通过学生尝试总结重复的项目

Question

预期输出的问题和解释

我有关于每个学生在考试中尝试了多少次以及他们回答了哪些项目的原始数据 (input)。对于这个例子，我有一个包含 5 个项目的池，但学生只对其中的 3 个项目做出回应。他们可以多次参加考试。因此，我想以一种可以看到以下所有信息的方式总结原始数据：

试用号（例如，第一次试用、第二次试用、第三次试用...）。 trial列
正确的项目数（例如，正确的项目总数）总共有多少项目他们已经回应（在这种情况下，它应该是 3 每个人），
正确率。 percent列
主要问题：他们以前看过多少项目？ repeated 列（例如，如果他们在第一次试用中回复了项目 1，并且在第二次试用中也回复了项目 1，那么我想知道此信息）
- 如果有重复项，我想看看是哪一个重复了物品在那里。 repeated_items列

输入

作为input，我有原始数据，有学生name，trial的人数（例如，1,2,3...），以及所有池中的项目 i1:i5。项目 (0, 1) 的值显示学生是对还是错（1 = 正确，0 = 错误）。缺失值表明学生在那次尝试中没有拿走那个项目。

library(dplyr)

df <- tibble(name  = c("John", "John", "Mary", "Mary"),
             trial = c(1,  2,  1,  2),
             i1    = c(1,  0,  0,  NA),
             i2    = c(NA, NA, 1,  1),
             i3    = c(NA, 1,  NA, 1),
             i4    = c(0,  1,  1,  NA),
             i5    = c(0,  NA, NA, 1))

# # A tibble: 4 × 7
#   name  trial    i1    i2    i3    i4    i5
# <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 John      1     1    NA    NA     0     0
# 2 John      2     0    NA     1     1    NA
# 3 Mary      1     0     1    NA     1    NA
# 4 Mary      2    NA     1     1    NA     1

预期输出

作为 output，我想在下面看到像这样的摘要 table，显示我在上面的描述中提出的所有要点。我已经手动创建了这个 table，现在我试图用函数来组织它，这样我就可以加快这个过程。我的主要问题是生成列 repeated 和 repeated_items。每个学生的第一次试验总是 repeated_items 为 NA，repeated 为零，因为这是第一次试验，所以他们以前从未见过这些项目。

repeated 列计算参与者在之前尝试中已经看到的项目数。因此，例如，在约翰的第一次尝试中，他回应了项目 i1、i4 和 i5。在他的第二次尝试中，他对项目 i1、i3 和 i4 做出了回应。因此，在他的第二次尝试中，他回应了之前看到的两个项目（i1 和 i4）。所以我想使用列 repeated 来计算从上次尝试中重复了多少项。

repeated_item 列跟踪哪些特定项目在此新试验中被“重复”。因此，在 John 的案例中，在第二次试验中，项目 i1 和 i4 被重复了。而在玛丽的第二次试验中，与她的第一次试验相比，只有第 i2 项被重复了。

 # # A tibble: 4 × 7
 #   name  trial correct n_items percent repeated repeated_items
 # <chr> <dbl>   <dbl>   <dbl>   <dbl>    <dbl> <chr>         
 # 1 John      1       1       3   0.333        0 NA            
 # 2 John      2       2       3   0.667        2 i1, i4        
 # 3 Mary      1       2       3   0.667        0 NA            
 # 4 Mary      2       3       3   1            1 i2

Answer 1

我们可以使用

library(dplyr)
library(stringr)
library(tidyr)
df %>% 
  pivot_longer(cols = starts_with("i"),
     names_to = "i",values_drop_na = TRUE) %>%
  add_count(name, i, name = "n1") %>%
  mutate(i =replace(i, n1 <2, NA_character_)) %>%
  group_by(name, trial) %>% 
  summarise(correct = sum(value), n_items = n(),
     percent = mean(value), repeated= n_distinct(i, na.rm = TRUE), 
    repeated_items = str_c(i[!is.na(i)], collapse = ", "),
      .groups = 'drop_last') %>% 
  mutate(across(starts_with('repeated'), ~ replace(.x, 1, NA)))

-输出

# A tibble: 4 × 7
# Groups:   name [2]
  name  trial correct n_items percent repeated repeated_items
  <chr> <dbl>   <dbl>   <int>   <dbl>    <int> <chr>         
1 John      1       1       3   0.333       NA <NA>          
2 John      2       2       3   0.667        2 i1, i4        
3 Mary      1       2       3   0.667       NA <NA>          
4 Mary      2       3       3   1            1 i2

Answer 2

library(tidyverse)

df %>% 
  mutate(correct = rowSums(across(starts_with("i")), na.rm = T),
         n_items = rowSums(!is.na(across(starts_with("i")))),
         percent = correct / n_items) %>% 
  group_by(name) %>% 
  mutate(repeated_items = across(starts_with("i")) %>% 
           imap_chr(~ ifelse(!is.na(diff(.)), .y, NA)) %>% 
           na.omit() %>% 
           str_flatten(","), 
         repeated_items = ifelse(row_number() == 1, NA, repeated_items),
         repeated = replace_na(str_count(repeated_items, ",") + 1, 0)) %>% 
  ungroup()

输出

  name  trial    i1    i2    i3    i4    i5 correct n_items percent repeated_items repeated
  <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>   <dbl>   <dbl>   <dbl> <chr>             <dbl>
1 John      1     1    NA    NA     0     0       1       3   0.333 NA                    0
2 John      2     0    NA     1     1    NA       2       3   0.667 i1,i4                 2
3 Mary      1     0     1    NA     1    NA       2       3   0.667 NA                    0
4 Mary      2    NA     1     1    NA     1       3       3   1     i2                    1

通过学生尝试总结重复的项目

Summarizing repeated items by student attempt

r

dplyr

tidyverse

data-wrangling

预期输出的问题和解释

输入

预期输出