Programa de Campeãs e Campeões na América Latina
rOpenSci

Yanina Noemí Bellini Saibene, Elio Campitelli, Marcos Prunello, Mauro Lepore, Haydee Svab, Beatriz Milz, Carolina Pradier, Cesar Luis Aybar Camacho, Paola Corrales

2023-10-18

rOpenSci

rOpenSci

Programa Campeãs/Campeões

Marco conceitual

As pessoas campeãs de uma comunidade são aquelas que assumem maior responsabilidade pelo sucesso, pela sustentabilidade e/ou por seu funcionamento.[1]

Objetivo geral

• Identificar, reconhecer e recompensar líderes em uma comunidade.
• Destina-se a pessoas de grupos histórica e sistematicamente excluídos que estejam interessadas em contribuir com a rOpenSci e com as comunidades mais amplas de código aberto e ciência aberta.

illustration for rOpenSci by Lydia Hill

Elegiblidade

• pessoas que trabalham com STEAM (ciência, tecnologia, engenharia e matemática)
• de qualquer lugar em qualquer lugar do mundo
• que tenham conhecimento de desenvolvimento com a linguagem R
• possuam habilidades básicas de comunicação em inglês (escrita e verbal)

E que desejem:

• desenvolver um novo pacote, ou
• ter um pacote em R, já desenvolvio, revisado por pares, ou
• se tornar revisoras da rOpenSci

Objetivos específicos para campeãs e campeões

• Adquirir habilidades para desenvolver seu próprio pacote R ou;

• Adquirir confiança para enviar um pacote R para revisão por pares; ou

• Tornar-se um revisor

• Aprender a liderar um workshop, evento ou outra atividade da rOpenSci sobre o tópico de desenvolvimento de pacotes ou revisão por pares de software em sua comunidade local

• Conectar-se a uma rede dentro do ecossistema R

• Fornecer feedback para ajudar a rOpenSci a continuar organizando atividades relevantes e acolhedoras para desenvolvedores de R

Como funciona

• Interessados/as/es devem preencher um formulário, geralmente disponibilizado entre julho e outubro

• As inscrições são individuais

• Não há custo para participar

• Duração: 12 meses

• Dedicação estimada: de 10 a 16 horas mensais

• Bolsa: US$ 1.000 para quem concluir o programa

Atividades desenvolvidas

Treinamentos (6 primeiras semanas) com posterior desenvolvimento de projeto e mentoria, além de encontros trimestrais

1a/2a edições - 2022/2023 e 2023/2024

Candidaturas: 171 campeãs/ões, 56 mentoras/es, 55 países

América Latina: 3 mentoras/es | 5 campeãs/ões | 3 instrutoras/es/

Mentoras/es latinoamericanas/os

Beatriz Milz

Elio Campitelli

Mauro Lepore

Lições aprendidas

• Ferramentas e espaço para que campeãs/ões e mentoras/es desenvolvam seus projetos de desenvolvimento ou revisão de pacotes com:
  • ganho de experiência
  • aprimoramento de competências
  • orientação de mentores
  • apoio de uma comunidade
  • aspecto formal com cronograma definido ajuda a manter o o foco na tarefa e a concluí-la em um tempo razoável

Lições aprendidas

• Retorno tangível à comunidade latino-americana de pesquisa e desenvolvimento por diferentes meios, como:
  • é necessários que campeãs/ões compartilhem o que aprenderam com a comunidade (blogposts, workshops, etc.)
  • aumento do material atualizado em espanhol e português sobre desenvolvimento/revisão de pacotes
  • aumento da procura de pessoas pelo programa, em todas suas finalidades

Pacotes desenvolvidos / revisados

Pacotes desenvolvidos / revisados

eph

Por Carolina Pradier

karel

Por Marcos M. Prunello

agromet

Por Paola Corrales

rgeeExtra

Por Cesar L. A. Camacho

odbr

Por Haydee Svab

pacote odbr

Objetivo | Motivação

Objetivo

Disponibilizar dados de pesquisas origem destino brasileira num único lugar, tornando estes dados abertos mais acessíveis e potencializando seu uso.

