c <- a + bround(10.14536) #aproximarround(10.14536) #aproximar[1] 101.
La lógica de R es instalar librerías (solo 1 vez, con install.packages("librería")), y luego cargarlas cada vez que es necesario usarlas (con library(librería)). El problema de esto es que a veces no se sabe claramente qué librerías están instaladas y cuales no, lo que va a arrojar error al cargarlas. Y, como sucede en R, existe una librería para solucionar este problema que se llama pacman (package manager). Lo que hace pacman es cargar la librería, y si no está instalada, la instala y la carga:
Para utilizar la primera vez (si es que no está instalada):
-
+
install.packages("pacman")install.packages("pacman")Y en adelante, las librerías se cargan así pacman::p_load(libreria1,libreria2,libreriaX) :
-
+
pacman::p_load(dplyr, guaguas)pacman::p_load(dplyr, guaguas, ggplot2)Para esta sesión las librerías que vamos a utilizar son:
-
@@ -362,32 +388,32 @@
Abrir Rstudio
+Seleccionar Archivo -> Nuevo proyecto
+Seleccionamos la opción de directorio existente
+Seleccionamos la carpeta donde descargamos nuestro repositorio de Github en el paso anterior
+Apretamos el botón de crear proyecto
+
2. Cargar base de dat
Ajustar espacio de trabajo
Previo a la carga de nuestra base de datos, se recomienda ejecutar los siguientes comandos:
-
+
rm(list=ls()) # borrar todos los objetos en el espacio de trabajo
-options(scipen=999) # valores sin notación científicarm(list=ls()) # borrar todos los objetos en el espacio de trabajo
+options(scipen=999) # valores sin notación científicaLa función rm(list=ls()) permite comenzar con un espacio de trabajo (environment) vacío y sin otros objetos. Así también, la función options(scipen=999) desactiva la notación científica, es decir, veremos los valores numéricos con todos sus decimales.
Datos
Cargamos la base de datos desde el paquete (para otras bases de datos se deben importar de otra forma, esto es solo como ejemplo)
-
+
base <- guaguasbase <- guaguasConocemos las dimensiones de la base de datos
-
+
dim(base)dim(base)[1] 858782 5Son 858782 casos y 5 variables. Los nombres de estas variables son:
-
+
names(base)names(base)[1] "anio" "nombre" "sexo" "n" "proporcion"Y la base se ve así:
-
+
head(base)head(base)# A tibble: 6 × 5
anio nombre sexo n proporcion
@@ -402,7 +428,7 @@ 2. Cargar base de dat
Ahora probemos algunas funciones para seguir explorando la base
-
+
table(base$sexo)table(base$sexo)
F I M
@@ -412,7 +438,7 @@ 2. Cargar base de dat
Podemos ver la cantidad de nombres “F” (femenino), “M” (masculino) e “I” (indefinido) inscritos entre 1920 y 2021.
Pueden buscar sus nombres y probar, utilizamos la funcion filter del paquete dplyr
-filter(base, nombre=="Kevin")
+filter(base, nombre=="Kevin")
# A tibble: 63 × 5
anio nombre sexo n proporcion
@@ -432,12 +458,62 @@ 2. Cargar base de dat
E incluso pueden ver la cantidad de personas con su nombre, en el mismo año que ustedes nacieron
-d <- filter(base, nombre=="Kevin" & anio==1996)
-sum(d$n)
+d <- filter(base, nombre=="Kevin" & anio==1996)
+sum(d$n)
[1] 1312
+Avanzando un poco más, podemos utilizar ggplot2 para hacer un gráfico de líneas que muestre la evolución en el tiempo
+
+datos <- filter(base, nombre=="Kevin")
+ggplot(datos, aes(x = anio, y = n)) +
+ geom_line() +
+ labs(x = "Año", y = "Número de personas", title = "Número de personas llamadas Kevin por año")
+
+
+
+
+¿Qué puede explicar el peak de “Kevins” previo a los 2000?
+spoiler: link
+
+
+
+Otro ejemplo
+
+guaguas %>%
+ filter(nombre %in% c("Salvador", "Augusto"), anio >= 1960 & anio <= 1979) %>%
+ ggplot(aes(anio, n, color = nombre)) +
+ geom_line() +
+ labs(x = "año", y = "total inscripciones", color = "nombre",
+ title = "Inscripciones de 'Salvador' y 'Augusto' entre 1960 - 1979")
+
+
+
+
+
+
+
+Parte 2
+
+2. Flujo de trabajo en R
+Tal vez una de las dificultades más comunes o cotidianas del uso de R es el orden de trabajo, en donde tenemos cientos de archivos, scripts, gráficos, bases de datos u otros repartidos desordenadamente en nuestro computador. También se da mucho el caso en que, cuando queremos trabajar con alguien, tenemos que cambiar las rutas de los archivos, por ejemplo en dónde están las bases de datos, ya que nuestros ordenadores y usuarios se llaman y son escencialmente distintos.
+¿Cómo podemos sortear eso? Siguiendo un flujo de trabajo reproducible, autocontenido y ordenado. En este curso trabajaremos R con un flujo de trabajo reproducible, basado en el sistema IPO. El protocolor IPO es una plantilla/protocolo de estructura digital de carpetas que tiene por objetivo el organizar, procesar y documentar los datos de un proyecto de investigación con miras a la apertura de los datos en un repositorio público y de acceso libre. En concreto, el sistema IPO se propone abordar brevemente todo lo referente a los Datos, Métodos y Resultados.
+
+
+Rproject
+Un Rproject es una herramienta de R que nos permite establecer un directorio de trabajo en una carpeta de nuestro computador. Al hacerlo, establecemos un espacio de trabajo que permite crear una estructura de carpetas donde guardar los documentos asociados al proyecto. De esta forma, creamos un conjunto de archivos autocontenidos en un solo lugar que nos permite organizar nuestro trabajo y facilitar la reproducibilidad. En las próximas sesiones estableceremos un protocolo de trabajo que permite organizar y armonizar el trabajo: el protocolo IPO.
