作業環境

R version: 4.4.2 (2024-10-31)
RStudio version: 2024.12.1+563
Platform: aarch64-apple-darwin20
Running under: macOS 15.4 (24E247)

アンケート概要

アンケート実施日：2025年4月9日
アンケート実施方法：Googleフォーム
アンケート対象者：RとQuartoではじめるデータサイエンス（2025）受講生
アンケート回収率：

df_初回アンケート_long <-
  df_初回アンケート |>  
  mutate(across(everything(), as.character)) |>  
  pivot_longer(
    cols = starts_with("Q"),
    names_to = "質問",
    values_to = "回答"
  ) |> 
  mutate(
    学域 = factor(学域, levels = c("融合学域", "人間社会学域", "理工学域", "医薬保健学域"))
  )

Code

df_初回アンケート |> 
  summarise(
    回答者数 = n(),
    .groups="drop"
  ) |> 
  mutate(登録者数 = 7) |> 
  mutate(
    回答率 = scales::percent(回答者数/登録者数, accuracy = 0.1)) |> 
    mutate(回答率 = as.numeric(gsub("%", "", 回答率))) |> 
  ggplot(aes(x = 回答率,  y = "")) +
  geom_bar(stat = "identity", fill = "#C5DFF4FF") +
  geom_text(aes(label = paste0(回答率, "%")),
            position = position_stack(vjust = 0.5, reverse = TRUE)) +
  scale_x_continuous(
    limits = c(0, 100),
    expand = expansion(mult = c(0.01, 0.01)),
    labels = scales::percent_format(scale = 1)) +
  labs(
    x = ""
  )

図

同種の図はまとめて処理（個別function + map関数）

属性

Code

df_初回アンケート |> 
  group_by(学域) |> 
  summarise(
    人数 = n()
  ) |> 
  mutate(
    比率 = 人数/sum(人数)
  ) |> 
  ungroup() |> 
  ggplot(aes(x = "", y = 人数, group = 学域)) +
  geom_col(
    aes(color = 学域, fill = after_scale(alpha(color, 0.9))),
    position = position_fill(),
  ) +
  geom_text(
    aes(label = str_c(scales::percent(比率, accuracy = 0.1), "(", 人数, "人)")),
    position = position_fill(reverse = FALSE, vjust = 0.5),
  ) +
  scale_y_continuous(
    expand = expansion(mult = c(0.01, 0.01)),
    labels = scales::label_percent()) +
  labs(
    x = "",
    y = "",
    color = "学域"
  ) +
  coord_flip() +
  scale_color_paletteer_d("DresdenColor::briefcases") #配色変更

Code

df_初回アンケート |> 
  group_by(学年) |> 
  summarise(
    人数 = n()
  ) |> 
  mutate(
    比率 = 人数/sum(人数)
  ) |> 
  ungroup() |> 
  ggplot(aes(x = "", y = 人数, group = 学年)) +
  geom_col(
    aes(color = 学年, fill = after_scale(alpha(color, 0.9))),
    position = position_fill(),
  ) +
  geom_text(
    aes(label = str_c(scales::percent(比率, accuracy = 0.1), "(", 人数, "人)")),
    position = position_fill(reverse = FALSE, vjust = 0.5),
  ) +
  scale_y_continuous(
    expand = expansion(mult = c(0.01, 0.01)),
    labels = scales::label_percent()) +
  labs(
    x = "",
    y = "",
    color = "年次"
  ) +
  coord_flip() +
  scale_color_paletteer_d("PrettyCols::Fun")

単純集計

棒グラフ

Code

data_list <- list(
  `Q1. パソコンのスキルに自信がありますか` = df_初回アンケート %>% select(`Q1. パソコンのスキルに自信がありますか`),
  `Q2. R言語を知っていますか？` = df_初回アンケート %>% select(`Q2. R言語を知っていますか？`), 
  `Q3. プログラム言語を使ったことはありますか` = df_初回アンケート %>% select(`Q3. プログラム言語を使ったことはありますか`)
  )

