Skip to contents

ac_qual_report_full() gera um único documento (Markdown ou HTML) consolidando resultados de N variáveis de codificação qualitativa — cada uma com seu próprio codebook, rodada de ac_qual_code() e, opcionalmente, métricas de ac_qual_reliability() ou ac_qual_irr().

É a resposta natural ao caso de uso mais comum de análise de conteúdo categorial (Krippendorff, 2018): um estudo tem várias variáveis de conteúdo (tom, posicionamento, tema, framing…). Antes desta função, o pesquisador precisava chamar ac_qual_report() N vezes e emendar os relatórios manualmente, ou escrever um consolidador ad hoc por projeto.

Aceita variáveis multilabel = TRUE e multilabel = FALSE no mesmo relatório — cada seção herda a apresentação apropriada para o tipo.

Usage

ac_qual_report_full(
  variables,
  chat = NULL,
  title = NULL,
  author = NULL,
  method = NULL,
  format = c("md", "html"),
  path = NULL,
  lang = c("pt", "en")
)

Arguments

variables

Lista nomeada onde cada elemento é uma lista com:

  • coded: tibble com resultado de ac_qual_code() (obrigatório).

  • codebook: objeto ac_codebook (obrigatório).

  • reliability: opcional, saída de ac_qual_reliability() ou ac_qual_irr(). Os nomes da lista viram os títulos das seções do relatório.

chat

Opcional. Objeto Chat do ellmer ou string de modelo "provider/model". Aplica-se a todas as variáveis (assumindo que todas foram classificadas com o mesmo modelo — se não, deixe NULL).

title

Título do relatório consolidado. Padrão: "Relatório consolidado de análise de conteúdo".

author

Autor(es) do estudo.

method

Descrição do método de coleta do corpus.

format

"md" (padrão) ou "html".

path

Caminho do arquivo destino. Se NULL, usa tempfile().

lang

"pt" (padrão) ou "en".

Value

Invisível: caminho do arquivo gerado.

See also

ac_qual_report() para relatório de uma única variável.

Examples

# Duas variaveis de conteudo, cada uma com seu codebook
cb_tom <- ac_qual_codebook(
  name = "tom",
  instructions = "Classifique o tom.",
  categories = list(
    pos = list(definition = "Positivo.", label = "Positivo"),
    neg = list(definition = "Negativo.", label = "Negativo")
  )
)
#> ! Categoria "pos": sem exemplos positivos (examples_pos).
#>  Exemplos melhoram a precisão da classificação (Sampaio & Lycarião, 2021).
#> ! Categoria "pos": sem exemplos negativos (examples_neg).
#>  Exemplos negativos reduzem confusão entre categorias similares.
#> ! Categoria "neg": sem exemplos positivos (examples_pos).
#>  Exemplos melhoram a precisão da classificação (Sampaio & Lycarião, 2021).
#> ! Categoria "neg": sem exemplos negativos (examples_neg).
#>  Exemplos negativos reduzem confusão entre categorias similares.
cb_pos <- ac_qual_codebook(
  name = "posicao",
  instructions = "Classifique a posicao.",
  categories = list(
    favor  = list(definition = "A favor.",  label = "A favor"),
    contra = list(definition = "Contra.",   label = "Contra")
  )
)
#> ! Categoria "favor": sem exemplos positivos (examples_pos).
#>  Exemplos melhoram a precisão da classificação (Sampaio & Lycarião, 2021).
#> ! Categoria "favor": sem exemplos negativos (examples_neg).
#>  Exemplos negativos reduzem confusão entre categorias similares.
#> ! Categoria "contra": sem exemplos positivos (examples_pos).
#>  Exemplos melhoram a precisão da classificação (Sampaio & Lycarião, 2021).
#> ! Categoria "contra": sem exemplos negativos (examples_neg).
#>  Exemplos negativos reduzem confusão entre categorias similares.

coded_tom <- tibble::tibble(
  doc_id = paste0("d", 1:3),
  categoria = c("pos", "neg", "pos"),
  confidence_score = c(1, 0.67, 1)
)
coded_pos <- tibble::tibble(
  doc_id = paste0("d", 1:3),
  categoria = c("favor", "contra", "favor"),
  confidence_score = c(1, 1, 0.67)
)

arquivo <- tempfile(fileext = ".md")
ac_qual_report_full(
  variables = list(
    "Tom do discurso" = list(coded = coded_tom, codebook = cb_tom),
    "Posicao politica" = list(coded = coded_pos, codebook = cb_pos)
  ),
  path = arquivo,
  author = "Fulano de Tal"
)
#>  Relatorio salvo em /tmp/RtmpvqdQdJ/file1c7562b73f8a.md