Kuidas saada vähese vaevaga võimalikult häid hindeid?

Sissejuhatus

See oli juba kolmas järjestikune öö, mil tudeng Keit “Ogar” Agarilt viis une õudusunenägu. “Te olite võrdsed kandidaadid, kuid parema keskmise hinde tõttu võtsime tööle teise kandidaadi,” ütles OÜ Tunnetuslik Homöopaatia personalijuht. Töö sai Keiti alumine naaber, kes õpib 15. sajandi inglise kirjandust. Keit arvab, et seegi unenägu võib olla täideminev ning tal on vaja head vastuargumenti personalijuhile. Äkki on mõnes valdkonnas kergem paremat hinnet saada, mõtles Keit.

Ta teab, et finantsseisu parandamiseks ei saa lootma jääda vaid tööintervjuule. Mida teeks sellises olukorras tema ületee naaber, kes on saanud mitmeid EL toetusi ja sõidab kullatud istmesoojendusnupuga varustatud Mercedes-Benz maasturiga? Ilmselt uuriks, kuidas võimalikult vähese vaevaga parandada oma keskmist hinnet, et nii stipendiumit saada.

Kuna kolm plaani on ikka parem kui kaks, mõtles Keit, mida võtaks ette tema ettevõtlik tuttav, kes juhib alkoholilaenutuse ettevõtet. Pärast pingsat mõtlemist süttis Keiti peas lambike: ehk teeks ta abistava rakenduse kasvavale tudengipopulatsioonile, kelle eesmärk on võimalikult lihtsalt diplom kätte saada?

Selles praktikumis uurimegi:

  • millises valdkonnas/instituudis on kergem paremat hinnet saada?
  • kas on aineid, milles on märgatavalt kergem paremat hinnet saada?
  • kuidas teha veebirakendusi R-is?

Tutvumine andmestikuga

NB! Antud andmestikke (UT_19_20_hinded.csv ja UT_19_20_tagasiside.csv) võib kasutada üksnes õppetöö eesmärgil, andmete kasutamine muul eesmärgil on keelatud!

Laadi alla andmestik UT_19_20_hinded.csv. Selles andmestikus on 2019/2020 õppeaasta kõigi TÜ õppeainete kohta kirjas üliõpilaste õppetulemuste jaotus. Lisaks on teada

  • semester (S - sügis/K - kevad)
  • valdkond (tunnus AINE_VK)
    • HV humanitaarteaduste- ja kunstide valdkond
    • SV sotsiaalteaduste valdkond
    • MV meditsiiniteaduste valdkond
    • LT loodus- ja täppisteaduste valdkond
  • alamüksus, üldiselt instituut (tunnus AINE_INST)
  • aine kood
  • aine nimi
  • õppeainele registreerunud üliõpilaste õppetulemuste jaotus
    • eristava hindamisega ainete jaoks veerud hinne_A, …, hinne_F ja mitteilmunud
    • mitteeristava hindamisega ainete jaoks veerud arvestatud, mittearvestatud ja mitteilmunud

Ülesanne 1 (4 punkti)

Kas mõnes valdkonnas saavad üliõpilased paremaid hindeid kui mõnes teises? Kui palju erinevad hinded instituutide vahel (valdkondade lõikes)? Kuidas seda visuaalselt kontrollida? Tee seda.

Märkus: Vaatle ainult eristava hindamisega aineid.

hinded <- read.csv("UT_19_20_hinded.csv")
library(ggplot2)
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(reshape2) 
## Warning: package 'reshape2' was built under R version 4.3.3
hinded_vk <- hinded %>%
  group_by(AINE_VK) %>%
  summarise(A = sum(hinne_A), B = sum(hinne_B), C = sum(hinne_C),
            D = sum(hinne_D), E = sum(hinne_E), F = sum(hinne_F))

hinded_vk <- melt(hinded_vk, measure.vars = 2:7)
names(hinded_vk)[names(hinded_vk) == "variable"] <- "hinne"
names(hinded_vk)[names(hinded_vk) == "value"] <- "mitu"

head(hinded_vk)
##   AINE_VK hinne  mitu
## 1      HV     A  6972
## 2      LT     A  6225
## 3      MV     A  3390
## 4      SV     A 12105
## 5      HV     B  3908
## 6      LT     B  3800
ggplot(data = hinded_vk, aes(x = AINE_VK, y = mitu, fill=hinne)) +
  geom_bar(position="fill", stat="identity") + scale_fill_brewer(palette = "YlGnBu")

Ülesanne 2 (4 punkti)

Kas mõnes õppeaines saavad üliõpilased paremaid hindeid kui mõnes teises? Millistes ainetes täpsemalt? Visualiseeri.

