# Counting the ratings of a certain aspect
rating_count_info <- function(df, aspect = "prob_tec", disc = "comp") {
    tot <- df %>%
            filter(aspecto == aspect, 
                   disciplinas == disc) %>%
            count %>%
            pull("n")
            
    df %>%
        filter(aspecto == aspect, 
               disciplinas == disc) %>%
        group_by(avaliacao) %>%
        summarise(count = n(),
                  freq = paste(round(n() / tot * 100, 1), "%", sep = ""),
                  disciplinas, .groups = "drop") %>%
    unique
}

aspect_distribution <- function(df, aspect = "prob_tec", dir = 1, pal = "Reds", ...) {
    
    # It gets the the ratings counts for the people that have already or are taking 
    # the disciplines
    total <- rbind(
        rating_count_info(df %>% filter(mat_cursadas == 1), aspect, "mat"),
        rating_count_info(df %>% filter(comp_cursadas == 1), aspect, "comp"),
        rating_count_info(df %>% filter(prat_cursadas == 1), aspect, "prat")
    )
    
    levels(total$disciplinas) <- c("Teóricas de computação/gerais", "Teóricas de matemática/estatística", "Práticas/Laboratórios")
    
    total %>%
        ggplot(aes(x = avaliacao, y = count)) +
            geom_col(aes(fill = as.character(avaliacao))) +
            scale_fill_brewer(palette = pal, direction = dir) +
            geom_text(aes(label=freq), vjust=-0.5, color="gray18", position = position_dodge(1), size=3) +
            facet_wrap(~disciplinas) +
            labs(
                y = "Frequência",
                x = "Grau",
                fill = "Grau",
                ...
            )
}

rating_summarise <- function(df, aspect = "prob_tec", disc = "comp") {
    df %>%
        filter(aspecto == aspect,
               disciplinas == disc) %>%
        summarise(disciplinas,
                  "Média" = round(mean(avaliacao), 2), 
                  "Mediana" = median(avaliacao), 
                  "Desvio padrão" = round(sd(avaliacao), 2), 
                  "90th percentil" = quantile(avaliacao, 0.9), 
                  .groups = "drop") %>%
        rename("Disciplinas" = disciplinas) %>%
        unique
}

aspect_stats <- function(df, aspect) {
    
    total <- rbind(
        rating_summarise(df %>% filter(mat_cursadas == 1), aspect, "mat"),
        rating_summarise(df %>% filter(comp_cursadas == 1), aspect, "comp"),
        rating_summarise(df %>% filter(prat_cursadas == 1), aspect, "prat")
    )
    
    levels(total$Disciplinas) <- c("Teóricas de computação/gerais", "Teóricas de matemática/estatística", "Práticas/Laboratórios")
    
    total %>%
        kable(align = "lcccc", caption = "Estatísticas do aspecto") %>%
            kable_material(full_width = FALSE, position = "center", font_size = 14)
}

survey %>%
    select(data_hora, indice_aprendizado, genero) %>%
    distinct %>%
    group_by(genero) %>%
    ggplot(aes(x = indice_aprendizado)) +
    geom_density(aes(fill = genero, color = genero), alpha = 0.4) +
    scale_x_continuous(breaks = 1:10) +
    guides(color = FALSE) +
    labs(
        title = "Grau de aprendizagem percebido pelos estudantes",
        caption = "Valores menores indicam pouco aprendizado percebido e vice-versa",
        x = "Aprendizado percebido",
        y = "Densidade",
        fill = "Gênero"
    ) +
    scale_fill_npg()

survey %>%
    select(data_hora, idade, periodo, indice_aprendizado, genero) %>%
    distinct %>%
    group_by(genero) %>%
    summarise("Período" = cor(as.numeric(periodo), indice_aprendizado, method = "spearman"),
              "Idade" = cor(idade, indice_aprendizado, method = "spearman")) %>%
    kable() %>%
        kable_material(full_width = FALSE, position = "center", font_size = 14) %>%
        add_header_above(header = c("Correlações de Spearman da idade e período com o aprendizado - por gênero" = 3))

corr <- function(df, aspect = "dificuldade", classe_disc = "comp") { 
    tot <- df %>% 
            filter(tipo == aspect, 
                   disciplinas == classe_disc) %>% 
            select(data_hora, avaliacao, indice_aprendizado, genero) %>% 
            group_by(genero) %>%
            summarise(cor_pearson = cor(avaliacao, indice_aprendizado), 
                      cor_spearman = cor(avaliacao, indice_aprendizado, method = "spearman"),
                      cor_kendall = cor(avaliacao, indice_aprendizado, method = "kendall"))
    cbind(data.frame(disc = rep(classe_disc, 2), tipo = rep(aspect, 2)), tot)
}

# Dificuldades
correlacoes_discs <- rbind(
    corr(survey %>% filter(comp_cursadas == 1)),
    corr(survey %>% filter(mat_cursadas == 1), classe_disc = "mat"),
    corr(survey %>% filter(prat_cursadas == 1), classe_disc = "prat")
)

correlacoes_discs$disc <- as.factor(correlacoes_discs$disc)
    
levels(correlacoes_discs$disc) <- c("Teóricas de computação/gerais", "Teóricas de matemática/estatística", "Práticas/Laboratórios")

correlacoes_discs %>%
    rename("Gênero" = genero, "Correlação de Pearson" = cor_pearson, "Correlação de Spearman" = cor_spearman, 
           "Correlação de Kendall" = cor_kendall, "Classe das disciplinas" = disc) %>%
    select(-tipo) %>%
    kable() %>%
        kable_material(full_width = FALSE, position = "center", font_size = 14) %>%
        add_header_above(header = c("Correlações das dificuldades com o aprendizado - por classe de disciplinas e gênero" = 5))

