CSS added to learnrs for better printing

Author: phgrosjean

inst/tutorials/B00La_refresh/B00La_refresh.Rmd

@@ -808,3 +808,15 @@ question_text("Laissez-nous vos impressions sur ce learnr",
   submit_button = "Soumettre une réponse", try_again_button = "Resoumettre une réponse"
 )
 ```
+
+```{css, echo=FALSE}
+@media print {
+  .topics {
+    width: 100% !important;
+    padding: 0 0.5em 0 !important;
+  }
+  .topicsContainer, .topicsContainer *, .learnrBanner, .learnrBanner *, .topicActions, .topicActions * {
+    display: none !important;
+  }
+}
+```

inst/tutorials/B01La_reg_lin/B01La_reg_lin.Rmd

@@ -313,3 +313,15 @@ question_text(
   try_again_button = "Resoumettre une réponse"
 )
 ```
+
+```{css, echo=FALSE}
+@media print {
+  .topics {
+    width: 100% !important;
+    padding: 0 0.5em 0 !important;
+  }
+  .topicsContainer, .topicsContainer *, .learnrBanner, .learnrBanner *, .topicActions, .topicActions * {
+    display: none !important;
+  }
+}
+```

inst/tutorials/B01Lb_residuals/B01Lb_residuals.Rmd

@@ -336,4 +336,17 @@ question_text(
 )
 ```
 
+```{css, echo=FALSE}
+@media print {
+  .topics {
+    width: 100% !important;
+    padding: 0 0.5em 0 !important;
+  }
+  .topicsContainer, .topicsContainer *, .learnrBanner, .learnrBanner *, .topicActions, .topicActions * {
+    display: none !important;
+  }
+}
+```
+
+
 ### Reference

inst/tutorials/B02La_reg_multi/B02La_reg_multi.Rmd.inactivated

@@ -5,7 +5,7 @@ description: "**SDD II Module 2** Résumé de lm et régression linéaire multip
 tutorial:
   id: "B02La_reg_multi"
   version: 2.4.0/11
-output: 
+output:
   learnr::tutorial:
     progressive: true
     allow_skip: true
@@ -31,13 +31,13 @@ lm_mult_param <- glance(fat_lm2)
 diabetes <- read("diabetes", package = "faraway")
 diabetes <- janitor::clean_names(diabetes)
 diabetes <- smutate(diabetes, weight = weight * 0.453592)
-diabetes <- smutate(diabetes, 
+diabetes <- smutate(diabetes,
   map  = bp_1d + 1/3 * (bp_1s - bp_1d),
   age2 = age^2)
 # Des colonnes de classe "labelled" sont à transformer en "numeric"
 diabetes <- smutate(diabetes, across(function(x) inherits(x, "labelled"), as.numeric))
-diabetes <- labelise(diabetes, 
-  label = list(map = "Tension artérielle moyenne", age = "Âge"), 
+diabetes <- labelise(diabetes,
+  label = list(map = "Tension artérielle moyenne", age = "Âge"),
   units = list(map = "mm Hg", age = "années")
 )
 # lm multi
@@ -170,7 +170,7 @@ correlation(fat[, c("density", "abdom", "thigh")])
 La corrélation linéaire entre `density` et `abdom` est bonne. Elle l'est moins entre `density` et `thigh`, mais nous allons voir dans un instant si cette variable apporte un plus. La corrélation entre `abdom` et `thigh` est assez élevée (77%) mais cela laisse un peu de marge pour exprimer éventuellement une information complémentaire utile au sein du modèle multiple.
 
