Lernrs module 4

Author: phgrosjean

DESCRIPTION

@@ -1,5 +1,5 @@
 Package: BioDataScience1
-Version: 2023.3.0
+Version: 2023.4.0
 Title: A Series of Learnr Documents for Biological Data Science 1
 Description: Interactive documents using learnr and shiny applications for studying biological data science.
 Authors@R: c(

NEWS.md

@@ -1,3 +1,7 @@
+# BioDataScience1 2023.4.0
+
+-   Learnrs A04La_barplot, A04Lb_boxplot and A04Lc_comp_fig ready.
+
 # BioDataScience1 2023.3.0
 
 -   Learnr A03La_univariate ready.

inst/tutorials/A04La_barplot/A04La_barplot.Rmd.inactive renamed to inst/tutorials/A04La_barplot/A04La_barplot.Rmd

@@ -45,9 +45,9 @@ BioDataScience1::learnr_server(input, output, session)
 
 -   Être capable de réaliser et d'utiliser à bon escient des graphiques en camembert.
 
-## Oursins perforant dans la baie de Tuléar (Madagascar)
+## Oursins perforants dans la baie de Tuléar (Madagascar)
 
-La jeu de données nommé `e_mathaei` est un recensement de différentes variétés de l'oursin *Echinometra mathaei*.
+Le jeu de données nommé `e_mathaei` est un recensement de différentes variétés de l'oursin *Echinometra mathaei*.
 
 ```{r echino_data, echo=TRUE}
 # Visualisation de quelques lignes du jeu de données
@@ -64,7 +64,7 @@ chart(e_mathaei, ~variety) +
   coord_flip()
 ```
 
-A partir du jeu de donnée `e_mathaei`, reproduisez le graphique ci-dessus représentant le nombre d'oursins pour chacune des variétés (`variety`).
+À partir du jeu de donnée `e_mathaei`, reproduisez le graphique ci-dessus représentant le nombre d'oursins pour chacune des variétés (`variety`).
 
 ```{r bar1_h3, exercise=TRUE}
 chart(___, ~___) +
@@ -106,7 +106,7 @@ chart(e_mathaei, ~site %fill=% variety) +
   geom_bar()
 ```
 
-A partir du jeu de donnée `e_mathaei`, reproduisez le graphique ci-dessus représentant le nombre d'oursin pour chacune des variétés (`variety`) en fonction du site (`site`).
+À partir du jeu de donnée `e_mathaei`, reproduisez le graphique ci-dessus représentant le nombre d'oursins pour chacune des variétés (`variety`) en fonction du site (`site`).
 
 ```{r bar2_h3, exercise=TRUE}
 chart(___, ~___ ___ ___) +
@@ -152,7 +152,7 @@ b <- chart(e_mathaei, ~site %fill=% variety) +
 combine_charts(list(a, b), common.legend = TRUE)
 ```
 
-A partir du jeu de donnée `e_mathaei`, reproduisez les graphiques ci-dessus représentant le nombre d'oursin pour chacune des variétés (`variety`) par site en utilisant la valeur `"dodge"` pour le graphique **A** et la valeur `"fill"` pour le graphique **B**.
+À partir du jeu de donnée `e_mathaei`, reproduisez les graphiques ci-dessus représentant le nombre d'oursins pour chacune des variétés (`variety`) par site en utilisant les bonnes valeurs de l'argument `position =` (valeurs possibles : `"stack"`, `"dodge"` ou `"fill"`, ...).
 
 ```{r bar3_h3, exercise=TRUE}
 # position = "dodge"
@@ -210,7 +210,7 @@ combine_charts(list(a, b), common.legend = TRUE)
 ```
 
 ```{r bar3_h3-check}
-grade_code("Vous connaissez maintenant les différentes valeurs que peuvent prendre l'argument `position =`. Notez la **différence** qui existe entre le graphique par defaut (`position = \"stack\"`) et le graphique B (`position = \"fill\"`) ! Le rendu est similaire mais c'est la **fraction** par rapport au total qui est représentée dans le graphique B et **non les effectifs** absolus !")
+grade_code("Vous connaissez maintenant différentes valeurs que peuvent prendre l'argument `position =`. Notez la **différence** qui existe entre le graphique par defaut (`position = \"stack\"`) et le graphique B (`position = \"fill\"`) ! Le rendu est similaire mais c'est la **fraction** par rapport au total qui est représentée dans le graphique B et **non les effectifs absolus** !")
 ```
 
