1. Introducción

En este Proyecto se prepara una base de datos de evaluaciones web a docentes uruguayos y, mediante la aplicación de minería de textos en los datos cualitativos (comentarios y etiquetas), se explora cuantitativamente el vocabulario utilizado por estudiantes para evaluar docentes. Con base en el Proyecto “Teachers´ Soft Skills: a systematic review” y juicio de expertos, el vocabulario se categoriza y se calcula la proporción de SS informadas en cada docente. Se analiza su relación con la calificación de ese docente, cuantificando la importancia que las SS tienen en la evaluación de un “buen” o “mal” docente.

Este es un documento HTML interactivo. En caso de que no pueda verlo, intente descargarlo y abrirlo con Google Chrome, Mozilla Firefox u otro navegador web.

Debajo de cada una de las secciones encontrará -a la derecha- un pequeño botón con la palabra code. Púlselo para ver el código en R correspondiente. En caso de que desee ver todo el código puede utilizar el botón arriba a la derecha del documento.

Preguntas y objetivos

Objetivos:

  • Extraer mediante herramientas de web scraping las calificaciones, institución, etiquetas y comentarios en las evaluaciones públicas hechas a docentes de Uruguay(n=5.125, n= 3744 con etiquetas, n=3062 con etiquetas y comentarios) en una página web de evaluación docente pública (MisProfesores.com).

  • Clasificar las etiquetas y los comentarios como “habilidades blandas” y “habilidades técnicas” (cuando corresponda). En los comentarios, clasificar “Calificadores”, palabras que hablan de la satisfacción general con el/la docente. Calcular para cada sujeto la proporción de cada tipo de habilidad, según la calificación de sus estudiantes.

  • Preparar una base de datos que incluya, para cada docente: nombre, institución, área de estudio, calificación general, etiquetas, proporción de etiquetas que refieren a cualidades técnicas y blandas (considerando su valencia positiva, negativa o ambivalente), proporción de palabras en comentarios referentes a habilidades técnicas/blandas y calificadores.

  • Analizar diferencias según área del conocimiento y nivel de estudios.

  • Determinar la relación entre las habilidades (según etiquetas, comentarios) y la calificación general.

Preguntas de investigación

  1. ¿Hay diferencias en la proporción de cualidades blandas y técnicas adjudicadas (mediante etiquetas y comentarios) entre los distintos niveles de estudio (secundaria, universidad) y áreas de estudio (STEM, CCSS, etc.)?

  2. ¿Qué relación hay entre las habilidades (evaluadas según la proporción de etiquetas) y la calificación general?

  3. ¿Cuáles son las principales cualidades adjudicadas (mediante etiquetas y comentarios) a los docentes con calificaciones de cuartil 1 y 4?

Metodología

Registro.

El proyecto se pre-registró en enero de 2022 en OSF (osf.io/ymzp2)

Diseño.

Estudio mixto, de análisis automatizado de texto.

Muestra.

Se descargó y preparó una base de datos con evaluaciones a docentes uruguayos realizadas en el servicio web MisProfesores.com. La muestra incluye a docentes de todos los niveles, uruguayos, evaluados en dicha plataforma.

Instrumentos.

Se elabora un diccionario ad hoc categorizando el vocabulario utilizado en comentarios y etiquetas. El mismo se realiza en base a la revisión sistemática de la literatura llevada a cabo en el Proyecto 1, y se valida mediante juicio de expertos y análisis análogos a los usados por Collins et al. (2009).

Preparación de la base de datos

La descarga de los datos se realiza mediante la herramienta Web Scraper. La preparación y análisis de los datos se realiza en RStudio, utilizando principalmente los paquetes tidyverse y tidytext. Utilizando el paradigma top-down de análisis de texto (Kennedy et al., 2021), se extraen las palabras frecuentes en comentarios y etiquetas y se elabora un diccionario, mediante el cual se calcula la proporción de SS y HS.

Tras este procedimiento, la base de datos incluye para cada docente (observación) los siguientes campos: calificación general, proporción de HS/SS en etiquetas, proporción de HS/SS en comentarios y metadatos (identificador, institución, área de estudio, nivel de estudios).

Plan de análisis

Para responder a las preguntas de investigación, se prevén los siguientes análisis: - Análisis de la varianza, considerando la calificación y la proporción de HS/SS, siendo el cuartil de calificación y los metadatos utilizados como variables de agrupación.

  • Correlación entre proporción HS/SS y calificación.

  • Regresión lineal múltiple (variable dependiente: calificación; variables independientes: proporciones HS y SS).

2. Preparación de la base de datos

Una parte importante de este trabajo es la preparación de los datos para su posterior utilización. Esta parte se aborda en esta sección. El objetivo principal es compartir el código. Si su interés es ver los dataset terminados, diríjase a la seccion Datos preparados

Preparación de los datos

Paquetes

Cargamos los paquetes de R que vamos a utilizar

library(tidyverse)
library(stringr)
library(tidytext)
library(widyr)
library(ggwordcloud)
library(tm)
library(ggcorrplot)

Datos brutos y léxicos

Cargamos los datos descargados mediante Web Scraper Dev. Se extrajeron de la página https://uruguay.misprofesores.com/Universidades También cargamos los diccionarios que vamos a utilizar.

uruguay <- read.csv("~/R/uruguay2.csv", header = TRUE, sep = ",", dec = ".", comment.char = "", strip.white = TRUE, stringsAsFactors = FALSE, encoding="UTF-8")

instituciones_limpias <- read.csv("~/R/institucionesdeluruguaylexico.csv", header = TRUE, sep = ",", dec = ".", comment.char = "", strip.white = TRUE, stringsAsFactors = FALSE, encoding="UTF-8")

lexico_de_etiquetas <- read.csv("~/R/lexico_de_etiquetas2.csv", header = TRUE, sep = ",", dec = ".", comment.char = "", strip.white = TRUE, stringsAsFactors = FALSE, encoding="UTF-8")

diccionario_de_comentarios <- read.csv("~/R/diccionario_de_comentarios.csv", header = TRUE, sep = ",", dec = ".", comment.char = "", strip.white = TRUE, stringsAsFactors = FALSE, encoding="UTF-8")

Pre-procesamiento básico

Se prepara la base de datos: se borran datos inútiles, se pasa desde un formato long a un formato wide, se combinan etiquetas y comentarios en dos columnas únicas, se eliminan profesores con calificación pero sin etiquetas o comentarios.

profes_sucios <- uruguay %>% 
  select(etiquetas, nombre, calificacion, Departamento.facultad, comentario, puntuacion.individual, institucionLink) %>%
  mutate(nombre= tolower(nombre), etiquetas = removeNumbers(removePunctuation(tolower(etiquetas)))) %>% 
  mutate(etiquetas= str_replace_all(etiquetas," ", ""), Departamento.facultad = str_replace_all(Departamento.facultad,"Departamento/Facultad:", "")) %>% 
  mutate(nombre= tolower(nombre), comentario = removeNumbers(removePunctuation(tolower(comentario))), comentario = str_replace_all(comentario, "comentario esperando revisión", ""))


