Cursos por área

Artes e Humanidades

ARQUITETURA E URBANISMO
LETRAS/INGLÊS
LETRAS/LIBRAS

Ciências da Vida

PÓS-GRADUAÇÃO EM AGRONOMIA / FITOTECNIA
PÓS-GRADUAÇÃO EM CIÊNCIA ANIMAL
PÓS-GRADUAÇÃO EM MANEJO DE SOLO E ÁGUA
MESTRADO EM PRODUÇÃO ANIMAL
PÓS-GRADUAÇÃO EM CIÊNCIA ANIMAL
PÓS-GRADUAÇÃO EM ECOLOGIA E CONSERVAÇÃO
PÓS-GRADUAÇÃO EM FITOTECNIA
PÓS-GRADUAÇÃO EM MANEJO DE SOLO E ÁGUA
AGRONOMIA
BIOTECNOLOGIA
ECOLOGIA
ENGENHARIA AGRÍCOLA E AMBIENTAL
ENGENHARIA DE PESCA
ENGENHARIA FLORESTAL
MEDICINA VETERINÁRIA
ZOOTECNIA
RESIDÊNCIA EM ÁREA PROFISSIONAL DA SAÚDE

Ciências Físicas

MESTRADO PROFISSIONAL EM MATEMÁTICA
PÓS-GRADUAÇÃO EM ENSINO DE FÍSICA
MATEMÁTICA

Ciências Sociais

PÓS-GRADUAÇÃO EM AMBIENTE, TECNOLOGIA E SOCIEDADE

Clínicas

MEDICINA

Direito

DIREITO

Educação

MESTRADO EM ENSINO
EDUCAÇÃO DO CAMPO
A ESCOLA E A CIDADE: POLÍTICAS PÚBLICAS EDUCACIONAIS
EDUCAÇÃO ESCOLAR QUILOMBOLA
EDUCAÇÃO INTERDISCIPLINAR
ESPECIALIZAÇÃO EM CONTABILIDADE E PLANEJAMENTO TRIBUTÁRIO
ESPECIALIZAÇÃO EM GESTÃO ESTRATÉGICA DE SERVIÇOS

Empresas e Economia

ADMINISTRAÇÃO
CIÊNCIAS CONTÁBEIS

Engenharia e Tecnologia

MESTRADO EM CIÊNCIA E ENGENHARIA DE MATERIAIS
CIÊNCIA E TECNOLOGIA
CIÊNCIA E TECNOLOGIA.
ENGENHARIA AMBIENTAL E SANITÁRIA
ENGENHARIA CIVIL
ENGENHARIA DE ENERGIA
ENGENHARIA DE PETRÓLEO
ENGENHARIA DE PRODUÇÃO
ENGENHARIA ELÉTRICA
ENGENHARIA MECÂNICA
ENGENHARIA QUÍMICA

Informática

PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
PÓS-GRADUAÇÃO EM SISTEMAS DE COMUNICAÇÃO E AUTOMAÇÃO
CIÊNCIA DA COMPUTAÇÃO
COMPUTAÇÃO
COMPUTAÇÃO E INFORMÁTICA
ENGENHARIA DE COMPUTAÇÃO
SISTEMAS DE INFORMAÇÃO
TECNOLOGIA DA INFORMAÇÃO

FTE da graduação por área:

library(dplyr)
library(readxl)
library(DT)

setwd("C:/Users/geisa.vasconcelos/workspace/trabalho/THE_rankings/Ranking2019/")

# Abrir carga horária média por curso:
carga_horaria_cursos_graduacao_ufersa <- read_excel("cargahorariacursosgraduacaoUfersaprograd.xlsx", 
                                                    col_types = c("skip", "text", "skip", 
                                                                  "text", "skip", "skip", "skip", 
                                                                  "skip", "skip", "skip", "skip", 
                                                                  "numeric"))

colnames(carga_horaria_cursos_graduacao_ufersa) <- c("curso","campus","CH_media")

# Abrir conjunto de dados dos alunos 2016.2
alunos2016.2 = read.csv("./Lista com todos os alunos matriculados em 2016.2 - Graduação.csv", 
                    sep=";", header = TRUE)
alunos2016.2 %>% mutate_if(is.factor, as.character) -> alunos2016.2



# Abrir conjunto de dados dos alunos 2017.1
alunos2017.1 = read.csv("./Lista com todos os alunos matriculados em 2017.1 - Graduação.csv", 
                        sep=";", header = TRUE)
alunos2017.1 %>% mutate_if(is.factor, as.character) -> alunos2017.1

# Abrir áreas dos cursos
dados_alunos_para_WUR_2016 <- read_excel("dados alunos para WUR 2016.xlsx", sheet = "area_turno", col_types = c("text", "skip", "text"))