# 質問票の回答選択肢を1から5に設定
levels <- factor(1:5)

# 関数の引数名を df に変更
create_bar_plot <- function(df) {
  question <- names(df)[1]

df[[question]] <- factor(df[[question]], levels = 1:5, labels = levels)

ggplot(df, aes(x = .data[[question]])) +
    geom_bar(fill = "#134074FF") +
    scale_x_discrete(drop = FALSE) +  # データがなくてもx軸に表示
    theme_gray(base_size = 10, base_family = "HiraginoSans-W3")
}

# 各質問に対して棒グラフを作成
plots <- map(data_list, create_bar_plot)

# すべてのプロットを表示
for (plot in plots) {
  print(plot)
}

Code

data_list <- list(
  `Q4. 可視化したいデータはありますか` = df_初回アンケート %>% select(`Q4. 可視化したいデータはありますか`),
  `Q5. 受講理由でもっとも近いものを選んでください` = df_初回アンケート %>% select(`Q5. 受講理由でもっとも近いものを選んでください`)
  )

create_bar_plot <- function(df) {
  question <- names(df)[1]
  ggplot(df, aes(x = .data[[question]])) +
    geom_bar(fill = "#134074FF") +
    scale_x_discrete(drop = FALSE) +  # データがなくてもx軸に表示
scale_x_discrete(guide = guide_axis(n.dodge = 2)) +
theme(base_size = 10, base_family = "HiraginoSans-W3")}

# theme(axis.text.x = element_text(angle = 45, hjust = 1),
#            base_size = 10, base_family = "HiraginoSans-W3")}

# 各質問に対して棒グラフを作成
plots <- map(data_list, create_bar_plot)

# すべてのプロットを表示
for (plot in plots) {
  print(plot)
}

Code

data_list <- list(
  `Q6. Microsoft Excelを使ったことはありますか` = df_初回アンケート %>% select(`Q6. Microsoft Excelを使ったことはありますか`),
  `Q7. SPSSを使ったことはありますか` = df_初回アンケート %>% select(`Q7. SPSSを使ったことはありますか`), 
  `Q8. Stataを使ったことはありますか` = df_初回アンケート %>% select(`Q8. Stataを使ったことはありますか`),
  `Q9. SASを使ったことはありますか` = df_初回アンケート %>% select(`Q9. SASを使ったことはありますか`),
  `Q10. tableauを使ったことはありますか` = df_初回アンケート %>% select(`Q10. tableauを使ったことはありますか`), 
  `Q11. pythonを使ったことはありますか` = df_初回アンケート %>% select(`Q11. pythonを使ったことはありますか`), 
  `Q12. MATLABを使ったことがありますか` = df_初回アンケート %>% select(`Q12. MATLABを使ったことがありますか`), 
  `Q13. Microsoft Wordを使ったことはありますか` = df_初回アンケート %>% select(`Q13. Microsoft Wordを使ったことはありますか`),
  `Q14. TeXを使ったことはありますか` = df_初回アンケート %>% select(`Q14. TeXを使ったことはありますか`), 
  `Q15. markdownを使ったことはありますか` = df_初回アンケート %>% select(`Q15. markdownを使ったことはありますか`),
  `Q16. Githubを使ったことはありますか` = df_初回アンケート %>% select(`Q16. Githubを使ったことはありますか`)
)

# 質問票の回答選択肢を1から5に設定
levels <- factor(1:5)

create_bar_plot <- function(df) {
  question <- names(df)[1]


df[[question]] <- factor(df[[question]], levels = 1:5, labels = levels)

  ggplot(df, aes(x = .data[[question]])) +
    geom_bar(fill = "#134074FF") +
    scale_x_discrete(drop = FALSE) +  # データがなくてもx軸に表示
    theme_gray(base_size = 10, base_family = "HiraginoSans-W3")
}

