survey_report.qmd

---
title: "Análise de Pesquisa - Projeto Java"
author: "Dynamica Consultoria"
format: html
# revealjs
editor: visual
---

Durante as semanas de P6W4 (11/06/2023) até P7W2 (30/06/2023) foi realizada uma pesquisa junto aos associados e temporários que atuam nas áreas de manutenção e operação da fábrica de Guararema para identificar os níveis de consciencia (Awareness) e pré-disposição (Desire) em relação às mudanças do projeto Java.

Apresentamos aqui os resultados obtidos.

## Respostas obtidas

Em relação ao número de respostas obtidas temos os seguintes números:

```{r}
#| echo: false
#| warning: false
#| message: false

library(tidyverse)
library(readxl)
library(janitor)
library(patchwork)
library(gt)

source("R/survey_read_data.R")
source("R/survey_plot.R")

folder = "/Users/marcos.abreu/workspace/survey-mars/data"
file_name = "Java - Feedback.xlsx"
survey_data <- read_survey_monkey_data(folder, 
                                       file_name)

```

::: columns
::: {.column width="33%"}
```{r}
#| echo: false
#| warning: false
#| message: false
survey_data |> 
  select(respondent_id, linha) |> 
  count(linha, sort = TRUE) |> 
  gt::gt() |> 
  tab_header(title = "Por Linha") |> 
  opt_align_table_header(align = "left") |>  
  tab_options(column_labels.hidden = TRUE) |> 
  grand_summary_rows(columns = c('n'),
                     fns = list(total ~ sum(.))) |> 
  as_raw_html()
```
:::

::: {.column width="33%"}
```{r}
#| echo: false
#| warning: false
#| message: false
survey_data |> 
  count(turno, sort = TRUE) |> 
  gt::gt() |> 
  tab_header(title = "Por Turno") |> 
  opt_align_table_header(align = "left") |>  
  tab_options(column_labels.hidden = TRUE) |> 
  grand_summary_rows(columns = c('n'),
                     fns = list(total ~ sum(.))) |> 
  as_raw_html()
```
:::

::: {.column width="34%"}
```{r}
#| echo: false
#| warning: false
#| message: false
survey_data |> 
  count(contrato, sort = TRUE) |> 
  gt::gt() |> 
  tab_header(title = "Por Tipo de Contrato") |> 
  opt_align_table_header(align = "left") |>  
  tab_options(column_labels.hidden = TRUE) |> 
  grand_summary_rows(columns = c('n'),
                     fns = list(total ~ sum(.))) |> 
  as_raw_html()
```
:::
:::

## Sumário

```{r}
#| echo: false
#| warning: false
#| message: false

plot_all_likert_data(survey_data)



```

## Questões

1.  Os resultados podem ser avaliados no conjunto de todos os respondentes, ou devem ser analisados por grupos?

2.  Qual a divisão por grupo que deve ser considerada?

O objetivo aqui é evitar o Paradoxo de Simpson durante a análise dos resultados.

## Dimensões avaliadas na pesquisa

::: columns
::: {.column width="50%"}
-   Consciência (*Awareness*)

    -   Visão (*Vision*)

    -   Percepção da Mudança (*Perception of the Change*)

    -   Comunicação (*Communication*)
:::

::: {.column width="50%"}
-   Pré-disposição (\_Desire\_)

    -   Liderança (*Leadership*)

    -   Engajamento (*Engagement*)

    -   Intenção (*Intention*)

        -   Atitude (*Attitude*)

        -   Normas Percebidas (*Perceived Norms*)

        -   Auto-eficácia (*Self-Efficacy*)
:::
:::

# Análise do universo total de respondentes

## Visão

```{r}
#| echo: false
#| warning: false
#| message: false
#| 

cat_vision <- c("Q01", "Q02")
plot_likert_by(survey_data, cat_vision) 


# answers |> 
#   filter(!is.na(linha),
#          linha %in% c("M&M", "SNICKERS", "TWIX")) |> 
#   mutate(linha = fct_drop(linha)) |> 
#   select(linha, Q1) |> 
#   table() |> 
#   chisq.test()
```

