التي تتخذ أعدادها الصحيحة كساق). وتخضع كتابة الأوراق لقاعدة رياضية لا تقبل الاستثناء: يجب أن تتكون كل ورقة من رقم فردي واحد فقط (Single Digit يمتد من 0 إلى 9) لكل مفردة من مفردات العينة.

تُسجل الأوراق على الجانب الأيمن من عمود السيقان (أو على الجانبين في المخططات المزدوجة)، وتفصل بينها وبين السيقان مسافة أو خط رأسي فاصل. ومن الأركان الأساسية في جودة بناء المخطط أن تُرتب الأوراق التابعة لكل ساق ترتيباً تصاعدياً من اليسار إلى اليمين بدءاً من الصفر وصولاً إلى التسعة. كما يجب رصف الأرقام في مسافات أفقية متساوية تماماً وبحجم خط موحد؛ لضمان أن طول الصف التكراري يعبر بصدق وموضوعية عن الكثافة التكرارية لتلك الفئة، محاكياً بذلك ارتفاع الأعمدة في المدرجات التكرارية دون أي تشويه بصري قد ينجم عن اتساع المسافات بين بعض الأرقام دون غيرها.

2.3 مفتاح المخطط (The Key) ودوره في فك الترميز

يُعد “مفتاح المخطط” (The Key أو Legend) الركيزة التفسيرية التي لا يمكن بدونها فك شفرة المخطط أو معرفة القيم الحقيقية للبيانات الممثلة. إن مخطط الساق والورقة المجرد من المفتاح يصبح رسماً لا معنى له؛ نظراً لأن نفس الهيكل البصري التكراري المكون مثلاً من الساق (5) والورقة (2) يمكن أن يحمل دلالات عددية شديدة التباين اعتماداً على سياق القياس ووحدته؛ فقد تعني القيمة (52) وحدة، أو (5.2) ثانية، أو (520) كيلوجراماً، أو (0.52) مليجرام، أو حتى (5,200,000) فرد.

تتم صياغة المفتاح التوضيحي وفق المعايير الإحصائية القياسية باختيار إحدى القيم المتضمنة في المخطط وكتابتها في صورة تعبير دال يوضح كيفية قراءة الساق والورقة معاً، مقترناً بوحدة القياس المستعملة في البحث. ومن النماذج القياسية لصياغة المفتاح في التقارير الأكاديمية: كتابة عبارة مثل “المفتاح: 5 | 2 = 52 درجة”، أو للأعداد العشرية “المفتاح: 3 | 8 = 3.8 ثوانٍ”، أو للقيم بالآلاف “المفتاح: 12 | 4 = 12,400 مشارك”. ويوضع هذا المفتاح في موضع بارز ومقروء أسفل المخطط أو في إحدى زواياه العلوية، ليكون أول ما تطالعه عين القارئ قبل البدء في استخلاص النتائج الإحصائية.

3. خطوات إنشاء مخطط الساق والورقة بالتفصيل

3.1 ترتيب البيانات وتجهيزها إحصائياً

تبدأ العملية المنهجية لبناء مخطط الساق والورقة من مرحلة المعالجة المبدئية للبيانات الخام (Raw Data) التي جُمعت من الميدان أو المختبر. تتمثل الخطوة الأولى في فرز البيانات وتنظيمها في مصفوفة رقمية مرتبة تصاعدياً من أصغر قيمة عددية (الحد الأدنى – Minimum) إلى أكبر قيمة عددية (الحد الأقصى – Maximum). ورغم أن بعض البرمجيات تنشئ المخططات مباشرة من البيانات غير المرتبة، إلا أن الفرز اليدوي الأولي يعد خطوة لا غنى عنها للباحث؛ لكونها تجنبه إسقاط أي مفردة أثناء نقل الأرقام وتضمن التسجيل الدقيق للأوراق بترتيبها الصحيح لاحقاً.

عقب عملية الترتيب، يقوم المحلل بحساب المدى الكلي للبيانات (Range) وهو حاصل طرح القيمة الصغرى من القيمة العظمى. يساعد حساب المدى في تقييم مدى انتشار البيانات، ومعرفة عدد السيقان المتوقع تكوينها، وتحديد ما إذا كانت البيانات متجانسة في منازلها العشرية أم تتطلب عمليات تقريب أو تحويل مقياسي، كما يتيح رصد الأنماط الأولية للتشتت والتكتل التي ستنعكس بوضوح عند صب البيانات في قالب الساق والورقة.

3.2 تحديد الآحاد والعشرات والمنازل الحسابية

في هذه المرحلة المحورية، يتم اتخاذ القرار الرياضي المتعلق بكيفية شطر الأرقام إلى سيقان وأوراق بناءً على طبيعة القيم والمدى المحسوب. في الحالة القياسية للأعداد المكونة من رقمين (مثل درجات الاختبارات من 10 إلى 99)، تُخصص خانة الآحاد الواقعة على أقصى اليمين لتكون هي “الأوراق”، في حين تصبح خانة العشرات هي “السيقان”. هذا التقسيم يولد سيقاناً تمتد من 1 إلى 9، وهو عدد مثالي يوفر تبايناً بصرياً سلساً وشاملاً.

أما في الحالات التي تتجاوز فيها البيانات منزلتين، كأن تكون الأرقام ثلاثية (مثل درجات نسبة الذكاء المتراوحة بين 85 و 145)، فيتعين على المحلل تحديد الرقم الأخير على اليمين فقط (الآحاد) ليكون هو الورقة، ودمج الرقمين المتبقيين على اليسار (المئات والعشرات) ليكونا الساق؛ فتصبح الدرجة 125 مثلاً عبارة عن الساق (12) والورقة (5). وإذا كانت البيانات ممتدة بمدى ضخم جداً كأن تتراوح بين 100 و 9000، فإن القواعد المنهجية تقتضي تقريب الأرقام أولاً إلى أقرب عشرة أو مئة قبل فصل السيقان عن الأوراق لتفادي توليد مئات السيقان الفارغة التي تفقد المخطط جدواه البصرية والتلخيصية.

3.3 رسم المحاور وتوزيع الأوراق عمودياً وأفقياً

بعد تحديد تقسيم المنازل، يبدأ الإنشاء الفعلي للمخطط من خلال رسم خط رأسي مستقيم ونظيف يقسم المساحة التحليلية إلى قسمين: القسم الأيسر يُخصص لأعمدة السيقان، والقسم الأيمن يُخصص لصفحات الأوراق (في حالة الكتابة باللغة الإنجليزية أو النظم المعتمدة عالمياً التي تقرأ من اليسار لليمين، مع الحفاظ على المنطق الحسابي ذاته). يتم تدوين قيم السيقان على يسار الخط الرأسي بتسلسل تصاعدي منتظم من أعلى إلى أسفل، مع الحرص التام على إدراج السيقان التي لا تمتلك قيماً تكرارية في موقعها التسلسلي الصحيح لتمثيل الفراغات التوزيعية.

بعد ذلك، يتم الانتقال عبر مصفوفة البيانات المرتبة، ونقل رقم كل ورقة ليوضع على يمين الخط الرأسي محاذياً لساقه المقابلة. يجب أن تُرصف الأوراق في صفوف أفقية مستقيمة، مع ترك مسافة متطابقة ومنتظمة بين كل رقم ورقم يليه داخل نفس الصف. يُحظر استخدام الفواصل أو النقاط بين الأوراق داخل الصف الواحد؛ لأن المساحات البيضاء المنتظمة كافية للفصل البصري، كما أن رصف الأرقام بدقة شبكية يضمن أن أي عمود من الأوراق يتساوى طوله البصري مع تردده الإحصائي الفعلي، محققاً الصدق والاتساق في العرض المظهري للتوزيع.

