Visible Learning: umfassende Erweiterungen

- Berechnung Kopplungspotenzial je Bedürfnis (Young/Roediger)
- Export von coupling_potential_per_need.csv inkl. bridge_energy
- Aggregation und Export von Kopplungsindizes (per Item, per Need)
- Konsolidierung des Mappings Young ↔ Hattie (werte_mapping.csv)
- Neue Visualisierungen:
  • Kopplungspotenzial (2D, farbkodiert nach Balance)
  • Item-Projektion mit Communities
  • 3D-Netzwerkdarstellung (Systemebenen × Thermometer)
  • 3D-Triangulation: Effekt × Bedürfnis × Semantik
  • Thermo-Dashboard (Energie, Entropie, Modularität)
- Verbesserte Skalierungen (Effektstärken normiert, Markergrößen, Kantenstärken)
- Konsistente Export-Pfade (export/*.csv, *.html, *.png)
- Fehlerbehebungen:
  • os-Import nachgezogen
  • robustere Merge-Strategien beim CSV-Export
  • Schutz vor leeren/inkonsistenten Spalten
- CI-Styling & Plotly-Template in alle neuen Plots integriert

config_visible_learning.py

@@ -41,4 +41,10 @@ show_community_labels = True
 community_algorithm = "louvain"      # "louvain" | "leiden" (falls unterstützt)
 min_community_size = 3
 
-# 3) z-Achsen-Toggle kommt aus z_mode / z_axis_labels (oben)
+# 3) z-Achsen-Toggle kommt aus z_mode / z_axis_labels (oben)
+
+cluster_algo = "none"      # "kmeans", "gmm", "agglomerative", "spectral", "dbscan", "none"
+n_clusters = 5               # für kmeans, gmm, agglomerative, spectral
+dbscan_eps = 0.15            # für dbscan
+dbscan_min_samples = 5       # für dbscan
+spectral_k = 5               # für spectral (falls von n_clusters abweichend)