assessment_and_tracking/compute_final_case_grades.R

   1 ## load in the data
   2 #################################
   3 myuw <- read.csv("../data/2022_winter_COM_481_A_students.csv", stringsAsFactors=FALSE)
   4
   5 current.dir <- getwd()
   6 source("../assessment_and_tracking/track_participation.R")
   7 setwd(current.dir)
   8
   9 rownames(d) <- d$unique.name
  10 call.list$timestamp <- as.Date(call.list$timestamp)
  11
  12 ## class-level variables
  13 gpa.point.value <- 50/(4 - 0.7)
  14 question.grades <- c("PLUS"=100, "CHECK"=100-gpa.point.value, "MINUS"=100-(gpa.point.value*2))
  15 missed.question.penalty <- gpa.point.value * 0.2 ## 1/5 of a full point on the GPA scale
  16
  17 ## inspect set the absence threashold
  18 ggplot(d) + aes(x=absences) + geom_histogram(binwidth=1, fill="white",color="black")
  19 absence.threshold <- median(d$absences)
  20
  21
  22 ## inspect and set the questions cutoff
  23 ## questions.cutoff <- median(d$num.calls)
  24 ## median(d$num.calls)
  25 ## questions.cutoff <- nrow(call.list) / nrow(d) ## TODO talk about this
  26 ## this is the 95% percentile based on simulation in simulation.R
  27 questions.cutoff <- 4
  28
  29 ## show the distribution of assessments
  30 table(call.list$assessment)
  31 prop.table(table(call.list$assessment))
  32
  33 table(call.list.full$answered)
  34 prop.table(table(call.list.full$answered))
  35
  36 total.questions.asked <- nrow(call.list)
  37
  38 ## find out how man questions folks have present/absent for.
  39 ##
  40 ## NOTE: this is currently only for informational purposes and is NOT
  41 ## being used to compute grants in any way.
  42 ########################################################################
  43 calls.per.day <- data.frame(day=as.Date(names(table(call.list$timestamp))),
  44                             questions.asked=as.numeric(table(call.list$timestamp)))
  45
  46 ## function to return the numbers of calls present for or zero if they
  47 ## were absent
  48 calls.for.student.day <- function (day, student.id) {
  49     if (any(absence$unique.name == student.id & absence$date.absent == day)) {
  50         return(0)
  51     } else {
  52         return(calls.per.day$questions.asked[calls.per.day$day == day])
  53     }
  54 }
  55
  56 compute.questions.present.for.student <- function (student.id) {
  57     sum(unlist(lapply(unique(calls.per.day$day), calls.for.student.day, student.id)))
  58 }
  59
  60 ## create new column with number of questions present
  61 d$q.present <- unlist(lapply(d$unique.name, compute.questions.present.for.student))
  62 d$prop.asked <- d$num.calls / d$q.present
  63
  64 ## generate statistics using these new variables
  65 prop.asks.quantiles <- quantile(d$prop.asked, probs=seq(0,1, 0.01))
  66 prop.asks.quantiles <- prop.asks.quantiles[!duplicated(prop.asks.quantiles)]
  67
  68 d$prop.asked.quant <- cut(d$prop.asked, right=FALSE, breaks=c(prop.asks.quantiles, 1),
  69     labels=names(prop.asks.quantiles)[1:(length(prop.asks.quantiles))])
  70
  71 ## generate grades
  72 ########################################################################
  73
  74 ## print the median number of questions for (a) everybody and (b)
  75 ## people that have been present 75% of the time
  76 median(d$num.calls)
  77
  78 ## helper function to generate average grade minus number of missing
  79 gen.part.grade <- function (x.unique.name) {
  80     q.scores <- question.grades[call.list$assessment[call.list$unique.name == x.unique.name]]
  81     base.score <- mean(q.scores, na.rm=TRUE)
  82
  83     ## number of missing days
  84     missing.in.class.days <- nrow(missing.in.class[missing.in.class$unique.name == x.unique.name,])
  85
  86     ## return the final score
  87     data.frame(unique.name=x.unique.name,
  88                base.grade=base.score,
  89                missing.in.class.days=missing.in.class.days)
  90 }
  91
  92
  93 ## create the base grades which do NOT include missing questions
  94 tmp <- do.call("rbind", lapply(d$unique.name, gen.part.grade))
  95 d <- merge(d, tmp)
  96 rownames(d) <- d$unique.name
  97 d$part.grade <- d$base.grade
  98
  99 ## first we handle the zeros
 100 ## step 1: first double check the people who have zeros and ensure that they didn't "just" get unlucky"
 101 d[d$num.calls == 0,]
 102
 103 ## set those people to 0 :(
 104 d$part.grade[d$num.calls == 0] <- 0
 105
 106 ## step 2: identify the people who were were not asked "enough"
 107 ## questions but were unlucky/lucky
 108
 109 ## first this just prints out are the people were were not called
 110 ## simply because they got unlucky
 111 d[d$num.calls < questions.cutoff & d$absences < absence.threshold,]
 112
 113 ## these are the people were were not called simply unlucky (i.e.,
 114 ## they were not in class very often)
 115 penalized.unique.names <- d$unique.name[d$num.calls < questions.cutoff & d$absences > absence.threshold]
 116 d[d$unique.name %in% penalized.unique.names,]
 117
 118 ## now add "zeros" for every questions that is below the normal
 119 d[as.character(penalized.unique.names),"part.grade"] <- (
 120     (d[as.character(penalized.unique.names),"num.calls"] * d[as.character(penalized.unique.names),"part.grade"])
 121     / questions.cutoff)
 122
 123 d[as.character(penalized.unique.names),]
 124
 125 ## apply the penality for number of days we called on them and they were gone
 126 d$part.grade <- d$part.grade - d$missing.in.class.days * missed.question.penalty
 127
 128 ## TODO ensure this is right. i think it is
 129 ## map part grades back to 4.0 letter scale and points
 130 d$part.4point <- round((d$part.grade / gpa.point.value) - ((100 / gpa.point.value) - 4), 2)
 131
 132 d[sort.list(d$part.4point, decreasing=TRUE),
 133   c("unique.name", "short.name", "num.calls", "absences", "part.4point")]
 134
 135 ## writing out data to CSV
 136 d.print <- merge(d, myuw[,c("StudentNo", "FirstName", "LastName", "UWNetID")],
 137                  by.x="unique.name", by.y="StudentNo")
 138 write.csv(d.print, file="../data/final_participation_grades.csv")
 139
 140 library(rmarkdown)
 141
 142 for (id in d$unique.name) {
 143     render(input="student_report_template.Rmd",
 144            output_format="html_document",
 145            output_file=paste("../data/case_grades/",
 146                              d.print$unique.name[d.print$unique.name == id],
 147                              sep=""))
 148 }
 149 k