# Pegando cada curso e tirando a média (independente de turno e campus)
carga_horaria_cursos_graduacao_ufersa %>% 
  group_by(curso) %>% 
  summarise(., CH_media = mean(CH_media)) -> carga_horaria_cursos_graduacao_ufersa


# INNER JOIN
inner_join(alunos2016.2, carga_horaria_cursos_graduacao_ufersa, by="curso") %>% 
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2016.2

# INNER JOIN
inner_join(alunos2017.1, carga_horaria_cursos_graduacao_ufersa, by="curso") %>%
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2017.1

# Conjunto dos alunos que estudaram o primeiro e segundo semestres:
alunos_em_comum = intersect(alunos2016.2$matricula, alunos2017.1$matricula)

# Dados destes alunos no semestre 1:
alunos2016.2 %>% filter(., alunos2016.2$matricula %in% alunos_em_comum) %>% 
  arrange(., nome) -> alunos_em_comum_1 

# Dados destes alunos no semestre 2:
alunos2017.1 %>% filter(., alunos2017.1$matricula %in% alunos_em_comum) %>% 
  arrange(., nome) -> alunos_em_comum_2

alunos_em_comum_total = data.frame(matricula = alunos_em_comum_1$matricula,
                                   curso = alunos_em_comum_1$curso,
                                   carga_horaria_total =  alunos_em_comum_1$carga_horaria_total +
                                     alunos_em_comum_2$carga_horaria_total, 
                                   CH_media = alunos_em_comum_1$CH_media,
                                   Area = alunos_em_comum_1$Area)

alunos_em_comum_total %>% mutate(., FTE_individual = carga_horaria_total/(2*CH_media)) ->
  alunos_em_comum_total

# Por área de conhecimento ------------------------------------------------

FTE_Area <- function(alunos, Areas_THE){
  tabela_por_Area = data.frame(Area = NA, FTE = NA, Matriculados = NA)
  
  for(i in 1:length(Areas_THE)){
    alunos_Area = alunos %>% filter(., Area == Areas_THE[i]) 
  
    tabela_por_Area %>% rbind(., data.frame(Area = Areas_THE[i], 
                                                        Matriculados = nrow(alunos_Area),
                                                        FTE = sum(alunos_Area$FTE_individual))) -> tabela_por_Area

  }
  
  return(tabela_por_Area[-1, ])
}

# <1> Alunos que cursaram os dois semestres:

alunos_em_comum_total$Area %>% unique -> Areas_THE
tabela_por_Area = FTE_Area(alunos_em_comum_total, Areas_THE)

#print(tabela_por_Area$Matriculados %>% sum)

# <2> Alunos matriculados apenas em 2016.2:
alunos2016.2 %>% filter(., !(alunos2016.2$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(.,FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Area(., Areas_THE) -> tabela_por_Area2016.2 

#print(tabela_por_Area2016.2$Matriculados %>% sum)

# <3> Alunos matriculados apenas em 2017.1:
alunos2017.1 %>% filter(., !(alunos2017.1$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(., FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Area(., Areas_THE) -> tabela_por_Area2017.1

#print(tabela_por_Area2017.1$Matriculados %>% sum)

# Total -------------------------------------------------------------------

cbind(Area = tabela_por_Area$Area, tabela_por_Area[ ,2:3] + 
        tabela_por_Area2016.2[ ,2:3] + 
        tabela_por_Area2017.1[ ,2:3]) -> tabela_final_grad_area


tabela_final_grad_area %>% 
  datatable(., rownames = FALSE) %>% 
  formatRound(columns=c('Matriculados', 'FTE'), digits=3)

# FTE TOTAL
tabela_final_grad_area[,2:3] %>% colSums

##          FTE Matriculados 
##     5318.206     8687.000

FTE da graduação por sexo:

# Abrir carga horária média por curso:
carga_horaria_cursos_graduacao_ufersa <- read_excel("cargahorariacursosgraduacaoUfersaprograd.xlsx", 
                                                    col_types = c("skip", "text", "skip", 
                                                                  "text", "skip", "skip", "skip", 
                                                                  "skip", "skip", "skip", "skip", 
                                                                  "numeric"))

colnames(carga_horaria_cursos_graduacao_ufersa) <- c("curso","campus","CH_media")

# Abrir conjunto de dados dos alunos 2016.2
alunos2016.2 = read.csv("./Lista com todos os alunos matriculados em 2016.2 - Graduação.csv", 
                        sep=";", header = TRUE)
alunos2016.2 %>% mutate_if(is.factor, as.character) -> alunos2016.2