#Se le da formato wide y se crean las "nuevas" variables
profes_limpios <- reshape( within(profes_sucios, q <- ave(seq_along(nombre), nombre, FUN = seq_along)),
  direction = "wide",
  idvar = "nombre",
  timevar = "q") %>%
    mutate(etiquetas = paste(etiquetas.1,
                             "-" ,etiquetas.2, "-" ,etiquetas.3, "-" ,etiquetas.4, "-" ,etiquetas.5,
                             "-" ,etiquetas.6, "-" ,etiquetas.7, "-" ,etiquetas.8, "-" ,etiquetas.9,
                             "-" ,etiquetas.10, "-" ,etiquetas.11, "-" ,etiquetas.12, "-" ,etiquetas.13,
                             "-" ,etiquetas.14, "-" ,etiquetas.15, "-" ,etiquetas.16, "-" ,etiquetas.17, 
                             "-" ,etiquetas.18, "-" ,etiquetas.19, "-" ,etiquetas.20, "-" ,etiquetas.21,
                             "-" ,etiquetas.22, "-" ,etiquetas.23, "-" ,etiquetas.24, "-" ,etiquetas.25,
                             "-" ,etiquetas.26, "-" ,etiquetas.27, "-" ,etiquetas.28, "-" ,etiquetas.29,
                             "-" ,etiquetas.30, "-" ,etiquetas.31, "-" ,etiquetas.32, "-" ,etiquetas.33,
                             "-" ,etiquetas.34, "-" ,etiquetas.35, "-" ,etiquetas.36, "-" ,etiquetas.37,
                             "-" ,etiquetas.38, "-" ,etiquetas.39, "-" ,etiquetas.40, "-" ,etiquetas.41,
                             "-" ,etiquetas.42, "-" ,etiquetas.43, "-" ,etiquetas.44, "-" ,etiquetas.45,
                             "-" ,etiquetas.46, "-" ,etiquetas.47, "-" ,etiquetas.48, "-" ,etiquetas.49,
                             "-" ,etiquetas.50, "-" ,etiquetas.51, "-" ,etiquetas.52, "-" ,etiquetas.53,
                             "-" ,etiquetas.54, "-" ,etiquetas.55, "-" ,etiquetas.56, "-" ,etiquetas.57,
                             "-" ,etiquetas.58, "-" ,etiquetas.59, "-" ,etiquetas.60, "-" ,etiquetas.61,
                             "-" ,etiquetas.62, "-" ,etiquetas.63, "-" ,etiquetas.64, "-" ,etiquetas.65,
                             "-" ,etiquetas.66, "-" ,etiquetas.67, "-" ,etiquetas.68, "-" ,etiquetas.69,
                             "-" ,etiquetas.70, "-" ,etiquetas.71, "-" ,etiquetas.72, "-" ,etiquetas.73,
                             "-" ,etiquetas.74, "-" ,etiquetas.75, "-" ,etiquetas.76, "-" ,etiquetas.77,
                             "-" ,etiquetas.78, "-" ,etiquetas.79, "-" ,etiquetas.80, "-" ,etiquetas.81,
                             "-", etiquetas.82, "-", etiquetas.83, "-",etiquetas.84,"-", etiquetas.85,"-",
                             etiquetas.86,"-", etiquetas.87,"-", etiquetas.88,"-", etiquetas.89), 
           comentarios = paste(comentario.1, "-" ,comentario.2, "-" ,comentario.3, "-" ,comentario.4, "-" ,
                               comentario.5, "-" ,comentario.6, "-" ,comentario.7, "-" ,comentario.8, "-" ,
                               comentario.9, "-" ,comentario.10, "-" ,comentario.11, "-" ,comentario.12,
                               "-" ,comentario.13, "-" ,comentario.14, "-" ,comentario.15, "-" ,comentario.16,
                               "-" ,comentario.17, "-" ,comentario.18, "-" ,comentario.19, "-" ,comentario.20, 
                               "-" ,comentario.21, "-" ,comentario.22, "-" ,comentario.23, "-" ,comentario.24, 
                               "-" ,comentario.25, "-" ,comentario.26, "-" ,comentario.27, "-" ,comentario.28, 
                               "-" ,comentario.29, "-" ,comentario.30, "-" ,comentario.31, "-" ,comentario.32, 
                               "-" ,comentario.33, "-" ,comentario.34, "-" ,comentario.35, "-" ,comentario.36, 
                               "-" ,comentario.37, "-" ,comentario.38, "-" ,comentario.39, "-" ,comentario.40, 
                               "-" ,comentario.41, "-" ,comentario.42, "-" ,comentario.43, "-" ,comentario.44, 
                               "-" ,comentario.45, "-" ,comentario.46, "-" ,comentario.47, "-" ,comentario.48, 
                               "-" ,comentario.49, "-" ,comentario.50, "-" ,comentario.51, "-" ,comentario.52, 
                               "-" ,comentario.53, "-" ,comentario.54, "-" ,comentario.55, "-" ,comentario.56, 
                               "-" ,comentario.57, "-" ,comentario.58, "-" ,comentario.59, "-" ,comentario.60, 
                               "-" ,comentario.61, "-" ,comentario.62, "-" ,comentario.63, "-" ,comentario.64, 
                               "-" ,comentario.65, "-" ,comentario.66, "-" ,comentario.67, "-" ,comentario.68, 
                               "-" ,comentario.69, "-" ,comentario.70, "-" ,comentario.71, "-" ,comentario.72, 
                               "-" ,comentario.73, "-" ,comentario.74, "-" ,comentario.75, "-" ,comentario.76, 
                               "-" ,comentario.77, "-" ,comentario.78, "-" ,comentario.79, "-" ,comentario.80, 
                               "-" ,comentario.81, "-" ,comentario.82, "-", comentario.83, "-", comentario.84,
                                "-",comentario.85,  "-", comentario.86, "-", comentario.87, "-",
                               comentario.88, "-", comentario.89)) %>% 
  mutate(etiquetas= str_replace_all(etiquetas,"NA", ""), 
         comentario = str_replace_all(comentarios,"NA", "")) %>%
  select(nombre, calificacion.1, etiquetas, comentario, Departamento.facultad.1, institucionLink.1) %>%
  mutate(calificacion.1 = ifelse(calificacion.1 > 10, 10, calificacion.1)) 

profes_limpios <- profes_limpios %>%
  mutate(letras_en_etiquetas = str_count(profes_limpios$etiquetas, pattern = "[a-z]"),
         letras_en_comentarios = str_count(profes_limpios$comentario, pattern = "[a-z]"), 
         letras_en_ambas_categorias = letras_en_etiquetas + letras_en_comentarios) %>%
  filter(letras_en_ambas_categorias > 5)

Clasificación de etiquetas

Se crean dos dataset, uno long y otro wide. Se agregan datos importantes, utilizando diccionarios.

profes_limpios <- profes_limpios %>% inner_join(instituciones_limpias) %>% filter(niveleducativo != "BASURA")

#Se aplica el léxico y se crea un dataset en formato long, centrado en etiquetas
profes_etiquetas_long <- profes_limpios %>% unnest_tokens(word, etiquetas, to_lower = TRUE) %>% inner_join(lexico_de_etiquetas) 

