مخططات الساق والورقة: كيفية إيجاد المتوسط الحسابي، والوسيط، والمنوال

يحتل التحليل الاستكشافي للبيانات (Exploratory Data Analysis) مكانة جوهرية في الممارسة الإحصائية المعاصرة، حيث يمثل المرحلة التأسيسية التي تسبق النمذجة الرياضية واختبار الفرضيات البارامترية. في هذا السياق المعرفي، تبرز مخططات الساق والورقة بوصفها إحدى أكثر الأدوات البصرية والجدولية قدرة على التوفيق بين متطلبات الاختزال الإحصائي والحفاظ الكامل على الهوية الرقمية للمشاهدات الفردية. تتيح هذه الأداة للباحثين والمحللين فحص التوزيعات التكرارية بصورة فورية، دون التضحية بالقيم الدقيقة للبيانات كما يحدث عادة في الفئات التجميعية للمدرجات التكرارية التقليدية.

تكتسب هذه المخططات أهمية مضاعفة عند تطبيقها في مجالات العلوم السلوكية، والقياس النفسي (Psychometrics)، والعلوم الاجتماعية؛ حيث يكون لكل استجابة فردية أو زمن رجع معملي وزن تحليلي يستوجب التمحيص الدقيق. ومن خلال التنظيم الهيكلي الصارم للسيقان والأوراق، يتحول المخطط إلى خريطة انتشار متكاملة تكشف عن التمركز، والتشتت، والشذوذ الإحصائي، مما يمهد الطريق لاستخراج مقاييس النزعة المركزية الأساسية بدقة متناهية وبأقل قدر من الخطأ الإجرائي.

يهدف هذا الدليل المنهجي الشامل إلى تفكيك بنية مخططات الساق والورقة من منظور نظري وتطبيقي معمق، مع التركيز على الخوارزميات الرياضية والخطوات المنهجية اللازمة لإيجاد وتفسير المتوسط الحسابي والوسيط والمنوال. كما يستعرض المقال التحديات الحسابية المرافقة للبيانات المعقدة، مثل الكسور العشرية، والقيم السالبة، والمقارنات الثنائية، وصولاً إلى تأطير المعايير المعيارية التي تحكم اختيار هذه الأداة في تقارير البحوث السيكومترية المتقدمة وفق أعلى المعايير الأكاديمية.

1. مدخل إلى مخططات الساق والورقة في التحليل الإحصائي الوصفي

1.1 التعريف النظري لمخطط الساق والورقة وأصوله التاريخية

تعود الجذور التاريخية لمخطط الساق والورقة إلى أعمال عالم الإحصاء الأمريكي الرائد جون توكي (John Tukey)، الذي قدم هذا المفهوم في أوائل سبعينيات القرن العشرين كجزء لا يتجزأ من ثورته المنهجية المعروفة بـ “تحليل البيانات الاستكشافي” (Exploratory Data Analysis – EDA). رأى توكي أن الإحصاء الوصفي الكلاسيكي كان يعاني من نزعة اختزالية مفرطة تؤدي في كثير من الأحيان إلى طمس التفاصيل الهيكلية الدقيقة للبيانات من خلال الاعتماد المبكر على المعالم التلخيصية المعيارية كالانحراف المعياري والتباين. ومن هنا، ابتكر مخطط الساق والورقة ليكون أداة شبه رسومية وهجينة، تقع في المنطقة الوسطى بين المصفوفة الجدولية والتمثيل البياني البصري المتصل.

يقوم المفهوم الإحصائي للمخطط على تقسيم كل مشاهدة عددية كمية إلى شقين أساسيين: الشق الأول يُعرف باسم “الساق” (Stem)، ويمثل الخانات الرقمية ذات الرتب المكانية الأعلى، مثل العشرات أو المئات أو الآحاد في الأعداد العشرية؛ في حين يُعرف الشق الثاني باسم “الورقة” (Leaf)، ويمثل الخانة المكانية الأدنى التالية مباشرة، وغالباً ما تكون خانة الآحاد أو الأجزاء من عشرة. تكمن القوة المنهجية لهذا التقسيم في قدرته الفريدة على توفير نظرة بصرية مباشرة لشكل التوزيع الاحتمالي مع الحفاظ المطلق على كل مفردة رقمية خام. فبينما تفقد الرسوم البيانية التجميعية قيم المشاهدات الأصلية وتستبدلها بأعمدة تمثل فترات تكرارية مغلقة، يسمح مخطط الساق والورقة بإعادة استرجاع مجموعة البيانات الأصلية بدقة تصل إلى مئة بالمئة دون أي لبس رياضي أو فقدان للمعلومات الإحصائية الحيوية.

1.2 أهمية مخطط الساق والورقة في تقييم البيانات النفسية والسلوكية

في ميدان البحوث النفسية والتقييم السلوكي، تكتسب دقة البيانات الفردية حساسية قصوى نظراً لطبيعة الظواهر المقاسة التي تتميز في كثير من الأحيان بعدم التجانس ووجود تباينات بينية حادة بين المفحوصين. يُستخدم مخطط الساق والورقة على نطاق واسع في فرز استجابات مقاييس الشخصية، واستخبارات القلق، واختبارات القدرات المعرفية في مراحلها الاستكشافية الأولى. إن تنظيم استجابات الأفراد في هذا المخطط يمكّن الباحث النفسي من معاينة انتشار الدرجات عبر السلم القياسي ورصد التجمعات الفرعية (Sub-clusters) التي قد تشير إلى وجود تصنيفات تشخيصية مستترة داخل العينة المدروسة.

علاوة على ذلك، يمثل المخطط أداة استراتيجية في تحليل التجارب السلوكية المعملية التي تقيس متغيرات متصلة بالغة الحساسية، مثل أزمنة الرجع (Reaction Times) وسرعة المعالجة الإدراكية للألواح البصرية. في هذه السياقات، يسهل المخطط الاكتشاف المبكر للمشاهدات الشاذة أو المتطرفة (Outliers)؛ كأن يُظهر المفحوص زمناً غير واقعي نتيجة تشتت الانتباه أو التخمين العشوائي. إن الرصد العيني الفوري لهذه الحالات الشاذة عبر السيقان المعزولة يتيح للباحث اتخاذ قرارات منهجية واعية تتعلق بتنقية البيانات قبل المضي قدماً في تطبيق النماذج الإحصائية الاستدلالية البارامترية، والتي تتطلب افتراضات صارمة حول اعتدالية التوزيع واستقراره.

1.3 المقارنة بين مخطط الساق والورقة والمدرج التكراري (Histogram)

عند إجراء مقارنة منهجية بين مخطط الساق والورقة والمدرج التكراري الكلاسيكي (Histogram)، يتبين أن كلاً منهما يخدم غايات بصرية متقاربة لكن بدرجات متباينة من الدقة التحليلية. يتميز مخطط الساق والورقة بأنه يحتفظ بالقيم الخام داخل بنيته، مما يتيح حساب المتوسط الحسابي الفعلي، والوسيط، والمنوال بدقة رياضية مطلقة دون الحاجة إلى اللجوء إلى التقديرات التقريبية لمراكز الفئات التكرارية كما هو الحال الحتمي في المدرجات التكرارية. كما يتفوق المخطط في العينات الصغيرة والمتوسطة—التي يتراوح حجمها عادة بين 15 ومئة مفردة—حيث يوفر كفاءة حسابية وبصرية تفوق المدرجات التي تصبح مشوهة أو عديمة المعنى عند تطبيقها على عينات محدودة الحجم نتيجة لحساسية عروض الفئات (Bin Widths).

في المقابل، تظهر المحدودية البنيوية لمخطط الساق والورقة عند التعامل مع البيانات الضخمة (Big Data) أو العينات التي تتجاوز مئات المشاهدات؛ حيث يؤدي تراكم الأوراق النصية إلى ازدحام بصري مفرط يفقده ميزته التوضيحية ويجعل من قراءته عملية شاقة ومعقدة. في مثل هذه البيئات الكبيرة، يصبح المدرج التكراري الخيار الأكثر كفاءة وقدرة على تلخيص الكثافة الاحتمالية للتوزيعات الكبرى، بينما يظل مخطط الساق والورقة الأداة المفضلة في التحليلات الاستكشافية المعمقة للعينات الإكلينيكية والتجريبية المحدودة.