# Abrir conjunto de dados dos alunos 2017.1
alunos2017.1 = read.csv("./Lista com todos os alunos matriculados em 2017.1 - Graduação.csv", 
                        sep=";", header = TRUE)
alunos2017.1 %>% mutate_if(is.factor, as.character) -> alunos2017.1

# Abrir áreas dos cursos
dados_alunos_para_WUR_2016 <- read_excel("dados alunos para WUR 2016.xlsx", sheet = "area_turno", col_types = c("text", "skip", "text"))

# Pegando cada curso e tirando a média (independente de turno e campus)
carga_horaria_cursos_graduacao_ufersa %>% 
  group_by(curso) %>% 
  summarise(., CH_media = mean(CH_media)) -> carga_horaria_cursos_graduacao_ufersa


# INNER JOIN
inner_join(alunos2016.2, carga_horaria_cursos_graduacao_ufersa, by="curso") %>% 
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2016.2

# INNER JOIN
inner_join(alunos2017.1, carga_horaria_cursos_graduacao_ufersa, by="curso") %>%
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2017.1

# Conjunto dos alunos que estudaram o primeiro e segundo semestres:
alunos_em_comum = intersect(alunos2016.2$matricula, alunos2017.1$matricula)

# Dados destes alunos no semestre 1:
alunos2016.2 %>% filter(., alunos2016.2$matricula %in% alunos_em_comum) %>% 
  arrange(., nome) -> alunos_em_comum_1 

# Dados destes alunos no semestre 2:
alunos2017.1 %>% filter(., alunos2017.1$matricula %in% alunos_em_comum) %>% 
  arrange(., nome) -> alunos_em_comum_2

alunos_em_comum_total = data.frame(matricula = alunos_em_comum_1$matricula,
                                   curso = alunos_em_comum_1$curso,
                                   carga_horaria_total =  alunos_em_comum_1$carga_horaria_total +
                                     alunos_em_comum_2$carga_horaria_total, 
                                   CH_media = alunos_em_comum_1$CH_media,
                                   Area = alunos_em_comum_1$Area,
                                   sexo = alunos_em_comum_1$sexo)

alunos_em_comum_total %>% mutate(., FTE_individual = carga_horaria_total/(2*CH_media)) ->
  alunos_em_comum_total


# Por área de sexo ------------------------------------------------

sexos_FTE = c("M", "F")

FTE_Sexo <- function(alunos, sexos_THE){
  tabela_por_Sexo = data.frame(sexo = NA, FTE = NA, Matriculados = NA)
  
  for(i in 1:length(sexos_THE)){
    alunos_sexo = alunos %>% filter(., sexo == sexos_THE[i]) 
    
    tabela_por_Sexo %>% rbind(., data.frame(sexo = sexos_THE[i], 
                                            Matriculados = nrow(alunos_sexo),
                                            FTE = sum(alunos_sexo$FTE_individual))) -> tabela_por_Sexo
    
  }
  
  return(tabela_por_Sexo[-1, ])
}

# <1> Alunos que cursaram os dois semestres:

alunos_em_comum_total$sexo %>% unique -> sexos_THE
tabela_por_Sexo = FTE_Sexo(alunos_em_comum_total, sexos_THE)

# <2> Alunos matriculados apenas em 2016.2:
alunos2016.2 %>% filter(., !(alunos2016.2$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(.,FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Sexo(., sexos_THE) -> tabela_por_Sexo2016.2 

# <3> Alunos matriculados apenas em 2017.1:
alunos2017.1 %>% filter(., !(alunos2017.1$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(., FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Sexo(., sexos_THE) -> tabela_por_Sexo2017.1

# Total -------------------------------------------------------------------

cbind(Sexo = tabela_por_Sexo$sexo, tabela_por_Sexo[ ,2:3] + 
        tabela_por_Sexo2016.2[ ,2:3] + 
        tabela_por_Sexo2017.1[ ,2:3]) -> tabela_final_grad_sexo


tabela_final_grad_sexo %>% 
  datatable(., rownames = FALSE) %>% 
  formatRound(columns=c('Matriculados', 'FTE'), digits=3)

# FTE TOTAL
tabela_final_grad_sexo[,2:3] %>% colSums

##          FTE Matriculados 
##     5318.206     8687.000

Graduação, Masculino por área:

library(dplyr)
library(readxl)
library(DT)

setwd("C:/Users/geisa.vasconcelos/workspace/trabalho/THE_rankings/Ranking2019/")

