Поле цифровой дидактики - Вклад [ru]

Анализ активности пользователей Digida

2026-04-13T11:54:10Z

Наталья Захарова:

; Исходные данные:
: Все события площадки до 06.04.2026 года - https://raw.githubusercontent.com/patarakin/stat-data/dc76a94554ecd09228ad4e21e95a94e9c422b1b8/datasets/csv/wiki_df_events_digid.csv
: Совместные действия участников - https://raw.githubusercontent.com/patarakin/stat-data/dc76a94554ecd09228ad4e21e95a94e9c422b1b8/datasets/csv/wiki_df_team_digid.csv

=== График активности 2022 - 2026 ===

[[Файл:DinamycDigida.png|800px]]

=== Код для получения данных и графиков ===
<syntaxhighlight lang="R" line>
# Загрузка необходимых пакетов
library(httr)
library(jsonlite)
library(dplyr)
library(lubridate)
library(tidyr)
library(ggplot2)
library(patchwork)

# Корректный URL API
api_url <- "https://digida.mgpu.ru/api.php"

# Безопасное определение функции (если ещё не существует)
if (!exists("get_mw_data")) {
get_mw_data <- function(action, params) {
query_params <- c(action = action, format = "json", params)
response <- GET(api_url, query = query_params)

# Дополнительная проверка типа ответа
if (http_type(response) != "application/json") {
warning("Ответ не в формате JSON")
}

stop_for_status(response)
fromJSON(content(response, "text"))
}
}

# Загрузка данных с обработкой ошибок
data_loaded <- FALSE
tryCatch({
recent_edits <- get_mw_data("query", list(
list = "recentchanges",
rcprop = "user|timestamp|title|comment|type",
rclimit = "500",
rcshow = "!bot",
rcend = format(Sys.Date() - 365, "%Y%m%d%H%M%S")
))

users_list <- get_mw_data("query", list(
list = "allusers",
aulimit = "500"
))

print("Данные успешно загружены!")
data_loaded <- TRUE
}, error = function(e) {
print(paste("Ошибка при загрузке данных:", e$message))
})

# Если данные не загружены, прерываем выполнение
if (!data_loaded) {
stop("Не удалось загрузить данные. Прекращение выполнения.")
}

# Проверка прав на запись в текущей директории
can_write <- file.access(getwd(), mode = 2) == 0
if (!can_write) {
stop("Нет прав на запись в текущую рабочую директорию. Выберите другую папку.")
}

# Очистка данных
clean_data <- recent_edits$query$recentchanges %>%
as_tibble() %>%
mutate(
timestamp = ymd_hms(timestamp),
date = as.Date(timestamp),
day_of_week = wday(timestamp, label = TRUE, abbr = FALSE),
hour_of_day = hour(timestamp),
month = month(timestamp, label = TRUE),
is_edit = type == "edit"
) %>%
filter(date >= Sys.Date() - 365) %>%
select(user, timestamp, date, day_of_week, hour_of_day, month, title, is_edit)

# Проверка на пустые данные
if (nrow(clean_data) == 0) {
stop("Очищенные данные пусты. Проверьте параметры запроса к API.")
}

print(paste("Обработано записей:", nrow(clean_data)))

# Агрегация и анализ
user_summary <- clean_data %>%
group_by(user) %>%
summarise(
total_actions = n(),
edits_count = sum(is_edit),
unique_pages = n_distinct(title),
first_action = min(timestamp),
last_action = max(timestamp)
) %>%
arrange(desc(total_actions))

new_users <- clean_data %>%
group_by(month) %>%
summarise(new_users = n_distinct(user))

weekly_activity <- clean_data %>%
group_by(day_of_week) %>%
summarise(actions = n())

hourly_activity <- clean_data %>%
group_by(hour_of_day) %>%
summarise(actions = n())

top_10_users <- user_summary %>% head(10)
monthly_activity <- clean_data %>%
group_by(month) %>%
summarise(total_actions = n(), unique_users = n_distinct(user))

# Построение графиков
p1 <- ggplot(monthly_activity, aes(x = month, y = total_actions)) +
geom_bar(stat = "identity", fill = "steelblue") +
labs(title = "Динамика активности пользователей по месяцам",
x = "Месяц", y = "Количество действий") +
theme_minimal()

p2 <- ggplot(weekly_activity, aes(x = day_of_week, y = actions)) +
geom_bar(stat = "identity", fill = "darkgreen") +
labs(title = "Активность по дням недели",
x = "День недели", y = "Количество действий") +
theme_minimal()

p3 <- ggplot(hourly_activity, aes(x = hour_of_day, y = actions)) +
geom_line(color = "red", size = 1) +
labs(title = "Активность по часам суток",
x = "Час дня", y = "Количество действий") +
scale_x_continuous(breaks = 0:23) +
theme_minimal()

combined_plot <- (p1 | p2) / p3

# Создаём папку для сохранения графиков
output_dir <- "saved_plots"
if (!dir.exists(output_dir)) {
dir.create(output_dir)
print(paste("Создана папка для графиков:", output_dir))
}

# Функция для безопасного сохранения графиков
safe_save_plot <- function(plot_obj, filename, width, height, dpi = 300) {
if (!inherits(plot_obj, "ggplot")) {
print(paste("Предупреждение: объект не является графиком ggplot — пропуск сохранения", filename))
return(FALSE)
}

full_path <- file.path(output_dir, filename)

tryCatch({
ggsave(
filename = full_path,
plot = plot_obj,
width = width,
height = height,
dpi = dpi,
device = "png"
)
print(paste("График сохранён:", normalizePath(full_path)))
TRUE
}, error = function(e) {
print(paste("Ошибка сохранения", filename, ":", e$message))
FALSE
})
}

# Сохранение всех графиков
print("Начинаем сохранение графиков...")

# Объединённый график
safe_save_plot(
combined_plot,
"activity_analysis_2023_2024.png",
width = 12,
height = 8
)

# График по месяцам
safe_save_plot(
p1,
"monthly_activity_2023_2024.png",
width = 8,
height = 6
)

# График по дням недели
safe_save_plot(
p2,
"weekly_activity_2023_2024.png",
width = 8,
height = 6
)

# График по часам
safe_save_plot(
p3,
"hourly_activity_2023_2024.png",
width = 8,
height = 6
)

# Финальная проверка — список сохранённых файлов
print("\n---")
print("Проверка сохранённых файлов:")
saved_files <- list.files(output_dir, pattern = ".png", full.names = TRUE)
if (length(saved_files) > 0) {
print("Успешно сохранены файлы:")
print(saved_files)
} else {
print("Файлы не найдены в папке", output_dir)
}

print("Анализ завершён!")

</syntaxhighlight>

=== Результаты выполнения кода ===
После успешного выполнения скрипт:

1. Загружает данные о действиях пользователей из API за последний год.

2. Очищает и структурирует данные.

3. Анализирует активность по месяцам, дням недели и часам суток.

4. Определяет топ‑10 активных пользователей.

5. Строит и сохраняет 4 графика в папке saved_plots.

6. Выводит сводную информацию о результатах.

[[Файл:Действия пользователей.png|800px]]
[[Файл:Топ-10.png|800px]]
[[Файл:Активность по дням недели.png|800px]]

=== Объединённый график ===
[[Файл:Объединённый график.png| 800px]]

На графике указаны динамика активности пользователей по месяцам, активность по дням недели, активность по часам суток.
----
[[Категория:BigDataWorks]]
[[Категория: RRecipe]]

Анализ активности пользователей Digida

2026-04-13T11:51:58Z

Наталья Захарова: /* Результаты выполнения кода */

Анализ активности пользователей Digida

2026-04-13T11:51:39Z

Наталья Захарова: /* Графики */

; Исходные данные:
: Все события площадки до 06.04.2026 года - https://raw.githubusercontent.com/patarakin/stat-data/dc76a94554ecd09228ad4e21e95a94e9c422b1b8/datasets/csv/wiki_df_events_digid.csv
: Совместные действия участников - https://raw.githubusercontent.com/patarakin/stat-data/dc76a94554ecd09228ad4e21e95a94e9c422b1b8/datasets/csv/wiki_df_team_digid.csv

=== График активности 2022 - 2026 ===

[[Файл:DinamycDigida.png|800px]]

=== Код для получения данных и графиков ===
<syntaxhighlight lang="R" line>
# Загрузка необходимых пакетов
library(httr)
library(jsonlite)
library(dplyr)
library(lubridate)
library(tidyr)
library(ggplot2)
library(patchwork)

# Корректный URL API
api_url <- "https://digida.mgpu.ru/api.php"

# Безопасное определение функции (если ещё не существует)
if (!exists("get_mw_data")) {
get_mw_data <- function(action, params) {
query_params <- c(action = action, format = "json", params)
response <- GET(api_url, query = query_params)

# Дополнительная проверка типа ответа
if (http_type(response) != "application/json") {
warning("Ответ не в формате JSON")
}

stop_for_status(response)
fromJSON(content(response, "text"))
}
}

# Загрузка данных с обработкой ошибок
data_loaded <- FALSE
tryCatch({
recent_edits <- get_mw_data("query", list(
list = "recentchanges",
rcprop = "user|timestamp|title|comment|type",
rclimit = "500",
rcshow = "!bot",
rcend = format(Sys.Date() - 365, "%Y%m%d%H%M%S")
))

users_list <- get_mw_data("query", list(
list = "allusers",
aulimit = "500"
))

print("Данные успешно загружены!")
data_loaded <- TRUE
}, error = function(e) {
print(paste("Ошибка при загрузке данных:", e$message))
})

# Если данные не загружены, прерываем выполнение
if (!data_loaded) {
stop("Не удалось загрузить данные. Прекращение выполнения.")
}

# Проверка прав на запись в текущей директории
can_write <- file.access(getwd(), mode = 2) == 0
if (!can_write) {
stop("Нет прав на запись в текущую рабочую директорию. Выберите другую папку.")
}

