Corrections mineures learnr 02c_nuage_de_point et 02d_np_challenge

Author: RConotte

inst/tutorials/02c_nuage_de_points/nuage.Rmd

@@ -58,11 +58,11 @@ Si vous n'avez jamais utilisé de tutoriel "learnr", familiarisez-vous d'abord a
 
 ![](images/attention.jpg)
 
-> Conformément au RGPD ([Règlement Général sur la Protection des Données](https://ec.europa.eu/info/law/law-topic/data-protection/reform/rules-business-and-organisations/principles-gdpr_fr)), nous sommes tenus de vous informer de ce que vos résultats seront collecté afin de suivre votre progression. **Les données seront enregistrées au nom de l'utilisateur apparaissant en haut de cette page. Corrigez si nécessaire !** En utilisant ce tutoriel, vous marquez expressément votre accord pour que ces données puissent être collectées par vos enseignants et utilisées pour vous aider et vous évaluer. Après avoir été anonymisées, ces données pourront également servir à des études globales dans un cadre scientifique et/ou éducatif uniquement.
+> Conformément au RGPD ([Règlement Général sur la Protection des Données](https://ec.europa.eu/info/law/law-topic/data-protection/reform/rules-business-and-organisations/principles-gdpr_fr)), nous sommes tenus de vous informer de ce que vos résultats seront collectés afin de suivre votre progression. **Les données seront enregistrées au nom de l'utilisateur apparaissant en haut de cette page. Corrigez si nécessaire !** En utilisant ce tutoriel, vous marquez expressément votre accord pour que ces données puissent être collectées par vos enseignants et utilisées pour vous aider et vous évaluer. Après avoir été anonymisées, ces données pourront également servir à des études globales dans un cadre scientifique et/ou éducatif uniquement.
 
 ## Objectifs
 
-Ce tutoriel interactif a pour objectif d'apprendre à réaliser des graphiques de type nuage de points comme montré sur la figure ci-dessous.
+Ce tutoriel interactif a pour objectif de vous apprendre à réaliser des graphiques de type nuage de points comme montré sur la figure ci-dessous.
 
 ```{r, fig.cap= "Variation de la masse du squelette en fonction de la masse totale de *Paracentrotus lividus* Lamarck 1816"}
 chart(urchin, formula = skeleton ~ weight) +
@@ -182,7 +182,7 @@ chart(urchin, formula = skeleton ~ weight %col=% origin) +
 
 Réalisez un nuage de points montrant la masse du squelette en ordonnée et la masse en abscisse. Utilisez la couleur afin de différencier l'origine des individus et précisez à nouveau qu'il y a des valeurs manquantes.
 
-Complétez la zone de code R en remplaçant `DF`, `YNUM`, `XNUM` et `FACTOR` par les variables demandées. Précisez qu'il y a des valeurs manquantes. Précisez qu'il y a des valeurs manquantes (`na.rm = TRUE`).
+Complétez la zone de code R en remplaçant `DF`, `YNUM`, `XNUM` et `FACTOR` par les variables demandées. Précisez qu'il y a des valeurs manquantes (`na.rm = TRUE`).
 
 ```{r col_graph, exercise=TRUE}
 chart(DF, formula = YNUM ~ XNUM %col=% FACTOR) +
@@ -252,7 +252,7 @@ chart(urchin, formula = lantern ~ test %alpha=% origin) +
 
 Intéressez-vous maintenant à la masse (`weight`) des individus en fonction de leur masse immergée (`buoyant_weight`). 
 
-Vous pouvez avoir le souhait d'employer 2 variables facteurs pour obtenir un graphique plus informatif. La variable portant sur le sex des individus (`sex`) peut être employée. 
+Vous pouvez avoir le souhait d'employer 2 variables facteurs pour obtenir un graphique plus informatif. La variable portant sur le sexe des individus (`sex`) peut être employée. 
 
 ```{r 2factor_graph_intro}
 urchin <- dplyr::filter(urchin, sex != "NA")
@@ -261,7 +261,7 @@ chart(urchin, formula = weight ~ buoyant_weight %col=% origin %shape=% sex ) +
   geom_point(na.rm = TRUE)
 ```
 
-Réalisez un nuage de points montrant la masse en ordonnée et la masse immergée en abscisse. Utilisez la couleur afin de différencier l'origine des individus et différentes formes afin de différencier le sex des individus. Précisez à nouveau qu'il y a des valeurs manquantes. 
+Réalisez un nuage de points montrant la masse en ordonnée et la masse immergée en abscisse. Utilisez la couleur afin de différencier l'origine des individus et différentes formes afin de différencier le sexe des individus. Précisez à nouveau qu'il y a des valeurs manquantes. 
 