# Abrir carga horária média por curso:
carga_horaria_cursos_graduacao_ufersa <- read_excel("cargahorariacursosgraduacaoUfersaprograd.xlsx", 
                                                    col_types = c("skip", "text", "skip", 
                                                                  "text", "skip", "skip", "skip", 
                                                                  "skip", "skip", "skip", "skip", 
                                                                  "numeric"))

colnames(carga_horaria_cursos_graduacao_ufersa) <- c("curso","campus","CH_media")

# Abrir conjunto de dados dos alunos 2016.2
alunos2016.2 = read.csv("./Lista com todos os alunos matriculados em 2016.2 - Graduação.csv", 
                    sep=";", header = TRUE)
alunos2016.2 %>% mutate_if(is.factor, as.character) -> alunos2016.2
alunos2016.2 %>% filter(., sexo=="M") -> alunos2016.2


# Abrir conjunto de dados dos alunos 2017.1
alunos2017.1 = read.csv("./Lista com todos os alunos matriculados em 2017.1 - Graduação.csv", 
                        sep=";", header = TRUE)
alunos2017.1 %>% mutate_if(is.factor, as.character) -> alunos2017.1
alunos2017.1 %>% filter(., sexo=="M") -> alunos2017.1


# Abrir áreas dos cursos
dados_alunos_para_WUR_2016 <- read_excel("dados alunos para WUR 2016.xlsx", sheet = "area_turno", col_types = c("text", "skip", "text"))

# Pegando cada curso e tirando a média (independente de turno e campus)
carga_horaria_cursos_graduacao_ufersa %>% 
  group_by(curso) %>% 
  summarise(., CH_media = mean(CH_media)) -> carga_horaria_cursos_graduacao_ufersa


# INNER JOIN
inner_join(alunos2016.2, carga_horaria_cursos_graduacao_ufersa, by="curso") %>% 
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2016.2

# INNER JOIN
inner_join(alunos2017.1, carga_horaria_cursos_graduacao_ufersa, by="curso") %>%
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2017.1

# Conjunto dos alunos que estudaram o primeiro e segundo semestres:
alunos_em_comum = intersect(alunos2016.2$matricula, alunos2017.1$matricula)

# Dados destes alunos no semestre 1:
alunos2016.2 %>% filter(., alunos2016.2$matricula %in% alunos_em_comum) %>% 
  arrange(., nome) -> alunos_em_comum_1 

# Dados destes alunos no semestre 2:
alunos2017.1 %>% filter(., alunos2017.1$matricula %in% alunos_em_comum) %>% 
  arrange(., nome) -> alunos_em_comum_2

alunos_em_comum_total = data.frame(matricula = alunos_em_comum_1$matricula,
                                   curso = alunos_em_comum_1$curso,
                                   carga_horaria_total =  alunos_em_comum_1$carga_horaria_total +
                                     alunos_em_comum_2$carga_horaria_total, 
                                   CH_media = alunos_em_comum_1$CH_media,
                                   Area = alunos_em_comum_1$Area)

alunos_em_comum_total %>% mutate(., FTE_individual = carga_horaria_total/(2*CH_media)) ->
  alunos_em_comum_total

# Por área de conhecimento ------------------------------------------------

FTE_Area <- function(alunos, Areas_THE){
  tabela_por_Area = data.frame(Area = NA, FTE = NA, Matriculados = NA)
  
  for(i in 1:length(Areas_THE)){
    alunos_Area = alunos %>% filter(., Area == Areas_THE[i]) 
  
    tabela_por_Area %>% rbind(., data.frame(Area = Areas_THE[i], 
                                                        Matriculados = nrow(alunos_Area),
                                                        FTE = sum(alunos_Area$FTE_individual))) -> tabela_por_Area

  }
  
  return(tabela_por_Area[-1, ])
}

# <1> Alunos que cursaram os dois semestres:

alunos_em_comum_total$Area %>% unique -> Areas_THE
tabela_por_Area = FTE_Area(alunos_em_comum_total, Areas_THE)

#print(tabela_por_Area$Matriculados %>% sum)

# <2> Alunos matriculados apenas em 2016.2:
alunos2016.2 %>% filter(., !(alunos2016.2$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(.,FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Area(., Areas_THE) -> tabela_por_Area2016.2 

#print(tabela_por_Area2016.2$Matriculados %>% sum)

# <3> Alunos matriculados apenas em 2017.1:
alunos2017.1 %>% filter(., !(alunos2017.1$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(., FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Area(., Areas_THE) -> tabela_por_Area2017.1

#print(tabela_por_Area2017.1$Matriculados %>% sum)

# Total -------------------------------------------------------------------

cbind(Area = tabela_por_Area$Area, tabela_por_Area[ ,2:3] + 
        tabela_por_Area2016.2[ ,2:3] + 
        tabela_por_Area2017.1[ ,2:3]) -> tabela_final_grad_area_M


tabela_final_grad_area_M %>% 
  datatable(., rownames = FALSE) %>% 
  formatRound(columns=c('Matriculados', 'FTE'), digits=3)

