Data

Tools

Indexes

Applications

Experiments

Awesome

An open API service indexing awesome lists of open source software.

https://github.com/kqc-real/streamlit

MC-Tests in deutscher Sprache
https://github.com/kqc-real/streamlit

agiles-projektmanagement data-science deep-learning mathematische-grundlagen

Last synced: 5 months ago
JSON representation

MC-Tests in deutscher Sprache

Awesome Lists containing this project

README 

          
# 📝 MC-Test Streamlit App



[![CI](https://github.com/kqc-real/streamlit/actions/workflows/ci.yml/badge.svg?branch=main)](https://github.com/kqc-real/streamlit/actions/workflows/ci.yml)



Interaktive Multiple-Choice-App mit schnellem Feedback, Pseudonym-Login, Itemanalyse und PDF-Exports. 40+ Fragensets (JSON + Learning-Objectives) sind enthalten; weitere lassen sich hochladen oder per KI-Generator erstellen.



## Inhalt

- [Schnellstart](#-schnellstart)

- [Übersicht](#-ĂŒbersicht)

- [Hauptfunktionen](#-hauptfunktionen-stand-2026-01)

- [Fragenset-Schema](#-fragenset-schema)

- [Sicherheitsfeatures](#-security-features)

- [Voraussetzungen](#-voraussetzungen)

- [Installation & Start](#-installation-und-start)

- [Konfiguration](#-konfiguration)



---



## 🚀 Schnellstart



Installationsguides: [Mac](INSTALLATION_MAC_ANLEITUNG.md) · [Windows](INSTALLATION_WINDOWS_ANLEITUNG.md) · [VS Code SSH](INSTALLATION_VS-CODE_SSH-AUTHENTIFIZIERUNG.md)  

Admin-Panel testen: [🔐 Anleitung](ADMIN_PANEL_ANLEITUNG.md)



---



## 🚀 Übersicht



- Pseudonym-Login, zufÀllige Fragenreihenfolge, Gewichtung pro Frage.

- Schnellsuche (Titel/Slug/Meta), Sprachenhinweis aus `meta.language`, 40+ Fragensets + Upload temporÀrer User-Sets.

- Scoring: Nur-Plus oder Plus/Minus; Zeitlimit optional pro Set oder via `MC_TEST_DURATION_MINUTES` (Default 60, leer/0 = kein Limit).

- Navigation: Markieren, Überspringen, Seitenleiste; Panic Mode schaltet alle Cooldowns sofort ab.

- Feedback/ErklÀrungen, Mini-Glossare, erweiterte ErklÀrungen; Item- & Distraktor-Analyse, Leaderboard.

- Exporte: PDF (LaTeX, Glossar, Bookmarks), CSV aller Antworten, DB-Dump; Admin-Panel fĂŒr Analytics, Feedback, KI-Generator.



## ❓ Fragenset-Schema



Die App lÀdt Fragensets aus JSON-Dateien im `data/questions_*.json`-Format. Erwartet wird ein Objekt mit:



- `questions`: Liste von Fragen

- `meta`: Objekt mit Basis-Metadaten (erforderlich, mindestens `language`)



### Pflichtfelder je Frage



- `question`: String (nicht leer)

- `options`: Liste mit **3–5** Strings

- `answer`: Ganzzahl, 0-basierter Index in `options`

- `explanation`: String (nicht leer)

- `topic`: String (nicht leer)

- `weight`: Ganzzahl 1, 2 oder 3 (empfohlen, abweichende Werte erzeugen Warnungen)



### Optionale Felder je Frage



- `concept`: String (klares Lernziel/Konzept)

- `cognitive_level`: String (z. B. „Reproduction“, „Application“, „Analysis“)

- `mini_glossary`: Objekt oder Liste mit Begriff/Definition; empfohlen **2–6** EintrĂ€ge, max. 10 (App-Features nutzen das Glossar intensiv)

