【知律｜07】HarmonyOS ArkTS 学习统计实战：汇总学习天数、正确率和薄弱分类

贾伟康

306人浏览 · 2026-08-14 10:36:48

贾伟康 · 2026-08-14 10:36:48 发布

学习统计页最重要的不是卡片数量，而是每个数字的口径。累计答了 500 次，究竟代表完成 500 道不同题目，还是同一套题重复练了几遍？“学习 7 天”是连续 7 天，还是历史上出现过 7 个日期？某个分类正确率低，是因为做了 50 题只对 20 题，还是只做 1 题恰好答错？如果模型没有回答这些问题，统计越丰富，误导性反而越强。

本文基于知律项目 D:\huawei\one19-11、包名 com.jiaweikang.one19 的真实源码，复核 LearningStatsPage.ets、StatService.ets、UserDataManager.ets、PracticePage.ets 与通用进度条。当前版本真实展示累计答题、累计正确率、考试记录条数、学习题库数、收藏数、错题数、近 5 次均分和各题库进度；但没有学习天数模型，也没有薄弱分类计算。本文先还原现有口径，再给出事件记录、按日聚合、加权正确率和薄弱项判定方案。

学习统计可信口径封面

一、先列出页面当前真正展示的指标

LearningStatsPage 的概览区显示：

totalAnswered：累计答题次数；
accuracyPercent：累计正确率；
examCount：考试历史数组长度；
studiedBankCount：进度数组长度。

数据摘要区显示收藏题目数、错题数和近 5 次考试均分。下方按六个题库展示累计答题数、题库总量、题库正确率与“未开始 / 学习中 / 已完成”标签。

源码没有学习天数、连续学习天数、最近 7 日趋势，也没有“薄弱分类”卡片。因此本文标题中的这两项属于基于现有数据层的改造目标，不是对当前版本的虚构描述。

二、所有页面数据都来自本地 AppStorage

页面通过四个 @StorageLink 读取：

@StorageLink('bankProgress') progressList: BankProgress[] = []
@StorageLink('examHistory') examHistory: ExamHistory[] = []
@StorageLink('favoriteRecords') favRecords: FavoriteRecord[] = []
@StorageLink('wrongRecords') wrongRecords: WrongRecord[] = []

这些数组由 UserDataManager.init() 从 Preferences 读取并写入 AppStorage。没有服务器、账号同步或平台分析接口，因此页面展示的是当前设备上的本地学习记录，不是全网数据，也不是账号跨设备统计。

三、StatService 是当前统计口径的唯一入口

页面没有自己累加数据，而是调用：

private stats() {
  return StatService.summarize(
    this.progressList,
    this.examHistory,
    this.favRecords,
    this.wrongRecords
  )
}

这比在多个卡片中各写一套计算更可靠。HomePage 和 MinePage 也复用 StatService.summarize()，说明项目已经具备“统计逻辑下沉到服务层”的基础。

四、累计答题数不是唯一题目完成数

StatService.summarize() 对每个 BankProgress.finished 求和：

let totalAnswered = 0
for (const progress of progressList) {
  totalAnswered += progress.finished
}

PracticePage 每完成一轮练习，就把本轮 records.length 加到旧值：

finished: old.finished + addFinished

所以 finished 的准确含义是累计提交的答案记录数。重复做同一道题会再次累加。它适合回答“累计练习了多少题次”，不适合回答“覆盖了多少道不同题目”。

五、正确率是按题次加权的累计正确率

totalCorrect 同样来自各题库 correct 累加，正确率为：

accuracyPercent: totalAnswered > 0
  ? Math.round(totalCorrect / totalAnswered * 100)
  : 0

这是按所有答题记录加权的总正确率。题量大的题库对总值影响更大，口径合理且可解释。它不是各题库正确率的简单平均。

六、为什么不能平均各题库百分比

假设民法做 100 题、正确 80 题，劳动法做 2 题、正确 0 题。直接平均两个正确率得到 40%，但真实累计正确率是 80 / 102，约 78%。

正确实现必须先累加分子和分母：

function weightedAccuracy(items: BankProgress[]): number {
  let answered = 0
  let correct = 0
  for (const item of items) {
    answered += item.finished
    correct += item.correct
  }
  return answered > 0 ? Math.round(correct / answered * 100) : 0
}