# FTE TOTAL
tabela_final_grad_area_M[,2:3] %>% colSums

##          FTE Matriculados 
##     3118.096     5240.000

Graduação, Feminino por área:

library(dplyr)
library(readxl)
library(DT)

setwd("C:/Users/geisa.vasconcelos/workspace/trabalho/THE_rankings/Ranking2019/")

# Abrir carga horária média por curso:
carga_horaria_cursos_graduacao_ufersa <- read_excel("cargahorariacursosgraduacaoUfersaprograd.xlsx", 
                                                    col_types = c("skip", "text", "skip", 
                                                                  "text", "skip", "skip", "skip", 
                                                                  "skip", "skip", "skip", "skip", 
                                                                  "numeric"))

colnames(carga_horaria_cursos_graduacao_ufersa) <- c("curso","campus","CH_media")

# Abrir conjunto de dados dos alunos 2016.2
alunos2016.2 = read.csv("./Lista com todos os alunos matriculados em 2016.2 - Graduação.csv", 
                    sep=";", header = TRUE)
alunos2016.2 %>% mutate_if(is.factor, as.character) -> alunos2016.2
alunos2016.2 %>% filter(., sexo=="F") -> alunos2016.2


# Abrir conjunto de dados dos alunos 2017.1
alunos2017.1 = read.csv("./Lista com todos os alunos matriculados em 2017.1 - Graduação.csv", 
                        sep=";", header = TRUE)
alunos2017.1 %>% mutate_if(is.factor, as.character) -> alunos2017.1
alunos2017.1 %>% filter(., sexo=="F") -> alunos2017.1


# Abrir áreas dos cursos
dados_alunos_para_WUR_2016 <- read_excel("dados alunos para WUR 2016.xlsx", sheet = "area_turno", col_types = c("text", "skip", "text"))

# Pegando cada curso e tirando a média (independente de turno e campus)
carga_horaria_cursos_graduacao_ufersa %>% 
  group_by(curso) %>% 
  summarise(., CH_media = mean(CH_media)) -> carga_horaria_cursos_graduacao_ufersa


# INNER JOIN
inner_join(alunos2016.2, carga_horaria_cursos_graduacao_ufersa, by="curso") %>% 
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2016.2

# INNER JOIN
inner_join(alunos2017.1, carga_horaria_cursos_graduacao_ufersa, by="curso") %>%
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2017.1

# Conjunto dos alunos que estudaram o primeiro e segundo semestres:
alunos_em_comum = intersect(alunos2016.2$matricula, alunos2017.1$matricula)

# Dados destes alunos no semestre 1:
alunos2016.2 %>% filter(., alunos2016.2$matricula %in% alunos_em_comum) %>% 
  arrange(., nome) -> alunos_em_comum_1 

# Dados destes alunos no semestre 2:
alunos2017.1 %>% filter(., alunos2017.1$matricula %in% alunos_em_comum) %>% 
  arrange(., nome) -> alunos_em_comum_2

alunos_em_comum_total = data.frame(matricula = alunos_em_comum_1$matricula,
                                   curso = alunos_em_comum_1$curso,
                                   carga_horaria_total =  alunos_em_comum_1$carga_horaria_total +
                                     alunos_em_comum_2$carga_horaria_total, 
                                   CH_media = alunos_em_comum_1$CH_media,
                                   Area = alunos_em_comum_1$Area)

alunos_em_comum_total %>% mutate(., FTE_individual = carga_horaria_total/(2*CH_media)) ->
  alunos_em_comum_total

# Por área de conhecimento ------------------------------------------------

FTE_Area <- function(alunos, Areas_THE){
  tabela_por_Area = data.frame(Area = NA, FTE = NA, Matriculados = NA)
  
  for(i in 1:length(Areas_THE)){
    alunos_Area = alunos %>% filter(., Area == Areas_THE[i]) 
  
    tabela_por_Area %>% rbind(., data.frame(Area = Areas_THE[i], 
                                                        Matriculados = nrow(alunos_Area),
                                                        FTE = sum(alunos_Area$FTE_individual))) -> tabela_por_Area

  }
  
  return(tabela_por_Area[-1, ])
}

# <1> Alunos que cursaram os dois semestres:

alunos_em_comum_total$Area %>% unique -> Areas_THE
tabela_por_Area = FTE_Area(alunos_em_comum_total, Areas_THE)

#print(tabela_por_Area$Matriculados %>% sum)

