تُقدم حزمة `ggrain` في لغة R دالة `geom_rain` إلى منظومة "قواعد الرسم البياني" (grammar of graphics)، مما يُمكّن المستخدمين من إنشاء مخططات "سحابة المطر" (raincloud plots) شاملة بسهولة، والتي تجمع بين المخططات النقطية والصندوقية والكمان لتوليد تصور بياني للبيانات يتسم بالشفافية والمتانة.
المؤلفون الأصليون:Judd, N., vanLangen, J., Poggiali, D., Whitaker, K., Rhys Marshall, T., Allen, M., Kievit, R.
الطريقة القديمة (المخطط الشريطي - Bar Plot): تقليديًا، استخدم العلماء "المخطط الشريطي" لعرض البيانات. هذا يشبه النظر إلى حشد من بعيد والقول فقط: "متوسط طول هذه المجموعة هو 5 أقدام و9 بوصات". أنت تحصل على رقم واحد، لكن ليس لديك أدنى فكرة عما إذا كان الجميع بهذا الطول تمامًا، أو ما إذا كان هناك بعض العمالقة والأقزام، أو ما إذا كانت المجموعة مزيجًا من كليهما. إنه ملخص يخفي الواقع الفعلي المثير للاهتمام لكل فرد.
الطريقة الجديدة (مخطط سحابة المطر - Raincloud Plot): قدم مؤلفو هذه الورقة طريقة أفضل لتصور البيانات تسمى "مخطط سحابة المطر". فكر في هذا ليس كرقم واحد، بل كتقرير جوي كامل لبياناتك؛ فهو يجمع بين ثلاثة مناظر مختلفة في صورة واحدة:
المطر (المخطط النقطي - Dot Plot): تخيل قطرات مطر صغيرة تتساقط. كل قطرة تمثل شخصًا واحدًا أو نقطة بيانات واحدة. يمكنك رؤية عدد الأشخاص بالضبط، ورصد القيم المتطرفة (مثل "حبات البرد" التي تكون أكبر أو أصغر بكثير من البقية)، ورؤية الحقيقة الخام دون أي تشويه.
السحابة (مخطط الكمان - Violin Plot): فوق المطر، توجد سحابة هشة. تُظهر هذه السحابة شكل البيانات. هل البيانات متجمعة في المنتصف مثل سحابة كثيفة؟ أم أنها منتشرة بشكل رقيق مثل الضباب الخفيف؟ هذا يخبرك بكيفية توزيع البيانات.
المظلة (المخطط الصندوقي - Box Plot): تحت السحابة، يوجد هيكل مظلة متين. هذا يعطيك الإحصائيات الرئيسية، مثل النقطة الوسطى (الوسيط) والنطاق الذي تعيش فيه معظم البيانات.
المشكلة التي حلوها: بينما أحب العلماء صور "سحابة المطر" هذه لأنها كانت واضحة وصادقة، إلا أنه كان من الصعب صنعها باستخدام أداة البرمجيات الشهيرة R. كان الأمر يشبه امتلاك وصفة رائعة ولكن دون أداة مطبخ محددة لصنعها بسهولة؛ حيث كان عليك بناء الشيء بأكمله من الصفر في كل مرة.
الحل: ggrain ابتكر المؤلفون أداة جديدة تسمى ggrain (وهي حزمة للغة البرمجة R).
فكر في ggrain كأنه جهاز مطبخ سحري. قبل ذلك، إذا كنت تريد خبز "كعكة سحابة المطر"، كان عليك خلط العجين، وتشكيل السحابة، وترتيب قطرات المطر يدويًا. أما الآن، ومع ggrain بمجرد ضغط زر واحد (دالة تسمى geom_rain)، يقوم ببناء المخطط المعقد والجميل بالكامل لك فورًا.
لماذا هذا أمر رائع؟
إنه مرن: يمكنك استخدامه لمقارنة مجموعات مختلفة (مثل الفئران مقابل البشر، أو قبل مقابل بعد العلاج).
إنه يروي قصة عبر الزمن: يمكنك ربط النقاط لإظهار كيف تغير نفس الشخص بمرور الوقت، مثل مراقبة بذرة تنمو لتصبح شجرة، بدلاً من مجرد مقارنة شجرتين مختلفتين.
إنه مفتوح: هو مجاني للجميع، مما يساعد العلماء على عرض بياناتهم بطريقة صادقة، وشفافة، وسهلة الفهم للجميع.
باختد، تدور هذه الورقة حول منح العلماء أداة بسيطة وقوية للتوقف عن إخفاء تفاصيل بياناتهم والبدء في إظهار الصورة الكاملة والجميلة لما يحدث حقًا.
بناءً على المسودة المقدمة، إليك ملخص تقني مفصل للورقة البحثية المتعلقة بحزمة ggrain في لغة البرمجة R.
1. بيان المشكلة
تحدد الورقة فجوة حرجة في التصوير البياني للبيانات العلمية: الاعتماد المفرط على المخططات العمودية (Bar plots)، والتي تحجب الخصائص التوزيعية الكامنة للبيانات.
محدودية المخططات العمودية: هي عرضة للتشويه، وتفشل في تمثيل البيانات الخام بدقة، ولا يمكنها عرض الاختلافات المحتملة في التوزيع (مثل التباين أو الالتواء). يؤدي هذا غالباً إلى إساءة تفسير المقادير الإحصائية ويفتقر إلى الشفافية.