# 各質問に対して棒グラフを作成
plots <- map(data_list, create_bar_plot)

# すべてのプロットを表示
for (plot in plots) {
  print(plot)
}

クロス集計

帯グラフ

Code

df_初回アンケート |> 
  group_by(学域, `Q5. 受講理由でもっとも近いものを選んでください`) %>%
  mutate(学域 = factor(学域, levels = c("融合学域", "人間社会学域", "理工学域", "医薬保健学域"))) |> 
  summarise(
    人数 = n(), .groups = "drop"
  ) |> 
  mutate(
    比率 = 人数/sum(人数)
  ) |> 
  ungroup() |> 
  ggplot(aes(x = "", y = 人数, group = 学域)) +
  geom_col(
    aes(color = `Q5. 受講理由でもっとも近いものを選んでください`, fill = after_scale(alpha(color, 0.9))),
    position = position_fill(),
  ) +
  geom_text(
    aes(label = str_c(scales::percent(比率, accuracy = 0.1), "(", 人数, "人)")),
    position = position_fill(reverse = FALSE, vjust = 0.5),
  ) +
  scale_y_continuous(
    expand = expansion(mult = c(0.01, 0.01)),
    labels = scales::label_percent()) +
  labs(
    x = "",
    y = "",
    color = "Q5"
  ) +
  coord_flip() +
  facet_wrap(~ 学域) +
  theme(legend.position="bottom") + #凡例を図の下に
  guides(color = guide_legend(nrow = 4, byrow = TRUE)) +
  scale_color_paletteer_d("Manu::Hoiho")

モザイク図

Code

df_mosaic <- df_初回アンケート_long |> 
  select(学域, 質問, 回答) |> 
  filter(!質問 %in% c("Q4. 可視化したいデータはありますか", "Q5. 受講理由でもっとも近いものを選んでください")) |> 
  mutate(質問 =substr(質問, 1, 3)) |> 
  mutate(across(everything(), as.factor)) |> 
  mutate(質問 = factor(質問, levels = c("Q1.", "Q2.", "Q3.", "Q6.", "Q7.", "Q8.", "Q9.", "Q10", "Q11", "Q12", "Q13", "Q14", "Q15", "Q16")))

ggplot(data = as.data.frame(df_mosaic)) +
  geom_mosaic(aes(x = product(学域), fill = 回答)) +
  labs(x = "", y = "") +
  theme(legend.position="bottom",
        base_family = "HiraKakuProN-W3") +
  scale_fill_manual(values = c("#C2697FFF", "#FDDFA4FF", "#B4B9E0FF", "#513965FF", "#201B43FF", "#2C3778FF" ))

Code

df_mosaic <-
  df_初回アンケート_long |> 
  select(学域, 質問, 回答) |> 
  filter(!質問 %in% c("Q4. 可視化したいデータはありますか", "Q5. 受講理由でもっとも近いものを選んでください")) |> 
  mutate(質問 =substr(質問, 1, 3)) |> 
  mutate(across(everything(), as.factor)) |> 
  mutate(質問 = factor(質問, levels = c("Q1.", "Q2.", "Q3.", "Q6.", "Q7.", "Q8.", "Q9.", "Q10", "Q11", "Q12", "Q13", "Q14", "Q15", "Q16")))

ggplot(data = as.data.frame(df_mosaic)) +
  geom_mosaic(aes(x = product(質問), fill = 回答)) +
  labs(x = "", y = "") +
  coord_flip() +
  scale_fill_manual(values = c("#C2697FFF", "#FDDFA4FF", "#B4B9E0FF", "#513965FF", "#201B43FF", "#2C3778FF" )) +
  theme(legend.position="bottom",
        base_family = "HiraKakuProN-W3")

Code

ggplot(data = as.data.frame(df_mosaic)) +
  geom_mosaic(aes(x = product(質問), fill = 回答)) +
  labs(x = "", y = "") +
  facet_wrap(. ~ 学域, nrow = 2) +
  coord_flip() +
  theme(legend.position="bottom",
        base_family = "HiraKakuProN-W3") +
  scale_fill_manual(values = c("#C2697FFF", "#FDDFA4FF", "#B4B9E0FF", "#513965FF", "#201B43FF", "#2C3778FF" ))

散布図

Code

df_初回アンケート |> 
  ggplot(aes(x = `Q1. パソコンのスキルに自信がありますか`,
             y = `Q2. R言語を知っていますか？`, color = 学域)) + 
  scale_color_colorblind() +
  geom_point() #散布図

Code

df_初回アンケート |> 
  ggplot(aes(x = `Q1. パソコンのスキルに自信がありますか`,
             y = `Q3. プログラム言語を使ったことはありますか`, color = 学域)) + 
  scale_color_colorblind() +
  geom_point() #散布図