+Para crear un Rproject:
+
+
+
+
+
diff --git a/docs/resource/01-resource_files/figure-html/unnamed-chunk-19-1.png b/docs/resource/01-resource_files/figure-html/unnamed-chunk-19-1.png
new file mode 100644
index 0000000..ebc725a
Binary files /dev/null and b/docs/resource/01-resource_files/figure-html/unnamed-chunk-19-1.png differ
diff --git a/docs/resource/01-resource_files/figure-html/unnamed-chunk-20-1.png b/docs/resource/01-resource_files/figure-html/unnamed-chunk-20-1.png
new file mode 100644
index 0000000..bbca01f
Binary files /dev/null and b/docs/resource/01-resource_files/figure-html/unnamed-chunk-20-1.png differ
diff --git a/docs/resource/images/cora1.png b/docs/resource/images/cora1.png
new file mode 100644
index 0000000..6e4325f
Binary files /dev/null and b/docs/resource/images/cora1.png differ
diff --git a/docs/resource/images/project.png b/docs/resource/images/project.png
new file mode 100644
index 0000000..f8eb213
Binary files /dev/null and b/docs/resource/images/project.png differ
diff --git a/docs/search.json b/docs/search.json
index ca674e0..266d8e6 100644
--- a/docs/search.json
+++ b/docs/search.json
@@ -305,7 +305,7 @@
"href": "resource/01-resource.html",
"title": "Práctica 1. Aproximación inicial a R",
"section": "",
- "text": "Esta práctica tiene dos objetivos: 1) Generar un primer acercamiento al uso de R y Rstudio, conociendo su interfaz y sus principales funcionalidades y 2) revisar algunos procedimientos básicos de la preparación de datos con R, que son necesarios para luego poder aplicar los contenidos más específicos de este curso.\n\n\n\n\n\n\nAcceder a la página de posit, desarrollador del software desde octubre de 2022. Link directo a la descarga acá.\nInstalar R y Rstudio\n\n\n\nDescargar R\n\n\nSeleccionamos sistema operativo según corresponda\n\n\n\nDescargar R por primera vez y seguir instrucciones. En esta oportunidad trabajaremos con la última versión de R 4.2.2 \n\n\nDescargar RStudio\n\n\nDescarga directa en la página de inicio\n\n\nInstalar ambos archivos siguiendo las instrucciones de instalación\n\n\nAbrir RStudio. Se debería ver similar a esto:\n\n\n\nRecomendaciones generales:\n\n\nevitar uso de tilde, ñ, espacios y mayúsculas tanto en carpetas y archivos, así como también en los nombres de las variables\nal momento de hacer consultas sobre problemas en la ejecución del código, adjuntar la siguiente información:\n\n\nCódigo completo hasta que se produce el problema\nIndicar línea del código donde se produce el problema\nAdjuntar el resultado del output de la información de la sesión (sessionInfo())\n\n\n\n\n\nEn primer lugar vamos a abrir un archivo de R (script). Esto se puede hacer manualmente con File -> new file -> R script o directamente con ctrl + shift + N\nEsta es nuestra hoja de código, que utilizaremos para procesar bases de datos, modificar variables y crear tablas y gráficos.\n\n\nR puede ser una calculadora\n\n10 + 5 # ¿cuánto es 10 + 5?\n\n[1] 15\n\n\n\n10 * 5 # ¿cuánto es 10 * 5?\n\n[1] 50\n\n\nSe pueden crear objetos y asignarles valores\n\na <- 28\nb <- 8\n\na + b\n\n[1] 36\n\n\nO asignar operaciones a un objeto\n\nc <- a + b\n\nSin embargo, la mayor parte del tiempo usamos funciones que ya existen en R\n\nsum(28,8)\n\n[1] 36\n\n\n\nround(10.14536) #aproximar\n\n[1] 10\n\n\nY muchas de estas funciones que utilizamos en R están contenidas en librerías o paquetes (packages)\n\n\n\nLa lógica de R es instalar librerías (solo 1 vez, con install.packages(\"librería\")), y luego cargarlas cada vez que es necesario usarlas (con library(librería)). El problema de esto es que a veces no se sabe claramente qué librerías están instaladas y cuales no, lo que va a arrojar error al cargarlas. Y, como sucede en R, existe una librería para solucionar este problema que se llama pacman (package manager). Lo que hace pacman es cargar la librería, y si no está instalada, la instala y la carga:\nPara utilizar la primera vez (si es que no está instalada):\n\ninstall.packages(\"pacman\")\n\nY en adelante, las librerías se cargan así pacman::p_load(libreria1,libreria2,libreriaX) :\n\npacman::p_load(dplyr, guaguas)\n\nPara esta sesión las librerías que vamos a utilizar son:\n\ndplyr: ajuste general de datos\nguaguas: Paquete que contiene los datos de nombres de guaguas (bebés) registrados en Chile entre 1920 y 2021 según el Registro Civil e Identificación\n\n\n\n\nAjustar espacio de trabajo\nPrevio a la carga de nuestra base de datos, se recomienda ejecutar los siguientes comandos:\n\nrm(list=ls()) # borrar todos los objetos en el espacio de trabajo\noptions(scipen=999) # valores sin notación científica\n\nLa función rm(list=ls()) permite comenzar con un espacio de trabajo (environment) vacío y sin otros objetos. Así también, la función options(scipen=999) desactiva la notación científica, es decir, veremos los valores numéricos con todos sus decimales.\nDatos\nCargamos la base de datos desde el paquete (para otras bases de datos se deben importar de otra forma, esto es solo como ejemplo)\n\nbase <- guaguas\n\nConocemos las dimensiones de la base de datos\n\ndim(base)\n\n[1] 858782 5\n\n\nSon 858782 casos y 5 variables. Los nombres de estas variables son:\n\nnames(base)\n\n[1] \"anio\" \"nombre\" \"sexo\" \"n\" \"proporcion\"\n\n\nY la base se ve así:\n\nhead(base)\n\n# A tibble: 6 × 5\n anio nombre sexo n proporcion\n <dbl> <chr> <chr> <dbl> <dbl>\n1 1920 María F 2130 0.104 \n2 1920 José M 984 0.0483\n3 1920 Juan M 636 0.0312\n4 1920 Luis M 631 0.0310\n5 1920 Rosa F 426 0.0209\n6 1920 Ana F 340 0.0167\n\n\nAhora probemos algunas funciones para seguir explorando la base\n\ntable(base$sexo)\n\n\n F I M \n531038 318 327426 \n\n\nPodemos ver la cantidad de nombres “F” (femenino), “M” (masculino) e “I” (indefinido) inscritos entre 1920 y 2021.\nPueden buscar sus nombres y probar, utilizamos la funcion filter del paquete dplyr\n\nfilter(base, nombre==\"Kevin\")\n\n# A tibble: 63 × 5\n anio nombre sexo n proporcion\n <dbl> <chr> <chr> <dbl> <dbl>\n 1 1931 Kevin M 1 0.0000120 \n 2 1963 Kevin M 1 0.0000035 \n 3 1964 Kevin M 1 0.00000344\n 4 1967 Kevin M 4 0.0000131 \n 5 1970 Kevin M 6 0.0000210 \n 6 1971 Kevin M 3 0.00000936\n 7 1972 Kevin M 3 0.00000945\n 8 1973 Kevin M 2 0.00000633\n 9 1974 Kevin M 5 0.0000163 \n10 1976 Kevin M 2 0.00000724\n# ℹ 53 more rows\n\n\nE incluso pueden ver la cantidad de personas con su nombre, en el mismo año que ustedes nacieron\n\nd <- filter(base, nombre==\"Kevin\" & anio==1996)\nsum(d$n)\n\n[1] 1312"
