طرائق إخراج البيانات
البحث العلمي والمنهجية العلمية >>>> كتابة الورقة البحثية
Image: syr_res
وتختلف طرائق إخراج البيانات عموماً، لكن أبرز ما يُستخدَم منها في الأوراق البحثية:
- الرسوم البيانية الدائرية (Pie charts):
تُستخدم الرسوم البيانية الدائرية لإظهار النسبة المئوية لمكوِّن أو عنصر بالنسبة إلى مجموعة مكوِّنات أخرى ذات صلة (1) فتسمح بمقارنتها (2)، وتُحدِّد علاقة عددٍ من الأجزاء بالكلّ، وتُستخدم فقط عندما تكون أجزاء القطاعات الدائرية فئاتٍ يشكل مجموعها نسبة 100%.
تُساهم هذه الرسوم في إظهار علاقة نسبيّة عامة لجزءٍ من كلّ (أكثر من، أقلّ من)، ولكنها لا تُظهر النسبة المئوية الدقيقة للأجزاء أو القطاعات الدائرية، فيُفضَّل حينها الاستعاضة عنها بالرسوم البيانية الشريطية (1,2)، إضافةً إلى صعوبة قراءة وتقدير النسب المئوية للقطاعات الصغيرة أو ذات الأحجام شديدة الاختلاف (1)، فتُستخدم فقط لإظهار العلاقة النسبية المئوية لـ 5 أو 7 مكونات حداً أقصى (1,2)، ما يجعل استخدامها نادراً ومحدّداً في الأوراق العلميّة (2).
Image: https://www.clips.edu.au/displaying-data/
الصورة 1: النسبة المئوية للحشرات مقارنةّ بنسب بقية المكونات في نظام بيئي
- الرسوم البيانية الشريطية (Bar graphs):
تُظهر الرسوم البيانية الشريطية النسبة المئوية لفئة بالنسبة إلى مجموعة فئات مرتبطة بها (1) وتسمح بمقارنتها (2)، وتُفيد عادةً في إظهار العلاقة بين المتغيِّرات التابعة* والمستقلّة**؛ إذ تكون المتغيِّرات المستقلة فئات غير مرتبطة اسمية غالباً (كالمهن، والجنس، والأنواع).
قد تبدو الرسوم البيانية الشريطية بشكلٍ أفقي أو عمودي؛ إذ يظهر المتغير المستقل على المحور x (من اليسار إلى اليمين) والمتغير التابع على المحور y (من الأعلى إلى الأسفل) في الرسم الشريطي العمودي، فيما يظهر المتغير التابع على المحور الأفقي (x)، والمتغيِّر المستقل على المحور العمودي (y) في الرسم الشريطي الأفقي (1).
Image: https://www.clips.edu.au/displaying-data/
الصورة 2: العلاقة بين نوع الطائر ونسبة التعشيش الناجح
- الرسوم البيانية للتوزيعات التكرارية (Frequency histograms/distributions):
تعدُّ الرسوم البيانية للتوزيعات التكرارية نوعاً خاصاً من الرسوم البيانية الشريطية (1) التي تُظهر توزُّع البيانات المستمرّة (2)، والعلاقة بين المتغيرات المستقلة المستمرّة*** - وليس المنفصلة**** - والتابعة، إذ يُمثِّلُ كلّ شريط نطاقاً من القيم، بدلاً من قيمةٍ مُفردة. ويمكن أن يُحقِّق أفضل مستوى من التفاصيل، على أن يكون كل نطاقٍ ذا عرضٍ موحَّد ومسمّىً واضح، وتكون المتغيِّرات التابعة في المدرج التكراري رقميةً (عددية مطلقةً أو نسبيّة).
يُلائم هذا النوع من الرسوم البيانية وصف مجموعات فرعية كبيرة (1,2)، فمثلاً؛ قد يُظهرُ توزيع درجات الامتحان للطلاب في الفصل أو التوزيع العمري للأشخاص الذين يعيشون في منطقة سكنيّة (1).