Code

df_初回アンケート |> 
  ggplot(aes(x = `Q6. Microsoft Excelを使ったことはありますか`,
             y = `Q13. Microsoft Wordを使ったことはありますか`, color = 学域)) + 
  scale_color_colorblind() +
  geom_point() #散布図

表

単純集計

Code

df_初回アンケート |> 
  select(!1:4) |> 
  tbl_summary()

Characteristic	N = 6¹
学域
融合学域	1 (17%)
人間社会学域	4 (67%)
理工学域	1 (17%)
医薬保健学域	0 (0%)
学年
1年生	2 (33%)
2年生	1 (17%)
3年生	2 (33%)
4年生	1 (17%)
Q1. パソコンのスキルに自信がありますか
1	2 (33%)
3	3 (50%)
5	1 (17%)
Q2. R言語を知っていますか？
1	3 (50%)
2	2 (33%)
3	1 (17%)
Q3. プログラム言語を使ったことはありますか
3	4 (67%)
4	2 (33%)
Q4. 可視化したいデータはありますか
ある（具体的なデータがある）	1 (17%)
ある（具体的なデータはないが、分野は特定できる）	4 (67%)
ない（時間があれば、考えられそう）	1 (17%)
Q5. 受講理由でもっとも近いものを選んでください
プログラム言語に興味がある	1 (17%)
将来のことを考えてデータを可視化（分析）できるようになりたい	5 (83%)
Q6. Microsoft Excelを使ったことはありますか
3	1 (17%)
4	4 (67%)
5	1 (17%)
Q7. SPSSを使ったことはありますか
1	4 (67%)
4	2 (33%)
Q8. Stataを使ったことはありますか
1	5 (83%)
3	1 (17%)
Q9. SASを使ったことはありますか
1	6 (100%)
Q10. tableauを使ったことはありますか
1	6 (100%)
Q11. pythonを使ったことはありますか
3	4 (67%)
4	2 (33%)
Q12. MATLABを使ったことがありますか
1	6 (100%)
Q13. Microsoft Wordを使ったことはありますか
3	1 (17%)
4	1 (17%)
5	4 (67%)
Q14. TeXを使ったことはありますか
1	6 (100%)
Q15. markdownを使ったことはありますか
1	6 (100%)
Q16. Githubを使ったことはありますか
1	4 (67%)
3	1 (17%)
5	1 (17%)
¹ n (%)

基本統計量

Code

df_初回アンケート |> 
  select(!1:4) |> 
  skim() |> 
  gt()

