TOÀN DIỆN DỰ ÁN 80_days

Phân tích văn bản *Around the World in 80 Days* với R, Quarto và tidytext

---

✅ 1. Mục tiêu của dự án

• Phân tích văn bản Around the World in 80 Days (ID 103 - Project Gutenberg).
• Ứng dụng tidytext, ggplot2, flextable để phân tích tần suất từ, cảm xúc, và cấu trúc văn bản.
• Triển khai báo cáo kết quả bằng Quarto (.qmd) xuất ra Word/HTML.

---

📁 2. Cấu trúc thư mục dự án

lessCopy code80_days/
├── R/
│   ├── 00_setup.R                # Thiết lập gói và hàm tiện ích
│   ├── 01_load_clean_text.R      # Tải và làm sạch văn bản từ Gutenberg
│   ├── 02_tidy_analysis.R        # Phân tích từ khóa, tần suất
│   ├── 03_sentiment_analysis.R   # (dự phòng cho phân tích cảm xúc)
│   └── run_all.R                 # Chạy toàn bộ script theo thứ tự
├── data/
│   └── around_the_world_clean.csv  # Văn bản đã làm sạch
├── output/                       # (nơi lưu kết quả phân tích)
├── images/                       # (tuỳ chọn: lưu biểu đồ)
├── 80_quarto_words_output.qmd   # File báo cáo chính bằng Quarto

---

📦 3. Các bước xử lý chính đã thực hiện

🔧 00_setup.R

• Cài và nạp các gói: tidyverse, gutenbergr, tidytext, ggplot2, flextable, here, glue, officedown, quarto.
• Định nghĩa hàm tiện ích: check_and_load(), ft_vn() định dạng bảng tiếng Việt.

📥 01_load_clean_text.R

• Tải văn bản từ Project Gutenberg bằng gutenberg_download(103).
• Làm sạch: loại bỏ khoảng trắng, dòng trống, phần giới thiệu/cuối sách.
• Ghi vào data/around_the_world_clean.csv.

🧹 02_tidy_analysis.R

• Đọc file around_the_world_clean.csv.
• Token hóa (phân tách từ), loại bỏ stop words.
• Tính tần suất xuất hiện từ, lấy top 10 từ phổ biến.
• Tạo bảng flextable (bang_top_words) và biểu đồ ggplot (bieu_do_top_words).
• Viết các đoạn glue::glue() để diễn giải kết quả.

---

📊 4. Các đối tượng chính sinh ra trong môi trường R

Tên biến	Mục đích
text_lines	Dữ liệu văn bản sau khi làm sạch
tidy_words	Bảng từ đã lọc stop words + tần suất
top_words	10 từ phổ biến nhất
bang_top_words	Bảng flextable trình bày top từ
bieu_do_top_words	Biểu đồ cột các từ phổ biến
nhan_xet_*	Nhận xét tự động bằng glue::glue()

---

🧾 5. Báo cáo Quarto

• Đặt tên: 80_quarto_words_output.qmd
• Nội dung:
  • Giới thiệu đề tài, lý do chọn tác phẩm.
  • Mục tiêu: phân tích từ ngữ và cảm xúc văn bản.
  • Tổng quan tài liệu: bạn đã viết phần này với citation dạng AMA11.
  • Đối tượng & phương pháp: sử dụng văn bản gốc, tidytext và ggplot.
  • Phân tích: top từ, nhận xét bảng, biểu đồ.
  • Tài liệu tham khảo: định dạng BibTeX kèm abstract dịch sang tiếng Việt.

---

📚 6. Ghi chú và mẹo quan trọng

• ✅ Dùng here::here() để đảm bảo đường dẫn hoạt động trên mọi hệ điều hành.
• 📊 Biểu đồ dùng ggplot2::geom_col() + coord_flip() để hiển thị dễ đọc.
• 💾 Ghi file dùng readr::write_csv(); có thể bỏ qua cảnh báo NAs introduced by coercion.
• 📋 Bảng nên định dạng Times New Roman, cỡ 13, tự động co giãn với autofit() từ flextable.
• 📎 Nếu render Word bằng Quarto, nên dùng dev: dml để chèn hình ảnh vector đẹp.

---

🔁 7. Gợi ý tiếp theo

• Viết thêm 03_sentiment_analysis.R để phân tích cảm xúc (dùng lexicon như bing, afinn).
• Thêm biểu đồ thời gian nếu bạn chia văn bản theo chương.
• Tạo giao diện Shiny nếu muốn tương tác (sẽ làm sau giai đoạn Quarto ổn định).

🧠 Ôn tập thao tác R & Git hôm nay (80_days)

🔀 1. Các lệnh Git đã sử dụng

Lệnh	Mục đích	Ghi chú
git status	Kiểm tra trạng thái thư mục làm việc	Xem có file nào thay đổi chưa commit
git add .	Thêm toàn bộ file vào stage	Cẩn thận tránh thêm file rác (như ~$*.docx)
git commit -m "phân tích nhóm từ"	Ghi lại snapshot với nội dung cụ thể	Nên viết message rõ ràng, ngắn gọn
git push origin main	Đẩy commit lên GitHub	Đảm bảo đã pull trước đó để tránh xung đột
git pull origin main --rebase	Kéo code mới nhất, giữ lịch sử commit gọn	Tốt cho làm việc nhóm
git log (nên dùng thêm)	Xem lịch sử commit	Gợi ý thêm để kiểm soát phiên bản

---

📦 2. Cấu trúc thư mục và file bạn đã làm việc

Thư mục/File	Mục đích
R/00_setup.R	Cài đặt ban đầu: thư viện, theme, option
R/03_sentiment_analysis.R	Phân tích cảm xúc từ văn bản Jules Verne
README.md	Tóm tắt nội dung repo – dùng trên GitHub
review_around_the_world.md	Review nội dung văn bản – markdown định dạng
80_quato_words_output.qmd	File Quarto chính để xuất ra Word
80_quato_words_output.docx	Bản Word xuất ra từ Quarto (officedown)

---

📾️ 3. Những điểm cần rút kinh nghiệm

Vấn đề	Cách cải thiện
File rác ~$_quato_words_output.docx bị add vào	Dùng .gitignore để loại trừ hoặc git reset HEAD trước khi commit
Dung lượng file Word tăng nhiều	Kiểm tra biểu đồ hoặc ảnh nhúng có cần thiết không
Nên comment rõ trong R script	Gợi ý thêm # 📌 Bước 1: ..., # ✅ Hoàn tất phân tích ...
README.md dài dòng	Nên chia mục, có TOC hoặc link tới từng phần (sử dụng [[toc]] trong Quarto)

---

✅ Bạn có thể dùng tài liệu này như một phần của checklist hằng ngày khi làm việc với Git + Quarto + R.