Image: https://www.clips.edu.au/displaying-data/
الصورة 3: التوزُّع التكراري لأطوال المناقير عند الطيور
- المخططات المبعثرة ( scatter plots):
تُعدُّ المخطّطات المبعثرة طريقةً أخرى لتوضيح العلاقة بين متغيِّرين (1,2)، وتعرِض البيانات كنقاط في نظام إحداثيات بين محوري (x) و(y)؛ إذ تمثِّل كل نقطة مُشاهَدة على محورين مختلفَين (1). تُستخدم مخططات التبعثر غالباً لتوضيح الارتباط بين متغيِّرين (1,2)؛ إذ يُعدّ الارتباط إيجابياً كلما زاد أحد المتغيِّرات بزيادة الآخر، ويُعدّ الارتباط سلبيّاً عند نقصان أحدهما مع تناقص الآخر. لكنّ هذا الارتباط لا يقتضي بالضرورة أن تُسبِّب التغيُّرات في أحد المتغيّرات تغيُّراتٍ في متغيِّرٍ آخر (الارتباط لا يقتضي السببيّة). إذ قد يُسبِّب متغيِّرٌ ثالث غير مرسوم حدوثَ كليهما. ما يعني أنّه يُمكِن استخدام المخططات المبعثرة لرسم متغيِّرٍ واحد مستقلّ ومُتغيِّر تابع، أو لرسم متغيِّرَين مستقلَّين.
تُمثَّل حالات الارتباط التي يعتمد فيها متغيِّر على آخر - على سبيل المثال: يعتمد الارتفاع جزئيّاً على العمر - برسم المتغيِّر المستقلّ على المحور الأفقي (x) والمتغير التابع على المحور العمودي (y).
ولا بُدّ من الإشارة إلى إمكانيّة استخدام المخططات المبثعرة لرسم علاقات الارتبط غير الخطِّيَّة بين المتغيِّرات، إضافةً إلى استخدامها لإظهار علاقة الارتباط الخطِّيَّة (1).
Image: https://www.clips.edu.au/displaying-data/
الصورة 4: العلاقة بين طول منقار الطائر والمسافة بين جناحيه للنوعين G.fuliginosa و G. scandens
- الرسوم البيانيّة الخطّيَّة ( line graphs):
تشبه الرسوم البيانية الخطّيَّة المخطّطات المبعثرة من ناحية عرضها للبيانات على محوري إحداثيّات مختلفَين، لكنّها ترسم سلسلةً من القيم المرتبطة التي تصوِّر الفروقات في متغيِّرٍ كدالة لمتغيِّر آخر (1)، فتحدِّد الاتجاه وتُقارن الفئات مع الزمن (2)، فمثلاً؛ يمثِّل تغيّرات سكان العالم (المتغيِّر التابع) بمرور الوقت ( المتغيِّر المستقل).
تصلُ هذه الرسوم نقاطَ البيانات الفردية بخطّ، ما يلفت انتباه القارئ إلى التغيير المحلِّيّ بين النقاط المتجاورة، إضافة إلى الاتجاهات الأكبر في البيانات. وعلى الرغم من تشابُه الرسوم البيانية الخطِّيَّة مع الرسوم البيانية الشريطية؛ لكنها تعدُّ خياراً أفضلَ في إظهار معدَّل التغيّر بين نقطتين، ويمكن أيضاً استخدامها لمقارنة عدة متغيِّراتٍ مرتبطة عن طريق رسم خطوطٍ متعدِّدة على الرسم البياني ذاته (1).
Image: https://www.clips.edu.au/displaying-data/
الصورة 5: عدد مرات المُشاهَدة لنوعي الطيور G.scandens و G.magnirostns خلال الفترة (1980-2000) م
أخيراً؛ لا بُدَّ من التذكير بأهمية الرسوم البيانية في إيصال البيانات بطريقةٍ واضحة وموجزة وكاملة إلى القارئ، ومهما تنوّعت الطرائق المستخدَمة لإخراج البيانات في الأوراق البحثية؛ تُجمِع غالبيّتها على ضرورة الاختزال والدقة، إضافةً إلى الاهتمام بالتفاصيل (مثل: وضع واحدات القياس على محاور الإحداثيات، التناسب بين حجم هذه المحاور، استخدام حجم ونوع الخط المناسبَين، التمايز بين مجموعات البيانات، استخدام الخلفية البيضاء مع الألوان الداكنة وتمييز النقاط المهمّة في النتائج ضمن الرسوم بوضوح) (4).
حاشية:
المصادر:
2. Creating scientific graphs and tables - displaying your data [Internet]. Clips.edu.au. [cited 20 May 2021]. Available from: هنا
3. Kelleher C, Wagener T. Ten guidelines for effective data visualization in scientific publications. Environmental Modelling & Software. 2011 [cited 20 May 2021];26(6):822-827. Available from: هنا
4. Schultz H. Visualizing data in research articles. The Journal of Physiology. 2018 [cited 20 May 2021];596(16):3431-3432. Available from: هنا
