exp <- read.csv2(file = "../data/input/Experiences.csv", as.is = TRUE) if(length(problems(exp)$row) != 0) exp <- exp[-problems(exp)$row, ] type_de_contenus <- data.frame(exp %>% select(type_de_contenu) %>% distinct())[, 1] type_de_contenu_t <- seq_len(length(type_de_contenus)) src <- lapply(type_de_contenu_t, function(type_de_contenu.t) knit_expand(file = "Type_de_contenu-Latin1.Rmd"))
r knit(text = unlist(src))
ressenti <- read.csv2(file = "../data/input/Ressentis.csv", as.is = TRUE) if(length(problems(ressenti)$row) != 0) ressenti <- ressenti[-problems(ressenti)$row, ] ressenti <- ressenti[, c(2,1,3)] %>% arrange(Theme) kable(ressenti, caption = "Table des sources de satisfaction et d'insatisfaction", booktabs=TRUE)
\newpage
Contexte
Objectif
\newpage
competences <- read.csv2(file = "../data/input/Competences.csv", as.is = TRUE) kable(competences[problems(competences)$row, 2:3], caption = "Table des compétences non utilisées")
if(length(problems(competences)$row) != 0) competences <- competences[-problems(competences)$row, ] kable(competences[, -1], caption = "Table des compétences par famille")
\newpage
savoirs <- read.csv2(file = "../data/input/Savoirs.csv", as.is = TRUE) if(length(problems(savoirs)$row) != 0) savoirs <- savoirs[-problems(savoirs)$row, ] kable(savoirs, caption = "Table des savoirs par discipline")
Les abréviations employées dans la table précédente sont définies ci-dessous.
disciplines <- read.csv2(file = "../data/input/Disciplines.csv", as.is = TRUE) if(length(problems(disciplines)$row) != 0) disciplines <- disciplines[-problems(disciplines)$row, ] kable(disciplines, caption = "Table des abréviations par discipline", )
\newpage
\newpage
capacites <- read.csv2(file = "../data/input/Capacites.csv", as.is = TRUE) if(length(problems(capacites)$row) != 0) capacites <- capacites[-problems(capacites)$row, ] levels(capacites$qualite) <- fct_relevel(capacites$qualite, capacites$qualite) capacites <- capacites %>% mutate(plage = maxi - mini) capacite_c <- capacites %>% select(1) %>% distinct()
Les capacités peuvent être ventilées parmi les classes r stri_c(capacite_c$classe, collapse = ", ")
.
Les résultats d'un test d'auto évalution sont illustés par le graphique ci-dessous.
capacites %>% ggplot() + geom_hline(yintercept = 0.4, colour = "grey") + geom_hline(yintercept = 0.6, colour = "grey") + geom_crossbar(aes(x = levels(qualite), y = mediane, ymin = mini, ymax = maxi, fill = classe), width = 0.5) + geom_text(aes(x = levels(qualite), y = 0, label = capacites$qualite), size = 3, hjust = 0) + geom_text(aes(x = levels(qualite), y = 1, label = capacites$contraire), size = 3, hjust = 1) + theme(axis.text.y = element_blank()) + labs(x = "Capacité", y = "Auto-évaluation", size = 8) + coord_flip() # capacites %>% ggplot() + # geom_tile(aes(x = levels(qualite), y = mediane, fill = capacites$classe), # height = capacites$plage, # width = 0.5, # colour = "grey") + # geom_line()
Ils sont également développés par classe et par capacité dans la table ci-dessous.
capacites_description <- read.csv2(file = "../data/input/Capacites_description.csv", as.is = TRUE) if(length(problems(capacites_description)$row) != 0) capacites_description <- capacites_description[-problems(capacites_description)$row, ] kable(capacites_description, caption = "Description des capacités")
\newpage
valeurs <- read.csv2(file = "../data/input/Valeurs.csv", as.is = TRUE) if(length(problems(valeurs)$row) != 0) valeurs <- valeurs[-problems(valeurs)$row, ] valeurs <- valeurs %>% mutate(angle_vrb = 90 + 360/length(unique(valeur))*(.5 - seq_along(valeur))) %>% select(1, 2, 3, 5, 4) levels(valeurs$classe_de_valeur) <- fct_relevel(unique(valeurs$classe_de_valeur), unique(valeurs$classe_de_valeur)) levels(valeurs$valeur) <- fct_relevel(valeurs$valeur, valeurs$valeur) valeur_v <- valeurs %>% select(1) %>% distinct()
Les valeurs peuvent être ventilées parmi les classes r stri_c(valeur_v$classe_de_valeur, collapse = ", ")
.
Dans le graphique ci-dessous, seul les valeurs dont l'auto-évalution est supérieure à 4 (sur un maximum de 5) sont conservées.
Il permet une synthèse des principales valeurs par classe.
