IDEATools est un package R dédié à la méthode IDEA4, visant à fournir aux utilisateurs des outils pour le traitement, l’automatisation et le reporting de diagnostics IDEA.
En attendant sa publication officielle sur le CRAN, vous pouvez télécharger et utiliser la version en cours de développement depuis GitHub avec :
install.packages("remotes")
remotes::install_github("davidcarayon/IDEATools")
NB : Le logiciel RTools est parfois nécessaire sur les machines Windows pour pouvoir installer le package remotes, puisque l’installation ici se fait depuis un dépôt de développement (Github) et non un dépôt officiel R. Vous pouvez l’installer ici : Rtools
Une fois installé, vous pouvez charger le package avec :
library(IDEATools)
Pour la production de rapport PDF, une installation de LaTeX est requise. Si vous n’avez jamais utilisé LaTeX, vous pouvez utiliser la fonction tinytex::install_tinytex()
pour installer une version minimale de LaTeX vous permettant d’éditer des rapports au format PDF en utilisant le package IDEATools. Une fois installé, vous n’avez plus besoin de vous soucier de LaTeX (opération à réaliser seulement lors de la première utilisation).
Au total, 5 fonctions ou “modules” ont été développés dans ce package, allant de l’import des données d’un calculateur à la production de graphiques puis à la productions de produits de reporting (PDF, Excel, etc.) :
read_idea()
: Permet d’identifier la validité du fichier d’entrée et d’en extraire métadonnées et items.compute_idea()
: Calcule les indicateurs/composantes/dimensions/propriétés à partir des itemsold_idea()
: Alternative aux deux fonctions précédentes si le calculateur est trop ancien (vise les indicateurs plutôt que les items)plot_idea()
: Produit les graphiques dimensions / propriétéswrite_idea()
: Export des graphiques sous forme brute ou sous forme de rapports aux formats variés.Afin de simplifier l’utilisation du package, une fonction globale diag_idea()
a été développée. Grâce à cette fonction, selon la saisie de l’utilisateur, les modules d’IDEATools vont être appelés séquentiellement afin de produire les résultats demandés. L’utilisateur peut notamment paramétrer :
input
output_directory
type
export_type
plot_choices
report_format
prefix
dpi
quiet
append
paramétré en TRUE permet de coller les onglets de résultats à la suite des onglets du calculateur initial, créant ainsi un calculateur “tout en un” avec données + résultats.Voici un appel complet à la fonction diag_idea()
avec toutes les possibilités de paramétrage :
diag_idea(input,
output_directory,
type = c("single","group"),
export_type = c("report","local",NULL),
plot_choices = c("dimensions","trees","radars"),
report_format = c("pdf","docx","odt","xlsx","pptx"),
prefix = "EA",
dpi = 300,
quiet = FALSE,
append = FALSE)
Pour information, les utilisateurs les moins habitués à l’écosystème R peuvent utiliser les commandes suivantes (à condition d’utiliser RStudio) pour sélectionner les dossier/fichiers via une fenêtre en presse-bouton:
input <- rstudioapi::selectDirectory() # Dans le cas d'un répertoire
# OU
input<- rstudioapi::selectFile() # Si un seul calculateur
output_directory <- rstudioapi::selectDirectory()
On distingue 3 grands types de diagnostics :
En premier lieu, l’utilisateur peut avoir besoin d’un diagnostic pour une seule ferme. Prennons ici l’exemple d’utilisateur qui souhaite récupérer ses résultats pour sa ferme, mais uniquement ses arbres éclairés. Le code sera alors :
Ensuite, certains utilisateurs ont besoin de traiter plusieurs calculateurs en même temps.
Ici par exemple, l’utilisateur n’a pas besoin des figures “brutes”, mais a juste besoin pour chaque exploitation d’un rapport au format word qu’il pourra commenter ainsi qu’une présentation powerpoint contenant toutes les figures et prête à projeter. Le code sera alors :
Enfin, certains utilisateurs souhaitent traiter un ensemble de calculateurs en même temps et ont besoin d’avoir une vision globale sur le groupe.
Dans cet exemple, l’utilisateur va donc demander à la fois des graphiques bruts, mais aussi des rapports prêts à être imprimés (PDF) ainsi qu’un support excel qu’il pourra re-traiter à sa guise pour son analyse de group. Le code sera alors :
diag_idea(input = "chemin_vers_dossier",
output_directory = "mes_résultats",
type = "group",
export_type = c("report","local")
report_format = c("pdf","xlsx")
quiet = FALSE)
Notons qu’il peut demander, en plus de son analyse de groupe, des rapports individuels qu’il pourra donner à chaque exploitation (par exemple au format Libreoffice ODT) :
diag_idea(input = "chemin_vers_dossier",
output_directory = "mes_résultats",
type = c("group","single")
export_type = c("report")
report_format = c("odt")
quiet = FALSE)
Note : Une analyse de groupe nécessite un nombre d’exploitations au moins égal à 3.
Carayon, D., Girard, S., Zahm, F. (2020). IDEATools: Un applicatif pour le calcul, l’automatisation et l’exploitation de données IDEA4. R package version 2.0.
Zahm F., Alonso Ugaglia A., Boureau H., Del’homme B., Barbier J.M., Gasselin P., Gafsi M., Girard S., Guichard L., Loyce C., Manneville V., Menet A., Redlingshofer B., 2019, Évaluer la durabilité des exploitations agricoles. La méthode IDEA v4, un cadre conceptuel mobilisant dimensions et propriétés de la durabilité, Cahiers Agricultures, 28, 5, https://doi.org/10.1051/cagri/2019004.
Zahm et al. (2019). “Évaluer la durabilité des exploitations agricoles. La méthode IDEA v4, un cadre conceptuel combinant dimensions et propriétés de la durabilité” in Cahiers Agricultures, 8(5):1-10.