Skip to content

Data Soul es un aplicativo web diseñado para evaluar y comparar los rasgos no cognitivos (Big Five y Dark Triad) de modelos de lenguaje (LLM) frente a un grupo poblacional humano. El proyecto permite evaluar, calcular similitudes y visualizar resultados a través de una dashboard.

Notifications You must be signed in to change notification settings

SinsajoCol/Data-Soul

Repository files navigation

icon
hand-wave

Documentación

  1. 📖 Descripción del Proyecto

    Este repositorio contiene el desarrollo del aplicativo web para la evaluación de rasgos no cognitivos mediante pruebas psicométricas y su comparación con modelos de lenguaje (LLM). App

  2. 👥 Equipo de Desarrollo

  • Jair SanclementeProduct Owner
  • Catalina EstradaLider / Frontend /Planificación
  • Juan Sebastian ObandoEncargado Control de versiones / Ejecución / Full Stack
  • Erika MuñozPlaneadora / Frontend
  • Arley DavidCierre / Tester
  • Cristian CifuentesMonitoreo / Backend
  • Felipe ValdezInicio / Backend
  1. 🛠️ Tecnologías y Herramientas
  • HTML, CSS, JavaScript
  • Git & GitHub
  • Excel como entrada (archivos.xml)
  • PDF como salida (reportes de pruebas)
  1. 📂 Estructura del Repositorio
📂 proyecto-psicometria-llm
├── 📂 docs/                     # Documentación del proyecto
├── 📂 LLM-Evaluate-TRAIT/       # Pruebas Realizadas a los modelos
├── 📂 src/                      # Código fuente (HTML, CSS, JS)
│    ├── 📂 assets/              # Imágenes, estilos, etc.
│    ├── 📂 data/                # Preguntas del cuestionario y resultados llm.
│    ├── 📂 controllers/         # Controladores js.
│    ├── 📂 models/              # Modelos js.
│    ├── 📂 views/               # Vistas js.
│    └── 📂 pages/               # Páginas principales
├── 📂 test/                     # Pruebas y resultados de los LLM 
│    ├── 📂 unit/                # Pruebas unitarias (frontend/backend)
│    └── 📂 integration/         # Pruebas de integración
├── 📂 templates/                # Plantillas (Excel de entrada)
├── .gitignore                   # Archivos ignorados en Git
├── README.md                    # Documentación principal
└── LICENSE                      # Licencia del repositorio 
  1. 🔄 Flujo de Trabajo (Git Flow)

Para mantener el desarrollo ordenado, seguimos la siguiente estrategia de ramas:

  • main → Rama estable (solo versiones probadas y listas para entrega).
  • develop → Rama de integración de funcionalidades antes de pasar a main.
  • evaluate-models → Rama para hacer la evaluación de los modelos con trait.
  • feature/* → Cada funcionalidad o historia de usuario tendrá su propia rama.

Representación Gráfica del Flujo de Ramas

A continuación, se presentan diagramas que ilustran el flujo de ramas y su estructura:

Flujo de Ramas - Git Flow

Diagrama de líneas mostrando las fases de desarrollo y entrega de las ramas.

Árbol de Ramas del Repositorio

Diagrama de árbol que representa la jerarquía y fusión de ramas.

  1. ✅ Convenciones de Commits

Usamos el formato Conventional Commits para mantener un historial ordenado:

  • feat: → Nueva funcionalidad
  • fix: → Corrección de errores
  • docs: → Cambios en documentación
  • style: → Formato (indentación, espacios, etc.) sin cambios de lógica
  • refactor: → Reestructuración de código sin cambiar comportamiento
  • test: → Añadir o modificar tests
  • chore: → Tareas de mantenimiento (build, dependencias, configs)

Pasos para trabajar en una nueva historia de usuario

  1. Crear una nueva rama a partir de develop:

    git checkout develop
    git pull origin develop
    git checkout -b feature/NEEDS-XX-descripcion
    
  2. Realizar los commits siguiendo la siguiente convención tipo(ID-Historia): descripción breve:

    git add .
    git commit -m "feat: implementar NEEDS-XX sección de evaluación de rasgos"

Ejemplos: ```bash feat(NEEDS-20): mostrar inventario psicométrico en pantalla feat(NEEDS-21): generar gráfico de resultados por rasgo fix(NEEDS-23): corregir descarga del PDF de reporte docs: agregar guía de instalación en README refactor(NEEDS-26): simplificar validación del archivo cargado test(NEEDS-24): agregar pruebas para reporte comparativo

  1. Subir la rama al repositorio.

    git push origin feature/NEEDS-XX-descripcion
    
  2. Crear un Pull Request (PR) hacia develop:

    • En GitHub, abrir un PR de la rama feature/NEEDS-XX-descripcion hacia develop.
    • Solicitar revisión de al menos 1 compañero.
  3. Integrar cambios a develop (solo el responsable de merges)

    git checkout develop
    git pull origin develop
    git merge feature/NEEDS-XX-descripcion
    git push origin develop

About

Data Soul es un aplicativo web diseñado para evaluar y comparar los rasgos no cognitivos (Big Five y Dark Triad) de modelos de lenguaje (LLM) frente a un grupo poblacional humano. El proyecto permite evaluar, calcular similitudes y visualizar resultados a través de una dashboard.

Topics

Resources

Stars

Watchers

Forks

Packages

No packages published

Contributors 8