+ "text": "Esta práctica tiene dos objetivos: 1) Generar un primer acercamiento al uso de R y Rstudio, conociendo su interfaz y sus principales funcionalidades y 2) revisar algunos procedimientos básicos de la preparación de datos con R, que son necesarios para luego poder aplicar los contenidos más específicos de este curso.\n\n\n\n\n\n\nAcceder a la página de posit, desarrollador del software desde octubre de 2022. Link directo a la descarga acá.\nInstalar R y Rstudio\n\n\n\nDescargar R\n\n\nSeleccionamos sistema operativo según corresponda\n\n\n\nDescargar R por primera vez y seguir instrucciones. En esta oportunidad trabajaremos con la última versión de R 4.2.2 \n\n\nDescargar RStudio\n\n\nDescarga directa en la página de inicio\n\n\nInstalar ambos archivos siguiendo las instrucciones de instalación\n\n\nAbrir RStudio. Se debería ver similar a esto:\n\n\n\nRecomendaciones generales:\n\n\nevitar uso de tilde, ñ, espacios y mayúsculas tanto en carpetas y archivos, así como también en los nombres de las variables\nal momento de hacer consultas sobre problemas en la ejecución del código, adjuntar la siguiente información:\n\n\nCódigo completo hasta que se produce el problema\nIndicar línea del código donde se produce el problema\nAdjuntar el resultado del output de la información de la sesión (sessionInfo())\n\n\n\n\n\nEn primer lugar vamos a abrir un archivo de R (script). Esto se puede hacer manualmente con File -> new file -> R script o directamente con ctrl + shift + N\nEsta es nuestra hoja de código, que utilizaremos para procesar bases de datos, modificar variables y crear tablas y gráficos.\n\n\nR puede ser una calculadora\n\n10 + 5 # ¿cuánto es 10 + 5?\n\n[1] 15\n\n\n\n10 * 5 # ¿cuánto es 10 * 5?\n\n[1] 50\n\n\nSe pueden crear objetos y asignarles valores\n\na <- 28\nb <- 8\n\na + b\n\n[1] 36\n\n\nO asignar operaciones a un objeto\n\nc <- a + b\n\nAsí como también agregar texto\n\nd <- \"hola\"\n\nd\n\n[1] \"hola\"\n\n\ny operaciones un poco más complejas\n\ne <- b^2\n\ne + a * c\n\n[1] 1072\n\n\nSin embargo, la mayor parte del tiempo usamos funciones que ya existen en R\n\nsum(28,8)\n\n[1] 36\n\n\n\nround(10.14536) #aproximar\n\n[1] 10\n\n\nY muchas de estas funciones que utilizamos en R están contenidas en librerías o paquetes (packages)\n\n\n\nLa lógica de R es instalar librerías (solo 1 vez, con install.packages(\"librería\")), y luego cargarlas cada vez que es necesario usarlas (con library(librería)). El problema de esto es que a veces no se sabe claramente qué librerías están instaladas y cuales no, lo que va a arrojar error al cargarlas. Y, como sucede en R, existe una librería para solucionar este problema que se llama pacman (package manager). Lo que hace pacman es cargar la librería, y si no está instalada, la instala y la carga:\nPara utilizar la primera vez (si es que no está instalada):\n\ninstall.packages(\"pacman\")\n\nY en adelante, las librerías se cargan así pacman::p_load(libreria1,libreria2,libreriaX) :\n\npacman::p_load(dplyr, guaguas, ggplot2)\n\nPara esta sesión las librerías que vamos a utilizar son:\n\ndplyr: ajuste general de datos\nguaguas: Paquete que contiene los datos de nombres de guaguas (bebés) registrados en Chile entre 1920 y 2021 según el Registro Civil e Identificación\n\n\n\n\nAjustar espacio de trabajo\nPrevio a la carga de nuestra base de datos, se recomienda ejecutar los siguientes comandos:\n\nrm(list=ls()) # borrar todos los objetos en el espacio de trabajo\noptions(scipen=999) # valores sin notación científica\n\nLa función rm(list=ls()) permite comenzar con un espacio de trabajo (environment) vacío y sin otros objetos. Así también, la función options(scipen=999) desactiva la notación científica, es decir, veremos los valores numéricos con todos sus decimales.\nDatos\nCargamos la base de datos desde el paquete (para otras bases de datos se deben importar de otra forma, esto es solo como ejemplo)\n\nbase <- guaguas\n\nConocemos las dimensiones de la base de datos\n\ndim(base)\n\n[1] 858782 5\n\n\nSon 858782 casos y 5 variables. Los nombres de estas variables son:\n\nnames(base)\n\n[1] \"anio\" \"nombre\" \"sexo\" \"n\" \"proporcion\"\n\n\nY la base se ve así:\n\nhead(base)\n\n# A tibble: 6 × 5\n anio nombre sexo n proporcion\n <dbl> <chr> <chr> <dbl> <dbl>\n1 1920 María F 2130 0.104 \n2 1920 José M 984 0.0483\n3 1920 Juan M 636 0.0312\n4 1920 Luis M 631 0.0310\n5 1920 Rosa F 426 0.0209\n6 1920 Ana F 340 0.0167\n\n\nAhora probemos algunas funciones para seguir explorando la base\n\ntable(base$sexo)\n\n\n F I M \n531038 318 327426 \n\n\nPodemos ver la cantidad de nombres “F” (femenino), “M” (masculino) e “I” (indefinido) inscritos entre 1920 y 2021.\nPueden buscar sus nombres y probar, utilizamos la funcion filter del paquete dplyr\n\nfilter(base, nombre==\"Kevin\")\n\n# A tibble: 63 × 5\n anio nombre sexo n proporcion\n <dbl> <chr> <chr> <dbl> <dbl>\n 1 1931 Kevin M 1 0.0000120 \n 2 1963 Kevin M 1 0.0000035 \n 3 1964 Kevin M 1 0.00000344\n 4 1967 Kevin M 4 0.0000131 \n 5 1970 Kevin M 6 0.0000210 \n 6 1971 Kevin M 3 0.00000936\n 7 1972 Kevin M 3 0.00000945\n 8 1973 Kevin M 2 0.00000633\n 9 1974 Kevin M 5 0.0000163 \n10 1976 Kevin M 2 0.00000724\n# ℹ 53 more rows\n\n\nE incluso pueden ver la cantidad de personas con su nombre, en el mismo año que ustedes nacieron\n\nd <- filter(base, nombre==\"Kevin\" & anio==1996)\nsum(d$n)\n\n[1] 1312\n\n\nAvanzando un poco más, podemos utilizar ggplot2 para hacer un gráfico de líneas que muestre la evolución en el tiempo\n\ndatos <- filter(base, nombre==\"Kevin\")\nggplot(datos, aes(x = anio, y = n)) +\n geom_line() + \n labs(x = \"Año\", y = \"Número de personas\", title = \"Número de personas llamadas Kevin por año\")\n\n\n\n\n¿Qué puede explicar el peak de “Kevins” previo a los 2000?\nspoiler: link\n\n\n\n\n\nguaguas %>% \n filter(nombre %in% c(\"Salvador\", \"Augusto\"), anio >= 1960 & anio <= 1979) %>% \n ggplot(aes(anio, n, color = nombre)) + \n geom_line() +\n labs(x = \"año\", y = \"total inscripciones\", color = \"nombre\", \n title = \"Inscripciones de 'Salvador' y 'Augusto' entre 1960 - 1979\")"
},
{
"objectID": "resource/01-resource.html#objetivos-de-la-práctica",
@@ -326,7 +326,21 @@
"href": "resource/01-resource.html#primeros-pasos",
"title": "Práctica 1. Aproximación inicial a R",
"section": "",
- "text": "En primer lugar vamos a abrir un archivo de R (script). Esto se puede hacer manualmente con File -> new file -> R script o directamente con ctrl + shift + N\nEsta es nuestra hoja de código, que utilizaremos para procesar bases de datos, modificar variables y crear tablas y gráficos.\n\n\nR puede ser una calculadora\n\n10 + 5 # ¿cuánto es 10 + 5?\n\n[1] 15\n\n\n\n10 * 5 # ¿cuánto es 10 * 5?