En ny versjon av vår nettskjemar R-pakke er nettopp lansert.
Den nye versjonen kobler seg til det nye Nettskjema API v3, som er en helt ny implementering av API-et.
R-pakken har en helt ny serie funksjoner til å jobbe mot det nye API-et, og inkluderer spennende forbedringer for arbeid med kodede data.
Pakken har omfattende dokumentasjon tilgjengelig på nett, og vi anbefaler både gamle og nye brukere å gå gjennom alt tilgjengelig materiale for å bli kjent med de nye funksjonene.
Denne pakken er designet for å hjelpe deg med å enkelt hente, bearbeide og analysere undersøkelsesdata, alt mens den er kompatibel med tidyverse.
Nedenfor fremhever vi noen av de viktigste funksjonene i nettskjemar og hvorfor det kan bli ditt foretrukne verktøy for å jobbe med Nettskjema.
Viktige funksjoner i nettskjemar
1. Last ned skjemabesvarelser med enkelhet
Med bare noen få linjer R-kode kan du hente svar til et ryddig data format. Dette lar deg starte arbeidet med dataene dine umiddelbart uten å bruke tid på manuelle nedlastinger eller filkonverteringer.
install.packages("nettskjemar")
# Last ned skjemabesvarelser i R
library(nettskjemar)
formid <- 123823
data <- ns_get_data(formid)
2. Rådata i langformat
For de som er interessert i tidsstempler eller en detaljert oversikt over hvordan respondenter har interagert med individuelle spørsmål, tillater pakken henting av rådata i langt format.
Denne strukturen er perfekt for å analysere responstider eller andre detaljer, og er kun tilgjengelig for forskere gjennom API-et.
# Hent rådata i langt format
raw_data <- ns_get_data(formid, type = "long")
3. Håndtering av avkrysningsmatrise
Nettskjema inkluderer et avansert avkrysningsmatriseverktøy (checkbox matrix), men de eksporterte dataene kan noen ganger være utfordrende å jobbe med.
Heldigvis tilbyr nettskjemar verktøy for å forenkle og omstrukturere avkrysningsdata til brukervennlige formater, som lister eller separerte strenger.
Eksempel: Slik kan du transformere en avkrysningsmatrise til en separert streng:
# Konverter avkrysningsmatrise til en separert streng
ns_get_data(formid) |>
ns_alter_checkbox(to = "character", sep = ";")
4. Tidyverse-kompatibel
Dataene hentet med nettskjemar er fullt kompatible med tidyverse-økosystemet, noe som gjør det til et intuitivt valg for R-brukere som allerede er kjent med dplyr, tidyr eller ggplot2. Du kan enkelt kjede kommandoer og utforske undersøkelsesdataene dine.
library(dplyr)
library(tidyr)
# Eksempel: Analyse av skjemabesvarelser
data_filtered <- data |>
filter(radio == 1) |>
count(checkbox.questionnaires)
Hvis du foretrekker å jobbe med individuelle rader for hver avkrysningsverdi, kan du dele dem for mer sømløs analyse:
# Splitt separerte verdier i individuelt oppførte rader
ns_get_data(formid) |>
ns_alter_checkbox(to = "character", sep = ";") |>
separate_rows(checkbox_matrix.1)
Før du starter: Aktivering av kodeboken
For å sikre en god arbeidsflyt i R, anbefales det å aktivere og konfigurere kodebok-funksjonen i Nettskjema-portalen.
Dette gjør det enklere å jobbe med godt merkede og organiserte data.
Gå til Nettskjema-portalen under Generelle innstillinger og aktiver “Kodebok”.
Les mer om kodebøker her (innhold kun tilgjengelig på norsk).
Hvorfor bruke nettskjemar?
- Tidsbesparende: Hopp over manuelle nedlastinger—hent besvarelser direkte i R.
- Tilpassbart: Utform dataene slik du ønsker—endre avkrysningsmatriser, jobb med rådata i lange formater eller behold brede dataframes.
- Tidyverse-integrasjon: Perfekt for brukere som allerede bruker tidyverse-verktøy for analyse.
- Kraftige funksjoner: Tilgang til metadata, tidsstempler eller håndtering av vedlegg—alt i én pakke.
Utforsk mer og start i dag med dokumentasjonen tilgjengelig her! 🎉