# Se crea un dataset en formato wide, que contenga la proporción de etiquetas pedagógicas/personales/generales/institucionales, positivas/negativas/ambivalentes y técnicas/blandas/amplias/NC

#Ámbito
profes_etiquetas_wide2 <- profes_limpios %>% unnest_tokens(word, etiquetas, to_lower = TRUE) %>% inner_join(lexico_de_etiquetas) %>%  
  group_by(nombre) %>% 
  count(ambito, nombre, calificacion.1, comentario, institucion, letras_en_etiquetas, letras_en_comentarios, letras_en_ambas_categorias, niveleducativo, area) %>% 
  spread(ambito, n) %>% 
  mutate(Pedagógico = ifelse(is.na(Pedagógico), 0, Pedagógico), 
         Personal = ifelse(is.na(Personal), 0, Personal), 
         Institucional = ifelse(is.na(Institucional), 0, Institucional), 
         General = ifelse(is.na(General), 0, General)) %>% 
  mutate(etiquetas_escritas = sum(Pedagógico, Personal, Institucional, General), Pedagógico = Pedagógico/etiquetas_escritas, Personal = Personal/etiquetas_escritas, Institucional = Institucional/etiquetas_escritas) 

#Valencias

profes_etiquetas_wide3 <-  profes_limpios %>% unnest_tokens(word, etiquetas, to_lower = TRUE) %>% inner_join(lexico_de_etiquetas) %>% 
  group_by(nombre) %>% 
  count(valencia, nombre, calificacion.1, comentario, institucion, letras_en_etiquetas, letras_en_comentarios, letras_en_ambas_categorias, niveleducativo, area) %>% 
  spread(valencia, n) %>% 
  mutate(negativa = ifelse(is.na(negativa), 0, negativa), 
         ambivalente = ifelse(is.na(ambivalente), 0, ambivalente), 
         positiva = ifelse(is.na(positiva), 0, positiva)) %>%
  mutate(valencias_escritas = sum(negativa, ambivalente, positiva), positiva = positiva/valencias_escritas, negativa = negativa/valencias_escritas, ambivalente = ambivalente/valencias_escritas) %>% select(nombre, negativa, ambivalente, positiva)

#Habilidad
profes_etiquetas_wide4 <- profes_limpios %>% unnest_tokens(word, etiquetas, to_lower = TRUE) %>% inner_join(lexico_de_etiquetas) %>%  
  group_by(nombre) %>% 
  count(habilidad, nombre, calificacion.1, comentario, institucion, letras_en_etiquetas, letras_en_comentarios, letras_en_ambas_categorias, niveleducativo, area) %>% 
  spread(habilidad, n) %>% 
  mutate(técnica_negativa = ifelse(is.na(técnica_negativa), 0, técnica_negativa), 
         blanda_negativa = ifelse(is.na(blanda_negativa), 0, blanda_negativa), 
         técnica_positiva = ifelse(is.na(técnica_positiva), 0, técnica_positiva), 
         blanda_positiva = ifelse(is.na(blanda_positiva), 0, blanda_positiva), 
         NC = ifelse(is.na(NC), 0, NC)) %>% 
  mutate(etiquetas_escritas = sum(técnica_negativa, blanda_negativa, técnica_positiva, blanda_positiva, NC), 
         técnica_negativa = técnica_negativa/etiquetas_escritas, 
         blanda_negativa = blanda_negativa/etiquetas_escritas, 
         técnica_positiva = técnica_positiva/etiquetas_escritas, 
         blanda_positiva = blanda_positiva/etiquetas_escritas, 
         NC = NC/etiquetas_escritas) %>% 
  select(nombre, técnica_negativa, blanda_negativa, técnica_positiva, blanda_positiva, NC)

#Se combinan
profes_etiquetados_limpios <- profes_etiquetas_wide2 %>% inner_join(profes_etiquetas_wide3) %>% inner_join(profes_etiquetas_wide4) %>% ungroup() %>% drop_na(blanda_negativa)

Exploración y manejo de n-gramas en comentarios

Se preparan los comentarios para trabajar con unigramas sin perdida de mucho contenido semántico. Se exploran n-gramas y se transforman los más comunes en unigramas eliminando los espacios entre palabras.

#Se exploran bigramas y manualmente se transforman los más comunes con significado en unigramas. Se presenta el código de la exploración en aras de la transparencia.

#¿cuáles son los bigramas más comunes?
#bigramas <- profes_limpios %>% 
 # unnest_tokens(bigram, comentario, token = "ngrams", n = 2) %>% 
#  separate(bigram, c("word1", "word2"), sep = " ") %>%
  #count(word1, word2, nombre, sort = TRUE) %>% filter(word1 == "poco") %>%
 #  unite(word, word1, word2, sep = " ") %>% count(word) %>% arrange(desc(n))
#view(bigramas)

#¿cuáles son los trigramas más comunes?
#trigramas <- profes_limpios %>% 
 # unnest_tokens(trigram, comentario, token = "ngrams", n = 3) %>% 
#  separate(trigram, c("word1", "word2", "word3"), sep = " ") %>% 
#  count(word1, word2, word3, nombre, sort = TRUE) %>% filter(word1 == "no", word2 == "sabe")) %>% 
#   unite(word, word1, word2, word3, sep = " ") %>% count(word) %>% arrange(desc(n))
#view(trigramas)

#¿Cuáles son los cuatrigramas más comunes?
#cuatrigramas <- profes_limpios %>%
 # unnest_tokens(cuatrigram, comentario, token = "ngrams", n = 4) %>%
#  separate(cuatrigram, c("word1", "word2", "word3", "word4"), sep = " ") %>%
#  count(word1, word2, word3, word4, nombre, sort = TRUE) %>% 
#   unite(word, word1, word2, word3, word4, sep = " ") %>% count(word) %>% arrange(desc(n)) 