\n\n[1] 50\n\n\nSe pueden crear objetos y asignarles valores\n\na <- 28\nb <- 8\n\na + b\n\n[1] 36\n\n\nO asignar operaciones a un objeto\n\nc <- a + b\n\nSin embargo, la mayor parte del tiempo usamos funciones que ya existen en R\n\nsum(28,8)\n\n[1] 36\n\n\n\nround(10.14536) #aproximar\n\n[1] 10\n\n\nY muchas de estas funciones que utilizamos en R están contenidas en librerías o paquetes (packages)\n\n\n\nLa lógica de R es instalar librerías (solo 1 vez, con install.packages(\"librería\")), y luego cargarlas cada vez que es necesario usarlas (con library(librería)). El problema de esto es que a veces no se sabe claramente qué librerías están instaladas y cuales no, lo que va a arrojar error al cargarlas. Y, como sucede en R, existe una librería para solucionar este problema que se llama pacman (package manager). Lo que hace pacman es cargar la librería, y si no está instalada, la instala y la carga:\nPara utilizar la primera vez (si es que no está instalada):\n\ninstall.packages(\"pacman\")\n\nY en adelante, las librerías se cargan así pacman::p_load(libreria1,libreria2,libreriaX) :\n\npacman::p_load(dplyr, guaguas)\n\nPara esta sesión las librerías que vamos a utilizar son:\n\ndplyr: ajuste general de datos\nguaguas: Paquete que contiene los datos de nombres de guaguas (bebés) registrados en Chile entre 1920 y 2021 según el Registro Civil e Identificación\n\n\n\n\nAjustar espacio de trabajo\nPrevio a la carga de nuestra base de datos, se recomienda ejecutar los siguientes comandos:\n\nrm(list=ls()) # borrar todos los objetos en el espacio de trabajo\noptions(scipen=999) # valores sin notación científica\n\nLa función rm(list=ls()) permite comenzar con un espacio de trabajo (environment) vacío y sin otros objetos. Así también, la función options(scipen=999) desactiva la notación científica, es decir, veremos los valores numéricos con todos sus decimales.\nDatos\nCargamos la base de datos desde el paquete (para otras bases de datos se deben importar de otra forma, esto es solo como ejemplo)\n\nbase <- guaguas\n\nConocemos las dimensiones de la base de datos\n\ndim(base)\n\n[1] 858782 5\n\n\nSon 858782 casos y 5 variables. Los nombres de estas variables son:\n\nnames(base)\n\n[1] \"anio\" \"nombre\" \"sexo\" \"n\" \"proporcion\"\n\n\nY la base se ve así:\n\nhead(base)\n\n# A tibble: 6 × 5\n anio nombre sexo n proporcion\n <dbl> <chr> <chr> <dbl> <dbl>\n1 1920 María F 2130 0.104 \n2 1920 José M 984 0.0483\n3 1920 Juan M 636 0.0312\n4 1920 Luis M 631 0.0310\n5 1920 Rosa F 426 0.0209\n6 1920 Ana F 340 0.0167\n\n\nAhora probemos algunas funciones para seguir explorando la base\n\ntable(base$sexo)\n\n\n F I M \n531038 318 327426 \n\n\nPodemos ver la cantidad de nombres “F” (femenino), “M” (masculino) e “I” (indefinido) inscritos entre 1920 y 2021.\nPueden buscar sus nombres y probar, utilizamos la funcion filter del paquete dplyr\n\nfilter(base, nombre==\"Kevin\")\n\n# A tibble: 63 × 5\n anio nombre sexo n proporcion\n <dbl> <chr> <chr> <dbl> <dbl>\n 1 1931 Kevin M 1 0.0000120 \n 2 1963 Kevin M 1 0.0000035 \n 3 1964 Kevin M 1 0.00000344\n 4 1967 Kevin M 4 0.0000131 \n 5 1970 Kevin M 6 0.0000210 \n 6 1971 Kevin M 3 0.00000936\n 7 1972 Kevin M 3 0.00000945\n 8 1973 Kevin M 2 0.00000633\n 9 1974 Kevin M 5 0.0000163 \n10 1976 Kevin M 2 0.00000724\n# ℹ 53 more rows\n\n\nE incluso pueden ver la cantidad de personas con su nombre, en el mismo año que ustedes nacieron\n\nd <- filter(base, nombre==\"Kevin\" & anio==1996)\nsum(d$n)\n\n[1] 1312"
+ "text": "En primer lugar vamos a abrir un archivo de R (script). Esto se puede hacer manualmente con File -> new file -> R script o directamente con ctrl + shift + N\nEsta es nuestra hoja de código, que utilizaremos para procesar bases de datos, modificar variables y crear tablas y gráficos.\n\n\nR puede ser una calculadora\n\n10 + 5 # ¿cuánto es 10 + 5?\n\n[1] 15\n\n\n\n10 * 5 # ¿cuánto es 10 * 5?\n\n[1] 50\n\n\nSe pueden crear objetos y asignarles valores\n\na <- 28\nb <- 8\n\na + b\n\n[1] 36\n\n\nO asignar operaciones a un objeto\n\nc <- a + b\n\nAsí como también agregar texto\n\nd <- \"hola\"\n\nd\n\n[1] \"hola\"\n\n\ny operaciones un poco más complejas\n\ne <- b^2\n\ne + a * c\n\n[1] 1072\n\n\nSin embargo, la mayor parte del tiempo usamos funciones que ya existen en R\n\nsum(28,8)\n\n[1] 36\n\n\n\nround(10.14536) #aproximar\n\n[1] 10\n\n\nY muchas de estas funciones que utilizamos en R están contenidas en librerías o paquetes (packages)\n\n\n\nLa lógica de R es instalar librerías (solo 1 vez, con install.packages(\"librería\")), y luego cargarlas cada vez que es necesario usarlas (con library(librería)). El problema de esto es que a veces no se sabe claramente qué librerías están instaladas y cuales no, lo que va a arrojar error al cargarlas. Y, como sucede en R, existe una librería para solucionar este problema que se llama pacman (package manager). Lo que hace pacman es cargar la librería, y si no está instalada, la instala y la carga:\nPara utilizar la primera vez (si es que no está instalada):\n\ninstall.packages(\"pacman\")\n\nY en adelante, las librerías se cargan así pacman::p_load(libreria1,libreria2,libreriaX) :\n\npacman::p_load(dplyr, guaguas, ggplot2)\n\nPara esta sesión las librerías que vamos a utilizar son:\n\ndplyr: ajuste general de datos\nguaguas: Paquete que contiene los datos de nombres de guaguas (bebés) registrados en Chile entre 1920 y 2021 según el Registro Civil e Identificación\n\n\n\n\nAjustar espacio de trabajo\nPrevio a la carga de nuestra base de datos, se recomienda ejecutar los siguientes comandos:\n\nrm(list=ls()) # borrar todos los objetos en el espacio de trabajo\noptions(scipen=999) # valores sin notación científica\n\nLa función rm(list=ls()) permite comenzar con un espacio de trabajo (environment) vacío y sin otros objetos. Así también, la función options(scipen=999) desactiva la notación científica, es decir, veremos los valores numéricos con todos sus decimales.\nDatos\nCargamos la base de datos desde el paquete (para otras bases de datos se deben importar de otra forma, esto es solo como ejemplo)\n\nbase <- guaguas\n\nConocemos las dimensiones de la base de datos\n\ndim(base)\n\n[1] 858782 5\n\n\nSon 858782 casos y 5 variables. Los nombres de estas variables son:\n\nnames(base)\n\n[1] \"anio\" \"nombre\" \"sexo\" \"n\" \"proporcion\"\n\n\nY la base se ve así:\n\nhead(base)\n\n# A tibble: 6 × 5\n anio nombre sexo n proporcion\n <dbl> <chr> <chr> <dbl> <dbl>\n1 1920 María F 2130 0.104 \n2 1920 José M 984 0.0483\n3 1920 Juan M 636 0.0312\n4 1920 Luis M 631 0.0310\n5 1920 Rosa F 426 0.0209\n6 1920 Ana F 340 0.0167\n\n\nAhora probemos algunas funciones para seguir explorando la base\n\ntable(base$sexo)\n\n\n F I M \n531038 318 327426 \n\n\nPodemos ver la cantidad de nombres “F” (femenino), “M” (masculino) e “I” (indefinido) inscritos entre 1920 y 2021.\nPueden buscar sus nombres y probar, utilizamos la funcion filter del paquete dplyr\n\nfilter(base, nombre==\"Kevin\")\n\n# A tibble: 63 × 5\n anio nombre sexo n proporcion\n <dbl> <chr> <chr> <dbl> <dbl>\n 1 1931 Kevin M 1 0.0000120 \n 2 1963 Kevin M 1 0.0000035 \n 3 1964 Kevin M 1 0.00000344\n 4 1967 Kevin M 4 0.0000131 \n 5 1970 Kevin M 6 0.0000210 \n 6 1971 Kevin M 3 0.00000936\n 7 1972 Kevin M 3 0.00000945\n 8 1973 Kevin M 2 0.00000633\n 9 1974 Kevin M 5 0.0000163 \n10 1976 Kevin M 2 0.00000724\n# ℹ 53 more rows\n\n\nE incluso pueden ver la cantidad de personas con su nombre, en el mismo año que ustedes nacieron\n\nd <- filter(base, nombre==\"Kevin\" & anio==1996)\nsum(d$n)\n\n[1] 1312\n\n\nAvanzando un poco más, podemos utilizar ggplot2 para hacer un gráfico de líneas que muestre la evolución en el tiempo\n\ndatos <- filter(base, nombre==\"Kevin\")\nggplot(datos, aes(x = anio, y = n)) +\n geom_line() + \n labs(x = \"Año\", y = \"Número de personas\", title = \"Número de personas llamadas Kevin por año\")\n\n\n\n\n¿Qué puede explicar el peak de “Kevins” previo a los 2000?\nspoiler: link"
