Check configuration when a Shiy app starts

Author: phgrosjean

R/learnr.R

@@ -26,8 +26,9 @@ learnr_banner <- function(simple = FALSE) {
       title = "Science des donn\u00e9es biologiques\ I",
       text = "R\u00e9alis\u00e9 par le service d'\u00c9cologie num\u00e9rique, Universit\u00e9 de Mons (Belgique)",
       image = "https://wp.sciviews.org/BioDataScience-96.png",
-      msg.nologin = 'Utilisateur anonyme, aucun enregistrement !',
-      msg.login = 'Enregistrement actif pour ')
+      msg.nologin = "Utilisateur anonyme, aucun enregistrement !",
+      msg.login = "Enregistrement actif pour ",
+      msg.error = "Erreur d'enregistrement de l'activit\u00e9 ! ")
   }
 }
 

inst/shiny/A02a_limits/app.R

@@ -1,5 +1,5 @@
 learndown::learndownShinyVersion("0.0.9001") # Set app version
-BioDataScience::config()
+conf <- BioDataScience::config()
 
 library(shiny)
 library(learndown)
@@ -45,7 +45,7 @@ server <- function(input, output, session) {
   })
 
   trackEvents(session, input, output,
-    sign_in.fun = BioDataScience::sign_in)
+    sign_in.fun = BioDataScience::sign_in, config = conf)
   trackSubmit(session, input, output, max_score = 2, solution =
       list(limits_x = c(0, 100), limits_y = c(0, 40)),
     comment = "Choix des limits de x et y",

inst/shiny/A02a_transformation/app.R

@@ -1,5 +1,5 @@
 learndown::learndownShinyVersion("1.0.0")
-BioDataScience::config()
+conf <- BioDataScience::config()
 
 library(shiny)
 library(learndown)
@@ -83,7 +83,7 @@ server <- function(input, output, session) {
   })
 
   trackEvents(session, input, output,
-    sign_in.fun = BioDataScience::sign_in)
+    sign_in.fun = BioDataScience::sign_in, config = conf)
   trackSubmit(session, input, output, max_score = 2, solution =
     list(scalex = "Logarithme népérien", scaley = "Logarithme népérien"),
     comment = "transformation double-logarithmique",

inst/shiny/A03a_histogram/app.R

@@ -1,6 +1,6 @@
 # Histogram with variable classes
 # learndown::learndownShinyVersion("1.0.0")
-BioDataScience::config()
+conf <- BioDataScience::config()
 
 library(shiny)
 library(learndown)
@@ -34,7 +34,7 @@ server <- function(input, output, session) {
   })
 
   trackEvents(session, input, output,
-    sign_in.fun = BioDataScience::sign_in)
+    sign_in.fun = BioDataScience::sign_in, config = conf)
   trackSubmit(session, input, output, max_score = 2, solution =
       list(bins = c(min = 12, max = 32)),
     comment = "largeur de classe pour un histogramme",

inst/shiny/A06a_sampling/app.R

@@ -1,5 +1,5 @@
 learndown::learndownShinyVersion("1.0.0")
-BioDataScience::config()
+conf <- BioDataScience::config()
 
 library(shiny)
 library(learndown)
@@ -74,7 +74,7 @@ server <- function(input, output, session) {
   })
 
   trackEvents(session, input, output,
-    sign_in.fun = BioDataScience::sign_in)
+    sign_in.fun = BioDataScience::sign_in, config = conf)
   trackSubmit(session, input, output, max_score = 1, solution = NULL,
     comment = "all solutions are correct",
     message.success = "La taille d'échantillon doit toujours être la plus grande possible, mais en pratique nous sommes limité par le temps, le coût, ou le nombre de sujets disponibles.",

inst/tutorials/A00a_decouverte/A00a_decouverte.Rmd

@@ -30,7 +30,7 @@ BioDataScience1::learnr_server(input, output, session)
 
 Vous vous trouvez au sein d'un tutoriel interactif construit avec `learnr`. La première chose à vérifier à l’ouverture du tutoriel interactif est votre `nom d’utilisateur` et votre `adresse email`. En effet, votre progression sera enregistrée, mais cela ne peut se faire que si vous renseignez ces données correctement avant de travailler dans le tutoriel learnr.
 
-Le learnr est un outil pédagogique mis au point afin de proposer des tutoriels interactifs comprenant des illustrations, des questions à choix multiples, des exercices R, … 
+Le learnr est un outil pédagogique mis au point afin de proposer des tutoriels interactifs comprenant des illustrations, des questions à choix multiples, des exercices R, ...
 
 Des questions ouvertes (sous la forme zones de code R) vous sont proposées dans les exercices. Elles vous permettent d’expérimenter directement des instructions dans R depuis le document learnr. Pour exécuter ces instructions, il faut cliquer sur `Run Code`. Vous pouvez le faire autant de fois que vous le voulez. Modifiez le code, cliquez `Run Code`, analysez le résultat, modifiez votre code, recliquez `Run Code`, etc… jusqu’à ce que vous soyez satisfait du résultat. Finissez l’exercice et soumettez votre réponse en cliquant sur le bouton `Submit Answer`. **Tant que vous n'aurez pas cliqué sur `Submit Answer`, votre exercice restera inachevé et ne comptera donc pas dans l'évaluation de votre progression.**