- `extended_explanation`: erlaubt; Schema siehe `KI_PROMPT.md` und `GLOSSARY_SCHEMA.md`



### Meta (erforderlich)



- `language` (ISO-639-1, z. B. `de`) – Pflicht

- Empfohlen: `title`, `question_count` (wird auf Konsistenz geprĂŒft), `difficulty_profile` (easy/medium/hard), `test_duration_minutes`, `time_per_weight_minutes`, `additional_buffer_minutes`, `created`/`modified`



### Minimales Beispiel



```json

{

  "meta": {

    "language": "de",

    "question_count": 1,

    "difficulty_profile": {"easy": 0, "medium": 1, "hard": 0}

  },

  "questions": [

    {

      "question": "1. Was ist die BFS-Besuchreihenfolge ab Knoten A?",

      "options": ["A B C D", "A C B D", "A D B C"],

      "answer": 0,

      "explanation": "BFS besucht erst alle direkten Nachbarn in EinfĂŒgereihenfolge.",

      "weight": 2,

      "topic": "Graph Traversal",

      "concept": "BFS visitation order"

    }

  ]

}

```



### Empfehlungen fĂŒr Contributors/Admins



1. **Konsistente Terminologie** fĂŒr `topic`/`concept`/`cognitive_level`, damit Exporte und Analytics sauber gruppieren.

2. **Meta pflegen:** `language` ist Pflicht; `question_count`/`difficulty_profile` sollten mit der tatsĂ€chlichen Anzahl/Verteilung ĂŒbereinstimmen.

3. **Plausible Distraktoren:** 3–5 Optionen Ă€hnlicher LĂ€nge; kein „Alle/Keine der oben genannten“.

4. **Mini-Glossar pflegen:** 2–6 relevante Begriffe pro Frage, keine FĂŒllwörter.

5. **Validierung:** `python validate_sets.py` ausfĂŒhren, bevor ein Fragenset committet wird; prĂŒft Pflichtfelder, OptionslĂ€nge, Answer-Index, GlossargrĂ¶ĂŸe, Gewichtungen u. a.

6. **LaTeX/Markdown:** Keine LaTeX-AusdrĂŒcke in Backticks; bei Bedarf korrekt escapen (`\\`).



Hinweis: Ältere Fragensets können unvollstĂ€ndige Meta-Daten haben (z. B. kein Datum) und erscheinen dann ohne Datum im AuswahlmenĂŒ. Neue Fragensets sollten alle Meta-Felder sauber pflegen (`language`, `question_count`, `difficulty_profile`, ggf. `created`/`modified`), damit UI und Exporte korrekt funktionieren.



### Aktuelle ErgÀnzungen



- Musterlösung (PDF) inkl. Mini-Glossar, Hervorhebung korrekter Optionen, LaTeX-Rendering mit Parallelisierung/Timeouts.

- Schnellsuche auf der Startseite (Titel/Slug/Meta) inkl. Sprachenhinweis; temporÀre User-Fragensets werden beim Laden bereinigt (Cleanup konfigurierbar).

- Panic Mode: Sobald verbleibende Zeit < Fragen * Schwellenwert, sind Cooldowns fĂŒr Antworten/NĂ€chste-Frage deaktiviert.

- KI-Generator/Prompts im Admin-Panel; Upload/JSON-Paste fĂŒr eigene Fragensets mit Validierung und Zeitlimit-Cleanup.



### Formel-Cache (Disk) & automatische Eviction



Die App cached gerenderte LaTeX-Formel-Bilder als PNG-Dateien auf der lokalen Festplatte, um Netzwerkaufrufe zur Remote-Render-API zu reduzieren und Exporte zu beschleunigen. Damit der Cache auf Hosts mit begrenztem oder ephemerem Speicher (z. B. Streamlit Community Cloud) nicht unkontrolliert wÀchst, gibt es automatische Eviction-Mechanismen.