## Percepção da Mudança

```{r}
#| echo: false
#| warning: false
#| message: false


cat_change_management <- c("Q03", "Q04")
plot_likert_by(survey_data, cat_change_management)
```

## Comunicação

```{r}
#| echo: false
#| warning: false
#| message: false


cat_communication <- c("Q05", "Q06")
plot_likert_by(survey_data, cat_communication)
```

## Liderança

```{r}
#| echo: false
#| warning: false
#| message: false




cat_leadership <- c("Q09", "Q10")
plot_likert_by(survey_data, cat_leadership)
```

## Engajamento

```{r}
#| echo: false
#| warning: false
#| message: false


cat_engagement <- c("Q11", "Q12")

plot_likert_by(survey_data, cat_engagement)
```

## Intenção do Comportamento

Estamos considerando aqui o modelo de intensão do comportamento conforme descrito pelo modelo:

```{mermaid}
flowchart LR 
A[Atitudes] --> I[Intenção] 
N[Normas Percebidas] --> I 
S[Auto-eficácia] --> I 
E[Fatores Ambientais] --> C[Comportamento] 
I --> C 
H[Habilidades] --> C
```

```{r}
#| echo: false
#| warning: false
#| message: false

cat_attitude <- c("Q07", "Q08")
cat_perceived_norms <- c("Q13", "Q14")
cat_self_efficacy <- c("Q15")

plot_likert_by(survey_data, c(cat_attitude, cat_perceived_norms, cat_self_efficacy))
```

As questões Q07 e Q08 buscam medir a **Atitude** em relação à mudança.
As questões Q13 e Q14 buscam medir a **Norma Percebida** em relação à mudança.
E, a questão Q15 buca medir a **Auto-Eficácia** em relação à mudança.

A comparação dos resultados mostra que os respondentes são muito mais decididos - tanto positivamente, quanto negativamente - nas suas **Atitudes** do que em relação à **Norma Percebida**.
Isto significa que os respondentes se importam mais com a própria percepção do que a do grupo.

Em relação à **Auto-Eficácia** as respostas mostram que há baixa influência da mesma como determinante do comportamento.
Isto significa que os respondentes não vêem sua capacidade de adaptação e aprendizagem como restrição para a mudança.

# Análise comparativa para diferentes linhas

## Visão

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_linha_likert_by(survey_data, cat_vision) 
```

## Percepção da Mudança

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_linha_likert_by(survey_data, cat_change_management)
```

## Comunicação

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_linha_likert_by(survey_data, cat_communication)
```

## Liderança

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_linha_likert_by(survey_data, cat_leadership)
```

## Engajamento

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_linha_likert_by(survey_data, cat_engagement)
```

## Intenção do Comportamento

```{r}
#| echo: false
#| warning: false
#| message: false
#| fig-height: 10

facet_linha_likert_by(survey_data, c(cat_attitude, cat_perceived_norms, cat_self_efficacy))
```

# Análise comparativa para diferentes Turnos

## Visão

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_turno_likert_by(survey_data, cat_vision) 
```

## Percepção da Mudança

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_turno_likert_by(survey_data, cat_change_management)
```

## Comunicação

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_turno_likert_by(survey_data, cat_communication)
```

## Liderança

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_turno_likert_by(survey_data, cat_leadership)
```

## Engajamento

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_turno_likert_by(survey_data, cat_engagement)
```

## Intenção do Comportamento

```{r}
#| echo: false
#| warning: false
#| message: false
#| fig-height: 10

facet_turno_likert_by(survey_data, c(cat_attitude, cat_perceived_norms, cat_self_efficacy))
```

# Análise comparativa para diferentes tipos de contrato

## Visão

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_contrato_likert_by(survey_data, cat_vision) 
```

## Percepção da Mudança

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_contrato_likert_by(survey_data, cat_change_management)
```

