Fábulas Computacionais - Avaliação com Professores

1. Base de dados integrada

dados <- read.csv("datasets/Fábulas Computacionais - Formulário de Avaliação do Jogo Educacional (respostas) - Respostas ao formulário 1.csv") |> clean_names()
#Mostrando a tabela
paged_table(dados)
# renomeando as variáveis da coluna 2 até a coluna 61
for (i in 6:61) {
  col_name <- paste("var", i - 1, sep = "")  # Cria o novo nome da variável
  dados <- dados %>%
    rename(!!col_name := !!colnames(.)[i])
}

#separando questoes (pedagógicas)
dt_pedagogicas <- dados |> select(var5: var18)
# Converta as colunas em fatores com níveis específicos
dt_pedagogicas[] <- lapply(dt_pedagogicas, factor, levels = c(
  "1. Discordo Totalmente",
  "2. Discordo Parcialmente",
  "3. Neutro",
  "4. Concordo Parcialmente",
  "5. Concordo Totalmente"
))

#separando questoes (jogo)
dt_jogo <- dados |> select(var5:var60, -c(var53, var55, var57, var59, var60))
# Converta as colunas em fatores com níveis específicos
dt_jogo[] <- lapply(dt_jogo, factor, levels = c(
  "1. Discordo Totalmente",
  "2. Discordo Parcialmente",
  "3. Neutro",
  "4. Concordo Parcialmente",
  "5. Concordo Totalmente"
))

#separando questoes (pensamento computacional)
dt_pc <- dados |> select(var52, var54, var56, var58)
# Converta as colunas em fatores com níveis específicos
dt_pc[] <- lapply(dt_pc, factor, levels = c(
  "1. Discordo Totalmente",
  "2. Discordo Parcialmente",
  "3. Neutro",
  "4. Concordo Parcialmente",
  "5. Concordo Totalmente"
))

#separando questoes (questoes abertas)
dt_abertas <- dados |> select(var53, var55, var57, var59, var60)

2. Análise de Likert (barplot)

2.1 Cirtérios Pedagógicos

#transformando a base em um datafreme likert
dt_pedagogicas <- likert(dt_pedagogicas)
#plotando o gráfico de likert
  likert.bar.plot(dt_pedagogicas) + 
  labs(y = "Frequência (%)", x = "Critérios Pedagógicos") +
  guides(fill = guide_legend(title = "")) + 
  theme_minimal() +
  theme(panel.grid = element_blank(), 
        plot.background = element_rect(fill = "white", color = "white"),
        legend.position = "bottom",  # Coloque a legenda na parte superior
        legend.justification = "center")

#salvando os gráficos para incluir no artigo
ggsave("graficos/dt_pedagogicas.png", width = 13, height = 7)

2.2 Experiência do Jogador

#transformando a base em um datafreme likert
dt_jogo <- likert(dt_jogo)
#plotando o gráfico de likert
likert.bar.plot(dt_jogo) +
   labs(y = "Frequência (%)", x = "Experiência no Jogo") +
  guides(fill = guide_legend(title = "")) + 
  theme_minimal() +
  theme(panel.grid = element_blank(), 
        plot.background = element_rect(fill = "white", color = "white"),
        legend.position = "bottom",  # Coloque a legenda na parte superior
        legend.justification = "center")

#salvando os gráficos para incluir no artigo
ggsave("graficos/dt_jogo.png", width = 13, height = 7)

2.3 Pensamento Computacional

#transformando a base em um datafreme likert
dt_pc <- likert(dt_pc)
#plotando o gráfico de likert
  likert.bar.plot(dt_pc) + 
  labs(y = "Frequência (%)", x = "Pensamento Computacional") +
  guides(fill = guide_legend(title = "")) + 
  theme_minimal() +
  theme(panel.grid = element_blank(), 
        plot.background = element_rect(fill = "white", color = "white"),
        legend.position = "bottom",  # Coloque a legenda na parte superior
        legend.justification = "center")

#salvando os gráficos para incluir no artigo
ggsave("graficos/dt_pc.png", width = 13, height = 7)

3. Análise de Likert (heatmap)

3.1 Cirtérios Pedagógicos

likert.heat.plot(dt_pedagogicas) 

3.2 Experiência do Jogador

plot(dt_jogo, type = "heat", wrap = 60, text.size=3)

3.3 Pensamento Computacional

plot(dt_pc, type = "heat", wrap = 60, text.size=3)