# Очистка данных
clean_data <- recent_edits$query$recentchanges %>%
as_tibble() %>%
mutate(
timestamp = ymd_hms(timestamp),
date = as.Date(timestamp),
day_of_week = wday(timestamp, label = TRUE, abbr = FALSE),
hour_of_day = hour(timestamp),
month = month(timestamp, label = TRUE),
is_edit = type == "edit"
) %>%
filter(date >= Sys.Date() - 365) %>%
select(user, timestamp, date, day_of_week, hour_of_day, month, title, is_edit)

# Проверка на пустые данные
if (nrow(clean_data) == 0) {
stop("Очищенные данные пусты. Проверьте параметры запроса к API.")
}

print(paste("Обработано записей:", nrow(clean_data)))

# Агрегация и анализ
user_summary <- clean_data %>%
group_by(user) %>%
summarise(
total_actions = n(),
edits_count = sum(is_edit),
unique_pages = n_distinct(title),
first_action = min(timestamp),
last_action = max(timestamp)
) %>%
arrange(desc(total_actions))

new_users <- clean_data %>%
group_by(month) %>%
summarise(new_users = n_distinct(user))

weekly_activity <- clean_data %>%
group_by(day_of_week) %>%
summarise(actions = n())

hourly_activity <- clean_data %>%
group_by(hour_of_day) %>%
summarise(actions = n())

top_10_users <- user_summary %>% head(10)
monthly_activity <- clean_data %>%
group_by(month) %>%
summarise(total_actions = n(), unique_users = n_distinct(user))

# Построение графиков
p1 <- ggplot(monthly_activity, aes(x = month, y = total_actions)) +
geom_bar(stat = "identity", fill = "steelblue") +
labs(title = "Динамика активности пользователей по месяцам",
x = "Месяц", y = "Количество действий") +
theme_minimal()

p2 <- ggplot(weekly_activity, aes(x = day_of_week, y = actions)) +
geom_bar(stat = "identity", fill = "darkgreen") +
labs(title = "Активность по дням недели",
x = "День недели", y = "Количество действий") +
theme_minimal()

p3 <- ggplot(hourly_activity, aes(x = hour_of_day, y = actions)) +
geom_line(color = "red", size = 1) +
labs(title = "Активность по часам суток",
x = "Час дня", y = "Количество действий") +
scale_x_continuous(breaks = 0:23) +
theme_minimal()

combined_plot <- (p1 | p2) / p3

# Создаём папку для сохранения графиков
output_dir <- "saved_plots"
if (!dir.exists(output_dir)) {
dir.create(output_dir)
print(paste("Создана папка для графиков:", output_dir))
}

# Функция для безопасного сохранения графиков
safe_save_plot <- function(plot_obj, filename, width, height, dpi = 300) {
if (!inherits(plot_obj, "ggplot")) {
print(paste("Предупреждение: объект не является графиком ggplot — пропуск сохранения", filename))
return(FALSE)
}

full_path <- file.path(output_dir, filename)

tryCatch({
ggsave(
filename = full_path,
plot = plot_obj,
width = width,
height = height,
dpi = dpi,
device = "png"
)
print(paste("График сохранён:", normalizePath(full_path)))
TRUE
}, error = function(e) {
print(paste("Ошибка сохранения", filename, ":", e$message))
FALSE
})
}

# Сохранение всех графиков
print("Начинаем сохранение графиков...")

# Объединённый график
safe_save_plot(
combined_plot,
"activity_analysis_2023_2024.png",
width = 12,
height = 8
)

# График по месяцам
safe_save_plot(
p1,
"monthly_activity_2023_2024.png",
width = 8,
height = 6
)

# График по дням недели
safe_save_plot(
p2,
"weekly_activity_2023_2024.png",
width = 8,
height = 6
)

# График по часам
safe_save_plot(
p3,
"hourly_activity_2023_2024.png",
width = 8,
height = 6
)

# Финальная проверка — список сохранённых файлов
print("\n---")
print("Проверка сохранённых файлов:")
saved_files <- list.files(output_dir, pattern = ".png", full.names = TRUE)
if (length(saved_files) > 0) {
print("Успешно сохранены файлы:")
print(saved_files)
} else {
print("Файлы не найдены в папке", output_dir)
}

print("Анализ завершён!")

</syntaxhighlight>

=== Результаты выполнения кода ===
После успешного выполнения скрипт:
1. Загружает данные о действиях пользователей из API за последний год.
2. Очищает и структурирует данные.
3. Анализирует активность по месяцам, дням недели и часам суток.
4. Определяет топ‑10 активных пользователей.
5. Строит и сохраняет 4 графика в папке saved_plots.
6. Выводит сводную информацию о результатах.
[[Файл:Действия пользователей.png|800px]]
[[Файл:Топ-10.png|800px]]
[[Файл:Активность по дням недели.png|800px]]
=== Объединённый график ===
[[Файл:Объединённый график.png| 800px]]

На графике указаны динамика активности пользователей по месяцам, активность по дням недели, активность по часам суток.
----
[[Категория:BigDataWorks]]

Анализ активности пользователей Digida

2026-04-13T11:51:15Z

Наталья Захарова: /* Графики */

; Исходные данные:
: Все события площадки до 06.04.2026 года - https://raw.githubusercontent.com/patarakin/stat-data/dc76a94554ecd09228ad4e21e95a94e9c422b1b8/datasets/csv/wiki_df_events_digid.csv
: Совместные действия участников - https://raw.githubusercontent.com/patarakin/stat-data/dc76a94554ecd09228ad4e21e95a94e9c422b1b8/datasets/csv/wiki_df_team_digid.csv

=== График активности 2022 - 2026 ===

[[Файл:DinamycDigida.png|800px]]

=== Код для получения данных и графиков ===
<syntaxhighlight lang="R" line>
# Загрузка необходимых пакетов
library(httr)
library(jsonlite)
library(dplyr)
library(lubridate)
library(tidyr)
library(ggplot2)
library(patchwork)

# Корректный URL API
api_url <- "https://digida.mgpu.ru/api.php"

# Безопасное определение функции (если ещё не существует)
if (!exists("get_mw_data")) {
get_mw_data <- function(action, params) {
query_params <- c(action = action, format = "json", params)
response <- GET(api_url, query = query_params)

# Дополнительная проверка типа ответа
if (http_type(response) != "application/json") {
warning("Ответ не в формате JSON")
}

stop_for_status(response)
fromJSON(content(response, "text"))
}
}

# Загрузка данных с обработкой ошибок
data_loaded <- FALSE
tryCatch({
recent_edits <- get_mw_data("query", list(
list = "recentchanges",
rcprop = "user|timestamp|title|comment|type",
rclimit = "500",
rcshow = "!bot",
rcend = format(Sys.Date() - 365, "%Y%m%d%H%M%S")
))

users_list <- get_mw_data("query", list(
list = "allusers",
aulimit = "500"
))

print("Данные успешно загружены!")
data_loaded <- TRUE
}, error = function(e) {
print(paste("Ошибка при загрузке данных:", e$message))
})

# Если данные не загружены, прерываем выполнение
if (!data_loaded) {
stop("Не удалось загрузить данные. Прекращение выполнения.")
}

# Проверка прав на запись в текущей директории
can_write <- file.access(getwd(), mode = 2) == 0
if (!can_write) {
stop("Нет прав на запись в текущую рабочую директорию. Выберите другую папку.")
}

# Очистка данных
clean_data <- recent_edits$query$recentchanges %>%
as_tibble() %>%
mutate(
timestamp = ymd_hms(timestamp),
date = as.Date(timestamp),
day_of_week = wday(timestamp, label = TRUE, abbr = FALSE),
hour_of_day = hour(timestamp),
month = month(timestamp, label = TRUE),
is_edit = type == "edit"
) %>%
filter(date >= Sys.Date() - 365) %>%
select(user, timestamp, date, day_of_week, hour_of_day, month, title, is_edit)

# Проверка на пустые данные
if (nrow(clean_data) == 0) {
stop("Очищенные данные пусты. Проверьте параметры запроса к API.")
}

print(paste("Обработано записей:", nrow(clean_data)))

# Агрегация и анализ
user_summary <- clean_data %>%
group_by(user) %>%
summarise(
total_actions = n(),
edits_count = sum(is_edit),
unique_pages = n_distinct(title),
first_action = min(timestamp),
last_action = max(timestamp)
) %>%
arrange(desc(total_actions))

new_users <- clean_data %>%
group_by(month) %>%
summarise(new_users = n_distinct(user))

weekly_activity <- clean_data %>%
group_by(day_of_week) %>%
summarise(actions = n())

hourly_activity <- clean_data %>%
group_by(hour_of_day) %>%
summarise(actions = n())

top_10_users <- user_summary %>% head(10)
monthly_activity <- clean_data %>%
group_by(month) %>%
summarise(total_actions = n(), unique_users = n_distinct(user))

# Построение графиков
p1 <- ggplot(monthly_activity, aes(x = month, y = total_actions)) +
geom_bar(stat = "identity", fill = "steelblue") +
labs(title = "Динамика активности пользователей по месяцам",
x = "Месяц", y = "Количество действий") +
theme_minimal()

p2 <- ggplot(weekly_activity, aes(x = day_of_week, y = actions)) +
geom_bar(stat = "identity", fill = "darkgreen") +
labs(title = "Активность по дням недели",
x = "День недели", y = "Количество действий") +
theme_minimal()

p3 <- ggplot(hourly_activity, aes(x = hour_of_day, y = actions)) +
geom_line(color = "red", size = 1) +
labs(title = "Активность по часам суток",
x = "Час дня", y = "Количество действий") +
scale_x_continuous(breaks = 0:23) +
theme_minimal()

combined_plot <- (p1 | p2) / p3

# Создаём папку для сохранения графиков
output_dir <- "saved_plots"
if (!dir.exists(output_dir)) {
dir.create(output_dir)
print(paste("Создана папка для графиков:", output_dir))
}