3.4 مراجعة المخطط وإضافة المفتاح التوضيحي

تتمثل الخطوة الختامية في التحقق من الدقة الحسابية والشكلية للمخطط المكتمل. يقوم المحلل بعدّ إجمالي الأوراق المسجلة في كامل المخطط ومقارنة هذا المجموع بالحجم الكلي للعينة ($N$)؛ إذ يجب أن يتطابق عدد الأوراق تطابقاً تاماً مع عدد المشاهدات الأصلية، وأي اختلاف بينهما يشير إلى حدوث سقطة إدخال أو تكرار غير مقصود يتطلب المراجعة الفورية. كما تتم مراجعة الترتيب التصاعدي للأوراق في كل صف على حدة للتأكد من عدم وجود خروج عن التنسيق المنطقي.

يُتوج العمل بكتابة “مفتاح المخطط” التفسيري بوضوح لا لبس فيه أسفل الرسم أو بجانبه مباشرة، مع تضمين وحدة القياس الإحصائية بدقة (مثل: ملغم/ديسيلتر، ثانية، درجة معيارية). كما يُفضل وضع عنوان وصفي شامل أعلى المخطط يحدد طبيعة المتغير المقاس وخصائص العينة وتاريخ جمع البيانات؛ وبذلك يكتمل المخطط الإحصائي ليصبح جاهزاً للقراءة والتحليل واستخلاص النتائج وفق أرقى المعايير العلمية.

4. كيفية قراءة وتفسير مخطط الساق والورقة

4.1 استخراج القيم الفردية وإعادة بناء مجموعة البيانات

تعد القدرة على استرجاع البيانات الخام كاملة الميزة الاستثنائية التي تفرد بها مخطط الساق والورقة عن سائر الرسوم التوزيعية. تتم عملية القراءة العكسية من خلال البدء بالساق والتحرك أفقياً عبر الأوراق التابعة له؛ حيث تُدمج قيمة الساق مع كل ورقة متصلة به على حدة لتوليد المفردة العددية الأصلية. فإذا كان الساق هو (4) وتتلوه الأوراق (1، 3، 7)، وكان المفتاح يشير إلى أن الأرقام تمثل أعداداً صحيحة، فإن هذه السلسلة تعاد صياغتها فورياً إلى ثلاث قيم مستقلة هي: 41، 43، 47.

تتكرر هذه العملية الحسابية البسيطة والنسقية عبر كافة السيقان من الأعلى إلى الأسفل، مما ينتج عنه استخراج مصفوفة البيانات الأصلية بدقة متناهية ودون فقدان لأي كسر أو رقم عشري أو تكرار. تتيح هذه الخاصية الفريدة لأي باحث آخر يطلع على المخطط المنشور في مجلة علمية أو تقرير فني أن يعيد إجراء كافة التحليلات الإحصائية المتقدمة واختبارات الفروض وحساب معاملات الارتباط والانحدار على ذات البيانات بدقة متطابقة ومستقلة، وهو ما يحقق مبدأ الشفافية وإمكانية تكرار النتائج (Replicability) الذي ترتكز عليه المنهجية العلمية الرصينة.

4.2 تحديد مقاييس النزعة المركزية من المخطط

يتيح التنظيم الهيكلي للمخطط استخراج وتقدير مقاييس النزعة المركزية (Measures of Central Tendency) الأساسية بيسر وسرعة مذهلة دون الحاجة للرجوع إلى جداول الحسابات المطولة:

• الوسيط الإحصائي (Median): نظراً لأن البيانات مرتبة ترتيباً تصاعدياً صارماً، يمكن تحديد موقع الوسيط باستخدام المعادلة الإحصائية البسيطة $\frac{N+1}{2}$ للعينات الفردية، أو متوسط القيمتين المركزيتين للعينات الزوجية، ثم الشروع في عدّ الأوراق بدءاً من أول ورقة في أعلى ساق أو من أسفل ساق وصولاً إلى الورقة التي تحتل الرتبة الوسيطية، ليُقرأ الوسيط بدمج تلك الورقة مع ساقها مباشرة.
• المنوال (Mode): يُستخرج المنوال بالعين المجردة من خلال المسح البصري السريع للبحث عن الأوراق المتطابقة التي تتكرر بصورة متتالية ومحتشدة بجوار بعضها البعض على نفس الساق؛ فأطول سلسلة من الأرقام المتماثلة تمثل القيمة الأكثر تكراراً وشيوعاً في البيانات.
• المتوسط الحسابي (Mean): يمكن للمحلل الخبير تقدير موضع المتوسط الحسابي بصرياً من خلال ملاحظة “نقطة ارتكاز” أو مركز ثقل التوزيع الإجمالي للأوراق، واستنتاج مدى اقترابه أو ابتعاده عن الوسيط بناءً على طبيعة استطالة ذيل المخطط نحو الأعلى أو الأسفل.

4.3 حساب مقاييس التشتت والشكل العام للتوزيع

بالإضافة إلى النزعة المركزية، يقدم مخطط الساق والورقة قراءة فورية وغنية لـ مقاييس التشتت (Measures of Dispersion) والشكل الهندسي لتوزيع المتغير الخاضع للدراسة:

• المدى الكلي (Range): يُحسب بطرح أدنى قيمة مطلقة (أول ورقة في أول ساق علوي) من أعلى قيمة مطلقة (آخر ورقة في آخر ساق سفلي).
• الربيعات والمدى الربيعي (IQR): يمكن حساب الربيع الأدنى ($Q_1$) والربيع الأعلى ($Q_3$) بالمنطق العددي ذاته المستخدم في استخراج الوسيط، ومن ثم احتساب المدى الربيعي ($IQR = Q_3 – Q_1$) الذي يعكس مدى تشتت الـ 50% الوسطى من المشاهدات ومقاومة التأثر بالقيم المتطرفة.
• شكل التوزيع والالتواء: عند النظر إلى المخطط بشكل جانبي (أو تدويره ذهنياً بمقدار 90 درجة عكس اتجاه عقارب الساعة)، يتجلى شكل منحنى التوزيع؛ فإذا كانت الأوراق تتمركز بكثافة في المنتصف وتتناقص بالتساوي نحو الطرفين، فالتوزيع طبيعي متماثل (Normal). أما إذا كانت الأوراق تتكدس في السيقان العليا وتمتد ذيولها الطويلة نحو السيقان السفلى الكبرى، فالتوزيع موجب الالتواء (Right/Positively Skewed). وفي حال تكدست الأوراق في السيقان السفلى وامتد الذيل نحو السيقان العليا الصغرى، يكون التوزيع سالب الالتواء (Left/Negatively Skewed).

