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
DOUTORADO EM DESENVOLVIMENTO E MEIO AMBIENTE

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(stringr)
library(DT)

setwd("G:/Drives compartilhados/ESTATISTICA/THE_IMPACT_2023")

# 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", "numeric"))
#View(carga_horaria_cursos_graduacao_ufersa)

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

# Abrir conjunto de dados dos alunos 2021.1
alunos2021.1 <- read_csv("./Discentes da Graduaçãp 2021-1.csv") 
alunos2021.1$pnaes %>% str_replace_all("NULL", NA_character_) -> alunos2021.1$pnaes

#View(alunos2021.1) 

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

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

# INNER JOIN
inner_join(alunos2021.1, carga_horaria_cursos_graduacao_ufersa, by="curso") %>% 
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2021.1

# 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, ])
}


Areas_THE <- alunos2021.1$Area %>% unique

# <2> Alunos matriculados apenas em 2021.1:
alunos2021.1 %>% arrange(., identificador) %>% 
  mutate(.,FTE_individual=carga_horaria_total/CH_media) %>% 
  FTE_Area(., Areas_THE) -> tabela_por_Area2021.1 

# pnaes 
alunos2021.1 %>% filter(., !is.na(pnaes)) %>% 
  arrange(., identificador) %>% 
  mutate(.,FTE_individual=carga_horaria_total/CH_media) -> pnaes_2021.1 

#pnaes_2021.1$FTE_individual %>% sum

# ingressantes 
alunos2021.1 %>% filter(., ano_ingresso == "2021") %>% 
  arrange(., identificador) %>% 
  mutate(.,FTE_individual=carga_horaria_total/CH_media) -> ingressantes_2021.1 

#ingressantes_2021.1$FTE_individual %>% sum

cbind(Area = tabela_por_Area2021.1$Area,  
        tabela_por_Area2021.1[ ,2:3]) -> tabela_final_grad_area

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

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

##          FTE Matriculados 
##     8158.977     9410.000

# FTE pnaes
pnaes_2021.1$FTE_individual %>% sum

## [1] 3777.421

# FTE ingressantes
ingressantes_2021.1$FTE_individual %>% sum

## [1] 1262.569

# FTE ingressantes por sexo

ingressantes_2021.1 %>% group_by(sexo) %>% summarise(FTE = sum(FTE_individual)) -> 
  FTE_ingressantes_por_sexo

FTE_ingressantes_por_sexo

## # A tibble: 2 x 2
##   sexo    FTE
##   <chr> <dbl>
## 1 F      574.
## 2 M      688.

FTE da graduação por sexo

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

# 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, ])
}


# <2> Alunos matriculados apenas em 2021.1:

alunos2021.1$sexo %>% unique -> sexos_THE

alunos2021.1 %>%  
  arrange(., identificador) %>% 
  mutate(.,FTE_individual=carga_horaria_total/CH_media) %>% 
  FTE_Sexo(., sexos_THE) -> tabela_por_Sexo2021.1 

# Total 

cbind(Sexo = tabela_por_Sexo2021.1$sexo,
      tabela_por_Sexo2021.1[ ,2:3]) -> tabela_final_grad_sexo


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

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

##          FTE Matriculados 
##     8158.977     9410.000

Graduação, Masculino por área:

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

# Abrir conjunto de dados dos alunos 2021.1
alunos2021.1 <- read_csv("./Discentes da Graduaçãp 2021-1.csv") %>% 
  tidyr::drop_na("carga_horaria_total")
#View(alunos2021.1) 
alunos2021.1 %>% filter(., sexo=="M") -> alunos2021.1

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

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


# INNER JOIN
inner_join(alunos2021.1, carga_horaria_cursos_graduacao_ufersa, by="curso") %>% 
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2021.1

# Dados destes alunos no semestre 1:
alunos2021.1 %>% arrange(., identificador) -> alunos_em_comum_1 

# 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, ])
}


# <2> Alunos matriculados apenas em 2021.1:
alunos2021.1 %>% 
  arrange(., identificador) %>% mutate(.,FTE_individual=carga_horaria_total/CH_media) %>% 
  FTE_Area(., Areas_THE) -> tabela_por_Area2021.1 

# Total 

cbind(Area = tabela_por_Area2021.1$Area, 
        tabela_por_Area2021.1[ ,2:3]) -> tabela_final_grad_area_M