# Функция для безопасного сохранения графиков
safe_save_plot <- function(plot_obj, filename, width, height, dpi = 300) {
if (!inherits(plot_obj, "ggplot")) {
print(paste("Предупреждение: объект не является графиком ggplot — пропуск сохранения", filename))
return(FALSE)
}

full_path <- file.path(output_dir, filename)

tryCatch({
ggsave(
filename = full_path,
plot = plot_obj,
width = width,
height = height,
dpi = dpi,
device = "png"
)
print(paste("График сохранён:", normalizePath(full_path)))
TRUE
}, error = function(e) {
print(paste("Ошибка сохранения", filename, ":", e$message))
FALSE
})
}

# Сохранение всех графиков
print("Начинаем сохранение графиков...")

# Объединённый график
safe_save_plot(
combined_plot,
"activity_analysis_2023_2024.png",
width = 12,
height = 8
)

# График по месяцам
safe_save_plot(
p1,
"monthly_activity_2023_2024.png",
width = 8,
height = 6
)

# График по дням недели
safe_save_plot(
p2,
"weekly_activity_2023_2024.png",
width = 8,
height = 6
)

# График по часам
safe_save_plot(
p3,
"hourly_activity_2023_2024.png",
width = 8,
height = 6
)

# Финальная проверка — список сохранённых файлов
print("\n---")
print("Проверка сохранённых файлов:")
saved_files <- list.files(output_dir, pattern = ".png", full.names = TRUE)
if (length(saved_files) > 0) {
print("Успешно сохранены файлы:")
print(saved_files)
} else {
print("Файлы не найдены в папке", output_dir)
}

print("Анализ завершён!")

</syntaxhighlight>

=== Результаты выполнения кода ===
После успешного выполнения скрипт:
1. Загружает данные о действиях пользователей из API за последний год.
2. Очищает и структурирует данные.
3. Анализирует активность по месяцам, дням недели и часам суток.
4. Определяет топ‑10 активных пользователей.
5. Строит и сохраняет 4 графика в папке saved_plots.
6. Выводит сводную информацию о результатах.
[[Файл:Действия пользователей.png|800px]]
[[Файл:Топ-10.png|800px]]
[[Файл:Активность по дням недели.png|800px]]
=== Графики ===
Объединённый график
[[Файл:Объединённый график.png| 800px]]

На графике указаны динамика активности пользователей по месяцам, активность по дням недели, активность по часам суток.
----
[[Категория:BigDataWorks]]

Анализ активности пользователей Digida

2026-04-13T11:49:36Z

Наталья Захарова: /* Результаты выполнения кода */

; Исходные данные:
: Все события площадки до 06.04.2026 года - https://raw.githubusercontent.com/patarakin/stat-data/dc76a94554ecd09228ad4e21e95a94e9c422b1b8/datasets/csv/wiki_df_events_digid.csv
: Совместные действия участников - https://raw.githubusercontent.com/patarakin/stat-data/dc76a94554ecd09228ad4e21e95a94e9c422b1b8/datasets/csv/wiki_df_team_digid.csv

=== График активности 2022 - 2026 ===

[[Файл:DinamycDigida.png|800px]]

=== Код для получения данных и графиков ===
<syntaxhighlight lang="R" line>
# Загрузка необходимых пакетов
library(httr)
library(jsonlite)
library(dplyr)
library(lubridate)
library(tidyr)
library(ggplot2)
library(patchwork)

# Корректный URL API
api_url <- "https://digida.mgpu.ru/api.php"

# Безопасное определение функции (если ещё не существует)
if (!exists("get_mw_data")) {
get_mw_data <- function(action, params) {
query_params <- c(action = action, format = "json", params)
response <- GET(api_url, query = query_params)

# Дополнительная проверка типа ответа
if (http_type(response) != "application/json") {
warning("Ответ не в формате JSON")
}

stop_for_status(response)
fromJSON(content(response, "text"))
}
}

# Загрузка данных с обработкой ошибок
data_loaded <- FALSE
tryCatch({
recent_edits <- get_mw_data("query", list(
list = "recentchanges",
rcprop = "user|timestamp|title|comment|type",
rclimit = "500",
rcshow = "!bot",
rcend = format(Sys.Date() - 365, "%Y%m%d%H%M%S")
))

users_list <- get_mw_data("query", list(
list = "allusers",
aulimit = "500"
))

print("Данные успешно загружены!")
data_loaded <- TRUE
}, error = function(e) {
print(paste("Ошибка при загрузке данных:", e$message))
})

# Если данные не загружены, прерываем выполнение
if (!data_loaded) {
stop("Не удалось загрузить данные. Прекращение выполнения.")
}

# Проверка прав на запись в текущей директории
can_write <- file.access(getwd(), mode = 2) == 0
if (!can_write) {
stop("Нет прав на запись в текущую рабочую директорию. Выберите другую папку.")
}

# Очистка данных
clean_data <- recent_edits$query$recentchanges %>%
as_tibble() %>%
mutate(
timestamp = ymd_hms(timestamp),
date = as.Date(timestamp),
day_of_week = wday(timestamp, label = TRUE, abbr = FALSE),
hour_of_day = hour(timestamp),
month = month(timestamp, label = TRUE),
is_edit = type == "edit"
) %>%
filter(date >= Sys.Date() - 365) %>%
select(user, timestamp, date, day_of_week, hour_of_day, month, title, is_edit)

# Проверка на пустые данные
if (nrow(clean_data) == 0) {
stop("Очищенные данные пусты. Проверьте параметры запроса к API.")
}

print(paste("Обработано записей:", nrow(clean_data)))

# Агрегация и анализ
user_summary <- clean_data %>%
group_by(user) %>%
summarise(
total_actions = n(),
edits_count = sum(is_edit),
unique_pages = n_distinct(title),
first_action = min(timestamp),
last_action = max(timestamp)
) %>%
arrange(desc(total_actions))

new_users <- clean_data %>%
group_by(month) %>%
summarise(new_users = n_distinct(user))

weekly_activity <- clean_data %>%
group_by(day_of_week) %>%
summarise(actions = n())

hourly_activity <- clean_data %>%
group_by(hour_of_day) %>%
summarise(actions = n())

top_10_users <- user_summary %>% head(10)
monthly_activity <- clean_data %>%
group_by(month) %>%
summarise(total_actions = n(), unique_users = n_distinct(user))

# Построение графиков
p1 <- ggplot(monthly_activity, aes(x = month, y = total_actions)) +
geom_bar(stat = "identity", fill = "steelblue") +
labs(title = "Динамика активности пользователей по месяцам",
x = "Месяц", y = "Количество действий") +
theme_minimal()

p2 <- ggplot(weekly_activity, aes(x = day_of_week, y = actions)) +
geom_bar(stat = "identity", fill = "darkgreen") +
labs(title = "Активность по дням недели",
x = "День недели", y = "Количество действий") +
theme_minimal()

p3 <- ggplot(hourly_activity, aes(x = hour_of_day, y = actions)) +
geom_line(color = "red", size = 1) +
labs(title = "Активность по часам суток",
x = "Час дня", y = "Количество действий") +
scale_x_continuous(breaks = 0:23) +
theme_minimal()

combined_plot <- (p1 | p2) / p3

# Создаём папку для сохранения графиков
output_dir <- "saved_plots"
if (!dir.exists(output_dir)) {
dir.create(output_dir)
print(paste("Создана папка для графиков:", output_dir))
}

# Функция для безопасного сохранения графиков
safe_save_plot <- function(plot_obj, filename, width, height, dpi = 300) {
if (!inherits(plot_obj, "ggplot")) {
print(paste("Предупреждение: объект не является графиком ggplot — пропуск сохранения", filename))
return(FALSE)
}

full_path <- file.path(output_dir, filename)

tryCatch({
ggsave(
filename = full_path,
plot = plot_obj,
width = width,
height = height,
dpi = dpi,
device = "png"
)
print(paste("График сохранён:", normalizePath(full_path)))
TRUE
}, error = function(e) {
print(paste("Ошибка сохранения", filename, ":", e$message))
FALSE
})
}

# Сохранение всех графиков
print("Начинаем сохранение графиков...")

# Объединённый график
safe_save_plot(
combined_plot,
"activity_analysis_2023_2024.png",
width = 12,
height = 8
)

# График по месяцам
safe_save_plot(
p1,
"monthly_activity_2023_2024.png",
width = 8,
height = 6
)

# График по дням недели
safe_save_plot(
p2,
"weekly_activity_2023_2024.png",
width = 8,
height = 6
)

# График по часам
safe_save_plot(
p3,
"hourly_activity_2023_2024.png",
width = 8,
height = 6
)

# Финальная проверка — список сохранённых файлов
print("\n---")
print("Проверка сохранённых файлов:")
saved_files <- list.files(output_dir, pattern = ".png", full.names = TRUE)
if (length(saved_files) > 0) {
print("Успешно сохранены файлы:")
print(saved_files)
} else {
print("Файлы не найдены в папке", output_dir)
}

print("Анализ завершён!")

</syntaxhighlight>

=== Результаты выполнения кода ===
После успешного выполнения скрипт:
1. Загружает данные о действиях пользователей из API за последний год.
2. Очищает и структурирует данные.
3. Анализирует активность по месяцам, дням недели и часам суток.
4. Определяет топ‑10 активных пользователей.
5. Строит и сохраняет 4 графика в папке saved_plots.
6. Выводит сводную информацию о результатах.
[[Файл:Действия пользователей.png|800px]]
[[Файл:Топ-10.png|800px]]
[[Файл:Активность по дням недели.png|800px]]
=== Графики ===
Объединённый график
[[Файл:Объединённый график.png| 800px]]
На графике указаны динамика активности пользователей по месяцам, активность по дням недели, активность по часам суток.
----
[[Категория:BigDataWorks]]

Файл:Объединённый график.png

2026-04-13T11:49:05Z

Наталья Захарова:

На графике указаны динамика активности пользователей по месяцам, активность по дням недели, активность по часам суток.