5. أنواع وتفريعات مخططات الساق والورقة

5.1 المخطط المفرد البسيط (Single Stem-and-Leaf Plot)

يمثل المخطط المفرد البسيط الصيغة القياسية والتقليدية للأداة، وهو مصمم خصيصاً لتحليل واستكشاف سلوك متغير كمي واحد مقاس على عينة مفردة من الأفراد أو الوحدات التجريبية. يتكون هذا المخطط من عمود رأسي وحيد للسيقان، تصطف على جانبه الأيمن كافة الأوراق الخاصة بالمشاهدات. يُستخدم هذا النموذج على نطاق واسع في الدراسات الاستطلاعية والأولية لتقييم متغير نفسي أو تربوي منفرد، مثل دراسة مستويات القلق لدى عينة من الموظفين أو فحص درجات التحصيل في اختبار مدرسي محدد.

تتجلى الفعالية القصوى لهذا المخطط البسيط عندما يتراوح حجم العينة بين 15 و 100 مفردة؛ حيث يوفر في هذا النطاق رؤية بصرية متكاملة لا تعاني من ضغط البيانات ولا من شتاتها. غير أن حدوده التطبيقية تظهر بوضوح عند محاولة استخدامه لتمثيل عينات ضخمة للغاية، أو عند الرغبة في إجراء مقارنات مباشرة بين مجموعتين مستقلتين دون الحاجة لبناء مخططين منفصلين يصعب المضاهاة البصرية الفورية بينهما.

5.2 المخطط المتقابل أو المزدوج (Back-to-Back Stem-and-Leaf Plot)

يعد مخطط الساق والورقة المتقابل أو المزدوج (Back-to-Back Plot) واحداً من أروع التعديلات المنهجية التي ابتكرها الإحصائيون لتمكين المقارنة البصرية المباشرة والفورية بين مجموعتين مختلفتين تشتركان في قياس نفس المتغير. يقوم هذا الهيكل على وضع عمود السيقان المشترك في المركز والمنتصف تماماً، وتفصل بينه وبين الأوراق خطوط رأسية من الجهتين؛ بحيث تُدرج أوراق المجموعة الأولى (مثل: الذكور، أو المجموعة الضابطة) على الجانب الأيسر، وتُدرج أوراق المجموعة الثانية (مثل: الإناث، أو المجموعة التجريبية) على الجانب الأيمن.

تخضع قراءة وإنشاء أوراق الجانب الأيسر لقاعدة دقيقة: يجب أن تُرتب أوراق الجانب الأيسر تصاعدياً بالانطلاق من المنتصف (من جوار عمود الساق) والتحرك نحو اليسار؛ بحيث تكون الأرقام الصغرى هي الأقرب لعمود الساق والأرقام الكبرى هي الأبعد نحو الطرف الخارجي الأيسر. يتيح هذا التنسيق المزدوج للباحثين في علم النفس والطب المقارن رصد الفروق الجوهرية في التمركز والانتشار والالتواء بين المجموعتين في لحظة واحدة، وملاحظة ما إذا كان التدخل العلاجي أو المتغير الديموغرافي قد أحدث انزياحاً حقيقياً في كتلة البيانات.

5.3 المخطط المقسم أو الموسع (Split-Stem Plot)

يواجه المحلل في بعض الأحيان مواقف إحصائية تتكدس فيها معظم بيانات العينة في نطاق ضيق جداً من السيقان (كأن تقع 80% من درجات عينة مؤلفة من 60 طالباً بين السيقان 7 و 8)، مما ينتج عنه صفوف أفقية مفرطة في الطول مقابل سيقان عليا وسفلى شبه فارغة، وهو ما يطمس معالم التوزيع ويجعله أشبه بكتلة مصمتة غير مفيدة استكشافياً. في هذه الحالة، يتم اللجوء إلى تقنية “تقسيم السيقان” (Split-Stem Technique) لتوسيع المخطط وزيادة دقته البصرية وميزته التفريقية.

تتمثل الطريقة القياسية لتقسيم السيقان في مضاعفة كل ساق إلى صفين متتاليين يحملان نفس رقم الساق: يُخصص الصف الأول لأوراق الأرقام الصغرى المتراوحة بين (0 و 4)، بينما يُخصص الصف الثاني لنفس الساق لأوراق الأرقام الكبرى المتراوحة بين (5 و 9). وفي حالات التكدس الشديد للبيانات، يمكن تقسيم الساق الواحد إلى خمسة صفوف فرعية؛ بحيث يستوعب الصف الأول الأوراق (0 و 1)، والصف الثاني (2 و 3)، والصف الثالث (4 و 5)، والصف الرابع (6 و 7)، والصف الخامس (8 و 9). تعمل هذه التجزئة الرياضية على بسط التوزيع واستعادة الشكل التفصيلي للمنحنى التكراري، كاشفةً عن القمم والفجوات الخفية التي كانت مطمورة تحت وطأة التجميع المفرط.

6. المقارنة المعيارية: مخطط الساق والورقة مقابل المدرج التكراري (Histogram)

6.1 الحفاظ على البيانات الأصلية مقابل تجميع الفئات

تمثل مسألة الاحتفاظ بالبيانات الأصلية الفارق الجوهري ونقطة التمايز الكبرى بين مخطط الساق والورقة والمدرج التكراري (Histogram). في المدرج التكراري الكلاسيكي، تُجمع البيانات وتُصنف قسرياً داخل فئات أو فترات تكرارية محددة الاتساع (Bins)، وتُمثل كل فئة بعمود مستطيل يعبر ارتفاعه عن التردد الإجمالي للمشاهدات الواقعة داخله. تؤدي هذه العملية إلى اختزال البيانات وتبديد التفاصيل الفردية؛ إذ بمجرد بناء المدرج التكراري، يصبح من المستحيل على القارئ معرفة القيم الحقيقية للأفراد داخل كل عمود، أو التحقق مما إذا كانت الأرقام متمركزة عند حدود الفئة أم موزعة بالتساوي داخلها.

في المقابل، يرفض مخطط الساق والورقة هذا التعتيم المعلوماتي، ويقدم حلاً هجيناً يحتفظ بكافة الأرقام الدقيقة لمفردات العينة دون أي تشويه. هذا الفارق يحمل تداعيات سيكومترية ومنهجية بالغة الأهمية؛ فالقرارات الإكلينيكية والتربوية الحساسة تتطلب أحياناً الوقوف على درجة مفحوص معين بدقة متناهية (مثل درجة طالب تفصله نصف درجة عن اجتياز اختبار ترخيص مهني، أو درجة مريض في مقياس تشخيصي للاكتئاب الحاد)، وهو ما يوفره مخطط الساق والورقة بامتياز ويعجز عنه المدرج التكراري تماماً.

6.2 الكفاءة الحسابية والقدرة البصرية في العينات المختلفة

تتفاوت الكفاءة التحليلية والعملية لكلتا الأداتين بناءً على حجم العينة الخاضعة للدراسة ($N$)؛ ففي العينات الصغيرة والمتوسطة التي يتراوح حجمها من 10 إلى ما دون 100 أو 150 مفردة، يمتلك مخطط الساق والورقة تفوقاً ساحقاً ولا منازع له؛ نظراً لسرعة إنشائه يدوياً أو برمجياً، وقدرته على توفير التوزيع التكراري والقيم التفصيلية معاً دون إجهاد بصري. كما أنه يجنب الباحث معضلة اختيار “اتساع الفئة” (Bin Width) التي يعاني منها المدرج التكراري، حيث يمكن لتغيير اتساع الفئة في العينات الصغيرة أن يقلب الشكل البصري للمدرج التكراري رأساً على عقب ويضلل التفسير.