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

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

##          FTE Matriculados 
##     4033.493     4794.000

Graduação, Feminino por área:

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

# Abrir conjunto de dados dos alunos 2021.1
alunos2021.1 <- read_csv("./Discentes da Graduaçãp 2021-1.csv") %>% 
  tidyr::drop_na("carga_horaria_total")
alunos2021.1 %>% filter(., sexo=="F") -> alunos2021.1
#View(alunos2021.1) 

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

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

# INNER JOIN
inner_join(alunos2021.1, carga_horaria_cursos_graduacao_ufersa, by="curso") %>% 
  inner_join(., dados_alunos_para_WUR_2016, by="curso") -> alunos2021.1

# 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, ])
}


# <2> Alunos matriculados apenas em 2021.1:
alunos2021.1 %>% 
  arrange(., identificador) %>% 
  mutate(.,FTE_individual=carga_horaria_total/CH_media) %>% 
  FTE_Area(., Areas_THE) -> tabela_por_Area2021.1 

# Total 

cbind(Area = tabela_por_Area2021.1$Area, 
        tabela_por_Area2021.1[ ,2:3]) -> tabela_final_grad_area_F


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

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

##          FTE Matriculados 
##     4125.483     4616.000

FTE Pós-graduação por sexo:

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

# Abrir conjunto de dados dos alunos 2020.1
alunos2020.1 <- read_excel("discentes_mest_dout_20211.xlsx")

# Abrir conjunto de dados dos alunos 2020.2
alunos2020.2 <- read_excel("discentes_mest_dout_20212.xlsx")

# Abrir áreas dos cursos
dados_alunos_para_WUR_2016 <- read_excel("cursos_pos_WUR_2021.xlsx", 
                                         col_types = c("text","text"),
                                         sheet = "2021")

# Conjunto dos alunos que estudaram o primeiro e segundo semestres:
alunos_em_comum = intersect(alunos2020.1$identificador, alunos2020.2$identificador)


# Dados destes alunos no semestre 1:
alunos2020.1 %>% filter(., alunos2020.1$identificador %in% alunos_em_comum) %>% 
  arrange(., identificador) -> alunos_em_comum_1 

# Dados destes alunos no semestre 2:
alunos2020.2 %>% filter(., alunos2020.2$identificador %in% alunos_em_comum) %>% 
  arrange(., identificador) -> alunos_em_comum_2

# Total de alunos nos dois semestres:

# Alunos somente em 2020.1
alunos_so_2020.1 = alunos2020.1 %>% 
  filter(., !(alunos2020.1$identificador %in% alunos_em_comum)) %>% arrange(., identificador)

# Alunos somente em 2020.2
alunos_so_2020.2 = alunos2020.2 %>% 
  filter(., !(alunos2020.2$identificador %in% alunos_em_comum)) %>% arrange(., identificador)

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

# Masculino
M2020.1 = (alunos_so_2020.1 %>% filter(., sexo=="M") %>% nrow)/2
# Feminino
F2020.1 = (alunos_so_2020.1 %>% filter(., sexo=="F") %>% nrow)/2

# Masculino
M2020.2 = (alunos_so_2020.2 %>% filter(., sexo=="M") %>% nrow)/2
# Feminino
F2020.2 = (alunos_so_2020.2 %>% filter(., sexo=="F") %>% nrow)/2

FTE_pos_sexo = data.frame(Masculino = M_comum + M2020.1 + M2020.2, Feminino = F_comum + F2020.1 + F2020.2) %>%
  mutate(Total = Masculino + Feminino)

DT::datatable(FTE_pos_sexo, rownames = FALSE)

FTE Pós-graduação por área:

# FTE pos por area --------------------------------------------------------

alunos_em_comum_total = data.frame(identificador = alunos2021.1$identificador,
                                   curso = alunos2021.1$curso,
                                   ano_ingresso = alunos2021.1$ano_ingresso,
                                   sexo = alunos2021.1$sexo,
                                   Area = alunos2021.1$Area,
                                   pnaes = alunos2021.1$pnaes)