2. البنية الهيكلية لمخطط الساق والورقة وقواعد بنائه

2.1 المكونات الأساسية للمخطط: عمود الساق وصفوف الأوراق ومفتاح الرسم

تتألف البنية المعمارية لمخطط الساق والورقة من ثلاثة أركان هندسية وتحليلية رئيسية تتكامل فيما بينها لتشكيل العرض البياني المتزن. الركن الأول هو عمود الساق (Stem Column)، وهو محور رأسي يوضع عادة في الجانب المقابل لجهة القراءة الأساسية (الجانب الأيمن في اللغة العربية أو الأيسر في اللغات اللاتينية)، ويُفصل بخط رأسي مستقيم وثابت. يحتوي هذا العمود على الأرقام الدالة على الفئات الكبرى المشتركة بين المشاهدات، والتي تمثل المنازل المكانية العليا كالآحاد الكبرى، أو العشرات، أو المئات، مرتبة بصورة منتظمة.

الركن الثاني يتمثل في صفوف الأوراق (Leaf Rows)، وهي الامتدادات الأفقية التي تتفرع من كل ساق محددة. تتكون كل ورقة من رقم فردي واحد فقط يمثل المنزلة العددية الصغرى المرتبطة بالقيمة المسجلة. يتم تدوين الأوراق في صفوف مستقيمة ذات مسافات متساوية بدقة هندسية، مما يجعل طول الصف ممثلاً مباشراً لتكرار المشاهدات المناظرة لتلك الساق، محاكياً بذلك ارتفاع الأعمدة في المدرج التكراري.

أما الركن الثالث والأكثر أهمية من الناحية التفسيرية فهو “مفتاح الرسم” أو الدليل التوضيحي (Key/Legend). يعمل المفتاح بمثابة الشيفرة المرجعية التي تفكك الغموض الرياضي حول القيمة المكانية الفاصلة بين الساق والورقة. يحدد المفتاح ما إذا كانت القيمة المشكلة من الساق 5 والورقة 2 تعني العدد الصحيح 52، أم الكسر العشري 5.2، أم المقدار المئوي 0.52، أم العدد المالي 5200. وبدون هذا المفتاح الصريح، يفقد المخطط دقته الإحصائية ويصبح عرضة للتأويلات الخاطئة والتباينات التفسيرية غير المبررة.

2.2 قواعد الترتيب الإحصائي الصارم للبيانات داخل المخطط

يخضع بناء مخطط الساق والورقة لمعايير إحصائية صارمة تضمن اتساق القراءات وقابليتها للتحليل الحسابي المباشر. أولى هذه القواعد هي الإلزام المطلق بترتيب أرقام السيقان تصاعدياً من القيمة الأصغر إلى القيمة الأكبر باتجاه قراءة عمودي منتظم. ينسحب هذا الالتزام الرياضي أيضاً على صفوف الأوراق، حيث يجب فرز الأوراق داخل كل صف بصورة تصاعدية دقيقة، تبدأ من أصغر قيمة للأوراق ملاصقة لخط الفصل الرأسي وتنتهي بأكبرها عند الطرف الخارجي للصف.

ثانياً، تفرض القواعد المنهجية تجنب استخدام أي فواصل، أو علامات ترقيم، أو أقواس بين الأرقام داخل صف الأوراق؛ إذ يجب أن تفصل بين كل رقم ورقم مسافة بصرية ثابتة ومنتظمة لضمان التكافؤ المكاني الذي يعكس التكرار الفعلي دون تضليل بصري. ثالثاً، في حال تكرار قيمة عددية معينة في العينة عدة مرات، يجب تسجيل الورقة المناظرة لها بذات العدد من التكرارات المنفصلة والمتتالية. فإذا ظهرت القيمة 43 ثلاث مرات في العينة، تُرسم الورقة 3 ثلاث مرات متتابعة بجوار الساق 4؛ ذلك أن إغفال أي تكرار يُعد خرقاً للمعيار العددي ويؤدي بالضرورة إلى تشويه حجم العينة الكلي وحسابات النزعة المركزية اللاحقة.

2.3 أنواع مخططات الساق والورقة وفقاً لطبيعة البيانات

تتعدد أشكال وتفريعات مخططات الساق والورقة لتلائم التعقيدات المتنوعة للبيانات الإحصائية. النوع الأول هو “المخطط القياسي” (Standard Stem-and-Leaf Plot)، ويُستخدم للبيانات البسيطة التي تتوزع فيها المشاهدات ضمن مدى عددي معتدل يسمح بساق واحدة لكل فئة عشرية منتظمة. غير أنه في حال تكدس المشاهدات في ساق أو ساقين فقط، مما يولد صفوفاً طويلة غير متوازنة تخفي التفاصيل الداخلية، يُلجأ إلى النوع الثاني وهو “المخطط ذو السيقان المجزأة” (Split-Stem Plot). في هذا التصميم، تُقسم كل ساق إلى جزأين أو خمسة أجزاء؛ كأن تُخصص الساق الأولى للأوراق من 0 إلى 4، والساق المكررة للأوراق من 5 إلى 9، مما يمنح التوزيع دقة استكشافية أعلى وشكلاً يماثل تصغير فئات المدرج التكراري.

أما النوع الثالث المتقدم فهو “المخطط المتقابل أو المتراجع” (Back-to-Back Stem-and-Leaf Plot)، وهو أداة مقارنة قوية تتألف من عمود ساق مركزي تتفرع منه الأوراق في اتجاهين متعاكسين؛ أوراق المجموعة الأولى تمتد جهة اليمين، بينما تمتد أوراق المجموعة الثانية جهة اليسار. يُعد هذا النوع مثالياً في التجارب الإكلينيكية والنفسية لمقارنة المجموعة التجريبية بالمجموعة الضابطة، أو مقارنة مستويات الذكور بمستويات الإناث على مقياس نفسي موحد. وأخيراً، تُستخدم المخططات المقتطعة والمدورة (Truncated and Rounded Plots) لمعالجة البيانات التي تحتوي على خانات رقمية متعددة (ثلاث خانات فما فوق)، حيث يتم تدريب المحلل على تشذيب المنازل الإضافية لتركيز الاهتمام على التباين البنيوي الأساسي للعينة.

3. الخطوات المنهجية لقراءة واستخراج البيانات من المخطط

3.1 التحويل العكسي من التمثيل البياني إلى السلسلة الرقمية الخام

تُعد عملية استخراج البيانات من مخطط الساق والورقة بمثابة عملية ترجمة رياضية عكسية يتم فيها تفكيك التمثيل البياني لإعادة بناء المصفوفة الرقمية الخام. تبدأ هذه العملية بالانتقال الإلزامي إلى مفتاح المخطط؛ إذ يمثل المفتاح الأساس الرياضي لتحديد الأساس العشري والمرتبة المكانية للمشاهدات. فإذا نص المفتاح على أن الصيغة 8 | 4 تعادل القيمة 84، فإن ذلك يعني أن كل ساق تمثل خانة العشرات وأن كل ورقة تمثل خانة الآحاد الحسابية.

يتم بعد ذلك تتبع الصفوف بدقة منهجية تبدأ من الساق الأولى ذات الترتيب الأدنى؛ حيث تُقرأ الساق وتُدمج بالتسلسل مع كل ورقة موجودة في صفها الأفقي. على سبيل المثال، إذا ارتبطت الساق 2 بالأوراق 1، 1، 5، تُكتب هذه القيم على هيئة المشاهدات المستقلة: 21، 21، 25. يستمر المحلل في تفريغ المشاهدات تباعاً بالانتقال من سطر إلى سطر إلى حين استنفاد جميع الأوراق المقيدة في المخطط. تتطلب هذه العملية صرامة إجرائية للتحقق من مطابقة عدد القيم المستخرجة مع التعداد البصري لكافة الأوراق في المخطط لضمان عدم حدوث أي سقط أو تكرار غير مقصود أثناء إعادة البناء.

3.2 حساب حجم العينة وتكرار المشاهدات من خلال عد الأوراق

يُعد تحديد حجم العينة الإحصائية الكلي (ويرمز له رياضياً بالحرف $N$ للمجتمع أو $n$ للعينة) خطوة تمهيدية حاسمة لا يمكن إجراء أي حسابات دقيقة لمقاييس النزعة المركزية بدونها. في مخطط الساق والورقة، يتطابق حجم العينة تطابقاً مطلقاً مع المجموع الإجمالي لكافة الأوراق المرسومة في جميع الصفوف؛ ذلك لأن كل ورقة منفردة تمثل مشاهدة وحيدة لا تتجزأ. يتم حساب الحجم من خلال إجراء عد أفقي دقيق للأوراق داخل كل ساق لتحديد “التكرار الفئوي الجزئي” (Partial Frequency)، ثم جمع هذه التكرارات رأسياً للوصول إلى الحجم الإجمالي.