وعلى النقيض من ذلك، عندما يتسع نطاق البحث ليشمل عينات ضخمة (Big Data) تتألف من آلاف أو ملايين المشاهدات (كما في استطلاعات الرأي الوطنية أو قواعد البيانات الجينية والسكانية الكبرى)، ينهار مخطط الساق والورقة وتتلاشى فاعليته تماماً؛ إذ يؤدي تراكم آلاف الأرقام في صفوف أفقية ممتدة إلى استحالة القراءة وفقدان القدرة على الإدراك البصري التلخيصي. في مثل هذه البيئات ذات الكثافة العددية الهائلة، يستعيد المدرج التكراري صدارته المطلقة وهيمنته كأداة بيانية ممتازة قادرة على صهر ملايين المشاهدات داخل أعمدة رشيقة وواضحة تلخص المشهد الإحصائي العام بأعلى درجات الكفاءة التجريدية.

6.3 المرونة في استكشاف الانحراف والالتواء

يشترك مخطط الساق والورقة والمدرج التكراري في قدرتهما الرياضية على تجسيد معالم التوزيع الاحتمالي، واكتشاف مظاهر الالتواء (Skewness) والتفرطح (Kurtosis)، وتحديد ما إذا كان التوزيع أحادي القمة (Unimodal) أو متعدد القمم (Multimodal). وإذا قمنا بتدوير مخطط الساق والورقة تسعين درجة بعكس اتجاه عقارب الساعة، سنحصل حرفياً على مدرج تكراري دقيق تكون فيه الأوراق هي مكونات الأعمدة ويكون عمود السيقان هو المحور الأفقي للفئات.

ومع ذلك، يتميز مخطط الساق والورقة بمرونة فائقة وحساسية مرهفة في رصد “الفجوات الإحصائية” (Statistical Gaps) والعزلات المكانية للبيانات المتباعدة؛ فبسبب الإبقاء على السيقان الفارغة بوضوح، يدرك الباحث فوراً وجود انقطاع مفاجئ في توالي الاستجابات، وهو أمر قد يختفي بسهولة في المدرج التكراري إذا تم دمج تلك الفجوات داخل فترات تصنيفية عريضة. كما يسهل المخطط اكتشاف تركز البيانات حول أرقام معينة (مثل ظاهرة تفضيل الأرقام الزوجية أو الميل لاختيار الصفر والخمسة في الاستجابات التقديرية)، وهو نمط تشخيصي بالغ الدقة يستحيل على المدرج التكراري كشفه.

7. تطبيقات عملية وأمثلة محلولة في علم النفس والقياس النفسي

7.1 مثال 1: درجات مقياس القلق العام (بيانات عددية صحيحة)

في دراسة إكلينيكية استطلاعية استهدفت فحص مستويات القلق لدى عينة من المراجعين في عيادة للطب النفسي، طُبق مقياس بيك للقلق (Beck Anxiety Inventory – BAI) على عينة مكونة من 20 مريضاً. تراوحت الدرجات الخام الناتجة بين 12 و 58 درجة، وسُجلت مصفوفة البيانات المرتبة تصاعدياً كالتالي: 12، 14، 17، 21، 22، 23، 25، 28، 29، 31، 32، 32، 35، 38، 41، 44، 47، 50، 53، 58.

لبناء مخطط الساق والورقة لهذا المتغير، تُحدد خانة العشرات لتكون هي السيقان، والتي تمتد تسلسلياً من (1 إلى 5)، بينما تُفرز خانات الآحاد لتشكل الأوراق المقابلة لكل ساق. تُرصف الأوراق تصاعدياً بمسافات متساوية؛ حيث يحتوي الساق (1) على الأوراق 2، 4، 7؛ ويحتوي الساق (2) على الأوراق 1، 2، 3، 5، 8، 9؛ ويحتوي الساق (3) على الأوراق 1، 2، 2، 5، 8؛ ويحتوي الساق (4) على الأوراق 1، 4، 7؛ ويحتوي الساق (5) على الأوراق 0، 3، 8. ويُصاغ المفتاح بدقة: (المفتاح: 2 | 1 = 21 درجة على مقياس القلق).

بالنظر التحليلي إلى المخطط الناتج، نجد أن الوسيط الإحصائي يقع في الترتيب العاشر والنصف (بين القيمتين 29 و 31)، مما يعطي وسيطاً مقداره 30 درجة. كما يتضح أن المنوال هو القيمة 32 لتكرار الورقة (2) مرتين متتاليتين في الساق (3). ويُظهر التوزيع شكلاً جرسياً متقارباً يميل قليلاً نحو الاعتدال مع تمركز أغلب الحالات في فئة القلق المتوسط (بين 20 و 39 درجة)، مما يشير إكلينيكياً إلى أن العينة تعكس مستويات قلق نموذجية لمراجعي الرعاية النفسية الأولية دون تركز حاد عند الأطراف القصوى.

7.2 مثال 2: زمن الاستجابة في الاختبارات المعرفية (بيانات عشرية)

أجرى باحث في علم النفس العصبي والمعرفي تجربة لقياس زمن الرجع أو سرعة الاستجابة الحركية (Reaction Time) لمهمة انتباه بصرية محوسبة طُبقت على 15 مشاركاً من كبار السن. قيس الزمن بالأجزاء من الثانية، وجاءت البيانات المرتبة تصاعدياً كالتالي: 1.2، 1.4، 1.5، 1.8، 2.0، 2.1، 2.1، 2.3، 2.7، 2.9، 3.2، 3.4، 3.6، 4.1، 4.8 ثانية.

في هذه الحالة التي تشتمل على بيانات عشرية، يتم تحويل العدد الصحيح الواقع على يسار الفاصلة العشرية ليكون هو عمود السيقان (السيقان: 1، 2، 3، 4)، بينما تُسند الأجزاء من عشرة الواقعة على يمين الفاصلة لتكون هي الأوراق المصاحبة. يُسجل أمام الساق (1) الأوراق: 2، 4، 5، 8؛ وأمام الساق (2) الأوراق: 0، 1، 1، 3، 7، 9؛ وأمام الساق (3) الأوراق: 2، 4، 6؛ وأمام الساق (4) الأوراق: 1، 8. ويوضع المفتاح التفسيري الإلزامي: (المفتاح: 1 | 2 = 1.2 ثانية).

يكشف التفسير السيكولوجي للمخطط عن تمركز واضح لأزمنة الاستجابة في النطاقين (1 و 2 ثانية) بوجود وسيط يبلغ 2.3 ثانية ومنوال عند 2.1 ثانية. إلا أن المخطط يُظهر بوضوح امتداداً خفيفاً للذيل نحو السيقان العليا (4.1 و 4.8 ثانية)، مما يشير إلى وجود التواء إيجابي ناتج عن بطء نسبي ملحوظ لدى عدد محدود جداً من المشاركين، وهو أمر معتاد سيكولوجياً في مهام زمن الرجع لدى العينات المتقدمة في السن، حيث تلعب الفروق الفردية في سرعة المعالجة المركزية دوراً تشتيتياً بارزاً.

7.3 مثال 3: درجات اختبارات الذكاء للأطفال (أعداد تتجاوز المائة)

في سياق برنامج للكشف عن الموهبة وصعوبات التعلم، طُبق مقياس وكسلر لذكاء الأطفال (WISC) على مجموعة مكونة من 18 طفلاً. تراوحت الدرجات المعيارية الناتجة لمعدل الذكاء الكلي (Full-Scale IQ) بين 82 و 138 درجة، وجاءت الأرقام المرتبة تصاعدياً كما يلي: 82، 87، 91، 94، 98، 102، 105، 107، 108، 112، 114، 115، 119، 123، 126، 131، 135، 138.