# Adicionando a informação da área:

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


inner_join(alunos_so_2020.1, dados_alunos_para_WUR_2016, by="curso") -> alunos2020.1_com_area
alunos2020.1_com_area %>% count(Area) -> FTE_pos_area_2020.1
FTE_pos_area_2020.1$n = FTE_pos_area_2020.1$n/2 
#sum(FTE_pos_area_2020.1$n)

inner_join(alunos_so_2020.2, dados_alunos_para_WUR_2016, by="curso") -> alunos2020.2_com_area
alunos2020.2_com_area %>% count(Area) -> FTE_pos_area_2020.2
FTE_pos_area_2020.2$n = FTE_pos_area_2020.2$n/2 
#sum(FTE_pos_area_2020.2$n)


full_join(FTE_pos_area_comum, FTE_pos_area_2020.1, by="Area") %>% full_join(., FTE_pos_area_2020.2, by="Area") %>%
  mutate(FTE = rowSums(select(., n.x:n), na.rm=TRUE)) %>% as.data.frame() -> tabela_final

tabela_final[is.na(tabela_final)] <- 0 
tabela_final -> FTE_pos_area
 
colnames(FTE_pos_area) = c("Area", "2020.1-2020.2", "so_2020.1", "so2020.2", "FTE")
 
DT::datatable(FTE_pos_area)

sum(FTE_pos_area$FTE)

## [1] 529

PÓS-GRADUAÇÃO: Masculino por área

# Pos Masc por area -------------------------------------------------------

# Adicionando a informação da área:

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

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

inner_join(alunos_so_2020.1, dados_alunos_para_WUR_2016, by="curso") %>% 
  filter(., sexo=="M") -> alunos2020.1_com_area
alunos2020.1_com_area %>% count(Area) -> FTE_pos_area_2020.1
FTE_pos_area_2020.1$n = FTE_pos_area_2020.1$n/2 
#sum(FTE_pos_area_2020.1$n)

inner_join(alunos_so_2020.2, dados_alunos_para_WUR_2016, by="curso") %>% 
  filter(., sexo=="M") -> alunos2020.2_com_area
alunos2020.2_com_area %>% count(Area) -> FTE_pos_area_2020.2
FTE_pos_area_2020.2$n = FTE_pos_area_2020.2$n/2 
#sum(FTE_pos_area_2020.2$n)


full_join(FTE_pos_area_comum, FTE_pos_area_2020.1, by="Area") %>% full_join(., FTE_pos_area_2020.2, by="Area") %>%
  mutate(FTE = rowSums(select(., n.x:n), na.rm=TRUE)) -> tabela_final

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

colnames(FTE_pos_area_homens) = c("Area", "2020.1-2020.2", "so_2020.1", "so2020.2", "FTE")

DT::datatable(FTE_pos_area_homens)

sum(FTE_pos_area_homens$FTE)

## [1] 267.5

PÓS-GRADUAÇÃO: Feminino por área

# Pos fem por area --------------------------------------------------------

# Adicionando a informação da área:

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

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

inner_join(alunos_so_2020.1, dados_alunos_para_WUR_2016, by="curso") %>% 
  filter(., sexo=="F") -> alunos2020.1_com_area
alunos2020.1_com_area %>% count(Area) -> FTE_pos_area_2020.1
FTE_pos_area_2020.1$n = FTE_pos_area_2020.1$n/2 
#sum(FTE_pos_area_2020.1$n)

inner_join(alunos_so_2020.2, dados_alunos_para_WUR_2016, by="curso") %>% 
  filter(., sexo=="F") -> alunos2020.2_com_area
alunos2020.2_com_area %>% count(Area) -> FTE_pos_area_2020.2
FTE_pos_area_2020.2$n = FTE_pos_area_2020.2$n/2 
#sum(FTE_pos_area_2020.2$n)


full_join(FTE_pos_area_comum, FTE_pos_area_2020.1, by="Area") %>% full_join(., FTE_pos_area_2020.2, by="Area") %>%
  mutate(FTE = rowSums(select(., n.x:n), na.rm=TRUE)) -> tabela_final

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

colnames(FTE_pos_area_F) = c("Area", "2020.1-2020.2", "so_2020.1", "so2020.2", "FTE")

DT::datatable(FTE_pos_area_F)

sum(FTE_pos_area_F$FTE)

## [1] 261.5

FTE GERAL (graduação + pós) por área:

# FTE geral por area ------------------------------------------------------

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

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


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


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

sum(FTE_geral_area$FTE_Geral)