Анализ активности пользователей Digida

2026-04-13T11:44:33Z

Наталья Захарова:

; Исходные данные:
: Все события площадки до 06.04.2026 года - https://raw.githubusercontent.com/patarakin/stat-data/dc76a94554ecd09228ad4e21e95a94e9c422b1b8/datasets/csv/wiki_df_events_digid.csv
: Совместные действия участников - https://raw.githubusercontent.com/patarakin/stat-data/dc76a94554ecd09228ad4e21e95a94e9c422b1b8/datasets/csv/wiki_df_team_digid.csv

=== График активности 2022 - 2026 ===

[[Файл:DinamycDigida.png|800px]]

=== Код для получения данных и графиков ===
<syntaxhighlight lang="R" line>
# Загрузка необходимых пакетов
library(httr)
library(jsonlite)
library(dplyr)
library(lubridate)
library(tidyr)
library(ggplot2)
library(patchwork)

# Корректный URL API
api_url <- "https://digida.mgpu.ru/api.php"

# Безопасное определение функции (если ещё не существует)
if (!exists("get_mw_data")) {
get_mw_data <- function(action, params) {
query_params <- c(action = action, format = "json", params)
response <- GET(api_url, query = query_params)

# Дополнительная проверка типа ответа
if (http_type(response) != "application/json") {
warning("Ответ не в формате JSON")
}

stop_for_status(response)
fromJSON(content(response, "text"))
}
}

# Загрузка данных с обработкой ошибок
data_loaded <- FALSE
tryCatch({
recent_edits <- get_mw_data("query", list(
list = "recentchanges",
rcprop = "user|timestamp|title|comment|type",
rclimit = "500",
rcshow = "!bot",
rcend = format(Sys.Date() - 365, "%Y%m%d%H%M%S")
))

users_list <- get_mw_data("query", list(
list = "allusers",
aulimit = "500"
))

print("Данные успешно загружены!")
data_loaded <- TRUE
}, error = function(e) {
print(paste("Ошибка при загрузке данных:", e$message))
})

# Если данные не загружены, прерываем выполнение
if (!data_loaded) {
stop("Не удалось загрузить данные. Прекращение выполнения.")
}

# Проверка прав на запись в текущей директории
can_write <- file.access(getwd(), mode = 2) == 0
if (!can_write) {
stop("Нет прав на запись в текущую рабочую директорию. Выберите другую папку.")
}

# Очистка данных
clean_data <- recent_edits$query$recentchanges %>%
as_tibble() %>%
mutate(
timestamp = ymd_hms(timestamp),
date = as.Date(timestamp),
day_of_week = wday(timestamp, label = TRUE, abbr = FALSE),
hour_of_day = hour(timestamp),
month = month(timestamp, label = TRUE),
is_edit = type == "edit"
) %>%
filter(date >= Sys.Date() - 365) %>%
select(user, timestamp, date, day_of_week, hour_of_day, month, title, is_edit)

# Проверка на пустые данные
if (nrow(clean_data) == 0) {
stop("Очищенные данные пусты. Проверьте параметры запроса к API.")
}

print(paste("Обработано записей:", nrow(clean_data)))

# Агрегация и анализ
user_summary <- clean_data %>%
group_by(user) %>%
summarise(
total_actions = n(),
edits_count = sum(is_edit),
unique_pages = n_distinct(title),
first_action = min(timestamp),
last_action = max(timestamp)
) %>%
arrange(desc(total_actions))

new_users <- clean_data %>%
group_by(month) %>%
summarise(new_users = n_distinct(user))

weekly_activity <- clean_data %>%
group_by(day_of_week) %>%
summarise(actions = n())

hourly_activity <- clean_data %>%
group_by(hour_of_day) %>%
summarise(actions = n())

top_10_users <- user_summary %>% head(10)
monthly_activity <- clean_data %>%
group_by(month) %>%
summarise(total_actions = n(), unique_users = n_distinct(user))

# Построение графиков
p1 <- ggplot(monthly_activity, aes(x = month, y = total_actions)) +
geom_bar(stat = "identity", fill = "steelblue") +
labs(title = "Динамика активности пользователей по месяцам",
x = "Месяц", y = "Количество действий") +
theme_minimal()

p2 <- ggplot(weekly_activity, aes(x = day_of_week, y = actions)) +
geom_bar(stat = "identity", fill = "darkgreen") +
labs(title = "Активность по дням недели",
x = "День недели", y = "Количество действий") +
theme_minimal()

p3 <- ggplot(hourly_activity, aes(x = hour_of_day, y = actions)) +
geom_line(color = "red", size = 1) +
labs(title = "Активность по часам суток",
x = "Час дня", y = "Количество действий") +
scale_x_continuous(breaks = 0:23) +
theme_minimal()

combined_plot <- (p1 | p2) / p3

# Создаём папку для сохранения графиков
output_dir <- "saved_plots"
if (!dir.exists(output_dir)) {
dir.create(output_dir)
print(paste("Создана папка для графиков:", output_dir))
}

# Функция для безопасного сохранения графиков
safe_save_plot <- function(plot_obj, filename, width, height, dpi = 300) {
if (!inherits(plot_obj, "ggplot")) {
print(paste("Предупреждение: объект не является графиком ggplot — пропуск сохранения", filename))
return(FALSE)
}

full_path <- file.path(output_dir, filename)

tryCatch({
ggsave(
filename = full_path,
plot = plot_obj,
width = width,
height = height,
dpi = dpi,
device = "png"
)
print(paste("График сохранён:", normalizePath(full_path)))
TRUE
}, error = function(e) {
print(paste("Ошибка сохранения", filename, ":", e$message))
FALSE
})
}

# Сохранение всех графиков
print("Начинаем сохранение графиков...")

# Объединённый график
safe_save_plot(
combined_plot,
"activity_analysis_2023_2024.png",
width = 12,
height = 8
)

# График по месяцам
safe_save_plot(
p1,
"monthly_activity_2023_2024.png",
width = 8,
height = 6
)

# График по дням недели
safe_save_plot(
p2,
"weekly_activity_2023_2024.png",
width = 8,
height = 6
)

# График по часам
safe_save_plot(
p3,
"hourly_activity_2023_2024.png",
width = 8,
height = 6
)

# Финальная проверка — список сохранённых файлов
print("\n---")
print("Проверка сохранённых файлов:")
saved_files <- list.files(output_dir, pattern = ".png", full.names = TRUE)
if (length(saved_files) > 0) {
print("Успешно сохранены файлы:")
print(saved_files)
} else {
print("Файлы не найдены в папке", output_dir)
}

print("Анализ завершён!")

</syntaxhighlight>

=== Результаты выполнения кода ===
После успешного выполнения скрипт:
1. Загружает данные о действиях пользователей из API за последний год.
2. Очищает и структурирует данные.
3. Анализирует активность по месяцам, дням недели и часам суток.
4. Определяет топ‑10 активных пользователей.
5. Строит и сохраняет 4 графика в папке saved_plots.
6. Выводит сводную информацию о результатах.
[[Файл:Действия пользователей.png|800px]]
[[Файл:Топ-10.png|800px]]
[[Файл:Активность по дням недели.png|800px]]
----
[[Категория:BigDataWorks]]

Анализ активности пользователей Digida

2026-04-13T11:43:46Z

Наталья Захарова:

; Исходные данные:
: Все события площадки до 06.04.2026 года - https://raw.githubusercontent.com/patarakin/stat-data/dc76a94554ecd09228ad4e21e95a94e9c422b1b8/datasets/csv/wiki_df_events_digid.csv
: Совместные действия участников - https://raw.githubusercontent.com/patarakin/stat-data/dc76a94554ecd09228ad4e21e95a94e9c422b1b8/datasets/csv/wiki_df_team_digid.csv

=== График активности 2022 - 2026 ===

[[Файл:DinamycDigida.png|800px]]

=== Код для получения данных и графиков ===
<syntaxhighlight lang="R" line>
# Загрузка необходимых пакетов
library(httr)
library(jsonlite)
library(dplyr)
library(lubridate)
library(tidyr)
library(ggplot2)
library(patchwork)

# Корректный URL API
api_url <- "https://digida.mgpu.ru/api.php"

# Безопасное определение функции (если ещё не существует)
if (!exists("get_mw_data")) {
get_mw_data <- function(action, params) {
query_params <- c(action = action, format = "json", params)
response <- GET(api_url, query = query_params)

# Дополнительная проверка типа ответа
if (http_type(response) != "application/json") {
warning("Ответ не в формате JSON")
}

stop_for_status(response)
fromJSON(content(response, "text"))
}
}

# Загрузка данных с обработкой ошибок
data_loaded <- FALSE
tryCatch({
recent_edits <- get_mw_data("query", list(
list = "recentchanges",
rcprop = "user|timestamp|title|comment|type",
rclimit = "500",
rcshow = "!bot",
rcend = format(Sys.Date() - 365, "%Y%m%d%H%M%S")
))

users_list <- get_mw_data("query", list(
list = "allusers",
aulimit = "500"
))

print("Данные успешно загружены!")
data_loaded <- TRUE
}, error = function(e) {
print(paste("Ошибка при загрузке данных:", e$message))
})

# Если данные не загружены, прерываем выполнение
if (!data_loaded) {
stop("Не удалось загрузить данные. Прекращение выполнения.")
}

# Проверка прав на запись в текущей директории
can_write <- file.access(getwd(), mode = 2) == 0
if (!can_write) {
stop("Нет прав на запись в текущую рабочую директорию. Выберите другую папку.")
}

# Очистка данных
clean_data <- recent_edits$query$recentchanges %>%
as_tibble() %>%
mutate(
timestamp = ymd_hms(timestamp),
date = as.Date(timestamp),
day_of_week = wday(timestamp, label = TRUE, abbr = FALSE),
hour_of_day = hour(timestamp),
month = month(timestamp, label = TRUE),
is_edit = type == "edit"
) %>%
filter(date >= Sys.Date() - 365) %>%
select(user, timestamp, date, day_of_week, hour_of_day, month, title, is_edit)