يوفر الجمع التراكمي لعدد الأوراق عبر الصفوف قاعدة بيانات مصفوفية تحدد بدقة مواقع الرتب النسبية والمئينات (Percentiles). فمن خلال معرفة التكرار المتجمع الصاعد للأوراق من الساق الدنيا وصولاً إلى الساق العليا، يسهل على الباحث تحديد مواقع الرتب الوسيطية دون الحاجة إلى إعادة كتابة السلسلة العددية في جداول ممتدة. وتتضمن ممارسات التحليل الرصينة إجراء مراجعة مزدوجة للعد؛ كأن يتم العد من الأعلى إلى الأسفل ثم يُعاد التحقق المعاكس من الأسفل إلى الأعلى لضمان سلامة الإحصاء العددي التأسيسي.

3.3 التعرف البصري الأولي على تركز وتشتت المشاهدات

قبل الشروع في المعالجات الحسابية المعقدة، يوفر مخطط الساق والورقة للمحلل القدرة على الاستكشاف البصري الفوري للهيكل العام للتوزيع الإحصائي. تتجلى منطقة التمركز والتردد العالي (Modal Region) في الصفوف التي تتميز بامتدادات أفقية كثيفة من الأوراق، حيث تشير هذه الكتل المزدحمة إلى القيم الأكثر شيوعاً وجذباً للاستجابات السلوكية في المجتمع الإحصائي. في المقابل، تشير السيقان التي تحتوي على عدد محدود جداً من الأوراق إلى مناطق الندرة والانتشار الهامشي.

كذلك، يمكن للمحلل رصد “الفجوات الإحصائية” (Statistical Gaps) التي تتضح من خلال وجود سيقان فارغة تماماً من أي أوراق، مما يدل على وجود انقطاع مفاجئ في استمرارية الظاهرة المقاسة. أما المشاهدات المعزولة التي تظهر على سيقان بعيدة تفصل بينها وبين الكتلة المركزية فجوات متعددة، فإنها ترسل إشارة بصرية واضحة على وجود قيم شاذة ومتطرفة. يتيح هذا المسح البصري التنبؤ باتجاه التواء التوزيع (Skewness) ودرجة تشتت البيانات، مما يوجه المحلل نحو اختيار مقاييس النزعة المركزية الأكثر ملاءمة للتعبير عن الواقع الإحصائي للعينة.

4. حساب المتوسط الحسابي (Mean) من مخطط الساق والورقة

4.1 الأساس الرياضي لحساب المتوسط الحسابي في التوزيعات المفردة

يُعرَّف المتوسط الحسابي (Arithmetic Mean)، والذي يُرمز له بالرمز $\bar{x}$ للعينات و$\mu$ للمجتمعات الإحصائية، بأنه القيمة العددية التي تمثل مركز الثقل الرياضي لنقاط البيانات في فضاء القياس. يتحدد الأساس النظري للمتوسط بأنه النقطة التي يتلاشى عندها المجموع الجبري لانحرافات جميع القيم عنها، أي أن مجموع الفروق بين كل قيمة والمتوسط الحسابي يساوي صفراً تماماً: $\sum (x_i – \bar{x}) = 0$. تعتمد الصيغة الرياضية العامة للمتوسط على حاصل جمع كافة القيم المستقلة مقسوماً على العدد الإجمالي لتلك القيم وفق المعادلة:

$$\bar{x} = \frac{\sum_{i=1}^{n} x_i}{n}$$

تكمن الميزة الحسابية الكبرى لمخطط الساق والورقة في توفيره لكافة قيم $x_i$ الدقيقة، مما يتيح حساب المتوسط الفعلي الكامل دون أي خطأ ناشئ عن تجميع البيانات. غير أن الخاصية الجوهرية للمتوسط الحسابي تكمن في حساسيته المفرطة لجميع القيم المتطرفة المدرجة في المخطط؛ إذ إن أي مشاهدة استثنائية تسجل على ساق عليا أو دنيا متباعدة ستسحب المتوسط الحسابي بقوة نحو طرفها، مما يجعل تفسيره يتطلب حذراً نقدياً عند وجود التواء واضح في شكل الأوراق.

4.2 خوارزمية جمع القيم المستخرجة من السيقان والأوراق

لحساب المجموع الإجمالي للبيانات ($\sum x$) مباشرة من مخطط الساق والورقة بكفاءة ودون الوقوع في أخطاء الإجهاد الحسابي، يمكن للباحث اتباع إحدى طريقتين منهجيتين. الطريقة الأولى هي “طريقة التفريغ المباشر”، وفيها تُحول كل ورقة مع ساقها إلى رقم مستقل، ثم تُجمع الأرقام الناتجة بصورة خطية تراكمية. ورغم بساطة هذه الطريقة المباشرة وملاءمتها للعينات الصغيرة، إلا أنها قد تكون عرضة للأخطاء الحسابية اليدوية في العينات الأكبر حجماً.

أما الطريقة الثانية، وهي الأكثر دقة وأناقة من الناحية الرياضية، فتُعرف باسم “طريقة التحليل التجميعي الموزون للسيقان والأوراق” (Weighted Linear Expansion). في هذه الطريقة، يتم فصل مساهمة السيقان عن مساهمة الأوراق وفق الصيغة الجبرية:

$$\sum x = \sum \left( \text{Stem} \times 10^k \times f_{\text{stem}} \right) + \sum \text{Leaves}$$

حيث يمثل $10^k$ القيمة المكانية للساق، ويمثل $f_{\text{stem}}$ التكرار الفعلي (عدد الأوراق) المسجل في تلك الساق، بينما يمثل $\sum \text{Leaves}$ حاصل الجمع البسيط لجميع أرقام الأوراق الفردية في المخطط مضروبة في قيمتها المكانية. تتيح هذه الخوارزمية تجزئة العمليات الحسابية الكبيرة إلى مصفوفات جمع جزئية يسهل تدقيقها ومراجعتها خطوة بخطوة، مما يقلل احتمالات الخطأ الإجرائي في المعالجات الإحصائية اليدوية.

4.3 تطبيق القسمة وتحديد دقة النواتج والتقريب الإحصائي

عقب إتمام الحساب الرياضي لمجموع القيم ($\sum x$) والتحقق من الحجم الكلي للمفردات ($n$)، تأتي مرحلة تطبيق عملية القسمة المباشرة لاستخراج المتوسط الحسابي. تتطلب الممارسة الإحصائية الأكاديمية الرصينة، لا سيما في سياق معايير النشر الصادرة عن جمعية علم النفس الأمريكية (APA Style)، الالتزام الصارم بقواعد التقريب والتدوير العشري. تنص المعايير المعيارية على وجوب الإبلاغ عن المتوسط الحسابي بزيادة خانة عشرية واحدة أو خانتين عن مستوى الدقة الأصلي للأداة القياسية المستخدمة في جمع البيانات الخام.

من الأهمية بمكان تجنب إجراء أي عمليات تدوير أو تقريب مبكر أثناء المراحل الحسابية البينية أو التجميعية للسيقان والأوراق؛ ذلك لأن التقريب التراكمي يؤدي إلى تشويه النتيجة النهائية للمتوسط الحسابي وتشتيت مركز الثقل الفعلي للبيانات. بمجرد الوصول إلى الناتج النهائي المقرب بدقة، ينتقل الباحث إلى التفسير الدلالي للقيمة المستخرجة، واضعاً في اعتباره مدى تمثيلها الحقيقي للنزعة المركزية للأفراد ضمن المتغير السلوكي المقاس وتأثرها النسبي بتوزع الأوراق على أطراف المخطط.