当前 StatService 正是这一口径。

七、题库进度文本可能超过题库总量

页面直接显示：

Text(`${StatService.bankFinished(progressList, bank.id)}/${bank.totalCount}`)

由于 finished 是累计题次，用户重复练习后可能出现 320/250。通用 ProgressBar 会把比例夹紧到 0 到 1：

Math.max(0, Math.min(1, this.ratio))

所以视觉条不会超过 100%，但文本与“完成度”语义仍会冲突。这是当前模型中最需要澄清的边界。

八、把练习量与覆盖进度拆开

建议同时保留两个指标：

interface BankLearningSummary {
  bankId: string
  answerAttempts: number
  uniqueAnsweredCount: number
  totalQuestionCount: number
  correctAttempts: number
}

answerAttempts 表示练习题次，允许超过题库总量；uniqueAnsweredCount 按 questionId 去重，用于进度条。这样“练习 320 题次”和“覆盖 210/250 道题”可以同时成立。

九、现有 BankProgress 无法计算唯一覆盖

当前模型只有：

interface BankProgress {
  bankId: string
  finished: number
  correct: number
  lastChapterId: string
  updatedAt: string
}

它没有保存题目 ID 集合，也没有逐题事件。历史数据只能继续按累计题次解释，无法事后还原唯一题目数。升级时需要新增事件或题目状态表，不能凭空从 finished 推算覆盖率。

十、学习天数需要时间维度

BankProgress.updatedAt 只保留每个题库最后一次更新时间，最多得到若干“最近日期”，无法恢复所有学习日期。WrongRecord.wrongAt 只记录错题最后一次出错时间，收藏与考试历史也只覆盖部分行为。

因此当前数据不能准确计算总学习天数。真正的学习天数需要保存每次有效学习事件的日期。

十一、最小学习事件模型

type LearningAction = 'answer' | 'exam' | 'review'

interface LearningEvent {
  id: string
  action: LearningAction
  bankId: string
  questionId?: string
  categoryType?: string
  correct?: boolean
  occurredAt: string
}

每个事件有稳定 ID、动作类型与时间。答题事件包含题目和正确性；考试事件可以关联会话 ID；复习事件只在产品明确需要时记录，不能因为打开页面就伪造学习行为。

十二、事件 ID 用于防止重复统计

页面生命周期、自动交卷与手动交卷可能让同一场行为重复触发。事件写入应按稳定 ID 去重：

function appendEvent(
  events: LearningEvent[],
  event: LearningEvent
): LearningEvent[] {
  if (events.some((item: LearningEvent) => item.id === event.id)) {
    return events
  }
  return [event, ...events]
}

事件 ID 由练习会话和题目提交序号生成，而不是单纯用当前时间。时间相同不代表重复，时间不同也不代表一定是两次行为。

十三、按本地日期计算活跃天数

function localDateKey(iso: string): string {
  const date = new Date(iso)
  const year = date.getFullYear()
  const month = String(date.getMonth() + 1).padStart(2, '0')
  const day = String(date.getDate()).padStart(2, '0')
  return `${year}-${month}-${day}`
}

function activeDayCount(events: LearningEvent[]): number {
  const dates = new Set<string>()
  for (const event of events) {
    dates.add(localDateKey(event.occurredAt))
  }
  return dates.size
}