 ### Dénombrement d'oursins (version camembert)
@@ -226,7 +226,7 @@ chart(e_mathaei, ~factor(0) %fill=% variety) +
   labs(fill = "Variety")
 ```
 
-À partir du jeu de donnée `e_mathaei`, reproduisez le graphique en camembert ci-dessus représentant le nombre d'oursin pour chacune des variétés (`variety`).
+À partir du jeu de donnée `e_mathaei`, reproduisez le graphique en camembert ci-dessus représentant le nombre d'oursins pour chacune des variétés (`variety`).
 
 ```{r pie1_h2, exercise=TRUE}
 chart(___, ~___ %fill=% ___) +
@@ -275,7 +275,7 @@ chart(e_mathaei, ~variety %fill=% variety) +
   scale_fill_viridis_d()
 ```
 
-A partir du jeu de donnée `e_mathaei`, reproduisez le graphique ci-dessus représentant le nombre d'oursin pour chacune des variétés (`variety`). Attention que le graphique doit être entièrement en français !
+À partir du jeu de donnée `e_mathaei`, reproduisez le graphique ci-dessus représentant le nombre d'oursins pour chacune des variétés (`variety`). Attention que le graphique doit être entièrement en français !
 
 ```{r bar4_h3, exercise=TRUE}
 e_mathaei$variety <- factor(___,
@@ -329,14 +329,14 @@ chart(e_mathaei, ~variety %fill=% variety) +
 ```
 
 ```{r bar4_h3-check}
-grade_code("Voilà un graphique fin prêt pour une publication.")
+grade_code("Voilà un graphique finalisé. C'est important de peaufiner les graphiques que vous conservez pour vos rapports ou publications, par opposition à ceux qui se trouvent dans vos bloc-notes où les sorties par défaut de {chart} suffisent pour avoir une présentation suffisante pour l'interprétation.")
 ```
 
 ## Biométrie de crabes
 
 Des scientifiques étudient la biométrie du crabe *Leptograpsus variegatus* et ont obtenu le tableau ci-dessous.
 
-```{r crabs_data, echo = TRUE}
+```{r crabs_data, echo=TRUE}
 (crabs <- read("crabs", package = "MASS", lang = "fr"))
 ```
 
@@ -378,7 +378,7 @@ grade_code("Les fonctions `stat_XXX()` vous permettent d'effectuer des calculs s
 
 ## Conclusion
 
-Félicitation ! Vous venez de terminer votre séance d'exercices relative aux graphiques en barres et camembert. Vous maîtrisez maintenant tous les outils nécessaire pour la réalisation de la plupart de vos graphiques.
+Félicitation ! Vous venez de terminer votre séance d'exercices relative aux graphiques en barres et camembert. Vous maîtrisez maintenant tous les outils nécessaires pour la réalisation d'e la plupart de vos'une belle panoplie de graphiques. Il existe bien d'autres graphiques, cependant. Nous vous encourageons à consulter le site [R Graph Gallery](https://www.r-graph-gallery.com/) pour découvrir d'autres types de graphiques et comment les réaliser avec {ggplot2}.
 
 ```{r comm_noscore, echo=FALSE}
 question_text(

inst/tutorials/A04Lb_boxplot/A04Lb_boxplot.Rmd.inactive renamed to inst/tutorials/A04Lb_boxplot/A04Lb_boxplot.Rmd

@@ -35,7 +35,7 @@ BioDataScience1::learnr_server(input, output, session)
 
 ## Objectifs
 
--   Vérifier que vous êtes capable de réaliser des boites de dispersions (parallèles)
+-   Vérifier que vous êtes capable de réaliser des boites de dispersion (parallèles)
 
 ## Biométrie de crabes
 
@@ -85,14 +85,14 @@ grade_code("Vous venez de réaliser votre premier graphique en boites de dispers
 
 ### Longueur de la carapace par espèce et par sexe
 
-Les chercheurs décident ensuite d'approfondir leur analyse et proposent le graphique suivant :
+Les chercheurs décident ensuite d'approfondir leur analyse et construisent le graphique suivant :
 
 ```{r}
 chart(crabs, length ~ species %fill=% sex) +
   geom_boxplot()
 ```
 
-À partir du jeu de données `crabs`, reproduisez le graphique en boites de dispersion ci-dessus représentant la longueur de la carapace (`length`) en fonction de l'espèce (`species`) et coloré en fonction du sexe (`sex`).
+À partir du jeu de données `crabs`, reproduisez le graphique en boites de dispersion ci-dessus représentant la longueur de la carapace (`length`) en fonction de l'espèce (`species`) coloré en fonction du sexe (`sex`).
 