5. تحديد وإيجاد الوسيط (Median) من مخطط الساق والورقة

5.1 المفهوم الإحصائي للوسيط وخصائصه في البيانات المرتبة

يُعرَّف الوسيط (Median)، ويرمز له عادة بالرمز $M$ أو $\tilde{x}$، بأنه النقطة العددية التي تقسم مجموعة البيانات المرتبة ترتيباً تصاعدياً أو تنازلياً إلى نصفين متطابقين في التعداد الإحصائي؛ بحيث يقع خمسون بالمئة (50%) من المشاهدات دون قيمة الوسيط، ويقع الخمسون بالمئة الأخرى فوقها تماماً. يتميز الوسيط بخاصية مناعة إحصائية فائقة تُعرف بالمتانة أو الصلابة (Robustness)؛ إذ إنه مقياس غير حساس للمشاهدات الشاذة أو الأطراف المتطرفة في التوزيع، نظراً لاعتماده على الترتيب المكاني والموقعي للبيانات بدلاً من اعتماده على مقادير القيم المطلقة كما هو الحال في المتوسط الحسابي.

يتطابق الوسيط الرياضي تماماً مع المئين الخمسين (50th Percentile) والربيع الثاني ($Q_2$) في مصفوفات القياس الإحصائي. تتجلى القوة المنهجية لاستخراج الوسيط من مخطط الساق والورقة في أن بنية المخطط تفرض ترتيب البيانات تصاعدياً وبشكل مسبق ومنظم؛ مما يرفع عن المحلل عبء إعادة الترتيب الشاقة للأرقام العشوائية ويجعل تحديد موقع الوسيط عملية حسابية موقعية مباشرة وفورية.

5.2 تحديد رتبة الوسيط وموقعه في المخطط (العينات الفردية والزوجية)

لتحديد قيمة الوسيط بدقة من خلال مخطط الساق والورقة، يجب أولاً حساب رتبته الموقعية داخل التوزيع المرتب، وتتمايز الإجراءات المنهجية المتبعة بحسب ما إذا كان حجم العينة الإجمالي ($n$) عدداً فردياً أو عدداً زوجياً:

• الحالة الأولى: العينات ذات الحجم الفردي ($n$ Is Odd): عندما يكون حجم العينة فردياً، يوجد عنصر مركزي وحيد يمثل الوسيط الفعلي للتوزيع. تُحسب رتبة هذا الموقع من خلال الصيغة الرياضية:
  $$\text{Position} = \frac{n + 1}{2}$$
  يبدأ المحلل بالعد التسلسلي للأوراق انطلاقاً من أصغر ورقة في الساق الدنيا، وعند الوصول إلى الورقة التي تحمل تلك الرتبة المحددة، تُقرأ قيمتها مدمجة مع ساقها لتكون هي القيمة المطلقة للوسيط.
• الحالة الثانية: العينات ذات الحجم الزوجي ($n$ Is Even): عندما يكون حجم العينة زوجياً، ينقسم التوزيع إلى نصفين متساويين دون وجود نقطة مفردة في المركز؛ وبالتالي يتحدد الوسيط عبر موقعين مركزيين يشغلهما عنصران وسطيان. تُحسب رتبتا هذين الموقعين بالقاعدتين:
  $$\text{Position}_1 = \frac{n}{2}, \quad \text{Position}_2 = \frac{n}{2} + 1$$
  يتم تحديد هاتين الورقتين عبر التتبع التسلسلي للأوراق، ثم استخراج القيمة العددية الكاملة لكل منهما عبر دمجها مع السيقان المناظرة، وأخيراً يُحسب الوسيط عبر إيجاد المتوسط الحسابي البسيط للقيمتين المركزيتين:
  $$\tilde{x} = \frac{x_{(\text{Position}_1)} + x_{(\text{Position}_2)}}{2}$$

5.3 إجراءات التعامل مع انتقال الوسيط بين السيقان المتجاورة

من الحالات الحسابية الشائعة والدقيقة في العينات ذات الحجم الزوجي أن تقع الرتبة الأولى ($n/2$) في نهاية صف إحدى السيقان، بينما تقع الرتبة الثانية ($(n/2) + 1$) في بداية صف الساق التالية لها مباشرة. يقع بعض المبتدئين في خطأ جسيم يتمثل في أخذ المتوسط الحسابي لأرقام الأوراق المجردة وتجاهل قيمة السيقان المختلفة، مما يؤدي إلى تشويه تام للوسيط الإحصائي.

يتطلب الإجراء المنهجي الصائب استخراج القيمة المركبة للورقة الأولى بربطها بساقها المحددة، ثم استخراج القيمة المركبة للورقة الثانية بربطها بساقها اللاحقة، ثم إجراء القسمة على اثنين. على سبيل المثال، إذا كانت الرتبة المركزية الأولى تمثل الورقة 9 في الساق 3 (أي القيمة 39)، والرتبة المركزية الثانية تمثل الورقة 2 في الساق 4 (أي القيمة 42)، فإن الوسيط يُحسب بالصيغة: $\frac{39 + 42}{2} = 40.5$. بعد تحديد الوسيط، يجب إجراء تدقيق تناظري بالتحقق من أن عدد الأوراق المتبقية أسفل موقع الوسيط يتساوى تماماً مع عدد الأوراق الواقعة أعلاه لضمان خلو الحسابات من أي انزياح رتبي.

6. استخراج المنوال (Mode) وتحليل التكرارات في المخطط

6.1 التعريف الإحصائي للمنوال وأهميته في المتغيرات النفسية

يُمثل المنوال (Mode) المقياس الثالث من مقاييس النزعة المركزية الأساسية، ويُعرَّف إحصائياً بأنه القيمة الأكثر تكراراً وشيوعاً بين جميع مفردات المجموعة المقاسة. ينفرد المنوال عن المتوسط والوسيط بكونه المقياس الوحيد الصالح للاستخدام عبر كافة المستويات القياسية؛ بدءاً من البيانات الاسمية (Nominal) والترتيبية (Ordinal) وصولاً إلى المقاييس الفئوية والنسبية الكمية. كما يتميز بعدم تأثره المطلق بالقيم الشاذة أو بالالتواءات التوزيعية المتطرفة، إذ يقتصر تركيزه على الكثافة التكرارية الموضعية.

في مجالات القياس السلوكي والسيكومتري، يكتسب المنوال أهمية تشخيصية خاصة، حيث يُشير إلى الاستجابة النمطية السائدة أو النمط السلوكي الأكثر تفضيلاً وشيوعاً بين أفراد العينة المدروسة. إن تحديد المنوال يساعد الأخصائي النفسي في معرفة الدرجة الأكثر احتمالاً التي يمكن أن يحصل عليها مفحوص عشوائي ينتمي إلى نفس المجتمع الإحصائي، مما يجعله مؤشراً حيوياً في تقييم المعايير السلوكية الجمعية وتحديد القمم الاستجابية في الاستبيانات متعددة الخيارات.

6.2 آلية المسح البصري للأوراق المتطابقة داخل الصفوف

تُعد آلية استخراج المنوال من مخطط الساق والورقة من أكثر العمليات الإحصائية سلاسة وسرعة، وذلك بفضل الطبيعة البصرية المنظمة للمخطط. نظراً لترتيب الأوراق تصاعدياً داخل كل صف، فإن أي تكرار لنفس القيمة العددية يظهر تلقائياً على هيئة سلسلة متصلة من الأرقام المتطابقة والمتجاورة أفقياً ضمن الساق الواحدة. يقوم المحلل بمسح بصري منظم يمر عبر السيقان من الأعلى إلى الأسفل لرصد السلسلة الأكثر طولاً من الأوراق المتماثلة.

من الضروري هنا التنبيه إلى محذور تحليلي شائع؛ وهو عدم الخلط بين تكرار رقم الورقة ذاته عبر سيقان متباينة وتكراره الفعلي داخل نفس الساق. إن ظهور الورقة 4 مرتين في الساق 2 (ليعبر عن القيمة 24) وظهور الورقة 4 مرتين في الساق 5 (ليعبر عن القيمة 54) لا يعني أن القيمة 4 هي المنوال، بل يعني وجود قيمتين مختلفتين تكررت كل منهما مرتين. تتطلب الصياغة المنهجية السليمة دمج رقم الساق مع رقم الورقة المتكررة واستخراج القيمة الكاملة ثم توثيق تكرارها المطلق للتأكد من أنها تمثل التردد الأعلى في العينة بأكملها.

