| O que podemos fazer? | Exemplos |
|---|---|
| Blogs e sites | - RStudio AI Blog - Blog da R-Ladies São Paulo |
| Livros | - R for Data Science |
| Apresentações | - Essa apresentação (e a maioria das apresentadas por mim) - Apresentação da tese de doutorado do Julio Trecenti |
Apresentação de resultados com R
Universidade Federal de São Paulo (UNIFESP)
Sobre essa apresentação
O que é a R-Ladies SP?
Quem sou eu?
Compartilhando resultados: rotina de trabalho convencional, reprodutibilidade, programação letrada.
Quarto: o que é, quais as vantagens e desvantagens.
Exemplos de uso do Quarto
Comunicação além do Quarto: Shiny.
Primeiros passos no Quarto
Links para saber mais
R-Ladies São Paulo
R-Ladies São Paulo
R-Ladies é uma organização mundial cuja missão é promover a diversidade de gênero na comunidade da linguagem R.
R-Ladies São Paulo faz parte da R-Ladies Global.
Nosso principal objetivo é promover a linguagem R, com foco na participação pessoas que se identificam com gêneros sub-representados na comunidade R, portanto: mulheres cis, mulheres trans, homens trans, pessoas não-binárias e queer.
É apoiada financeiramente pela R Consortium (em parceria com a Linux Foundation).
Blog: rladies-sp.org
- Textos escritos por pessoas da comunidade
- Recomendo também esse texto: Actions to increase diversity in the R-Ladies São Paulo community
Quem sou eu?
Beatriz Milz
Co-organizadora da R-Ladies São Paulo
Equipe da secretaria executiva da Revista Ambiente & Sociedade
Software peer review editor da rOpenSci
-
Formação acadêmica:
- Graduação: Gestão Ambiental - EACH/USP
- Mestrado: PPG-Análise Ambiental Integrada - UNIFESP Diadema
- Doutorado: PPG Ciência Ambiental (PROCAM) - IEE/USP
-
Experiência anterior:
- 2 anos - analista de dados na R6/Curso-R
- 2 anos - NTGA/SMSU/PMSP
Conteúdos que estou mais envolvida
- Organização do projeto de tradução voluntária pela comunidade, da segunda edição do livro “R for Data Science”: https://cienciadedatos.github.io/pt-r4ds/
Conteúdos que estou mais envolvida
Organização, junto com a Luana Antunes, do clube do livro “R for Data Science”, pela R-Ladies São Paulo. Mais informações.
O que eu gosto de fazer?
- Dormir
O que eu gosto de fazer em R?
- Automatizar tarefas -> mais tempo para fazer coisas que eu gosto!
Compartilhando os resultados
Compartilhando os resultados
Compartilhar os resultados é uma etapa importante na pesquisa!
Existem vários formatos de comunicação, pois depende do público que queremos atingir.
A comunicação pode ser feita de diferentes formas: TCCs, dissertações, teses, artigos científicos, relatórios, apresentações, vídeos, textos para a internet, etc.
Rotina de trabalho comum
Fazer as análises, tabelas, gráficos, mapas em algum software específico (ex. Excel, Google Sheets, SPSS, R, Python, QGIS, etc.).
Copiar e colar os resultados em um documento de texto (ex. Word, Google Docs, etc.), em uma apresentação (ex. Power Point, Google Slides, etc.).
Salvar o arquivo e enviar para a pessoa que te orienta, colegas, etc.
Isso é uma generalização, baseado em como eu fazia antes de começar a usar R :)
Ainda em uma rotina comum
Recebemos feedback e precisamos incorporar as sugestões
A base de dados é atualizada
Precisamos fazer alterações nas análises
Precisamos refazer os passos do slide anterior! :(
Problemas dessa rotina
Não conseguimos reproduzir os resultados sem refazer tudo manualmente.
Gastamos muito tempo refazendo tudo manualmente.
Maior chance de erros!
Reprodutibilidade
“É um conceito que não tem uma definição única e comum”. (Gundersen, 2021)
“Para alguém fazer uma afirmação científica legítima, ele deve ser capaz de reproduzir totalmente seus resultados a partir de seus dados brutos (e de preferência outros devem ser capazes de reproduzi-los também)”. Dr. John Paul Helveston
Além de promover a confiança na ciência, a reprodutibilidade facilita a colaboração entre pesquisadores, permitindo que análises sejam revisadas, aprimoradas e adaptadas para outros contextos.
Reprodutibilidade
Quais fatores contribuem com pesquisa não reprodutível? Fonte: Baker (2016)
Reprodutibilidade
“Reprodutibilidade é como escovar os dentes. Isso é bom para você, mas leva tempo e esforço. Depois de aprender, torna-se um hábito.” - Irakli Loladze, Bryan College of Health Sciences em Lincoln, Nebraska.