# valeurs %>% ggplot() + # geom_bar(aes(x = levels(valeur), y = 10, fill = classe_de_valeur, alpha = 0.8), stat = "identity", width = 1) + # geom_text(levels(valeurs$classe_de_valeur), aes(x = levels(classe_de_valeur), y = 5, label = levels(classe_de_valeur), angle = 90), position = position_stack(vjust = 0.5)) valeurs %>% ggplot() + geom_bar(aes(x = levels(valeur), y = 10, fill = classe_de_valeur, alpha = 0.8), stat = "identity", width = 1) + coord_polar() + geom_polygon(aes(x = levels(valeur), y = evaluation, group = 1), color = "black", fill = NA) + theme_minimal(base_size = 8) + labs(x = "Valeur", y = "Auto-évaluation") # theme(axis.text.x = element_text( # # vjust = 50, # angle = valeurs$angle_vrb))
\newpage
motivations <- read.csv2(file = "../data/input/Motivations.csv", as.is = TRUE) %>% filter(evaluation > 3) if(length(problems(motivations)$row) != 0) motivations <- motivations[-problems(motivations)$row, ] motivations <- motivations %>% filter(!is.na(classe_de_motivation)) %>% mutate(angle_motivations = 90 + 360/length(unique(motivation))*(.5 - seq_along(motivation))) %>% select(1, 2, 3, 4, 5, 7, 6) levels(motivations$classe_de_motivation) <- fct_relevel(unique(motivations$classe_de_motivation), unique(motivations$classe_de_motivation)) levels(motivations$motivation) <- fct_relevel(motivations$motivation, motivations$motivation) motivations_m <- motivations %>% select(3) %>% distinct()
Les motivations peuvent être ventilées parmi les classes r stri_c(motivations_m$classe_de_motivation, collapse = ", ")
.
Dans le graphique ci-dessous, seul les motivations dont l'évalution est supérieure à une valeur de 4 (sur un maximum de 5) sont conservées.
Il permet une synthèse des principales motivations par classe.
motivations %>% ggplot() + geom_bar(aes(x = levels(motivation), y = 5, fill = classe_de_motivation, alpha = 0.8), stat = "identity", width = 1) + coord_polar() + geom_polygon(aes(x = levels(motivation), y = evaluation, group = 1), color = "black", fill = NA) + theme_minimal(base_size = 8) + labs(x = "Motivation", y = "Auto-évaluation") # theme(axis.text.x = element_text( # # vjust = 50, # angle = valeurs$angle_vrb))
\newpage
motivations <- motivations %>% arrange(contexte) levels(motivations$contexte) <- fct_relevel(unique(motivations$contexte), unique(motivations$contexte)) levels(motivations$motivation) <- fct_relevel(motivations$motivation, motivations$motivation) motivations_m <- motivations %>% select(2) %>% distinct()
Les motivations peuvent être ventilées parmi les contexte r stri_c(motivations_m$contexte, collapse = ", ")
.
Le graphique ci-dessous propose une synthèse des principales motivations par contexte.
motivations %>% ggplot() + geom_bar(aes(x = levels(motivation), y = 1, fill = contexte, alpha = 0.8), stat = "identity", width = 1) + coord_polar() + theme_minimal(base_size = 8) + labs(x = "Motivation par contexte", y = "") # theme(axis.text.x = element_text( # # vjust = 50, # angle = valeurs$angle_vrb))
nodes_n <- bind_rows(motivations %>% select(contexte) %>% rename(nodes = contexte), motivations %>% select(motivation) %>% rename(nodes = motivation)) %>% distinct() nodes_n[nrow(nodes_n)+1, 1] <- "Mes motivations" nodes_n <- create_nodes(nodes = nodes_n$nodes) nbr_contexte <- nrow(motivations %>% select(contexte) %>% distinct()) edges_e <- motivations %>% select(2, 4) edges_e <- bind_rows(edges_e, bind_cols(tbl_df(data.frame(contexte = rep("Mes motivations", nbr_contexte))), motivations %>% select(contexte) %>% distinct() %>% rename(motivation = contexte))) edges_e <- create_edges(from = edges_e$contexte, to = edges_e$motivation) create_graph(nodes_df = nodes_n, edges_df = edges_e) %>% render_graph(output = "visNetwork")#output = "visNetwork", "vivagraph")
La table ci-dessous liste les motivations essentielles à satisfaire par l'activité professionnelle.
motivations_pro <- read.csv2(file = "../data/input/Motivations_professionnelles.csv", as.is = TRUE) if(length(problems(motivations)$row) != 0) motivations <- motivations[-problems(motivations)$row, ] kable(x = motivations_pro %>% filter(Priorite > 1) %>% select(2, 4), caption = "Motivations essentielles atteintes et non atteintes")
kable(x = motivations_pro %>% filter(Priorite > 0, Atteinte == 0) %>% select(2, 3, 5) %>% arrange(desc(Priorite)), caption = "Raisons des motivations essentielles non atteintes")
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.