Merge branch 'master' of github.com:BioDataScience-Course/BioDataScience1

Author: phgrosjean

DESCRIPTION

@@ -1,5 +1,5 @@
 Package: BioDataScience1
-Version: 2023.11.2
+Version: 2024.0.0
 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

@@ -54,7 +54,7 @@ Le learnr est un outil pédagogique mis au point afin de proposer des tutoriels
 
 Des questions ouvertes (sous la forme de zones de code R) vous sont proposées dans les exercices. Elles vous permettent d'expérimenter directement des instructions dans R depuis le document learnr. Pour exécuter ces instructions, il faut cliquer sur le bouton `Run Code`. Vous pouvez le faire autant de fois que vous le voulez. Modifiez le code, cliquez `Run Code`, analysez le résultat, modifiez votre code, cliquez à nouveau sur `Run Code`, etc. jusqu'à ce que vous soyez satisfait du résultat. Finissez l'exercice et soumettez votre réponse en cliquant sur le bouton `Submit Answer`. **Tant que vous n'aurez pas cliqué sur `Submit Answer`, votre exercice restera inachevé et ne comptera donc pas dans l'évaluation de votre progression.**
 
-Si vous n'avez jamais utilisé de tutoriel learnr, familiarisez-vous d'abord avec son interface [ici](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2023/learnr.html).
+Si vous n'avez jamais utilisé de tutoriel learnr, familiarisez-vous d'abord avec son interface [ici](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2024/learnr.html).
 
 ## Objectifs
 

inst/shiny/A02Sa_limits/app.R renamed to inst/shiny/A01Sa_limits/app.R

@@ -1,9 +1,9 @@
 ---
 title: "Les bases de R"
 author : "Guyliann Engels & Philippe Grosjean"
-description: "**SDD I Module 2** Les bases de l'utilisation de R."
+description: "**SDD I Module 1** Les bases de l'utilisation de R."
 tutorial:
-  id: "A02La_base"
+  id: "A01Lb_base"
   version: 2.0.1/7
 output: 
   learnr::tutorial:
@@ -29,7 +29,9 @@ BioDataScience1::learnr_server(input, output, session)
 
 ## Objectif
 
-Dans le premier module, vous avez découvert plusieurs logiciels que vous allez employer dans les cours des sciences des données. Vous avez réalisé un premier projet qui comprenait, entre autres, des instructions R. Vous avez en fait utilisé le langage R afin de réaliser des tableaux et des graphiques dans un carnet de notes au format Quarto. Ce tutoriel a pour objectif de vous permettre de découvrir les bases du langage R.
+Dans ce premier module, vous avez découvert plusieurs logiciels que vous utiliserez dans les cours de sciences des données. Ce tutoriel a pour objectif de vous permettre d’apprendre les bases du langage R afin de réaliser des tableaux et des graphiques dans vos futurs carnets de notes au format Quarto.
+
+<!-- Vous avez réalisé un premier projet qui comprenait, entre autres, des instructions R. Vous avez en fait utilisé le langage R afin de réaliser des tableaux et des graphiques dans un carnet de notes au format Quarto. -->
 
 ```{r, out.width='50%'}
 knitr::include_graphics("images/Rlogo.png")
@@ -322,7 +324,7 @@ mean(v4)
 grade_code("C'est cela : les fonctions génériques s'utilisent comme les autres, mais faites bien attention aux différentes formes possibles (que l'on appelle les **méthodes** de la fonction) !")
 ```
 
-Certaines fonctions servent à **résumer** un ensemble de données, c'est-à-dire qu'elles les représentent avec une seule ou un petit nombre de valeurs. Ainsi, quelle que soit la taille du vecteur `v4`, sa moyenne est toujours un nombre unique. Ici, nous avons obtenu `NA`. Nous savons pourquoi. Les valeurs manquantes sont **contaminantes** dans les calculs. Il en suffit d'une seule pour que l'ensemble du résultat soit `NA`. Naturellement dans ce cas, c'est dommage, car la moyenne pourrait être *estimée* sur base des trois autres valeurs connues. L'argument `na.rm` permet de le faire... mais comment le savoir ? En lisant **la page d'aide de la fonction**. Pour cela, utilisez l'opérateur `?` suivi du nom de la fonction. Dans RStudio, la page d'aide apparaît dans l'onglet **Aide** ou *Help** (selon que l'interface de RStudio soit en français ou en anglais, voir copie d'écran ci-dessous).
+Certaines fonctions servent à **résumer** un ensemble de données, c'est-à-dire qu'elles les représentent avec une seule ou un petit nombre de valeurs. Ainsi, quelle que soit la taille du vecteur `v4`, sa moyenne est toujours un nombre unique. Ici, nous avons obtenu `NA`. Nous savons pourquoi. Les valeurs manquantes sont **contaminantes** dans les calculs. Il en suffit d'une seule pour que l'ensemble du résultat soit `NA`. Naturellement dans ce cas, c'est dommage, car la moyenne pourrait être *estimée* sur base des trois autres valeurs connues. L'argument `na.rm` permet de le faire... mais comment le savoir ? En lisant **la page d'aide de la fonction**. Pour cela, utilisez l'opérateur `?` suivi du nom de la fonction. Dans RStudio, la page d'aide apparaît dans l'onglet **Aide** ou \*Help\*\* (selon que l'interface de RStudio soit en français ou en anglais, voir copie d'écran ci-dessous).
 
 ```{r, eval=FALSE, echo=TRUE}
 ?mean