Konfigurierbare Umgebungsvariablen:



- FORMULA_CACHE_DIR: Pfad zum Cache-Verzeichnis (Standard: ./var/formula_cache)

- FORMULA_RENDER_PARALLEL: Anzahl paralleler Render-Jobs fĂŒr Formeln (Standard: 6)

- FORMULA_CACHE_MAX_FILES: Maximale Anzahl Dateien im Cache (Standard: 100)

- FORMULA_CACHE_MAX_MB: Maximale GesamtgrĂ¶ĂŸe des Caches in MiB (Standard: 50)

- FORMULA_CACHE_TTL_DAYS: Lebensdauer von Cache-Dateien in Tagen (Standard: 7)



Verhalten:



- Vor jedem Schreiben einer neuen Formeldatei wird die Eviction-Routine ausgefĂŒhrt: Dateien Ă€lter als TTL werden zuerst entfernt; danach werden die Ă€ltesten Dateien gelöscht, bis sowohl Dateianzahl als auch GesamtgrĂ¶ĂŸe innerhalb der Grenzwerte liegen.

- Auf schreibgeschĂŒtzten oder nicht verfĂŒgbaren Dateisystemen werden Schreibfehler ignoriert und die In-Memory-Fallback-Strategie verwendet. Das verhindert AbstĂŒrze auf restriktiven Plattformen.



Empfehlung: Setze konservative Limits fĂŒr Cloud-Deploys (z. B. FORMULA_CACHE_MAX_MB=50, FORMULA_CACHE_MAX_FILES=100) und ĂŒberwache die Nutzung in Logs.



---



## 🔐 Security Features



Die MC-Test-App setzt auf folgende Sicherheitsmaßnahmen (Versionen werden hier bewusst nicht aufgelistet):



- Kryptographische Session-Tokens (`secrets.token_urlsafe(32)`) mit serverseitigem SHA-256-Hashing (user_id + admin_key + token) statt Klartext im Session-State; Re-Auth vor kritischen Aktionen.

- Session-Handling mit InaktivitĂ€ts-Timeout (2 Stunden) und Threading-Locks fĂŒr sicheren Concurrent Access.

- Rate-Limiting fĂŒr Login/Wiederherstellung (z. B. 3 Fehlversuche → temporĂ€re Sperre, Reset nach Erfolg).

- SQLite-basiertes Audit-Logging aller Admin-Aktionen inkl. Erfolg/Fehlschlag, CSV-Export und Dashboard-Statistiken.

- DSGVO-orientierte Aufbewahrung via Cleanup-Tool (empfohlen: 90 Tage) und optionales Client-IP-Tracking.

- Warnungen bei leerem/unsicherem Admin-Key.



**Security Level:** đŸ›Ąïž **VERY HIGH (Enterprise-Grade)**



**Dokumentation:**

- 📘 [SECURITY_PHASE3_SUMMARY.md](SECURITY_PHASE3_SUMMARY.md) - Technische Details

- 📋 [CHANGELOG_SECURITY_PHASE3.md](CHANGELOG_SECURITY_PHASE3.md) - VollstĂ€ndiger Changelog

- 📄 [PHASE3_ABSCHLUSS.md](PHASE3_ABSCHLUSS.md) - User-Guide



---



## 📋 Voraussetzungen



- **Python:** 3.10–3.12 (empfohlen 3.12).

- **AbhÀngigkeiten:** Installiere via `pip install -r requirements.txt`.



---



## đŸ› ïž Installation und Start



### Lokaler Start



1.  Klone das Repository.

2.  Installiere die AbhÀngigkeiten:

    ```bash

    pip install -r requirements.txt

    ```

3.  Starte die App:

    ```bash

    streamlit run app.py

    ```

4.  Öffne [http://localhost:8501](http://localhost:8501) im Browser.



