reforme-enseignement/cah-analyse.qmd

---
title: Analyse des résultats de CAH
author: Louis Lacoste
execute:
    echo: false
    warning: false
    fig-width: 10
    fig-height: 10
format: html
---

## Description des données

```{r}
knitr::opts_chunk$set(echo = FALSE)
library(ggplot2)
library(plotly)
library(ggokabeito)
library(RColorBrewer)
library(patchwork)

library(here)

library(knitr)

library(dplyr)
library(tidyr)
library(stringr)
library(DT)


data <- read.csv(file.path(here(), "data", "03_cah_results.csv"))
colnames(data)[6:ncol(data) - 1] <- c(
    "1AC-OUVERTURE", "1AC-MI",
    "2A-UEchoix-S1-UC1", "2A-UEchoix-S1-UC2", "2A-UEchoix-S2-UC3",
    "2A-UEchoix-S2-UC4",
    "2A-UEchoix-S2-UC5", "2A-UEchoix-S2-UC6",
    "2A-Projet-S2"
)
data <- data %>%
    mutate_if(sapply(data, is.character), as.factor)
```

```{r}
# TODO Croiser les données pour extraire le nom des UCs et remplacer les facteurs

data_details_sequence <- read.csv(file.path(here(), "data", "details-sequence-nettoyes.csv"))

for (code_bloc in colnames(data)[6:ncol(data) - 1]) {
    # code_bloc <- "1AC-OUVERTURE"
    matching_code_cours <- data_details_sequence[which(data_details_sequence[["code_bloc"]] == code_bloc), c("code_cours", "cours")]
    row_id_in_matching <- which(matching_code_cours[["code_cours"]] %in% levels(data[[code_bloc]]))
    levels(data[[code_bloc]]) <- matching_code_cours[row_id_in_matching, "cours"]
}
```

---

# CAH pour toutes les dominantes


Voici un extrait des données obtenues après tout le traitement :

```{r}
#| width: 50%
kable(head(data[, -1], 3))
effectif_cluster <- table(data[["cluster"]])
```

:::{.callout-caution}
A cause du format peu pratique pour l'extraction, nous avons un grand nombre de NAs mais malgré tout nous avons pu réaliser une CAH sur les données et obtenir `r max(data[["cluster"]])` clusters différents.

Nous avons nous même fixé ce nombre dans le fichier `03_CAH_clust.R`.
:::

---


```{r}
nb_3A_min <- 0
data <- data %>%
    group_by(dominante3A) %>%
    mutate(dominante3A = ifelse(n() < nb_3A_min, "Autre", dominante3A))
```

Les dominantes de 3A sont nombreuses, nous allons donc rassembler celles dont 
l'effectif est de moins de `r nb_3A_min` étudiants dans une catégorie "Autre".


```{r}
getPalette <- colorRampPalette(colors = palette_okabe_ito())
plot_prop_cluster <- function(orig_data, eff, ...) {
    data <- orig_data

    colorCount <- length(unique(data[["uc"]]))
    levels(data$cluster) <- paste0(levels(data$cluster), " (N=", eff, ")")
    p <- ggplot(data, ...) +
        aes(x = "", y = nb, fill = uc, label = nb) +
        geom_bar(position = "fill", stat = "identity") +
        theme_bw() +
        xlab("Cluster") +
        ylab("Proportion dans le cluster") +
        labs(fill = "Choix") +
        theme(axis.title.y = element_text(angle = 90, vjust = .5, hjust = 1), aspect.ratio = 1) +
        theme(legend.position = "bottom") +
        guides(fill = guide_legend(nrow = 8, byrow = TRUE)) +
        scale_fill_manual(values = getPalette(colorCount), ) +
        # coord_flip() +
        scale_x_discrete() +
        # coord_polar("y", start=0) +
        facet_wrap(vars(data[["cluster"]]))

    return(p)
}
```

:::{.panel-tabset}

### Graphiques

```{r}
#| plotly: true
#| result: asis

ac <- NULL
vec_sequences <- (colnames(data)[3:ncol(data) - 1])
htmltools::tagList(lapply(vec_sequences, function(sequence) {
    ac <- as.data.frame(table(data[["cluster"]], data[[sequence]], useNA = "ifany"))
    colnames(ac) <- c("cluster", "uc", "nb")
    ac <- ac %>%
        group_by(cluster) %>%
        mutate(Prop = nb / sum(nb), uc = str_wrap(uc, 32))
    p <- ggplotly(ac %>% plot_prop_cluster(eff = effectif_cluster) + ggtitle(str_wrap(paste("Proportion pour", sequence), 20)))
    p
}))
```

### Tableaux

```{r} 
#| tbl-cap: !expr 'paste("Table des proportions de choix par cluster pour ",(colnames(data)[3:ncol(data)-1]))'
#| result: asis
ac <- NULL
vec_sequences <- (colnames(data)[3:ncol(data) - 1])
for (sequence in vec_sequences) {
    ac <- as.data.frame(table(data[["cluster"]], data[[sequence]], useNA = "ifany"))
    colnames(ac) <- c("cluster", "uc", "nb")
    ac <- ac %>%
        group_by(cluster) %>%
        mutate(Prop = nb / sum(nb), uc = str_wrap(uc, 30))
    ac_table <- ac %>%
        select(-nb) %>%
        pivot_wider(names_from = uc, values_from = Prop)
    print(ac_table %>% datatable(filter = "top"))
}
```



:::


#  CAH par dominante

```{r}
per_dominante_folder <- file.path(here(), "data", "04_CAH_par_dominante")
cah_data_list <- list.files(per_dominante_folder)

backtick <- "`"
```

Nous avons ensuité réalisé des CAH par dominante pour analyser les profils 
d'étudiants. Pour cela il a fallu définir un seuil, celui ci est de 20 étudiants
au moins dans la dominante.

Voici la liste de fichiers obtenue : `r toString(paste0(backtick, cah_data_list, backtick))`

Et ci-dessous des onglets par dominante considérée.

:::{.panel-tabset}


```{r write_tabs}
#| warning: false
#| output: asis

src <- lapply(seq_len(length(cah_data_list)), function(i) {
    knitr::knit_expand(file.path(here(), "tabset.qmd"))
})

res <- knitr::knit_child(text = unlist(src))
cat(res, sep = "\n")
```

:::