In Projecte-Orbita/sociogrames: Paquet que crea els sociogrames del Test Àtom, creats per Projecte Òrbita SCCL

knitr::opts_chunk$set(echo = F)
Sys.setlocale("LC_ALL", "Catalan_Spain.1252")
#options(encoding = "latin1")
require(ggplot2)
require(reshape2)
require(igraph)
require(visNetwork)
require(kableExtra)
require(dplyr)
require(gridExtra)
require(cowplot)
require(plotly)
source("grafics_i_taules.R", encoding = "UTF-8")
set.seed(1111)

Introducció

El sociograma és una tècnica d'anàlisi de dades que permet visualitzar de forma gràfica diferents variables implicades en les relacions entre subjectes. A nivell educatiu, suposa una eina per comprendre el sistema d'interaccions socials d'un grup-classe, aportant informació sobre la intensitat i la qualitat de les relacions entre els alumnes. Conèixer la posició sociomètrica de cada estudiant, així com comprendre els subgrups dins l'aula ens permet elaborar estratègies per facilitar la convivència escolar i influir en el benestar dels alumnes atenent les seves necessitats.

Aquesta és una versió beta de l'informe resultat del Sociograma Àtom als cicles mitjà is superior, tant a nivell estètic com de continguts. Aquest informe està realitzat sobre dades simulades, i per tant els perfils sociomètrics dels nens i nenes poden no tenir sentit. Trobareu el document complet de preguntes en un fitxer que acompanya aquest informe. En totes les preguntes els nens i nenes han de triar els tres companys que s'adeqüin millor al que es demana.

Si trobeu errors o conceptes o gràfics que no s'entenen si us plau feu-nos-ho saber a info\@projecteorbita.cat.

######## Manipulacions inicials ###########

# importem
soc = read.csv('dades/Preguntes sociograma - Sociograma_CMS.csv', fileEncoding = "UTF-8")
colnames(soc)[1:2] = c("noms", "num")


## En cas que sigui necessari, si hi ha missingns en els números i noms de nens (de cada tres només n'han posat un)
# soc$número =ffill(soc$número, NA)
# soc$nom = ffill(soc$nom, "")

# Calculem el recompte de quantes vegades cada nen ha estat anomenat en cada categoria:
num_anomenats = 3 # quants nens es poden anomenar en totes les categories - la majoria de funcions depenen explícitament d'aquest número, però potser no totes; precaució en canviar-lo

# matriu que calcula el número de vegades que s'ha estat anomenat en cada categoria
mat = matrix(data = 0, 
             nrow = nrow(soc)/num_anomenats, 
             ncol = ncol(soc)-2)

for (j in 1:ncol(mat)){
  for (i in 1:nrow(mat)){
    mat[i,j] = sum(soc[,j+2]==i)
  }
}
colnames(mat) = colnames(soc[,3:ncol(soc)])

noms = as.character(soc$nom[seq(1, nrow(soc), num_anomenats)]) # faig un vector amb els noms, que necessitaré més endavant

# Estandaritzem tots els resultats:
mat_est = scale(mat)


###### Aquí s'acaben les manipulacions inicials #######

# Calculem l'impacte total i la preferència total i les seves estandaritzacions:

impacte = as.data.frame(cbind(mat[,1], mat[,2], mat[,3], mat[,4]))
impacte_est = scale(impacte)

imp = mat[,1] + mat[,2] + mat[,3] + mat[,4]
pref_feina = mat[,1] - mat[,2]
pref_jugar = mat[,3] - mat[,4]
pref = pref_feina + pref_jugar

imp_pref = cbind(imp, pref, pref_feina, pref_jugar)
imp_pref_est = scale(imp_pref)

# Disrupció (antiga agressivitat)

dis_directe = cbind( mat[,10], mat[,12], mat[,14], mat[,16])
dis_relacional = cbind( mat[,22], mat[,24], mat[,25], mat[,26])

dis_total = rowSums(dis_relacional) + rowSums(dis_directe)

disrupcio = cbind(dis_relacional, dis_directe, dis_total)
disrupcio_est = scale(disrupcio)

Disrupcio = cbind.data.frame(dis_total, dis_directe[,4], rowSums(dis_directe[,1:3]), rowSums(dis_relacional))
rownames(Disrupcio) = noms
colnames(Disrupcio) = c("Disrupció total", 
                           "Disrupció física",
                           "Disrupció verbal",
                           "Disrupció relacional")
Disrupcio$noms = as.factor(rownames(Disrupcio))

# Ara en fem un posant 1 en els que són significativament liantes
Disrupcio_sino = as.data.frame(ifelse(scale(Disrupcio[,-ncol(Disrupcio)])>1, 1, 0))

rownames(Disrupcio_sino) = noms
Disrupcio_sino$noms = rownames(Disrupcio_sino)