# Проверка на пустые данные
if (nrow(clean_data) == 0) {
stop("Очищенные данные пусты. Проверьте параметры запроса к API.")
}

print(paste("Обработано записей:", nrow(clean_data)))

# Агрегация и анализ
user_summary <- clean_data %>%
group_by(user) %>%
summarise(
total_actions = n(),
edits_count = sum(is_edit),
unique_pages = n_distinct(title),
first_action = min(timestamp),
last_action = max(timestamp)
) %>%
arrange(desc(total_actions))

new_users <- clean_data %>%
group_by(month) %>%
summarise(new_users = n_distinct(user))

weekly_activity <- clean_data %>%
group_by(day_of_week) %>%
summarise(actions = n())

hourly_activity <- clean_data %>%
group_by(hour_of_day) %>%
summarise(actions = n())

top_10_users <- user_summary %>% head(10)
monthly_activity <- clean_data %>%
group_by(month) %>%
summarise(total_actions = n(), unique_users = n_distinct(user))

# Построение графиков
p1 <- ggplot(monthly_activity, aes(x = month, y = total_actions)) +
geom_bar(stat = "identity", fill = "steelblue") +
labs(title = "Динамика активности пользователей по месяцам",
x = "Месяц", y = "Количество действий") +
theme_minimal()

p2 <- ggplot(weekly_activity, aes(x = day_of_week, y = actions)) +
geom_bar(stat = "identity", fill = "darkgreen") +
labs(title = "Активность по дням недели",
x = "День недели", y = "Количество действий") +
theme_minimal()

p3 <- ggplot(hourly_activity, aes(x = hour_of_day, y = actions)) +
geom_line(color = "red", size = 1) +
labs(title = "Активность по часам суток",
x = "Час дня", y = "Количество действий") +
scale_x_continuous(breaks = 0:23) +
theme_minimal()

combined_plot <- (p1 | p2) / p3

# Создаём папку для сохранения графиков
output_dir <- "saved_plots"
if (!dir.exists(output_dir)) {
dir.create(output_dir)
print(paste("Создана папка для графиков:", output_dir))
}

# Функция для безопасного сохранения графиков
safe_save_plot <- function(plot_obj, filename, width, height, dpi = 300) {
if (!inherits(plot_obj, "ggplot")) {
print(paste("Предупреждение: объект не является графиком ggplot — пропуск сохранения", filename))
return(FALSE)
}

full_path <- file.path(output_dir, filename)

tryCatch({
ggsave(
filename = full_path,
plot = plot_obj,
width = width,
height = height,
dpi = dpi,
device = "png"
)
print(paste("График сохранён:", normalizePath(full_path)))
TRUE
}, error = function(e) {
print(paste("Ошибка сохранения", filename, ":", e$message))
FALSE
})
}

# Сохранение всех графиков
print("Начинаем сохранение графиков...")

# Объединённый график
safe_save_plot(
combined_plot,
"activity_analysis_2023_2024.png",
width = 12,
height = 8
)

# График по месяцам
safe_save_plot(
p1,
"monthly_activity_2023_2024.png",
width = 8,
height = 6
)

# График по дням недели
safe_save_plot(
p2,
"weekly_activity_2023_2024.png",
width = 8,
height = 6
)

# График по часам
safe_save_plot(
p3,
"hourly_activity_2023_2024.png",
width = 8,
height = 6
)

# Финальная проверка — список сохранённых файлов
print("\n---")
print("Проверка сохранённых файлов:")
saved_files <- list.files(output_dir, pattern = ".png", full.names = TRUE)
if (length(saved_files) > 0) {
print("Успешно сохранены файлы:")
print(saved_files)
} else {
print("Файлы не найдены в папке", output_dir)
}

print("Анализ завершён!")

</syntaxhighlight>

=== Результаты выполнения кода ===
После успешного выполнения скрипт:
1. Загружает данные о действиях пользователей из API за последний год.
2. Очищает и структурирует данные.
3. Анализирует активность по месяцам, дням недели и часам суток.
4. Определяет топ‑10 активных пользователей.
5. Строит и сохраняет 4 графика в папке saved_plots.
6. Выводит сводную информацию о результатах.
[[Файл:Действия пользователей.png|мини]]
[[Файл:Топ-10.png|мини]]
[[Файл:Активность по дням недели.png|мини]]
----
[[Категория:BigDataWorks]]

Файл:Активность по дням недели.png

2026-04-13T11:43:40Z

Наталья Захарова:

Таблица отражает активность пользователей в разные дни недели

Файл:Топ-10.png

2026-04-13T11:42:13Z

Наталья Захарова:

10 наиболее активных пользователей платформы

Файл:Действия пользователей.png

2026-04-13T11:40:32Z

Наталья Захарова:

Пример результата выполнения кода, демонстрирующий действия пользователей

Анализ активности пользователей Digida

2026-04-13T11:25:39Z

Наталья Захарова:

; Исходные данные:
: Все события площадки до 06.04.2026 года - https://raw.githubusercontent.com/patarakin/stat-data/dc76a94554ecd09228ad4e21e95a94e9c422b1b8/datasets/csv/wiki_df_events_digid.csv
: Совместные действия участников - https://raw.githubusercontent.com/patarakin/stat-data/dc76a94554ecd09228ad4e21e95a94e9c422b1b8/datasets/csv/wiki_df_team_digid.csv

=== График активности 2022 - 2026 ===

[[Файл:DinamycDigida.png|800px]]

=== Код для получения данных и графиков ===
<syntaxhighlight lang="R" line>
# Загрузка необходимых пакетов
library(httr)
library(jsonlite)
library(dplyr)
library(lubridate)
library(tidyr)
library(ggplot2)
library(patchwork)

# Корректный URL API
api_url <- "https://digida.mgpu.ru/api.php"

# Безопасное определение функции (если ещё не существует)
if (!exists("get_mw_data")) {
get_mw_data <- function(action, params) {
query_params <- c(action = action, format = "json", params)
response <- GET(api_url, query = query_params)

# Дополнительная проверка типа ответа
if (http_type(response) != "application/json") {
warning("Ответ не в формате JSON")
}

stop_for_status(response)
fromJSON(content(response, "text"))
}
}

# Загрузка данных с обработкой ошибок
data_loaded <- FALSE
tryCatch({
recent_edits <- get_mw_data("query", list(
list = "recentchanges",
rcprop = "user|timestamp|title|comment|type",
rclimit = "500",
rcshow = "!bot",
rcend = format(Sys.Date() - 365, "%Y%m%d%H%M%S")
))

users_list <- get_mw_data("query", list(
list = "allusers",
aulimit = "500"
))

print("Данные успешно загружены!")
data_loaded <- TRUE
}, error = function(e) {
print(paste("Ошибка при загрузке данных:", e$message))
})

# Если данные не загружены, прерываем выполнение
if (!data_loaded) {
stop("Не удалось загрузить данные. Прекращение выполнения.")
}

# Проверка прав на запись в текущей директории
can_write <- file.access(getwd(), mode = 2) == 0
if (!can_write) {
stop("Нет прав на запись в текущую рабочую директорию. Выберите другую папку.")
}

# Очистка данных
clean_data <- recent_edits$query$recentchanges %>%
as_tibble() %>%
mutate(
timestamp = ymd_hms(timestamp),
date = as.Date(timestamp),
day_of_week = wday(timestamp, label = TRUE, abbr = FALSE),
hour_of_day = hour(timestamp),
month = month(timestamp, label = TRUE),
is_edit = type == "edit"
) %>%
filter(date >= Sys.Date() - 365) %>%
select(user, timestamp, date, day_of_week, hour_of_day, month, title, is_edit)

# Проверка на пустые данные
if (nrow(clean_data) == 0) {
stop("Очищенные данные пусты. Проверьте параметры запроса к API.")
}

print(paste("Обработано записей:", nrow(clean_data)))

# Агрегация и анализ
user_summary <- clean_data %>%
group_by(user) %>%
summarise(
total_actions = n(),
edits_count = sum(is_edit),
unique_pages = n_distinct(title),
first_action = min(timestamp),
last_action = max(timestamp)
) %>%
arrange(desc(total_actions))

new_users <- clean_data %>%
group_by(month) %>%
summarise(new_users = n_distinct(user))

weekly_activity <- clean_data %>%
group_by(day_of_week) %>%
summarise(actions = n())

hourly_activity <- clean_data %>%
group_by(hour_of_day) %>%
summarise(actions = n())

top_10_users <- user_summary %>% head(10)
monthly_activity <- clean_data %>%
group_by(month) %>%
summarise(total_actions = n(), unique_users = n_distinct(user))

# Построение графиков
p1 <- ggplot(monthly_activity, aes(x = month, y = total_actions)) +
geom_bar(stat = "identity", fill = "steelblue") +
labs(title = "Динамика активности пользователей по месяцам",
x = "Месяц", y = "Количество действий") +
theme_minimal()

p2 <- ggplot(weekly_activity, aes(x = day_of_week, y = actions)) +
geom_bar(stat = "identity", fill = "darkgreen") +
labs(title = "Активность по дням недели",
x = "День недели", y = "Количество действий") +
theme_minimal()

p3 <- ggplot(hourly_activity, aes(x = hour_of_day, y = actions)) +
geom_line(color = "red", size = 1) +
labs(title = "Активность по часам суток",
x = "Час дня", y = "Количество действий") +
scale_x_continuous(breaks = 0:23) +
theme_minimal()

combined_plot <- (p1 | p2) / p3

# Создаём папку для сохранения графиков
output_dir <- "saved_plots"
if (!dir.exists(output_dir)) {
dir.create(output_dir)
print(paste("Создана папка для графиков:", output_dir))
}

# Функция для безопасного сохранения графиков
safe_save_plot <- function(plot_obj, filename, width, height, dpi = 300) {
if (!inherits(plot_obj, "ggplot")) {
print(paste("Предупреждение: объект не является графиком ggplot — пропуск сохранения", filename))
return(FALSE)
}

full_path <- file.path(output_dir, filename)

tryCatch({
ggsave(
filename = full_path,
plot = plot_obj,
width = width,
height = height,
dpi = dpi,
device = "png"
)
print(paste("График сохранён:", normalizePath(full_path)))
TRUE
}, error = function(e) {
print(paste("Ошибка сохранения", filename, ":", e$message))
FALSE
})
}

# Сохранение всех графиков
print("Начинаем сохранение графиков...")

# Объединённый график
safe_save_plot(
combined_plot,
"activity_analysis_2023_2024.png",
width = 12,
height = 8
)

# График по месяцам
safe_save_plot(
p1,
"monthly_activity_2023_2024.png",
width = 8,
height = 6
)

# График по дням недели
safe_save_plot(
p2,
"weekly_activity_2023_2024.png",
width = 8,
height = 6
)

# График по часам
safe_save_plot(
p3,
"hourly_activity_2023_2024.png",
width = 8,
height = 6
)

# Финальная проверка — список сохранённых файлов
print("\n---")
print("Проверка сохранённых файлов:")
saved_files <- list.files(output_dir, pattern = ".png", full.names = TRUE)
if (length(saved_files) > 0) {
print("Успешно сохранены файлы:")
print(saved_files)
} else {
print("Файлы не найдены в папке", output_dir)
}

print("Анализ завершён!")

