Learnrs of module 10 ready

phgrosjean · phgrosjean · commit d69c4ac213c3 · 2026-03-12T17:23:00.000+01:00
diff --git a/DESCRIPTION b/DESCRIPTION
@@ -1,5 +1,5 @@
 Package: BioDataScience1
-Version: 2025.9.0
+Version: 2025.10.0
 Title: A Series of Learnr Documents for Biological Data Science 1
 Description: Interactive documents using learnr and shiny applications for studying biological data science.
 Authors@R: c(
diff --git a/NEWS.md b/NEWS.md
@@ -1,3 +1,7 @@
+# BioDataScience1 2025.10.0
+
+-   Learnrs **A10La_anova2**, **A10Lb_anova2mixte** and **A10Lc_syntaxr** revised for 2025-2026.
+
 # BioDataScience1 2025.9.0
 
 -   Learnrs **A09La_anova** and **A09Lb_kruskal** revised for 2025-2026.
diff --git a/inst/tutorials/A10La_anova2/A10La_anova2.Rmd b/inst/tutorials/A10La_anova2/A10La_anova2.Rmd
@@ -15,6 +15,40 @@ runtime: shiny_prerendered
 ```{r setup, include=FALSE}
 BioDataScience1::learnr_setup()
 SciViews::R("infer", "model", lang = "fr")
+# Required for RSConnect
+# SciViews::R
+library(rlang)
+library(data.table)
+library(ggplot2)
+library(tibble)
+library(tidyr)
+library(dplyr)
+library(dtplyr)
+library(broom)
+library(forcats)
+library(collapse)
+library(fs)
+library(data.trame)
+library(svFast)
+library(svTidy)
+library(svMisc)
+library(svBase)
+library(svFlow)
+library(data.io)
+library(chart)
+library(tabularise)
+library(SciViews)
+# infer section
+library(distributional)
+library(inferit)
+# model section
+library(modelit)
+# ... more
+library(readxl)
+library(testthat)
+library(equatags)
+library(BioDataScience)
+library(BioDataScience1)
 
 set.seed(43)
 production <- c(12, 13, 14, 11, 10, 13, 14, 12, 11, 10, 10, 12, 12, 13,
@@ -56,7 +90,7 @@ BioDataScience1::learnr_server(input, output, session)
 
 ## Objectifs
 
-Lors de la réalisation du tutoriel précédent portant sur l'ANOVA à un facteur, vous avez étudié une variable réponse quantitative pour différents niveaux d'une variable explicative qualitative (de classe **factor** dans R). Dans le [module 10](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2024/variance2.html) du cours, vous avez vu qu'il était également possible de considérer deux variables explicatives facteurs avec une **ANOVA à deux facteurs**.
+Lors de la réalisation du tutoriel précédent portant sur l'ANOVA à un facteur, vous avez étudié une variable réponse quantitative pour différents niveaux d'une variable explicative qualitative (de classe **factor** dans R). Dans le [module 10](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2025/variance2.html) du cours, vous avez vu qu'il était également possible de considérer deux variables explicatives facteurs avec une **ANOVA à deux facteurs**.
 
 Ce tutoriel vous permet d'autoévaluer votre aptitude à :
 
@@ -66,7 +100,7 @@ Ce tutoriel vous permet d'autoévaluer votre aptitude à :
 
 -   interpréter correctement les résultats obtenus
 
-Assurez-vous d'avoir compris les sections [10.1](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2024/anova-%25C3%25A0-deux-facteurs.html), [10.2](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2024/mod%25C3%25A8le-sans-interactions.html) et [10.3](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2024/mod%25C3%25A8le-crois%25C3%25A9-complet.html) du cours. Vous devez également maîtriser les différentes notions vues dans le [module 9](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2024/variance.html) relatives à l'ANOVA à un facteur.
+Assurez-vous d'avoir compris les sections [10.1](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2025/anova-%25C3%25A0-deux-facteurs.html), [10.2](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2025/mod%25C3%25A8le-sans-interactions.html) et [10.3](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2025/mod%25C3%25A8le-crois%25C3%25A9-complet.html) du cours. Vous devez également maîtriser les différentes notions vues dans le [module 9](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2025/variance.html) relatives à l'ANOVA à un facteur.
 
 ## Rendement laitier
 
diff --git a/inst/tutorials/A10Lb_anova2mixte/A10Lb_anova2mixte.Rmd b/inst/tutorials/A10Lb_anova2mixte/A10Lb_anova2mixte.Rmd
@@ -15,8 +15,43 @@ runtime: shiny_prerendered
 ```{r setup, include=FALSE}
 BioDataScience1::learnr_setup()
 SciViews::R("infer", "model", lang = "fr")
+# Required for RSConnect
+# SciViews::R
+library(rlang)
+library(data.table)
+library(ggplot2)
+library(tibble)
+library(tidyr)
+library(dplyr)
+library(dtplyr)
+library(broom)
+library(forcats)
+library(collapse)
+library(fs)
+library(data.trame)
+library(svFast)
+library(svTidy)
+library(svMisc)
+library(svBase)
+library(svFlow)
+library(data.io)
+library(chart)
+library(tabularise)
+library(SciViews)
+# infer section
+library(distributional)
+library(inferit)
+# model section
+library(modelit)
+# ... more
+library(readxl)
+library(testthat)
+library(equatags)
+library(BioDataScience)
+library(BioDataScience1)
 library(broom.mixed)
-# dataset
+
+# Dataset
 zeno <- dtx(
   id   = as.factor(rep(1:7, 6)),
   time = rep(c(1, 12, 24, 36, 48, 60) * 5, each = 7),
@@ -54,7 +89,7 @@ BioDataScience1::learnr_server(input, output, session)
 