## [1] 8687.977

FTE pós por nível (mestrado e doutorado)

# FTE pos por nivel -------------------------------------------------------

# Mestrado
M_comum = alunos_em_comum_1 %>% filter(., !startsWith(curso, "DOUTORADO")) %>% nrow
# doutorado
D_comum = alunos_em_comum_1 %>% filter(., startsWith(curso, "DOUTORADO")) %>% nrow

# Mestrado
M2020.1 = (alunos_so_2020.1 %>% 
             filter(., !startsWith(curso, "DOUTORADO")) %>% nrow)/2 # só ficou metade do ano, conta como meio aluno equi
# doutorado
D2020.1 = (alunos_so_2020.1 %>% filter(., startsWith(curso, "DOUTORADO")) %>% nrow)/2

# mestrado
M2020.2 = (alunos_so_2020.2 %>% 
             filter(., !startsWith(curso, "DOUTORADO")) %>% nrow)/2
# doutorado
D2020.2 = (alunos_so_2020.2 %>% filter(., startsWith(curso, "DOUTORADO")) %>% nrow)/2

FTE_pos_nivel_pos = data.frame(Mestrado = M_comum + M2020.1 + M2020.2, Doutorado = D_comum + D2020.1 + D2020.2) %>%
  mutate(Total = Mestrado + Doutorado)

DT::datatable(FTE_pos_nivel_pos, rownames = FALSE)

FTE Mestrado por área

# Adicionando a informação da área:

inner_join(alunos_em_comum_1, dados_alunos_para_WUR_2016, by="curso") %>% 
  filter(., !startsWith(curso, "DOUTORADO")) -> alunos_em_comum_com_area

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

inner_join(alunos_so_2020.1, dados_alunos_para_WUR_2016, by="curso") %>% 
  filter(., !startsWith(curso, "DOUTORADO")) -> alunos2020.1_com_area
alunos2020.1_com_area %>% count(Area) -> FTE_pos_area_2020.1
FTE_pos_area_2020.1$n = FTE_pos_area_2020.1$n/2 
#sum(FTE_pos_area_2020.1$n)

inner_join(alunos_so_2020.2, dados_alunos_para_WUR_2016, by="curso") %>% 
  filter(., !startsWith(curso, "DOUTORADO")) -> alunos2020.2_com_area
alunos2020.2_com_area %>% count(Area) -> FTE_pos_area_2020.2
FTE_pos_area_2020.2$n = FTE_pos_area_2020.2$n/2 
#sum(FTE_pos_area_2020.2$n)


full_join(FTE_pos_area_comum, FTE_pos_area_2020.1, by="Area") %>% full_join(., FTE_pos_area_2020.2, by="Area") %>%
  mutate(FTE = rowSums(select(., n.x:n), na.rm=TRUE)) -> tabela_final

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

colnames(FTE_pos_area_M) = c("Area", "2020.1-2020.2", "so_2020.1", "so2020.2", "FTE")

DT::datatable(FTE_pos_area_M)

sum(FTE_pos_area_M$FTE)

## [1] 418.5

FTE doutorado por área

# FTE doutorado por area --------------------------------------------------

# Adicionando a informação da área:

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

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

inner_join(alunos_so_2020.1, dados_alunos_para_WUR_2016, by="curso") %>% 
  filter(., startsWith(curso, "DOUTORADO")) -> alunos2020.1_com_area
alunos2020.1_com_area %>% count(Area) -> FTE_pos_area_2020.1
FTE_pos_area_2020.1$n = FTE_pos_area_2020.1$n/2 
#sum(FTE_pos_area_2020.1$n)

inner_join(alunos_so_2020.2, dados_alunos_para_WUR_2016, by="curso") %>% 
  filter(., startsWith(curso, "DOUTORADO")) -> alunos2020.2_com_area
alunos2020.2_com_area %>% count(Area) -> FTE_pos_area_2020.2
FTE_pos_area_2020.2$n = FTE_pos_area_2020.2$n/2 
#sum(FTE_pos_area_2020.2$n)


full_join(FTE_pos_area_comum, FTE_pos_area_2020.1, by="Area") %>% full_join(., FTE_pos_area_2020.2, by="Area") %>%
  mutate(FTE = rowSums(select(., n.x:n), na.rm=TRUE)) -> tabela_final

