10 A modo de cierre
10.1 Un camino recorrido
A lo largo de este libro hemos transitado juntos un camino que comenzó con una pantalla en blanco y terminó con la capacidad de importar datos reales, transformarlos, visualizarlos y comunicarlos en un informe reproducible. Ese recorrido no es menor: representa un cambio genuino en la forma de trabajar con datos, una nueva forma de pensar el análisis estadístico y, fundamentalmente, una herramienta concreta para mejorar la calidad de las actividades profesionales en cualquier ámbito en el que se desempeñen y en cualquier rol que ejerzan; después de todo, las decisiones basadas en datos son un eje común a todos ellos.
Aprender R no es un destino, es el comienzo de un nuevo trayecto. Cada análisis nuevo, cada conjunto de datos diferente y cada pregunta de investigación que se planteen será una oportunidad para seguir creciendo. La comunidad de R es una de las más activas y generosas del mundo científico, y los recursos para seguir aprendiendo son vastos y, en numerosos casos, gratuitos.
10.2 Próximos pasos
Se invita a los lectores integrar los conocimientos adquiridos en este libro al desarrollo de sus propias actividades e investigaciones. Se puede comenzar por algo simple: importar los datos que ya tienen en formato Excel, explorarlos con las herramientas del tidyverse y generar sus primeras tablas y gráficos. Ese primer paso hacia la autonomía analítica es uno de los más importantes para comenzar en R.
Algunos caminos posibles para seguir profundizando:
Estadística aplicada en R: modelos lineales, ANOVA, pruebas de comparación de medias con el paquete
agricolae, diseñado especificamente para la experimentación.Visualización avanzada: explorar las extensiones de
ggplot2comoggpubr(para publicaciones científicas),patchworkyplotlypara gráficos interactivos.Reportes automatizados: profundizar en R Markdown para generar informes que se actualicen automáticamente cuando cambian los datos.
Ciencia abierta: publicar análisis reproducibles en plataformas como RPubs o GitHub, alineándose con las tendencias internacionales de transparencia científica.
Nuevos entornos de desarrollo: explorar Positron, el nuevo IDE (entorno de desarrollo integrado) desarrollado por Posit. Ofrece una experiencia moderna que integra el análisis de datos con herramientas de Inteligencia Artificial (IA).
Exploración de paquetes por disciplina: dado que R cuenta con miles de librerías especializadas, se recomienda consultar las CRAN Task Views, particularmente las secciones de Agriculture y ExperimentalDesign, para encontrar las herramientas más adecuadas para cada área de estudio.
10.3 Para terminar
“Nunca dejes de aprender, porque la vida nunca deja de enseñar.”
Anónimo
Gracias por el compromiso, la dedicación y el esfuerzo puestos en el abordaje de este material. Dedicar parte de su tiempo para aprender algo nuevo en medio de las múltiples responsabilidades de la docencia y la investigación no es una tarea menor; ese gesto habla de una vocación genuina por crecer y mejorar profesionalmente.
El propósito al escribir este libro es que R se convierta en un aliado cotidiano en su labor, y que cada análisis que realicen de ahora en adelante lleve consigo algo de lo que construimos a lo largo de estas páginas.
Esp. Ing. Agr. Eduardo Sebastian Bustos
Profesor de la Cátedra de Biometría
FCA - UNCA
