DataViz_StreamlitApp — 生成式AI与学生学业表现交互式分析平台

24211870140 黄贵崇 | 数据可视化课程大作业 | Streamlit Cloud 部署版

应用简介

本应用基于 50,000 条学生样本数据，提供从原始数据清洗到可视化分析、风险识别、建模解释与学习行为画像的一体化交互式仪表盘。

核心功能

页面模块	功能描述
① 数据导入与清洗	上传CSV、字段标准化、缺失值审计、异常值审计、派生变量生成
② 总体画像	样本量、GPA变化、AI使用时长、技能保留、倦怠比例等关键指标卡片
③ 学业成绩	GPA前后变化、AI使用时长/占比与GPA变化关系分析
④ AI使用行为	使用目的、工具多样性、付费订阅对学习结果的影响
⑤ 群体差异	专业、年级、传统学习×AI使用交互分析
⑥ AI素养与政策	提示词能力、学校AI政策、交叉分析热力图
⑦ 心理风险	依赖度、焦虑水平与倦怠风险的关系矩阵
⑧ 建模分析	相关性矩阵、线性回归、随机森林、K-Means聚类、PCA投影
⑨ 结论与导出	自动化结论生成、数据下载

侧边栏筛选器

支持按专业类别、年级、AI主要用途、提示词能力、学校AI政策、倦怠风险等级、AI使用时长范围、传统学习时长范围和GPA变化范围进行全局筛选，所有图表联动更新。

本地运行

# 1. 克隆仓库
git clone https://github.com/YOUR_USERNAME/DataViz_StreamlitApp.git
cd DataViz_StreamlitApp

# 2. 安装依赖
pip install -r requirements.txt

# 3. 启动应用
streamlit run StreamlitApp.py

# 4. 浏览器访问 http://localhost:8501

Streamlit Cloud 部署

本应用已配置 .streamlit/config.toml，可直接部署至 Streamlit Cloud：

1. 登录 share.streamlit.io
2. 点击 "New app"
3. 选择本仓库，分支 main，主文件路径 StreamlitApp.py
4. 点击 "Deploy!"

数据说明

• 数据来源：Kaggle - AI Usage & Student Academic Performance Analysis
• 样本量：50,000 条学生记录
• 字段数：16 个原始字段 + 12 个派生变量
• 应用内置：默认数据集位于 data/ai_student_impact_dataset.csv
• 支持上传：用户可通过侧边栏上传自定义 CSV 文件

技术栈

• 框架：Streamlit ≥ 1.39
• 可视化：Plotly ≥ 5.20
• 数据处理：pandas ≥ 2.0, numpy ≥ 1.24
• 机器学习：scikit-learn ≥ 1.3

论文引用

本应用对应的课程论文《生成式人工智能如何重塑学习：学生学业表现与行为的多维影响研究》包含 29 张静态图表及完整分析，附录中包含图表字典、程序代码、字段说明和模型参数。