ZhangQiPro/MOCK_DATA_UPDATE_LOG.md

Mock数据替换任务记录

数据来源

• 分析报告文件夹：239个Word文档（.doc格式）
• 6门课程：SQL金融数据处理、Python金融分析、Matlab金融建模、金融数据可视化、证券模拟投资竞赛实战、期货模拟交易大赛实战
• 学生：40名（233061301101-140）

已完成工作

✅ 第一批次：基础数据（mockStudents, mockOptions）

• 学生名单：40名真实学生（101-140）
• 课程项目：6门真实课程
• 年级/班级：2023级金融工程1班

✅ 第二批次：评价数据（mockEvaluationData）

• 企业评价：40条（百分制→5分制）
• 教师评价：40条（基于Word学校评分）
• 专家评价：40条（综合评分）

✅ 第三批次：画像数据（mockPortraitData）

• 能力维度：从6维→5维真实维度（数据采集、数据清洗、数据分析、结果解读、工具实操）
• abilityRadar：40名学生的5维能力分数（基于Word文档6门课程的学校+企业评分计算平均值）
• gradeDistribution：40名学生的6门课程真实总分

✅ 第四批次：报告数据（mockReportData）

• developmentTrends：40名学生×6个月发展趋势数据（基于真实评分生成）
• milestones：40名学生×2-4个里程碑事件（基于课程表现）
• developmentSuggestions：40名学生×发展建议（优势+劣势+建议）

✅ 第五批次：大屏数据（bigScreenData）

• 成绩分布：基于40名学生真实平均分统计（0优秀，21良好，19中等，0及格，0不及格）
• 能力矩阵：5维度（数据采集、数据清洗、数据分析、结果解读、工具实操）
• 实时统计：学生40人，完成率100%，平均分80.7
• 代表组：优秀组/良好组/中等组（基于班级平均值缩放）

✅ 第六批次：提交记录（submissions）

• 保留学生1-8的现有项目描述（演示数据）
• 补充学生9-40的空提交记录（submitted: false）
• 总计：40名学生的完整提交记录

生成的文件

分析报告/
  ├─ extracted_scores.json           # Word文档原始评分（40名学生×6门课程）
  ├─ generated_evaluations.json      # 生成的评价数据（企业/教师/专家）
  ├─ generated_portrait_data.json    # 生成的画像数据（能力雷达+成绩分布）
  ├─ generated_report_data.json      # 生成的报告数据（趋势+里程碑+建议）
  └─ generated_bigscreen_data.json   # 生成的大屏数据（分布+矩阵+统计）

parse_reports.py                     # Word文档解析脚本
generate_mock_data.py                # 评价数据生成脚本
generate_portrait_data.py            # 画像数据生成脚本
generate_report_data.py              # 报告数据生成脚本
generate_bigscreen_data.py           # 大屏数据生成脚本
update_mockdata_evaluations.py      # 更新评价数据到mockData.js
update_mockdata_portrait.py         # 更新画像数据到mockData.js
update_mockdata_report.py           # 更新报告数据到mockData.js
update_mockdata_bigscreen.py        # 更新大屏数据到mockData.js
update_mockdata_submissions.py      # 更新提交记录到mockData.js

src/utils/mockData.js.backup         # 原始文件备份

核心原则

✅ 所有mock数据完全基于Word文档真实数据 ✅ 可以计算组合现有数据，但禁止随意编造 ✅ Word文档不包含的内容，保持现有或标记为空