### Deployment (z. B. Streamlit Cloud)



1.  Verbinde dein GitHub-Repository mit deinem Streamlit-Cloud-Konto.

2.  Deploye die App.

3.  Konfiguriere die Secrets (siehe nÀchster Abschnitt) im Dashboard deiner Streamlit-Cloud-App.



---



## ⚙ Konfiguration



### Umgebungsvariablen / Secrets



Die App wird ĂŒber Umgebungsvariablen (fĂŒr sensible Daten) und eine Konfigurationsdatei (fĂŒr nicht-sensible Daten) konfiguriert.



FĂŒr die lokale Entwicklung kannst du eine `.env`-Datei erstellen. FĂŒr das Deployment auf Streamlit Cloud mĂŒssen diese Variablen als "Secrets" im Dashboard der App hinterlegt werden.



```env

# Beispiel fĂŒr .env oder Streamlit Cloud Secrets

MC_TEST_ADMIN_USER="dein_admin_user"

MC_TEST_ADMIN_KEY="dein_geheimes_passwort"

APP_URL="https://ihre-streamlit-app.streamlit.app"

```



- **`MC_TEST_ADMIN_USER`**: Benutzername fĂŒr den Admin-Login.

- **`MC_TEST_ADMIN_KEY`**: Passwort fĂŒr den Admin-Login.

- **`MC_NEXT_COOLDOWN_NORMALIZATION_FACTOR`**: Optionaler Skalierungsfaktor fĂŒr die Wartezeit beim Klick auf „NĂ€chste Frage“ nach dem Lesen von ErklĂ€rungen. Standard: `0.3` (reduziert die Extras); Werte < 1.0 verkĂŒrzen die Cooldowns weiter.

- **`APP_URL`**: URL der Streamlit-App fĂŒr den QR-Code im PDF-Export. (Default: `https://mc-test-amalea.streamlit.app`)



ZusÀtzliche Secrets / Umgebungsvariablen (kurz erklÀrt):



- **`MC_TEST_DURATION_MINUTES`**: Optionaler Default fĂŒr die Testdauer (in Minuten) wenn nicht im Fragenset-Meta angegeben. (Default: `60`; leer/0 = kein Zeitlimit)

- **`MC_USER_QSET_CLEANUP_HOURS`**: Wie viele Stunden temporÀre, von Nutzern hochgeladene Fragensets als "stale" gelten und automatisch beim Laden der Startseite entfernt werden können. (Default: `24`)

- **`MC_USER_QSET_RESERVED_RETENTION_DAYS`**: Aufbewahrungsdauer (Tage) fĂŒr temporĂ€re Sets reservierter Pseudonyme. (Default: `14`)

- **`MC_AUTO_RELEASE_PSEUDONYMS`**: Bei `1/true` werden unreservierte Pseudonyme nach InaktivitÀt automatisch freigegeben. (Default: aktiviert)

- **`MC_RATE_LIMIT_ATTEMPTS`**: Anzahl erlaubter fehlgeschlagener Login-/Wiederherstellungs-Versuche bevor Rate-Limiting greift. (Default: `3`)

- **`MC_RATE_LIMIT_WINDOW_MINUTES`**: FenstergrĂ¶ĂŸe in Minuten fĂŒr das Rate-Limit. (Default: `5`)

- **`MC_RECOVERY_MIN_LENGTH`**: Minimale LĂ€nge fĂŒr ein Wiederherstellungs-Geheimwort (Default: `6`).

- **`MC_RECOVERY_ALLOW_SHORT`**: Falls gesetzt auf `1`/`true`, werden kĂŒrzere Wiederherstellungs-Geheimwörter erlaubt.

- **`EXPORT_COOLDOWN_SECONDS`**: Wartezeit nach einem Export im Admin-Panel (Default: `300` Sekunden).

- **`EXPORT_JOB_WORKERS`**: Anzahl paralleler Export-Worker im Export-Job-Skript (Default: `2`).

- **`EXPORTS_DIR`**: Zielverzeichnis fĂŒr Exporte im Export-Job-Skript (Default: `./exports`).

