Procesamiento de datos con tidyverse en R

Este taller es una adaptación del tutorial ‘From Gorilla to Tidy Data’ de Emma James, disponible en: https://emljames.github.io/GorillaR/index.html

---

Breve introducción a la base de datos utilizada

El experimento que vamos a usar como ejemplo es una tarea de aprendizaje de palabras.

Luego de que los participantes aprendieran 20 palabras poco frecuentes en español, se realizó una tarea de decisión semántica (o priming) para evaluar el aprendizaje. En ella, aparecía una palabra (‘prime’) seguida de otra (‘target’) que podía estar o no semánticamente relacionada al prime. Los participantes debían decidir lo más rápido posible si estas dos palabras estaban relacionadas o no, presionando una tecla. El target podía ser una palabra familiar (conocida) o una de las 20 palabras nuevas.

Además, se realizó un grupo reactivado, el cual tenía una sesión de reactivación previo al priming, y un grupo no reactivado (sin sesión de reactivación).

Las variables y sus niveles son:

• grupo: reactivado / no reactivado
• relación: relacionada / no relacionada
• familiaridad: familiar / nueva

Podés descargarte los datos y scripts para seguir el tutorial en estos links: datos, script Parte 1, script Parte 2.

El paquete tidyverse

Tidyverse no es un único paquete sino que es un conjunto de paquetes que tienen como función ordenar y procesar datos de manera ordenada (de ahí el nombre del paquete tidyverse). Cuando usemos Tidyverse, entonces, vamos a trabajar con datos ordenados.

Pero ¿qué son los datos ordenados? Cuando hablamos de datos ordenados o tidy data, estamos hablando de datos en tablas que cumplen ciertas condiciones:

• Cada variable es una columa;
• Cada observación es una fila;
• Cada valor tiene su propia celda;
• Cada dataset a usar dentro de un mismo análisis está en su propia tabla.