Skip to content
Saulo Machado Jacques edited this page Sep 24, 2017 · 18 revisions

O Que é o Curso "Introdução à Linguagem R para Dados Reproduzíveis"?

Esse curso foi criado com o objetivo de ampliar o acesso de pessoas que queiram utilizar a linguagem R em análises de dados, criação de gráficos e documentos dinâmicos focando no seu potencial para estudos colaborativos e reprodutibilidade utilizando a integração com o sistema de controle de versão git.

A utilização do git dinamiza a organização e compartilhamento de dados e o uso de plataformas como GitHub ou GitLab facilitam a administração desses repositórios.

O interesse de estudantes, profissionais e professores pelo uso da linguagem levou ao desenvolvimento do atual material. O curso é constituído por princípios de organização dos dados, criação de gráficos, algumas análises estatísticas e a integração com o GitHub para trabalhos colaborativos.

Sobre Pesquisas Reproduzíveis

Uma forma de aumentar a confiabilidade e eficiência da pesquisa é a adoção de medidas para otimizar elementos-chave do processo científico, como a padronização de métodos, disponibilização livre dos dados e códigos, e documentação relacionada. A maior adoção dessas práticas por cientistas institucionalizados e cientistas cidadãos é fundamental para conferência dos dados e análises, sendo possível mais avanços com outras análises sobre os dados.

Sugestões Para Replicabilidade (de acordo com A manifesto for reproducible science)

  • Proteção contra enviesamentos cognitivos
  • Melhorar a formação metodológica
  • Implementação de apoio metodológico independente
  • Incentivo ao trabalho colaborativo e em equipes

Usando o R para Análises Ambientais Reproduzíveis

Os estudos ambientais podem ganhar em qualidade e velocidade de análises com o R pela sua alta capacidade de processamento de dados e adaptação às necessidades específicas nas análises, associadas a uma linguagem relativamente simples e uma comunidade em diversos países mantendo fóruns de perguntas e respostas que se tornam úteis a partir do momento que conhecemos os princípios básicos.

Além disso, a existência de pacotes como knitr e rmarkdown, e a integração do RStudio com git aceleram o processo com a publicação direta de projetos e geração de relatórios dinâmicos.

O que é necessário ter instalado no computador antes de iniciar?