# <2> Alunos matriculados apenas em 2016.2:
alunos2016.2 %>% filter(., !(alunos2016.2$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(.,FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Area(., Areas_THE) -> tabela_por_Area2016.2 

#print(tabela_por_Area2016.2$Matriculados %>% sum)

# <3> Alunos matriculados apenas em 2017.1:
alunos2017.1 %>% filter(., !(alunos2017.1$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(., FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Area(., Areas_THE) -> tabela_por_Area2017.1

#print(tabela_por_Area2017.1$Matriculados %>% sum)

# Total -------------------------------------------------------------------

cbind(Area = tabela_por_Area$Area, tabela_por_Area[ ,2:3] + 
        tabela_por_Area2016.2[ ,2:3] + 
        tabela_por_Area2017.1[ ,2:3]) -> tabela_final_grad_area_F


tabela_final_grad_area_F %>% 
  datatable(., rownames = FALSE) %>% 
  formatRound(columns=c('Matriculados', 'FTE'), digits=3)

# FTE TOTAL
tabela_final_grad_area_F[,2:3] %>% colSums

##          FTE Matriculados 
##     2200.111     3447.000

FTE Pós-graduação por sexo:

library(dplyr)
library(readxl)

#setwd("C:/Users/geisa.vasconcelos/workspace/trabalho/THE_rankings/Ranking2019/")

# Abrir conjunto de dados dos alunos 2017.1
alunos2017.1 = read.csv("./Lista com todos os alunos matriculados em 2017.1 - graduação e pós.csv", 
                        sep=";", header = TRUE)
alunos2017.1 %>% mutate_if(is.factor, as.character) -> alunos2017.1

mestrado2017.1 = alunos2017.1[startsWith(alunos2017.1$curso, "MESTRADO"), ]
doutorado2017.1 = alunos2017.1[startsWith(alunos2017.1$curso, "DOUTORADO"), ]

alunos2017.1 = rbind(mestrado2017.1, doutorado2017.1)


# Abrir conjunto de dados dos alunos 2017.2
alunos2017.2 = read.csv("./Lista com todos os alunos matriculados em 2017.2 - graduação e pós (1).csv", 
                        sep=";", header = TRUE)
alunos2017.2 %>% mutate_if(is.factor, as.character) -> alunos2017.2

mestrado2017.2 = alunos2017.2[startsWith(alunos2017.2$curso, "MESTRADO"), ]
doutorado2017.2 = alunos2017.2[startsWith(alunos2017.2$curso, "DOUTORADO"), ]

alunos2017.2 = rbind(mestrado2017.2, doutorado2017.2)

# Abrir áreas dos cursos
dados_alunos_para_WUR_2016 <- read_excel("cursos_pos_WUR.xlsx", col_types = c("text","text"))


# Conjunto dos alunos que estudaram o primeiro e segundo semestres:
alunos_em_comum = intersect(alunos2017.1$matricula, alunos2017.2$matricula)


# Dados destes alunos no semestre 1:
alunos2017.1 %>% filter(., alunos2017.1$matricula %in% alunos_em_comum) %>% 
  arrange(., nome) -> alunos_em_comum_1 

# Dados destes alunos no semestre 2:
alunos2017.2 %>% filter(., alunos2017.2$matricula %in% alunos_em_comum) %>% 
  arrange(., nome) -> alunos_em_comum_2

# Total de alunos nos dois semestres:

# Alunos somente em 2017.1
alunos_so_2017.1 = alunos2017.1 %>% 
  filter(., !(alunos2017.1$matricula %in% alunos_em_comum)) %>% arrange(., nome)

# Alunos somente em 2017.2
alunos_so_2017.2 = alunos2017.2 %>% 
  filter(., !(alunos2017.2$matricula %in% alunos_em_comum)) %>% arrange(., nome)

# Masculino
M_comum = alunos_em_comum_1 %>% filter(., sexo=="M") %>% nrow
# Feminino
F_comum = alunos_em_comum_1 %>% filter(., sexo=="F") %>% nrow

# Masculino
M2017.1 = (alunos_so_2017.1 %>% filter(., sexo=="M") %>% nrow)/2
# Feminino
F2017.1 = (alunos_so_2017.1 %>% filter(., sexo=="F") %>% nrow)/2

# Masculino
M2017.2 = (alunos_so_2017.2 %>% filter(., sexo=="M") %>% nrow)/2
# Feminino
F2017.2 = (alunos_so_2017.2 %>% filter(., sexo=="F") %>% nrow)/2

FTE_pos_sexo = data.frame(Masculino = M_comum + M2017.1 + M2017.2, Feminino = F_comum + F2017.1 + F2017.2) %>%
  mutate(Total = Masculino + Feminino)