+ },
+ {
+ "objectID": "resource/01-resource.html#otro-ejemplo",
+ "href": "resource/01-resource.html#otro-ejemplo",
+ "title": "Práctica 1. Aproximación inicial a R",
+ "section": "",
+ "text": "guaguas %>% \n filter(nombre %in% c(\"Salvador\", \"Augusto\"), anio >= 1960 & anio <= 1979) %>% \n ggplot(aes(anio, n, color = nombre)) + \n geom_line() +\n labs(x = \"año\", y = \"total inscripciones\", color = \"nombre\", \n title = \"Inscripciones de 'Salvador' y 'Augusto' entre 1960 - 1979\")"
+ },
+ {
+ "objectID": "resource/01-resource.html#flujo-de-trabajo-en-r",
+ "href": "resource/01-resource.html#flujo-de-trabajo-en-r",
+ "title": "Práctica 1. Aproximación inicial a R",
+ "section": "2. Flujo de trabajo en R",
+ "text": "2. Flujo de trabajo en R\nTal vez una de las dificultades más comunes o cotidianas del uso de R es el orden de trabajo, en donde tenemos cientos de archivos, scripts, gráficos, bases de datos u otros repartidos desordenadamente en nuestro computador. También se da mucho el caso en que, cuando queremos trabajar con alguien, tenemos que cambiar las rutas de los archivos, por ejemplo en dónde están las bases de datos, ya que nuestros ordenadores y usuarios se llaman y son escencialmente distintos.\n¿Cómo podemos sortear eso? Siguiendo un flujo de trabajo reproducible, autocontenido y ordenado. En este curso trabajaremos R con un flujo de trabajo reproducible, basado en el sistema IPO. El protocolor IPO es una plantilla/protocolo de estructura digital de carpetas que tiene por objetivo el organizar, procesar y documentar los datos de un proyecto de investigación con miras a la apertura de los datos en un repositorio público y de acceso libre. En concreto, el sistema IPO se propone abordar brevemente todo lo referente a los Datos, Métodos y Resultados.\n\n\nRproject\nUn Rproject es una herramienta de R que nos permite establecer un directorio de trabajo en una carpeta de nuestro computador. Al hacerlo, establecemos un espacio de trabajo que permite crear una estructura de carpetas donde guardar los documentos asociados al proyecto. De esta forma, creamos un conjunto de archivos autocontenidos en un solo lugar que nos permite organizar nuestro trabajo y facilitar la reproducibilidad. En las próximas sesiones estableceremos un protocolo de trabajo que permite organizar y armonizar el trabajo: el protocolo IPO.\nPara crear un Rproject:\n\nAbrir Rstudio\nSeleccionar Archivo -> Nuevo proyecto\n\n\n\nSeleccionamos la opción de directorio existente\nSeleccionamos la carpeta donde descargamos nuestro repositorio de Github en el paso anterior\nApretamos el botón de crear proyecto"
},
{
"objectID": "resource/04-resource.html",
diff --git a/docs/sitemap.xml b/docs/sitemap.xml
index baa197f..34baa6d 100644
--- a/docs/sitemap.xml
+++ b/docs/sitemap.xml
@@ -2,98 +2,98 @@
https://metod1-mcs.netlify.app/trabajos.html
- 2024-04-04T21:59:15.512Z
+ 2024-04-05T03:04:23.793Z
https://metod1-mcs.netlify.app/schedule.html
- 2024-04-04T21:59:11.878Z
+ 2024-04-05T03:04:19.987Z
https://metod1-mcs.netlify.app/resource/07-resource.html
- 2024-04-04T21:59:08.560Z
+ 2024-04-05T03:04:16.407Z
https://metod1-mcs.netlify.app/resource/05-resource.html
- 2024-04-04T21:59:00.020Z
+ 2024-04-05T03:04:07.189Z
https://metod1-mcs.netlify.app/resource/02-resource.html
- 2024-04-04T21:58:51.870Z
+ 2024-04-05T03:03:57.910Z
https://metod1-mcs.netlify.app/index.html
- 2024-04-04T21:58:46.940Z
+ 2024-04-05T03:03:52.144Z
https://metod1-mcs.netlify.app/content/11-content.html
- 2024-04-04T21:58:41.216Z
+ 2024-04-05T03:03:48.440Z
https://metod1-mcs.netlify.app/content/09-content.html
- 2024-04-04T21:58:38.088Z
+ 2024-04-05T03:03:44.927Z
https://metod1-mcs.netlify.app/content/07-content.html
- 2024-04-04T21:58:34.967Z
+ 2024-04-05T03:03:41.368Z
https://metod1-mcs.netlify.app/content/05-content.html
- 2024-04-04T21:58:31.822Z
+ 2024-04-05T03:03:37.973Z
https://metod1-mcs.netlify.app/content/03-content.html
- 2024-04-04T21:58:28.762Z
+ 2024-04-05T03:03:33.691Z
https://metod1-mcs.netlify.app/content/01-content.html
- 2024-04-04T21:58:25.659Z
+ 2024-04-05T03:03:29.801Z
https://metod1-mcs.netlify.app/assignment/index.html
- 2024-04-04T21:58:24.060Z
+ 2024-04-05T03:03:28.006Z
https://metod1-mcs.netlify.app/content/02-content.html
- 2024-04-04T21:58:27.207Z
+ 2024-04-05T03:03:31.795Z
https://metod1-mcs.netlify.app/content/04-content.html
- 2024-04-04T21:58:30.301Z
+ 2024-04-05T03:03:35.438Z
https://metod1-mcs.netlify.app/content/06-content.html
- 2024-04-04T21:58:33.425Z
+ 2024-04-05T03:03:39.686Z
https://metod1-mcs.netlify.app/content/08-content.html
- 2024-04-04T21:58:36.525Z
+ 2024-04-05T03:03:43.053Z
https://metod1-mcs.netlify.app/content/10-content.html
- 2024-04-04T21:58:39.647Z
+ 2024-04-05T03:03:46.685Z
https://metod1-mcs.netlify.app/content/index.html
- 2024-04-04T21:58:42.781Z
+ 2024-04-05T03:03:50.227Z
https://metod1-mcs.netlify.app/resource/01-resource.html
- 2024-04-04T21:58:48.933Z
+ 2024-04-05T03:03:54.668Z
https://metod1-mcs.netlify.app/resource/04-resource.html
- 2024-04-04T21:58:55.730Z
+ 2024-04-05T03:04:02.215Z
https://metod1-mcs.netlify.app/resource/06-resource.html
- 2024-04-04T21:59:04.839Z
+ 2024-04-05T03:04:12.296Z
https://metod1-mcs.netlify.app/resource/index.html
- 2024-04-04T21:59:10.184Z
+ 2024-04-05T03:04:18.125Z
https://metod1-mcs.netlify.app/syllabus.html
- 2024-04-04T21:59:13.702Z
+ 2024-04-05T03:04:21.887Z
diff --git a/docs/slides/01-clase1/01-clase1.html b/docs/slides/01-clase1/01-clase1.html
index 4ff9ee6..337a99c 100644
--- a/docs/slides/01-clase1/01-clase1.html
+++ b/docs/slides/01-clase1/01-clase1.html
@@ -44,7 +44,7 @@
.pull-left[
# Metodología I
## **Kevin Carrasco**
-## Sociología FACSO - UChile
+## Magister Ciencias Sociales
## 1er Sem 2024
## [.green[metod1-mcs.netlify.com]](https://metod1-mcs.netlify.com)
]
@@ -74,45 +74,30 @@
---
----
-
-# Este curso
+# Este curso: Estadística descriptiva
-* Unidad 1: Elementos y herramientas de R
+* Unidad 1: Introducción a R/Rstudio
--
-
-* Unidad 2: Operacionalización y análisis descriptivo de datos
+* Unidad 2: Tipos de variables y Operacionalización
--
-* Unidad 3: Análisis estadístico inferencial en R
+* Unidad 3: Análisis y visualización de datos descriptivos
--
-* Unidad 4: Regresión lineal y regresión logística
-
+* Unidad 4: Documentos dinámicos en R
---
-# Evaluación
-
-- 4 trabajos (15% c/u). Asociado a cada unidad
-
-- Presentación final de investigación (10%)
-
-- Examen Final (30%)
-
-- Foco en reproducibilidad, reporte, visualización y análisis de resultados.
-
----
# Sitio web del curso
<br>
<br>
-# .center[[**R-data-analisis.netlify.app**](https://R-data-analisis.netlify.app/)]
+# .center[[**metod1-MCS.netlify.app**](https://metod1-MCS.netlify.app/)]
* Ventajas: Todo en un mismo lugar, permite combinar texto y código, reproducible, gratis, acceso abierto, etc.
@@ -120,21 +105,23 @@
class: inverse, bottom, right, animated, slideInRight
-# .red[Unidad 1: Elementos y herramientas de R]
+# .red[Unidad 1: Introducción a R/Rstudio]