6.3 حالات تعدد المنوال (Unimodal, Bimodal, Multimodal) وانعدامه

لا يقتصر المنوال على وجود قيمة وحيدة دائماً، بل يتخذ التوزيع التكراري أنماطاً متعددة تفرز دلالات سيكومترية عميقة:

• التوزيع أحادي المنوال (Unimodal Distribution): تبرز فيه قيمة فردية واحدة تكررت بمعدل يفوق كافة المشاهدات الأخرى في المخطط، مما يشير إلى اتساق العينة وتمركز استجاباتها حول نمط محدد وواضح.
• التوزيع ثنائي المنوال (Bimodal Distribution): تظهر فيه قيمتان مختلفتان تشتركان في أعلى تكرار إحصائي متساوٍ وبارز عن بقية البيانات. يحمل هذا النمط دلالة بالغة الأهمية في العلوم السلوكية؛ إذ يشير غالباً إلى عدم تجانس العينة ووجود مجتمعين فرعيين متمايزين داخل المجموعة الواحدة (مثل تباين الأداء بين عينة الأسوياء وعينة ذوي الاضطراب السلوكي المدمجين في نفس التحليل).
• التوزيع متعدد المنوال (Multimodal Distribution): يتضمن ثلاث قمم تكرارية متساوية أو أكثر، ويشير عادة إلى تعقد الظاهرة السلوكية المقاسة وتداخل متغيرات تصنيفية متعددة تؤثر على الأداء.
• حالة انعدام المنوال (No Mode): تحدث عندما تكون جميع الأوراق المسجلة في المخطط فريدة تماماً دون تكرار لأي قيمة، أو عندما تتكرر كافة القيم بنفس العدد من المرات بالتساوي، مما يعكس توزيعاً مسطحاً وموحداً يفتقر إلى أي تركيز تكراري موضعي.

7. دراسة حالة وتطبيق عملي شامل: تحليل بيانات دراسة نفسية تجريبية

7.1 عرض البيانات الأولية لمستويات القلق وعرضها عبر مخطط الساق والورقة

لترسيخ المفاهيم النظرية المتقدمة في إطار تطبيقي واقعي، نفترض إجراء دراسة سيكومترية تجريبية تهدف إلى تقييم مستويات القلق لدى عينة تتألف من 25 مريضاً خضعوا لبرنامج علاجي سلوكي معرفي مكثف. تم قياس درجات القلق باستخدام مقياس مقنن تتراوح درجاته بين 10 و90 نقطة. تم تفريغ الدرجات الخام وترتيبها في مخطط الساق والورقة القياسي الآتي، مع اعتماد المفتاح التوضيحي المعتمد:

مفتاح المخطط: 3 | 5 يعني درجة قلق مقدارها 35 نقطة.

توزعت درجات العينة ($n = 25$) عبر السيقان والأوراق على النحو التالي:

• الساق 2: الأوراق [ 1 ، 4 ، 8 ] (تمثل القيم: 21 ، 24 ، 28)
• الساق 3: الأوراق [ 2 ، 5 ، 5 ، 5 ، 9 ] (تمثل القيم: 32 ، 35 ، 35 ، 35 ، 39)
• الساق 4: الأوراق [ 0 ، 3 ، 6 ، 7 ، 7 ] (تمثل القيم: 40 ، 43 ، 46 ، 47 ، 47)
• الساق 5: الأوراق [ 1 ، 2 ، 4 ، 8 ] (تمثل القيم: 51 ، 52 ، 54 ، 58)
• الساق 6: الأوراق [ 0 ، 3 ، 5 ] (تمثل القيم: 60 ، 63 ، 65)
• الساق 7: الأوراق [ 2 ، 6 ] (تمثل القيم: 72 ، 76)
• الساق 8: الورقة [ 1 ] (تمثل القيمة: 81)

يُظهر الفحص المبدئي لهذا المخطط اكتمال شروطه المنهجية؛ حيث رُتبت السيقان رأسياً من 2 إلى 8، ورُتبت الأوراق في كل صف تصاعدياً بصورة أفقية متزنة، مع توضيح المفتاح بدقة وتطابق عدد الأوراق الإجمالي مع حجم العينة الكلي البالغ 25 مشاركاً.

7.2 الحل التفصيلي خطوة بخطوة لحساب المتوسط والوسيط والمنوال

نشرع في تطبيق الخوارزميات الحسابية المنهجية لاستخراج مقاييس النزعة المركزية الثلاثة من المخطط المعروض:

أولاً: حساب المتوسط الحسابي ($\bar{x}$):

نقوم بتفريغ المشاهدات الفردية وحساب المجموع الكلي للقيم ($\sum x$):

$$\sum x = (21 + 24 + 28) + (32 + 35 + 35 + 35 + 39) + (40 + 43 + 46 + 47 + 47) + (51 + 52 + 54 + 58) + (60 + 63 + 65) + (72 + 76) + 81$$

$$\sum x = 73 + 176 + 223 + 215 + 188 + 148 + 81 = 1104$$

نطبق معادلة المتوسط الحسابي بقسمة المجموع على حجم العينة ($n = 25$):

$$\bar{x} = \frac{1104}{25} = 44.16$$

ثانياً: تحديد وحساب الوسيط ($\tilde{x}$):

بما أن حجم العينة فردي ($n = 25$)، فإن رتبة الوسيط المركزية تُحسب بالعلاقة:

$$\text{Position} = \frac{25 + 1}{2} = 13$$

نقوم بعد الأوراق تصاعدياً من الساق الأولى:

• الساق 2 تحتوي على 3 أوراق (الرتب من 1 إلى 3)
• الساق 3 تحتوي على 5 أوراق (الرتب من 4 إلى 8)
• الساق 4 تحتوي على 5 أوراق (الرتب من 9 إلى 13)

نلاحظ أن الورقة التي تشغل الرتبة رقم 13 هي الورقة الأخيرة في الساق 4، وهي الرقم 7. وبدمج الورقة مع ساقها، نجد أن قيمة الوسيط تساوي تماماً: $\tilde{x} = 47$.

ثالثاً: تحديد واستخراج المنوال (Mode):

من خلال المسح البصري لصفوف الأوراق المتجاورة والمتطابقة:

• في الساق 3: تكرر الرقم 5 ثلاث مرات متتالية، ليمثل القيمة 35 مكررة 3 مرات.
• في الساق 4: تكرر الرقم 7 مرتين متتاليتين، ليمثل القيمة 47 مكررة مرتين.

بما أن القيمة 35 هي صاحبة التكرار الأعلى في كامل المخطط (بواقع 3 تكرارات)، فإن التوزيع يُعد أحادي المنوال، وتكون القيمة المنوالية هي: $\text{Mode} = 35$.

7.3 المناقشة والتفسير السيكولوجي لنتائج مقاييس النزعة المركزية المحسوبة

تُظهر المقاييس المستخرجة تبايناً مفاهيمياً هاماً يعكس دينامية استجابة العينة للتدخل العلاجي السلوكي. بلغ المتوسط الحسابي لدرجات القلق 44.16 نقطة، في حين استقر الوسيط عند 47 نقطة، وظهر المنوال عند 35 نقطة. إن وقوع المنوال عند مستوى منخفض (35 نقطة) يمثل مؤشراً إكلينيكياً إيجابياً؛ إذ يدل على أن النمط الاستجابي الأكثر شيوعاً بين المرضى تركز في نطاق القلق الخفيف إلى المعتدل بعد تلقي العلاج.

غير أن ملاحظة انخفاض المتوسط الحسابي (44.16) مقارنة بالوسيط (47)، مع امتداد أوراق متفرقة نحو الساقين 7 و8 (القيم: 72، 76، 81)، تكشف عن وجود تباين بين أفراد العينة. تدل هذه المشاهدات المرتفعة على وجود فئة فرعية من المرضى أظهرت مقاومة علاجية واحتفظت بمستويات قلق مرتفعة، مما شكل ذيلاً علوياً في التوزيع. من الناحية التقريرية السيكومترية، يُوصى بالاعتماد على الوسيط (47) كممثل أدق لمستوى القلق النموذجي لمنتصف العينة كونه محصناً ضد تأثير الحالات الاستثنائية، مع الإشارة الصريحة إلى المنوال (35) كدليل على تحسن الكتلة الأكبر من المشاركين.