للتعامل مع هذه البيانات التي تجمع بين أرقام ثنائية وثلاثية المنازل تتجاوز المائة، يُعتمد أسلوب “الساق المركب”؛ حيث تُمثل الأوراق بخانة الآحاد الفردية فقط، بينما تُشتق السيقان من دمج خانتي المئات والعشرات، أو خانة العشرات للأرقام الأقل من مئة. تصبح السيقان المعتمدة تسلسلياً هي: (8، 9، 10، 11، 12، 13). ترصف الأوراق كالتالي: أمام الساق 8 الأوراق (2، 7)؛ أمام الساق 9 الأوراق (1، 4، 8)؛ أمام الساق 10 الأوراق (2، 5، 7، 8)؛ أمام الساق 11 الأوراق (2، 4، 5، 9)؛ أمام الساق 12 الأوراق (3، 6)؛ وأمام الساق 13 الأوراق (1، 5، 8). ويُدون المفتاح: (المفتاح: 10 | 5 = 105 درجة ذكاء).

يبرز المخطط توزيعاً نموذجياً متوازناً وشديد التماثل حول السيقان المركزية (10 و 11) التي تمثل متوسط الذكاء العام في المجتمع الطبيعي، مع انتشار متكافئ ومنتظم للأطراف نحو فئة صعوبات التعلم الحدية في الساق (8) وفئة الموهبة والتفوق العقلي المرتفع في الساق (13). إن بقاء درجات الذكاء واضحة بأرقامها الحقيقية يسهل على الأخصائي النفسي اتخاذ قرارات تصنيفية فورية لتحويل الأطفال ذوي الدرجات 130 فما فوق إلى برامج الرعاية الإثرائية دون الحاجة لإعادة الرجوع إلى السجلات الورقية الأصلية.

8. مقارنة المجموعات باستخدام مخطط الساق والورقة المتقابل (Back-to-Back)

8.1 مقارنة درجات الذكور والإناث في مقاييس المرونة النفسية

في دراسة مقارنة سعت إلى استكشاف الفروق بين الجنسين في مستوى المرونة النفسية (Psychological Resilience)، طُبق مقياس مقنن يتراوح مداه من 20 إلى 90 درجة على عينتين مستقلتين: عينة الذكور ($N = 15$) وعينة الإناث ($N = 15$). أظهرت البيانات الخام للذكور درجات تتراوح بين 32 و 75، بينما أظهرت درجات الإناث تبايناً تراوح بين 41 و 88 درجة.

أُنشئ مخطط الساق والورقة المتقابل بوضع عمود السيقان المشترك في المركز شاملاً السيقان من (3 إلى 8). وُجهت أوراق عينة الذكور نحو اليسار بتسلسل عكسي (ينطلق تصاعدياً من جوار الساق نحو الخارج)، بينما وُجهت أوراق عينة الإناث نحو اليمين بالتسلسل الاعتيادي. وُضع المفتاح التوضيحي المزدوج: (المفتاح للذكور: 4 | 5 = 54 درجة؛ المفتاح للإناث: 5 | 7 = 57 درجة).

كشفت المضاهاة البصرية الفورية في المخطط المزدوج عن وجود انزياح بنيوي في كتلة درجات الإناث نحو السيقان المرتفعة (6، 7، 8) مع تركز وسيط الإناث عند 68 درجة، في حين تمركزت كتلة درجات الذكور في السيقان المتوسطة والدنيا (4، 5) مع وسيط بلغ 51 درجة. هذا التباين البصري المباشر قدم دليلاً استكشافياً أولياً قوياً على تمتع عينة الإناث بمستويات مرونة نفسية أعلى في مواجهة الضغوط، مما وجه الباحثين لاحقاً لاستخدام اختبار “ت” للعينات المستقلة للتحقق من الدلالة الإحصائية لهذا الفرق الملحوظ.

8.2 تقييم الفروق قبل وبعد التدخل العلاجي المعرفي السلوكي

يعد تقييم فاعلية البرامج العلاجية والتدخلات النفسية أحد أهم ميادين القياس المقارن. في دراسة إكلينيكية لتقييم أثر برنامج قائم على العلاج المعرفي السلوكي (CBT) لتخفيف أعراض الاكتئاب، قِيست درجات الاكتئاب لعينة قوامها 12 مريضاً في مرحلتين: مرحلة القياس القبلي (Pre-test) ومرحلة القياس البعدي (Post-test) عقب 12 أسبوعاً من الجلسات العلاجية المكثفة.

باستخدام مخطط الساق والورقة المتقابل، وُضعت السيقان (من 1 إلى 5) في المنتصف، ورُتبت درجات القياس القبلي على الجانب الأيسر، ودرجات القياس البعدي على الجانب الأيمن. أظهر المخطط بوضوح دراماتيكي انخفاضاً حاداً في درجات الاكتئاب؛ حيث كانت أوراق القياس القبلي على اليسار متكتلة بالكامل في السيقان العليا (3، 4، 5) بمتوسط درجات بلغ 43 درجة، مما يعكس درجات اكتئاب شديدة إلى متوسطة. في حين انزاحت أوراق القياس البعدي على اليمين لتستقر في السيقان الدنيا (1، 2) مسجلةً وسيطاً مقداره 18 درجة، دون تسجيل أي ورقة في الساقين (4 و 5).

أتاح هذا العرض البصري المتقابل للفريق الإكلينيكي معاينة حجم الأثر العلاجي (Effect Size) بصورة ملموسة، والتأكد ليس فقط من هبوط المتوسط العام، بل ومن تحسن كافة أفراد العينة دون استثناء، مع تراجع ملحوظ في تشتت الدرجات وتجانس استجابة المرضى للتدخل النفسي السلوكي.

8.3 تحليل التماثل وتشتت المجموعتين بيانياً

إن الفائدة التحليلية الكبرى لمخطط الساق والورقة المزدوج لا تقتصر على مقارنة النزعة المركزية ومواقع المتوسطات فحسب، بل تمتد لتشمل المقارنة المعيارية لدرجة “التماثل الهندسي” والتشتت الداخلي للمجموعتين المقارنتين. فمن خلال الملاحظة البصرية الدقيقة لامتداد الأوراق على جانبي الساق، يستطيع الباحث الحكم الفوري على مدى تجانس التباين (Homogeneity of Variance) وهو أحد الافتراضات الحيوية في الإحصاء الاستدلالي.

إذا أظهر أحد الجانبين أوراقاً متراصة في نطاق ضيق من السيقان في حين أظهر الجانب الآخر أوراقاً ممتدة ومبعثرة عبر كافة السيقان من الأعلى إلى الأسفل، يستنتج المحلل فوراً عدم تكافؤ التشتت بين المجموعتين، وهو ما يفرض الحذر عند استخدام الاختبارات المعلمية مثل تحليل التباين الكلاسيكي وتوجيه الباحث لاستخدام تصحيحات مثل اختبار “ويلش” (Welch’s t-test). كما يُمكّن المخطط من المقارنة المباشرة لأشكال الالتواء؛ لمعرفة ما إذا كانت إحدى المجموعات تتسم بتوزيع طبيعي متماثل بينما تعاني الأخرى من التواء حاد يعيق المقارنات البارامترية المباشرة.