 ```{r regmulti_h2, exercise=TRUE}
-# régression multiple 
+# régression multiple
 summary(fat_lm2 <- lm(data = ___, ___ ~ ___))
 ```
 
@@ -181,7 +181,7 @@ summary(fat_lm2 <- lm(data = DF, Y  ~ VAR1 + VAR2))
 ```
 
 ```{r regmulti_h2-solution}
-## Solution ## 
+## Solution ##
 summary(fat_lm2 <- lm(data = fat, density ~ abdom + thigh))
 ```
 
@@ -430,7 +430,19 @@ question_text(
   incorrect = "Vos commentaires sont enregistrés.",
   placeholder = "Entrez vos commentaires ici...",
   allow_retry = TRUE,
-  submit_button = "Soumettre une réponse", 
+  submit_button = "Soumettre une réponse",
   try_again_button = "Resoumettre une réponse"
 )
 ```
+
+```{css, echo=FALSE}
+@media print {
+  .topics {
+    width: 100% !important;
+    padding: 0 0.5em 0 !important;
+  }
+  .topicsContainer, .topicsContainer *, .learnrBanner, .learnrBanner *, .topicActions, .topicActions * {
+    display: none !important;
+  }
+}
+```

inst/tutorials/B02Lb_reg_poly/B02Lb_reg_poly.Rmd.inactivated

@@ -5,7 +5,7 @@ description: "**SDD II Module 2** Maîtriser la régression linéaire polynomial
 tutorial:
   id: "B02Lb_reg_poly"
   version: 2.2.0/5
-output: 
+output:
   learnr::tutorial:
     progressive: true
     allow_skip: true
@@ -19,7 +19,7 @@ SciViews::R("model", lang = "fr")
 # datasets
 reddrum <- read("reddrum", package = "UsingR")
 reddrum$length <- reddrum$length * 0.0254
-reddrum <- labelise(reddrum, 
+reddrum <- labelise(reddrum,
   label = list(length = "Longueur", age = "Âge"),
   units = list(length = "m", age = "années"))
 
@@ -60,7 +60,7 @@ reddrum <- read("reddrum", package = "UsingR")
 # Conversion de pouce en mètre
 reddrum$length <- reddrum$length * 0.0254
 # Ajout des labels et unités
-reddrum <- labelise(reddrum, 
+reddrum <- labelise(reddrum,
   label = list(length = "Longueur", age = "Âge"),
   units = list(length = "m", age = "années"))
 
@@ -322,7 +322,19 @@ question_text(
   incorrect = "Vos commentaires sont enregistrés.",
   placeholder = "Entrez vos commentaires ici...",
   allow_retry = TRUE,
-  submit_button = "Soumettre une réponse", 
+  submit_button = "Soumettre une réponse",
   try_again_button = "Resoumettre une réponse"
 )
 ```
+
+```{css, echo=FALSE}
+@media print {
+  .topics {
+    width: 100% !important;
+    padding: 0 0.5em 0 !important;
+  }
+  .topicsContainer, .topicsContainer *, .learnrBanner, .learnrBanner *, .topicActions, .topicActions * {
+    display: none !important;
+  }
+}
+```

inst/tutorials/B03La_mod_lin/B03La_mod_lin.Rmd.inactivated

@@ -5,7 +5,7 @@ description: "**SDD II Module 3** Modèle linéaire."
 tutorial:
   id: "B03La_mod_lin"
   version: 2.1.1/8
-output: 
+output:
   learnr::tutorial:
     progressive: true
 runtime: shiny_prerendered
@@ -146,7 +146,7 @@ chart(corn2, value ~ x %col=% area) +
 ```{r}
 skimr::skim(corn2)
 
-#lm2 <- lm(data = corn2, value ~ x * area) # modèle le plus compliqué doit être simplifié 
+#lm2 <- lm(data = corn2, value ~ x * area) # modèle le plus compliqué doit être simplifié
 #lm2 <- lm(data = corn2, value ~ x + area + x:area)
 lm2 <- lm(data = corn2, value ~ x + x:area)
 #summary(lm2)
@@ -432,3 +432,15 @@ question_text(
   allow_retry = TRUE
 )
 ```
+
+```{css, echo=FALSE}
+@media print {
+  .topics {
+    width: 100% !important;
+    padding: 0 0.5em 0 !important;
+  }
+  .topicsContainer, .topicsContainer *, .learnrBanner, .learnrBanner *, .topicActions, .topicActions * {
+    display: none !important;
+  }
+}
+```