#basados en los n-gramas más comunes se crean algunos unigramas para facilitar el análisis como unigrama sin perder gran cosa (código muy poco elegante pero que funciona)
profes_limpios <- profes_limpios %>% mutate(comentario = str_replace_all(comentario, "muy buena", "muybuena")) %>%
  mutate(comentario = str_replace_all(comentario, "sabe poco", "sabepoco") ) %>%
  mutate(comentario = str_replace_all(comentario, "no explica", "noexplica") ) %>%
  mutate(comentario = str_replace_all(comentario, "no enseña", "noenseña") ) %>%
  mutate(comentario = str_replace_all(comentario, "no ayuda", "noayuda") ) %>%
  mutate(comentario = str_replace_all(comentario, "no entiendo", "noentiendo") ) %>%
  mutate(comentario = str_replace_all(comentario, "no se entiende", "noseentiende") ) %>%
  mutate(comentario = str_replace_all(comentario, "no seleentiende", "noseentiende") ) %>%
  mutate(comentario = str_replace_all(comentario, "no entendes", "noentendes") ) %>%
  mutate(comentario = str_replace_all(comentario, "no aprendes", "noaprendes") ) %>%
  mutate(comentario = str_replace_all(comentario, "no brinda", "nobrinda") ) %>%
  mutate(comentario = str_replace_all(comentario, "no respeta", "norespeta") ) %>%
  mutate(comentario = str_replace_all(comentario, "no corrige", "nocorrige") ) %>%
  mutate(comentario = str_replace_all(comentario, "no responde", "noresponde") ) %>%
  mutate(comentario = str_replace_all(comentario, "no recomendable", "norecomendable") ) %>%
  mutate(comentario = str_replace_all(comentario, "no aprendí", "noaprendí") ) %>%
  mutate(comentario = str_replace_all(comentario, "no acepta", "noacepta") ) %>%
  mutate(comentario = str_replace_all(comentario, "no aporta", "noaporta") ) %>%
  mutate(comentario = str_replace_all(comentario, "no prepara las clases", "nopreparalasclases") ) %>%
  mutate(comentario = str_replace_all(comentario, "no entendés", "noentendés") ) %>%
  mutate(comentario = str_replace_all(comentario, "no falta", "nofalta") ) %>%
  mutate(comentario = str_replace_all(comentario, "no motiva", "nomotiva") ) %>%
  mutate(comentario = str_replace_all(comentario, "no cumple", "nocumple") ) %>%
  mutate(comentario = str_replace_all(comentario, "no explica con claridad", "noexplicaconclaridad") ) %>%
  mutate(comentario = str_replace_all(comentario, "no entiendes", "noentiendes") ) %>%
  mutate(comentario = str_replace_all(comentario, "no escucha", "noescucha") ) %>%
  mutate(comentario = str_replace_all(comentario, "nada recomendable", "nadarecomendable") ) %>%
  mutate(comentario = str_replace_all(comentario, "nada claro", "nadaclaro") ) %>%
  mutate(comentario = str_replace_all(comentario, "nada clara", "nadaclara") ) %>%
  mutate(comentario = str_replace_all(comentario, "poco clara", "pococlara") ) %>%
  mutate(comentario = str_replace_all(comentario, "poco claras", "pococlara") ) %>%  
  mutate(comentario = str_replace_all(comentario, "poco claro", "pococlaro") ) %>%
  mutate(comentario = str_replace_all(comentario, "poco profesional", "pocoprofesional") ) %>%
    mutate(comentario = str_replace_all(comentario, "poco contenido", "pococontenido") ) %>%  
  mutate(comentario = str_replace_all(comentario, "poco compromiso", "pococompromiso") ) %>%
    mutate(comentario = str_replace_all(comentario, "poco comprensible", "pococomprensible") ) %>%
  mutate(comentario = str_replace_all(comentario, "sabe algo", "sabealgo") ) %>%
  mutate(comentario = str_replace_all(comentario, "sabe menos", "sabemenos") ) %>%
  mutate(comentario = str_replace_all(comentario, "excelente docente", "excelentedocente") ) %>%
  mutate(comentario = str_replace_all(comentario, "sabe vincularse", "sabevincularse") ) %>%
  mutate(comentario = str_replace_all(comentario, "no sabevincularse", "nosabevincularse") ) %>%
  mutate(comentario = str_replace_all(comentario, "muy buen", "muybuen") ) %>%
  mutate(comentario =   str_replace_all(comentario, "excelente profesor", "excelenteprofesor") ) %>%
  mutate(comentario =   str_replace_all(comentario, "sabe pero", "sabepero") ) %>%
  mutate(comentario = str_replace_all(comentario, "buena docente", "buenadocente") ) %>%
  mutate(comentario = str_replace_all(comentario, "buen docente", "buendocente") ) %>%
  mutate(comentario =  str_replace_all(comentario, "buena profesora", "buenaprofesora") ) %>%
  mutate(comentario =str_replace_all(comentario, "excelente profesora", "excelenteprofesora") ) %>% 
  mutate(comentario = str_replace_all(comentario, "sabe mucho", "sabemucho") ) %>% 
    mutate(comentario = str_replace_all(comentario, "no sabe", "nosabe") ) %>% 
  mutate(comentario = str_replace_all(comentario, "sabe nada", "sabenada") ) %>% 
  mutate(comentario =str_replace_all(comentario, "se preocupa", "sepreocupa") ) %>%
  mutate(comentario = str_replace_all(comentario, "buena persona", "buenapersona") ) %>%
  mutate(comentario =str_replace_all(comentario, "mala persona", "malapersona") ) %>%
  mutate(comentario =str_replace_all(comentario, "explica bien", "explicabien") ) %>% 
  mutate(comentario =str_replace_all(comentario, "buena onda", "buenaonda") ) %>%
  mutate(comentario =str_replace_all(comentario, "excelente persona", "excelentepersona") ) %>%
  mutate(comentario =str_replace_all(comentario, "buena gente", "buenagente") ) %>% 
  mutate(comentario =str_replace_all(comentario, "sabe muchísimo", "sabemuchísimo") ) %>% 
  mutate(comentario =str_replace_all(comentario, "siempre dispuesto", "siempredispuesto") ) %>% 
  mutate(comentario =str_replace_all(comentario, "excelente profe", "excelenteprofe") ) %>%
  mutate(comentario =str_replace_all(comentario, "mala docente", "maladocente") ) %>% 
  mutate(comentario =str_replace_all(comentario, "no recomiendo", "norecomiendo") ) %>%
  mutate(comentario =str_replace_all(comentario, "no lo recomiendo", "nolorecomiendo") ) %>% 
  mutate(comentario =  str_replace_all(comentario, "sabe explicar", "sabeexplicar") ) %>% 
  mutate(comentario =  str_replace_all(comentario, "pro estudiante", "proestudiante") ) %>% 
  mutate(comentario = str_replace_all(comentario, "llega tarde", "llegatarde")) %>% 
  mutate(comentario = str_replace_all(comentario, "explica muy bien", "explicabien")) %>% 
  mutate(comentario = str_replace_all(comentario, "por las ramas", "porlasramas")) %>% 
  mutate(comentario = str_replace_all(comentario, "se le entiende", "seleentiende")) %>% 
  mutate(comentario = str_replace_all(comentario, "no se le entiende", "noseleentiende"))%>% 
  mutate(comentario = str_replace_all(comentario, "clases son claras", "clasesclaras")) %>% 
  mutate(comentario = str_replace_all(comentario, "es muy exigente", "muyexigente")) %>% 
  mutate(comentario = str_replace_all(comentario, "explica con claridad", "explicaconclaridad")) %>% 
  mutate(comentario = str_replace_all(comentario, "se aprende mucho", "se aprende mucho")) %>% 
  mutate(comentario = str_replace_all(comentario, "se burla", "seburla")) %>% 
  mutate(comentario = str_replace_all(comentario, "prepara las clases", "preparalasclases")) %>% 
  mutate(comentario = str_replace_all(comentario, "no prepara las clases", "nopreparalasclases")) %>% 
  mutate(comentario = str_replace_all(comentario, "clara al explicar", "claraalexplicar"))%>% 
  mutate(comentario = str_replace_all(comentario, "claro al explicar", "claroalexplicar")) %>% 
  mutate(comentario = str_replace_all(comentario, "explica muy claro", "explicamuyclaro")) %>% 
  mutate(comentario = str_replace_all(comentario, "enseñamuybien", "enseñamuybien"))%>% 
  mutate(comentario = str_replace_all(comentario, "parciales son accesibles", "parcialesaccesibles")) %>% 
  mutate(comentario = str_replace_all(comentario, "clases son muy claras", "clasesclaras")) %>% 
  mutate(comentario = str_replace_all(comentario, "responde todas las dudas", "respondelasdudas")) %>% 
  mutate(comentario = str_replace_all(comentario, "falta de respeto", "faltaderespeto")) %>% 
  mutate(comentario = str_replace_all(comentario, "se toma el tiempo", "setomatiempo"))%>% 
  mutate(comentario = str_replace_all(comentario, "falta el respeto", "faltaelrespeto")) %>% 
  mutate(comentario = str_replace_all(comentario, "hablando de su vida", "hablandodesuvida")) %>% 
  mutate(comentario = str_replace_all(comentario, "sus clases son dinámicas", "clasesdinamicas")) %>% 
  mutate(comentario = str_replace_all(comentario, "sus clases son entretenidas", "clasesentretenidas")) %>% 
  mutate(comentario = str_replace_all(comentario, "clases son muy aburridas", "clasesaburridas")) %>% 
  mutate(comentario = str_replace_all(comentario, "clases son muy dinámicas", "clasesdinamicas")) %>% 
  mutate(comentario = str_replace_all(comentario, "clases son muy interesantes", "clasesinteresantes")) %>% 
  mutate(comentario = str_replace_all(comentario, "comentarios fuera de lugar", "comentariosfueradelugar")) %>% 
  mutate(comentario = str_replace_all(comentario, "explica de forma clara", "explicadeformaclara")) %>% 
  mutate(comentario = str_replace_all(comentario, "justa con las notas", "justaconlasnotas")) %>% 
  mutate(comentario = str_replace_all(comentario, "justo con las notas", "justoconlasnotas")) %>% 
  mutate(comentario = str_replace_all(comentario, "no es justa con las notas", "injustaconlasnotas")) %>% 
  mutate(comentario = str_replace_all(comentario, "no es justo con las notas", "injustoconlasnotas"))