9. معالجة الحالات الخاصة والبيانات المعقدة

9.1 التعامل مع البيانات ذات القيم العشرية والكسور والتقريب

تفرض بعض الدراسات العلمية، ولا سيما في مجالات الفسيولوجيا النفسية والعلوم الطبية الحيوية، التعامل مع بيانات متصلة ذات منازل عشرية شديدة التعدد والدقة (مثل قياسات موصلية الجلد الفجائية بالميكروسيمنز، أو معدل التغير في ضربات القلب المقاس بأجزاء من الألف من الثانية). في مثل هذه الحالات المعقدة، يؤدي استخدام كافة المنازل العشرية إلى شلل تام في بنية مخطط الساق والورقة؛ إذ تصبح الأوراق أعداداً مركبة وهو ما يخالف القواعد الصارمة للأداة.

للتعامل مع هذه البيانات، يلجأ المحلل إلى استراتيجيتين رياضيتين:

• التقريب الإحصائي (Rounding): تقريب المشاهدات الميدانية إلى أقرب منزلة عشرية كافية لتحقيق هدف البحث (مثل التقريب لأقرب جزء من عشرة)، بحيث يُتخذ الجزء الصحيح كساق والجزء المقرب كورقة.
• البتر أو الاقتطاع (Truncation): إسقاط المنازل العشرية الزائدة وتجاهلها مع الاحتفاظ بالمنزلة المستهدفة فقط دون تقريب.

يجب التنبيه منهجياً إلى أن استخدام التقريب أو البتر يفرض على الباحث تدوين ذلك بوضوح تام في الملاحظات المنهجية التابعة للمخطط وفي نص المفتاح التفسيري؛ لضمان الشفافية العلمية وإحاطة القارئ بحجم الخطأ العشري الهامشي الذي تم التنازل عنه لصالح الوضوح البصري والتركيبي للمخطط.

9.2 التعامل مع الأرقام السالبة والبيانات المتفاوتة

تظهر الأرقام السالبة في بعض المقاييس النفسية والاقتصادية التقييمية (مثل درجات التغير النسبي، أو مقاييس الميول والاتجاهات التي تتراوح بين درجات موجبة وسالبة حول نقطة الصفر الحيادية). يمثل إدراج الأرقام السالبة في مخطط الساق والورقة تحدياً يتطلب دقة استثنائية في تنظيم السيقان وتوجيه الأوراق لتفادي الأخطاء المنطقية الشائعة.

في حالة وجود أرقام سالبة وموجبة معاً، يُدرج الساق ($-0$) مستقلاً عن الساق ($+0$)؛ حيث يستوعب الساق ($-0$) القيم السالبة المحصورة بين $-0.1$ و $-0.9$ (أو الأعداد الصحيحة السالبة ذات الآحاد المفردة مثل $-1$ إلى $-9$)، بينما يستوعب الساق ($+0$) القيم الموجبة المقابلة. وترتب السيقان السالبة تنازلياً في القيمة المطلقة أثناء نزولنا نحو الصفر (مثلاً: $-3$، ثم $-2$، ثم $-1$، ثم $-0$) لتعكس الترتيب العددي التصاعدي الصحيح على خط الأعداد الرياضي. وتُرتب الأوراق التابعة للسيقان السالبة بحيث تُكتب القيم ذات القيمة المطلقة الأصغر (الأقرب للصفر وبالتالي الأكبر رياضياً) في البداية، حفاظاً على التوالي المنطقي التصاعدي الدقيق للبيانات من قمة المخطط إلى قاعه.

9.3 إدارة القيم الشاذة والمتطرفة (Outliers)

تُعرَّف القيم الشاذة أو المتطرفة (Outliers) بأنها تلك المشاهدات المنعزلة التي تبتعد بشكل دراماتيكي وشاسع عن النمط العام لتجمع البيانات. وفي سياق مخطط الساق والورقة، تتسبب القيم المتطرفة المتباعدة جداً في مشكلة هيكلية؛ إذ إن الحفاظ على القاعدة الصارمة بكتابة كافة السيقان التسلسلية غير المنقطعة سيؤدي إلى توليد عشرات أو مئات السيقان الفارغة المتتالية، مما يمد المخطط رأسياً بصورة مفرطة تشوه المظهر العام وتفقده قيمته التلخيصية.

تتمثل المعالجة المعيارية المعتمدة لدى رواد التحليل الاستكشافي للبيانات في فصل هذه القيم المتطرفة عن الهيكل المتسلسل للمخطط، وتدوينها في أسطر منفصلة ومستقلة عند القمة أو القاع تحت مسمى خاص. تُكتب القيم الشاذة المتطرفة نحو الصغر في سطر علوي معنون بـ (Low Outliers: …) وتُذكر أرقامها الحقيقية كاملة، في حين تُكتب القيم الشاذة المتطرفة نحو الكبر في سطر سفلي معنون بـ (High Outliers: …)، تاركةً الهيكل الرئيسي للسيقان المتسلسلة ليعبر فقط عن النطاق المترابط للبيانات الطبيعية. تضمن هذه الطريقة المزدوجة رصد وتوثيق القيم الشاذة لأهميتها الإكلينيكية والسيكومترية دون السماح لها بتخريب الرؤية البصرية الشاملة للتوزيع المركزي.

10. الأدوات البرمجية لإنشاء مخطط الساق والورقة

10.1 الإنشاء عبر لغة R وحزمة Graphics الأساسية

تعد لغة البرمجة الإحصائية R البيئة الأكاديمية الأكثر مرونة وأصالة في توليد مخططات الساق والورقة التفاعلية والمطبوعة؛ حيث تحتوي مكتبتها الأساسية (Base Graphics) على دالة قياسية مدمجة تُدعى stem(). تعمل هذه الدالة بمجرد تمرير المتجه الرقمي إليها، وتقوم آلياً بفرز البيانات، وحساب أفضل تجزئة للمنازل، وطباعة المخطط مباشرة في وحدة التحكم (Console) بنسق نصي فائق الدقة.

تتيح لغة R للباحث تحكماً فائقاً في هيكل المخطط من خلال معاملات برمجية مخصصة؛ حيث يتيح المعامل scale إمكانية تمديد أو ضغط عمود السيقان؛ فإعطاء القيمة (scale = 2) يؤدي إلى مضاعفة عدد السيقان وتفعيل خاصية تقسيم السيقان (Split-Stem) لزيادة التفاصيل البصرية، بينما يؤدي تصغير المعامل إلى ضغط السيقان للبيانات شديدة الانتشار. كما يوفر المعامل width إمكانية تحديد الحد الأقصى لطول صفوف الأوراق لتفادي التفاف النصوص عند التعامل مع مصفوفات البيانات الكبيرة، مما يجعل لغة R الخيار الأول للمحللين الإحصائيين في إعداد التقارير الأولية واستكشاف البيانات السيكومترية المتقدمة.

10.2 استخدام مكتبات Python الإحصائية المتقدمة

في بيئة بايثون (Python) الموجهة لعلم البيانات والذكاء الاصطناعي، يبرز استخدام المكتبات الإحصائية المتخصصة لتوليد مخططات الساق والورقة بنماذج رسومية حديثة وجذابة تتجاوز المخرجات النصية التقليدية. تُعد مكتبة stemgraphic الحزمة الرائدة عالمياً في هذا المجال؛ حيث تم تطويرها لسد الفجوة بين التمثيل النصي الأصلي لتوكي والإمكانيات الجرافيكية المعاصرة.

