dados = read_csv(
    here::here("data/participation-per-country.csv"),
    col_types = cols(
        .default = col_double(),
        site = col_character(),
        country = col_character(),
        geo = col_character(),
        four_regions = col_character(),
        eight_regions = col_character(),
        six_regions = col_character(),
        `World bank income group 2017` = col_character()
    )
) %>% 
    filter(usuarios > 200)
glimpse(dados)
## Rows: 121
## Columns: 21
## $ site                           <chr> "StackOverflow", "StackOverflow", "Stac…
## $ country                        <chr> "Argentina", "Australia", "Austria", "B…
## $ PDI                            <dbl> 49, 36, 11, 80, 65, 69, 70, 39, 63, 80,…
## $ IDV                            <dbl> 46, 90, 55, 20, 75, 38, 30, 80, 23, 20,…
## $ MAS                            <dbl> 56, 61, 79, 55, 54, 49, 40, 52, 28, 66,…
## $ UAI                            <dbl> 86, 51, 70, 60, 94, 76, 85, 48, 86, 30,…
## $ usuarios                       <dbl> 2798, 12313, 2518, 2558, 4275, 10717, 1…
## $ responderam_prop               <dbl> 0.5357398, 0.6133355, 0.6310564, 0.3928…
## $ perguntaram_prop               <dbl> 0.5210865, 0.5897832, 0.5933280, 0.4757…
## $ editaram_prop                  <dbl> 0.09256612, 0.14699911, 0.14932486, 0.0…
## $ comentaram_prop                <dbl> 0.25339528, 0.33395598, 0.35027800, 0.1…
## $ GNI                            <dbl> NA, 59570, 48160, 840, 44990, 11630, 68…
## $ Internet                       <dbl> 51.0, 79.5, 79.8, 5.0, 78.0, 45.0, 51.0…
## $ EPI                            <dbl> 59.02, NA, 63.21, NA, 61.21, 49.96, NA,…
## $ geo                            <chr> "arg", "aus", "aut", "bgd", "bel", "bra…
## $ four_regions                   <chr> "americas", "asia", "europe", "asia", "…
## $ eight_regions                  <chr> "america_south", "east_asia_pacific", "…
## $ six_regions                    <chr> "america", "east_asia_pacific", "europe…
## $ Latitude                       <dbl> -34.00000, -25.00000, 47.33333, 24.0000…
## $ Longitude                      <dbl> -64.00000, 135.00000, 13.33333, 90.0000…
## $ `World bank income group 2017` <chr> "Upper middle income", "High income", "…

Estamos interessados na relação entre quanto as pessoas de diferentes países comentam em questões dos outros. A proporção das pessoas do país que comentou nas questões de outros está medido na variável comentaram_prop.

Considerando essa variável, queremos examinar a relação entre ela e o quão hierárquicas são as relações em um país (PDI). Queremos também levar em conta o quanto as pessoas daquele país têm acesso à Internet (Internet) e qual o tamanho da base de dados que detectamos daquele país (usuarios).

Examinando essa relação

Faça uma visualização que usa os princípios de eficácia no projeto de visualizações para facilitar as comparações que você acha que são as mais importantes para entendermos esse contexto.

Para visualizar a relação entre a proporção de pessoas que comentam em questões de outros (comentaram_prop), o índice de Hierarquia Social (PDI), o acesso à Internet (Internet), e o tamanho da base de usuários (usuarios), podemos criar um gráfico de dispersão (scatter plot) que represente essas variáveis de forma clara e comparável. Vamos usar a biblioteca ggplot2 para isso. Aqui está um exemplo de código que pode ser usado para criar essa visualização:

dados_filtrados <- dados %>%
  filter(!is.na(PDI), !is.na(comentaram_prop), !is.na(Internet)) %>%
  filter(comentaram_prop >= 0 & comentaram_prop <= 1)  # Supondo que a proporção deve estar entre 0 e 1

ggplot(dados_filtrados, aes(x = PDI, y = comentaram_prop, size = Internet, color = usuarios)) +
  geom_point(alpha = 0.6) +
  scale_color_viridis(trans = "log", name = "Número de Usuários", label = scales::comma) +
  scale_size_continuous(range = c(2, 10), name = "Acesso à Internet") +
  labs(title = "Relação entre Hierarquia Social, Acesso à Internet e Comentários em Questões de Outros",
       x = "Índice de Hierarquia Social (PDI)",
       y = "Proporção de Pessoas que Comentaram em Questões de Outros") +
  theme_minimal()

Neste gráfico, o eixo x representa o Índice de Hierarquia Social (PDI), o eixo y representa a proporção de pessoas que comentam em questões de outros (comentaram_prop), o tamanho dos pontos representa o acesso à Internet (Internet), e a cor dos pontos representa o tamanho da base de usuários (usuarios).

Análise do Gráfico: Relação entre Nível Social e Acesso à Internet

O gráfico de dispersão mostra uma correlação positiva clara entre o nível hierárquico de status social e o acesso à internet. Conforme o índice de hierarquia de status social (PDI) aumenta, o número de usuários de internet também aumenta. Isso indica que indivíduos com status social mais alto têm maior probabilidade de ter acesso à internet do que aqueles com status social mais baixo.

Outras formas de ver

Em seguida, faça 5 visualizações que usem as mesmas variáveis e também pontos, mas que sejam menos eficazes que a que você escolheu acima.