 Vous pouvez observer qu'une première ligne de code vous est fournies afin de retirer les lignes de tableau ne contenant pas l'information sur le sex des individus. Vous apprendrez dans les prochains cours à manipuler vos jeux de données.
 
@@ -334,7 +334,7 @@ chart(urchin, formula = log(height) ~ log(weight) %col=% origin) +
 
 ## Conclusion 
 
-Bravo! Vous venez de terminer cette séance d'exercices dans un  tutoriel "learnr". 
+Bravo! Vous venez de terminer cette séance d'exercices dans un tutoriel "learnr". 
 
 Durant cette séance, vous avez appris à : 
 

inst/tutorials/02c_nuage_de_points/nuage.html

@@ -71,12 +71,12 @@ <h2>Préambule</h2>
 <p>Si vous n’avez jamais utilisé de tutoriel “learnr”, familiarisez-vous d’abord avec son interface <a href="http://biodatascience-course.sciviews.org/sdd-umons/learnr.html">ici</a>.</p>
 <p><img src="images/attention.jpg" /></p>
 <blockquote>
-<p>Conformément au RGPD (<a href="https://ec.europa.eu/info/law/law-topic/data-protection/reform/rules-business-and-organisations/principles-gdpr_fr">Règlement Général sur la Protection des Données</a>), nous sommes tenus de vous informer de ce que vos résultats seront collecté afin de suivre votre progression. <strong>Les données seront enregistrées au nom de l’utilisateur apparaissant en haut de cette page. Corrigez si nécessaire !</strong> En utilisant ce tutoriel, vous marquez expressément votre accord pour que ces données puissent être collectées par vos enseignants et utilisées pour vous aider et vous évaluer. Après avoir été anonymisées, ces données pourront également servir à des études globales dans un cadre scientifique et/ou éducatif uniquement.</p>
+<p>Conformément au RGPD (<a href="https://ec.europa.eu/info/law/law-topic/data-protection/reform/rules-business-and-organisations/principles-gdpr_fr">Règlement Général sur la Protection des Données</a>), nous sommes tenus de vous informer de ce que vos résultats seront collectés afin de suivre votre progression. <strong>Les données seront enregistrées au nom de l’utilisateur apparaissant en haut de cette page. Corrigez si nécessaire !</strong> En utilisant ce tutoriel, vous marquez expressément votre accord pour que ces données puissent être collectées par vos enseignants et utilisées pour vous aider et vous évaluer. Après avoir été anonymisées, ces données pourront également servir à des études globales dans un cadre scientifique et/ou éducatif uniquement.</p>
 </blockquote>
 </div>
 <div id="section-objectifs" class="section level2">
 <h2>Objectifs</h2>
-<p>Ce tutoriel interactif a pour objectif d’apprendre à réaliser des graphiques de type nuage de points comme montré sur la figure ci-dessous.</p>
+<p>Ce tutoriel interactif a pour objectif de vous apprendre à réaliser des graphiques de type nuage de points comme montré sur la figure ci-dessous.</p>
 <div class="figure">
 <img src="nuage_files/figure-html/unnamed-chunk-3-1.png" alt="Variation de la masse du squelette en fonction de la masse totale de *Paracentrotus lividus* Lamarck 1816" width="624" />
 <p class="caption">
@@ -154,7 +154,7 @@ <h4>Exercice 3</h4>
 <p>La formule de la fonction <code>chart()</code> peut être complétée avec l’argument faisant référence à la couleur (<code>%col=%</code>).</p>
 <p><img src="nuage_files/figure-html/col_graph_intro-1.png" width="624" /></p>
 <p>Réalisez un nuage de points montrant la masse du squelette en ordonnée et la masse en abscisse. Utilisez la couleur afin de différencier l’origine des individus et précisez à nouveau qu’il y a des valeurs manquantes.</p>
-<p>Complétez la zone de code R en remplaçant <code>DF</code>, <code>YNUM</code>, <code>XNUM</code> et <code>FACTOR</code> par les variables demandées. Précisez qu’il y a des valeurs manquantes. Précisez qu’il y a des valeurs manquantes (<code>na.rm = TRUE</code>).</p>
