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(readr)
library(DT)

setwd("C:/Users/geisa.vasconcelos/workspace/trabalho/THE_rankings/Ranking2020/")

# 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 2018.1
alunos2018.1 <- read.csv("C:/Users/geisa.vasconcelos/workspace/trabalho/THE_rankings/Ranking2020/Alunos20181.csv", 
                          sep=";", header=TRUE, encoding = "UTF-8", stringsAsFactors = FALSE) %>% 
  tidyr::drop_na("carga_horaria_total")
#alunos2018.1 = alunos2018.1[!(startsWith(alunos2018.1$curso, "MESTRADO") | startsWith(alunos2018.1$curso, "DOUTORADO")), ]

# Abrir conjunto de dados dos alunos 2018.2
alunos2018.2 <- read.csv("C:/Users/geisa.vasconcelos/workspace/trabalho/THE_rankings/Ranking2020/Alunos20182.csv", 
                          sep=";", header=TRUE, encoding = "UTF-8", stringsAsFactors = FALSE) %>% tidyr::drop_na("carga_horaria_total") 
#alunos2018.2 = alunos2018.2[!(startsWith(alunos2018.1$curso, "MESTRADO") | startsWith(alunos2018.1$curso, "DOUTORADO")), ]

# 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(alunos2018.1, carga_horaria_cursos_graduacao_ufersa, by="curso") %>% 
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2018.1

# INNER JOIN
inner_join(alunos2018.2, carga_horaria_cursos_graduacao_ufersa, by="curso") %>%
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2018.2

# Conjunto dos alunos que estudaram o primeiro e segundo semestres:
alunos_em_comum = intersect(alunos2018.1$matricula, alunos2018.2$matricula)

# Dados destes alunos no semestre 1:
alunos2018.1 %>% filter(., alunos2018.1$matricula %in% alunos_em_comum) %>% 
  arrange(., nome) -> alunos_em_comum_1

# Dados destes alunos no semestre 2:
alunos2018.2 %>% filter(., alunos2018.2$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$Area %>% unique -> Areas_THE
#alunos_em_comum_total$FTE_individual[is.na(alunos_em_comum_total$FTE_individual)] <- 0 

tabela_por_Area = FTE_Area(alunos_em_comum_total, Areas_THE)

# <2> Alunos matriculados apenas em 2018.1:
alunos2018.1 %>% filter(., !(alunos2018.1$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(.,FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Area(., Areas_THE) -> tabela_por_Area2018.1 

# <3> Alunos matriculados apenas em 2018.2:
alunos2018.2 %>% filter(., !(alunos2018.2$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(., FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Area(., Areas_THE) -> tabela_por_Area2018.2

#print(tabela_por_Area2018.1$Matriculados %>% sum)
#print(tabela_por_Area2018.2$Matriculados %>% sum)

# Total 

cbind(Area = tabela_por_Area$Area, tabela_por_Area[ ,2:3] + 
        tabela_por_Area2018.1[ ,2:3] + 
        tabela_por_Area2018.2[ ,2:3]) -> tabela_final_grad_area

tabela_final_grad_area %>% 
  datatable(., rownames = FALSE) %>% 
  formatRound(columns=c('Matriculados', 'FTE'), digits=3) 
##          FTE Matriculados 
##     7444.617     9886.000

FTE da graduação por sexo:

# FTE por sexo ------------------------------------------------------------


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 2018.1:
alunos2018.1 %>% filter(., !(alunos2018.1$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(.,FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Sexo(., sexos_THE) -> tabela_por_Sexo2018.1 

# <3> Alunos matriculados apenas em 2018.2:
alunos2018.2 %>% filter(., !(alunos2018.2$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(., FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Sexo(., sexos_THE) -> tabela_por_Sexo2018.2

# Total 

cbind(Sexo = tabela_por_Sexo$sexo, tabela_por_Sexo[ ,2:3] + 
        tabela_por_Sexo2018.1[ ,2:3] + 
        tabela_por_Sexo2018.2[ ,2:3]) -> tabela_final_grad_sexo


tabela_final_grad_sexo %>% 
  datatable(., rownames = FALSE) %>% 
  formatRound(columns=c('Matriculados', 'FTE'), digits=3) 
##          FTE Matriculados 
##     7444.617     9886.000

Graduação, Masculino por área:

# FTE masc. grad. area ----------------------------------------------------

# Abrir conjunto de dados dos alunos 2018.1
alunos2018.1 = read.csv("C:/Users/geisa.vasconcelos/workspace/trabalho/THE_rankings/Ranking2020/Alunos20181.csv", 
                        sep=";", header=TRUE, encoding = "UTF-8", stringsAsFactors = FALSE) %>% 
  tidyr::drop_na("carga_horaria_total")
alunos2018.1 %>% filter(., sexo=="M") -> alunos2018.1


