接下来,我们选择TRAE工作在Builder with MCP模式,让它自动执行我们的需求。TRAE会读取Excel文档,自动识别数据类型,对每个问题进行统计:
单选题:统计各选项人数和百分比
多选题:统计各选项被选次数和覆盖率
自由填写:自动归纳分类
分析完毕,TRAE自动生成Python代码,使用matplotlib创建专业的数据可视化:
柱状图:展示人数对比
饼图:展示占比分布
横向柱状图:适合长标签展示
自动生成的图表包括:
1. 最早接触嵌入式系统的时间(柱状图+饼图)
2. 选修本课程的目的(横向柱状图)
3. 对编程实践内容的看法(柱状图)
4. 期望分数分布(柱状图)
5. 对已学计算机相关课程的评价(横向柱状图)
6. 熟悉的技术分布(柱状图)
7. 使用的网页版AI工具(横向柱状图)
8. 使用的AI辅助编程工具(柱状图)
对于"最希望学到的内容"、"对嵌入式系统的困惑"等自由填写字段,TRAE能够提取关键信息,进行归纳分类整理,最后生成总结性描述。例如:对嵌入式系统的困惑归纳:
基础概念困惑:嵌入式系统是什么、具体的领域
学习路径困惑:从哪里哪些基础学科入门
实践应用困惑:实际工程中的应用场景
职业发展困惑:就业前景、岗位需求
最后,TRAE自动生成结构化的Markdown报告,包含:
调查概况
统计分析(含图表)
自由填写内容归纳
重点关注学生名单
教学建议