Docente 5.0:
desenvolvimento
profissional acelerado
no ambiente virtual.

#!/usr/bin/env python3
"""Análise psicométrica da Avaliação Teórica 1 (2026-04-19).

Métricas por questão (Teoria Clássica dos Testes):
  - p (índice de dificuldade)
  - r_pb (correlação ponto-bisserial)
  - DE (eficiência de distratores)
  - Classificação Haladyna
"""
import csv, math
from statistics import mean, stdev

QUESTAO_AULA = {
    1: ("Aula 1", "Homeostase e integração funcional"),
    5: ("Aula 2", "Potencial de repouso e de ação"),
    8: ("Aula 3", "Comunicação e coordenação"),
    11: ("Aula 4", "Comunicação celular"),
    15: ("Aula 5", "Eixos neuroendócrinos"),
    18: ("Aula 6", "Sistemas efetores"),
}

def kr20(matriz_acertos):
    """KR-20 sobre matriz N alunos × K questões."""
    n = len(matriz_acertos)
    k = len(matriz_acertos[0])
    scores = [sum(aluno) for aluno in matriz_acertos]
    var_total = stdev(scores) ** 2
    soma_pq = 0.0
    for j in range(k):
        p = sum(matriz_acertos[i][j] for i in range(n)) / n
        soma_pq += p * (1 - p)
    return (k / (k - 1)) * (1 - soma_pq / var_total)

def p_biserial(acertos, scores):
    """Correlação ponto-bisserial: discriminação do item."""
    mu = mean(scores)
    sd = stdev(scores)
    grupo_1 = [scores[i] for i, a in enumerate(acertos) if a == 1]
    grupo_0 = [scores[i] for i, a in enumerate(acertos) if a == 0]
    m1, m0 = mean(grupo_1), mean(grupo_0)
    p = len(grupo_1) / len(acertos)
    return (m1 - m0) / sd * math.sqrt(p * (1 - p))

def classificar_dificuldade(p):
    if p >= 0.85: return "muito fácil"
    if p >= 0.70: return "fácil"
    if p >= 0.50: return "média"
    if p >= 0.30: return "difícil"
    return "muito difícil"

def classificar_discriminacao(r):
    if r >= 0.40: return "excelente"
    if r >= 0.30: return "boa"
    if r >= 0.20: return "aceitável"
    return "patológica"

# --- duplicado abaixo para loop contínuo ---

"""Análise psicométrica da Avaliação Teórica 1 (2026-04-19)."""
import csv, math
from statistics import mean, stdev

QUESTAO_AULA = {
    1: ("Aula 1", "Homeostase e integração funcional"),
    5: ("Aula 2", "Potencial de repouso e de ação"),
    8: ("Aula 3", "Comunicação e coordenação"),
    11: ("Aula 4", "Comunicação celular"),
    15: ("Aula 5", "Eixos neuroendócrinos"),
    18: ("Aula 6", "Sistemas efetores"),
}

def kr20(matriz_acertos):
    n = len(matriz_acertos)
    k = len(matriz_acertos[0])
    scores = [sum(aluno) for aluno in matriz_acertos]
    var_total = stdev(scores) ** 2
    soma_pq = 0.0
    for j in range(k):
        p = sum(matriz_acertos[i][j] for i in range(n)) / n
        soma_pq += p * (1 - p)
    return (k / (k - 1)) * (1 - soma_pq / var_total)