inst/tutorials/B04La_glm/B04La_glm.Rmd.inactivated

@@ -273,14 +273,14 @@ quiz(
   question("Sélectionnez l'affirmation correcte concernant le paramètre de dispersion",
     answer("Une surdispersion importante est observée pour ce modèle."),
     answer("Une sousdispersion importante est observée pour ce modèle."),
-    answer("La dispersion est proche de 1 et est correcte.", correct = TRUE), 
+    answer("La dispersion est proche de 1 et est correcte.", correct = TRUE),
     allow_retry = TRUE, random_answer_order = TRUE),
   question("Sélectionnez l'affirmation correcte concernant le critère d'Akaike",
     answer("La valeur brute ne donne aucune information", correct = TRUE),
     answer("La valeur est faible, c'est un bon modèle"),
     answer("La valeur est faible, c'est un mauvais modèle"),
     answer("La valeur est élevée, c'est un bon modèle"),
-    answer("La valeur est élevée, c'est un mauvais modèle"), 
+    answer("La valeur est élevée, c'est un mauvais modèle"),
     allow_retry = TRUE, random_answer_order = TRUE)
 )
 ```
@@ -405,3 +405,15 @@ question_text(
   allow_retry = TRUE
 )
 ```
+
+```{css, echo=FALSE}
+@media print {
+  .topics {
+    width: 100% !important;
+    padding: 0 0.5em 0 !important;
+  }
+  .topicsContainer, .topicsContainer *, .learnrBanner, .learnrBanner *, .topicActions, .topicActions * {
+    display: none !important;
+  }
+}
+```

inst/tutorials/B05La_nls/B05La_nls.Rmd.inactivated

@@ -5,7 +5,7 @@ description: "**SDD II Module 5** Régression non linéaire."
 tutorial:
   id: "B05La_nls"
   version: 2.0.1/5
-output: 
+output:
   learnr::tutorial:
     progressive: true
 runtime: shiny_prerendered
@@ -57,7 +57,7 @@ Vous avez à votre disposition :
 
 ```{r}
 chart(data = df1, formula = y ~ t) +
-  geom_point() 
+  geom_point()
 ```
 
 -   la fonction suivante pour calculer votre modèle.
@@ -112,7 +112,7 @@ Des chercheurs en cancérologie essayent de modéliser la croissance d'une tumeu
 
 ```{r}
 chart(data = tumor, formula = volume ~ time) +
-  geom_point() + 
+  geom_point() +
   labs(x = "Temps [Jours]", y = "Volume tumoral [10^9 µm^3]")
 ```
 
@@ -220,7 +220,7 @@ grade_code("Ce modèle s'ajuste aussi dans ces données.")
 question("Quelle est le meilleur modèle ?",
   answer("Modèle de Gompertz", correct = TRUE),
   answer("Courbe logistique"),
-  answer("Modèle de von Bertalanffy"), 
+  answer("Modèle de von Bertalanffy"),
   allow_retry = TRUE, random_answer_order = TRUE)
 ```
 
@@ -237,3 +237,15 @@ question_text(
   allow_retry = TRUE
 )
 ```
+
+```{css, echo=FALSE}
+@media print {
+  .topics {
+    width: 100% !important;
+    padding: 0 0.5em 0 !important;
+  }
+  .topicsContainer, .topicsContainer *, .learnrBanner, .learnrBanner *, .topicActions, .topicActions * {
+    display: none !important;
+  }
+}
+```

