项目评价管理系统

表1：学生互评表（组内成员互评）

评价指标	权重	评分标准（请输入0-100分）	评分
任务完成度	35%	按时、高质量完成分配的前后端/算法/文档任务；未出现因个人原因导致组内阻塞的情况。
沟通与响应	25%	在学习通/微信群/线下会议中积极响应；遇到困难及时同步；乐于帮助队友解决技术难题。
会议参与度	20%	全程参与组会（除非请假）；在需求讨论、代码评审中能提出建设性意见。
责任心与主动性	15%	主动承担额外工作（如Bug修复、部署上线）；对项目质量有追求，不敷衍了事。
AI辅助开发能力	5%	合理使用AI工具辅助编码、调试或文档；对AI生成的代码理解透彻，能进行必要修改和优化；未出现盲目依赖AI导致代码质量下降或无法解释的情况。

提交学生互评

表2：企业老师评价表（侧重工程与行业标准）

一级指标	权重	二级指标（观察点）	得分（0-100）
工程化与规范	18%	Git协作规范：分支命名规范（feature/fix）、Commit信息清晰、有PR/MR流程；无直接提交main分支行为。
	14%	代码规范：遵循语言标准规范（如PEP8，ESLint）；命名语义化；无深层嵌套的“面条代码”。
	12%	环境配置：提供一键启动脚本（docker-compose或setup脚本）；配置文件与代码分离；Readme包含清晰的环境搭建步骤。
架构与设计	18%	系统设计：分层结构清晰（Controller-Service-Dao）；设计模式运用恰当；数据库表结构设计合理（索引、范式）。
质量与测试	12%	健壮性：关键接口有异常处理；输入校验严格；无明显Bug或崩溃风险；有基础的单元测试覆盖。
部署与交付	12%	可运行性：在企业老师指定的环境下，10分钟内能成功部署运行；未出现依赖缺失或环境不兼容问题。
AI辅助编程与理解	14%	合理使用AI生成代码，生成后能进行人工审查、重构与测试；代码风格与人工编写部分保持一致；对AI生成的复杂逻辑有清晰解释；未出现直接复制不可控代码导致工程隐患。

提交企业老师评价

表3：任课老师评价表（侧重教学目标和综合素养）

考察点	评分标准（满分100）	得分
里程碑交付	严格按照项目计划表交付《需求规格说明书》、《数据库设计文档》、《接口文档》；逾期交付按比例扣分。
技术栈掌握	选型合理；对课程核心知识点（如Spring Boot/Vue/Flask等）运用熟练，无严重技术硬伤。
代码质量	代码复用性高，无冗余代码；注释恰当（不过度不缺失）；日志记录完善。
AI工具使用合理性	提交记录中能体现AI辅助痕迹；对AI生成的代码有充分理解；未滥用AI导致作业同质化或学术诚信问题。

提交任课老师评价

评价结果查看与导出 (仅任课教师可见)