(十)学生端搭建

news2025/8/1 13:50:16

本次旨在将之前的已完成的部分功能进行拼装到学生端,同时完善学生端的构建。本次工作主要包括:

1.学生端整体界面布局

2.模拟考场与部分个人画像流程的串联

3.整体学生端逻辑

一、学生端

在主界面可以选择自己的用户角色

选择学生则进入学生登录界面

整体的布局如图所示:

二、模拟考场的整体逻辑

在模拟考场界面,点击生成题目后,系统会调用DeepSeek API来获取符合要求的三个题目并返回给前端,前端可以选择其中一个进行模拟。如下图所示:

在作答界面则可以填写作文标题,填写作文内容,选择提交后,前端会调用后端的save-record接口,该接口会保存文章。

@teacher_bp.route('/save-record', methods=['POST'])
def save_record():
    """保存考试所写作文"""
    from main import mysql
    user_model = UserModel(mysql)
    
    try:
        data = request.get_json()
        print(data)
        student_id = data.get('student_id')
        teacher_id = data.get('teacher_id')
        essay_topic = data.get('essay_topic')
        essay_text = data.get('essay_text')
        essay_title = data.get('essay_title')
        if not all([student_id, essay_text, essay_topic, teacher_id]):
            return jsonify({"error": "缺少必要参数"}), 400
            
        # 使用create_essay方法创建作文记录
        essay_id = user_model.create_essay(
            student_id=student_id,
            content=essay_text,
            topic=essay_topic,  # 使用topic字段存储题目
            title=essay_title # 标题暂时为空,可以后续添加
        )
        
        # 保存test_record时加入essay_id
        record = user_model.save_test_record(
            student_id=student_id,
            teacher_id=teacher_id,
            essay_id=essay_id  # 添加essay_id参数
        )

        return jsonify({
            "message": "作文保存成功", 
            "essay_id": essay_id,
            "record_id": record
        }), 200
        
    except Exception as e:
        logger.error(f"Error in save_record: {str(e)}")
        return jsonify({"error": "服务器内部错误"}), 500

在该方法中会先创建作文记录插入到essay表,之后创建个人记录保存到test_record表,该表以essay_id为外键。

在作文记录查询界面,即可查看到自己刚才已经提交的作文

点击立即批改则会调用后端update_profile接口

@profile_bp.route('/update-profile', methods=['POST'])
@login_required  # 确保此路由需要登录
def update_profile():
    """接收作文,进行全面分析并更新学生各项数据"""
    data = request.get_json()
    print(data)
    if not data:
        return jsonify({"error": "Request body must be JSON"}), 400

    # --- Start Debug ---
    current_app.logger.info(f"收到的请求数据: {data}")
    current_app.logger.info(f"当前登录的用户信息: student_id={getattr(current_user, 'id', 'N/A')}")
    # --- End Debug ---

    student_id = data.get('student_id')
    essay_id =data.get('essay_id')
    title = data.get('essay_title')
    topic = data.get('essay_topic')
    content = data.get('essay_content')
    record_id=data.get('record_id')
    # 增加对当前用户身份的验证
    if not current_user.id or current_user.id != student_id:
        return jsonify({"error": "提交的学生ID与当前登录用户不匹配"}), 403

    if not all([student_id, content]):
        return jsonify({"error": "缺少必需字段:student_id 和 essay_content"}), 400

    from main import mysql
    try:
        user_model = UserModel(mysql)  # Needs mysql and UserModel

        # 1. 创建作文记录
        essay_id = essay_id
        print("")
        # 2. 分析作文 (使用增强版分析)
        analysis_result = analyze_essay_comprehensive(content, student_id)

        # 3. 更新学生画像 (基础得分)
        user_model.update_writing_profile(student_id, essay_id, analysis_result['scores'])
        # 4. 保存写作风格特征
        if 'style_features' in analysis_result:
            user_model.save_writing_style_features(essay_id, analysis_result['style_features'])

        # 5. 保存错误模式
        if 'error_patterns' in analysis_result:
            user_model.save_error_patterns(student_id, essay_id, analysis_result['error_patterns'])

        # 6. 分析进步情况
        progress_result = user_model.analyze_and_record_progress(student_id, essay_id)

        # 7. 更新学习路径建议
        for dimension, suggestion in analysis_result.get('suggestions', {}).items():
            # 根据评分决定优先级
            score = analysis_result['scores'].get(dimension, 0)
            current_priority = LearningPathPriority.LOW  # 默认低优先级
            if score < 70:
                current_priority = LearningPathPriority.HIGH  # 高优先级
            elif score < 85:
                current_priority = LearningPathPriority.MEDIUM  # 中优先级

            user_model.create_learning_path(student_id, dimension, suggestion,
                                            priority=current_priority,  # 使用计算出的优先级
                                            created_by='AI',
                                            essay_id=essay_id)