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

colnames(FTE_pos_area_M) = c("Area", "2020.1-2020.2", "so_2020.1", "so2020.2", "FTE")

DT::datatable(FTE_pos_area_M)

sum(FTE_pos_area_M$FTE)

## [1] 110.5

FTE GERAL (graduação + pós) por sexo:

# FTE geral (graduacao + pos) por sexo

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

FTE geral: Masculino

# FTE geral masc ----------------------------------------------------------

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

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


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


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

sum(FTE_geral_area$FTE_Geral)

## [1] 4300.993

FTE geral: Feminino

# FTE geral fem -----------------------------------------------------------

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

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


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


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

sum(FTE_geral_area$FTE_Geral)

## [1] 4386.983

FTE da UFERSA - (graduação + pós)

# FTE da UFERSA (graduacao + pos) -----------------------------------------

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

## [1] 8687.977

Número de formados

Graduação

# Numero de formados ------------------------------------------------------

# graduacao
graduados <- read_excel("formados_GRAD.xlsx")
dim(graduados)

## [1] 582   5

pos_graduados <- read_excel("formados_POS.xlsx")
pos_graduados$curso <- gsub(",","",pos_graduados$curso)

dim(pos_graduados)

## [1] 95  6

# Graduacao ---------------------------------------------------------------

# 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")) 


dados_alunos_para_WUR_2016 %>% filter(., !startsWith(curso, "PÓS-GRADUAÇÃO")) %>%
  filter(., !startsWith(curso, "MESTRADO")) %>%
  filter(., !startsWith(curso, "RESIDÊNCIA")) %>%
  filter(., !startsWith(curso, "ESPECIALIZAÇÃO")) -> graduacoes

left_join(graduados, graduacoes, by="curso") -> formados_grad

# todos os que estavam como NA na area eram de BCT:
#formados_grad %>% filter(., is.na(Area)) #%>% View
#formados_grad %>% tidyr::replace_na(list(Area="Engenharia e Tecnologia")) -> formados_grad

formados_grad %>% group_by(Area) %>% summarise(n = n()) -> qt.graduados

DT::datatable(qt.graduados, rownames = FALSE)

Mestrado

# MESTRADO ----------------------------------------------------------------
pos_cursos <- read_excel("./cursos_pos_WUR_2021.xlsx", col_types = c("text","text"))

pos_graduados %>% filter(startsWith(curso, "MESTRADO")) -> formados_mestrado

left_join(formados_mestrado, pos_cursos, by="curso") -> formados_mestrado

# eliminando os sem area (sao do doutorado)
formados_mestrado[complete.cases(formados_mestrado$Area),] -> formados_mestrado

# todos os que estavam como NA na area eram de BCT:

formados_mestrado %>% group_by(Area) %>% summarise(n = n()) -> qt.mestres

DT::datatable(qt.mestres, rownames = FALSE)

Doutorado

# Doutorado ---------------------------------------------------------------

pos_graduados %>% filter(startsWith(curso, "DOUTORADO")) -> formados_doutorado

left_join(formados_doutorado, pos_cursos, by="curso") -> formados_doutorado

formados_doutorado %>% group_by(Area) %>% summarise(n = n()) -> qt.doutores

DT::datatable(qt.doutores, rownames = FALSE)

Full Time Student por Área - Ufersa - THE Rankings 2023

Kássio Camelo Ferreira da Silva

27/07/2021

Cursos por área

Artes e Humanidades

Ciências da Vida

Ciências Físicas

Ciências Sociais

Clínicas

Direito

Educação

Empresas e Economia

Engenharia e Tecnologia

Informática

FTE da graduação por área:

FTE da graduação por sexo

Graduação, Masculino por área:

Graduação, Feminino por área:

FTE Pós-graduação por sexo:

FTE Pós-graduação por área:

PÓS-GRADUAÇÃO: Masculino por área

PÓS-GRADUAÇÃO: Feminino por área

FTE GERAL (graduação + pós) por área:

FTE pós por nível (mestrado e doutorado)

FTE Mestrado por área

FTE doutorado por área

FTE GERAL (graduação + pós) por sexo:

FTE geral: Masculino

FTE geral: Feminino

FTE da UFERSA - (graduação + pós)

Número de formados

Graduação

Mestrado

Doutorado