skim_type	skim_variable	complete_rate	character.min	character.max	character.empty	character.n_unique	character.whitespace	factor.ordered	factor.n_unique	factor.top_counts	numeric.mean	numeric.sd	numeric.p0	numeric.p25	numeric.p50	numeric.p75	numeric.p100	numeric.hist
character	学年	1	3	3	0	4	0	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
character	Q4. 可視化したいデータはありますか	1	14	24	0	3	0	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
character	Q5. 受講理由でもっとも近いものを選んでください	1	13	30	0	2	0	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
factor	学域	1	NA	NA	NA	NA	NA	FALSE	3	人間社: 4, 融合学: 1, 理工学: 1, 医薬保: 0	NA	NA	NA	NA	NA	NA	NA	NA
numeric	Q1. パソコンのスキルに自信がありますか	1	NA	NA	NA	NA	NA	NA	NA	NA	2.666667	1.5055453	1	1.50	3.0	3.00	5	▅▁▇▁▂
numeric	Q2. R言語を知っていますか？	1	NA	NA	NA	NA	NA	NA	NA	NA	1.666667	0.8164966	1	1.00	1.5	2.00	3	▇▁▅▁▂
numeric	Q3. プログラム言語を使ったことはありますか	1	NA	NA	NA	NA	NA	NA	NA	NA	3.333333	0.5163978	3	3.00	3.0	3.75	4	▇▁▁▁▃
numeric	Q6. Microsoft Excelを使ったことはありますか	1	NA	NA	NA	NA	NA	NA	NA	NA	4.000000	0.6324555	3	4.00	4.0	4.00	5	▂▁▇▁▂
numeric	Q7. SPSSを使ったことはありますか	1	NA	NA	NA	NA	NA	NA	NA	NA	2.000000	1.5491933	1	1.00	1.0	3.25	4	▇▁▁▁▃
numeric	Q8. Stataを使ったことはありますか	1	NA	NA	NA	NA	NA	NA	NA	NA	1.333333	0.8164966	1	1.00	1.0	1.00	3	▇▁▁▁▂
numeric	Q9. SASを使ったことはありますか	1	NA	NA	NA	NA	NA	NA	NA	NA	1.000000	0.0000000	1	1.00	1.0	1.00	1	▁▁▇▁▁
numeric	Q10. tableauを使ったことはありますか	1	NA	NA	NA	NA	NA	NA	NA	NA	1.000000	0.0000000	1	1.00	1.0	1.00	1	▁▁▇▁▁
numeric	Q11. pythonを使ったことはありますか	1	NA	NA	NA	NA	NA	NA	NA	NA	3.333333	0.5163978	3	3.00	3.0	3.75	4	▇▁▁▁▃
numeric	Q12. MATLABを使ったことがありますか	1	NA	NA	NA	NA	NA	NA	NA	NA	1.000000	0.0000000	1	1.00	1.0	1.00	1	▁▁▇▁▁
numeric	Q13. Microsoft Wordを使ったことはありますか	1	NA	NA	NA	NA	NA	NA	NA	NA	4.500000	0.8366600	3	4.25	5.0	5.00	5	▂▁▂▁▇
numeric	Q14. TeXを使ったことはありますか	1	NA	NA	NA	NA	NA	NA	NA	NA	1.000000	0.0000000	1	1.00	1.0	1.00	1	▁▁▇▁▁
numeric	Q15. markdownを使ったことはありますか	1	NA	NA	NA	NA	NA	NA	NA	NA	1.000000	0.0000000	1	1.00	1.0	1.00	1	▁▁▇▁▁
numeric	Q16. Githubを使ったことはありますか	1	NA	NA	NA	NA	NA	NA	NA	NA	2.000000	1.6733201	1	1.00	1.0	2.50	5	▇▁▂▁▂

Code

df_初回アンケート |> 
  select(!1:4) |> 
  get_summary_stats() |> 
  gt()

variable	n	min	max	median	q1	q3	iqr	mad	mean	sd	se	ci
Q1. パソコンのスキルに自信がありますか	6	1	5	3.0	1.50	3.00	1.50	1.483	2.667	1.506	0.615	1.580
Q2. R言語を知っていますか？	6	1	3	1.5	1.00	2.00	1.00	0.741	1.667	0.816	0.333	0.857
Q3. プログラム言語を使ったことはありますか	6	3	4	3.0	3.00	3.75	0.75	0.000	3.333	0.516	0.211	0.542
Q6. Microsoft Excelを使ったことはありますか	6	3	5	4.0	4.00	4.00	0.00	0.000	4.000	0.632	0.258	0.664
Q7. SPSSを使ったことはありますか	6	1	4	1.0	1.00	3.25	2.25	0.000	2.000	1.549	0.632	1.626
Q8. Stataを使ったことはありますか	6	1	3	1.0	1.00	1.00	0.00	0.000	1.333	0.816	0.333	0.857
Q9. SASを使ったことはありますか	6	1	1	1.0	1.00	1.00	0.00	0.000	1.000	0.000	0.000	0.000
Q10. tableauを使ったことはありますか	6	1	1	1.0	1.00	1.00	0.00	0.000	1.000	0.000	0.000	0.000
Q11. pythonを使ったことはありますか	6	3	4	3.0	3.00	3.75	0.75	0.000	3.333	0.516	0.211	0.542
Q12. MATLABを使ったことがありますか	6	1	1	1.0	1.00	1.00	0.00	0.000	1.000	0.000	0.000	0.000
Q13. Microsoft Wordを使ったことはありますか	6	3	5	5.0	4.25	5.00	0.75	0.000	4.500	0.837	0.342	0.878
Q14. TeXを使ったことはありますか	6	1	1	1.0	1.00	1.00	0.00	0.000	1.000	0.000	0.000	0.000
Q15. markdownを使ったことはありますか	6	1	1	1.0	1.00	1.00	0.00	0.000	1.000	0.000	0.000	0.000
Q16. Githubを使ったことはありますか	6	1	5	1.0	1.00	2.50	1.50	0.000	2.000	1.673	0.683	1.756