        # 8. 如果包括了历史数据分析,更新学习风格偏好
        if 'continuous_analysis' in analysis_result:
            learning_preferences = {
                'preferred_topics': analysis_result.get('continuous_analysis', {}).get('preferred_topics', ''),
                'strength_areas': analysis_result.get('continuous_analysis', {}).get('strength_areas', ''),
                'improvement_areas': analysis_result.get('continuous_analysis', {}).get('improvement_areas', ''),
                'learning_patterns': analysis_result.get('continuous_analysis', {}).get('learning_patterns', ''),
                'response_to_feedback': analysis_result.get('continuous_analysis', {}).get('response_to_feedback', '')
            }
            user_model.update_learning_preferences(student_id, learning_preferences)
        success = user_model.save_essay_rate(record_id)
        return jsonify({
            "message": "Profile updated successfully",
            "profile": analysis_result,
            "progress": progress_result
        })

    except Exception as e:
        current_app.logger.error(f"更新个人画像失败: {str(e)}")
        return jsonify({"error": str(e)}), 500

该接口进行学生文章多维度的评分与记录,批改完成后,学生可从个人画像界面查看批改结果。

如上图所示。

三、学生端逻辑

经小组再次讨论,确认学生端的整体逻辑。学生端主要有三种作文,一种是模拟考场作文,一种是智能训练作文,一种是老师发布的命题作文了,这三种作文首先都会存到essay表,老师发布的作文还会有一个发布表,同时为了能查出该作文是否已经批改,还加入了一个test_record表,这样整体逻辑就是学生可以使用ai批改自己的训练作文,能获得自己每次训练的个人画像,之后还能获得成长路线

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2407935.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【OSG学习笔记】Day 18: 碰撞检测与物理交互

物理引擎&#xff08;Physics Engine&#xff09; 物理引擎 是一种通过计算机模拟物理规律&#xff08;如力学、碰撞、重力、流体动力学等&#xff09;的软件工具或库。 它的核心目标是在虚拟环境中逼真地模拟物体的运动和交互&#xff0c;广泛应用于 游戏开发、动画制作、虚…

突破不可导策略的训练难题:零阶优化与强化学习的深度嵌合

强化学习&#xff08;Reinforcement Learning, RL&#xff09;是工业领域智能控制的重要方法。它的基本原理是将最优控制问题建模为马尔可夫决策过程&#xff0c;然后使用强化学习的Actor-Critic机制&#xff08;中文译作“知行互动”机制&#xff09;&#xff0c;逐步迭代求解…

Qt/C++开发监控GB28181系统/取流协议/同时支持udp/tcp被动/tcp主动

一、前言说明 在2011版本的gb28181协议中&#xff0c;拉取视频流只要求udp方式&#xff0c;从2016开始要求新增支持tcp被动和tcp主动两种方式&#xff0c;udp理论上会丢包的&#xff0c;所以实际使用过程可能会出现画面花屏的情况&#xff0c;而tcp肯定不丢包&#xff0c;起码…

基于距离变化能量开销动态调整的WSN低功耗拓扑控制开销算法matlab仿真

目录 1.程序功能描述 2.测试软件版本以及运行结果展示 3.核心程序 4.算法仿真参数 5.算法理论概述 6.参考文献 7.完整程序 1.程序功能描述 通过动态调整节点通信的能量开销&#xff0c;平衡网络负载&#xff0c;延长WSN生命周期。具体通过建立基于距离的能量消耗模型&am…

简易版抽奖活动的设计技术方案

1.前言 本技术方案旨在设计一套完整且可靠的抽奖活动逻辑,确保抽奖活动能够公平、公正、公开地进行,同时满足高并发访问、数据安全存储与高效处理等需求,为用户提供流畅的抽奖体验,助力业务顺利开展。本方案将涵盖抽奖活动的整体架构设计、核心流程逻辑、关键功能实现以及…

K8S认证|CKS题库+答案| 11. AppArmor

目录 11. AppArmor 免费获取并激活 CKA_v1.31_模拟系统 题目 开始操作&#xff1a; 1&#xff09;、切换集群 2&#xff09;、切换节点 3&#xff09;、切换到 apparmor 的目录 4&#xff09;、执行 apparmor 策略模块 5&#xff09;、修改 pod 文件 6&#xff09;、…

【Oracle APEX开发小技巧12】

有如下需求&#xff1a; 有一个问题反馈页面&#xff0c;要实现在apex页面展示能直观看到反馈时间超过7天未处理的数据&#xff0c;方便管理员及时处理反馈。 我的方法&#xff1a;直接将逻辑写在SQL中&#xff0c;这样可以直接在页面展示 完整代码&#xff1a; SELECTSF.FE…

【JavaEE】-- HTTP

1. HTTP是什么&#xff1f; HTTP&#xff08;全称为"超文本传输协议"&#xff09;是一种应用非常广泛的应用层协议&#xff0c;HTTP是基于TCP协议的一种应用层协议。 应用层协议&#xff1a;是计算机网络协议栈中最高层的协议&#xff0c;它定义了运行在不同主机上…