 ```{r boxplot2_h3, exercise=TRUE}
 chart(___, ___ ~ ___ ___ ___) +
@@ -118,12 +118,12 @@ chart(crabs, length ~ species %fill=% sex) +
 ```
 
 ```{r boxplot2_h3-check}
-grade_code("Vous avez compris comment rentrer les variables dans la formule qui spécifie comment les utiliser dans le graphique.")
+grade_code("Vous avez compris comment rentrer les variables dans la formule qui spécifie ce qui est utilisé dans le graphique.")
 ```
 
 ### Taille du lobe frontal
 
-Les chercheurs décident ensuite d'étudier la taille du lobe frontal et proposent le graphique suivant :
+Les chercheurs décident ensuite d'étudier la taille du lobe frontal et réalisent le graphique suivant :
 
 ```{r}
 give_n <- function(x)
@@ -135,7 +135,7 @@ chart(crabs, front ~ species %fill=% sex) +
     hjust = 0.5, position = position_dodge(0.75))
 ```
 
-A partir du jeu de données `crabs`, reproduisez le graphique en boites de dispersion ci-dessus représentant la taille du lobe frontal (`front`) en fonction de l'espèce (`species`) et coloré par le sexe (`sex`). N'oubliez pas de préciser le nombre d'observation pour chacune des boites de dispersion.
+À partir du jeu de données `crabs`, reproduisez le graphique en boites de dispersion ci-dessus représentant la taille du lobe frontal (`front`) en fonction de l'espèce (`species`) coloré en fonction du sexe (`sex`). N'oubliez pas de préciser le nombre d'observations pour chacune des boites de dispersion.
 
 ```{r boxplot3_h3, exercise=TRUE, exercise.lines=7}
 give_n <- function(x)
@@ -181,40 +181,40 @@ chart(crabs, front ~ species %fill=% sex) +
 ```
 
 ```{r boxplot3_h3-check}
-grade_code("Vous maitrisez maintenant le code pour réaliser des boxplots et y associer le nombre d'individus par sous-groupe.")
+grade_code("Vous maitrisez maintenant le code pour réaliser des boxplots et y ajouter l'indication du nombre d'individus par sous-groupe.")
 ```
 
-## QCM : La boite de dispersion
+## QCM : boite de dispersion
 
 Répondez aux questions à choix multiples ci-dessous.
 
 ```{r quiz}
 quiz(
-  question("La boite de dispersion permet de résumer les données d'une variable numérique, quels sont les descripteurs employés ?",
+  question("La boite de dispersion permet de résumer les données d'une variable numérique. Quels sont les descripteurs employés ?",
     answer("la médiane", correct = TRUE),
     answer("la moyenne"),
     answer("l'espace inter-quartile", correct = TRUE),
     answer("la valeur maximale et la valeur minimale", correct = TRUE),
     answer("l'écart-type"),
     random_answer_order = TRUE,
     allow_retry = TRUE),
-  question("Sur base de la suite de nombre suivante : 0.1, 4.3, 9.4, 5, 4.9, 2.9, 3.8, 4.2 que vaut la médiane ?",
+  question("Sur base de la suite de nombre suivante : 0.1, 4.3, 9.4, 5, 4.9, 2.9, 3.8, 4.2, que vaut la médiane ?",
     answer("4.25", correct = TRUE),
     answer("3.35"),
     answer("4.95"),
     answer("4.2"),
     answer("4.3"),
     random_answer_order = TRUE,
     allow_retry = TRUE),
-  question("Sur base de la suite de nombre suivante : 0.1, 4.3, 9.4, 5, 4.9, 2.9, 3.8, 4.2 que vaut le premier quartile ?",
+  question("Sur base de la suite de nombre suivante : 0.1, 4.3, 9.4, 5, 4.9, 2.9, 3.8, 4.2, que vaut le premier quartile ?",
     answer("4.25"),
     answer("3.35", correct = TRUE),
     answer("4.95"),
     answer("3.8"),
     answer("2.9"),
     random_answer_order = TRUE,
     allow_retry = TRUE),
-  question("Sur base de la suite de nombre suivante : 0.1, 4.3, 9.4, 5, 4.9, 2.9, 3.8, 4.2 que vaut le troisième quartile ?",
+  question("Sur base de la suite de nombre suivante : 0.1, 4.3, 9.4, 5, 4.9, 2.9, 3.8, 4.2, que vaut le troisième quartile ?",
     answer("4.95", correct = TRUE),
     answer("3.35"),
     answer("4.25"),