---
class: roja, middle, right
-.pull-left[
+.pull-left-narrow[
# ¿Crisis de apertura en ciencia?
]
.pull-right-wide[
-
-### 1. Transparencia
+<br>
+<br>
+<br>
+### 1. Acceso
### 2. Reproducibilidad
-### 3. Acceso
+### 3. Transparencia
]
---
@@ -169,28 +156,9 @@
]
----
-.pull-left-narrow[
-<br>
-
-]
-
-.pull-right-wide[
-
-### Modelo actual de publicación científica:
-- las vacas hacen leche (se ordeñan solas)
-
-- otras vacas revisan la leche (gratis)
-
-- las vacas le pagan al granjero para distribuir la leche
-
-- luego el granjero le vende la leche de vuelta a las vacas
-]
-
---
<br>
-
---
@@ -296,47 +264,7 @@
]
---
-# Zotero
-
-.pull-left[
-- Gestor de bibliografía
-
-- Código abierto
-
-- Gratis
-
-- Integración con R
-
-- Acceso desde cualquier equipo
-]
-
-.pull-right[
-
-]
-
----
-
-# Github
-.pull-left[
-- Repositorio en línea
-
-- Control de versiones
-
-- Gratis
-
-- Integración con R
-
-- Acceso desde cualquier equipo
-]
-
-.pull-right[
-
-]
-
-
-
----
class: center
## Protocolo de trabajo reproducible
@@ -354,8 +282,8 @@
.pull-left[
# Metodología I
## **Kevin Carrasco**
-## Sociología FACSO - UChile
-## 1er Sem 2023
+## Magister Ciencias Sociales
+## 1er Sem 2024
## [.green[metod1-mcs.netlify.com]](https://metod1-mcs.netlify.com)
]
diff --git a/files/img/breznau.png b/files/img/breznau.png
new file mode 100644
index 0000000..30d1c12
Binary files /dev/null and b/files/img/breznau.png differ
diff --git a/files/img/carpetas.png b/files/img/carpetas.png
new file mode 100644
index 0000000..d7e8163
Binary files /dev/null and b/files/img/carpetas.png differ
diff --git a/files/img/encuesta.png b/files/img/encuesta.png
new file mode 100644
index 0000000..0321d45
Binary files /dev/null and b/files/img/encuesta.png differ
diff --git a/files/img/eval-hires.png b/files/img/eval-hires.png
index 7a963f5..fcbcc4a 100644
Binary files a/files/img/eval-hires.png and b/files/img/eval-hires.png differ
diff --git a/files/img/experiment.png b/files/img/experiment.png
new file mode 100644
index 0000000..9c07fec
Binary files /dev/null and b/files/img/experiment.png differ
diff --git a/files/img/flujo-acceso.png b/files/img/flujo-acceso.png
new file mode 100644
index 0000000..ef00f82
Binary files /dev/null and b/files/img/flujo-acceso.png differ
diff --git a/files/img/flujo-herramientas.png b/files/img/flujo-herramientas.png
new file mode 100644
index 0000000..3fcbbf4
Binary files /dev/null and b/files/img/flujo-herramientas.png differ
diff --git a/files/img/flujo.png b/files/img/flujo.png
new file mode 100644
index 0000000..de7642a
Binary files /dev/null and b/files/img/flujo.png differ
diff --git a/files/img/flujo_rep.png b/files/img/flujo_rep.png
new file mode 100644
index 0000000..c7db48c
Binary files /dev/null and b/files/img/flujo_rep.png differ
diff --git a/files/img/flujo_trans.png b/files/img/flujo_trans.png
new file mode 100644
index 0000000..0dc9b8d
Binary files /dev/null and b/files/img/flujo_trans.png differ
diff --git a/files/img/github.png b/files/img/github.png
new file mode 100644
index 0000000..c9904ee
Binary files /dev/null and b/files/img/github.png differ
diff --git a/files/img/inductivo-deductivo.png b/files/img/inductivo-deductivo.png
new file mode 100644
index 0000000..27ee829
Binary files /dev/null and b/files/img/inductivo-deductivo.png differ
diff --git a/files/img/installR4.png b/files/img/installR4.png
new file mode 100644
index 0000000..0040a90
Binary files /dev/null and b/files/img/installR4.png differ
diff --git a/files/img/ipo-hex.png b/files/img/ipo-hex.png
new file mode 100644
index 0000000..bea10d5
Binary files /dev/null and b/files/img/ipo-hex.png differ
diff --git a/files/img/logos.png b/files/img/logos.png
new file mode 100644
index 0000000..77cb39e
Binary files /dev/null and b/files/img/logos.png differ
diff --git a/files/img/longitudinal.png b/files/img/longitudinal.png
new file mode 100644
index 0000000..e244c56
Binary files /dev/null and b/files/img/longitudinal.png differ
diff --git a/files/img/nature-reproducibility-crisis.jpeg b/files/img/nature-reproducibility-crisis.jpeg
new file mode 100644
index 0000000..8c095b2
Binary files /dev/null and b/files/img/nature-reproducibility-crisis.jpeg differ
diff --git a/files/img/operacionalizacion.png b/files/img/operacionalizacion.png
new file mode 100644
index 0000000..a8d6db9
Binary files /dev/null and b/files/img/operacionalizacion.png differ
diff --git a/files/img/operacionalizacion2.png b/files/img/operacionalizacion2.png
new file mode 100644
index 0000000..8046ba9
Binary files /dev/null and b/files/img/operacionalizacion2.png differ
diff --git a/files/img/presidenciales-cadem.jpg b/files/img/presidenciales-cadem.jpg
new file mode 100644
index 0000000..eace208
Binary files /dev/null and b/files/img/presidenciales-cadem.jpg differ
diff --git a/files/img/processing.png b/files/img/processing.png
new file mode 100644
index 0000000..0163f4c
Binary files /dev/null and b/files/img/processing.png differ
diff --git a/files/img/produccion2.png b/files/img/produccion2.png
new file mode 100644
index 0000000..6b166cf
Binary files /dev/null and b/files/img/produccion2.png differ
diff --git a/files/img/profits.png b/files/img/profits.png
new file mode 100644
index 0000000..46aff33
Binary files /dev/null and b/files/img/profits.png differ
diff --git a/files/img/quarto.png b/files/img/quarto.png
new file mode 100644
index 0000000..0e621aa
Binary files /dev/null and b/files/img/quarto.png differ
diff --git a/files/img/quarto2.png b/files/img/quarto2.png
new file mode 100644
index 0000000..d650e62
Binary files /dev/null and b/files/img/quarto2.png differ
diff --git a/files/img/quarto3.png b/files/img/quarto3.png
new file mode 100644
index 0000000..8305a4b
Binary files /dev/null and b/files/img/quarto3.png differ
diff --git a/files/img/repositorio.png b/files/img/repositorio.png
new file mode 100644
index 0000000..aa16eb4
Binary files /dev/null and b/files/img/repositorio.png differ
diff --git a/files/img/reproducibility_science.png b/files/img/reproducibility_science.png
new file mode 100644
index 0000000..d9d357f
Binary files /dev/null and b/files/img/reproducibility_science.png differ
diff --git a/files/img/transversal.png b/files/img/transversal.png
new file mode 100644
index 0000000..f290744
Binary files /dev/null and b/files/img/transversal.png differ
diff --git a/files/img/url-pages.png b/files/img/url-pages.png
new file mode 100644
index 0000000..a0a660b
Binary files /dev/null and b/files/img/url-pages.png differ
diff --git a/files/img/zotero.png b/files/img/zotero.png
new file mode 100644
index 0000000..930d35d
Binary files /dev/null and b/files/img/zotero.png differ
diff --git a/files/img/zotero2.png b/files/img/zotero2.png
new file mode 100644
index 0000000..f103e9a
Binary files /dev/null and b/files/img/zotero2.png differ
diff --git a/resource/01-resource.qmd b/resource/01-resource.qmd
index 86f3553..7ed5bad 100644
--- a/resource/01-resource.qmd
+++ b/resource/01-resource.qmd
@@ -2,7 +2,7 @@
title: "Práctica 1. Aproximación inicial a R"
subtitle: "Metodología I - Magíster en Ciencias Sociales"
linktitle: "Práctica 1: Preparación datos"
-date: "2023-03-17"
+date: "2024-04-05"
lang: es
---
@@ -87,11 +87,28 @@ O asignar operaciones a un objeto
c <- a + b
```
+Así como también agregar texto
+
+```{r}
+d <- "hola"
+
+d
+```
+
+y operaciones un poco más complejas
+
+```{r}
+e <- b^2
+
+e + a * c
+```
+
Sin embargo, la mayor parte del tiempo usamos funciones que ya existen en R
```{r}
sum(28,8)
```
+
```{r}
round(10.14536) #aproximar
```
@@ -113,7 +130,7 @@ Y en adelante, las librerías se cargan así pacman::p_l
```{r}
-pacman::p_load(dplyr, guaguas)
+pacman::p_load(dplyr, guaguas, ggplot2)
```
@@ -183,4 +200,60 @@ d <- filter(base, nombre=="Kevin" & anio==1996)
sum(d$n)
```
+Avanzando un poco más, podemos utilizar ggplot2 para hacer un gráfico de líneas que muestre la evolución en el tiempo
+
+```{r}
+datos <- filter(base, nombre=="Kevin")
+ggplot(datos, aes(x = anio, y = n)) +
+ geom_line() +
+ labs(x = "Año", y = "Número de personas", title = "Número de personas llamadas Kevin por año")
+```
+
+¿Qué puede explicar el peak de "Kevins" previo a los 2000?