- **`ARSNOVA_MAX_OPTION_LENGTH`**: Max. AntwortlĂ€nge fĂŒr ARSnova-Export (Default: `120` Zeichen).

- **`BENCH_EXPORTS_N`**: Anzahl PDF-Exporte im Benchmark-Skript (Default: `5`).



Hinweis: Du kannst diese Werte lokal in einer `.env` Datei setzen (z.B. fĂŒr die Entwicklung) oder als Secrets in deiner Deployment-Umgebung (z. B. Streamlit Cloud). Die App liest zuerst Streamlit-Secrets, dann Umgebungsvariablen und schließlich die lokale JSON-Konfiguration `mc_test_config.json`.



`mc_test_config.json` (nicht-sensitiv, wird zuletzt ausgewertet) kann u. a. folgende Felder enthalten: `scoring_mode`, `show_top5_public`, `test_duration_minutes`, `recovery_min_length`, `recovery_allow_short`, `rate_limit_attempts`, `rate_limit_window_minutes`, `next_cooldown_normalization_factor`, `user_qset_cleanup_hours`, `user_qset_reserved_retention_days`.



### 🌐 Sprache / Locale



- Die App liest die Sprache nicht aus URL-Query-Parametern (z. B. `?lang=de`).

- Sprache wird ausschließlich ĂŒber den UI-Sprachselektor gesteuert und in der Session gespeichert.

- Möchtest du das Standardverhalten Àndern, passe den Default in `i18n/__init__.py` (`_DEFAULT_LOCALE`) an.



Kurzes Beispiel: Setzen des Cleanup-Timeouts



Lokale Shell (temporĂ€r fĂŒr die laufende Shell):



```bash

export MC_USER_QSET_CLEANUP_HOURS=1  # TemporÀre Fragensets Àlter als 1 Stunde gelten als stale

streamlit run app.py

```



Beispiel: Setzen des Normalisierungsfaktors in der Shell (temporÀr):



```bash

export MC_NEXT_COOLDOWN_NORMALIZATION_FACTOR=0.5

streamlit run app.py

```



Als Streamlit-Cloud-Secret (im Secrets-Editor):



```yaml

# Im Secrets-Editor der Streamlit-App hinzufĂŒgen

MC_NEXT_COOLDOWN_NORMALIZATION_FACTOR: "0.5"

```



Als Streamlit-Cloud-Secret (YAML / UI):



```yaml

# Im Secrets-Editor der Streamlit-App hinzufĂŒgen

MC_USER_QSET_CLEANUP_HOURS: "1"

```



Hinweis: Die App priorisiert Werte in dieser Reihenfolge: Streamlit-Secrets → Umgebungsvariablen → `mc_test_config.json`.



