Lars
8f8bdf6d8b
- Enhanced the skill scoring formula to incorporate intensity and level range factors, improving the accuracy of skill contributions. - Removed the use of `is_primary` and `development_contribution` from calculations, streamlining the scoring process. - Updated documentation to reflect changes in the scoring logic and versioning. - Adjusted frontend components to align with the new scoring criteria, ensuring consistent user experience across the application.
3.5 KiB
Gewichtetes Fähigkeiten-Scoring (Phase 3)
Stand: 2026-05-20
Status: Variante A (regelbasiert) umgesetzt — v1.1 (Intensität + Stufen-Spanne, ohne Primär)
Modul: backend/skill_scoring.py, Router skill_profiles
Ziel
Trainer wählen Schwerpunkt-Fähigkeiten und erhalten Vorschläge für Rahmenprogramme, Trainingsmodule und Regressionspfade (Progressionsgraphen), deren Übungen diese Fähigkeiten stark abdecken.
Datenquellen
| Artefakt | Übungen aus |
|---|---|
| Rahmenprogramm (gesamt) | Alle Blueprint-training_units der Slots → training_unit_section_items |
| Rahmenprogramm (pro Slot) | Blueprint einer Session |
| Trainingsmodul | training_module_items (nur item_type = exercise) |
| Progressionsgraph | from_exercise_id + to_exercise_id je Kante (Vorkommen zählt) |
Fähigkeiten je Übung: exercise_skills → skills (nur status = active).
Gewichtungsformel (v1.1)
Pro Übungsvorkommen (eine Zeile im Ablauf / Modul / Kanten-Endpunkt):
- Basis-Minuten =
planned_duration_minder Position, sonst Default (Einheit/Modul: 8 Min, Graph: 10 Min). - Pro verknüpfte Fähigkeit der Übung:
Beitrag = Basis-Minuten × Anzahl Vorkommen × Link-Faktor- Link-Faktor = Intensität × Stufen-Faktor
Intensität (Nutzeneinschätzung, UI-Feld)
| Wert | Faktor |
|---|---|
| niedrig | 0,85 |
| mittel / leer | 1,0 |
| hoch | 1,2 |
Stufen-Spanne (required_level → target_level, UI „von/bis“)
Kanonische Slugs: basis … optimierung (1–5). Fehlen beide: Faktor 1,0.
- Spanne = Anzahl Stufen von „von“ bis „bis“ (1–5)
- Mittelpunkt = durchschnittliche Stufe
- Faktor ≈
(0,92 + 0,04 × Spanne) × (0,95 + 0,025 × Mittelpunkt)→ typisch 0,96–1,20
Beispiel: von Grundlagen bis Aufbau (Spanne 2) > nur Basis (Spanne 1).
Bewusst nicht im Scoring
| Feld | Grund |
|---|---|
is_primary |
Perspektivabhängig; bleibt in Übungs-UI, fließt nicht ins Profil ein |
development_contribution |
Legacy-DB-Feld, in UI nicht gepflegt |
Aggregation:
- Summe pro
skill_id→weight share_percent= Anteil antotal_weight(100 % über alle Skills im Profil)
API
| Methode | Pfad | Beschreibung |
|---|---|---|
| GET | /api/training-framework-programs/{id}/skill-profile |
overall + slots[] mit je profile |
| GET | /api/training-modules/{id}/skill-profile |
overall |
| GET | /api/exercise-progression-graphs/{id}/skill-profile |
overall |
| GET | /api/skill-discovery/suggestions?skill_ids=1,2,3 |
Ranking sichtbarer Artefakte; Query types, limit |
Zugriff: get_tenant_context + gleiche Sichtbarkeit wie Parent-Artefakt (library_content_visibility_sql).
UI
- Rahmenprogramm bearbeiten: Panel „Fähigkeiten-Schwerpunkte“, inkl. Aufklapp pro Session
- Trainingsmodul bearbeiten: Panel „Fähigkeiten im Modul“
- Progressionsgraph: Panel „Fähigkeiten entlang des Pfads“
- Fähigkeiten-Seite → Planungs-Vorschläge: Multi-Select + Bibliothekssuche
Profil wird nach Speichern neu geladen (skillProfileTick).
Grenzen / später
- Kein Cache in DB (
skill_profile_json) — on-the-fly; bei Performance >50 Artefakte serverseitiger Index - Entwicklungsziele am Rahmenkopf bleiben Freitext (kein Scoring)
- KI-Zusammenfassung (Variante B Roadmap) nicht Teil von v1.0
- Trainingseinheiten (Kalender) optional als nächste Erweiterung
Tests
backend/tests/test_skill_scoring.py— Multiplikator, Aggregation, Match-Score