inst/tutorials/B06La_ahc/B06La_ahc.Rmd.inactivated

@@ -5,7 +5,7 @@ description: "**SDD II Module 6** Classification hiérarchique ascendante et int
 tutorial:
   id: "B06La_ahc"
   version: 2.0.1/10
-output: 
+output:
   learnr::tutorial:
     progressive: true
 runtime: shiny_prerendered
@@ -127,7 +127,7 @@ question("À partir des données du tableau `fish`, vous souhaitez réaliser une
   answer("Indice de Bray-Curtis", correct = TRUE),
   answer("Indice de Canberra", correct = TRUE),
   answer("Distance Euclidienne"),
-  answer("Indice de Manhattan"), 
+  answer("Indice de Manhattan"),
   allow_retry = TRUE, random_answer_order = TRUE,
   incorrect = "La grande question à se poser est celle de la représentativité des doubles zéros (et nous avons vu qu'il y en a beaucoup dans notre jeu de données).",
   correct = "Seuls les indices qui n'utilisent pas les doubles zéros comme information sont pertinents ici. Canberra effectuera une pondération des espèces les unes par rapport aux autres contrairement à Bray-Curtis. Cela correspond à deux points de vue différents : soit la communauté dans son ensemble caractérise le milieu, soit les espèces les plus abondantes définissent principalement ces communautés. En pratique ici, la pondération est déjà incluse via l'échelle d'abondance par espèce.")
@@ -219,7 +219,7 @@ question("Vous souhaitez réaliser un matrice de distance sur les données envir
   answer("Indice de Bray-Curtis", message = "L'indice de Bray-Curtis sert plutôt pour des dénombrements d'espèces."),
   answer("Indice de Canberra", message = "L'indice de Canberra ne prenant pas en compte les doubles zéros, il est plutôt mal adapté pour des données environnementales."),
   answer("Distance Euclidienne", correct = TRUE),
-  answer("Indice de Manhattan", correct = TRUE), 
+  answer("Indice de Manhattan", correct = TRUE),
   allow_retry = TRUE, random_answer_order = TRUE,
   incorrect = "Hum, pas tout-à-fait... Quelles métriques prennent en compte les doubles zéros comme similarité (deux sites ayant même concentration nulle en une substance chimique se ressemblent).",
   correct = "Excellent ! C'est en fait des métriques différentes qui sont utilisées pour les dénombrement d'espèces ou les données environnementales.")
@@ -465,3 +465,15 @@ question_text(
   allow_retry = TRUE
 )
 ```
+
+```{css, echo=FALSE}
+@media print {
+  .topics {
+    width: 100% !important;
+    padding: 0 0.5em 0 !important;
+  }
+  .topicsContainer, .topicsContainer *, .learnrBanner, .learnrBanner *, .topicActions, .topicActions * {
+    display: none !important;
+  }
+}
+```

inst/tutorials/B06Lb_kmeans/B06Lb_kmeans.Rmd.inactivated

@@ -5,7 +5,7 @@ description: "**SDD II Module 6** Regroupement des données par les k-moyennes e
 tutorial:
   id: "B06Lb_kmeans"
   version: 2.2.0/8
-output: 
+output:
   learnr::tutorial:
     progressive: true
 runtime: shiny_prerendered
@@ -129,7 +129,7 @@ question("Sur base du graphique que vous avez réalisé, quelle valeur de *k* ut
   answer("3"),
   answer("4", correct = TRUE),
   answer("5"),
-  answer("Plus de 5"), 
+  answer("Plus de 5"),
   allow_retry = TRUE,
   correct = "Bravo, vous avez trouvé la bonne réponse. Sur le graphique, on choisira une valeur de *k* à la base du coude, lorsque l'ajout d'un *k* supplémentaire ne permet plus de faire baisser la valeur de manière importante.",
   incorrect = "Retentez votre chance. Nous recherchons des sauts importants dans la décroissance de la somme des carrés (*total within sum of square*). L'objectif est de choisir la valeur de *k* à la base du coude, lorsque l'ajout d'un *k* supplémentaire ne permet plus de faire baisser la somme des carrés de manière importante.")
@@ -175,7 +175,7 @@ Tracez un graphique des nitrates `nit` en fonction de l'oxygène dissout `oxy`.
 
 ```{r graphe_prep}
 envir_scale <- as_dtx(scale(envir))
-set.seed(210219) 
+set.seed(210219)
 envir_kmn <- k_means(envir_scale, k = 4, nstart = 25)
 ```
 
@@ -321,3 +321,15 @@ question_text(
   allow_retry = TRUE
 )
 ```
+
+```{css, echo=FALSE}
+@media print {
+  .topics {
+    width: 100% !important;
+    padding: 0 0.5em 0 !important;
+  }
+  .topicsContainer, .topicsContainer *, .learnrBanner, .learnrBanner *, .topicActions, .topicActions * {
+    display: none !important;
+  }
+}
+```