{{ heroData.initial }}

{{ heroData.title }}

{{ heroData.slogan }}

{{ heroData.desc }}

写作立场

{{ heroData.writingStance }}

我的理念

{{ p.title }}

{{ p.desc }}

系统定位

{{ heroData.platformIntro }}

四个维度

{{ t.title }}

{{ t.desc }}

专业领域
{{ r }}
学习路径
总体进度 {{ overallProgress }}% 当前阶段:{{ currentStageName }}
{{ learningDays }}
学习天数
{{ masteredCount }}
已掌握方法
{{ globalLearningDepth.overall }}%
学习活跃度
{{ overallComprehensive }}%
综合掌握度
{{ stage.id }}

{{ stage.name }}

{{ stage.desc }}

{{ stage.estimatedWeeks }}周
{{ methodProgress[mCode].status === 'mastered' ? '✅' : (methodProgress[mCode].status === 'learning' ? '📖' : '🔒') }} {{ methodNamesMap[mCode] }}
{{ Math.round(methodProgress[mCode].masteryScore * 100) }}%

方法掌握度雷达

方法掌握度明细

{{ methodNamesMap[key] }}
{{ Math.round(val.masteryScore * 100) }}%

掌握度计算公式

{{ showFormulaPanel ? '收起 ▲' : '展开调整 ▼' }}
综合掌握度
masteryScore = 认知×{{ masteryWeights.cognition }} + 理解×{{ masteryWeights.comprehension }} + 实践×{{ masteryWeights.practice }} + 关联×{{ masteryWeights.association }} + 产出×{{ masteryWeights.production }}
(权重合计 = {{ (masteryWeights.cognition + masteryWeights.comprehension + masteryWeights.practice + masteryWeights.association + masteryWeights.production).toFixed(2) }})
① 维度权重
{{ label }} {{ masteryWeights[dimKey] }}
② 各维度计算参数
认知 = min(1, 浏览次数 × ) ← 每次浏览贡献多少认知分
理解 = min(1, 浏览次数 × ) ← 每次浏览贡献多少理解分
实践 = min(1, 计算次数 × ) ← 每次计算贡献多少实践分
关联 = min(1, 浏览? + 计算? )
产出 = 计算≥次→ ,≥次→
③ 掌握阈值 masteryScore ≥ → 标记为 ✅已掌握
④ 全局学习行为深度
以下行为独立于具体方法,反映整体学习活跃度
{{ item.label }} {{ item.count }}次
{{ Math.round(item.val * 100) }}%
综合学习深度 {{ globalLearningDepth.overall }}%
⚠ 权重合计不等于1,掌握度分数可能超出预期范围

四维评价模型

{{ showEvalPanel ? '收起 ▲' : '展开详情 ▼' }}

综合自我评价、360°互评、AI诊断、学习路径行为四个来源,支持多种客观赋权方法

评价来源权重
{{ label }}
{{ activeEvalWeights[dimKey] }} H={{ entropyWeights[dimKey] }}
{{ label }} {{ manualEvalWeights[dimKey] }}
⚠ 权重合计 = {{ (manualEvalWeights.path+manualEvalWeights.self+manualEvalWeights.ai+manualEvalWeights.peer).toFixed(2) }}(建议调为1)
💡 Entropy原理:各来源评分在17种方法间差异越大(信息熵越低),区分度越高,权重越大
💡 CRITIC原理:同时考虑指标对比强度(标准差)和指标间冲突性(相关系数),冗余维度权重自动降低
💡 变异系数法:各维度变异系数越大,说明数据波动越大,分配更高权重
💡 标准差法:直接用各维度标准差占比作为权重,简单直观
💡 PCA主成分分析:取第一主成分的载荷向量归一化作为权重,捕捉最大方差方向
💡 最大离差法:使所有方案在各维度上的总离差最大化来确定权重
💡 交叉熵赋权:在信息熵基础上引入与理想分布的散度,综合衡量区分度
🪞 自我评价量表 对每种方法的掌握信心进行自评(1-5分)
{{ mName }}
{{ selfEvalScores[mCode] }}/5 未评价
📊 学习路径行为分 (来自上方掌握度模型,实时计算)
{{ mName }}
{{ Math.round(fourDimScores[mCode].path*100) }}%
🤖 AI评价 模拟数据 · P1-a导师诊断接入后更新
基于苏格拉底式诊断对话:概念理解、方法辨析、实践反思、知识关联四阶段评估
{{ mName }}
{{ Math.round(fourDimScores[mCode].ai*100) }}
👥 360°互评 模拟数据 · 班级系统接入后更新
同学互评:协作表现、理解深度、贡献度;教师评价:课堂参与、方法应用能力
{{ mName }}
{{ Math.round(fourDimScores[mCode].peer*100) }}
📐 综合掌握度(四源加权)
S = {{ activeEvalWeights.path }}×路径行为 + {{ activeEvalWeights.self }}×自我评价 + {{ activeEvalWeights.ai }}×AI评价 + {{ activeEvalWeights.peer }}×360°互评
{{ mName }}
{{ Math.round(comprehensiveMastery[mCode]*100) }}%
学习笔记