+
+spoiler: [link](https://es.wikipedia.org/wiki/Backstreet_Boys)
+
+## Otro ejemplo
+
+```{r}
+guaguas %>%
+ filter(nombre %in% c("Salvador", "Augusto"), anio >= 1960 & anio <= 1979) %>%
+ ggplot(aes(anio, n, color = nombre)) +
+ geom_line() +
+ labs(x = "año", y = "total inscripciones", color = "nombre",
+ title = "Inscripciones de 'Salvador' y 'Augusto' entre 1960 - 1979")
+```
+
+# Parte 2
+
+## 2. Flujo de trabajo en R
+
+Tal vez una de las dificultades más comunes o cotidianas del uso de R es el orden de trabajo, en donde tenemos cientos de archivos, scripts, gráficos, bases de datos u otros repartidos desordenadamente en nuestro computador. También se da mucho el caso en que, cuando queremos trabajar con alguien, tenemos que cambiar las rutas de los archivos, por ejemplo en dónde están las bases de datos, ya que nuestros ordenadores y usuarios se llaman y son escencialmente distintos.
+
+¿Cómo podemos sortear eso? Siguiendo un flujo de trabajo reproducible, autocontenido y ordenado. **En este curso trabajaremos R con un flujo de trabajo reproducible, basado en el sistema [IPO](https://lisa-coes.com/ipo-data/)**. El protocolor IPO es una plantilla/protocolo de estructura digital de carpetas que tiene por objetivo el organizar, procesar y documentar los datos de un proyecto de investigación con miras a la apertura de los datos en un repositorio público y de acceso libre. En concreto, el sistema IPO se propone abordar brevemente todo lo referente a los Datos, Métodos y Resultados.
+
+
+
+
+### Rproject
+
+Un Rproject es una herramienta de R que nos permite establecer un directorio de trabajo en una carpeta de nuestro computador. Al hacerlo, establecemos un espacio de trabajo que permite crear una estructura de carpetas donde guardar los documentos asociados al proyecto. De esta forma, creamos un conjunto de archivos autocontenidos en un solo lugar que nos permite organizar nuestro trabajo y facilitar la **reproducibilidad**. En las próximas sesiones estableceremos un protocolo de trabajo que permite organizar y armonizar el trabajo: el [protocolo IPO](https://lisa-coes.com/ipo-repro/).
+
+Para crear un Rproject:
+
+1. Abrir Rstudio
+
+2. Seleccionar Archivo -> Nuevo proyecto
+
+
+
+3. Seleccionamos la opción de directorio existente
+
+4. Seleccionamos la carpeta donde descargamos nuestro repositorio de Github en el paso anterior
+
+5. Apretamos el botón de crear proyecto
+
+
+
+
diff --git a/resource/images/clonar.png b/resource/images/clonar.png
new file mode 100644
index 0000000..3756b9a
Binary files /dev/null and b/resource/images/clonar.png differ
diff --git a/resource/images/clonar2.png b/resource/images/clonar2.png
new file mode 100644
index 0000000..b696c30
Binary files /dev/null and b/resource/images/clonar2.png differ
diff --git a/resource/images/cora1.png b/resource/images/cora1.png
new file mode 100644
index 0000000..6e4325f
Binary files /dev/null and b/resource/images/cora1.png differ
diff --git a/resource/images/desktop.png b/resource/images/desktop.png
new file mode 100644
index 0000000..04537a6
Binary files /dev/null and b/resource/images/desktop.png differ
diff --git a/resource/images/doi.png b/resource/images/doi.png
new file mode 100644
index 0000000..552bc21
Binary files /dev/null and b/resource/images/doi.png differ
diff --git a/resource/images/github1.png b/resource/images/github1.png
new file mode 100644
index 0000000..a3bf3c5
Binary files /dev/null and b/resource/images/github1.png differ
diff --git a/resource/images/github2.png b/resource/images/github2.png
new file mode 100644
index 0000000..ff5fd5d
Binary files /dev/null and b/resource/images/github2.png differ
diff --git a/resource/images/pages.png b/resource/images/pages.png
new file mode 100644
index 0000000..448f867
Binary files /dev/null and b/resource/images/pages.png differ
diff --git a/resource/images/pages2.png b/resource/images/pages2.png
new file mode 100644
index 0000000..de2f605
Binary files /dev/null and b/resource/images/pages2.png differ
diff --git a/resource/images/pages3.png b/resource/images/pages3.png
new file mode 100644
index 0000000..8425241
Binary files /dev/null and b/resource/images/pages3.png differ
diff --git a/resource/images/project.png b/resource/images/project.png
new file mode 100644
index 0000000..f8eb213
Binary files /dev/null and b/resource/images/project.png differ
diff --git a/resource/images/project2.png b/resource/images/project2.png
new file mode 100644
index 0000000..8e8bda4
Binary files /dev/null and b/resource/images/project2.png differ
diff --git a/resource/images/quarto.png b/resource/images/quarto.png
new file mode 100644
index 0000000..1baaccd
Binary files /dev/null and b/resource/images/quarto.png differ
diff --git a/resource/images/quarto2.png b/resource/images/quarto2.png
new file mode 100644
index 0000000..16e226b
Binary files /dev/null and b/resource/images/quarto2.png differ
diff --git a/resource/images/quarto3.png b/resource/images/quarto3.png
new file mode 100644
index 0000000..18fb783
Binary files /dev/null and b/resource/images/quarto3.png differ
diff --git a/resource/images/quarto4.png b/resource/images/quarto4.png
new file mode 100644
index 0000000..b30c7bb
Binary files /dev/null and b/resource/images/quarto4.png differ
diff --git a/resource/images/quarto5.png b/resource/images/quarto5.png
new file mode 100644
index 0000000..6573e29
Binary files /dev/null and b/resource/images/quarto5.png differ
diff --git a/resource/images/repos.png b/resource/images/repos.png
new file mode 100644
index 0000000..8b3ca7e
Binary files /dev/null and b/resource/images/repos.png differ
diff --git a/resource/images/repos2.png b/resource/images/repos2.png
new file mode 100644
index 0000000..3c7c474
Binary files /dev/null and b/resource/images/repos2.png differ
diff --git a/resource/images/repos3.png b/resource/images/repos3.png
new file mode 100644
index 0000000..39ef998
Binary files /dev/null and b/resource/images/repos3.png differ
diff --git a/resource/images/research.png b/resource/images/research.png
new file mode 100644
index 0000000..a3f4cb1
Binary files /dev/null and b/resource/images/research.png differ
diff --git a/resource/images/research2.png b/resource/images/research2.png
new file mode 100644
index 0000000..69a11c6
Binary files /dev/null and b/resource/images/research2.png differ
diff --git a/resource/images/research3.png b/resource/images/research3.png
new file mode 100644
index 0000000..b660a55
Binary files /dev/null and b/resource/images/research3.png differ
diff --git a/resource/images/research4.png b/resource/images/research4.png
new file mode 100644
index 0000000..b17baeb
Binary files /dev/null and b/resource/images/research4.png differ
diff --git a/resource/images/yaml.png b/resource/images/yaml.png
new file mode 100644
index 0000000..ce0598f
Binary files /dev/null and b/resource/images/yaml.png differ
diff --git a/resource/images/zotero1.png b/resource/images/zotero1.png
new file mode 100644
index 0000000..5a279bb
Binary files /dev/null and b/resource/images/zotero1.png differ
diff --git a/resource/images/zotero10.png b/resource/images/zotero10.png
new file mode 100644
index 0000000..a261e52
Binary files /dev/null and b/resource/images/zotero10.png differ
diff --git a/resource/images/zotero11.png b/resource/images/zotero11.png
new file mode 100644
index 0000000..c002f10
Binary files /dev/null and b/resource/images/zotero11.png differ
diff --git a/resource/images/zotero2.png b/resource/images/zotero2.png
new file mode 100644
index 0000000..401fcff
Binary files /dev/null and b/resource/images/zotero2.png differ
diff --git a/resource/images/zotero3.png b/resource/images/zotero3.png
new file mode 100644
index 0000000..b3670c6
Binary files /dev/null and b/resource/images/zotero3.png differ
diff --git a/resource/images/zotero4.png b/resource/images/zotero4.png
new file mode 100644
index 0000000..d408b20
Binary files /dev/null and b/resource/images/zotero4.png differ
diff --git a/resource/images/zotero5.png b/resource/images/zotero5.png
new file mode 100644
index 0000000..8a305b6
Binary files /dev/null and b/resource/images/zotero5.png differ
diff --git a/resource/images/zotero6.png b/resource/images/zotero6.png
new file mode 100644
index 0000000..f070719
Binary files /dev/null and b/resource/images/zotero6.png differ
diff --git a/resource/images/zotero7.png b/resource/images/zotero7.png
new file mode 100644
index 0000000..51cb974
Binary files /dev/null and b/resource/images/zotero7.png differ
diff --git a/resource/images/zotero8.png b/resource/images/zotero8.png
new file mode 100644
index 0000000..23647ba
Binary files /dev/null and b/resource/images/zotero8.png differ
diff --git a/resource/images/zotero9.png b/resource/images/zotero9.png
new file mode 100644
index 0000000..e94b72a
Binary files /dev/null and b/resource/images/zotero9.png differ
diff --git a/slides/01-clase1/01-clase1.Rmd b/slides/01-clase1/01-clase1.Rmd
index 1573fc9..4228777 100644
--- a/slides/01-clase1/01-clase1.Rmd
+++ b/slides/01-clase1/01-clase1.Rmd
@@ -64,7 +64,7 @@ About macros.js: permite escalar las imágenes como [scale 50%](path to image),
.pull-left[
# Metodología I
## **Kevin Carrasco**
-## Sociología FACSO - UChile
+## Magister Ciencias Sociales
## 1er Sem 2024
## [.green[metod1-mcs.netlify.com]](https://metod1-mcs.netlify.com)
]
@@ -94,45 +94,30 @@ class: inverse, bottom, right, animated, slideInRight
---
----
-
-# Este curso
+# Este curso: Estadística descriptiva
-* Unidad 1: Elementos y herramientas de R
+* Unidad 1: Introducción a R/Rstudio
--
-
-* Unidad 2: Operacionalización y análisis descriptivo de datos
+* Unidad 2: Tipos de variables y Operacionalización
--
-* Unidad 3: Análisis estadístico inferencial en R
+* Unidad 3: Análisis y visualización de datos descriptivos
--
-* Unidad 4: Regresión lineal y regresión logística
-
+* Unidad 4: Documentos dinámicos en R
---
-# Evaluación
-
-- 4 trabajos (15% c/u). Asociado a cada unidad
-
-- Presentación final de investigación (10%)
-
-- Examen Final (30%)
-
-- Foco en reproducibilidad, reporte, visualización y análisis de resultados.