+<p>Complétez la zone de code R en remplaçant <code>DF</code>, <code>YNUM</code>, <code>XNUM</code> et <code>FACTOR</code> par les variables demandées. Précisez qu’il y a des valeurs manquantes (<code>na.rm = TRUE</code>).</p>
 <div class="tutorial-exercise" data-label="col_graph" data-caption="Code R" data-completion="1" data-diagnostics="1" data-startover="1" data-lines="0">
 <pre class="text"><code>chart(DF, formula = YNUM ~ XNUM %col=% FACTOR) +
   geom_point()</code></pre>
@@ -202,9 +202,9 @@ <h3>Exercice 1</h3>
 <div id="section-exercice-2-1" class="section level3">
 <h3>Exercice 2</h3>
 <p>Intéressez-vous maintenant à la masse (<code>weight</code>) des individus en fonction de leur masse immergée (<code>buoyant_weight</code>).</p>
-<p>Vous pouvez avoir le souhait d’employer 2 variables facteurs pour obtenir un graphique plus informatif. La variable portant sur le sex des individus (<code>sex</code>) peut être employée.</p>
+<p>Vous pouvez avoir le souhait d’employer 2 variables facteurs pour obtenir un graphique plus informatif. La variable portant sur le sexe des individus (<code>sex</code>) peut être employée.</p>
 <p><img src="nuage_files/figure-html/2factor_graph_intro-1.png" width="624" /></p>
-<p>Réalisez un nuage de points montrant la masse en ordonnée et la masse immergée en abscisse. Utilisez la couleur afin de différencier l’origine des individus et différentes formes afin de différencier le sex des individus. Précisez à nouveau qu’il y a des valeurs manquantes.</p>
+<p>Réalisez un nuage de points montrant la masse en ordonnée et la masse immergée en abscisse. Utilisez la couleur afin de différencier l’origine des individus et différentes formes afin de différencier le sexe des individus. Précisez à nouveau qu’il y a des valeurs manquantes.</p>
 <p>Vous pouvez observer qu’une première ligne de code vous est fournies afin de retirer les lignes de tableau ne contenant pas l’information sur le sex des individus. Vous apprendrez dans les prochains cours à manipuler vos jeux de données.</p>
 <div class="tutorial-exercise" data-label="2factor_graph" data-caption="Code R" data-completion="1" data-diagnostics="1" data-startover="1" data-lines="0">
 <pre class="text"><code>urchin &lt;- dplyr::filter(urchin, sex != &quot;NA&quot;)
@@ -355,7 +355,7 @@ <h2>Conclusion</h2>
 <!--/html_preserve-->
 <!--html_preserve-->
 <script type="application/shiny-prerendered" data-context="execution_dependencies">
-{"type":"list","attributes":{"names":{"type":"character","attributes":{},"value":["packages"]}},"value":[{"type":"list","attributes":{"names":{"type":"character","attributes":{},"value":["packages","version"]},"class":{"type":"character","attributes":{},"value":["data.frame"]},"row.names":{"type":"integer","attributes":{},"value":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74,75,76,77,78,79,80,81,82,83,84,85,86,87,88,89,90,91,92,93,94,95,96,97,98,99,100,101,102,103,104,105,106,107,108,109,110,111,112,113]}},"value":[{"type":"character","attributes":{},"value":["acepack","assertthat","backports","base","base64enc","BioDataScience","broom","cellranger","chart","checkmate","cli","cluster","codetools","colorspace","compiler","cowplot","crayon","data.io","data.table","datasets","digest","dplyr","ellipse","evaluate","flow","forcats","foreign","Formula","generics","ggplot2","ggplotify","ggpubr","glue","graphics","grDevices","grid","gridExtra","gridGraphics","gtable","haven","highr","Hmisc","hms","htmlTable","htmltools","htmlwidgets","httpuv","httr","igraph","inline","jsonlite","knitr","labeling","later","lattice","latticeExtra","lazyeval","learnr","lubridate","magrittr","markdown","MASS","Matrix","methods","mime","modelr","mongolite","munsell","nlme","nnet","pillar","pkgconfig","plyr","promises","proto","pryr","purrr","R6","RColorBrewer","Rcpp","readr","readxl","remotes","rlang","rmarkdown","rpart","rprojroot","rstudioapi","rvcheck","rvest","scales","SciViews","shiny","splines","stats","stringi","stringr","survival","svMisc","tibble","tidyr","tidyselect","tidyverse","tools","tsibble","utils","viridis","viridisLite","withr","xfun","xml2","xtable","yaml"]},{"type":"character","attributes":{},"value":["1.4.1","0.2.1","1.1.3","3.5.3","0.1-3","2019.0.0","0.5.2","1.1.0","1.3.0","1.9.1","1.1.0","2.0.8","0.2-16","1.4-1","3.5.3","0.9.4","1.3.4","1.2.2","1.12.2","3.5.3","0.6.18","0.8.0.1","0.4.1","0.13","1.0.0","0.4.0","0.8-71","1.2-3","0.0.2","3.1.1","0.0.3","0.2","1.3.1","3.5.3","3.5.3","3.5.3","2.3","0.3-0","0.3.0","2.1.0","0.8","4.2-0","0.4.2","1.13.1","0.3.6","1.3","1.5.1","1.4.0","1.2.4","0.3.15","1.6","1.22","0.3","0.8.0","0.20-38","0.6-28","0.2.2","0.9.2.1","1.7.4","1.5","0.9","7.3-51.3","1.2-17","3.5.3","0.6","0.1.4","2.0.1","0.5.0","3.1-138","7.3-12","1.3.1","2.0.2","1.8.4","1.0.1","1.0.0","0.1.4","0.3.2","2.4.0","1.1-2","1.0.1","1.3.1","1.3.1","2.0.2","0.3.4","1.12","4.1-13","1.3-2","0.10","0.1.3","0.3.2","1.0.0","1.1.0","1.3.0","3.5.3","3.5.3","1.4.3","1.4.0","2.44-1.1","1.1.0","2.1.1","0.8.3","0.2.5","1.2.1","3.5.3","0.7.0","3.5.3","0.5.1","0.3.0","2.1.2","0.6","1.2.0","1.8-3","2.2.0"]}]}]}
+{"type":"list","attributes":{"names":{"type":"character","attributes":{},"value":["packages"]}},"value":[{"type":"list","attributes":{"names":{"type":"character","attributes":{},"value":["packages","version"]},"class":{"type":"character","attributes":{},"value":["data.frame"]},"row.names":{"type":"integer","attributes":{},"value":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74,75,76,77,78,79,80,81,82,83,84,85,86,87,88,89,90,91,92,93,94,95,96,97,98,99,100,101,102,103,104,105,106,107,108,109,110,111,112,113,114,115,116,117,118,119]}},"value":[{"type":"character","attributes":{},"value":["acepack","assertthat","backports","base","base64enc","BioDataScience","broom","cellranger","chart","checkmate","cli","cluster","codetools","colorspace","compiler","cowplot","crayon","data.io","data.table","datasets","digest","dplyr","ellipse","evaluate","farver","flow","forcats","foreign","Formula","generics","gganimate","ggplot2","ggplotify","ggpubr","glue","graphics","grDevices","grid","gridExtra","gridGraphics","gtable","haven","highr","Hmisc","hms","htmlTable","htmltools","htmlwidgets","httpuv","httr","igraph","inline","jsonlite","knitr","labeling","later","lattice","latticeExtra","lazyeval","learnr","lubridate","magick","magrittr","markdown","MASS","Matrix","methods","mime","modelr","mongolite","munsell","nlme","nnet","pillar","pkgconfig","plyr","prettyunits","progress","promises","proto","pryr","purrr","R6","RColorBrewer","Rcpp","readr","readxl","remotes","rlang","rmarkdown","rpart","rprojroot","rstudioapi","rvcheck","rvest","scales","SciViews","shiny","splines","stats","stringi","stringr","survival","svMisc","tibble","tidyr","tidyselect","tidyverse","tools","tsibble","tweenr","utils","viridis","viridisLite","withr","xfun","xml2","xtable","yaml"]},{"type":"character","attributes":{},"value":["1.4.1","0.2.1","1.1.3","3.5.3","0.1-3","2019.2.0","0.5.2","1.1.0","1.3.0","1.9.1","1.1.0","2.0.8","0.2-16","1.4-1","3.5.3","0.9.4","1.3.4","1.2.2","1.12.2","3.5.3","0.6.18","0.8.0.1","0.4.1","0.13","1.1.0","1.0.0","0.4.0","0.8-71","1.2-3","0.0.2","1.0.3","3.1.1","0.0.3","0.2","1.3.1","3.5.3","3.5.3","3.5.3","2.3","0.3-0","0.3.0","2.1.0","0.8","4.2-0","0.4.2","1.13.1","0.3.6","1.3","1.5.1","1.4.0","1.2.4","0.3.15","1.6","1.22","0.3","0.8.0","0.20-38","0.6-28","0.2.2","0.9.2.1","1.7.4","2.0","1.5","0.9","7.3-51.3","1.2-17","3.5.3","0.6","0.1.4","2.0.1","0.5.0","3.1-138","7.3-12","1.3.1","2.0.2","1.8.4","1.0.2","1.2.0","1.0.1","1.0.0","0.1.4","0.3.2","2.4.0","1.1-2","1.0.1","1.3.1","1.3.1","2.0.2","0.3.4","1.12","4.1-13","1.3-2","0.10","0.1.3","0.3.2","1.0.0","1.1.0","1.3.0","3.5.3","3.5.3","1.4.3","1.4.0","2.44-1.1","1.1.0","2.1.1","0.8.3","0.2.5","1.2.1","3.5.3","0.7.0","1.0.1","3.5.3","0.5.1","0.3.0","2.1.2","0.6","1.2.0","1.8-3","2.2.0"]}]}]}
 </script>
 <!--/html_preserve-->
 </div>