# Abrir conjunto de dados dos alunos 2018.2
alunos2018.2 = read.csv("C:/Users/geisa.vasconcelos/workspace/trabalho/THE_rankings/Ranking2020/Alunos20182.csv", 
                        sep=";", header=TRUE, encoding = "UTF-8", stringsAsFactors = FALSE) %>% 
  tidyr::drop_na("carga_horaria_total")
alunos2018.2 %>% filter(., sexo=="M") -> alunos2018.2


# 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(alunos2018.1, carga_horaria_cursos_graduacao_ufersa, by="curso") %>% 
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2018.1

# INNER JOIN
inner_join(alunos2018.2, carga_horaria_cursos_graduacao_ufersa, by="curso") %>%
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2018.2

# Conjunto dos alunos que estudaram o primeiro e segundo semestres:
alunos_em_comum = intersect(alunos2018.1$matricula, alunos2018.2$matricula)

# Dados destes alunos no semestre 1:
alunos2018.1 %>% filter(., alunos2018.1$matricula %in% alunos_em_comum) %>% 
  arrange(., nome) -> alunos_em_comum_1 

# Dados destes alunos no semestre 2:
alunos2018.2 %>% filter(., alunos2018.2$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 2018.1:
alunos2018.1 %>% filter(., !(alunos2018.1$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(.,FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Area(., Areas_THE) -> tabela_por_Area2018.1 

#print(tabela_por_Area2018.1$Matriculados %>% sum)

# <3> Alunos matriculados apenas em 2018.2:
alunos2018.2 %>% filter(., !(alunos2018.2$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(., FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Area(., Areas_THE) -> tabela_por_Area2018.2

#print(tabela_por_Area2018.2$Matriculados %>% sum)

# Total 

cbind(Area = tabela_por_Area$Area, tabela_por_Area[ ,2:3] + 
        tabela_por_Area2018.1[ ,2:3] + 
        tabela_por_Area2018.2[ ,2:3]) -> tabela_final_grad_area_M


tabela_final_grad_area_M %>% 
  datatable(., rownames = FALSE) %>% 
  formatRound(columns=c('Matriculados', 'FTE'), digits=3) 
##          FTE Matriculados 
##     4316.505     5775.000

Graduação, Feminino por área:

# FTE fem. grad. area -----------------------------------------------------

# Abrir conjunto de dados dos alunos 2018.1
alunos2018.1 = read.csv("C:/Users/geisa.vasconcelos/workspace/trabalho/THE_rankings/Ranking2020/Alunos20181.csv", 
                        sep=";", header=TRUE, encoding = "UTF-8", stringsAsFactors = FALSE) %>% 
  tidyr::drop_na("carga_horaria_total")
alunos2018.1 %>% filter(., sexo=="F") -> alunos2018.1


# Abrir conjunto de dados dos alunos 2018.2
alunos2018.2 = read.csv("C:/Users/geisa.vasconcelos/workspace/trabalho/THE_rankings/Ranking2020/Alunos20182.csv", 
                        sep=";", header=TRUE, encoding = "UTF-8", stringsAsFactors = FALSE) %>% 
  tidyr::drop_na("carga_horaria_total")
alunos2018.2 %>% filter(., sexo=="F") -> alunos2018.2


# 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(alunos2018.1, carga_horaria_cursos_graduacao_ufersa, by="curso") %>% 
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2018.1

# INNER JOIN
inner_join(alunos2018.2, carga_horaria_cursos_graduacao_ufersa, by="curso") %>%
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2018.2

# Conjunto dos alunos que estudaram o primeiro e segundo semestres:
alunos_em_comum = intersect(alunos2018.1$matricula, alunos2018.2$matricula)

# Dados destes alunos no semestre 1:
alunos2018.1 %>% filter(., alunos2018.1$matricula %in% alunos_em_comum) %>% 
  arrange(., nome) -> alunos_em_comum_1 

# Dados destes alunos no semestre 2:
alunos2018.2 %>% filter(., alunos2018.2$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 2018.1:
alunos2018.1 %>% filter(., !(alunos2018.1$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(.,FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Area(., Areas_THE) -> tabela_por_Area2018.1 

#print(tabela_por_Area2018.1$Matriculados %>% sum)

# <3> Alunos matriculados apenas em 2018.2:
alunos2018.2 %>% filter(., !(alunos2018.2$matricula %in% alunos_em_comum)) %>% 
  arrange(., nome) %>% mutate(., FTE_individual=carga_horaria_total/(2*CH_media)) %>% 
  FTE_Area(., Areas_THE) -> tabela_por_Area2018.2