</syntaxhighlight>

После успешного выполнения скрипт:
1. Загружает данные о действиях пользователей из API за последний год.
2. Очищает и структурирует данные.
3. Анализирует активность по месяцам, дням недели и часам суток.
4. Определяет топ‑10 активных пользователей.
5. Строит и сохраняет 4 графика в папке saved_plots.
6. Выводит сводную информацию о результатах.
----
[[Категория:BigDataWorks]]

Обсуждение участника:Наталья Захарова

2026-04-12T15:28:17Z

Наталья Захарова: /* Анализ активности пользователей Digida за последний год */ новая тема

== Анализ активности пользователей Digida за последний год ==

Напишите, что и как хотите сделать на странице [[Анализ активности пользователей Digida за последний год]] - я попробую помочь. У меня и свежие данные для этой работы есть. --[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 17:57, 12 апреля 2026 (MSK)

== Анализ активности пользователей Digida за последний год ==

Спасибо!
Я пока что пытаюсь разобраться с платформой. Идея - сделать модель, которая будет собирать данные об активности пользователей, выдавать статистику о самых активных, в какие месяцы активность выше.

Обсуждение участника:Наталья Захарова

2026-04-12T15:16:06Z

Наталья Захарова: /* Анализ активности пользователей Digida за последний год */

Обсуждение участника:Наталья Захарова

2026-04-12T15:15:52Z

Наталья Захарова: /* Анализ активности пользователей Digida за последний год */

== Анализ активности пользователей Digida за последний год ==

Напишите, что и как хотите сделать на странице [[Анализ активности пользователей Digida за последний год]] - я попробую помочь. У меня и свежие данные для этой работы есть. --[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 17:57, 12 апреля 2026 (MSK)
Спасибо!
Я пока что пытаюсь разобраться с платформой. Думаю сделать рецепт по анализу активности пользователей платформы, но пока что не очень эффективны мои размышления в этом направлении.

Анализ активности пользователей Digida

2026-04-12T14:57:28Z

Наталья Захарова: Полностью удалено содержимое страницы

Анализ активности пользователей Digida

2026-04-12T14:50:54Z

Наталья Захарова: /* Код анализа */

{{Scripting Tutorials
|Description=Цель: проанализировать активность пользователей Digida за последние 12 месяцев, выявить паттерны использования платформы, определить самых активных участников и сезонные колебания активности.
|Field_of_knowledge=Математика, Информатика, Психология, Образование
|Возрастная категория=13
}}
{{RRecipe
|title=Анализ активности пользователей Digida за последний год
|author=Наталья Захарова
|date={{#time:Y-m-d}}
|description=Анализ активности пользователей платформы Digida за последние 12 месяцев с использованием R
|tags=анализ данных, активность пользователей, Digida, R, статистика
}}

== Цель исследования ==
Анализ пользовательской активности на платформе Digida для выявления:
* паттернов использования платформы;
* сезонных колебаний активности;
* ключевых участников сообщества;
* оптимальных временных слотов для взаимодействия.

== Источники данных ==
* API MediaWiki платформы Digida;
* период анализа: последние 12 месяцев;
* метрики: регистрации, правки страниц, просмотры.

== Методология ==
1. Извлечение данных через API MediaWiki.
2. Очистка и предобработка данных в R.
3. Статистический анализ активности.
4. Визуализация результатов.
5. Формулировка выводов и рекомендаций.

== Код анализа ==
<syntaxhighlight lang="r">

</syntaxhighlight>

== Результаты анализа ==

=== График 1: Общая динамика активности ===
[[Файл:activity_analysis_2023_2024.png|800px|Динамика активности пользователей]]

=== Таблица 1: Топ‑10 активных пользователей ===
{| class="wikitable sortable"
|-
! № !! Пользователь !! Всего действий !! Правки !! Уникальных страниц !! Период активности
|-
{{#for: user in top_10_users}}
| {{#index}} || {{user$user}} || {{user$total_actions}} || {{user$edits_count}} || {{user$unique_pages}} || {{format(user$first_action, "%d.%m.%Y")}} – {{format(user$last_action, "%d.%m.%Y")}}
|-
{{/for}}
|}

=== Таблица 2: Активность по месяцам ===
{| class=“wikitable”
|-
! Месяц !! Всего действий !! Уникальных пользователей
|-
{{#for: month in monthly_activity}}
| {{monthmonth}} || {{monthtotal_actions}} || {{month$unique_users}}
|-
{{/for}}
|}

=== График 4: Топ‑10 пользователей по количеству правок ===
<chart type=“bar” width=“800” height=“400”>
title: Топ-10 пользователей по количеству правок
xAxisTitle: Пользователи
yAxisTitle: Количество правок
data:
{{#for: user in top_10_users}}
{{useruser}}: {{useredits_count}}
{{/for}}
</chart>

Анализ активности пользователей Digida

2026-04-12T14:50:21Z

Наталья Захарова: Новая страница: «{{Scripting Tutorials |Description=Цель: проанализировать активность пользователей Digida за последние 12 месяцев, выявить паттерны использования платформы, определить самых активных участников и сезонные колебания активности. |Field_of_knowledge=Математика, Информатика, Психо...»

{{Scripting Tutorials
|Description=Цель: проанализировать активность пользователей Digida за последние 12 месяцев, выявить паттерны использования платформы, определить самых активных участников и сезонные колебания активности.
|Field_of_knowledge=Математика, Информатика, Психология, Образование
|Возрастная категория=13
}}
{{RRecipe
|title=Анализ активности пользователей Digida за последний год
|author=Наталья Захарова
|date={{#time:Y-m-d}}
|description=Анализ активности пользователей платформы Digida за последние 12 месяцев с использованием R
|tags=анализ данных, активность пользователей, Digida, R, статистика
}}

== Цель исследования ==
Анализ пользовательской активности на платформе Digida для выявления:
* паттернов использования платформы;
* сезонных колебаний активности;
* ключевых участников сообщества;
* оптимальных временных слотов для взаимодействия.

== Источники данных ==
* API MediaWiki платформы Digida;
* период анализа: последние 12 месяцев;
* метрики: регистрации, правки страниц, просмотры.

== Методология ==
1. Извлечение данных через API MediaWiki.
2. Очистка и предобработка данных в R.
3. Статистический анализ активности.
4. Визуализация результатов.
5. Формулировка выводов и рекомендаций.

== Код анализа ==
<syntaxhighlight lang="r">
# Полный код анализа (см. шаги 2–5 выше)
</syntaxhighlight>

== Результаты анализа ==

=== График 1: Общая динамика активности ===
[[Файл:activity_analysis_2023_2024.png|800px|Динамика активности пользователей]]

=== Таблица 1: Топ‑10 активных пользователей ===
{| class="wikitable sortable"
|-
! № !! Пользователь !! Всего действий !! Правки !! Уникальных страниц !! Период активности
|-
{{#for: user in top_10_users}}
| {{#index}} || {{user$user}} || {{user$total_actions}} || {{user$edits_count}} || {{user$unique_pages}} || {{format(user$first_action, "%d.%m.%Y")}} – {{format(user$last_action, "%d.%m.%Y")}}
|-
{{/for}}
|}

=== Таблица 2: Активность по месяцам ===
{| class=“wikitable”
|-
! Месяц !! Всего действий !! Уникальных пользователей
|-
{{#for: month in monthly_activity}}
| {{monthmonth}} || {{monthtotal_actions}} || {{month$unique_users}}
|-
{{/for}}
|}

=== График 4: Топ‑10 пользователей по количеству правок ===
<chart type=“bar” width=“800” height=“400”>
title: Топ-10 пользователей по количеству правок
xAxisTitle: Пользователи
yAxisTitle: Количество правок
data:
{{#for: user in top_10_users}}
{{useruser}}: {{useredits_count}}
{{/for}}
</chart>

Погода за последние 7 дней

2026-04-12T14:09:51Z

Наталья Захарова: Новая страница: «== Описание модели == Модель получает почасовые метеорологические данные за последние 7 дней для Москвы (температура, осадки, скорость ветра) через API Open‑Meteo, далее сохраняет данные в CSV‑файл и строит три графика: температуру (линия), осадки (столбцы), скор...»