8. التعامل مع الحالات الخاصة والبيانات المعقدة في مخطط الساق والورقة

8.1 البيانات العشرية (Decimals) وإعادة ضبط مفتاح الرسم

عند معالجة البيانات المشتملة على كسور وأجزاء عشرية، يظل المبدأ الهيكلي لمخطط الساق والورقة ثابتاً، غير أن العبء التفسيري ينتقل بالكامل إلى مفتاح الرسم التوضيحي. في هذه الحالة، تُخصص السيقان لتمثيل الأعداد الصحيحة أو العشرات، في حين تُمثل الأوراق الأجزاء من عشرة أو الأجزاء من مئة. على سبيل المثال، إذا كانت لدينا أوزان أو قياسات نفسية مثل: 4.2، 4.5، 5.1، فإن السيقان تكون 4 و5، بينما تكون الأوراق 2، 5، و1، ويُصاغ المفتاح بدقة: 4 | 2 يمثل 4.2 وحدة قياس.

تتطلب الحسابات المستخرجة من المخططات العشرية يقظة حسابية بالغة لتفادي إسقاط الفواصل العشرية أثناء جمع السيقان والأوراق لإيجاد المتوسط الحسابي. يجب أن تُعامل كل ورقة بقيمتها المكانية الكسرية المحددة في المفتاح طوال مراحل الجمع والقسمة، مع الحفاظ على الدقة الرياضية لموقع الوسيط دون تحويل القيم العشرية إلى أعداد صحيحة مقربة بصورة مبكرة قد تفسد حساسية الاختبار الإحصائي.

8.2 الأعداد المكونة من ثلاثة أرقام أو أكثر وتقنيات التقريب والتشذيب

في حال التعامل مع مشاهدات عددية تتجاوز خانتين (مثل درجات اختبارات الذكاء التي تتراوح بين 100 و145)، يواجه المحلل خيارين منهجيين لبناء المخطط وحساب مقاييسه:

• السيقان المركبة (Compound Stems): يُخصص عمود الساق للخانتيْن الأوليين (المئات والعشرات)، بينما تبقى الورقة محجوزة لخانة الآحاد الفردية. فالقيمة 115 تُمثل بالساق 11 والورقة 5، والقيمة 128 تُمثل بالساق 12 والورقة 8. تتيح هذه الطريقة الحفاظ التام على دقة البيانات الأصلية دون أي فقدان رقمي، وهي الطريقة المثلى لحساب المتوسط والوسيط بدقة كاملة.
• تقنية التشذيب أو الاقتطاع (Truncation / Rounding): في مجموعات البيانات الكبيرة التي تشتمل على خانات ممتدة (مثل درجات بالآلاف: 1250، 1280)، يمكن تدوير الأرقام لأقرب مئة أو اقتطاع خانة الآحاد، بحيث تُصبح الساق معبرة عن الآلاف والورقة معبرة عن المئات. ورغم أن هذه التقنية تضحي بجزء يسير من الدقة التفصيلية، إلا أنها تعزز المقروئية البصرية للمخطط وتسمح باستخراج مقاييس نزعة مركزية تقريبية تتطابق بدرجة عالية مع المعالم الفعلية للمجتمع.

8.3 الأعداد السالبة (Negative Numbers) وضوابط ترتيبها الرياضي العكسي

يمثل إدراج الأرقام السالبة في مخطط الساق والورقة تحدياً منطقياً يتطلب فهماً عميقاً للترتيب الرياضي على خط الأعداد الحقيقية. عند ترتيب السيقان السالبة، يجب أن توضع القيم الأكبر في قيمتها المطلقة (والتي تمثل القيمة الرياضية الأصغر فعلياً) في أعلى المخطط، لتتدرج نحو السيقان الأقل في قيمتها المطلقة وصولاً إلى الصفر؛ أي أن الساق -2 تسبق الساق -1 نزولاً نحو الساق 0.

علاوة على ذلك، يجب ترتيب الأوراق المرتبطة بالساق السالبة بترتيب تنازلي لقيمتها المطلقة لضمان الترتيب التصاعدي الرياضي السليم. فالقيمة -28 يجب أن تسبق القيمة -21 في التسلسل، وبالتالي تُرسم الورقة 8 قبل الورقة 1 بجانب الساق -2. كما يجب التمييز بين فئة الصفر السالب (-0) وفئة الصفر الموجب (+0) عند وجود قيم كسرية سالبة وموجبة محصورة بين -0.9 و +0.9 لتجنب دمج إشارات متناقضة في ساق واحدة، مما يضمن دقة استخراج المتوسط والوسيط ومراعاة الإشارات الجبرية أثناء الجمع.

8.4 المخططات المتقابلة (Back-to-Back) والمقارنة المتزامنة لمقاييس المجموعتين

تُعد المخططات المتقابلة (Back-to-Back Plots) قمة التطور الوظيفي لمخططات الساق والورقة في التصاميم التجريبية. يتكون هذا المخطط من عمود ساق وسطي وموحد، وتتفرع منه أوراق المجموعة الأولى (أ) جهة اليسار، بينما تتفرع أوراق المجموعة الثانية (ب) جهة اليمين. تتطلب قراءة المجموعة اليسارية مهارة خاصة؛ حيث تُقرأ الأوراق تصاعدياً بالانطلاق من عمود الساق المركزي باتجاه أقصى اليسار الخارجي، وهو ما يخالف النمط البصري المعتاد.

يتيح هذا الترتيب المزدوج استخراج المتوسط الحسابي، والوسيط، والمنوال لكل مجموعة على حدة بشكل مستقل تماماً، مع التمكين من إجراء مقارنة بصرية وحسابية مباشرة لمدى انزياح النزعة المركزية بين المجموعتين. في الدراسات السريرية، يُمكّن هذا المخطط الباحث من معاينة كيفية تحرك وسيط المجموعة التجريبية نحو مستويات أدنى من الأعراض المرضية مقارنة بثبات وسيط المجموعة الضابطة، مما يوفر دليلاً بصرياً وإحصائياً متزامناً على فاعلية المعالجة.

9. تفسير شكل التوزيع الإحصائي من خلال العلاقة بين مقاييس النزعة المركزية

9.1 التوزيع المتماثل (Symmetrical Distribution) وتطابق المقاييس الثلاثة

يتميز التوزيع المتماثل أو التوزيع الطبيعي (Normal Distribution) في مخطط الساق والورقة بتناسق بصري يشبه الجرس المقلوب؛ حيث تتركز الكتلة الكبرى من الأوراق في الساق الوسطى أو السيقان المركزية، بينما تتناقص أطوال صفوف الأوراق تدريجياً وبانتظام متكافئ كلما اتجهنا نحو السيقان العليا أو الدنيا. من الناحية الرياضية الكلاسيكية، تتحقق حالة التماثل التام عندما تتطابق مقاييس النزعة المركزية الثلاثة تماماً وفق العلاقة:

$$\text{Mean} = \text{Median} = \text{Mode}$$

يحمل هذا التطابق دلالة منهجية كبرى في القياس النفسي والتربوي؛ إذ يُشير إلى أن التباين في الظاهرة المقاسة يخضع للتوزيع العشوائي الطبيعي المستقر وخلو العينة من التحيزات القياسية. في هذه الحالة المتماثلة، يُعد المتوسط الحسابي هو المقياس الأمثل والأكثر كفاءة وقوة لتمثيل النزعة المركزية، نظراً لاستناده إلى كافة بيانات المخطط وقابليته للدخول في معادلات الاستدلال البارامتري واختبارات الفروق المعلمية ($t$-tests و ANOVA).

9.2 التوزيع الملتوي موجباً (Right/Positively Skewed) وتأثيره التفاضلي

يتشكل التوزيع الملتوي نحو اليمين أو الملتوي موجباً عندما تتركز الكثافة العظمى للأوراق في السيقان ذات القيم المنخفضة في الجزء العلوي من المخطط، بينما يمتد “ذيل” طويل ونحيف من الأوراق القليلة والمتباعدة نحو السيقان السفلية ذات القيم المرتفعة. ينشأ هذا النمط عادة في قياس متغيرات نفسية وسلوكية خاصة؛ كأزمنة الرجع، أو عدد الأخطاء المرتكبة في اختبار مقنن، أو مستويات الاكتئاب لدى غير المصابين.

يؤدي الامتداد الطولي للقيم المرتفعة إلى سحب المتوسط الحسابي بقوة نحو الأعلى بفعل حساسيته للمشاهدات القصوى، في حين يظل المنوال ثابتاً في منطقة التمركز الكثيفة، ويستقر الوسيط في موقع وسطي متزن. وتتحدد العلاقة الرياضية الترتيبية في التوزيع الملتوي موجباً بالمتراجحة الصارمة:

$$\text{Mode} < \text{Median} < \text{Mean}$$

في مثل هذه الظروف التوزيعية، يصبح المتوسط الحسابي مقياساً مضللاً يبالغ في تقدير المركز الفعلي للبيانات، ويُصبح الوسيط هو المقياس الأكثر صدقاً وتفضيلاً لوصف وتلخيص النزعة المركزية للعينة في التقارير العلمية.