クロス集計

Code

data_list2 <- list(
  `Q1. パソコンのスキルに自信がありますか` = df_初回アンケート %>% select(`Q1. パソコンのスキルに自信がありますか`),
  `Q2. R言語を知っていますか？` = df_初回アンケート %>% select(`Q2. R言語を知っていますか？`), 
  `Q3. プログラム言語を使ったことはありますか` = df_初回アンケート %>% select(`Q3. プログラム言語を使ったことはありますか`)
  # Q4 = df_初回アンケート_test %>% select(Q4), 
  # Q5 = df_初回アンケート_test %>% select(Q5)
)

create_table <- function(df) {
  df_初回アンケート |> 
select(!1:4)|> 
    tbl_summary(by = 学域) |> 
    add_p(test = list(
      all_continuous() ~ "t.test",
      all_categorical() ~ "fisher.test"
    ),
    test.args = all_continuous() ~ list(var.equal = TRUE)) %>% 
    bold_p(t = 0.05) |> 
    as_gt()
}

# 各質問に対して棒グラフを作成
result_list <- map(data_list, create_table)

# すべてのプロットを表示
result_list

Code

df_初回アンケート |> 
  select(学域, `Q1. パソコンのスキルに自信がありますか`) |> 
  tbl_summary(by = 学域) |> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE))  |>  #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q1. パソコンのスキルに自信がありますか
1	0 (0%)	2 (50%)	0 (0%)	0 (NA%)
3	1 (100%)	1 (25%)	1 (100%)	0 (NA%)
5	0 (0%)	1 (25%)	0 (0%)	0 (NA%)
¹ n (%)

Code

df_初回アンケート |> 
  select(学域, `Q2. R言語を知っていますか？`) |> 
  tbl_summary(by = 学域) |> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE)) |>  #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q2. R言語を知っていますか？
1	1 (100%)	2 (50%)	0 (0%)	0 (NA%)
2	0 (0%)	1 (25%)	1 (100%)	0 (NA%)
3	0 (0%)	1 (25%)	0 (0%)	0 (NA%)
¹ n (%)

Code

df_初回アンケート |> 
  select(学域, `Q3. プログラム言語を使ったことはありますか`) |> 
  tbl_summary(by = 学域) |> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE)) |>  #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q3. プログラム言語を使ったことはありますか
3	1 (100%)	3 (75%)	0 (0%)	0 (NA%)
4	0 (0%)	1 (25%)	1 (100%)	0 (NA%)
¹ n (%)

Code

df_初回アンケート |> 
  select(学域, `Q4. 可視化したいデータはありますか`) |> 
  tbl_summary(by = 学域) |> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE)) |>  #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q4. 可視化したいデータはありますか
ある（具体的なデータがある）	0 (0%)	1 (25%)	0 (0%)	0 (NA%)
ある（具体的なデータはないが、分野は特定できる）	1 (100%)	3 (75%)	0 (0%)	0 (NA%)
ない（時間があれば、考えられそう）	0 (0%)	0 (0%)	1 (100%)	0 (NA%)
¹ n (%)

Code

df_初回アンケート |> 
  select(学域, `Q5. 受講理由でもっとも近いものを選んでください`) |> 
  tbl_summary(by = 学域) |> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE)) |>  #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q5. 受講理由でもっとも近いものを選んでください
プログラム言語に興味がある	0 (0%)	1 (25%)	0 (0%)	0 (NA%)
将来のことを考えてデータを可視化（分析）できるようになりたい	1 (100%)	3 (75%)	1 (100%)	0 (NA%)
¹ n (%)

Code

df_初回アンケート |> 
  select(学域, `Q6. Microsoft Excelを使ったことはありますか`) |>  
  tbl_summary(by = 学域)|> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE)) |>  #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q6. Microsoft Excelを使ったことはありますか
3	0 (0%)	1 (25%)	0 (0%)	0 (NA%)
4	1 (100%)	2 (50%)	1 (100%)	0 (NA%)
5	0 (0%)	1 (25%)	0 (0%)	0 (NA%)
¹ n (%)