VB.net复制Ntag213卡写入UID

本示例使用的发卡器&#xff1a;https://item.taobao.com/item.htm?ftt&id615391857885 一、读取旧Ntag卡的UID和数据 Private Sub Button15_Click(sender As Object, e As EventArgs) Handles Button15.Click轻松读卡技术支持:网站:Dim i, j As IntegerDim cardidhex, …

微软PowerBI考试 PL300-选择 Power BI 模型框架【附练习数据】

微软PowerBI考试 PL300-选择 Power BI 模型框架 20 多年来&#xff0c;Microsoft 持续对企业商业智能 (BI) 进行大量投资。 Azure Analysis Services (AAS) 和 SQL Server Analysis Services (SSAS) 基于无数企业使用的成熟的 BI 数据建模技术。 同样的技术也是 Power BI 数据…

【人工智能】神经网络的优化器optimizer(二):Adagrad自适应学习率优化器

一.自适应梯度算法Adagrad概述 Adagrad&#xff08;Adaptive Gradient Algorithm&#xff09;是一种自适应学习率的优化算法&#xff0c;由Duchi等人在2011年提出。其核心思想是针对不同参数自动调整学习率&#xff0c;适合处理稀疏数据和不同参数梯度差异较大的场景。Adagrad通…

Xshell远程连接Kali(默认 | 私钥)Note版

前言:xshell远程连接&#xff0c;私钥连接和常规默认连接 任务一 开启ssh服务 service ssh status //查看ssh服务状态 service ssh start //开启ssh服务 update-rc.d ssh enable //开启自启动ssh服务 任务二 修改配置文件 vi /etc/ssh/ssh_config //第一…

Zustand 状态管理库:极简而强大的解决方案

Zustand 是一个轻量级、快速和可扩展的状态管理库&#xff0c;特别适合 React 应用。它以简洁的 API 和高效的性能解决了 Redux 等状态管理方案中的繁琐问题。 核心优势对比 基本使用指南 1. 创建 Store // store.js import create from zustandconst useStore create((set)…

盘古信息PCB行业解决方案:以全域场景重构,激活智造新未来

一、破局&#xff1a;PCB行业的时代之问 在数字经济蓬勃发展的浪潮中&#xff0c;PCB&#xff08;印制电路板&#xff09;作为 “电子产品之母”&#xff0c;其重要性愈发凸显。随着 5G、人工智能等新兴技术的加速渗透&#xff0c;PCB行业面临着前所未有的挑战与机遇。产品迭代…

Unity3D中Gfx.WaitForPresent优化方案

前言 在Unity中&#xff0c;Gfx.WaitForPresent占用CPU过高通常表示主线程在等待GPU完成渲染&#xff08;即CPU被阻塞&#xff09;&#xff0c;这表明存在GPU瓶颈或垂直同步/帧率设置问题。以下是系统的优化方案&#xff1a; 对惹&#xff0c;这里有一个游戏开发交流小组&…

Appium+python自动化(十六)- ADB命令

简介 Android 调试桥(adb)是多种用途的工具&#xff0c;该工具可以帮助你你管理设备或模拟器 的状态。 adb ( Android Debug Bridge)是一个通用命令行工具&#xff0c;其允许您与模拟器实例或连接的 Android 设备进行通信。它可为各种设备操作提供便利&#xff0c;如安装和调试…

工业安全零事故的智能守护者:一体化AI智能安防平台

前言&#xff1a; 通过AI视觉技术&#xff0c;为船厂提供全面的安全监控解决方案&#xff0c;涵盖交通违规检测、起重机轨道安全、非法入侵检测、盗窃防范、安全规范执行监控等多个方面&#xff0c;能够实现对应负责人反馈机制&#xff0c;并最终实现数据的统计报表。提升船厂…

黑马Mybatis

Mybatis 表现层&#xff1a;页面展示 业务层&#xff1a;逻辑处理 持久层&#xff1a;持久数据化保存 在这里插入图片描述 Mybatis快速入门 ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/6501c2109c4442118ceb6014725e48e4.png //logback.xml <?xml ver…

从WWDC看苹果产品发展的规律

WWDC 是苹果公司一年一度面向全球开发者的盛会&#xff0c;其主题演讲展现了苹果在产品设计、技术路线、用户体验和生态系统构建上的核心理念与演进脉络。我们借助 ChatGPT Deep Research 工具&#xff0c;对过去十年 WWDC 主题演讲内容进行了系统化分析&#xff0c;形成了这份…

【WiFi帧结构】

文章目录 帧结构MAC头部管理帧 帧结构 Wi-Fi的帧分为三部分组成&#xff1a;MAC头部frame bodyFCS&#xff0c;其中MAC是固定格式的&#xff0c;frame body是可变长度。 MAC头部有frame control&#xff0c;duration&#xff0c;address1&#xff0c;address2&#xff0c;addre…