Posit::conf(2025) 精选辑 - Quarto/文档生成

Using Quarto to Improve Formatting/Automate the Generation of Hundreds of Reports (Keaton Wilson)

来源：https://www.youtube.com/watch?v=vHrI17AeYGs

这份视频摘要介绍了市场研究公司KS&R的解决方案开发者Keaton，分享了他们团队如何利用Quarto和R来自动化生成PDF报告的经验。

演讲者首先用一张难以辨认且不易扩展的祖传食谱作比喻，生动地说明了他们旧的数据报告流程所面临的挑战：文档过时、缺乏版本控制、技术陈旧，且核心知识掌握在已离职的员工手中。

面对为数百名问卷受访者每周生成个性化PDF报告的任务，团队使用R、Quarto和Tidyverse工具集从零开始重建了自动化流程。该流程通过一个主脚本，结合参数化的Quarto模板和辅助函数，批量生成报告。

在项目实践中，他们解决了两个关键问题：

1. 平衡自动化与灵活性：他们选择了一个折中方案，允许团队成员通过简单修改脚本（如日期范围）来满足临时的、特定的报告需求。
2. 改进报告设计：他们对PDF格式做了微小但有效的改进（如增加小标题、优化间距），这不仅提升了客户的信任度和体验，也加快了内部的质检速度。格式修改目前依赖LaTeX，但因维护困难，计划未来转向Typst。

最终，这个新流程使项目团队的效率提升了50%，获得了客户的好评，并成功将知识从个人头脑中转移到一个文档齐全、可复现的共享基础设施上，促进了团队协作和技能提升。

surveydown (John Paul Helveston, GWU) | posit::conf(2025)

来源：https://www.youtube.com/watch?v=VwoeFKNvN5k

该视频介绍了由乔治华盛顿大学教授 J.P. Helveston 及其团队开发的 R 语言包 surveydown。

surveydown 旨在解决传统网页问卷工具（如 Google Forms）存在的难以复现、版本控制混乱、功能有限且不开源等问题。它的核心理念是将 Quarto 的强大功能应用于问卷制作，让用户可以通过编写简单的 Quarto（.qmd）纯文本文档来创建功能丰富的网页问卷。

其技术架构是一个整合了多种开源技术的生态系统：

• Quarto：用于定义问卷的界面、内容和结构。
• Shiny：作为后端的网页应用框架，处理交互逻辑。
• PostgreSQL：作为数据库后端存储问卷数据（推荐使用免费的 Supabase 服务）。

主要功能亮点包括：

1. 丰富的题型：支持文本、单选、多选、滑块等多种标准题型。
2. 强大的逻辑控制：可通过代码轻松实现问题的条件显示（sd_show_if）和页面跳转（sd_skip_if）。
3. 高度可扩展：由于基于 Shiny，可以集成各种高级功能，如交互式地图（leaflet）和实时投票图表。
4. AI 辅助：可以利用大语言模型（LLM）快速生成问卷的 Quarto 代码。
5. 图形化界面：为不熟悉代码的用户提供了配套包 sdstudio，提供一个仪表盘来通过点击创建问卷，并能自动生成可复现的代码。

最后，演讲者强调 surveydown 是一个完全免费和开源的解决方案，并鼓励社区参与贡献。

Empowering Learners with WebR, Pyodide, and Quarto (Ted Laderas, Fred Hutch) | posit::conf(2025)

来源：https://www.youtube.com/watch?v=EQ9_MP2PYL8

该视频介绍如何利用 WebR 和 Pyodide 技术改善编程教学，特别是针对容易受挫的初学者。演讲者以自身职业培训经验为例，指出 RStudio 等复杂工具会给新手带来巨大认知负荷，甚至导致他们放弃学习。

WebR 和 Pyodide 能让 R 和 Python 代码直接在浏览器中运行，无需安装配置，极大地降低了入门门槛。其主要应用价值体现在三个方面：

1. 降低认知负荷：通过在网页中嵌入简单的交互式练习并提供即时反馈，可以减少学习者对“搞坏软件”的恐惧，让他们专注于代码逻辑本身。
2. 促进主动学习：可以将代码块直接嵌入幻灯片或教程中，让学习者边学边练，即时动手尝试和修改代码，巩固知识。
3. 增强社交学习：方便学习者进行结对编程或实时分享、讨论代码。例如，在可视化工作坊中，学员可以修改图表代码并分享自己的设计，从而引发讨论、共同进步。

总之，WebR 和 Pyodide 是一个强大的教学辅助工具，通过创造一个低风险的实践环境，可以有效地帮助学习者逐步建立信心，实现从引导式学习到自主学习的平稳过渡。

Elevating Public Health Decision-Making with R Packages (Kylie Ainslie, RIVM) | posit::conf(2025)

来源：https://www.youtube.com/watch?v=YzIiWg4rySA

该视频分享了一种高效管理数据分析项目的方法：将项目构建为R包的结构，以此解决传统项目文件夹混乱无序（“项目文件夹地狱”）的问题。

讲者以自己在新冠疫情期间为荷兰政府所做的模型分析为例，阐述了该工作流的三大优势：

1. 清晰的组织结构：R包强制使用标准化的文件目录（如R/存放函数，inst/存放数据和脚本），使所有项目结构统一，提高了工作效率。
2. 完善的文档体系：通过roxygen2注释和vignettes长文档，代码与文档紧密结合，实现了分析过程的透明化和可追溯，使其工作成功通过了国际专家的审计，并建立了公众信任。
3. 便捷的分享与协作：打包后的项目可以被轻松安装、分享和复用，极大地促进了团队协作和研究的可复现性。讲者的代码最终因此被整合到一个国际项目中。

最后，讲者鼓励听众在下一个项目中尝试这种方法，并推荐了usethis包和《R Packages》一书作为入门资源，认为这能从根本上提升代码质量、透明度和影响力。