CSV for Seattle library checkouts - #103

[beatrizmilz]

@scopinho
I started to translate this dataset. Since it will not be stored in the package (we will share it in an S3 Bucket), I added the code in the data-raw/.
I started with only the head of the data (10k rows).

If you want to start reviewing:

1. What do you think of the names of the columns?
2. Categories on MaterialType: there are some categories I need to search a bit to translate. This list is not final.
3. Categories on CheckoutType: I have no idea how to translate that. These are the names of services, so I guess it would be better to use them in English
4. Is it good to translate the values in the Subjects column? There are SO MANY of them. I can imagine some scenarios: 1) leave it in English; 2) translate the most frequent subjects; 3) translate them all (👀 )

[beatrizmilz]

4- I think that it's best not to translate the content in this column.. is going to take a long time that we could use in other translation tasks

[scopinho]

@scopinho I started to translate this dataset. Since it will not be stored in the package (we will share it in an S3 Bucket), I added the code in the data-raw/. I started with only the head of the data (10k rows).

If you want to start reviewing:

1. What do you think of the names of the columns?
2. Categories on MaterialType: there are some categories I need to search a bit to translate. This list is not final.
3. Categories on CheckoutType: I have no idea how to translate that. These are the names of services, so I guess it would be better to use them in English
4. Is it good to translate the values in the Subjects column? There are SO MANY of them. I can imagine some scenarios: 1) leave it in English; 2) translate the most frequent subjects; 3) translate them all (👀 )

Hi @beatrizmilz ,

1-) I looked at the dataset description and came up with the names below. Pls, take a look and let me know your thoughts.
classe_uso
sistema_retirada
tipo_retirada
retirada_ano
retirada_mes
num_retiradas
titulo
isbn
autoria
assunto
editora
publicacao_ano

2-) I'll download the file and try to improve the list. Instead of using vroom for 10K, perhaps we can change the script to use arrow, so we should be able to look into the entire dataset. I'll try that in the next few days and keep u posted.

3-) Based on the content and column description, the best I could come up was "sistema_retirada"

4-) I agree. For now we could leave the content in English. If a "good soul" give us credit in openai api or similar, we could use AI to translate. I made some proof of concept and worked very well, but my API credits $ are gone now and the number of tokens we need is not small. :-(

[scopinho]

Para os 71 descrições em MaterialType, montei esta lista também para ajudar, mas não coloquei no código:

English	Portugues
1 BOOK	1 LIVRO
2 EBOOK	2 EBOOK
3 SOUNDDISC	3 DISCO DE ÁUDIO
4 AUDIOBOOK	4 AUDIOLIVRO
5 VIDEODISC	5 DISCO DE VÍDEO
6 SONG	6 MÚSICA
7 MUSIC	7 MÚSICA
8 SOUNDREC	8 GRAVAÇÃO DE SOM
9 MOVIE	9 FILME
10 TELEVISION	10 TELEVISÃO
11 MAP	11 MAPA
12 REGPRINT	IMPRESSO REGULAR
13 MIXED	13 MISTO
14 MAGAZINE	14 REVISTA
15 VISUAL	15 VISUAL
16 SOUNDDISC, VIDEODISC	16 DISCO DE ÁUDIO, DISCO DE VÍDEO
17 CR	17 CD-ROM
18 VIDEO	18 VÍDEO
19 ER, VIDEODISC	19 REGISTRO ELETRÔNICO, DISCO DE VÍDEO
20 VIDEOCART	20 CARTÃO DE VÍDEO
21 ER, SOUNDDISC	21 REGISTRO ELETRÔNICO, DISCO DE SOM
22 ER	22 REGISTRO ELETRÔNICO
23 ATLAS	23 ATLAS
24 SOUNDCASS	24 FITA DE ÁUDIO
25 VIDEOCASS	25 FITA DE VÍDEO
26 LARGEPRINT	26 LIVRO EM LETRA GRANDE
27 MUSICSNDREC	27 GRAVAÇÃO DE SOM MUSICAL
28 VIDEOREC	28 GRAVAÇÃO DE VÍDEO
29 REGPRINT, SOUNDDISC	29 IMPRESSO REGULAR, DISCO DE ÁUDIO
30 SOUNDDISC, SOUNDREC	30 DISCO DE ÁUDIO, GRAVAÇÃO DE SOM
31 GLOBE	31 GLOBO
32 SOUNDCASS, SOUNDDISC, VIDEOCASS, VIDEODISC	32 FITA DE ÁUDIO, DISCO DE ÁUDIO, FITA DE VÍDEO, DISCO DE VÍDEO
33 ER, VIDEOREC	33 REGISTRO ELETRÔNICO, GRAVAÇÃO DE VÍDEO
34 COMIC	34 QUADRINHO
35 FLASHCARD, SOUNDDISC	35 CARTÃO DIDÁTICO, DISCO DE ÁUDIO
36 VIDEOCASS, VIDEODISC	36 FITA DE VÍDEO, DISCO DE VÍDEO
37 KIT	37 KIT
38 NOTATEDMUSIC	38 PARTITURA
39 MICROFORM	39 MICROFORMA
40 ER, PRINT	40 REGISTRO ELETRÔNICO, IMPRESSO
41 SLIDE, SOUNDCASS, VIDEOCASS	41 SLIDE, FITA DE ÁUDIO, FITA DE VÍDEO
42 ER, NONPROJGRAPH	42 REGISTRO ELETRÔNICO, GRAFICO NÃO PROJETADO
43 SOUNDDISC, VIDEOCASS	43 DISCO DE ÁUDIO, FITA DE VÍDEO
44 REGPRINT, VIDEOREC	44 IMPRESSO REGULAR, GRAVAÇÃO DE VÍDEO
45 ER, REGPRINT	45 REGISTRO ELETRÔNICO, IMPRESSO
46 UNSPECIFIED	46 NÃO ESPECIFICADO
47 REMOTESEN	47 SISTEMA REMOTO
48 PICTURE	48 FIGURA
49 PRINT	49 IMPRESSO
50 FLASHCARD	50 CARTÃO DIDÁTICO
51 SOUNDCASS, SOUNDDISC	51 FITA DE ÁUDIO, DISCO DE ÁUDIO
52 ER, MAP	52 REGISTRO ELETRÔNICO, MAPA
53 ER, SOUNDREC	53 REGISTRO ELETRÔNICO, GRAVAÇÃO DE SOM
54 MAP, VIEW	54 MAPA, VISUALIZAÇÃO
55 SLIDE	55 SLIDE
56 SLIDE, VIDEOCASS	56 SLIDE, FITA DE VÍDEO
57 SLIDE, SOUNDCASS	57 SLIDE, FITA DE ÁUDIO
58 SOUNDCASS, VIDEOCASS	58 FITA DE ÁUDIO, FITA DE VÍDEO
59 COMPFILE	59 ARQUIVO DE COMPUTADOR
60 ER, SOUNDDISC, VIDEODISC	60 REGISTRO ELETRÔNICO, DISCO DE ÁUDIO, DISCO DE VÍDEO
61 PICTURE, VIDEODISC	61 FIGURA, DISCO DE VÍDEO
62 ER, PICTURE	62 REGISTRO ELETRÔNICO, FIGURA
63 SECTION	63 SEÇÃO
64 NONPROJGRAPH	64 GRÁFICO NÃO PROJETADO
65 BOOK, ER	65 LIVRO, REGISTRO ELETRÔNICO
66 ER, SOUNDDISC, SOUNDREC	66 REGISTRO ELETRÔNICO, DISCO DE ÁUDIO, GRAVAÇÃO DE SOM
67 CHART	67 GRÁFICO
68 ER, VIDEOCASS	68 REGISTRO ELETRÔNICO, FITA DE VÍDEO
69 ATLAS, ER	69 ATLAS, REGISTRO ELETRÔNICO
70 SOUNDCASS, SOUNDDISC, SOUNDREC	70 FITA DE ÁUDIO, DISCO DE ÁUDIO, GRAVAÇÃO DE SOM
71 PHOTO	71 FOTO