Cum extragi datele dintr-un document PDF care prezintă orarul unei şcoli? Folosind eventual Camelot-py (dar mai bine apelezi la un serviciu de conversie extern), poţi obţine un fişier Excel în care fiecare foaie prezintă câte unul din tabelele prezentate în documentul PDF; apoi, folosind R (prin pachetele tidyverse şi readxl), poţi transforma fişierul Excel respectiv într-un „set de date” (obiect de tip data.frame). Eliberând datele de sub formatările vizuale specifice PDF sau Excel – le vei putea organiza şi prelucra prin program, după caz.

Alocând zilele de lucru pe clase (şi profesori), am obţinut repartiţii omogene în privinţa numărului de ore pe zi ale claselor, dar neomogene în privinţa numărului de ore pe zi ale profesorilor. Este uşor de inversat rolurile, alocând zilele pe profesori (şi clase); vom obţine repartiţii omogene pentru profesori, dar neomogene pentru clase.

„Tabelul de încadrare” (TIP) specifică pentru fiecare profesor al şcolii, clasele care i-au fost alocate şi numărul de ore pe săptămână la fiecare dintre acestea. O primă problemă care s-ar pune constă în repartizarea orelor din TIP pe zilele de lucru ale săptămânii; dacă excludem preferinţele individuale, rămân două condiţii: să nu se depăşească un anumit număr de ore pe zi, la fiecare clasă şi respectiv, orele fiecărui profesor să fie repartizate cât se poate de omogen (prima este obligatorie, a doua ar fi rezonabilă).

Lucrurile pot fi modelate în fel şi chip, în diverse limbaje; dar problemele ridicate în contextul unui „set de date” existent, cum este şi TIP, pot fi abordate în mod natural prin limbajul R – recunoscut pentru scurtimea şi expresivitatea formulărilor prin care se pot regiza operaţii complexe cu seturi de date (chiar şi foarte mari, dar şi de talie modestă ca în cazul TIP).

Elemente de limbaj R (folosind acum funcţiile map() şi map_df() din „dialectul” tidyverse::purrr), aplicate pe un set de date specific orarelor şcolare (majoritatea exemplificărilor uzuale, întâlnite în atâtea locuri, angajează – cât mai banal – seturi de date convenţionale, sau artificiale).

De obicei orarul este produs (sau redat) într-o formă uşor de citit, indicând pe coloane obiectul, profesorul şi clasele repartizate acestuia în ordinea orelor din zi, pentru fiecare zi (în total ar fi 62 de coloane); orarul unei clase este mai greu de extras (trebuie căutată pe fiecare coloană).

Forma aceasta este moştenită cumva de pe vremea când orarul era produs manual (nu se inventase Excel… ca să faci la fel): se folosea o coală de hârtie A3 liniată vertical pentru cele 62 de coloane şi orizontal pentru profesori – „cearşaf”, în jargonul acelor autori; în celulele formate se înscriau clasele (cu creion, în eventualitatea ştergerii ulterioare) – sau se aşezau jetoane inscripţionate cu numele claselor – evitând mereu situaţia în care doi profesori ar intra simultan la o aceeaşi clasă.