读书、读论文、读文章的心得记录。输入不白费,输出即学习。

{{ n.title }}制作中

{{ n.category }}
{{ n.source }} {{ n.status }} {{ n.origin === 'self' ? '亲笔' : 'AI推荐' }}
{{ t }}
{{ n.date }} {{ n.duration }}
一句话总结

{{ n.summary }}

核心问题

{{ n.question }}

关键发现
  • {{ f }}
我的想法

{{ n.thoughts }}

暂无匹配笔记
MCDM 方法库

28 种决策与分析方法,分五大类。点击卡片查看方法详情与案例。

MCDM 方法对比分析 共 {{ filteredMethodComparison.length }} 种方法
方法名称 分类 核心原理 输入类型 输出类型 复杂度 定性 定量
{{ mc.name }} {{ mc.cat }} {{ mc.principle }} {{ mc.input }} {{ mc.output }} {{ mc.complexity }} {{ mc.qualitative ? '✓' : '—' }} {{ mc.quantitative ? '✓' : '—' }}
{{ m.version || 'v1.0' }}制作中{{ m.cat }}

{{ m.name }}

{{ m.desc }}

{{ m.casesCount }}个案例

管理员验证

管理仪表板仅限站长访问,请输入管理员密码。

密码错误,请重试

Demo 密码: admin2026

管理仪表板

基于 localStorage 的使用行为数据追踪,记录每位访客的交互热度,为内容运营提供数据支撑。

{{ totalVisits }}
总访问量
{{ topTabName }}
最热门Tab · {{ topTabCount }}次
{{ topMethodName }}
最热门方法 · {{ topMethodCount }}次
{{ activeDays }}
本周活跃天数

访客地区分布

访问量: 共 {{ provinceData.length }} 个地区 合计 {{ totalMapVisits }} 次

Tab热度排行

MCDM方法热度排行

笔记阅读统计

{{ nr.title }} {{ nr.count }}次
暂无阅读记录

作品点击热力图

{{ ph.name }}
{{ ph.count }}

功能使用汇总

功能使用次数占比
{{ fs.icon }} {{ fs.name }} {{ fs.count }}
{{ fs.pct }}%

管理者洞察

{{ ins.text }}

AI 根据你的研究兴趣、已有笔记和学习路径,自动发现并推荐相关的网络资讯。选中感兴趣的内容,一键转为笔记。

最后更新:{{ aiLastUpdate }}
{{ article.source }} {{ article.relevance === '高' ? '🔥 高相关' : ' 可能相关' }}
{{ article.date }}
{{ article.title }}
{{ article.summary }}
{{ tag }}
{{ article.aiReason }}
查看原文
暂无推荐内容,点击「刷新推荐」让 AI 为你发现新资讯。
编辑「关于我」页面中的个人介绍、学习理念、平台描述等内容。

Hero 区

写作立场

学习理念(3 条)

平台介绍

三个特质

图标参考:fa-solid fa-seedling / fa-solid fa-flask / fa-solid fa-share-nodes

研究兴趣(逗号分隔)

{{ editingNoteId === 'new' ? '新增笔记' : '编辑笔记' }}

标题分类状态日期发布操作
{{ n.title }} {{ n.category }} {{ n.status }} {{ n.date }} 已关闭 制作中 已上线

{{ editingMethodCode === 'new' ? '新增方法' : '编辑方法' }}

代码名称分类案例数状态操作
{{ m.code }} {{ m.name }} {{ m.cat }} {{ m.casesCount }} 已关闭 制作中 已上线

{{ editingWorkIdx === 'new' ? '新增作品' : '编辑作品' }}

名称类型状态日期发布操作
{{ w.name }} {{ w.type }} {{ w.status }} {{ w.date }} 已关闭 制作中 已上线
智学 AI 助手
随时提问,边看边问
AI 生成内容仅供参考,仍需使用者自行判断
智学 AI 助手
随时提问,边看边问
💡 试试这些快捷提问:
AI 生成内容仅供参考,仍需使用者自行判断