Creación del diccionario de comentarios

Para trabajar con los comentarios, se hace necesario clasificar las palabras. Para ello, se exploran las frecuencias de términos y se crea un diccionario de comentarios. Se clasifican las palabras con frecuencia >5 según el tipo de habilidad (hard, soft) y según su valencia (positiva, negativa y ambivalente); también se incluyen calificadores positivos y negativos (palabras que se refieren a la calidad de la/el docente en general). Se calculan las proporciones de cada grupo de comentarios para cada grupo.

#Versión con todos los datos
profes_comentados_y_etiquetados <- profes_etiquetados_limpios %>% unnest_tokens(word, comentario, to_lower = TRUE) %>% 
inner_join(diccionario_de_comentarios) %>%  
  group_by(nombre) %>% 
  count(habilidad_y_valencia, 
        nombre, 
        calificacion.1, 
        institucion,  
        letras_en_comentarios,  
        niveleducativo, 
        area,
       técnica_positiva,
       técnica_negativa,
       blanda_positiva,
       blanda_negativa) %>% 
  spread(habilidad_y_valencia, n)  %>%
  mutate(calificador_negativa = ifelse(is.na(calificador_negativa), 0, calificador_negativa),
         calificador_positiva = ifelse(is.na(calificador_positiva), 0, calificador_positiva),
         comentario_hard_ambivalente = ifelse(is.na(comentario_hard_ambivalente), 0, comentario_hard_ambivalente),
         comentario_hard_negativa = ifelse(is.na(comentario_hard_negativa), 0, comentario_hard_negativa),
         comentario_hard_positiva = ifelse(is.na(comentario_hard_positiva), 0, comentario_hard_positiva),
         comentario_soft_ambivalente = ifelse(is.na(comentario_soft_ambivalente), 0, comentario_soft_ambivalente),
         comentario_soft_positiva = ifelse(is.na(comentario_soft_positiva), 0, comentario_soft_positiva),
        comentario_soft_negativa = ifelse(is.na(comentario_soft_negativa), 0, comentario_soft_negativa)) %>%
  mutate(habilidades_escritas_en_comentarios = sum(calificador_negativa,
                                                  calificador_positiva,
                                                   comentario_hard_ambivalente,
                                                   comentario_hard_positiva,
                                                   comentario_hard_negativa,
                                                  comentario_soft_ambivalente,
                                                  comentario_soft_positiva,
                                                  comentario_soft_negativa),
         calificador_positivo_prop = calificador_positiva/habilidades_escritas_en_comentarios,
         calificador_negativo_prop = calificador_negativa/habilidades_escritas_en_comentarios,
         hard_ambivalente_prop= comentario_hard_ambivalente/habilidades_escritas_en_comentarios,
        hard_positiva_prop= comentario_hard_positiva/habilidades_escritas_en_comentarios,
        hard_negativa_prop= comentario_hard_negativa/habilidades_escritas_en_comentarios,
        soft_ambivalente_prop= comentario_soft_ambivalente/habilidades_escritas_en_comentarios,
        soft_positiva_prop= comentario_soft_positiva/habilidades_escritas_en_comentarios,
        soft_negativa_prop= comentario_soft_negativa/habilidades_escritas_en_comentarios
        )

#Versión para análisis posteriores
profes_comentados_y_etiquetados_limpio <- profes_comentados_y_etiquetados %>% 
                                    mutate(calificación = calificacion.1) %>% 
                                    select(nombre, 
                                           area,habilidades_escritas_en_comentarios, 
                                           niveleducativo, 
                                           calificación, 
                                           técnica_positiva, 
                                           técnica_negativa, 
                                           blanda_positiva, 
                                           blanda_negativa, 
                                           calificador_positivo_prop, 
                                           calificador_negativo_prop, 
                                           hard_ambivalente_prop,
                                          hard_positiva_prop,
                                          hard_negativa_prop,
                                          soft_ambivalente_prop,
                                          soft_positiva_prop,
                                          soft_negativa_prop) %>% ungroup() %>% rename(tec_pos = técnica_positiva, 
                                                  tec_neg = técnica_negativa, 
                                                  blan_pos = blanda_positiva,
                                                 blan_neg = blanda_negativa,
                                                 cali_pos = calificador_positivo_prop, 
                                           cali_neg = calificador_negativo_prop, 
                                           hard_amb = hard_ambivalente_prop,
                                          hard_pos = hard_positiva_prop,
                                          hard_neg = hard_negativa_prop,
                                          soft_amb = soft_ambivalente_prop,
                                          soft_pos = soft_positiva_prop,
                                          soft_neg = soft_negativa_prop)

Datos preparados

Síntesis

Después de este procesamiento, disponemos de cinco datasets ligeramente diferentes y útiles para distintos análisis:

  1. profes_etiquetas_long: una versión en formato long, ideal para trabajar con las etiquetas a nivel cualitativo y cuantitativo. n=3744 sujetos con etiquetas.