DT::datatable(FTE_pos_sexo, rownames = FALSE)

FTE Pós-graduação por área:

# Adicionando a informação da área:

inner_join(alunos_em_comum_1, dados_alunos_para_WUR_2016, by="curso") -> alunos_em_comum_com_area
alunos_em_comum_com_area %>% count(Area) -> FTE_pos_area_comum
#sum(FTE_pos_area_comum$n)

inner_join(alunos_so_2017.1, dados_alunos_para_WUR_2016, by="curso") -> alunos2017.1_com_area
alunos2017.1_com_area %>% count(Area) -> FTE_pos_area_2017.1
FTE_pos_area_2017.1$n = FTE_pos_area_2017.1$n/2 
#sum(FTE_pos_area_2017.1$n)

inner_join(alunos_so_2017.2, dados_alunos_para_WUR_2016, by="curso") -> alunos2017.2_com_area
alunos2017.2_com_area %>% count(Area) -> FTE_pos_area_2017.2
FTE_pos_area_2017.2$n = FTE_pos_area_2017.2$n/2 
#sum(FTE_pos_area_2017.2$n)


left_join(FTE_pos_area_comum, FTE_pos_area_2017.1, by="Area") %>% left_join(., FTE_pos_area_2017.2, by="Area") %>%
  mutate(FTE = rowSums(select(., n.x:n), na.rm=TRUE)) -> tabela_final

tabela_final[is.na(tabela_final)] <- 0
tabela_final %>% as.data.frame() -> FTE_pos_area

colnames(FTE_pos_area) = c("Area", "2017.1-2017.2", "so_2017.1", "so2017.2", "FTE")

DT::datatable(FTE_pos_area)

sum(FTE_pos_area$FTE)

## [1] 554

PÓS-GRADUAÇÃO: Masculino por área

# Adicionando a informação da área:

inner_join(alunos_em_comum_1, dados_alunos_para_WUR_2016, by="curso") %>% 
  filter(., sexo=="M") -> alunos_em_comum_com_area

alunos_em_comum_com_area %>% count(Area) -> FTE_pos_area_comum
#sum(FTE_pos_area_comum$n)

inner_join(alunos_so_2017.1, dados_alunos_para_WUR_2016, by="curso") %>% 
  filter(., sexo=="M") -> alunos2017.1_com_area
alunos2017.1_com_area %>% count(Area) -> FTE_pos_area_2017.1
FTE_pos_area_2017.1$n = FTE_pos_area_2017.1$n/2 
#sum(FTE_pos_area_2017.1$n)

inner_join(alunos_so_2017.2, dados_alunos_para_WUR_2016, by="curso") %>% 
  filter(., sexo=="M") -> alunos2017.2_com_area
alunos2017.2_com_area %>% count(Area) -> FTE_pos_area_2017.2
FTE_pos_area_2017.2$n = FTE_pos_area_2017.2$n/2 
#sum(FTE_pos_area_2017.2$n)


left_join(FTE_pos_area_comum, FTE_pos_area_2017.1, by="Area") %>% left_join(., FTE_pos_area_2017.2, by="Area") %>%
  mutate(FTE = rowSums(select(., n.x:n), na.rm=TRUE)) -> tabela_final

tabela_final[is.na(tabela_final)] <- 0
tabela_final %>% as.data.frame() -> FTE_pos_area_M

colnames(FTE_pos_area_M) = c("Area", "2017.1-2017.2", "so_2017.1", "so2017.2", "FTE")

DT::datatable(FTE_pos_area_M)

sum(FTE_pos_area_M$FTE)

## [1] 312

PÓS-GRADUAÇÃO: Feminino por área

# Adicionando a informação da área:

inner_join(alunos_em_comum_1, dados_alunos_para_WUR_2016, by="curso") %>% 
  filter(., sexo=="F") -> alunos_em_comum_com_area

alunos_em_comum_com_area %>% count(Area) -> FTE_pos_area_comum
#sum(FTE_pos_area_comum$n)

inner_join(alunos_so_2017.1, dados_alunos_para_WUR_2016, by="curso") %>% 
  filter(., sexo=="F") -> alunos2017.1_com_area
alunos2017.1_com_area %>% count(Area) -> FTE_pos_area_2017.1
FTE_pos_area_2017.1$n = FTE_pos_area_2017.1$n/2 
#sum(FTE_pos_area_2017.1$n)

inner_join(alunos_so_2017.2, dados_alunos_para_WUR_2016, by="curso") %>% 
  filter(., sexo=="F") -> alunos2017.2_com_area
alunos2017.2_com_area %>% count(Area) -> FTE_pos_area_2017.2
FTE_pos_area_2017.2$n = FTE_pos_area_2017.2$n/2 
#sum(FTE_pos_area_2017.2$n)


left_join(FTE_pos_area_comum, FTE_pos_area_2017.1, by="Area") %>% left_join(., FTE_pos_area_2017.2, by="Area") %>%
  mutate(FTE = rowSums(select(., n.x:n), na.rm=TRUE)) -> tabela_final

tabela_final[is.na(tabela_final)] <- 0
tabela_final %>% as.data.frame() -> FTE_pos_area_F

colnames(FTE_pos_area_F) = c("Area", "2017.1-2017.2", "so_2017.1", "so2017.2", "FTE")