9.3 التوزيع الملتوي سالباً (Left/Negatively Skewed) وتباين المقاييس

يحدث التواء التوزيع نحو اليسار أو الالتواء السالب عندما تتكدس معظم الأوراق في السيقان السفلية ذات القيم المرتفعة، بينما يمتد الذيل الإحصائي المتباعد للأوراق نحو السيقان العليا ذات القيم الدنيا والمنخفضة. يبرز هذا الشكل بوضوح في اختبارات التحصيل الدراسي السهلة التي يحصل فيها معظم الطلاب على درجات مرتفعة بينما يتعثر عدد قليل جداً منهم، أو في مقاييس الرضا الوظيفي داخل بيئات العمل المحفزة.

تتسبب القيم الدنيا المنعزلة في سحب المتوسط الحسابي نحو الأسفل ليصبح أقل بكثير من المستوى الفعلي الذي استقرت عنده استجابات غالبية الأفراد، بينما يظل المنوال مستقراً عند القمة العليا للتكرارات. وتتخذ العلاقة الرياضية بين المقاييس في هذه الحالة الترتيب العكسي التالي:

$$\text{Mean} < \text{Median} < \text{Mode}$$

يفرض هذا التباين على الباحث تجنب الاعتماد المنفرد على المتوسط الحسابي؛ حيث يتعين إبراز الوسيط مصحوباً بالمدى الربيعي (Interquartile Range – IQR) لتقديم صورة أمينة تعكس تركز غالبية المفحوصين في النطاقات العليا من المقياس دون إغفال وجود الذيل السالب المنحدر.

10. التطبيقات المتقدمة في السيكومترية وتحليل السلوك

10.1 تحليل أداء الأفراد على مقاييس القدرات العقلية والذكاء

تُمثل مقاييس القدرات المعرفية والذكاء المعياري (IQ Tests) ميداناً مثالياً لتطبيق مخططات الساق والورقة في التحليل الاستكشافي الأولي. عند تطبيق مقياس مثل “وكسلر” أو “ستانفورد بينيه” على عينة تشخيصية، يوفر المخطط رؤية بصرية فورية تتيح مقارنة متوسط أداء المجموعة بوسيطها لتحديد ما إذا كانت العينة تميل نحو التفوق العقلي أو تعاني من صعوبات تعلم نمائية مستترة.

كما يساعد المخطط الأخصائي السيكومتري في إسقاط “نقاط القطع التشخيصية” (Diagnostic Cut-off Scores) مباشرة على السيقان؛ مما يسهل فرز المفحوصين الذين يقعون خارج نطاق الانحرافين المعياريين عن المتوسط دون الحاجة إلى معالجات حاسوبية مطولة. هذا الفرز البصري السريع يدعم التحقق من اعتدالية توزيع درجات التقنين وتحديد مدى ملاءمة الفقرات الاختبارية لمستويات القدرة المتباينة داخل المجتمع المستهدف قبل اعتماد المعايير النهائية للاختبار.

10.2 تقييم التغيرات السلوكية قبل وبعد التدخلات العلاجية

في أبحاث تحليل السلوك التطبيقي (Applied Behavior Analysis – ABA) وعلم النفس الإكلينيكي، يُعد قياس التغير السلوكي عبر الزمن جوهر الحكم على فاعلية البرامج العلاجية. يوفر استخدام مخطط الساق والورقة المتقابل (Back-to-Back) أداة ديناميكية لمقارنة وتيرة تكرار السلوك غير التكيفي (مثل نوبات الغضب أو السلوك الانسحابي) قبل تطبيق البروتوكول العلاجي وبعده.

من خلال حساب مقدار “الإزاحة المركزية” في موقع الوسيط والمتوسط بين جانبي المخطط، يستطيع المحلل تقدير حجم التأثير (Effect Size) للتدخل العلاجي بشكل مرئي ومحسوب. بالإضافة إلى ذلك، يتيح المخطط رصد ما إذا كان المنوال السلوكي قد تلاشى أو تحول إلى وتيرة تكرارية أدنى، مع إبراز الأفراد الذين لم يستجيبوا للمعالجة كأوراق شاذة متطرفة على المخطط البعدي، مما يوجه الفريق المعالج لإعادة تصميم الخطط التدخلية الفردية لتلك الحالات الخاصة.

10.3 توظيف المخططات في فحص موثوقية وثبات أدوات القياس النفسي

يمتد توظيف مخططات الساق والورقة إلى فحص الخصائص السيكومترية لأدوات ومقاييس البحث النفسي ذاتها، لا سيما في دراسات ثبات إعادة التطبيق (Test-Retest Reliability). من خلال تمثيل الفروق الفردية في الدرجات بين التطبيقين الأول والثاني لكل مفحوص عبر المخطط، يسهل التحقق من مدى اقتراب متوسط الفروق من الصفر، واكتشاف أي تباين غير منتظم قد يشير إلى انخفاض معامل الثبات الزمني للأداة.

كذلك، يُستخدم المخطط في تقييم موثوقية المقيمين (Inter-rater Reliability) من خلال المقارنة المتزامنة لتوزيعات الدرجات الممنوحة من محكمين مختلفين لنفس العينة السلوكية، لرصد أي تحيز نظامي أو تشدد من قبل أحد المقيمين. كما يسهم فحص تراكم الأوراق على مستوى الفقرات الفردية للاختبار في تحديد مستويات السهولة والتمييز، مما يدعم التحليل الاستكشفي لبنية المقياس ويوفر بيئة تمهيدية متينة قبل إجراء التحليلات العاملية التوكيدية المعقدة.

11. الأخطاء الشائعة في حساب النزعة المركزية من المخطط وكيفية تجنبها

11.1 أخطاء قراءة وتفكيك الأرقام من السيقان والأوراق

يقع بعض المشتغلين بالتحليل الإحصائي في حزمة من الأخطاء الإجرائية الشائعة أثناء قراءة البيانات من مخطط الساق والورقة، ويأتي في مقدمتها الخطأ القاتل المتمثل في جمع أرقام الأوراق بشكل مجرد وإهمال القيمة المكانية للساق المصاحبة عند حساب المتوسط الحسابي. ينتج عن هذا الخلل الحسابي مجموع مشوه لا علاقة له بالقيم الفعلية للعينة المدروسة.

وثمة خطأ منهجي آخر يتمثل في التسرع وتجاوز قراءة مفتاح الرسم بدقة؛ كأن يتم تفسير الورقة 4 بجانب الساق 12 على أنها القيمة 124 بينما ينص المفتاح صراحة على أنها تمثل القيمة 12.4 أو 1.24. بالإضافة إلى ذلك، يميل بعض المبتدئين إلى حذف أو إسقاط السيقان الخالية من الأوراق أثناء تدوين المخطط، مما يخفي الفجوات الإحصائية الحقيقية ويشوه صورة المدى الكلي للتوزيع. لتجنب هذه العثرات، يتعين تطبيق بروتوكول “التدقيق المزدوج” عبر مطابقة المجموع الكلي لعدد الأوراق مع حجم العينة وتأكيد قراءة المفتاح قبل الشروع في أي عملية جمع أو قسمة.

11.2 المزالق الحسابية في تحديد رتبة الوسيط واستخراجه

تتعدد المزالق الرياضية المرتبطة باستخراج الوسيط، وتتمحور غالباً حول الخلط بين “رتبة الوسيط الموقعية” و”القيمة الحسابية للوسيط”. يقع المحلل في هذا الفخ عندما يحسب الرتبة ويصل إلى النتيجة (مثلاً: الرتبة = 7)، فيعلن خطأً أن الوسيط هو الرقم 7 بدلاً من الذهاب إلى الورقة السابعة وقراءتها مدمجة مع ساقها لتحديد القيمة المستهدفة.

