Module 8 learnrs ready for 2024-2025

phgrosjean · phgrosjean · commit 600f21238bee · 2025-02-19T20:22:45.000+01:00
diff --git a/DESCRIPTION b/DESCRIPTION
@@ -1,5 +1,5 @@
 Package: BioDataScience2
-Version: 2024.7.0
+Version: 2024.8.0
 Title: A Series of Learnr Documents for Biological Data Science 2
 Description: Interactive documents using learnr for studying biological data science (second course).
 Authors@R: c(
diff --git a/NEWS.md b/NEWS.md
@@ -1,3 +1,7 @@
+# BioDataScience2 2024.8.0
+
+-   Learnrs **B08La_mfa** and **B08Lb_bigd** revised for 2024-2025.
+
 # BioDataScience2 2024.7.0
 
 -   Learnrs **B07La_pca** and **B07Lb_ca** revised for 2024-2025.
diff --git a/inst/tutorials/B08La_mfa/B08La_mfa.Rmd b/inst/tutorials/B08La_mfa/B08La_mfa.Rmd
@@ -28,7 +28,7 @@ BioDataScience2::learnr_server(input, output, session)
 
 ## Objectifs
 
-L'Analyse Factorielle Multiple (AFM) est une méthode statistique exploratoire qui permet de travailler avec plusieurs tableaux de données. Cette méthode permet également de faire le lien entre l'analyse en composantes principales (ACP) et l'Analyse factorielle des correspondances (AFC). La première méthode permet de travailler uniquement sur des variables quantitatives et la seconde uniquement sur des variables qualitatives. L'AFM est capable de traiter les deux types de variables simultanément. Cette méthode est par exemple employée en écologie. Sur une station un ensemble de mesures physico-chimiques peuvent être réalisées ainsi qu'un relevé de la faune et/ou de la flore.
+L'Analyse Factorielle Multiple (AFM) est une méthode statistique exploratoire qui permet de travailler avec plusieurs tableaux de données. Cette méthode permet également de faire le lien entre l'analyse en composantes principales (ACP) et l'Analyse factorielle des correspondances (AFC). La première méthode permet de travailler uniquement sur des variables quantitatives et la seconde uniquement sur des variables qualitatives. L'AFM est capable de traiter les deux types de variables simultanément. Cette méthode est, par exemple, employée en écologie. Sur une station un ensemble de mesures physico-chimiques peuvent être réalisées ainsi qu'un relevé de la faune et/ou de la flore.
 
 Il est donc utile de comprendre la logique et l'usage de cette analyse. Ce tutoriel vous permettra de :
 
@@ -38,7 +38,7 @@ Il est donc utile de comprendre la logique et l'usage de cette analyse. Ce tutor
 
 -   Vous préparer à interpréter par vous-même les résultats de vos AFM
 
-Avant toute chose, assurez vous d'avoir bien compris le contenu de la [section 8.1](https://wp.sciviews.org/sdd-umons2/?iframe=wp.sciviews.org/sdd-umons2-2023/analyse-factorielle-multiple-afm.html) du cours de SDD II.
+Avant toute chose, assurez vous d'avoir bien compris le contenu de la [section 8.1](https://wp.sciviews.org/sdd-umons2/?iframe=wp.sciviews.org/sdd-umons2-2024/analyse-factorielle-multiple-afm.html) du cours de SDD II.
 
 ## Étude de composition floristique
 
@@ -83,7 +83,7 @@ read("varespec", package = "vegan") %>.%
 head(spec)
 ```
 
-Les données mises à disposition proviennent de l'étude suivante [Väre, H., Ohtonen, R. and Oksanen, J. (1995) Effects of reindeer grazing on understorey vegetation in dry *Pinus sylvestris* forests. Journal of Vegetation Science 6, 523--530](https://www.researchgate.net/publication/227830523_Effects_of_reindeer_grazing_on_vegetation_in_dry_Pinus_sylvestris_forests).
+Les données mises à disposition proviennent de l'étude suivante [Väre, H., Ohtonen, R. and Oksanen, J. (1995) Effects of reindeer grazing on vegetation in dry *Pinus sylvestris* forests. Journal of Vegetation Science 6, 523--530](https://www.researchgate.net/publication/227830523_Effects_of_reindeer_grazing_on_vegetation_in_dry_Pinus_sylvestris_forests).
 
 ## Préparation du tableau de données
 
@@ -168,7 +168,7 @@ L'AFM peut s'obtenir grâce à la fonction `mfa()`. Cette dernière requiert l'u
 
     -   **num** : variables quantitatives continues que l'on ne souhaite traiter par une ACP sans les standardiser
 
-    -   **fact** : variables qualitatives facteurs associées à des tableaux de contingences qu'on traite par une AFC
+    -   **fct** : variables qualitatives facteurs associées à des tableaux de contingences qu'on traite par une AFC
 
     -   **cnt** : variables quantitatives de type dénombrements qu'on traite par une AFC
 3.  Le nom à donner au groupe
diff --git a/inst/tutorials/B08Lb_bigd/B08Lb_bigd.Rmd b/inst/tutorials/B08Lb_bigd/B08Lb_bigd.Rmd
@@ -60,7 +60,7 @@ BioDataScience2::learnr_server(input, output, session)
 
 ## Objectifs
 
-Vous ne pouvez pas être passé à côté de cette notion : cela fait plusieurs années qu'on entend parler de BIG DATA. En tant que biologiste, vous n'allez pas devoir employer quotidiennement les outils associés au big data. Vous allez cependant être confronté à de larges tableaux de données ou encore à des bases de données. Il est, de fait, important de connaitre les notions de base pour traiter ce genre d'information. Ce tutoriel vous permettra de :
+Vous ne pouvez pas être passé à côté de cette notion : cela fait plusieurs années qu'on entend parler de **"big data"**. En tant que biologiste, vous n'allez pas devoir employer quotidiennement les outils associés au big data. Vous allez cependant être confronté à de larges tableaux de données ou encore à des bases de données. Il est, de fait, important de connaitre les notions de base pour traiter ce genre d'information. Ce tutoriel vous permettra de :
 
 -   Choisir le format et la compression d'un fichier en fonction de vos besoins
 -   Réaliser des requêtes sur une base de données
@@ -113,7 +113,7 @@ dbListFields(diabetes_db, "blood")
 dbListFields(diabetes_db, "exam")
 ```
 
-La table `"blood"` comprend une série de mesure à partir d'une prise de sang : cholestérol total, taux de sucre, taux de HDL, ratio cholestérol/HDL ou encore hémoglobine glyquée.
+La table `blood` contient une série de mesure à partir d'une prise de sang : cholestérol total, taux de sucre, taux de HDL, ratio cholestérol/HDL ou encore hémoglobine glyquée.
 
 La table `exam` comprend une série de mesures obtenue à la suite d'un examen clinique : âge, sexe, taille, masse, pression artérielle systolique et diastolique, tour de taille, tour de hanche.
 
