# Journal

## Introduction

### Méthode qualitative

Un *code* (<=> 1 jupyter notebook) d'un **CodeBook** suit la structure ci-dessous :  
1. Initial Code Source 
 - litt
 - theory
 - quantitative date
 - sumarry of themes
2. Initial Code Developement
 - pre-traitements
3. Codebook Developement
 - code label
 - descr code label
 - defs
 - qual + ex + context
4. Codebook Application
 - application sur un petit jeu de données
 - review, txt
 - application sur dataset
5. Interprétation (Conclusion

Il permet de recenser tous les codes appliqués ainsi que les choix et évolutions

**Liste des Rubriques** :
- intitulé de code
- descr des finalitées
- critères d'inclusion (sur quelles données on l'utilise)
- critères d'exclusion (sur quelles données on ne peut pas l'utiliser)
- exemples typique (Cas d'Utilisation - CU :: trivial)
- exemples atypique (là où le code est nécessaire)
- "close, but no" (cas où l'on serait tenté de l'utiliser mais il ne faut pas)

## Module 1 - Cahier de notes, Cahier de labo

### Cahier de notes

#### Généralités

Dans *cahier de note / feuille de note*:
- identifier la note par date + numéro
- réorganiser les notes à la fin de la prise de note

Dans *cahier de manip* :
- noter les paramètres
- noter les résultats

Sur pc c'est mieux car on peut faire de la collaboration au travers du partage de fichier et du versioning

*Pb de struct?*
- indexation
- organisation


#### Méthode d'indexation

Méthode utilisée par *John Locke* pour indexer ces fiches

On note les entrées (mots-clefs) en mettant la première lettre du mot suivi de sa première voyelle et en notant le numéro de la page correspondant:
- analyse : AA
- code : CO
- experience : EE
```
A
    A 127, 38, 24
    E
    I/Y
    O
    U
B
    A
    E
    I/Y
    O
    U
...
Z
    A
    E
    I/Y
    O
    U
```

#### Structure du document

Combiner la *légèreté des fichiers textes* et le *confort de lecture du balisage* ==> Markdown / Pandoc

Tutoriel : [https://enacit1.epfl.ch/markdown-pandoc](https://enacit1.epfl.ch/markdown-pandoc)

#### Pérennité et évolution des notes 

Solutions facile à mettre en oeuvre :
- ggdoc
- docu wiki

Solutions un peu plus complexes mais plus puissante : 
- gitlab
- 

## Module 2 - Le document computationel

Objs : 
- tracabilité des calculs et résultats
- code + résultats dans un doc scientifique
- 3 outils possibles : Jupyter / RStudio / Emacs&Org-mode

**Rigeur** et **transparence** nécessaire pour permettre la reproductibilitée

### Difficultés

cause technique sur la difficulté de la reproductibilité : 
- sources et données (non disponibles)
- choix (sur les données)
- ordinateur = sources d'erreurs
 - tableur 
 - pile logicielle complexe (logiciel proprio)
 - bug
- manque rigeur et organisation
 - non backup
 - non histo
 - pas controle de qual
- dimension culturelle et saines
 - (article : version simplifié du proto)

craintes :
- on montre nos faiblesses
- qqun peut trouver une erreur
- qqun peut en tirer avantage
- LEGITIMES : données sensibles / ressources limitées

solutions :
- format texte et non proprio
    ==> formats textes : markdown, orgmode, csv, hdf5, ...
- logiciel et langage libre
    ==> scilab, R, python
- stockage data
    ==> famadrop, gitlab, github

### Document computionnel

On veut la plus grande transparence possible

**Chaines de traitement**
1. Données
2. Analyses visualisation (-->1)
3. Publications

**Buts**
- *inspecter* : justifier/comprendre
- *refaire* : vérifier/corriger/réutiliser

Jupyter : Code + Texte + Resultats (export en pdf)

**Principes**
- 1 doc : explication, code, results
- session (on garde les vars)
- export (pdf + control export)