Juhised:

  • Vali välja sobiv joonisetüüp. Selleks võid kasutada mõnda eelmises ülesandes välja pakutud lahendust või pakkuda välja enda variandi. (Näiteks võid teha alloleva joonisega analoogilise joonise, ainult et valdkondade rollis oleksid õppeained)
  • Vaatle väiksemat andmestikku, kus instituut (üksus) ja semester oleksid fikseeritud. Näiteks võid valida matemaatika ja statistika insituudi (LTMS) ning kevadsemestri.
    (Järgmises ülesandes tuleb koodi natuke modifitseerida, et rakenduse kasutaja saaks ise valida teda huvitava instituudi ja semestri.)
  • Vaatle ainult selliseid eristava hindamisega aineid, millest võttis osa vähemalt 5 tudengit (st hinne on antud vähemalt 5 tudengile).
  • Leia iga õppeaine keskmine hinne.
  • Järjesta õppeained keskmise hinde põhjal.
  • Vali visualiseerimiseks välja TOP 25 ainet.
  • Praegu on õppeaine nimi selline faktor, mille tasemed on tähestikulises järjekorras. Aga ggplot2 joonise jaoks oleks hea, kui see oleks järjestatud keskmise hinde põhjal. (Näpunäide: kasuta funktsiooni reorder.)
  • Tee joonis.
  • Juhul, kui kasutad mõnda tulpdiagrammi, võib horisontaalne esitus osutuda efektiivsemaks kui vertikaalne. Abiks on coord_flip().
  • Kirjuta eelnev kood funktsiooniks, mille sisendiks sobiks selline andmestik nagu oli failis UT_19_20_hinded.csv. Lisaks oleks sisendiks üksus (AINE_INST) ja semester. Funktsioon peab tagastama ggplot2 joonise. Kontrolli, kas funktsioon töötab.
hinded <- read.csv("UT_19_20_hinded.csv")
library(ggplot2)
library(dplyr)
library(reshape2) 

leia_keskmine_hinne <- function(A, B, C, D, E, F) {
  hinnete_summa <- 5*A + 4*B + 3*C + 2*D + 1*E + 0*F
  keskmine <- hinnete_summa / sum(A, B, C, D, E, F)
  return(keskmine)
}

plot_oppeained <- function(data, yksus, sem) {

  hinded_filter <- data %>%
    filter(AINE_INST == yksus, SEMESTER == sem)
  
  hinded_ained <- hinded_filter %>%
    group_by(AINEKOOD) %>%
    summarise(A = sum(hinne_A), B = sum(hinne_B), C = sum(hinne_C),
              D = sum(hinne_D), E = sum(hinne_E), F = sum(hinne_F),
              kokku = sum(hinne_A, hinne_B, hinne_C, hinne_D, hinne_E, hinne_F),
              keskmine = leia_keskmine_hinne(hinne_A, hinne_B, hinne_C, hinne_D, hinne_E, hinne_F)) %>%
    filter(kokku >= 5) %>%
    arrange(desc(keskmine))
  
  hinded_ained_plot <- head(hinded_ained, 25)
  
  hinded_ained_plot <- melt(hinded_ained_plot, measure.vars = 2:7)
  names(hinded_ained_plot)[names(hinded_ained_plot) == "variable"] <- "hinne"
  names(hinded_ained_plot)[names(hinded_ained_plot) == "value"] <- "mitu"
  
  #library(stringi)
  #hinded_ained_plot$AINE <- stri_encode(hinded_ained_plot$AINE, "", "UTF-8")
  
  ggplot(data = hinded_ained_plot, aes(x = reorder(AINEKOOD, keskmine), y = mitu, fill=hinne)) +
    geom_bar(position="fill", stat="identity") + scale_fill_brewer(palette = "YlGnBu") +
    coord_flip()
  
}

plot_oppeained(hinded, "LTMS", "K")

NB! Ära unusta lahendada ka ülesannet 3.

Esita Moodlesse nii .Rmd fail kui ka knitr abil loodud .html väljund.