الفجوة في منظومة R: بينما اكتسبت "مخططات سحابة المطر" (Raincloud plots) -وهي طريقة تصوير هجينة- شعبية واسعة لقدرتها على الجمع بين البيانات الخام، والإحصاءات الملخصة، وأشكال التوزيع- لم يكن هناك سابقاً حزمة في لغة R تنفذها بما يتوافق مع "قواعد الرسم البياني" (Grammar of Graphics) (الفلسفة التأسيسية لمنظومة ggplot2). كانت الحلول الموجودة إما غير موجودة في R أو تتطلب برمجة معقدة وغير معيارية.
2. المنهجية
طوّر المؤلفون حزمة ggrain، وهي حزمة مفتوحة المصدر بلغة R مصممة لدمج مخططات سحابة المطر بسلاسة داخل إطار عمل ggplot2.
الوظيفة الجوهرية: ترتكز الحزمة على دالة واحدة سهلة الاستخدام وهي: geom_rain().
التكوين البصري: تدمج المنهجية ثلاثة أنواع متميزة من المخططات في تصور واحد متماسك:
مخطط النقاط (Dot Plot): يعرض نقاط البيانات الخام مع حد أدنى من التشويه للسماح بالتقييم السريع لحجم العينة (N) وتحديد القيم المتطرفة.
المخطط الصندوقي (Box Plot): يعرض الإحصاءات الملخصة الرئيسية للتوزيع، وتحديداً الوسيط والمدى الربيعي (IQR).
مخطط الكمان (Violin Plot): يعرض بوضوح تقدير كثافة النواة (التوزيع الكامن) للبيانات.
التنفيذ: تستفيد الحزمة من الطبيعة التركيبية لـ ggplot2، مما يسمح للمستخدمين بدمج طبقات "سحابة المطر" مع التعيينات الجمالية القياسية، والتقسيم (Faceting)، والتحويلات الإحصائية.
3. المساهمات الرئيسية
تسلط الورقة الضوء على العديد من المساهمات التقنية والعملية لحزمة ggrain:
التوافق مع قواعد الرسم البياني: تسد الحزمة الفراغ في منظومة R من خلال توفير تنفيذ أصيل لـ ggplot2 يضمن الاتساق مع سير عمل التصوير البياني الحالي في R.
قدرات رسم متقدمة: بعيداً عن الرسم الأساسي، تدعم ggrain التصاميم التجريبية المعقدة:
التجميع العاملي (Factorial Grouping): التعامل مع متغيرات فئوية متعددة.
المتغيرات المستمرة (Continuous Covariates): تعيين متغيرات مستمرة ثانوية للخصائص الجمالية.
البيانات الطولية (Longitudinal Data): ميزة فريدة تسمح بربط الملاحظات عبر موجات زمنية متعددة (مثل: قبل/بعد التدخل)، مما يتيح تصور التغير داخل الفرد جنباً إلى جنب مع متوسطات المجموعات.
سهولة الوصول: الحزمة متاحة على كل من CRAN و GitHub، مع وثائق شاملة (Vignettes) لإرشاد المستخدمين عبر الصيغ المتقدمة.
التكامل مع المنظومات الأخرى: يشير المؤلفون إلى أن مفهوم سحابة المطر قد تم توسيعه ليشمل أدوات أخرى (مثل ptitprince في Python و JASP)، لكن ggrain تستهدف تحديداً مجتمع الإحصاء في R.
4. النتائج والعروض التوضيحية
توضح الورقة فائدة ggrain من خلال مثالين رئيسيين (الشكل 1):
الاختلافات التوزيعية: تنجح الحزمة في تصور الاختلافات في توزيع البيانات بين مجموعتين، حيث لا تظهر المتوسط/الوسيط فحسب، بل تظهر أيضاً انتشار وشكل البيانات.
التحليل الطولي: في سيناريو ما قبل/بعد التدخل، نجحت الحزمة في توضيح:
التغيرات على مستوى المجموعة: التحولات المتوسطة في الدرجات.
التغيرات على المستوى الفردي: مسارات الأفراد المرتبطة عبر النقاط الزمنية.
ديناميكيات التباين: القدرة على اكتشاف التغيرات في التباين بين المجموعات بمرور الوقت (على سبيل المثال، ملاحظة أن اختلافات التباين بين المجموعات في الزمن 1 تختفي بعد التدخل).
5. الأهمية
تكمن أهمية هذا العمل في قدرته على تحسين الشفافية والدقة في التواصل العلمي:
المتانة الإحصائية: من خلال إلزام الباحثين بتصور البيانات الخام والتوزيعات في آن واحد، تقلل ggrain من خطر إساءة تفسير التأثيرات الإحصائية التي قد تخفيها المخططات التي تعتمد على الملخصات فقط (مثل المخططات العمودية).
النمطية (Standardization): توفر أداة معيارية وسهلة الاستخدام لمجتمع R، مما يخفض حاجز الدخول لإنشاء مخططات سحابة مطر عالية الجودة وجاهزة للنشر.
قابلية التكرار: بصفتها حزمة مفتوحة المصدر مع توفر الكود على GitHub، فإنها تعزز ممارسات البحث القابلة للتكرار.
قابلية التطبيق الواسعة: الأداة قابلة للتطبيق في مجالات متنوعة (علم النفس، علوم الأعصاب، الطب، السياسات) لتصور التصاميم العاملية، والدراسات الطولية، والمقارنات المعقدة بين المجموعات.
باختصار، تحل ggrain مشكلة التصوير البياني الغامض في لغة R من خلال توفير أداة قوية متوافقة مع قواعد الرسم البياني، تجمع بين البيانات الخام، والإحصاءات الملخصة، وأشكال التوزيع، مما يسهل تواصلاً علمياً أكثر دقة وشفافية.