inst/tutorials/A04Lc_comp_fig/A04Lc_comp_fig.Rmd.inactive renamed to inst/tutorials/A04Lc_comp_fig/A04Lc_comp_fig.Rmd

@@ -41,11 +41,11 @@ BioDataScience1::learnr_server(input, output, session)
 
 ## Objectifs
 
--   Créer des figures composées de plusieurs graphique à l'aide de {chart}
+-   Créer des figures composées de plusieurs graphiques à l'aide de {chart}
 
 ## Transect entre Nice et la Corse
 
-Les chercheurs réalisent un transect dans la Mer Méditerranée depuis le port de Nice jusqu'à la baie de Calvi en Corse. Ils vont donc réaliser des prélèvements en 68 stations entre ces deux extrêmes.
+Les chercheurs réalisent un transect dans la mer Méditerranée depuis le port de Nice jusqu'à la baie de Calvi en Corse. Ils vont donc réaliser des prélèvements en 68 stations entre ces deux extrêmes.
 
 ```{r marphy_data, echo=TRUE}
 (marphy <- read("marphy", package = "pastecs"))
@@ -97,7 +97,7 @@ chart(marphy, Temperature ~ Station) +
 ```
 
 ```{r line1_h3-check}
-grade_code("Les graphiques où les points sont reliés entre eux indiquent une continuité entre ces points.")
+grade_code("Les graphiques où les points sont reliés entre eux indiquent une continuité : le phénomène étudie évolue de manière continue selon l'axe X (ici, le long du transect), mais nous ne mesurons des valeurs qu'en certains points (les stations de mesures). Ce type de graphique s'utilise aussi fréquemment pour un phénomène qui évolue dans le temps.")
 ```
 
 ### Salinité
@@ -111,7 +111,7 @@ chart(marphy, Salinity ~ Station) +
   labs(y = "Salinité")
 ```
 
-Reproduisez le graphique ci-dessus.
+Reproduisez le graphique ci-dessus. Tout comme pour la température, vous utiliserez les couches de lignes et de points *dans cet ordre*.
 
 ```{r line2_h2, exercise=TRUE}
 chart(___, ___ ~ ___) +
@@ -143,7 +143,7 @@ grade_code("Encore une fois, les points sont reliés par des segments de droites
 
 ### Figure composée
 
-Ils décident pour finir de représenter les deux graphiques ensembles dans une figure composite.
+Ils décident, pour finir, de représenter les deux graphiques ensemble dans une figure composite.
 
 ```{r}
 a <- chart(marphy, Temperature ~ Station) +
@@ -159,7 +159,7 @@ b <- chart(marphy, Salinity ~ Station) +
 combine_charts(list(a, b))
 ```
 
-Reproduisez le graphique ci-dessus en utilisant les mêmes variables que pour les graphiques précédents.
+Reproduisez le graphique ci-dessus en utilisant les deux mêmes graphiques que vous avez réalisés précédemment.
 
 ```{r comb1_h3, exercise=TRUE}
 # Graphique de la température 
@@ -229,7 +229,7 @@ combine_charts(list(a, b))
 grade_code("Votre première figure composite est vraiment très réussie.")
 ```
 
-## QCM : Choix du graphiques le plus adéquats
+## QCM : choix du graphique le plus adéquat
 
 Répondez aux questions à choix multiples ci-dessous.