Baker, M. 1,500 scientists lift the lid on reproducibility. Nature 533, 452–454 (2016). https://doi.org/10.1038/533452a
Exemplos
Documentação adequada de métodos
Disponibilização da base de dados original
Disponibilização dos códigos utilizados para realizar as etapas de ciência de dados
Alternativa: Programação letrada
Utilização de linguagens de programação para realizar as etapas de ciência de dados.
Cada etapa de análise é documentada em forma de código, que pode ser compartilhada com pares para que seja consultada, avaliada, e aprimorada em pesquisas futuras.
-
Programação letrada (literate programming):
- Conceito criado por Donald Knuth na década de 80.
- Esse paradigma de programação consiste em colocar o código fonte de um programa e texto de sua documentação em um único arquivo, de forma que pessoas possam ler e entender o conteúdo.
Ciência Aberta
Critérios SciELO Brasil: critérios, políticas e procedimentos para a admissão e a permanência de periódicos científicos na Coleção SciELO Brasil, Versão atual: Setembro, 2022.
Editorial 2/2024 Ambiente & Sociedade: Recuperar a ciência como um bem público: novos caminhos para as políticas editoriais (em processo de publicação)
Usando o R para apresentar resultados
Ciclo da Ciência de Dados
Ciclo da Ciência de Dados
Fonte: Allison Horst (@allison_horst).
Quarto
Fonte: Allison Horst (@allison_horst).
Quarto
O R Markdown é um pacote em R para criação de relatórios automatizados utilizando as linguagens de programação R e de marcação Markdown, criado em 2014.
O Quarto é a nova geração do RMarkdown! Não é mais apenas um pacote em R, e sim um software que pode ser usado com outras linguagens de programação, como Python e Julia. Foi lançado em 2022.
O arquivo gerado é estático, não depende de uma sessão de R para ser aberto.
Podemos gerar arquivos word, powerpoint, pdf, html (páginas da internet), etc.
Pontos positivos
Reprodutibilidade
Facilidade de atualização do arquivo final
Menor chance de erros
Facilidade de aproveitar o código e gerar diferentes tipos de arquivos finais.
Facilidade de compartilhar o código e os resultados com outras pessoas.
Possibilita a revisão por pares (peer review) do código.
Incentiva uso de boas práticas de programação.
Focamos mais no conteúdo, e não na formatação.
Pontos negativos
Curva de aprendizado
Dificuldade de colaboração com pessoas que não programam
Formatação mais limitada
Expert blind spot… Fui perguntar a opinião de outras pessoas :)
Pontos negativos (opinião de outras pessoas)
Dificuldade em formatar os conteúdos de forma mais personalizada
É preciso entender pelo menos um pouco de campos diferentes (Markdown, HTML, CSS)
Não conseguir fazer animações como no Powerpoint
Obrigada: Haydee Svab, Fernanda Peres, Bianca Muniz
Dificuldades para quem está começando (opinião de outras pessoas)
Entender a vantagem da reprodutibilidade
Vencer a curva de aprendizado inicial: o benefício é mais claro ao longo prazo
Acreditar que na imensa maioria das vezes terão um resultado final melhor do que fazer ajustes na mão
Obrigada: Haydee Svab, Fernanda Peres, Bianca Muniz
Opinião da Fernanda Peres
“Eu sou MUITO fã do RMarkdown para relatórios, realmente agilizou meu trabalho, minha entrega de relatórios. Não migrei para o Quarto ainda porque senti que há funções que eu uso que ainda não foram implementadas em Quarto.”
Exemplos
Exemplos de documentos acadêmicos
Comunicação: exemplos [pt. 1]
Comunicação: exemplos [pt. 2]
| O que podemos fazer? | Exemplos |
|---|---|
| Relatórios | - Relatório do Observatório da Insolvência |
| Trabalhos acadêmicos | - Tese de doutorado Julio Trecenti |
| Artigos científicos | - Artigo da minha pesquisa de mestrado |
| Outros exemplos | Newsletter Garimpo |
Comunicação além do Quarto
Comunicação: ferramentas
Ideia importante: Interatividade
- É interessante conseguir identificar a interatividade que vem do JavaScript e a interatividade feita com código em R.
Fonte: Elaborado pela autora.
RMarkdown e Quarto
O arquivo gerado é estático, não depende de uma sessão de R para ser aberto.
Os elementos adicionados podem ter algum nível de interatividade (como mapas, gráficos, tabelas) utilizando bibliotecas em JavaScript.
Facilita o uso para programação letrada.
Shiny
Shiny é um pacote em R para criar dashboards interativos com R.
Melhor dos mundos para interatividade: podemos utilizar elementos que são interativos devido ao JS, e também podemos apresentar conteúdos interativos utilizando R.
Necessita de uma sessão de R para que seja aberto!
Não é focado em programação letrada.