Motivação

• Minha dissertação de mestrado [2]
• Dados iniciais: 6 coortes de São Paulo (1977, 1987, 1997, 2007 e 2017) e com outra sendo produzida em 2022
• Maximizar o uso dos dados em si e do impacto da minha pesquisa [3]

Primeiros passos

• Há pacotes similares?
  • od
  • Não é um pacote de dados
  • Disponibiliza funções para analisar dados de pesquisas OD

• Pacotes para inspirar: geobr, aopdata, censobr
  • Pacotes de dados
  • Do Brasil
  • Co-mentoria de Rafael Pereira (IPEA): conversas no 1o e no 2o semestre de 2023

Questões estratégicas

• Serão dados de São Paulo ou de todo Brasil?

• Serão apenas bases no formato original ou haverá algum tipo de hamonização?

• Havendo harmonização, como serão?

• Em que língua estãos os dados? Em que língua será feito o pacote?

Principais funções do pacote odbr

• read_od()
  • parâmetros: city, year e hamonize (TRUE, FALSE)
• read_dictionary()
  • parâmetros: city, year, hamonize e language (pt, en, es)
• read_map()
  • parâmetros: city, year, hamonize e geometry (zone, district, municipality)

Funções úteis no pacote odbr

• clean_string()
  • remove caracteres não ASCII
• compose_file_path()
  • parâmetros: city, year e hamonize (TRUE, FALSE)
• compose_name()
  • parâmetros: city, year, hamonize e level (od, dictionary, etc.)
• download_piggyback()
  • parâmetros: nome do arquivo a ser baixado

Dificuldades | desafios técnicos | submissão no CRAN

Como lidar com grandes bases de dados

• apendizado com experiência do geobr
• solução: utilização do piggyback e disponibilização como assets

Dificuldades | desafios técnicos | submissão no CRAN

Como limitar / controlar o tempo de execução no CRAN

• da Política do CRAN: “Checking the package should take as little CPU time as possible” (…) “Examples should run for no more than a few seconds each”
• do stackoverflow / issues no Github: tempo de execução não superior a 5s por exemplo
• apendizado com experiência do censobr

• pacotes com download de dados muito dependente de qualidade da conexão
• solução: não executar os exemplos

Dificuldades | desafios técnicos | submissão no CRAN

styler versus lintr

• seguem regras diferentes
• conflitos implicavam não passar pelo RMDcheck no CI
• solução: executar styler antes do linter

Dificuldades | desafios técnicos | submissão no CRAN

Problemas com idioma latino

• palavras acentuadas ou outras fora do dicionário “inglês” (por exemplo, São e Paulo) geraram “notes” na submissão para o CRAN
• tentativa de adoção de uma lista de palavras para “enriquecer o dicionário”
• solução: retirar palavras não reconhecidas

Comunidade

Sem a oportunidade e as pessoas, não seria possível!

Comunidade | Agradecimentos

• Liderança de Yanina Bellini Saibene no programa Champions da rOpenSci com muita paciência,incentivo, prestatividade e acolhimento
• Mentoria de Beatriz Milz pelo programa Champions da rOpenSci (e pela vida!) com muitos encontros hands-on
• Orientação de Rafael Pereira do IPEA com 2 conversas e muitos emails, mensagens e issues
• Apoio de Diego Rabatone que, mesmo um pythoniano, fez várias contribuições de código e ficou com nosso filho no colo muitas vezes
• Logotipo do pacote de Marcos Kyioto entusiasta de transportes públicos e cidades justas que ajudou a dar cor ao código quando precisávamos
• Comunidade RLadies São Paulo

Referências

[1] The CSCCE Community Participation Model - Exploring the Champion mode. (2021). Woodley and Pratt doi 10.5281/zenodo.5275270

[2] Svab, H. (2016). Evolução dos padrões de deslocamento na região metropolitana de São Paulo: a necessidade de uma análise de gênero. Dissertação de Mestrado, Escola Politécnica / USP, São Paulo.

[3] Repositórios do GitHub: bases de dados e algoritmos do mestrado, pacote agromet, pacote eph, pacote karel, pacote rgeeExtra, pacote odbr, pacote aopdata, pacote censobr

Obrigada!

@hsvab

hsvab@hsvab.eng.br

@ropensci

Champions Program webpage: https://ropensci.org/champions/

info@ropensci.org