如果产品把“学习天数”定义为有至少一次有效答题的自然日，就只过滤 action === 'answer' 或已完成考试。定义必须写入测试与文案。

十四、总学习天数与连续天数不是同一指标

总学习天数是去重日期数量；连续学习天数要从今天或最近活跃日向前逐日判断。用户三个月内零散学习 20 天，总学习天数是 20，但最长连续可能只有 3。

页面要明确写“累计学习天数”“当前连续天数”或“最长连续天数”，不能只写一个模糊的“学习 20 天”。

十五、时区变化需要产品规则

设备跨时区时，同一 UTC 时间可能落到不同本地日期。对于完全本地应用，可以按事件发生时保存的本地日期键统计；如果未来跨设备同步，则应同时保存 UTC 时间、时区偏移和本地日期。

当前项目没有云同步，不需要引入服务器时间，但仍应避免把无时区的 YYYY-MM-DD HH:mm 当成跨设备可靠时间。

十六、考试次数等于历史数组长度

examCount 当前直接取：

examCount: examHistory.length

而 ExamResultPage 会在 aboutToAppear() 保存历史，历史模型没有 sessionId。若结果页重复出现或异常直达产生重复记录，考试次数也会被放大。

统计服务只能汇总它收到的数据，无法替上游识别重复。应先给考试历史增加会话 ID，再谈可信考试次数。

十七、近 5 次均分依赖历史顺序

recentAvgScore() 使用：

const recent = examHistory.slice(0, Math.min(count, examHistory.length))

addExamHistory() 会把新记录放在数组头部，所以当前顺序契约成立。若未来从 RDB 查询或迁移旧数据，应按完成时间显式倒序，不能依赖输入数组恰好有序。

十八、异常分数要先校验

历史模型允许任意 number。统计前应限制：

function validScore(value: number): boolean {
  return Number.isFinite(value) && value >= 0 && value <= 100
}

更可靠的做法是保存正确数和总题数，由服务重新计算分数。无效记录进入诊断或迁移流程，不应静默参与均值。

十九、薄弱分类需要最小样本

做 1 题答错得到 0%，不能立即断言该分类是长期薄弱项。可以定义：

interface WeakAreaPolicy {
  minAnswered: number
  maxAccuracyPercent: number
}

例如至少完成 10 题且正确率低于 60% 才标记为“需要加强”。具体阈值是产品策略，不能冒充教育学标准。

二十、按题型识别薄弱项

要识别“案例分析”“法律纠错”等薄弱题型，事件必须保存 categoryType：

interface CategoryStat {
  categoryType: string
  answered: number
  correct: number
  accuracyPercent: number
}

当前 BankProgress 只有 bankId，只能计算题库维度，无法直接计算题型维度。不能把题库正确率重新命名为薄弱题型。

二十一、按法律领域识别薄弱项

领域薄弱项可以从 bankId 映射到 Bank.regionId 后汇总。若一个领域未来有多个题库，先聚合正确数与答题数，再计算加权正确率。

领域和题型是两个正交维度，页面可以分别展示“薄弱法律领域”和“薄弱学习题型”，不要把二者混在一个排序列表中。

二十二、薄弱项排序要稳定

function findWeakAreas(
  stats: CategoryStat[],
  policy: WeakAreaPolicy
): CategoryStat[] {
  return stats
    .filter((item: CategoryStat) =>
      item.answered >= policy.minAnswered &&
      item.accuracyPercent <= policy.maxAccuracyPercent
    )
    .sort((a, b) =>
      a.accuracyPercent - b.accuracyPercent ||
      b.answered - a.answered ||
      a.categoryType.localeCompare(b.categoryType)
    )
}

先按正确率升序，再按样本量降序，最后按稳定 ID，保证结果可复现。UI 不展示内部评分。

答题事件到学习统计的流程

二十三、收藏数与错题数的现有语义

收藏使用 toggleFavorite() 按 questionId 去重；错题使用 addWrong() 先过滤同题旧记录再插入，因此两个数组长度表示当前不同题目的收藏数与错题数，不是累计操作次数。