## Comunicação

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_contrato_likert_by(survey_data, cat_communication)
```

## Liderança

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_contrato_likert_by(survey_data, cat_leadership)
```

## Engajamento

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_contrato_likert_by(survey_data, cat_engagement)
```

## Intenção do Comportamento

```{r}
#| echo: false
#| warning: false
#| message: false
#| fig-height: 10

facet_contrato_likert_by(survey_data, c(cat_attitude, cat_perceived_norms, cat_self_efficacy))
```

## Liderança

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_contrato_likert_by(survey_data, cat_leadership)
```

## Engajamento

```{r}
#| echo: false
#| warning: false
#| message: false
#| 
facet_contrato_likert_by(survey_data, cat_engagement)
```

## Intenção do Comportamento

```{r}
#| echo: false
#| warning: false
#| message: false
#| fig-height: 10

facet_contrato_likert_by(survey_data, c(cat_attitude, cat_perceived_norms, cat_self_efficacy))
```

# Teste de Hipótese

Os resultados podem ser avaliados no conjunto de todos os respondentes, ou devem ser analisados por grupos?

```{r}

survey_data |> glimpse()
survey_answers <- get_survey_answers(survey_data)
survey_answers |> glimpse()
answers <-
  survey_answers |>
  pivot_longer(cols = Q01:Q15,
               names_to = "question",
               values_to = "answer") |>
  mutate(status = if_else(
    answer >= 6,
    "concordo",
   # if_else(answer <= 2, "discordo", "neutro")
   "discordo"
  )) |>
  select(-answer) |>
  mutate_if(is.character, as.factor) |> 
  pivot_wider(names_from = question,
              values_from = status) 

# Vamos testar a relevância da questão por linha
# 1. apenas dados das linhas
ans_linha <- 
  answers |> 
  filter(!is.na(linha),
         linha %in% c("M&M", "SNICKERS", "TWIX")) |> 
  mutate(linha = fct_drop(linha)) |> 
  select(-c(turno, contrato)) |> 
  pivot_longer(cols = Q01:Q15,
               names_to = "question",
               values_to = "answer")
  
ans_linha |> glimpse()
# 2. agrupa por questão
nested_ans_linha <- 
  ans_linha |> 
  group_by(question) |> 
  nest()
  
nested_ans_linha <- 
  nested_ans_linha |> 
  mutate(chisq_test = map(data, ~ .x |>
           select(-id) |> 
           table() |> 
           chisq.test() |> 
           broom::tidy()))
ans_linha_chisq <- 
  nested_ans_linha |> 
  unnest(chisq_test)
ans_linha_chisq |> 
  select(question, p.value) |> View()



answers |> 
  filter(!is.na(turno),
         turno %in% c("A", "B", "C", "F")) |> 
  mutate(turno = fct_drop(turno)) |> 
  select(turno, Q15) |> 
  table() |> 
  chisq.test()

# Questão Q02 e Q07 para turno C -> Há evidência de que há diferença estatística.

answers |> 
  filter(!is.na(contrato),
         contrato %in% c("Associado por tempo indeterminado", 
                         "Temporário", 
                         "Associado por tempo determinado")) |> 
  mutate(contrato = fct_drop(contrato)) |> 
  select(contrato, Q15) |> 
  table() |> 
  chisq.test()



  

# As proporções das respostas de "concordo", "discordo" e "neutro" são iguais?

# Foi feita análise por grupos considerando os grupos de diferentes linhas,
# turnos, e tipo de contrato.
# O único caso onde as respostas de um determinado grupo diferenciaram das
# respostas gerais foram as respostas das questões 2 e 7 para 

answers |> 
  filter(!is.na(turno),
         turno %in% c("A", "B", "C", "F")) |> 
  mutate(turno = fct_drop(turno)) |> 
  select(turno, Q02) |> 
  table() |> 
  chisq.test()

```