 ## Objectifs
 
-Il est courant en biologie de réaliser des mesures répétées sur des individus, successivement dans le temps par exemple. Nous avons déjà rencontré une situation similaire lors de la réalisation d'une expérience qui menait à comparer des mesures réalisées sur les mêmes individus, le test *t* de Student apparié. Par exemple, lors d'une expérience qui étudie la perte de poids entre deux mesures aux temps *t~1~* et *t~2~* de patients. N'hésitez pas à revoir ce test étudié au [module 8](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2024/variantes-du-test-t-de-student.html). Le modèle à mesures répétées va nous permettre d'étudier des mesures répétées sur des individus plus de deux fois.
+Il est courant en biologie de réaliser des mesures répétées sur des individus, successivement dans le temps par exemple. Nous avons déjà rencontré une situation similaire lors de la réalisation d'une expérience qui menait à comparer des mesures réalisées sur les mêmes individus, le test *t* de Student apparié. Par exemple, lors d'une expérience qui étudie la perte de poids entre deux mesures aux temps *t~1~* et *t~2~* de patients. N'hésitez pas à revoir ce test étudié au [module 8](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2025/variantes-du-test-t-de-student.html). Le modèle à mesures répétées va nous permettre d'étudier des mesures répétées sur des individus plus de deux fois.
 
 Dans ce tutoriel, vous allez pouvoir autoévaluer votre capacité à :
 
diff --git a/inst/tutorials/A10Lc_syntaxr/A10Lc_syntaxr.Rmd b/inst/tutorials/A10Lc_syntaxr/A10Lc_syntaxr.Rmd
@@ -15,7 +15,33 @@ runtime: shiny_prerendered
 ```{r setup, include=FALSE}
 BioDataScience1::learnr_setup()
 SciViews::R(lang = "fr")
-#dataset
+# Required for RSConnect
+# SciViews::R
+library(rlang)
+library(data.table)
+library(ggplot2)
+library(tibble)
+library(tidyr)
+library(dplyr)
+library(dtplyr)
+library(broom)
+library(forcats)
+library(collapse)
+library(fs)
+library(data.trame)
+library(svFast)
+library(svTidy)
+library(svMisc)
+library(svBase)
+library(svFlow)
+library(data.io)
+library(chart)
+library(tabularise)
+library(SciViews)
+# ... more
+library(testthat)
+
+# Dataset
 urchin <- read("urchin_bio", package = "data.io", lang = "fr")
 ```
 
@@ -41,7 +67,7 @@ Il existe différentes syntaxes dans R dont les trois principales sont la syntax
 
 -   Comparer des instructions équivalentes écrites en syntaxes différentes
 
-Vous devez avoir assimilé la matière du [module 10](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2024/variance2.html) du cours, et en particulier la [section 10.6](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2024/syntaxe-de-r.html). Avec ce tutoriel, vous allez pouvoir autoévaluer vos acquis relatifs à la diversité syntaxique de R.
+Vous devez avoir assimilé la matière du [module 10](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2025/variance2.html) du cours, et en particulier la [section 10.6](https://wp.sciviews.org/sdd-umons/?iframe=wp.sciviews.org/sdd-umons-2025/syntaxe-de-r.html). Avec ce tutoriel, vous allez pouvoir autoévaluer vos acquis relatifs à la diversité syntaxique de R.
 
 ## Syntaxe de R
 