  2. profes_etiquetados_limpios: una versión en formato wide con los porcentajes de etiquetas por sujeto. Se eliminan sujetos con información incompleta. n=3685

  3. profes_comentados_y_etiquetados: una versión wide, centrada en los sujetos, restringida a docentes con comentarios y etiquetas, con cálculo de la proporción de cada etiqueta/palabra. n= 3.062

  4. profes_comentados_y_etiquetados_limpio: una versión limpia, identica a la anterior pero incluyendo solo las variables que se utilizarán en análisis posteriores. n= 3.062

  5. profes_limpios: una versión formato wide sin proporciones de etiquetas, con todos los sujetos que tienen al menos una etiqueta o un comentario. n=4477

Ver profes_etiquetas_long

Versión centrada en las etiquetas. Ideal para análisis de frecuencias de etiquetas por área, institución, etc.

profes_etiquetas_long

Ver profes_etiquetados_limpios

Datos completos, con proporción de etiquetas. Incluye solo los 3685 profes con etiquetas

profes_etiquetados_limpios

Ver profes_etiquetados_limpios

Una versión en formato wide con los porcentajes de etiquetas por sujeto. Se eliminan sujetos con información incompleta. n=3685

profes_comentados_y_etiquetados

Ver profes_comentados_y_etiquetados_limpio

profes_comentados_y_etiquetados_limpio

Ver profes_limpios

Versión centrada en los sujetos, con todos los datos,incluyendo los comentarios. Útil para análisis posteriores y eventualmente seguir analizando y despejando variables.

profes_limpios

3. Preguntas de investigación

Pregunta 1

¿Hay diferencias en la proporción de cualidades blandas y técnicas adjudicadas (mediante etiquetas y comentarios) entre los distintos niveles de estudio (secundaria, universidad) y áreas de estudio (STEM, CCSS, etc.)?

Estadísticos descriptivos

Descriptivas 1: media y DS de calificación por área de conocimiento

profes_limpios %>% group_by(area) %>% summarize(media = mean(calificacion.1), ds = sd(calificacion.1)) %>% arrange(desc(media))

Descriptivas 2: media y DS de calificación por nivel educativo

profes_limpios %>% group_by(niveleducativo) %>% summarize(media = mean(calificacion.1), ds = sd(calificacion.1)) %>% arrange(desc(media))

Descriptivas 3: media y DS de habilidades por área de conocimiento

profes_etiquetados_limpios %>% filter(area != "NC") %>% group_by(area) %>% summarize(media_blanda_positiva = mean(blanda_positiva), 
            media_blanda_negativa = mean(blanda_negativa), 
            dsblanda_pos = sd(blanda_positiva), 
            dsblanda_neg = sd(blanda_negativa), 
            mediatecnica_pos = mean(técnica_positiva), 
            mediatecnica_neg = mean(técnica_negativa), 
            dstécnica_neg = sd(técnica_negativa), 
            dstécnica_pos = sd(técnica_positiva))

Descriptivas 2: media y DS de habilidades por nivel educativo

profes_etiquetados_limpios %>% filter(area != "NC", area != "Primaria") %>% group_by(niveleducativo) %>% summarize(media_blanda_positiva = mean(blanda_positiva), 
            media_blanda_negativa = mean(blanda_negativa), 
            dsblanda_pos = sd(blanda_positiva), 
            dsblanda_neg = sd(blanda_negativa), 
            mediatecnica_pos = mean(técnica_positiva), 
            mediatecnica_neg = mean(técnica_negativa), 
            dstécnica_neg = sd(técnica_negativa), 
            dstécnica_pos = sd(técnica_positiva))

Análisis de la varianza

Síntesis

Parece haber diferencias significativas:

  • En la calificación de los docentes, considerando ambas variables de agrupación.

  • En blandas positivas hay según área y nivel educativo.

  • En blandas negativas no hay diferencias significativas considerando el nivel educativo ni el área.

  • En técnicas positivas hay diferencia según área y nivel educativo.

  • En técnicas negativas hay diferencia según nivel educativo pero no según área.

ANOVA 1: Calificación por área

"Calificación por área"
## [1] "Calificación por área"
summary(aov(lm(filter(profes_limpios, area != "NC")$calificacion.1 ~ filter(profes_limpios, area != "NC")$area)))
##                                             Df Sum Sq Mean Sq F value Pr(>F)
## filter(profes_limpios, area != "NC")$area    5    488   97.54      19 <2e-16
## Residuals                                 3527  18110    5.13               
##                                              
## filter(profes_limpios, area != "NC")$area ***
## Residuals                                    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

ANOVA 2: “Calificación por nivel educativo”

"Calificación por nivel educativo"
## [1] "Calificación por nivel educativo"
summary(aov(lm(filter(profes_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$calificacion.1 ~ filter(profes_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo)))
##                                                                                               Df
## filter(profes_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo    3
## Residuals                                                                                   4463
##                                                                                             Sum Sq
## filter(profes_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo    252
## Residuals                                                                                    24866
##                                                                                             Mean Sq
## filter(profes_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo   83.87
## Residuals                                                                                      5.57
##                                                                                             F value
## filter(profes_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo   15.05
## Residuals                                                                                          
##                                                                                               Pr(>F)
## filter(profes_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo 9.54e-10
## Residuals                                                                                           
##                                                                                                
## filter(profes_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo ***
## Residuals                                                                                      
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Se realizan ANOVAs considerando la proporción de habilidades blandas y el área de estudio

ANOVA blandas negativas por área

#Blandas
#area: se filtran NC
"blandas negativas por área"
## [1] "blandas negativas por área"
summary(aov(lm(filter(profes_etiquetados_limpios, area != "NC")$blanda_negativa ~ filter(profes_etiquetados_limpios, area != "NC")$area)))
##                                                         Df Sum Sq  Mean Sq
## filter(profes_etiquetados_limpios, area != "NC")$area    5  0.013 0.002596
## Residuals                                             2890 22.403 0.007752
##                                                       F value Pr(>F)
## filter(profes_etiquetados_limpios, area != "NC")$area   0.335  0.892
## Residuals

ANOVA blandas positivas por área

"blandas positivas por área"
## [1] "blandas positivas por área"
summary(aov(lm(filter(profes_etiquetados_limpios, area != "NC")$blanda_positiva ~ filter(profes_etiquetados_limpios, area != "NC")$area)))
##                                                         Df Sum Sq Mean Sq
## filter(profes_etiquetados_limpios, area != "NC")$area    5   4.64  0.9287
## Residuals                                             2890 192.11  0.0665
##                                                       F value   Pr(>F)    
## filter(profes_etiquetados_limpios, area != "NC")$area   13.97 1.61e-13 ***
## Residuals                                                                 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

ANOVA blandas negativas por nivel

# nivel educativo: se filtran NC y Primaria
"blandas negativas por nivel"
## [1] "blandas negativas por nivel"
summary(aov(lm(filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$blanda_negativa ~ filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$area)))
##                                                                                                 Df
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$area    6
## Residuals                                                                                     3670
##                                                                                               Sum Sq
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$area  0.024
## Residuals                                                                                     31.337
##                                                                                                Mean Sq
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$area 0.004042
## Residuals                                                                                     0.008539
##                                                                                               F value
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$area   0.473
## Residuals                                                                                            
##                                                                                               Pr(>F)
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$area  0.829
## Residuals