تتميز مكتبة stemgraphic بقدرتها على إنتاج مخططات ساق وورقة عالية الدقة مدمجة كصور رسومية كاملة داخل بيئات دفاتر جوبيتر (Jupyter Notebooks). وتوفر المكتبة مزايا استثنائية تشمل التلوين التلقائي للسيقان والأوراق، وإظهار الترددات التراكمية على الأطراف، والحساب الآلي للوسيط والربيعات وتمييزها بصرياً داخل المخطط، فضلاً عن دعمها المباشر لإنشاء المخططات المتقابلة (Back-to-Back) والمقسمة بكفاءة برمجية عالية عبر سطر واحد من الأوامر، مما يدمج جمالية العرض الرقمي مع دقة التحليل الإحصائي الاستكشرافي.

10.3 التطبيق في البرمجيات الإحصائية النفسية (SPSS و Excel)

تحظى الحزمة الإحصائية للعلوم الاجتماعية (IBM SPSS Statistics) بانتشار واسع بين الباحثين في كليات التربية وعلم النفس والعلوم الإنسانية. يُستخرج مخطط الساق والورقة في برنامج SPSS بكل سهولة عبر الولوج إلى القائمة التحليلية: (Analyze > Descriptive Statistics > Explore)، ومن ثم نقل المتغير المستهدف إلى خانة المتغيرات التابعة والضغط على زر الخيارات الرسومية (Plots) وتفعيل خيار (Stem-and-leaf).

يتميز مخرج SPSS لمخطط الساق والورقة بكونه شاملاً ومحكوماً بأعلى معايير الدقة؛ حيث يقدم عموداً جانبياً إضافياً يوضح “التردد” (Frequency) المحسوب لكل ساق، ويحدد بدقة قيمة اتساع الساق (Stem Width) ووحدة الورقة (Leaf Unit) في أسفل المخطط، كما يفرز الحالات الشاذة آلياً تحت تصنيف (Extremes). أما في برنامج Microsoft Excel، فرغم غياب دالة افتراضية مدمجة لرسم المخطط بضغطة زر واحدة، إلا أنه يمكن محاكاته وبناؤه عبر صيغ الدوال النصية والحسابية المتقدمة مثل INT و MOD و REPT أو عبر وحدات الماكرو البرمجية (VBA)، مما يوفر حلاً بديلاً للمحللين الذين لا يمتلكون برمجيات إحصائية متخصصة.

11. المزايا والحدود المنهجية لمخطط الساق والورقة

11.1 المزايا الفريدة في التحليل الاستكشافي الأولي

يمتلك مخطط الساق والورقة جملة من المزايا المنهجية والعملية التي تمنحه خصوصية فريدة في ترسانة أدوات التحليل الإحصائي؛ وتأتي في مقدمة هذه المزايا بساطة التنفيذ وإمكانية الإنجاز الفوري يدوياً باستخدام القلم والورقة دون الحاجة لأجهزة حاسوب أو برمجيات متقدمة، مما يجعله مثالياً للباحثين الميدانيين أثناء جمع البيانات في المدارس أو العيادات أو المجتمعات النائية لإجراء تقييمات تشخيصية لحظية لجودة البيانات وتوزيعها.

علاوة على ذلك، يدمج المخطط في مساحة بصرية واحدة بين التلخيص التكراري الشامل والعرض المفصل للمفردات، مما يتيح فحصاً سريعاً لمصداقية استجابات العينة واكتشاف أي أخطاء إدخال شاذة ناتجة عن السهو البشري (مثل تسجيل درجة 999 في مقياس يبدأ من صفر إلى 100). كما أنه يمثل أداة تعليمية وتواصلية بالغة القوة لشرح المفاهيم الإحصائية المعقدة كالنزعة المركزية والتشتت والالتواء للطلاب وصناع القرار غير المتخصصين بأسلوب مرئي وبديهي يسهل استيعابه.

11.2 العيوب والقيود مع البيانات الضخمة (Big Data)

على الرغم من براعة هذا المخطط، إلا أنه يعاني من قيود منهجية وبنيوية تجعل استخدامه غير ملائم في سياقات إحصائية معينة؛ وأبرز هذه القيود هو فقدان الفعالية والكفاءة البصرية التامة عند تطبيقه على العينات الكبيرة التي يتجاوز حجمها مئات أو آلاف الحالات. ففي مثل هذه السيناريوهات، تتكدس الأوراق في أسطر أفقية لا نهائية تتجاوز حدود الصفحة أو الشاشة، مما يخلق فوضى بصرية تشتت الانتباه وتطمس النمط التوزيعي العام للبيانات بدلاً من توضيحه.

كما يعجز المخطط عن التعامل السلس مع البيانات المتصلة شديدة التباين التي تتوزع عبر نطاقات جغرافية أو عددية هائلة بفروق تبلغ ملايين الوحدات، حيث يؤدي ذلك إما إلى توليد آلاف السيقان الفارغة أو إجبار الباحث على إجراء تقريب عنيف يفقد البيانات جوهرها. بالإضافة إلى ذلك، يقتصر المخطط حصرياً على تمثيل المتغيرات الكمية أحادية البعد (Univariate Quantitative Data)، ويعجز تماماً عن تمثيل البيانات النوعية أو الاسمية، أو نمذجة العلاقات متعددة المتغيرات التي تتطلب مخططات التشتت والانحدار المتقدمة.

11.3 متى يفضل الانتقال إلى أدوات بيانية بديلة؟

تفرض الرصانة المنهجية على الباحث الانتقال من مخطط الساق والورقة إلى أدوات بيانية بديلة أكثر ملاءمة عندما تتغير شروط العينة وأهداف التحليل الإحصائي:

• المدرج التكراري (Histogram): يُفضل الانتقال إليه بصورة قاطعة عندما يتجاوز حجم العينة 150 إلى 200 مفردة؛ للاستفادة من قدرته التجميعية الفائقة في عرض التوزيع التكراري للبيانات الضخمة دون تشويش بالأرقام الفردية.
• مخطط الصندوق والساعدين (Boxplot): يعد البديل الاستثنائي والأمثل عندما يكون الهدف هو إجراء مقارنات توزيعية متزامنة بين عدد كبير من المجموعات التجريبية أو الفئات التصنيفية (أكثر من مجموعتين)، حيث يتيح رسم عدة صناديق متجاورة تعرض الوسيط والربيعات والقيم الشاذة بكفاءة مكانية خارقة.
• منحنيات الكثافة الاحتمالية (Kernel Density Plots): يفضل اللجوء إليها في النمذجة الإحصائية المتقدمة والبيانات المتصلة الكبيرة؛ نظراً لقدرتها على توليد منحنيات ملساء ودقيقة تصف التوزيع الاحتمالي المستمر متجاوزة قيود تقسيم الفئات وتكدس الأرقام.

