analise-medalhistas.Rmd

---
title: "Análise dos Medalhistas 2016"
output: 
  html_document:
    fig_height: 7
    theme: paper
    toc: true
    toc_float:
      collapsed: false
      smooth_scroll: false
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = FALSE, warning = FALSE, message = FALSE)
```

```{r}
library(tidyverse)
library(plotly)
```

Este trabalho tem como objetivo analisar os dados dos medalhistas da [OPI](http://www.dsc.ufcg.edu.br/~opi/) 2016 com o intuito de caracterizar o perfil destes medalhistas com respeito à suas práticas e motivações.


```{r}
premiados_geral <- read_csv("data/Respostas - Editado para análise - Geral.csv")

categorias_opi <- c("Iniciação I", "Iniciação II", "Programação", "Avançado Júnior", "Avançado Sênior")
```

# Visão geral

Foram coletadas as respostas de `r nrow(premiados_geral)` medalhistas na OPI 2016, estando distribuídos da seguinte forma nas categorias da competição:

```{r}
premiados_geral %>%
  mutate(categoria = factor(categoria, categorias_opi)) %>%
  group_by(categoria) %>%
  summarise(n = n()) %>%
  plot_ly(x = ~n, y = ~categoria, type = 'bar') %>%
  layout(title = "Medahistas entrevistados por categoria",
       xaxis = list(title = "Número de entrevistados"),
       yaxis = list(title = "Categoria"),
       margin = list(l = 120))
```

Quanto à distribuição de gênero temos:

```{r}
premiados_geral %>%
  group_by(genero) %>%
  summarise(n = n()) %>%
  plot_ly(x = ~genero, y = ~n, color = ~genero, type = 'bar') %>%
  hide_legend() %>%
  layout(title = 'Distribuição de gênero dos entrevistados',
         xaxis = list(title = "Gênero"),
         yaxis = list(title = "Quantidade"))
  
```

```{r}
premiados_geral %>%
  mutate(categoria = factor(categoria, categorias_opi)) %>%
  group_by(categoria, genero) %>%
  summarise(n = n()) %>%
  plot_ly(x = ~n, y = ~categoria, color = ~genero, type = 'bar') %>%
  hide_legend() %>%
  layout(title = "Distribuição de gênero por categoria",
         xaxis = list(title = "Número de entrevistados"),
         yaxis = list(title = "Categoria"),
         barmode = 'stack')
```

No que diz respeito à idade dos entrevistados temos:

```{r}
p <- premiados_geral %>%
  mutate(categoria = factor(categoria, categorias_opi)) %>%
  plot_ly(y = ~idade) 

p1 <- p %>% add_boxplot(x = "Geral")
p2 <- p %>% add_boxplot(x = ~categoria) %>%
  layout(xaxis = list(title = "Categoria"))

subplot(p1, p2, shareY = TRUE) %>%
  hide_legend() %>%
  layout(title = "Idade dos medalhistas",
         yaxis = list(title = "Quantidade"),
         margin = list(b = 100, r = 100))

```


# Quais as estratégias de preparação mais comuns entre os participantes campeões recorrentes e os novatos?

```{r}

```


# Qual o impacto dos treinamentos do projeto olímpico sobre o desempenho dos medalhistas?

# De onde vem o incentivo mais comum para os medalhistas?

# Existe um perfil que caracteriza os medalhistas antes de começarem a participar de olimpíadas de informática?

# Qual a relação dos medalhistas com a computação?

# Quais as motivações para os medalhistas continuarem competindo em olimpíadas de informática?