Code

df_初回アンケート |> 
  select(学域, `Q7. SPSSを使ったことはありますか`) |> 
  tbl_summary(by = 学域) |> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE)) |>  #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q7. SPSSを使ったことはありますか
1	1 (100%)	2 (50%)	1 (100%)	0 (NA%)
4	0 (0%)	2 (50%)	0 (0%)	0 (NA%)
¹ n (%)

Code

df_初回アンケート |> 
  select(学域, `Q8. Stataを使ったことはありますか`) |> 
  tbl_summary(by = 学域) |> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE)) %>% #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q8. Stataを使ったことはありますか
1	1 (100%)	3 (75%)	1 (100%)	0 (NA%)
3	0 (0%)	1 (25%)	0 (0%)	0 (NA%)
¹ n (%)

Code

df_初回アンケート |> 
  select(学域, `Q9. SASを使ったことはありますか`) |> 
  tbl_summary(by = 学域) |> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE)) |>  #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q9. SASを使ったことはありますか
1	1 (100%)	4 (100%)	1 (100%)	0 (NA%)
¹ n (%)

Code

df_初回アンケート |> 
  select(学域, `Q10. tableauを使ったことはありますか`) |> 
  tbl_summary(by = 学域) |> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE)) |>  #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q10. tableauを使ったことはありますか
1	1 (100%)	4 (100%)	1 (100%)	0 (NA%)
¹ n (%)

Code

df_初回アンケート |> 
  select(学域, `Q11. pythonを使ったことはありますか`) |> 
  tbl_summary(by = 学域)  |> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE))  |>  #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q11. pythonを使ったことはありますか
3	0 (0%)	4 (100%)	0 (0%)	0 (NA%)
4	1 (100%)	0 (0%)	1 (100%)	0 (NA%)
¹ n (%)

Code

df_初回アンケート |> 
  select(学域, `Q12. MATLABを使ったことがありますか`) |> 
  tbl_summary(by = 学域) |> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE)) |>  #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q12. MATLABを使ったことがありますか
1	1 (100%)	4 (100%)	1 (100%)	0 (NA%)
¹ n (%)

Code

df_初回アンケート |> 
  select(学域, `Q13. Microsoft Wordを使ったことはありますか`) |> 
  tbl_summary(by = 学域) |> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE)) |>  #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q13. Microsoft Wordを使ったことはありますか
3	0 (0%)	1 (25%)	0 (0%)	0 (NA%)
4	0 (0%)	0 (0%)	1 (100%)	0 (NA%)
5	1 (100%)	3 (75%)	0 (0%)	0 (NA%)
¹ n (%)

Code

df_初回アンケート |> 
  select(学域, `Q14. TeXを使ったことはありますか`) |>  
  tbl_summary(by = 学域) |> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE)) |>  #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q14. TeXを使ったことはありますか
1	1 (100%)	4 (100%)	1 (100%)	0 (NA%)
¹ n (%)

Code

df_初回アンケート |> 
select(学域, `Q15. markdownを使ったことはありますか`) |>  
tbl_summary(by = 学域)  |> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE)) |>  #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q15. markdownを使ったことはありますか
1	1 (100%)	4 (100%)	1 (100%)	0 (NA%)
¹ n (%)

Code

df_初回アンケート |> 
select(学域, `Q16. Githubを使ったことはありますか`) |>  
tbl_summary(by = 学域) |> 
  add_p(test = list(all_continuous() ~ "t.test",
                    all_categorical() ~ "fisher.test"),
        test.args = all_continuous() ~ list(var.equal = TRUE)) |> #検定
  bold_p(t = 0.05) #P値が有意水準（0.05に指定）を満たす場合､P値をボールド表記

Characteristic	融合学域 N = 1¹	人間社会学域 N = 4¹	理工学域 N = 1¹	医薬保健学域 N = 0¹
Q16. Githubを使ったことはありますか
1	0 (0%)	3 (75%)	1 (100%)	0 (NA%)
3	1 (100%)	0 (0%)	0 (0%)	0 (NA%)
5	0 (0%)	1 (25%)	0 (0%)	0 (NA%)
¹ n (%)

Copyright

苅谷千尋