-
----
# Sitio web del curso
-# .center[[**R-data-analisis.netlify.app**](https://R-data-analisis.netlify.app/)]
+# .center[[**metod1-MCS.netlify.app**](https://metod1-MCS.netlify.app/)]
* Ventajas: Todo en un mismo lugar, permite combinar texto y código, reproducible, gratis, acceso abierto, etc.
@@ -140,21 +125,23 @@ class: inverse, bottom, right, animated, slideInRight
class: inverse, bottom, right, animated, slideInRight
-# .red[Unidad 1: Elementos y herramientas de R]
+# .red[Unidad 1: Introducción a R/Rstudio]
---
class: roja, middle, right
-.pull-left[
+.pull-left-narrow[
# ¿Crisis de apertura en ciencia?
]
.pull-right-wide[
-
-### 1. Transparencia
+
+
+
+### 1. Acceso
### 2. Reproducibilidad
-### 3. Acceso
+### 3. Transparencia
]
---
@@ -189,28 +176,9 @@ class: middle, center
]
----
-.pull-left-narrow[
-
-
-]
-
-.pull-right-wide[
-
-### Modelo actual de publicación científica:
-- las vacas hacen leche (se ordeñan solas)
-
-- otras vacas revisan la leche (gratis)
-
-- las vacas le pagan al granjero para distribuir la leche
-
-- luego el granjero le vende la leche de vuelta a las vacas
-]
-
---
-
---
@@ -229,6 +197,19 @@ class: middle, center
... alrededor de un **40%!** (... varía por disciplina)
]
+---
+
+## ¿Qué porcentaje de los estudios publicados son reproducibles?
+
+.pull-left[
+
+]
+.pull-right[
+
+Breznau, et. al, (2023) coordinó una investigación con 161 investigadores de 73 equipos de investigación.
+
+Los equipos informaron tanto hallazgos numéricos como conclusiones sustanciales muy diversas
+]
---
class: center
@@ -316,47 +297,7 @@ Más info:
]
---
-# Zotero
-
-.pull-left[
-- Gestor de bibliografía
-
-- Código abierto
-- Gratis
-
-- Integración con R
-
-- Acceso desde cualquier equipo
-]
-
-.pull-right[
-
-]
-
----
-
-# Github
-
-.pull-left[
-- Repositorio en línea
-
-- Control de versiones
-
-- Gratis
-
-- Integración con R
-
-- Acceso desde cualquier equipo
-]
-
-.pull-right[
-
-]
-
-
-
----
class: center
## Protocolo de trabajo reproducible
@@ -374,8 +315,8 @@ class: front
.pull-left[
# Metodología I
## **Kevin Carrasco**
-## Sociología FACSO - UChile
-## 1er Sem 2023
+## Magister Ciencias Sociales
+## 1er Sem 2024
## [.green[metod1-mcs.netlify.com]](https://metod1-mcs.netlify.com)
]
diff --git a/slides/01-clase1/01-clase1.html b/slides/01-clase1/01-clase1.html
index 4ff9ee6..337a99c 100644
--- a/slides/01-clase1/01-clase1.html
+++ b/slides/01-clase1/01-clase1.html
@@ -44,7 +44,7 @@
.pull-left[
# Metodología I
## **Kevin Carrasco**
-## Sociología FACSO - UChile
+## Magister Ciencias Sociales
## 1er Sem 2024
## [.green[metod1-mcs.netlify.com]](https://metod1-mcs.netlify.com)
]
@@ -74,45 +74,30 @@
---
----
-
-# Este curso
+# Este curso: Estadística descriptiva
-* Unidad 1: Elementos y herramientas de R
+* Unidad 1: Introducción a R/Rstudio
--
-
-* Unidad 2: Operacionalización y análisis descriptivo de datos
+* Unidad 2: Tipos de variables y Operacionalización
--
-* Unidad 3: Análisis estadístico inferencial en R
+* Unidad 3: Análisis y visualización de datos descriptivos
--
-* Unidad 4: Regresión lineal y regresión logística
-
+* Unidad 4: Documentos dinámicos en R
---
-# Evaluación
-
-- 4 trabajos (15% c/u). Asociado a cada unidad
-
-- Presentación final de investigación (10%)
-
-- Examen Final (30%)
-
-- Foco en reproducibilidad, reporte, visualización y análisis de resultados.
-
----
# Sitio web del curso
<br>
<br>
-# .center[[**R-data-analisis.netlify.app**](https://R-data-analisis.netlify.app/)]
+# .center[[**metod1-MCS.netlify.app**](https://metod1-MCS.netlify.app/)]
* Ventajas: Todo en un mismo lugar, permite combinar texto y código, reproducible, gratis, acceso abierto, etc.
@@ -120,21 +105,23 @@
class: inverse, bottom, right, animated, slideInRight
-# .red[Unidad 1: Elementos y herramientas de R]
+# .red[Unidad 1: Introducción a R/Rstudio]
---
class: roja, middle, right
-.pull-left[
+.pull-left-narrow[
# ¿Crisis de apertura en ciencia?
]
.pull-right-wide[
-
-### 1. Transparencia
+<br>
+<br>
+<br>
+### 1. Acceso
### 2. Reproducibilidad
-### 3. Acceso
+### 3. Transparencia
]
---
@@ -169,28 +156,9 @@
]
----
-.pull-left-narrow[
-<br>
-
-]
-
-.pull-right-wide[
-
-### Modelo actual de publicación científica:
-- las vacas hacen leche (se ordeñan solas)
-
-- otras vacas revisan la leche (gratis)
-
-- las vacas le pagan al granjero para distribuir la leche
-
-- luego el granjero le vende la leche de vuelta a las vacas
-]
-
---
<br>
-
---
@@ -296,47 +264,7 @@
]
---
-# Zotero
-
-.pull-left[
-- Gestor de bibliografía
-
-- Código abierto
-
-- Gratis
-
-- Integración con R
-
-- Acceso desde cualquier equipo
-]
-
-.pull-right[
-
-]
-
----
-
-# Github
-.pull-left[
-- Repositorio en línea
-
-- Control de versiones
-
-- Gratis
-
-- Integración con R
-
-- Acceso desde cualquier equipo
-]
-
-.pull-right[
-
-]
-
-
-
----
class: center
## Protocolo de trabajo reproducible
@@ -354,8 +282,8 @@
.pull-left[
# Metodología I
## **Kevin Carrasco**
-## Sociología FACSO - UChile
-## 1er Sem 2023
+## Magister Ciencias Sociales
+## 1er Sem 2024
## [.green[metod1-mcs.netlify.com]](https://metod1-mcs.netlify.com)
]