É possível fazer dashboards para usos científicos. Ex: Zootraits (dashboard e artigo)
Fonte: https://rstudio.com/shiny/
Shiny - Servidor e Interface do Usuário
Qual usar?
Depende do objetivo, público-alvo, etc!
A forma de programar nos dois é bem diferente.
Existe algo no meio do caminho, que permite usar o shiny de forma simplificada: Quarto Dashboards e flexdashboard (com RMarkdown)!
Considero Quarto/RMarkdown mais fácil de aprender.
Shiny “convencional” (quero dizer, sem flexdashboards) te dá muitas possibilidades, no longo prazo é interessante também :)
Primeiros passos
Estrutura de um arquivo .qmd
O arquivo
.qmdé um arquivo de texto, que pode ser aberto em qualquer editor de texto (ex. RStudio, VS Code, bloco de notas, etc.).Nesse arquivo, temos a seção de metadados, onde definimos o título, autoria, data, tipo de arquivo gerado, etc.
Depois, adicionamos o conteúdo, onde escrevemos o texto, inserimos os códigos, tabelas, gráficos, etc.
Podemos configurar como queremos que os resultados apareçam no arquivo final: se queremos o código e o resultado, apenas o resultado, etc.
Criando um Projeto Quarto no RStudio
Criando um Projeto Quarto no RStudio
Criando um arquivo Quarto no RStudio
Criando um arquivo Quarto no RStudio
Campos de código - Carregar pacotes
Campos de código - Importar base de dados
```{r}
# Link da Base de dados
url <- "https://benubah.github.io/r-community-explorer/data/rladies.csv"
# Criar pasta data
dir_create("data")
# Fazer o download do arquivo e salvar na pasta data
download.file(url, "data/rladies.csv", method = "curl")
# importar a base de dados baixada
rladies <- read_csv("data/rladies.csv")
```Campos de código - Tabela
Campos de código - Gráfico
```{r}
grafico_latin_rladies <- rladies |>
filter(region == "Latin America") |>
group_by(country) |>
summarise(
soma_membros = sum(members),
quantidade_capitulos = n()
) |>
mutate(country = fct_reorder(country, soma_membros)) |>
ggplot() +
geom_col(
aes(y = country, x = soma_membros)
) +
theme_light() +
labs(
x = "Quantidade de membros",
y = "País",
title = "R-Ladies na América Latina",
subtitle = "Membros na plataforma Meetup [desatualizado]"
) +
gghighlight::gghighlight(
country == "Brazil"
)
```Campos de código - Gráfico
E o texto com os resultados?
- Vamos ler esse trecho:
A base de dados pinguins apresenta dados referente à 344 pinguins, das seguintes espécies: Pinguim-de-adélia, Pinguim-gentoo, e Pinguim-de-barbicha. Os dados foram coletados entre os anos 2007 e 2009, nas seguintes ilhas: Torgersen, Biscoe, e Dream. O peso médio dos pinguins amostrados foi de 42 kg. Os dados foram obtidos através do pacote dados.
E o texto com os resultados?
- Destacando os valores que podemos gerar com R:
A base de dados pinguins apresenta dados referente à 344 pinguins, das seguintes espécies: Pinguim-de-adélia, Pinguim-gentoo, e Pinguim-de-barbicha. Os dados foram coletados entre os anos 2007 e 2009, nas seguintes ilhas: Torgersen, Biscoe, e Dream. O peso médio dos pinguins amostrados foi de 42 kg. Os dados foram obtidos através do pacote dados.
E o texto com os resultados?
- O código por trás:
Outras funcionalidades interessantes para documentos acadêmicos
Adicionar equações com LaTeX
Adicionar referências bibliográficas com Zotero (ou outro gerenciador de referências que gere um arquivo
.bib)Gerar a lista de referências ao final do documento (a partir de um arquivo
.cslFacilidade para citar pacotes em R
Referências cruzadas (capítulos, figuras, tabelas)
Conclusão
Para aprender mais sobre o Quarto
Post sobre o Quarto no blog da R-Ladies São Paulo, por Ariane Hayana
Leitura recomendada: Reprodutibilidade e compartilhamento de resultados na pesquisa científica (em processo de publicação)
Para aprender mais
- Criei uma lista no Youtube de videos em que eu participo :): bit.ly/beamilz-yt - mais de 50 vídeos, desde 2019. Tem vários nesse tema!
Conteúdos que estou mais envolvida
-
Textos:
Meu blog: https://beamilz.com
Blog da R-Ladies São Paulo: https://rladies-sp.org/
Saiba mais sobre a R-Ladies
Obrigada!
Slides por Beatriz Milz (@BeaMilz), feito com Quarto e Quarto R-Ladies Theme.
Apresentação de resultados com R Universidade Federal de São Paulo (UNIFESP) Beatriz Milz R-Ladies São Paulo