# Retorna dados sumarizados dos respondentes para uma classe de disciplinas
summarise_group_info <- function(df, kind = "dificuldade", classe_disciplinas = "comp") {
    df %>%
        filter(tipo == kind, 
               disciplinas == classe_disciplinas) %>%
        group_by(aspecto) %>%
        summarise(media = mean(avaliacao), 
                  mediana = median(avaliacao), 
                  sd = sd(avaliacao), 
                  n = n(), 
                  se = sd / sqrt(n), 
                  ic = se * qnorm((0.95 + 1)/2), 
                  disciplinas, .groups = "drop") %>%
        unique
} 

# Summaries for the difficulties
comp_summary_d <- summarise_group_info(survey %>% filter(comp_cursadas == 1))
mat_summary_d <- summarise_group_info(survey %>% filter(mat_cursadas == 1), classe_disciplinas = "mat")
prat_summary_d <- summarise_group_info(survey %>% filter(prat_cursadas == 1), classe_disciplinas = "prat")

total_d <- rbind(comp_summary_d, mat_summary_d, prat_summary_d)

# Summaries for the positives
comp_summary_p <- summarise_group_info(survey %>% filter(comp_cursadas == 1), kind = "positivo")
mat_summary_p <- summarise_group_info(survey %>% filter(mat_cursadas == 1), classe_disciplinas = "mat", kind = "positivo")
prat_summary_p <- summarise_group_info(survey %>% filter(prat_cursadas == 1), classe_disciplinas = "prat", kind = "positivo")

total_p <- rbind(comp_summary_p, mat_summary_p, prat_summary_p)

levels(total_d$disciplinas) <- c("Teóricas de computação/gerais", "Teóricas de matemática/estatística", "Práticas/Laboratórios")
levels(total_p$disciplinas) <- c("Teóricas de computação/gerais", "Teóricas de matemática/estatística", "Práticas/Laboratórios")

total_d %>%
        ggplot(aes(x = reorder(aspecto, media), y = media, group = aspecto)) +
        geom_bar(aes(fill = aspecto), width = 0.4, color = "white", alpha = 0.7, stat="identity", position = position_dodge()) +
        facet_wrap(~disciplinas) +
        geom_errorbar(aes(x=aspecto, ymin=media-ic, ymax=media+ic), width=0.1, colour="black", alpha=0.7, size=0.5) +
        geom_hline(aes(yintercept = 3), lty = "dashed", color = "black", alpha = 0.4, size = 0.6) +
        scale_y_discrete(limits = factor(c(1, 2, 3, 4, 5))) +
        scale_x_discrete(labels = rev(c("Ambiente não produtivo", "Falta de contato", 
                                        "Gerenciamento de tempo", "Comunicação prejudicada", 
                                        "Problemas técnicos"))) +
        theme(legend.position = "none") +  
        coord_flip() +
        labs(
            y = "Média de avaliação",
            caption = "Valores menores = prejudicaram pouco, Valores maiores = prejudicaram muito",
            x = "",
            title = "Avaliações das dificuldades por classe de disciplinas",
            subtitle = "Média acompanhada de intervalo de confiança (95%)"
        ) +
        scale_fill_aaas()

total_p %>%
        ggplot(aes(x = reorder(aspecto, media), y = media, group = aspecto)) +
        geom_bar(aes(fill = aspecto), width = 0.3, color = "white", alpha = 0.7, stat="identity", position = position_dodge()) +
        facet_wrap(~disciplinas) +
        geom_errorbar(aes(x=aspecto, ymin=media-ic, ymax=media+ic), width=0.1, colour="black", alpha=0.7, size=0.5) +
        geom_hline(aes(yintercept = 3), lty = "dashed", color = "black", alpha = 0.4, size = 0.6) +
        scale_y_discrete(limits = factor(c(1, 2, 3, 4, 5))) +
        scale_x_discrete(labels = rev(c("Horário flexível", 
                                        "Aprendizado no seu ritmo", 
                                        "Estrutura/cronograma claro"))) +
        theme(legend.position = "none") +  
        coord_flip() +
        labs(
            y = "Média de avaliação",
            caption = "Valores menores = ajudaram pouco, Valores maiores = ajudaram muito",
            x = "",
            title = "Avaliações dos pontos positivos por classe de disciplinas",
            subtitle = "Média acompanhada de intervalo de confiança (95%)"
        ) +
        scale_fill_npg()

survey %>%
    select(data_hora, indice_aprendizado, genero) %>%
    distinct %>%
    group_by(genero) %>%
    summarise(
        media = mean(indice_aprendizado), 
        sd = sd(indice_aprendizado), 
        n = n(), 
        se = sd / sqrt(n), 
        ic = se * qnorm((0.95 + 1)/2)
    ) %>%
    ggplot(aes(x = genero, y = media)) +
    geom_point(aes(color = genero), size = 2.5) +
    geom_errorbar(aes(x=genero, color = genero, ymin=media-ic, ymax=media+ic), width=0.1, size=0.9) +
    coord_flip() +
    geom_hline(aes(yintercept = 5.5), lty = "dashed", color = "darkgray") +
    scale_y_continuous(limits=c(1, 10), breaks = 1:10) +
    labs(
        x = "Gênero",
        y = "Aprendizado percebido",
        color = "Gênero",
        title = "Aprendizado percebido",
        subtitle = "Média acompanhada de intervalo de confiança (95%)"
    )