كما يبرز خطأ شائع في العينات ذات الحجم الزوجي؛ حيث يكتفي الباحث بحساب القيمة المركزية الأولى $(n/2)$ ويهمل القيمة المركزية اللاحقة ($(n/2) + 1$)، متجاهلاً شرط إيجاد المتوسط الحسابي للقيمتين معاً. ويشتد هذا الخطأ عندما تقع القيمتان في ساقين متجاورتين، حيث يتم أحياناً جمع رقمي الورقتين فقط وقسمتهما على اثنين وتجاهل تغير السيقان. ولتلافي ذلك، يجب إلزام المحلل بكتابة القيمتين المركزيتين بصيغتهما الكاملة المستقلة أولاً ثم حساب متوسطهما الجبري بدقة متناهية.

11.3 الالتباس في تحديد المنوال وحالات تكرار الورقة عبر سيقان مختلفة

ينشأ الالتباس الأكثر شيوعاً في تحديد المنوال من الانخداع البصري بالتكرارات السطحية لأرقام الأوراق عبر الصفوف المختلفة؛ كأن يلاحظ المحلل تكرار الرقم 8 في عدة سيقان متباعدة فيقرر خطأً أن 8 هو المنوال، غافلاً عن أن الورقة 8 في الساق 1 تمثل القيمة 18، وفي الساق 3 تمثل 38، وهما قيمتان متمايزتان تماماً لا تشكلان تكراراً إحصائياً موحداً.

كما يتكرر الخطأ في إعلان وجود منوال في توزيعات متساوية التكرار تخلو تماماً من أي قمة ترجيحية، أو في المقابل، إغفال تحديد النمط ثنائي المنوال (Bimodal) والاكتفاء بقيمة واحدة فقط عند وجود قمتين متساويتين في التردد الأقصى. يكمن الحل المنهجي في حصر سلاسل التكرار المتطابقة داخل كل ساق على حدة، وتدوين جدول تكرارات مصغر للقيم المركبة الأعلى تكراراً للتحقق القاطع من هوية وعدد المنوالات الفعلية في العينة.

12. المقارنة المنهجية الشاملة بين التمثيلات الإحصائية واختيار الأداة المثلى

12.1 مقارنة مخطط الساق والورقة بمخطط الصندوق والساعدين (Box Plot)

يُمثل كل من مخطط الساق والورقة ومخطط الصندوق والساعدين (Box Plot)—وكلاهما من ابتكارات العالم جون توكي—أداتين متكاملتين تخدمان مراحل متتابعة في التحليل الاستكشافي للبيانات. يتفوق مخطط الصندوق في تقديم تلخيص بصري فائق الكثافة يستند إلى “الملخص الخماسي للبيانات” (Five-Number Summary: القيمة الصغرى، الربيع الأول، الوسيط، الربيع الثالث، القيمة العظمى)، مما يجعله مثالياً لمقارنة عشرات المجموعات المتعددة في شاشة واحدة ورصد المدى الربيعي والتشتت العام.

غير أن مخطط الصندوق يضحي تماماً بالقيم الفردية الدقيقة للبيانات، ويعجز عن إبراز التعددات المنوالية أو الفجوات التكرارية الدقيقة داخل التوزيع. هنا يتفوق مخطط الساق والورقة تفوقاً كاسحاً؛ إذ يوفر المادة الرقمية الخام الكاملة التي تسمح بحساب المتوسط والمنوال وإعادة بناء التوزيع بدقة غير منقوصة. لذا، تُجمع التوصيات المنهجية على استخدام مخطط الساق والورقة كخطوة تأسيسية أولى تتيح فحص البيانات بدقة وحساب ربيعاتها ووسيطها، تمهيداً لتلخيصها النهائي في مخطط صندوقي متزن.

12.2 المقارنة بين الساق والورقة ومخطط النقاط (Dot Plot)

يشترك مخطط الساق والورقة مع مخطط النقاط (Dot Plot) في ميزة جوهرية مشتركة وهي احتفاظ كليهما بكل نقطة بيانات فردية وتوضيح التكرارات بصورة مباشرة دون دمج فئوي مغلق. يتفوق مخطط النقاط في بساطته البصرية الفائقة وسهولة استيعابه من قبل غير المتخصصين، لا سيما عند التعامل مع العينات الصغيرة جداً ذات المتغيرات المنفصلة التي تشغل مدى قياسياً ضيقاً.

في المقابل، يظهر القصور الواضح لمخطط النقاط عند اتساع المدى العددي للبيانات أو عند اشتمالها على أرقام متعددة الخانات العشرية أو المئوية؛ حيث يصبح المحور الأفقي للنقاط ممتداً بشكل غير عملي ومشتتاً للرؤية. في مثل هذه البيئات المعقدة، يوفر مخطط الساق والورقة كفاءة هيكلية أعلى بكثير بفضل تجميعه للمنازل العليا في السيقان واختزاله للمساحة المكانية، مما يسهل عمليات الحساب الرياضي اليدوي للمتوسط والوسيط بشكل أسرع وأكثر تنظيماً.

12.3 المعايير المنهجية لاختيار المخطط الإحصائي الأنسب للتقرير السيكومتري

يتطلب اتخاذ القرار المنهجي الصائب لاختيار أداة التمثيل البياني الأنسب في التقارير والبحوث السيكومترية الموازنة بين أربعة معايير رئيسية:

• حجم العينة الإحصائية ($N$): يُعد مخطط الساق والورقة الخيار المعياري الأمثل للعينات التي يتراوح حجمها بين 15 و100 مفردة؛ إذ يوفر أقصى توازن بين الاحتفاظ بالبيانات والوضوح البصري. وإذا قل الحجم عن 15 مفردة يُفضل مخطط النقاط، بينما إذا تجاوز المئات يصبح المدرج التكراري أو مخطط الكثافة الاحتمالية هو الخيار الإلزامي.
• طبيعة الجمهور المستهدف وسياق التقرير: إذا كان التقرير موجهاً للجان أكاديمية أو فرق تقييم سيكومترية متخصصة تبحث عن الدقة التحليلية وفحص القيم الخام والحالات الفردية، فإن مخطط الساق والورقة يوفر العمق المطلوب. أما إذا كان التقرير موجهاً لإدارات تنفيذية أو جهات غير تخصصية، فإن المخططات الصندوقية أو الأعمدة البيانية التلخيصية تكون أكثر ملائمة لتجنب الإرباك الرقمي.
• الهدف الاستكشافي مقابل العرض النهائي: يمثل مخطط الساق والورقة أداة تشخيصية وتحليلية للمرحلة الاستكشافية الداخلية للباحث، بينما تُخصص المخططات البيانية المصقولة ومخططات الصندوق للعرض النهائي في المجلات العلمية المحكمة وفق معايير التلخيص النمطي.
• مستوى قياس المتغير: يُشترط أن يكون المتغير كمياً متصلاً أو فئوياً برتب رقمية واضحة ليحقق مخطط الساق والورقة فعاليته في حساب مقاييس النزعة المركزية الثلاثة بدقة متكاملة.

خاتمة

يمثل مخطط الساق والورقة ركيزة منهجية متينة في بنية التحليل الاستكشافي للبيانات، وجسراً يربط بين التمثيل الجدولي المحكم والعرض البياني الواضح. لقد أثبتت هذه الأداة كفاءتها العالية في مجالات القياس النفسي والعلوم السلوكية بفضل قدرتها على الحفاظ على الهوية الرقمية للمشاهدات، وتمكين الباحث من رصد التمركز والتشتت والشذوذ الإحصائي بصورة فورية لا تتيحها الأدوات التجميعية التقليدية.

إن استخراج مقاييس النزعة المركزية—المتوسط الحسابي، والوسيط، والمنوال—من هذا المخطط لا يقتصر على مجرد إجراء عمليات حسابية روتينية، بل يمتد ليشمل قراءة سياقية عميقة لشكل التوزيع وتماثله والتواءاته. ومن خلال الالتزام الصارم بالقواعد الهيكلية، واستيعاب خصوصية الحالات المعقدة، والتحوط ضد المزالق الإجرائية الشائعة، يمتلك المحلل الإحصائي أداة رصينة تدعم جودة اتخاذ القرارات التشخيصية والبحثية، وترتقي بدقة المعالجات الإحصائية في الأبحاث المعاصرة.

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. A. B., & Witnauer, J. E. (2020). Essentials of statistics for the behavioral sciences (10th ed.). Cengage Learning.
• Hoaglin, D. C., Mosteller, F., & Tukey, J. W. (Eds.). (2000). Understanding robust and exploratory data analysis. John Wiley & Sons. https://doi.org/10.1002/9781118165485
• Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Wadsworth, Cengage Learning.
• Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley Publishing Company.