== Описание модели ==
Модель получает почасовые метеорологические данные за последние 7 дней для Москвы (температура, осадки, скорость ветра) через API Open‑Meteo, далее сохраняет данные в CSV‑файл и строит три графика: температуру (линия), осадки (столбцы), скорость ветра (линия) — с подписями и сеткой.
[[Файл:График изменения погоды.png|мини]]

<syntaxhighlight lang="R" line>
library(tidyverse)
import requests
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime, timedelta
# Координаты города (например, Москва)
LATITUDE = 55.7558
LONGITUDE = 37.6173
CITY_NAME = "Москва"

# Даты: последние 7 дней
end_date = datetime.now().date()
start_date = end_date - timedelta(days=7)

# URL для запроса к Open‑Meteo
URL = (
f"https://api.open-meteo.com/v1/forecast?"
f"latitude={LATITUDE}&longitude={LONGITUDE}&"
f"start_date={start_date}&end_date={end_date}&"
f"hourly=temperature_2m,precipitation,wind_speed_10m&"
f"timezone=Europe/Moscow"
)
response = requests.get(URL)
data = response.json()
# Извлекаем временные метки и параметры
timestamps = data['hourly']['time']
temperatures = data['hourly']['temperature_2m']
precipitations = data['hourly']['precipitation']
wind_speeds = data['hourly']['wind_speed_10m']

# Создаём DataFrame
df = pd.DataFrame({
'Время': timestamps,
'Температура, °C': temperatures,
'Осадки, мм': precipitations,
'Скорость ветра, м/с': wind_speeds
})

# Преобразуем столбец 'Время' в datetime
df['Время'] = pd.to_datetime(df['Время'])
df.to_csv('weather_data_openmeteo.csv', index=False, encoding='utf-8')
print("Данные сохранены в weather_data_openmeteo.csv")
# Создаём фигуру с тремя подграфиками
fig, axes = plt.subplots(3, 1, figsize=(14, 10), sharex=True)

# График температуры
axes[0].plot(df['Время'], df['Температура, °C'], color='red', linewidth=1)
axes[0].set_title(f'Температура в {CITY_NAME} за последние 7 дней')
axes[0].set_ylabel('Температура, °C')
axes[0].grid(True)

# График осадков
axes[1].bar(df['Время'], df['Осадки, мм'], color='blue', alpha=0.7, width=0.04)
axes[1].set_title('Осадки')
axes[1].set_ylabel('Осадки, мм')
axes[1].grid(True)

# График скорости ветра
axes[2].plot(df['Время'], df['Скорость ветра, м/с'], color='green', linewidth=1)
axes[2].set_title('Скорость ветра')
axes[2].set_ylabel('Скорость ветра, м/с')
axes[2].set_xlabel('Дата и время')
axes[2].grid(True)

plt.tight_layout()
plt.show()

</syntaxhighlight>

{{Шаблон:TidyR}}
----
[[Категория:BigDataWorks]]

Обсуждение участника:Наталья Захарова

2026-04-12T13:50:22Z

Наталья Захарова: /* Погода */

=== Смурфики ===
{{#widget:iframe
|url=https://www.slnova.org/NatZakh/projects/925436/
|width=1000
|height=1000
}}

=== Погода ===

[[Файл:График изменения погоды.png|мини]]
<syntaxhighlight lang="R" line>
library(tidyverse)
import requests
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime, timedelta
# Координаты города (например, Москва)
LATITUDE = 55.7558
LONGITUDE = 37.6173
CITY_NAME = "Москва"

# Даты: последние 7 дней
end_date = datetime.now().date()
start_date = end_date - timedelta(days=7)

# URL для запроса к Open‑Meteo
URL = (
f"https://api.open-meteo.com/v1/forecast?"
f"latitude={LATITUDE}&longitude={LONGITUDE}&"
f"start_date={start_date}&end_date={end_date}&"
f"hourly=temperature_2m,precipitation,wind_speed_10m&"
f"timezone=Europe/Moscow"
)
response = requests.get(URL)
data = response.json()
# Извлекаем временные метки и параметры
timestamps = data['hourly']['time']
temperatures = data['hourly']['temperature_2m']
precipitations = data['hourly']['precipitation']
wind_speeds = data['hourly']['wind_speed_10m']

# Создаём DataFrame
df = pd.DataFrame({
'Время': timestamps,
'Температура, °C': temperatures,
'Осадки, мм': precipitations,
'Скорость ветра, м/с': wind_speeds
})

# Преобразуем столбец 'Время' в datetime
df['Время'] = pd.to_datetime(df['Время'])
df.to_csv('weather_data_openmeteo.csv', index=False, encoding='utf-8')
print("Данные сохранены в weather_data_openmeteo.csv")
# Создаём фигуру с тремя подграфиками
fig, axes = plt.subplots(3, 1, figsize=(14, 10), sharex=True)

# График температуры
axes[0].plot(df['Время'], df['Температура, °C'], color='red', linewidth=1)
axes[0].set_title(f'Температура в {CITY_NAME} за последние 7 дней')
axes[0].set_ylabel('Температура, °C')
axes[0].grid(True)

# График осадков
axes[1].bar(df['Время'], df['Осадки, мм'], color='blue', alpha=0.7, width=0.04)
axes[1].set_title('Осадки')
axes[1].set_ylabel('Осадки, мм')
axes[1].grid(True)

# График скорости ветра
axes[2].plot(df['Время'], df['Скорость ветра, м/с'], color='green', linewidth=1)
axes[2].set_title('Скорость ветра')
axes[2].set_ylabel('Скорость ветра, м/с')
axes[2].set_xlabel('Дата и время')
axes[2].grid(True)

plt.tight_layout()
plt.show()

</syntaxhighlight>

{{Шаблон:TidyR}}
----
[[Категория:BigDataWorks]]

Обсуждение участника:Наталья Захарова

2026-04-12T11:54:20Z

Наталья Захарова: /* Погода */

Обсуждение участника:Наталья Захарова

2026-04-12T11:53:42Z

Наталья Захарова: /* Погода */

=== Смурфики ===
{{#widget:iframe
|url=https://www.slnova.org/NatZakh/projects/925436/
|width=1000
|height=1000
}}

=== Погода ===
{{#widget:iframe}}
[[Файл:График изменения погоды.png|мини]]
<syntaxhighlight lang="R" line>
library(tidyverse)
import requests
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime, timedelta
# Координаты города (например, Москва)
LATITUDE = 55.7558
LONGITUDE = 37.6173
CITY_NAME = "Москва"

# Даты: последние 7 дней
end_date = datetime.now().date()
start_date = end_date - timedelta(days=7)

# URL для запроса к Open‑Meteo
URL = (
f"https://api.open-meteo.com/v1/forecast?"
f"latitude={LATITUDE}&longitude={LONGITUDE}&"
f"start_date={start_date}&end_date={end_date}&"
f"hourly=temperature_2m,precipitation,wind_speed_10m&"
f"timezone=Europe/Moscow"
)
response = requests.get(URL)
data = response.json()
# Извлекаем временные метки и параметры
timestamps = data['hourly']['time']
temperatures = data['hourly']['temperature_2m']
precipitations = data['hourly']['precipitation']
wind_speeds = data['hourly']['wind_speed_10m']

# Создаём DataFrame
df = pd.DataFrame({
'Время': timestamps,
'Температура, °C': temperatures,
'Осадки, мм': precipitations,
'Скорость ветра, м/с': wind_speeds
})

# Преобразуем столбец 'Время' в datetime
df['Время'] = pd.to_datetime(df['Время'])
df.to_csv('weather_data_openmeteo.csv', index=False, encoding='utf-8')
print("Данные сохранены в weather_data_openmeteo.csv")
# Создаём фигуру с тремя подграфиками
fig, axes = plt.subplots(3, 1, figsize=(14, 10), sharex=True)

# График температуры
axes[0].plot(df['Время'], df['Температура, °C'], color='red', linewidth=1)
axes[0].set_title(f'Температура в {CITY_NAME} за последние 7 дней')
axes[0].set_ylabel('Температура, °C')
axes[0].grid(True)

# График осадков
axes[1].bar(df['Время'], df['Осадки, мм'], color='blue', alpha=0.7, width=0.04)
axes[1].set_title('Осадки')
axes[1].set_ylabel('Осадки, мм')
axes[1].grid(True)

# График скорости ветра
axes[2].plot(df['Время'], df['Скорость ветра, м/с'], color='green', linewidth=1)
axes[2].set_title('Скорость ветра')
axes[2].set_ylabel('Скорость ветра, м/с')
axes[2].set_xlabel('Дата и время')
axes[2].grid(True)

plt.tight_layout()
plt.show()

</syntaxhighlight>

{{Шаблон:TidyR}}

Файл:График изменения погоды.png

2026-04-12T11:53:26Z

Наталья Захарова:

График описывает изменения погоды в Москве

Обсуждение участника:Наталья Захарова

2026-04-12T11:51:49Z

Наталья Захарова:

=== Смурфики ===
{{#widget:iframe
|url=https://www.slnova.org/NatZakh/projects/925436/
|width=1000
|height=1000
}}

=== Погода ===
{{#widget:iframe}}
<syntaxhighlight lang="R" line>
library(tidyverse)
import requests
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime, timedelta
# Координаты города (например, Москва)
LATITUDE = 55.7558
LONGITUDE = 37.6173
CITY_NAME = "Москва"

# Даты: последние 7 дней
end_date = datetime.now().date()
start_date = end_date - timedelta(days=7)

# URL для запроса к Open‑Meteo
URL = (
f"https://api.open-meteo.com/v1/forecast?"
f"latitude={LATITUDE}&longitude={LONGITUDE}&"
f"start_date={start_date}&end_date={end_date}&"
f"hourly=temperature_2m,precipitation,wind_speed_10m&"
f"timezone=Europe/Moscow"
)
response = requests.get(URL)
data = response.json()
# Извлекаем временные метки и параметры
timestamps = data['hourly']['time']
temperatures = data['hourly']['temperature_2m']
precipitations = data['hourly']['precipitation']
wind_speeds = data['hourly']['wind_speed_10m']

# Создаём DataFrame
df = pd.DataFrame({
'Время': timestamps,
'Температура, °C': temperatures,
'Осадки, мм': precipitations,
'Скорость ветра, м/с': wind_speeds
})

# Преобразуем столбец 'Время' в datetime
df['Время'] = pd.to_datetime(df['Время'])
df.to_csv('weather_data_openmeteo.csv', index=False, encoding='utf-8')
print("Данные сохранены в weather_data_openmeteo.csv")
# Создаём фигуру с тремя подграфиками
fig, axes = plt.subplots(3, 1, figsize=(14, 10), sharex=True)