12. إرشادات عملية للأكاديميين والباحثين في القياس النفسي

12.1 شروط إدراج المخطط في التقارير ورسائل الماجستير والدكتوراه

يخضع إدراج مخططات الساق والورقة في الأطروحات الجامعية والدوريات العلمية المحكمة لمعايير التوثيق والنشر الأكاديمي الصارمة، وفي مقدمتها دليل النشر الصادر عن جمعية علم النفس الأمريكية (APA Style – الإصدار السابع). تنص هذه المعايير على معاملة المخطط إما كشكل بياني (Figure) أو كجدول إحصائي (Table) مركب وفقاً لطريقة إخراجه البرمجية، مع ضرورة إعطائه رقماً تسلسلياً وعنواناً مقتضباً وواضحاً يوضع أعلاه بخط مائل يصف المتغير والعينة بدقة.

تشترط المعايير الأكاديمية إرفاق المفتاح التوضيحي (The Key) دائماً وبصورة لا تقبل الإسقاط، إما داخل جسم المخطط أو في ملاحظة جدولية سفلية تبدأ بكلمة (Note.). كما يُوصى منهجياً بتضمين المخطط في المتن الرئيسي للبحث فقط عندما يكون أداة محورية للإجابة عن سؤال استكشافي أو لتبرير خيار منهجي مفصلي (مثل تبرير التحول لاختبارات لا معلمية نتيجة عدم تماثل التوزيع)، بينما يفضل ترحيله إلى الملاحق الإحصائية (Appendices) في الأبحاث التي تعتمد مباشرة على الفرضيات الاستدلالية المتقدمة لعدم إثقال متن التقرير بالتفاصيل الاستكشافية الأولية.

12.2 الأخطاء الشائعة أثناء بناء وقراءة المخطط وكيفية تجنبها

يقع كثير من الباحثين وطلاب الدراسات العليا في أخطاء فنية ومنهجية متكررة أثناء إنشاء أو تفسير مخطط الساق والورقة، ومن أبرز هذه العثرات التي يجب تجنبها بصرامة:

• إسقاط وتخطي السيقان الفارغة: وهو الخطأ الأكثر فداحة؛ حيث يعمد البعض إلى حذف الساق الذي لا يحتوي على أوراق، مما يشوه التباعد الرياضي ويخفي الفجوات التوزيعية الحقيقية بين البيانات.
• كتابة أكثر من رقم في خانة الورقة الواحدة: كأن تُكتب الورقة برقمين (مثل وضع 12 كورقة)، وهو ما يخرق القاعدة الرياضية ويقضي على التناسب البصري للترددات.
• إغفال الترتيب التصاعدي للأوراق: مما يعيق حساب الوسيط والربيعات بصرياً ويجعل استخراج المنوال أمراً بالغ الصعوبة.
• عدم انتظام التباعد الأفقي بين الأرقام: وهو ما يؤدي إلى وهم بصري يظهر صفاً يحتوي على 4 أرقام متباعدة أطول من صف يحتوي على 6 أرقام متقاربة، مما يضلل عين المحلل في تقييم الكثافة التكرارية.
• نسيان تضمين المفتاح التوضيحي: مما يحرم المخطط من هويته الرياضية ويترك البيانات مجهولة القيمة والوحدة.

12.3 صياغة التقرير النفسي المصاحب للرسم البياني

لا يكتمل التناول الأكاديمي لمخطط الساق والورقة دون صياغة فقرة تفسيرية سيكولوجية رصينة تربط بين الملاحظات البصرية والأبعاد النظرية للبحث. يجب أن تتبع الصياغة تسلسلاً منطقياً يبدأ بوصف النزعة المركزية، ثم التشتت، ثم شكل التوزيع، وصولاً إلى القيم المتطرفة والدلالة السلوكية لتلك المعالم.

نموذج تطبيقي للصياغة الأكاديمية المعتمدة:
“أظهر الفحص الاستكشرافي لدرجات مقياس التوافق النفسي عبر مخطط الساق والورقة (الشكل 3) توزيعاً يميل إلى التماثل أحادي القمة، حيث استقرت النزعة المركزية عند وسيط بلغ 64.0 درجة ومنوال مقداره 66.0 درجة، مع تركز غالبية الاستجابات في النطاق المتوسط المتراوح بين السيقان (5 و 7). بلغ المدى الكلي للدرجات 48 وحدة (امتداداً من 38 إلى 86)، مع مدى ربيعي قدره 16 وحدة يعكس تشتتاً معتدلاً واستقراراً نسبياً في استجابات أفراد العينة. لم يُظهر المخطط وجود أي فجوات توزيعية واسعة أو قيم متطرفة منعزلة في السيقان القصوى، مما يؤكد استيفاء البيانات لشرط الاعتدالية والاتساق الداخلي، ويسوغ المضي قدماً في تطبيق الاختبارات الإحصائية البارامترية لاختبار الفرضيات الأساسية للدراسة.”

خاتمة

يظل مخطط الساق والورقة (Stem and Leaf Plot) تحفة إحصائية خالدة تجسد ببراعة عبقرية التحليل الاستكشافي للبيانات؛ فرغم بساطة فكرته البنائية القائمة على تفكيك الأرقام إلى سيقان وأوراق، إلا أنه يمنح الباحثين والمحللين سلطة فريدة للجمع بين دقة الأرقام التلخيصية وجمالية التوزيعات البصرية في آن واحد. إن حفاظه المطلق على هوية البيانات الخام، وقدرته على الكشف الفوري عن النزعة المركزية، والتباين، والالتواء، والفجوات، والقيم الشاذة، يجعل منه أداة تأسيسية لا غنى عنها في القياس النفسي، والتربوي، والبحوث الإنسانية والاجتماعية.

ومع استمرار تطور علوم البيانات والبرمجيات الحديثة مثل R و Python و SPSS، تزداد أهمية استيعاب الأسس المنهجية الصارمة لهذا المخطط لبنائه وتفسيره بكفاءة واحترافية. إن التمكن من أدوات الاستكشاف البصري الأولى يمثل خط الدفاع المنهجي الأول لكل باحث جاد؛ إذ يضمن سلامة البيانات، ودقة القرارات السيكومترية، وصدق الاستنتاجات العلمية التي تقود في نهاية المطاف إلى معرفة إنسانية رصينة وموثوقة.

References

• Bowley, A. L. (1920). Elements of Statistics (4th ed.). P.S. King & Son. https://archive.org/details/elementsofstati00bowl
• Emerson, J. D., & Hoaglin, D. C. (1983). Stem-and-leaf displays. In D. C. Hoaglin, F. Mosteller, & J. W. Tukey (Eds.), Understanding Robust and Exploratory Data Analysis (pp. 7–32). John Wiley & Sons.
• Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). SAGE Publications.
• Hoaglin, D. C., Mosteller, F., & Tukey, J. W. (Eds.). (2000). Exploring Data Tables, Trends, and Shapes. John Wiley & Sons. https://doi.org/10.1002/9781118150702
• National Institute of Standards and Technology. (2012). NIST/SEMATECH e-Handbook of Statistical Methods: Stem-and-Leaf Plot. U.S. Department of Commerce. https://www.itl.nist.gov/div898/handbook/eda/section3/stemleaf.htm
• R Core Team. (2023). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/
• Tukey, J. W. (1977). Exploratory Data Analysis. Addison-Wesley Publishing Company.
• Velleman, P. F., & Hoaglin, D. C. (1981). Applications, Basics, and Computing of Exploratory Data Analysis. Duxbury Press.
• Wilkinson, L. (2005). The Grammar of Graphics (2nd ed.). Springer. https://doi.org/10.1007/0-387-28695-0