Gráfico de Dispersão Simples:

ggplot(dados, aes(x = PDI, y = comentaram_prop)) +
  geom_point(alpha = 0.6) +
  labs(title = "Relação entre Hierarquia Social e Comentários em Questões de Outros",
       x = "Índice de Hierarquia Social (PDI)",
       y = "Proporção de Pessoas que Comentaram em Questões de Outros") +
  theme_minimal()

Problema: Essa visualização não leva em consideração as variáveis Internet e usuarios, perdendo informações valiosas sobre o contexto e a influência desses fatores.

Gráfico de Barras

ggplot(dados, aes(x = PDI, y = comentaram_prop)) +
  geom_bar(stat = "identity") +
  labs(title = "Proporção de Comentários por Índice de Hierarquia Social",
       x = "Índice de Hierarquia Social (PDI)",
       y = "Proporção de Pessoas que Comentaram em Questões de Outros") +
  theme_minimal()

Problema: Gráficos de barras não são adequados para visualizar correlações entre variáveis contínuas como PDI e comentaram_prop, limitando a compreensão da relação entre os elementos.

Gráfico de Linhas:

ggplot(dados, aes(x = PDI, y = comentaram_prop)) +
  geom_line() +
  labs(title = "Tendência de Comentários por Índice de Hierarquia Social",
       x = "Índice de Hierarquia Social (PDI)",
       y = "Proporção de Pessoas que Comentaram em Questões de Outros") +
  theme_minimal()

Problema: Gráficos de linhas assumem uma relação linear entre as variáveis, o que pode não ser o caso aqui, levando a interpretações errôneas da relação entre PDI e comentaram_prop.

Gráfico de Camadas:

ggplot(dados, aes(x = PDI, y = comentaram_prop, color = Internet)) +
  geom_point() +
  labs(title = "Relação entre Hierarquia Social, Comentários e Acesso à Internet",
       x = "Índice de Hierarquia Social (PDI)",
       y = "Proporção de Pessoas que Comentaram em Questões de Outros") +
  theme_minimal()

Problema: Codificar a variável Internet apenas pela cor dos pontos dificulta a comparação visual da intensidade do acesso à internet entre os países, limitando a análise.

Gráfico de Múltiplos Painéis:

ggplot(dados, facet = ~ usuarios) +
  aes(x = PDI, y = comentaram_prop) +
  geom_point() +
  labs(title = "Relação entre Hierarquia Social e Comentários por Tamanho da Base de Usuários",
       x = "Índice de Hierarquia Social (PDI)",
       y = "Proporção de Pessoas que Comentaram em Questões de Outros") +
  theme_minimal()

Problema: Dividir o gráfico em vários painéis por tamanho da base de usuários dificulta a comparação direta entre os países dentro de cada painel e a identificação de padrões gerais na relação entre as variáveis.

Bônus

Inclua o continente dos países (six_regions) na visualização.

ggplot(dados_filtrados, aes(x = PDI, y = comentaram_prop, size = Internet, color = usuarios)) +
  geom_point(alpha = 0.6) +
  scale_color_viridis(trans = "log", name = "Número de Usuários", label = scales::comma) +
  scale_size_continuous(range = c(2, 6), name = "Acesso à Internet") +
  facet_wrap(~ six_regions, scales = "free", as.table = TRUE) +
  labs(title = "Relação entre Hierarquia Social, Acesso à Internet e Comentários em Questões de Outros por Continente",
       x = "Índice de Hierarquia Social (PDI)",
       y = "Proporção de Pessoas que Comentaram em Questões de Outros") +
  theme_minimal()

Observações Gerais:

  • Relação entre PDI e Comentários: Em geral, observa-se uma tendência negativa entre o Índice de Hierarquia Social (PDI) e a Proporção de Pessoas que Comentaram em Questões de Outros. Isso significa que, em países com maior hierarquia social (maiores valores de PDI), há uma menor proporção de pessoas que comentam em questões de outros.
  • Exceções à Tendência: Alguns continentes, como a América do Norte e a Europa, apresentam uma relação menos clara entre PDI e comentários. Isso pode ser devido a outros fatores que influenciam a participação online, como cultura, acesso à educação e nível de desenvolvimento tecnológico.
  • Relação entre Acesso à Internet e Comentários: Há uma relação positiva entre o Acesso à Internet e a Proporção de Pessoas que Comentaram em Questões de Outros. Isso significa que, em países com maior acesso à internet, há uma maior proporção de pessoas que comentam em questões de outros.
  • Variação entre Continentes: A proporção de pessoas que comentam em questões de outros varia consideravelmente entre os continentes. A América do Norte e a Europa apresentam as maiores proporções, enquanto a África Subsaariana e a Ásia Meridional apresentam as menores.

Análise por Continente:

  • América: Observa-se uma relação negativa entre PDI e comentários na América do Norte, enquanto na América do Sul a relação é menos clara. O acesso à internet está positivamente relacionado aos comentários em ambos os continentes.
  • Leste da Ásia e Pacífico: A relação entre PDI e comentários é negativa nesse conjunto de países. O acesso à internet está positivamente relacionado aos comentários.
  • Europa e Ásia Central: A relação entre PDI e comentários é negativa nesse conjunto de países. O acesso à internet está positivamente relacionado aos comentários.
  • Oriente Médio e Norte da África: A relação entre PDI e comentários é negativa nesse conjunto de países. O acesso à internet está positivamente relacionado aos comentários.
  • Ásia Meridional: A relação entre PDI e comentários é negativa nesse conjunto de países. O acesso à internet está positivamente relacionado aos comentários.
  • África Subsaariana: A relação entre PDI e comentários é negativa nesse conjunto de países. O acesso à internet está positivamente relacionado aos comentários.