DT::datatable(FTE_pos_area_F)

sum(FTE_pos_area_F$FTE)

## [1] 242

FTE GERAL (graduação + pós) por área:

tabela_final_FTE_area = full_join(FTE_pos_area[,c(1,5)], tabela_final_grad_area[,c(1,2)], by="Area")

tabela_final_FTE_area[is.na(tabela_final_FTE_area)] <- 0
tabela_final_FTE_area %>% as.data.frame() -> FTE_geral_area


FTE_geral_area = FTE_geral_area %>% mutate(FTE_total_area = FTE.x + FTE.y)
colnames(FTE_geral_area) = c("Area", "FTE_Grad", "FTE_posGrad", "FTE_Geral")


DT::datatable(FTE_geral_area, rownames=FALSE) %>% formatRound(columns=c('FTE_Grad', 'FTE_posGrad', 'FTE_Geral'), digits=3)

sum(FTE_geral_area$FTE_Geral)

## [1] 5872.206

FTE GERAL (graduação + pós) por sexo:

datatable(tabela_final_grad_sexo$FTE + FTE_pos_sexo[1:2]) %>% formatRound(columns=c('Masculino', 'Feminino'), digits=3)

FTE geral: Masculino

tabela_final_FTE_area = full_join(tabela_final_grad_area_M[,c(1,2)], FTE_pos_area_M[,c(1,5)], by="Area")

tabela_final_FTE_area[is.na(tabela_final_FTE_area)] <- 0
tabela_final_FTE_area %>% as.data.frame() -> FTE_geral_area


FTE_geral_area = FTE_geral_area %>% mutate(FTE_total_area = FTE.x + FTE.y) 
colnames(FTE_geral_area) = c("Area", "FTE_Grad", "FTE_posGrad", "FTE_Geral")


DT::datatable(FTE_geral_area, rownames=FALSE) %>% formatRound(columns=c('FTE_Grad', 'FTE_posGrad', 'FTE_Geral'), digits=3)

sum(FTE_geral_area$FTE_Geral)

## [1] 3430.096

FTE geral: Feminino

tabela_final_FTE_area = full_join(tabela_final_grad_area_F[,c(1,2)], FTE_pos_area_F[,c(1,5)], by="Area")

tabela_final_FTE_area[is.na(tabela_final_FTE_area)] <- 0
tabela_final_FTE_area %>% as.data.frame() -> FTE_geral_area


FTE_geral_area = FTE_geral_area %>% mutate(FTE_total_area = FTE.x + FTE.y) 
colnames(FTE_geral_area) = c("Area", "FTE_Grad", "FTE_posGrad", "FTE_Geral")


DT::datatable(FTE_geral_area, rownames=FALSE) %>% formatRound(columns=c('FTE_posGrad', 'FTE_Grad', 'FTE_Geral'), digits=3)

sum(FTE_geral_area$FTE_Geral)

## [1] 2442.111

FTE da UFERSA - (graduação + pós)

sum(tabela_final_grad_sexo$FTE + FTE_pos_sexo[1:2])

## [1] 5872.206

Desenvolvido por Kássio Camelo

kassio.silva@ufersa.edu.br

Full Time Student por Área - Ufersa - THE Rankings 2019

Kássio Camelo

25 de março de 2019

Cursos por área

Artes e Humanidades

Ciências da Vida

Ciências Físicas

Ciências Sociais

Clínicas

Direito

Educação

Empresas e Economia

Engenharia e Tecnologia

Informática

FTE da graduação por área:

FTE da graduação por sexo:

Graduação, Masculino por área:

Graduação, Feminino por área:

FTE Pós-graduação por sexo:

FTE Pós-graduação por área:

PÓS-GRADUAÇÃO: Masculino por área

PÓS-GRADUAÇÃO: Feminino por área

FTE GERAL (graduação + pós) por área:

FTE GERAL (graduação + pós) por sexo:

FTE geral: Masculino

FTE geral: Feminino

FTE da UFERSA - (graduação + pós)