#print(tabela_por_Area2018.2$Matriculados %>% sum)

# Total 

cbind(Area = tabela_por_Area$Area, tabela_por_Area[ ,2:3] + 
        tabela_por_Area2018.1[ ,2:3] + 
        tabela_por_Area2018.2[ ,2:3]) -> tabela_final_grad_area_F


tabela_final_grad_area_F %>% 
  datatable(., rownames = FALSE) %>% 
  formatRound(columns=c('Matriculados', 'FTE'), digits=3) 
##          FTE Matriculados 
##     3128.112     4111.000

FTE Pós-graduação por sexo:

# FTE pos por sexo --------------------------------------------------------

# Abrir conjunto de dados dos alunos 2018.1
alunos2018.1 = read.csv("C:/Users/geisa.vasconcelos/workspace/trabalho/THE_rankings/Ranking2020/Alunos20181.csv", 
                        sep=";", header=TRUE, encoding = "UTF-8", stringsAsFactors = FALSE) %>% 
  tidyr::drop_na("carga_horaria_total")

mestrado2018.1 = alunos2018.1[startsWith(alunos2018.1$curso, "MESTRADO"), ]
doutorado2018.1 = alunos2018.1[startsWith(alunos2018.1$curso, "DOUTORADO"), ]

alunos2018.1 = rbind(mestrado2018.1, doutorado2018.1)

# Abrir conjunto de dados dos alunos 2018.2
alunos2018.2 = read.csv("C:/Users/geisa.vasconcelos/workspace/trabalho/THE_rankings/Ranking2020/Alunos20182.csv", 
                        sep=";", header=TRUE, encoding = "UTF-8", stringsAsFactors = FALSE) %>% 
  tidyr::drop_na("carga_horaria_total")

mestrado2018.2 = alunos2018.2[startsWith(alunos2018.2$curso, "MESTRADO"), ]
doutorado2018.2 = alunos2018.2[startsWith(alunos2018.2$curso, "DOUTORADO"), ]

alunos2018.2 = rbind(mestrado2018.2, doutorado2018.2)

# 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(alunos2018.1$matricula, alunos2018.2$matricula)


# Dados destes alunos no semestre 1:
alunos2018.1 %>% filter(., alunos2018.1$matricula %in% alunos_em_comum) %>% 
  arrange(., nome) -> alunos_em_comum_1 

# Dados destes alunos no semestre 2:
alunos2018.2 %>% filter(., alunos2018.2$matricula %in% alunos_em_comum) %>% 
  arrange(., nome) -> alunos_em_comum_2

# Total de alunos nos dois semestres:

# Alunos somente em 2018.1
alunos_so_2018.1 = alunos2018.1 %>% 
  filter(., !(alunos2018.1$matricula %in% alunos_em_comum)) %>% arrange(., nome)

# Alunos somente em 2018.2
alunos_so_2018.2 = alunos2018.2 %>% 
  filter(., !(alunos2018.2$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
M2018.1 = (alunos_so_2018.1 %>% filter(., sexo=="M") %>% nrow)/2
# Feminino
F2018.1 = (alunos_so_2018.1 %>% filter(., sexo=="F") %>% nrow)/2

# Masculino
M2018.2 = (alunos_so_2018.2 %>% filter(., sexo=="M") %>% nrow)/2
# Feminino
F2018.2 = (alunos_so_2018.2 %>% filter(., sexo=="F") %>% nrow)/2

FTE_pos_sexo = data.frame(Masculino = M_comum + M2018.1 + M2018.2, Feminino = F_comum + F2018.1 + F2018.2) %>%
  mutate(Total = Masculino + Feminino)

DT::datatable(FTE_pos_sexo, rownames = FALSE)

FTE Pós-graduação por área:

## [1] 563

PÓS-GRADUAÇÃO: Masculino por área

## [1] 327

PÓS-GRADUAÇÃO: Feminino por área

## [1] 236

FTE GERAL (graduação + pós) por área:

## [1] 8007.617

FTE pós por nível (mestrado e doutorado)

FTE Mestrado por área

## [1] 420.5

FTE doutorado por área

FTE GERAL (graduação + pós) por sexo:

FTE geral: Masculino

## [1] 4459.005

FTE geral: Feminino

## [1] 3364.112

FTE da UFERSA - (graduação + pós)

## [1] 8007.617

Número de formados

Graduação

## [1] 1191    7

Mestrado

Doutorado

 

Desenvolvido por Kássio Camelo

kassio.silva@ufersa.edu.br