---



## 📁 Projektstruktur



```

.

├── .github/                 # CI/CD Workflows

├── .streamlit/              # Streamlit-Themes/Config

├── artifacts/               # Export-Artefakte & Beispiel-SVGs

├── data/                    # Fragensets (JSON), Pseudonyme, Glossare

├── data-user/               # TemporĂ€re User-Uploads (bereinigbar)

├── db/                      # SQLite-Datenbank(en) + Test-WALs

├── docs/                    # Slides, Handouts, Feasibility-Studien

├── examples/                # Beispiel-Configs/Prompts

├── exporters/               # Export-Logik (Anki, CSV, PDF-Helfer)

├── helpers/                 # Hilfsfunktionen (PDF, Caching, Validierung)

├── i18n/                    # Sprachdateien und Defaults

├── orga/                    # Orga-Dokumente & KI-Nutzungsguides

├── scripts/                 # Build/CI-Helper (z.B. Key-Extraktion)

├── teams/                   # Team-/Stakeholder-Material

├── tests/                   # Pytest-Suite

├── tools/                   # Lokale Dev-Skripte (Bench, Cache, Export)

├── var/                     # Cache-Verzeichnisse (z.B. Formel-Cache)

├── .env.example             # Beispiel-Env (nicht eingecheckter .env)

├── mc_test_config.json      # Nicht-sensitive Default-Konfiguration

├── anki_serif.apkg          # Beispiel-Anki-Deck

├── logo.jpg                 # Logo der App

├── admin_panel.py           # Admin-Panel inkl. Audit/Ratelimit

├── app.py                   # Streamlit-Einstiegspunkt

├── auth.py                  # Authentifizierung & Session-Management

├── components.py            # Wiederverwendbare UI-Komponenten

├── config.py                # Laden der Konfiguration und Fragensets

├── database.py              # SQLite-Interaktionen

├── logic.py                 # Kernlogik (Scoring, Navigation, Status)

├── main_view.py             # UI-Logik fĂŒr die Hauptansichten

├── pdf_export.py            # PDF-Report-Generierung mit LaTeX & Glossar

├── pacing_helper.py         # Pace-/Cooldown-Helfer

├── session_manager.py       # Session-State-Verwaltung

├── question_set_validation.py# Validierung von Fragensets

├── validate_sets.py         # CLI-Validator fĂŒr Fragensets

├── requirements.txt         # Python-AbhĂ€ngigkeiten

├── AI_QUESTION_GENERATOR_PLAN.md   # Plan fĂŒr KI-basierte Fragenset-Generierung

├── DEPLOYMENT_FEASIBILITY_STUDY.md # Infrastruktur & Kostenanalyse

├── GLOSSARY_SCHEMA.md              # Mini-Glossar-Schema

├── VISION_RELEASE_2.0.md           # Strategische Vision & Roadmap

└── README.md                       # Diese Dokumentation

```



---



## 📊 Repository-GrĂ¶ĂŸe & Statistiken



**Wie groß ist dieses Repository?**



| Metrik                    | Wert                |

|---------------------------|---------------------|

| 📩 GesamtgrĂ¶ĂŸe            | ~535 MB             |

| 📂 Git-Historie           | ~513 MB             |

| 📄 Dateien gesamt         | 313 Dateien         |

| 🐍 Python-Dateien         | 100 Dateien         |

| 📝 Markdown-Dokumentation | 107 Dateien         |

| đŸ—‚ïž JSON-Dateien           | 60 Dateien          |

| đŸ’» Python-Codezeilen      | ~33 200 Zeilen      |

| 📁 Hauptverzeichnisse     | 17 Verzeichnisse    |



**Hinweis:** Messung: tracked Dateien (~21 MB) plus `.git` (~513 MB) → ~535 MB GesamtgrĂ¶ĂŸe; lokale `.venv`-/Cache-Ordner sind nicht berĂŒcksichtigt. Die Statistiken können sich mit der Weiterentwicklung des Projekts Ă€ndern.



---



## 🧰 Developer tools (local)



Es gibt kleine Hilfs-Skripte zum Testen und Benchmarking im Ordner `tools/`:



- `tools/test_evict.py` — Erzeugt Dummy-Dateien im Cache (`var/formula_cache`) und testet die Eviction-Routine.

- `tools/run_export_test.py` — FĂŒhrt einen einzelnen Musterlösungs-Export durch und schreibt das PDF nach `exports/`.

- `tools/benchmark_exports.py` — FĂŒhre N Exporte hintereinander aus (Standard N=5) und schreibe eine `exports/benchmark_summary.txt`.

- `tools/check_export_stems.py` — PrĂŒft die Dateinamen-Generierung fĂŒr Exporte (Slug-Logik wie in der App).

- `tools/print_cooldowns.py` — Druckt alle Cooldown-Varianten pro Gewichtung/Tempo mit aktuellem Normalisierungsfaktor.