# График температуры
axes[0].plot(df['Время'], df['Температура, °C'], color='red', linewidth=1)
axes[0].set_title(f'Температура в {CITY_NAME} за последние 7 дней')
axes[0].set_ylabel('Температура, °C')
axes[0].grid(True)

# График осадков
axes[1].bar(df['Время'], df['Осадки, мм'], color='blue', alpha=0.7, width=0.04)
axes[1].set_title('Осадки')
axes[1].set_ylabel('Осадки, мм')
axes[1].grid(True)

# График скорости ветра
axes[2].plot(df['Время'], df['Скорость ветра, м/с'], color='green', linewidth=1)
axes[2].set_title('Скорость ветра')
axes[2].set_ylabel('Скорость ветра, м/с')
axes[2].set_xlabel('Дата и время')
axes[2].grid(True)

plt.tight_layout()
plt.show()

</syntaxhighlight>

{{Шаблон:TidyR}}

Обсуждение участника:Наталья Захарова

2026-04-12T11:49:40Z

Наталья Захарова:

=== Смурфики ===
{{#widget:iframe
|url=https://www.slnova.org/NatZakh/projects/925436/
|width=1000
|height=1000
}}

=== Погода ===
{{#widget:iframe
import requests
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime, timedelta
# Координаты города (например, Москва)
LATITUDE = 55.7558
LONGITUDE = 37.6173
CITY_NAME = "Москва"

# Даты: последние 7 дней
end_date = datetime.now().date()
start_date = end_date - timedelta(days=7)

# URL для запроса к Open‑Meteo
URL = (
f"https://api.open-meteo.com/v1/forecast?"
f"latitude={LATITUDE}&longitude={LONGITUDE}&"
f"start_date={start_date}&end_date={end_date}&"
f"hourly=temperature_2m,precipitation,wind_speed_10m&"
f"timezone=Europe/Moscow"
)
response = requests.get(URL)
data = response.json()
# Извлекаем временные метки и параметры
timestamps = data['hourly']['time']
temperatures = data['hourly']['temperature_2m']
precipitations = data['hourly']['precipitation']
wind_speeds = data['hourly']['wind_speed_10m']

# Создаём DataFrame
df = pd.DataFrame({
'Время': timestamps,
'Температура, °C': temperatures,
'Осадки, мм': precipitations,
'Скорость ветра, м/с': wind_speeds
})

# Преобразуем столбец 'Время' в datetime
df['Время'] = pd.to_datetime(df['Время'])
df.to_csv('weather_data_openmeteo.csv', index=False, encoding='utf-8')
print("Данные сохранены в weather_data_openmeteo.csv")
# Создаём фигуру с тремя подграфиками
fig, axes = plt.subplots(3, 1, figsize=(14, 10), sharex=True)

# График температуры
axes[0].plot(df['Время'], df['Температура, °C'], color='red', linewidth=1)
axes[0].set_title(f'Температура в {CITY_NAME} за последние 7 дней')
axes[0].set_ylabel('Температура, °C')
axes[0].grid(True)

# График осадков
axes[1].bar(df['Время'], df['Осадки, мм'], color='blue', alpha=0.7, width=0.04)
axes[1].set_title('Осадки')
axes[1].set_ylabel('Осадки, мм')
axes[1].grid(True)

# График скорости ветра
axes[2].plot(df['Время'], df['Скорость ветра, м/с'], color='green', linewidth=1)
axes[2].set_title('Скорость ветра')
axes[2].set_ylabel('Скорость ветра, м/с')
axes[2].set_xlabel('Дата и время')
axes[2].grid(True)

plt.tight_layout()
plt.show()

}}

Смурфики и Гаргамель

2024-11-02T10:53:26Z

Наталья Захарова:

{{Model
|Description=Гаргамель охотится за смурфиками. При столкновении с другими смурфиками "заражённые" касанием с Гаргамелем смурфики выздоравливают. Рыцари патрулируют поле и арестовывают Гаргамеля. Коты Азазель помогают Гаргамелю ловить смурфов.
|Field_of_knowledge=Моделирование
|Website=https://www.slnova.org/NatZakh/projects/925436/
|Inventor=RabotaNS, Гренадер Дмитрий, Наталья Захарова
|Environment=StarLogo Nova
|Student-created=Да
}}
[[Категория:ИНДОР-211]]

Смурфики и Гаргамель

2024-11-02T10:29:28Z

Наталья Захарова:

Участник:Гренадер Дмитрий

2024-11-02T10:01:25Z

Наталья Захарова:

{{UserMGPU
|Description=Дополнительное образование начальных классов (Робототехника, программирование).
|Field_of_knowledge=Информатика, Робототехника, Образование
|similar_concepts=Робототехника, Программирование, Образование, Идиократия, Детская психология
|Environment=Lego Mindstorms, Кулибин, Lego WeDo, Python, Python IDLE
|Position=Бакалавриат
|Profile=Информатика, Робототехника
|PedDirection=Да
|Working_On=Смурфики и Гаргамель
}}
----
[[Категория:ИНДОР-211]]
[[Категория:UserMGPU]]

Смурфики и Гаргамель

2024-11-02T09:58:20Z

Наталья Захарова:

{{Model
|Description=Гаргамель охотится за смурфиками
|Field_of_knowledge=Моделирование
|Website=https://www.slnova.org/NatZakh/projects/925436/
|Inventor=RabotaNS, Гренадер Дмитрий, Наталья Захарова
|Environment=StarLogo Nova
|Student-created=Да
}}

Смурфики и Гаргамель

2024-11-02T09:57:56Z

Наталья Захарова:

{{Model
|Description=Гаргамель охотится за смурфиками
|Field_of_knowledge=Моделирование
|Website=https://www.slnova.org/NatZakh/projects/925436/
|Inventor=RabotaNS, Гренадер Дмитрий
|Environment=StarLogo Nova
|Student-created=Да
}}

Смурфики и Гаргамель

2024-11-02T09:57:04Z

Наталья Захарова: Новая страница: «{{Model |Description=Гаргамель охотится за смурфиками |Field_of_knowledge=Моделирование |Website=https://www.slnova.org/NatZakh/projects/925436/ |Inventor=Гренадер Дмитрий Андреевич, Работа Никита Сергеевич |Environment=StarLogo Nova |Student-created=Да }}»

{{Model
|Description=Гаргамель охотится за смурфиками
|Field_of_knowledge=Моделирование
|Website=https://www.slnova.org/NatZakh/projects/925436/
|Inventor=Гренадер Дмитрий Андреевич, Работа Никита Сергеевич
|Environment=StarLogo Nova
|Student-created=Да
}}

Участник:Наталья Захарова

2024-11-02T09:53:34Z

Наталья Захарова:

{{UserMGPU
|Field_of_knowledge=Математика, Информатика, Робототехника, Педагогика, Психология, Образование, Лингвистика, Литература, Интернет вещей
|Profile=Информатика, Робототехника
|PedDirection=Да
|Working_On=Смурфики и Гаргамель
}}
----
[[Категория:ИНДОР-211]]
[[Категория:UserMGPU]]

Участник:Наталья Захарова

2024-11-02T09:52:10Z

Наталья Захарова:

{{UserMGPU
|Field_of_knowledge=Математика, Информатика, Робототехника, Педагогика, Психология, Образование, Лингвистика, Литература, Интернет вещей
|Profile=Информатика, Робототехника
|PedDirection=Да
}}
----
[[Категория:ИНДОР-211]]
[[Категория:UserMGPU]]

Обсуждение участника:RabotaNS

2024-10-05T09:58:03Z

Наталья Захарова: Новая страница: «=== Смурфики === {{#widget:iframe |url=https://www.slnova.org/NatZakh/projects/925436/ |width=1000 |height=1000 }}»

=== Смурфики ===
{{#widget:iframe
|url=https://www.slnova.org/NatZakh/projects/925436/
|width=1000
|height=1000
}}

Обсуждение участника:Гренадер Дмитрий

2024-10-05T09:56:49Z

Наталья Захарова: Новая страница: «=== Смурфики === {{#widget:iframe |url=https://www.slnova.org/NatZakh/projects/925436/ |width=1000 |height=1000 }}»

=== Смурфики ===
{{#widget:iframe
|url=https://www.slnova.org/NatZakh/projects/925436/
|width=1000
|height=1000
}}

Обсуждение участника:Наталья Захарова

2024-10-05T09:56:15Z

Наталья Захарова: Новая страница: «=== Смурфики === {{#widget:iframe |url=https://www.slnova.org/NatZakh/projects/925436/ |width=1000 |height=1000 }}»

=== Смурфики ===
{{#widget:iframe
|url=https://www.slnova.org/NatZakh/projects/925436/
|width=1000
|height=1000
}}

Участник:Наталья Захарова

2024-10-05T09:52:43Z

Наталья Захарова:

{{UserMGPU
|Field_of_knowledge=Математика, Информатика, Робототехника, Педагогика, Психология, Образование, Лингвистика, Литература, Интернет вещей
}}
----
[[Категория:ИНДОР-211]]
[[Категория:UserMGPU]]

Обсуждение:Поглощать агентов

2024-09-14T10:46:45Z

Наталья Захарова: /* Пример с сайта Scratch */ новая тема

https://scratch.mit.edu/projects/148769358/
Шахматные фигуры поглощают друг друга.

<nowiki>
<scratch project="148769358" />
</nowiki>

<scratch project="148769358" />

== Пример с сайта Scratch ==

* https://scratch.mit.edu/projects/1049220990/
Патроны поглощают других персонажей.

<scratch project="1049220990" />

Участник:Наталья Захарова

2024-09-07T10:01:21Z

Наталья Захарова: Новая страница: «---- Категория:ИНДОР-211 Категория:UserMGPU»

----
[[Категория:ИНДОР-211]]
[[Категория:UserMGPU]]