# Prosocialitat/cooperació:
prosocialitat = cbind(mat[,7], mat[,8], mat[,9], mat[,18])
prosocialitat_est = scale(prosocialitat)
prosocialitat_total = rowSums(prosocialitat)
prosocialitat_total_est = scale(rowSums(prosocialitat))

Prosocialitat = prosocialitat_total
Pro_sino = prosocialitat_est > 1
Pro_sino = ifelse(Pro_sino, 1, 0)
Prosocialitat = as.data.frame(Prosocialitat)
Pro_sino = as.data.frame(Pro_sino)
rownames(Prosocialitat) = noms
rownames(Pro_sino) = noms
colnames(Prosocialitat) = c("Prosocialitat")

# Victimisme
victima_directe = cbind(mat[,11], mat[,13], mat[,15], mat[,17], mat[,19])
victima_directe_total = rowSums(victima_directe)
victima_relacional = cbind(mat[,21], mat[,25])
victima_relacional_total = rowSums(victima_relacional)
victima = as.data.frame(cbind(victima_directe, victima_relacional))

victima_total = victima_directe_total + victima_relacional_total
victima_est = scale(victima)

Victimitzacio = cbind(victima_total, victima_directe[,4], rowSums(victima_directe[,1:3]), victima_relacional_total)
colnames(Victimitzacio) = c("Total víctima", 
                            "Víctima física", 
                            "Víctima verbal",
                            "Víctima relacional")

Vict_sino = ifelse(victima_est > 1, 1, 0)
rownames(Victimitzacio) = noms
rownames(Vict_sino) = noms
Victimitzacio = as.data.frame(Victimitzacio)
Victimitzacio$noms = rownames(Victimitzacio)

academic = as.data.frame(cbind(mat[,38], mat[,40], mat[,39], mat[,41]))
colnames(academic) = c("Bones notes", "Participa", "Males notes", "No participa")
academic_est = scale(academic)
academic_total = mat[,38] + mat[,40] - mat[,39] - mat[,41]
academic_total_est = scale(academic_total)
academic_sino = ifelse(academic_total_est < -1,1,0)

academic[,3] = - academic[,3]
academic[,4] = - academic[,4]

academic$noms = factor(noms, levels = as.character(noms))

# estat d'ànim percebut (emocional)

estat_anim = as.data.frame(cbind(mat[,28], mat[,29], mat[,30], mat[,31]))
colnames(estat_anim) = c("Dissatisfacció", "Enuig", "Alegria", "Tristor")
estat_anim_est = scale(estat_anim)
estat_anim_total = - estat_anim[,1] - estat_anim[,2] + estat_anim[,3] - estat_anim[,4]
estat_anim_total_est = scale(estat_anim_total)
estat_anim_sino = ifelse(estat_anim_total_est< -1,1,0)
estat_anim = -estat_anim
estat_anim$Alegria = -estat_anim$Alegria
estat_anim$noms = factor(noms, levels = as.character(noms))

# caràcter
caracter = as.data.frame(cbind(mat[,32], mat[,33], mat[,34], mat[,35], mat[,36], mat[,37]))
colnames(caracter) = c("Lideratge", "No lideratge", "Autonomia", "No autonomia", "Socialització", "No socialització")
caracter_est = scale(caracter)
caracter_total = - caracter[,1] - caracter[,2] + caracter[,3] - caracter[,4] + caracter[,5] - caracter[,6]
caracter_total_est = scale(caracter_total)
caracter_sino = ifelse(caracter_total_est< -1,1,0)
caracter[,2] = -caracter[,2]
caracter[,4] = -caracter[,4]
caracter[,6] = -caracter[,6]
caracter$noms = factor(noms, levels = as.character(noms))

estatus = cbind.data.frame(mat[,1:6],mat[,19], mat[,26], mat[,27])
estatus_est = scale(estatus)

Informes individuals

Disrupció

Comportament agressiu físic, verbal o relacional cap als altres.

Prové de les pregunes:

Qui molesta als altres?

Qui insulta als altres?

Qui pega als altres?

Qui diu coses dolentes dels altres?

Qui no deixa participar?

#Disrupcio = Disrupcio[,c(5,2:4,1)]
#names(Disrupcio)[1] = "Noms"
nom_plot = "disrupcio"
for (i in 1:nrow(Disrupcio)){
  agr.m <- melt(Disrupcio[i,1:4], id.vars = "Noms")
  grafic_barres_individual(agr.m, max(Disrupcio[2:4]), paleta) +
  ggsave(file = paste("figures/individuals/", nom_plot, "-", i, ".pdf", sep = ""), 
           dpi = 600, width = 8, height = 6, units = "in") 
}

Projecte-Orbita/sociogrames documentation built on Aug. 19, 2020, 12:03 a.m.