ANOVA blandas positivas por nivel

"blandas positivas por nivel"
## [1] "blandas positivas por nivel"
summary(aov(lm(filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$blanda_positiva ~ filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo)))
##                                                                                                           Df
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo    3
## Residuals                                                                                               3673
##                                                                                                         Sum Sq
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo   0.98
## Residuals                                                                                               264.02
##                                                                                                         Mean Sq
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo  0.3250
## Residuals                                                                                                0.0719
##                                                                                                         F value
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo   4.521
## Residuals                                                                                                      
##                                                                                                         Pr(>F)
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo 0.0036
## Residuals                                                                                                     
##                                                                                                           
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo **
## Residuals                                                                                                 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Se realizan ANOVAs para las habilidades técnicas

ANOVA “técnicas negativas por nivel educativo”

#Técnicas
"técnicas negativas por nivel educativo"
## [1] "técnicas negativas por nivel educativo"
summary(aov(lm(filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$técnica_negativa ~ filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo)))
##                                                                                                           Df
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo    3
## Residuals                                                                                               3673
##                                                                                                         Sum Sq
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo    6.0
## Residuals                                                                                                324.3
##                                                                                                         Mean Sq
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo  2.0144
## Residuals                                                                                                0.0883
##                                                                                                         F value
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo   22.82
## Residuals                                                                                                      
##                                                                                                           Pr(>F)
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo 1.24e-14
## Residuals                                                                                                       
##                                                                                                            
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo ***
## Residuals                                                                                                  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

ANOVA “técnicas positivas por nivel educativo”

"técnicas positivas por nivel educativo"
## [1] "técnicas positivas por nivel educativo"
summary(aov(lm(filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$técnica_positiva ~ filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo)))
##                                                                                                           Df
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo    3
## Residuals                                                                                               3673
##                                                                                                         Sum Sq
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo   0.59
## Residuals                                                                                                90.91
##                                                                                                         Mean Sq
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo 0.19803
## Residuals                                                                                               0.02475
##                                                                                                         F value
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo   8.001
## Residuals                                                                                                      
##                                                                                                           Pr(>F)
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo 2.59e-05
## Residuals                                                                                                       
##                                                                                                            
## filter(profes_etiquetados_limpios, niveleducativo != "NC", niveleducativo != "Primaria")$niveleducativo ***
## Residuals                                                                                                  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

ANOVA “técnicas negativas por área”

"técnicas negativas por área"
## [1] "técnicas negativas por área"
summary(aov(lm(filter(profes_etiquetados_limpios, area != "NC")$técnica_negativa ~ filter(profes_etiquetados_limpios, area != "NC")$area)))
##                                                         Df Sum Sq Mean Sq
## filter(profes_etiquetados_limpios, area != "NC")$area    5   6.92  1.3838
## Residuals                                             2890 226.43  0.0783
##                                                       F value Pr(>F)    
## filter(profes_etiquetados_limpios, area != "NC")$area   17.66 <2e-16 ***
## Residuals                                                               
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

ANOVA “técnicas positivas por área”

"técnicas positivas por área"
## [1] "técnicas positivas por área"
summary(aov(lm(filter(profes_etiquetados_limpios, area != "NC")$técnica_positiva ~ filter(profes_etiquetados_limpios, area != "NC")$area)))
##                                                         Df Sum Sq Mean Sq
## filter(profes_etiquetados_limpios, area != "NC")$area    5   0.20 0.03940
## Residuals                                             2890  69.77 0.02414
##                                                       F value Pr(>F)
## filter(profes_etiquetados_limpios, area != "NC")$area   1.632  0.148
## Residuals

Pregunta 2

¿Qué relación hay entre las habilidades (evaluadas según la proporción de etiquetas) y la calificación general?

Correlaciones de etiquetas

Síntesis

¿En qué medida las habilidades técnicas y blandas (según etiquetas) correlacionan con la calificación general?

Existen correlaciones significativas. Ver gráfico 1 - La proporción de etiquetas blandas positivas correlaciona positivamente (r=45, p<0.001) con la calificación - La proporción de etiquetas técnicas positivas correlaciona positivamente (r=0.33, p<0.001) con la calificación - La proporción de etiquetas blandas negativas correlaciona negativamente (r=-0.19, p<0.001) con la calificación - La proporción de etiquetas técnicas negativas correlaciona negativamente (r=-0.55, p<0.001) con la calificación

Correlación blanda_positiva/calificación

#Se calculan las correlaciones con todos los sujetos
Valoresparacorrelacionar <- profes_etiquetados_limpios %>% select(blanda_negativa, blanda_positiva, técnica_negativa, técnica_positiva, calificacion.1) 

cor.test(profes_etiquetados_limpios$blanda_positiva, profes_etiquetados_limpios$calificacion.1)
## 
##  Pearson's product-moment correlation
## 
## data:  profes_etiquetados_limpios$blanda_positiva and profes_etiquetados_limpios$calificacion.1
## t = 30.95, df = 3683, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.4283087 0.4795688
## sample estimates:
##       cor 
## 0.4543147

Correlación blanda_negativa/calificación

cor.test(profes_etiquetados_limpios$blanda_negativa, profes_etiquetados_limpios$calificacion.1)
## 
##  Pearson's product-moment correlation
## 
## data:  profes_etiquetados_limpios$blanda_negativa and profes_etiquetados_limpios$calificacion.1
## t = -12.028, df = 3683, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  -0.2252859 -0.1631461
## sample estimates:
##       cor 
## -0.194411

Correlación técnica_positiva/calificación

cor.test(profes_etiquetados_limpios$técnica_positiva, profes_etiquetados_limpios$calificacion.1)
## 
##  Pearson's product-moment correlation
## 
## data:  profes_etiquetados_limpios$técnica_positiva and profes_etiquetados_limpios$calificacion.1
## t = 21.333, df = 3683, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.3025851 0.3600674
## sample estimates:
##      cor 
## 0.331634

Correlación técnica_negativa/calificación

cor.test(profes_etiquetados_limpios$técnica_negativa, profes_etiquetados_limpios$calificacion.1)
## 
##  Pearson's product-moment correlation
## 
## data:  profes_etiquetados_limpios$técnica_negativa and profes_etiquetados_limpios$calificacion.1
## t = -40.405, df = 3683, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  -0.5761672 -0.5314083
## sample estimates:
##        cor 
## -0.5541882

Correlograma

#se realiza un correlograma
matrizdecorrelacionprofes <- Valoresparacorrelacionar %>% drop_na() %>% cor() %>% data.frame() 

p.matprofes <- cor_pmat(Valoresparacorrelacionar)

ggcorrplot(matrizdecorrelacionprofes, p.mat = p.matprofes, type = "upper", outline.col = "white", lab = TRUE, color = ) +
  ggtitle("Relación entre variables") +
    labs(y="", x="") +
  theme_classic() +
  theme(legend.position="none")

Correlaciones con comentarios y etiquetas

Síntesis

¿En qué medida las habilidades técnicas/blandas (según comentarios) correlacionan con la calificación general, calificadores y habilidades según etiquetas?

