srl_muni#
Alfabetização física e desempenho em leitura de crianças em escolas do Amazonas.
Descrição#
Este é um conjunto de dados proveniente de um estudo associativo, transversal e quantitativo realizado com alunos da Amazônia (n = 100; com idades entre 10 e 13 anos) de três escolas públicas do município de Borba (Amazonas).
Uso#
srl_muni = get_dataset("srl_muni")
Formato#
‘srl_muni’ Um data frame com 100 linhas e 17 colunas:
escola#
Escola de observação
sexo#
Sexo - 1 para masculino e 2 para feminino
idade#
Idade (em anos)
weight_kg#
Peso em quilogramas (kg)
height_m#
Altura em metros (m)
IMC#
Índice de Massa Corporal (IMC)
bmi_status#
Classificação do Índice de Massa Corporal (IMC) — Uma descrição categórica do IMC.
phv#
A Velocidade de Crescimento Máxima (PHV) é uma variável contínua, medida pela idade (em anos) em relação à altura máxima no período em que ocorre a taxa máxima de crescimento, sendo um indicador de maturidade.
phv_state#
Descrição categórica da Velocidade de Crescimento Máxima (PHV).
esses#
A Escala de Autoeficácia no Exercício mede o grau de confiança dos alunos em relação à prática regular de atividades físicas e exercícios, avaliado por meio de uma escala psicométrica.
pmc#
A Competência Motora Percebida (PMC) avalia a autopercepção da criança em relação à sua capacidade de realizar movimentos motores. É medida por meio de uma escala psicométrica.
kupa#
Conhecimento e Compreensão sobre Atividade Física (KUPA) — Avalia o conhecimento sobre os benefícios, a segurança e a prática de atividade física. Medido pelas notas obtidas em questões objetivas.
sb#
Comportamento sedentário — Avalia o tempo de exposição a comportamentos sedentários. Medido por meio de uma escala psicométrica.
pa#
Atividade Física (AF) — Nível de atividade física em crianças, com base na frequência e na duração das atividades diárias de rotina. Medido pela pontuação obtida nas perguntas sobre a frequência da atividade física.
mc#
Competência motora – Da posição supina à posição em pé (em segundos) – Mede o tempo (em segundos) que a criança leva para se levantar do chão, passando da posição supina para a posição em pé.
tde#
Pontuação total no teste TDE — Avalia o nível de leitura com base no tempo e na precisão na leitura de palavras.
tde_categorical#
Descrição categórica do Índice TDE.
Fonte#
https://tede.ufam.edu.br/handle/tede/10627
Exemplo#
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import LinearSegmentedColormap
from amazonasdatahub.datasets import get_dataset
srl_muni = get_dataset("srl_muni")
# Selecting numeric variables and computing the correlation matrix
corr = srl_muni.select_dtypes("number").corr()
labels = corr.columns
# Plotting the correlation matrix
cmap = LinearSegmentedColormap.from_list("corr", ["#2166AC", "white", "#d50e0b"])
fig, ax = plt.subplots(figsize=(8, 8))
im = ax.imshow(corr.values, cmap=cmap, vmin=-1, vmax=1)
ax.set_xticks(np.arange(len(labels)), labels=labels, rotation=45, ha="right")
ax.set_yticks(np.arange(len(labels)), labels=labels)
# Cell borders and value labels
ax.set_xticks(np.arange(-0.5, len(labels), 1), minor=True)
ax.set_yticks(np.arange(-0.5, len(labels), 1), minor=True)
ax.grid(which="minor", color="white", linewidth=1)
ax.tick_params(which="minor", length=0)
for i in range(len(labels)):
for j in range(len(labels)):
ax.text(j, i, f"{corr.values[i, j]:.2f}", ha="center", va="center", fontsize=8)
fig.colorbar(im, ax=ax, shrink=0.7, label="Correlation")
ax.set_title("Correlation matrix: Motor Competence\nand Reading Performance")
plt.tight_layout()
plt.show()