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

mapping young hattie.py

@@ -0,0 +1,115 @@
+import os
+import pandas as pd
+# Pfad-Setup: expliziter Nutzerpfad + robuste Fallbacks
+SCRIPT_DIR = os.path.dirname(os.path.abspath(__file__))
+PROJECT_DIR = SCRIPT_DIR  # hier liegt die Datei selbst im Projektordner
+
+# 1) Nutzerpfad (wie gewünscht)
+USER_SPEC_PATHS = [
+    "Research/Eigene Forschungsprojekte/Visible Learning/Thermometer.csv",
+]
+
+# 2) Lokale Projekt-Pfade
+LOCAL_SPEC_PATHS = [
+    os.path.join(PROJECT_DIR, "Thermometer.csv"),
+]
+
+# 3) Frühere Kandidaten für Abwärtskompatibilität
+LEGACY_CANDIDATES = [
+    "thermometer.csv",
+    "thermometer_young_mapping.csv",
+    "visible-learning_thermometer.csv",
+]
+
+EXPORT_PATH = "Research/Eigene Forschungsprojekte/Visible Learning/export"
+
+def _resolve_path(p: str) -> str:
+    """Erlaube relative Pfade (vom Script- oder Arbeitsverzeichnis) und absolute Pfade."""
+    if os.path.isabs(p):
+        return p
+    # erst relativ zum Script-Verzeichnis
+    p1 = os.path.join(SCRIPT_DIR, p)
+    if os.path.exists(p1):
+        return p1
+    # dann relativ zum aktuellen Arbeitsverzeichnis
+    p2 = os.path.abspath(p)
+    return p2
+
+
+def _load_csv():
+    tried = []
+    # 1) Nutzerpfad(e)
+    for raw in USER_SPEC_PATHS:
+        p = _resolve_path(raw)
+        if os.path.exists(p):
+            try:
+                df = pd.read_csv(p)
+                return df, p
+            except Exception as e:
+                tried.append((p, str(e)))
+    # 2) Lokale Projektpfade
+    for raw in LOCAL_SPEC_PATHS:
+        p = _resolve_path(raw)
+        if os.path.exists(p):
+            try:
+                df = pd.read_csv(p)
+                return df, p
+            except Exception as e:
+                tried.append((p, str(e)))
+    # 3) Legacy-Kandidaten
+    for raw in LEGACY_CANDIDATES:
+        p = _resolve_path(raw)
+        if os.path.exists(p):
+            try:
+                df = pd.read_csv(p)
+                return df, p
+            except Exception as e:
+                tried.append((p, str(e)))
+
+    msg_lines = ["Keine CSV gefunden. Bitte stelle sicher, dass eine Thermometer-CSV existiert."]
+    msg_lines.append("Versuchte Pfade:")
+    for p,e in tried:
+        msg_lines.append(f" - {p} (Fehler: {e})")
+    msg_lines.append("Gesucht wurden u.a. (Rangfolge):")
+    for raw in USER_SPEC_PATHS + LOCAL_SPEC_PATHS + LEGACY_CANDIDATES:
+        msg_lines.append(f" - {_resolve_path(raw)}")
+    raise FileNotFoundError("\n".join(msg_lines))
+
+# --------------------------------------------
+# WERTEDATEI (nur Zusatzfelder)
+# --------------------------------------------
+EXTRA_COLS = ["Effekt_abs", "Effekt_sign", "Effekt_norm01"]
+
+def _build_extrafields(df: pd.DataFrame) -> pd.DataFrame:
+    d = df.copy()
+    d["Effekt_abs"] = d["Effektstärke"].abs()
+    d["Effekt_sign"] = d["Effektstärke"].apply(lambda x: 1 if x > 0 else (-1 if x < 0 else 0))
+    if d["Effekt_abs"].max() > 0:
+        d["Effekt_norm01"] = d["Effekt_abs"] / d["Effekt_abs"].max()
+    else:
+        d["Effekt_norm01"] = 0.0
+    return d[EXTRA_COLS]
+
+# -----------------------------------------------------------
+# Merge DataFrame with extras and export as CSV
+# -----------------------------------------------------------
+def _merge_and_export(df: pd.DataFrame, extras: pd.DataFrame):
+    merged = pd.concat([df[["Thermometer_ID", "Stichwort", "Effektstärke", "Subkapitel", "Kapitelname", "Systemebene", "Young_Beduerfnis"]].reset_index(drop=True), extras.reset_index(drop=True)], axis=1)
+    os.makedirs(EXPORT_PATH, exist_ok=True)
+    out_path = os.path.join(EXPORT_PATH, "werte_mapping.csv")
+    merged.to_csv(out_path, index=False, encoding="utf-8")
+    print(f"✅ Mapping + Zusatzwerte exportiert: {out_path}")
+
+def _export_csv(df: pd.DataFrame, filename: str):
+    os.makedirs(EXPORT_PATH, exist_ok=True)
+    out_path = os.path.join(EXPORT_PATH, filename)
+    df.to_csv(out_path, index=False, encoding="utf-8")
+    print(f"✅ Zusatz-Wertedatei exportiert: {out_path}")
+
+if __name__ == "__main__":
+    df, src = _load_csv()
+    print(f"Eingelesen von: {src}")
+    extras = _build_extrafields(df)
+    _export_csv(extras, "werte_extras.csv")
+
+    _merge_and_export(df, extras)