这与 finished 的累计题次口径不同。统计页应在文案中明确“当前收藏”“当前错题”，避免用户把它们理解成历史累计。

二十四、错题被答对移除后统计会下降

removeWrong() 会从数组删除题目。因此“错题数”是当前待复习集合大小，可以下降。这是合理的学习状态指标。

如果产品还想展示“历史答错题次”，需要从答题事件另外汇总，不能用当前错题数组代替。

二十五、studiedBankCount 的当前口径

studiedBankCount 等于 progressList.length。只要某题库有进度记录，就算已学习。通常 updateProgress() 在完成一轮后创建记录，因此这个口径可用。

但导入旧数据或异常记录时，可能存在 finished === 0 的条目。更严格的实现是：

const studiedBankCount = progressList.filter(
  (item: BankProgress) => item.finished > 0
).length

还应排除找不到对应题库的孤儿记录。

二十六、页面反复调用 stats 会重复计算

一个构建周期中，模板多次调用 this.stats()。当前数组很小，成本不高，但逻辑上会反复遍历。

可以在数据变化时生成一次视图状态：

@State viewState: LearningStatsViewState = emptyStats()

private refreshStats(): void {
  this.viewState = this.statService.buildViewState(
    this.progressList,
    this.examHistory,
    this.favRecords,
    this.wrongRecords
  )
}

如果使用响应式计算，要确保依赖数组替换后能触发刷新，不直接原地修改对象。

二十七、持久化失败当前被静默吞掉

UserDataManager.persist() 捕获异常后没有反馈：

try {
  prefs.putSync(key, JSON.stringify(value))
  prefs.flushSync()
} catch (_) {}

内存中的 AppStorage 可能已经更新，但磁盘写入失败，重启后数据回退。统计页会在当前会话看起来正常。

更可靠的服务应返回保存结果或记录可诊断错误，在设置页提供明确提示。不能把保存失败伪装成成功。

二十八、历史数据需要版本与迁移

从累计 BankProgress 升级到事件模型后，旧数据无法还原每个题目和日期。迁移时应保留旧累计值：

interface LearningDataEnvelope {
  schemaVersion: number
  legacyProgress: BankProgress[]
  events: LearningEvent[]
}

UI 可以把旧值标注为“历史累计”，新事件用于趋势、活跃天数与薄弱项。不要把迁移日当成所有旧学习行为的发生日。

二十九、多设备布局已有真实分支

页面在 currentBp === 'lg' 且宽度至少 700 时使用网格：

private useGridLayout(): boolean {
  return this.currentBp === 'lg' && this.pageWidth >= 700
}

大屏概览指标排成一行，题库进度使用三列；其他场景使用两行概览和单列题库列表。它同时依赖断点和实际宽度，避免只看设备类型。

三十、三列卡片要验证文字和进度

每列宽 32%，六个题库会换成两行。需要验证长题库名、320/250 这类超额文本、正确率标签与“学习中”不会互相挤压。

在 700 到 800 宽度附近，三列可能偏紧。可以根据最小卡片宽度选择两列或三列，而不是只用固定 32%。

学习统计四层职责结构

三十一、空数据不能只显示一排 0

当前没有学习记录时，所有卡片会显示 0，每个题库标为“未开始”。功能上正确，但缺少引导。

可以在概览下增加空状态：“完成第一道题后，这里会生成本地学习统计”，并提供进入题库的操作。空状态不要虚构示例趋势或预填正确率。

三十二、统计页面不应该直接修改数据

统计页只读 @StorageLink，没有清空或修正逻辑，这个职责边界正确。数据清理应放在设置页或专用服务中，并经过确认。

统计服务保持纯计算后，更容易验证“页面只展示，不改变学习记录”。

三十三、最小可交付的统计视图模型

interface LearningStatsViewState {
  totalAttempts: number
  uniqueAnswered: number
  activeDays: number
  accuracyPercent: number
  examCount: number
  recentAvgScore: number
  favoriteCount: number
  currentWrongCount: number
  weakDomains: WeakAreaItem[]
  weakQuestionTypes: WeakAreaItem[]
  banks: BankLearningSummary[]
}

每个字段都应有注释说明来源、去重规则和时间范围。视图层只使用这一个对象，不再到处调用静态函数。