Ada beberapa pertanyaan dan set jawaban yang bagus tentang buku-buku pengantar atau pendekatan untuk belajar R misalnya di sini dan di sini . Tetapi saya memiliki masalah yang sedikit berbeda - cara terbaik untuk menjalankan sesi panjang satu jam (atau beberapa sesi seperti itu) di laboratorium komputer yang akan membuat orang memulai dalam R, akrab dengan pendekatan dasarnya dll.
Rencana saya saat ini adalah bekerja secara efektif melalui bab pengantar tentang sesuatu seperti SimpleR Verzani dan kemudian memperkenalkan dataset yang sudah dikenal, tetapi apakah ada pendekatan lain yang menurut orang berguna? Misalnya, apakah baik untuk langsung memperkenalkan data nyata, atau mengatasi masalah dengan cara yang lebih abstrak? Haruskah saya mempelajari bagaimana menggunakan tanda kurung siku, atau membuat orang bersemangat dengan contoh grafik kisi?
Target audiens saya akrab dengan statistik (meskipun bukan ahli) dan pengguna SPSS yang kompeten; tidak terbiasa dengan bahasa pemrograman di luar jenis makro dan skrip yang akan Anda dapatkan di SPSS dan hal-hal serupa.
Setiap tips atau referensi untuk rencana pelajaran akan dihargai. Namun, saya tidak ingin menduplikasi banyak daftar materi on-line yang bagus yang memperkenalkan R - secara ketat merujuk pada pertanyaan instruksional.
Jawaban:
Saya berpendapat untuk pendekatan yang sama sekali berbeda. Saya telah melihat tutorial R yang diajarkan dari dua perspektif yang berbeda: pendekatan blok bangunan, di mana pengguna diperkenalkan dengan konsep dasar R, dan pendekatan kejutan-dan-kagum, di mana pengguna ditunjukkan kemampuan R yang luar biasa tetapi dibiarkan begitu saja. relatif sedikit pemahaman tentang bagaimana melakukan sesuatu. Yang terakhir jelas beresonansi lebih kuat dengan murid, tetapi tidak ada yang tampaknya sangat efektif dalam benar-benar menghasilkan pengguna.
Sebagai gantinya, saya akan mengambil tugas umum dan relatif sederhana dalam SPSS dan berjalan mengkonversinya ke R, dengan sedikit naif pura-pura di pihak Anda - misalnya, mengikuti saran bagus Xi'an untuk mencari beberapa fungsi yang diinginkan dengan
??
bukan hanya mengingat fungsi yang benar dari memori. Pemula Anda hampir pasti akan mengonversi proses yang ada saat mereka belajar R, bukan menulisnya dari awal - jadi mengapa tidak menunjukkan kepada mereka bagaimana Anda akan melakukannya?Contoh yang baik dapat terdiri dari hanya memuat data, melakukan beberapa deskripsi, dan memunculkan beberapa plot dasar.
lm()
bisa sangat, sangat sederhana dan menghasilkan hasil yang akan mereka pahami dan dapat dibandingkan dengan keluaran SPSS, sehingga mungkin juga bagus untuk dibahas.Untuk pekerjaan rumah, suruh mereka mengonversi proses sederhana mereka atau memuat dan menjelajahi dataset yang sudah mereka kenal. Beri mereka waktu tatap muka untuk mencari tahu di mana letak kesalahannya, kemudian sampaikan pada sesi berikutnya dengan lebih banyak konversi contoh. Konsep dari daftar Anda pasti akan muncul (taruhan saya: faktor vs vektor karakter, untuk vs berlaku) - dan kemudian Anda akan memiliki motivasi dunia nyata untuk meliput mereka. Jika mereka tidak muncul (
attach
), maka mereka belum benar-benar dibutuhkan - jika itu berarti pemula Anda menulis sedikit kode non-idiomatis sejak awal (for
bukanapply
), saya tidak melihat bahayanya.Dengan cara ini, siswa Anda dapat berkembang dengan cara yang hampir sama dengan yang dilakukan siswa berbahasa asing (atau setidaknya, seperti yang saya lakukan): terjemahan kasar ekspresi sederhana mendorong keinginan untuk ekspresi yang lebih kompleks, yang menyebabkan keinginan untuk pemahaman yang lebih dalam tentang tata bahasa , yang akhirnya mengarah pada ekspresi idiomatik. Jangan melompat ke "tata bahasa" terlalu cepat, dan jangan terlalu khawatir mengajar mereka hal-hal yang tidak mereka tanyakan karena mereka mungkin akan melupakannya. Petunjuk lembut tentang ekspresi idiomatik sangat bagus (
for
vsapply
), tetapi hal utama adalah membuat mereka menghasilkan output dan mengeksplorasi sendiri.sumber
OK, inilah jawaban saya sendiri sejauh ini tentang apa yang saya pikir akan membuat orang mulai dan memotivasi mereka untuk belajar lebih banyak (saya mencoba untuk menyapih mereka dari SPSS, yang secara harfiah tidak dapat melakukan beberapa dari apa yang kita butuhkan misalnya analisis survei yang kompleks, setidaknya tanpa membeli lebih banyak modul yang saya tolak melakukannya).
Di akhir sesi pertama Anda harus dapat:
Dasar-dasar
Manipulasi data
Statistik
Grafik
Pada akhir tiga sesi dan melakukan berbagai latihan di antara Anda juga harus dapat:
Dasar-dasar
Manipulasi data
Statistik
Grafik
sumber
Ke daftar Peter saya akan menambahkan:
Lebih banyak pemikiran: Mereka mungkin menggunakan
COMPUTE
banyakSPSS
, jadi mencakup bagaimana melakukan ituR
akan baik. Juga, bagaimanaRECODE
variabel dalam R. Ketika saya menggunakanSPSS
saya pikir sebagian besar pekerjaan "non analisis" saya menggunakan dua perintah.sumber
ifelse
pastikan untuk menunjukkan kepada mereka cara kerjanya dan apa arti peringatan dalam dokumentasinya. Ini bekerja secara logis setelah Anda memikirkannya, tetapi saya telah melihat kebingungan total tentangifelse
"mengubah" tipe variabel dan menyebabkan banyak waktu yang hilang.a <- 1:5 ; b <- 4 ; a[b = 3] ; b ; a[b <- 3] ; b
mana subskrip memberikan hasil yang sama, tetapib
berbeda (pertama kali tidak berubah, kedua kali berubah). Itu=
tidak pernah dimaksudkan untuk menjadi tugas dan seharusnya tidak pernah diubah untuk mencoba membuat R lebih enak. Jangan lakukan itu.pmax
bekerja dengan baik.