¿Cómo organizar el flujo de trabajo?

A. ad-hoc (menos reproducible)

• cada investigador define numero de archivos, nombres, carpetas y organización

• explicar al resto cómo se organiza

• documentar en un archivo cómo se organiza

--> reproducibilidad y transparencia LIMITADA

¿Cómo organizar el flujo de trabajo?

B. Protocolo de trabajo reproducible

• estructura de carpetas y archivos interconectados que refieren a reglas conocidas

• autocontenido: toda la información necesaria para la reproducibilidad se encuentra en la carpeta raíz o directorio de trabajo.

Protocolos reproducibles

Ejemplo protocolo reproducible: TIER

Protocolo IPO

Protocolo IPO - Estructura de archivos y carpetas

Protocolo IPO - Estructura de archivos y carpetas

Protocolo IPO en contexto R/RMarkdown

• RMarkdown tiene una lógica en sí reproducible, y puede simplificar el uso de protocolos.

• Si todo el procesamiento se hace en el mismo documento paper.Rmd, entonces basta con la carpeta input de IPO.

• Recomendación: realizar la preparación en código externo (carpeta proc) y el análisis en el paper.Rmd.

• Es solo una propuesta, el sentido último es la reproducibilidad más que el cumplimiento estricto

Mayores detalles en LISA (Laboratorio de Investigación Social Abierta):

A. Directorio de trabajo

• proyecto autocontenido: reproducible sin necesidad de archivos externos

• requisito: establecer directorio de trabajo

  • posición de referencia de todas las operaciones al interior del proyecto

  • también llamado directorio raíz

Estableciendo directorio de trabajo

• forma tradicionalen R:

  • setwd(ruta-a-carpeta-de-proyecto)

  • problemas: hace referencia a ruta local en el computador donde se está trabajando, por lo tanto no es reproducible y se debe evitar

• alternativa sugerida en R:

  RStudio Projects

RStudio Projects

• La funcionalidad Projects de RStudio permite establecer claramente un directorio de trabajo de manera eficiente

• Para ello, genera un archivo de extensión .Rproj en el directorio raiz de la carpeta del proyecto

• Luego se facilita acceder a la carpeta del proyecto en RStudio ejecutando desde el administrador de archivos del computador (file manager) el archivo .Rproj

• para comprobar, ejecutar getwd() y debería dar la ruta hacia la carpeta del proyecto

RStudio Projects

B. Rutas relativas

• forma de "señalar el camino" para abrir y guardar archivos al interior de una carpeta de proyecto autocontenido (= sin referencias locales)

• este camino tiene básicamente 3 direcciones:

  • bajar -> hacia subcarpetas

  • subir -> hacia carpetas superiores

  • subir y bajar -> hacia otras subcarpetas

Rutas relativas: bajando

• para "bajar" hacia a una subcarpeta, simplemente damos la ruta de la carpeta/archivo

  • ej: si estoy en el archivo paper.Rmd (directorio raíz), y quiero incluir una imagen (directorio input/images/imagen.jpg), entonces la ruta es input/images/imagen.jpg

  • o para señalar la ruta al bib desde paper.Rmd (en raíz): input/bib/referencias.bib

Rutas relativas: subiendo

• para subir se utilizan los caracteres ../ por cada nivel.

• Ej: si quiero guardar una tabla en el directorio raíz generada desde un archivo de código en la subcarpeta proc, entonces la ruta es ../tabla.html

Rutas relativas: subiendo y bajando

• combinación de las anteriores

• Ej: para abrir la base de datos original en la subcarpeta input/data desde el código de procesamiento en la subcarpeta proc, entonces: ../input/data/original.dat

C. Dinámica de flujo principal de trabajo

Preparación de datos

• trabajo con datos: preparación y análisis

• preparación: "limpieza", ajustes, etc.

• "El análisis de datos es en gran parte preparación de datos"

• Abarca ajustes como:

  • recodificación de valores
  • (re)etiquetado de valores/variables
  • manejo de casos perdidos
  • generación de índices

Protocolo de preparación de datos

• hoja de código aparte (ej: preparacion.R o preparacion.Rmd)

• comienza llamando la base original, y termina generando la base preparada para el análisis

• avanza variable por variable detallando:

  • valores originales
  • opciones de recodificación
  • manejo de casos perdidos
  • etiquetados
  • tabla final descriptiva univariada