Comunicar trabalhos técnicos em apresentações no R com Quarto

Comunicar resultados no formato apresentação de slides em reveljs

Vídeo tema para este post em Comunicar trabalhos técnicos em apresentações no R com Quarto

O que é isto?

• Como fazer relatório técnico e científico usando Quarto e reveljs para publicações no formado de apresentações de slides.

Qual é o objetivo?

• Facilitar a comunicação de experimentos feitos por pesquisadores ou melhoristas de processos.

De onde vem a demanda?

• Desenvolver pesquisas que possas ser reproduzidas por outros pesquisadores.
• Direcionar mais esforços para o desenvolvimento do conteúdo da pesquisa e menos para ferramentas de apresentação.

Como fazer isto?

Pacotes

Para reproduzir o código apresentado neste exercício, os seguintes pacotes são necessário: tidyverse, sjplot, gt, gtExtras, e funModeling

Dados

O conjunto de dados que será usado aqui é o gapminder disponível no pacote gapminder no R e pode ser acessado via código install.package("gapminder)

Time line das ferramentas disponíveis ao longo do tempo

Código reproduzível

O YML file é o cabeçalho do documento onde são inseridos o título, subtítulo entre outros detalhes do documento como por exemplo as configurações globais que serão reproduzidas nas demais partes do documento.

yml

---
title: "Minha pesquisa"
author: "Marcelo Carvalho"
format: 
  revealjs:
    chalkboard: true
    multiplex: true
editor: visual
execute:
  echo: true
---

O resumo geralmente consiste em textos e pequenos códigos inline

resumo

## Resumo - SLIDE1

-   Apresentações são formas comums de comunicação de resultados de expementos

-   Existem muitas ferramentas disponíveis

-   Este exercício vai mostrar algumas `quarto` e `reveljs`

## Objetivo - SLIDE2

-   Facilitar a publicação de experimentos realizados por pesquisadores e melhoristas de processos

## Pacotes - SLIDE3

-   Neste trabalho foram usados os seguintes pacotes do R

#Código inserido no code-chunk
library(tidyverse)
library(tidymodels)
library(janitor)
library(gapminder)

#Resultado gerado
#> 1.  Facilita o manuseio de dados
#> 2.  Facilita a construção de modelos
#> 3.  Facilita a padronização dos nomes das variáveis
#> 4.  Concentra os dados que serão usados no exercício

O corpo consiste em código reproduzível

corpo

## Dados - SLIDE4
-   A base de dados utilizada será a `Gapminder`
-   Possui `r nrow(gapminder)` linhas e `r ncol(gapminder)` colunas.
-   Os detalhes da estrutura são apresentados abaixo

## gerar os detalhes da estrutura de dados
gapminder %>% glimpse()


## Exploração - SLIDE5
gapminder %>% funModeling::df_status()


## Método - SLIDE6

$$
Y_i= \beta_0 + \beta_1 X_i + \epsilon_i
$$

$Y_i$= Variável dependente

$\beta_0$= Constante ou Intercept

$\beta_1$= Coeficiente ou Slope

$X_i$= Variável independente

$\epsilon_i$= Erro (desvio)


## Modelo - SLIDE7
mdl_gapminder <- 
  gapminder %>% 
  mutate(qty_year = year - 2007) %>% 
  group_nest(country) %>% 
  mutate(mdl = map(data, ~lm(lifeExp~qty_year, data = .x))) %>% 
  mutate(result = map(mdl, broom::glance)) %>% 
  select(country, result) %>% 
  unnest(result)



## Plotar modelo - SLIDE8
#| output-location: slide
#| code-line-numbers: "2|4"
mdl_gapminder %>% 
  ggplot(aes(x = r.squared, y = fct_reorder(country, r.squared)))+
  geom_point()+
  scale_y_discrete(guide = guide_axis(check.overlap = TRUE))+
  labs(x = NULL, y = NULL)

## Conclusão - SLIDE9
-   `r mdl_gapminder %>% filter(country == "Brazil") %>% select(r.squared) %>% 
mutate(r.squared = scales::percent(r.squared, accuracy = 0.1))` da 
variação na expectativa de vida no Brasil é explicada pela variação do tempo.
-   Consigo aprofundar nas pesquisas para compreender se há outros fatores que talvez possam explicar as correlações ?

## Complemento1 - SLIDE10
#| output-location: column
library(gt)
library(gtExtras)

data(FANG, 
     package = "tidyquant")

data_fang <- FANG

data_fang %>% group_by(symbol) %>%  
  summarise(price = list(adjusted)) %>% 
  gt() %>% 
  gt_plt_sparkline(
    price,
    same_limit = FALSE,
    fig_dim = c(20,40),
    type = "ref_median")

## Complemento2 - SLIDE11
library(sjPlot)

mdl_mtcars <- lm(mpg~wt + cyl, data = mtcars)
sjPlot::tab_model(mdl_mtcars)

Quem é o consumidor?

• Pesquisadores e profissionais que precisam comunicar suas pesquisas e experimentos.

• Melhoristas de processo que precisam de documentos reproduzíveis em seus projetos.

Qual o resultado?

• Aperfeiçoar habilidades na comunicação dos resultados dos experimentos..

• Facilitar a comunicação entre pesquisadores. Tidyverse usa design for humans %\>% significa e então or and then.

• Melhorar produtividade na manufatura e serviços através da replicação dessas ações e experimentos.