Beispiele:



```bash

# Eviction smoke test

PYTHONPATH=. python3 tools/test_evict.py



# Single export (shows progress)

PYTHONPATH=. python3 tools/run_export_test.py



# Benchmark with 5 runs

BENCH_EXPORTS_N=5 PYTHONPATH=. python3 tools/benchmark_exports.py



# Check export filename stems (slug logic)

PYTHONPATH=. python3 tools/check_export_stems.py



# Inspect cooldown table with current normalization

PYTHONPATH=. python3 tools/print_cooldowns.py

```



---



## 🧭 Hinweise zum Prompting (fĂŒr AI / Text‑Generierung)



- Folge strikt dem 5‑Schritte-Konfig-Flow aus `KI_PROMPT.md`: 1) Thema, 2) Zielgruppe, 3) Fragenanzahl + Verteilung Gewichte 1–3, 4) Optionsanzahl (A/B/C), 5) Kontextmaterial. Immer nur eine Frage stellen, Unklarheiten zuerst klĂ€ren.

- Vor der Generierung: Zusammenfassung der 5 Konfigs in Nutzersprache anzeigen und explizit BestĂ€tigung abwarten („ja/yes“). Keinen JSON ausgeben, bevor bestĂ€tigt wurde.

- Sprache: Nutzer*innen-Sprache fĂŒr Inhalte, JSON-SchlĂŒssel bleiben Englisch. Gewichte → kognitive Stufen zwingend: 1=Reproduction, 2=Application, 3=Analysis; `answer` ist 0-basiert.

- Blueprinting vor JSON: `` mit Planung (Verteilung, Themen, Optionenzahl bei C, Dauerberechnung). Danach genau ein ```json```-Block, kein weiterer Text.

- Schema-Pflicht: Fragen mit fĂŒhrender Nummer `"1. "`, Optionsanzahl gemĂ€ĂŸ A/B/C, `difficulty_profile` = Summe der Gewichte, `test_duration_minutes` aus `time_per_weight_minutes` (Standard: 0.5/0.75/1.0) + Buffer 5.

- QualitĂ€tsregeln: Distraktoren plausibel und Ă€hnlich lang, kein „All/None of the above“. Mini-Glossar pro Frage (6–10 sinnvolle Terme). `extended_explanation`: `null` bei Gewicht 1, Objekt mit 2–6 Schritten bei Gewicht 2/3.

- Code/LaTeX: Code immer mit ```lang``` und Zeilennummern innerhalb des JSON-Strings (`\n` nutzen); LaTeX doppelt escapen (`\\det`), Inline-Math `$...$`. Echte Leerzeilen statt des Literal-Strings `"\\n"`.

- Artefakte landen in `exports/` und sind `.gitignore`-geschĂŒtzt.



---



## đŸ› ïž Administration & Wartung



### Admin-Bereich



- **Zugang:**

    1. WĂ€hle auf der Startseite das in den Secrets (`MC_TEST_ADMIN_USER`) definierte Admin-Pseudonym aus.

    2. Nach dem Start des Tests erscheint in der Seitenleiste der Bereich "🔐 Admin Panel".

    3. Gib dort das Admin-Passwort (`MC_TEST_ADMIN_KEY`) ein, um vollen Zugriff zu erhalten.

- **Funktionen:** Das Panel bietet detaillierte Analysen (Item- & Distraktoranalyse), eine Übersicht und Verwaltung fĂŒr gemeldetes Feedback, Datenexport (CSV, SQL-Dump, **PDF-Export**) und Systemeinstellungen (Scoring-Modus, ZurĂŒcksetzen der Testdaten).



### Tests ausfĂŒhren



```bash

pip install -r requirements.txt

PYTHONPATH=. pytest

```



---



## 🐛 Troubleshooting



-   **App startet nicht:** Stelle sicher, dass alle AbhÀngigkeiten aus `requirements.txt` installiert sind.



---



## đŸ€ Contributing



BeitrÀge sind willkommen! Forke das Repository, erstelle einen Branch und öffne einen Pull Request.



---