Para ver las correlaciones, se filtran aquellos sujetos que tienen menos de 7 habilidades en su comentario (siendo 7 la mediana), ya que la medida está basada en la proporción y es más confiable si hay mayor cantidad de palabras.

La calificación general correlaciona: - positivamente con Soft Skills positivas en comentarios (r= 0.35) y etiquetas (r= 0.47) - negativamente con SS negativas en comentarios (r= -0.41) y etiquetas (r= -0.19) - positivamente con Hard Skills positivas en etiquetas (0.37) pero no en comentarios. - negativamente con HS negativas en comentarios (r= -0.08) y etiquetas (r= 0.55)

Dado el comportmaiento de las hard_amb, se considera necesario reformular la categorización, entendiendo que muchas de esas palabras ambivalentes tienen -en este contexto- valencia negativa.

Correlograma

correlacionartodo <- profes_comentados_y_etiquetados_limpio %>% filter(habilidades_escritas_en_comentarios >= 7) %>% 
                                                                select(calificación, 
                                                                       tec_pos, 
                                                                       tec_neg, 
                                                                       blan_pos ,
                                                                       blan_neg,
                                                                       cali_pos, 
                                                                       cali_neg, 
                                                                       hard_amb,
                                                                        hard_pos,
                                                                        hard_neg,
                                                                        soft_amb,
                                                                        soft_pos,
                                                                        soft_neg)

matrizdecorrelacionprofestotales <- correlacionartodo %>% cor() %>% data.frame() 

p.matprofestotales <- cor_pmat(correlacionartodo)

ggcorrplot(matrizdecorrelacionprofestotales, p.mat = p.matprofestotales, type = "upper", outline.col = "white", lab = TRUE, color = ) +
  ggtitle("Relación entre variables") +
    labs(y="", x="") +
  theme_classic() +
  theme(legend.position="none")

Pregunta 3

¿Cuáles son las principales cualidades adjudicadas (mediante etiquetas y comentarios) a los docentes con calificaciones de cuartil 1 y 4?

Palabras frecuentes en comentarios

Preparación

#quantile(habilidades_frecuentes_en_comentarios$calificacion.1)

habilidades_frecuentes_en_comentarios <- profes_limpios %>% unnest_tokens(word, comentario, to_lower = TRUE) %>% 
                                                            inner_join(diccionario_de_comentarios) %>% 
  mutate(habilidad_y_valencia =str_replace_all(habilidad_y_valencia, "calificador_negativa", "Calificador negativo") ) %>%
  mutate(habilidad_y_valencia =str_replace_all(habilidad_y_valencia, "calificador_positiva", "Calificador positivo") ) %>%
  mutate(habilidad_y_valencia =str_replace_all(habilidad_y_valencia, "comentario_hard_ambivalente", "Hard Skill ambivalente") ) %>%
  mutate(habilidad_y_valencia =str_replace_all(habilidad_y_valencia, "comentario_hard_negativa", "Hard Skill negativa") )  %>%
  mutate(habilidad_y_valencia =str_replace_all(habilidad_y_valencia, "comentario_hard_positiva", "Hard Skill positiva") ) %>%
  mutate(habilidad_y_valencia =str_replace_all(habilidad_y_valencia, "comentario_soft_ambivalente", "Soft Skill ambivalente") ) %>%
  mutate(habilidad_y_valencia =str_replace_all(habilidad_y_valencia, "comentario_soft_negativa", "Soft Skill negativa") )  %>%
  mutate(habilidad_y_valencia =str_replace_all(habilidad_y_valencia, "comentario_soft_positiva", "Soft Skill positiva") ) 

habilidades_de_todo_tipo <- c("Soft Skill positiva", "Soft Skill negativa", "Soft Skill ambivalente", "Hard Skill positiva", "Hard Skill negativa", "Hard Skill ambivalente")

habilidades_polarizadas <- c("Soft Skill positiva", "Soft Skill negativa", "Hard Skill positiva", "Hard Skill negativa")

calificadores_de_todo_tipo <- c("Calificador negativo", "Calificador positivo")

Palabras comunes referentes a habilidades en docentes de puntuación baja (Q1)

#vemos las palabras más comunes
habilidades_frecuentes_en_comentarios %>%  
  filter(calificacion.1 <= 5.3, habilidad_y_valencia %in% habilidades_de_todo_tipo) %>% 
  count(word, habilidad_y_valencia) %>% arrange(desc(n)) %>%
  head(30) %>% 
  ggplot(aes(reorder(word, n),n, fill = habilidad_y_valencia)) + geom_col() + theme_classic()+ coord_flip()

Palabras comunes referentes a habilidades en docentes de puntuación alta (Q4)

habilidades_frecuentes_en_comentarios %>%  
  filter(calificacion.1 >= 8.7, habilidad_y_valencia %in% habilidades_de_todo_tipo) %>% 
  count(word, habilidad_y_valencia) %>% arrange(desc(n)) %>%
  head(30) %>% 
  ggplot(aes(reorder(word, n),n, fill = habilidad_y_valencia)) + geom_col() + theme_classic()+ coord_flip()

Palabras calificadoras comunes en docentes de puntuación baja (Q1)

habilidades_frecuentes_en_comentarios %>%  
  filter(calificacion.1 <= 5.3, habilidad_y_valencia %in% calificadores_de_todo_tipo) %>% 
  count(word, habilidad_y_valencia) %>% arrange(desc(n)) %>%
  head(30) %>% 
  ggplot(aes(reorder(word, n),n, fill = habilidad_y_valencia)) + geom_col() + theme_classic()+ coord_flip()

Palabras calificadoras comunes en docentes de puntuación alta (Q4)

habilidades_frecuentes_en_comentarios %>%  
  filter(calificacion.1 >= 8.7, habilidad_y_valencia %in% calificadores_de_todo_tipo) %>% 
  count(word, habilidad_y_valencia) %>% arrange(desc(n)) %>%
  head(30) %>% 
  ggplot(aes(reorder(word, n),n, fill = habilidad_y_valencia)) + geom_col() + theme_classic()+ coord_flip()

Palabras comunes referentes a habilidades excluyendo ambivalentes en docentes de puntuación baja (Q1)

habilidades_frecuentes_en_comentarios %>%  
  filter(calificacion.1 <= 5.3, habilidad_y_valencia %in% habilidades_polarizadas) %>% 
  count(word, habilidad_y_valencia) %>% arrange(desc(n)) %>%
  head(30) %>% 
  ggplot(aes(reorder(word, n),n, fill = habilidad_y_valencia)) + geom_col() + theme_classic()+ coord_flip()

Palabras comunes referentes a habilidades excluyendo ambivalentes en docentes de puntuación alta (Q4)

habilidades_frecuentes_en_comentarios %>%  
  filter(calificacion.1 >= 8.7, habilidad_y_valencia %in% habilidades_polarizadas) %>% 
  count(word, habilidad_y_valencia) %>% arrange(desc(n)) %>%
  head(30) %>% 
  ggplot(aes(reorder(word, n),n, fill = habilidad_y_valencia)) + geom_col() + theme_classic()+ coord_flip()