Git Product home page Git Product logo

citlallidmg / cdmx-2018-06-bc-core-am-data-dashboard Goto Github PK

View Code? Open in Web Editor NEW

This project forked from laboratoria/cdmx-2018-06-bc-core-am-data-dashboard

0.0 1.0 2.0 12.18 MB

Para probar la plataforma: Usuario= usuario / Contraseña= 1234

Home Page: https://citlallidmg.github.io/cdmx-2018-06-bc-core-am-data-dashboard/src/index.html

HTML 18.21% JavaScript 74.43% CSS 7.35%
responsive-design fetch bootstrap4 html5 css3 es6-javascript

cdmx-2018-06-bc-core-am-data-dashboard's Introduction

Data Dashboard

Introducción

Como segundo proyecto del bootcamp de Laboratoria, se planteó el reto de crear por parejas una interfaz donde las TMs (Training Managers) de las diferentes sedes puedan ver y usar la data de progreso del LMS, siendo este el motivo por el cuál se desarrollo el presente data dashboard (tablero de visualización de datos).

Preámbulo

En Laboratoria, las Training Managers (TMs) hacen un gran trabajo al analizar la mayor cantidad de datos posibles respecto al progreso de las estudiantes para apoyarlas en su aprendizaje.

La principal medida de progreso de una estudiante en Laboratoria es su avance completando los proyectos de la [Ruta de Aprendizaje (https://docs.google.com/spreadsheets/d/1AoXQjZnZ5MTPwJPNEGDyvn5vksiOUoPr932TjAldTE4/edit#gid=536983970) y su desempeño en función a la Rúbrica de Niveles Esperados.

Sin embargo, para completar estos proyectos las estudiantes acceden a contenidos de aprendizaje (lecturas, videos, ejercicios y quizzes) en un sistema llamado LMS (Learning Management System). El LMS acumula data sobre quién leyó qué, qué ejercicios se han completado, los resultados de los quizzes, etc.

A pesar de que la data de progreso del LMS (ej. lecturas leídas, ejercicios completados, nota en quizzes, etc.) no impacta directamente en la evaluación de una estudiante, sí es una pieza de información relevante que las TMs quisieran visualizar para tener un mejor entendimiento de cómo va cada estudiante en su proceso de aprendizaje.

Build status

En progreso

  • Fase de pruebas del 3er. Sprint

Code Style

  • Standard
  • Vanilla Javascript

Screenshots

Pantalla de Login

Pantalla de Login

Pantalla de Login

Pantalla de bienvenida al dashboard con los datos de la sede y generación seleccionados

Pantalla de Login

Uso de dropdowns para cambiar de sede y/o generación

Pantalla de Login

Ejemplo de listado de estudiantes activas

Pantalla de Login

Pantalla de logout

Tech/framework usados

Desarrollado con:

  • HTML5
  • CSS3
  • Javascript (ES6)
  • Bootstrap

Features

Nuestra propuesta de Dashboard tiene como objetivos principales proporcionar una acceso fácil de entender, rápido y cómodo a la data del desempeño de las alumnas en el LMS de Laboratoria.

La interfaz actual permite al usuario:

  • Listar y poder seleccionar sedes

  • Dentro de cada sede:

    • Listar y poder seleccionar generaciones
    • Para cada generación, listar y poder seleccionar estudiantes mostrando porcentaje general de completitud de c/estudiante
    • En la vista de cada generación mostrar reporte de:
      • Promedio de la generación
      • Generar status para identificar estudiantes debajo del 60 en su porcentaje de completitud
      • Generar status para identificar estudiantes con 90 o más en su porcentaje de completitud
      • Poder filtrar estudiantes por estos dos status
  • Utiliza la interfaz sin problemas desde distintos tamaños de pantallas: móviles, tablets, desktops

  • Realizar pruebas unitarias

Instalación

Para poder utilizar el código, realizar modificaciones o contribuir al proyecto es necesario:

  • Tener un editor de textos instalado (Visual Studio Code, Atom, Sublime, etc.)
  • Tener instalada una UNIX Shell (En nuestro caso usamos Git Bash)
  • Realizar un fork del repositorio
  • Clonarlo el fork a la computadora donde se vaya a trabajar
  • Tener instalado Node.js
  • Instalar las dependencias del proyecto con el comando npm install

Archivos

El boilerplate de este proyecto contiene la siguiente estructura de archivos, así como toda la configuración de dependencias y tests:

./
├── .editorconfig
├── .eslintrc
├── .gitignore
├── README.md
├── data 
│   └── laboratoria.json
├── package.json
├── src
│   ├── js
|   |   ├── data.js
│   │   └── main.js
│   ├── cs
│   │   └── style.css
│   ├── img
│   │   └── Laboratoria-Logo-RGB.png
│   └── index.html
└── test
|   ├── data.spec.js
|   ├── fixtures.js
|   ├── headless.js
|   └── index.html
└── ux
    ├── img
    │   └── gif
    │   └── jpg
    │   └── png
    └── README.md

La carpeta data/ dentro del boilerplate incluye un extracto de la data que podemos usar tanto en los tests como en la interfaz en sí. Todos los datos usados son ficticios, y su uso no afecta ni perjudica a ninguna persona o individuo moral.

Carpeta src

data.js En este archivo se encuentran las funciones que permiten la manipulación de datos a través de arreglos y objetos. Contiene toda la funcionalidad que corresponde a obtener, procesar y manipular datos.

main.js Este archivo contiene todo el código y funciones relacionadas con mostrar en pantalla los datos solicitados por el usuario y obtenidos de las funciones ejecutadas en data.js

index.html Contiene la maquetación base de nuestro sitio y sobre la que se agregan elementos del DOM de acuerdo a las necesidades de la interfaz, también contiene los links a las hojas de estilo y archivos de Javascript que dan estilo y funcionalidad a la página.

style.css Aquí se encuentra todo el código relacionado a los estilos necesarios para todos los elementos de la interfaz

Carpeta UX

En esta carpeta se encuentra documentado el proceso de diseño realizado para la elaboración de la interfaz, eso incluye la aplicación de entrevistas, encuestas y pruebas de usuario, así como la elaboracion de sketches, wireframes y prototipos.

Tests

Para correr los test incluidos en el boilerplate del proyecto es necesario:

  • Tener instalado Node.js
  • Instalar las dependencias del proyecto con el comando
npm install
  • Ejecutar desde la terminal las pruebas unitarias con el comando
npm test
  • Para ver el resultado de las pruebas unitarias en el navegador, se debe ejecutar el comando
npm run test-browser

¿Cómo usar el Data Dashboard?

Para probar la plataforma actual, se debe contar con acceso a interner e ingresar a la liga: https://citlallidmg.github.io/cdmx-2018-06-bc-core-am-data-dashboard/src/index.html , usando los siguientes datos para loguearse:

  • Usuario: usuario
  • Contraseña: 1234

También se debe seleccionar en la pantalla de inicio las opciones de acuerdo a la sede y generación que se quiera visualizar al entrar al dashboard.

Una vez dentro se pueden ocupar los diferentes botones para ver los listados de las estudiantes de acuerdo a su turno o avance, la barra de búsquedas para encontrar una estudiante por su nombre o el menú latera para cambiar de sede o generación.

Finalmente, para salir de la plataforma es necesario usar el botón SALIR y seleccionar la opción Aceptar.

Colaboradoras

cdmx-2018-06-bc-core-am-data-dashboard's People

Contributors

amaliariverac avatar citlallidmg avatar jetzable avatar karlanavam avatar mikenieva avatar

Watchers

 avatar

Forkers

jetzable pilonprr

cdmx-2018-06-bc-core-am-data-dashboard's Issues

Pendientes estudio

  • Hacer ejercicios INVENTORY
    • Inventory A
    • Inventory B
    • Inventory C
    • Inventory D
  • Hacer ejercicios TDD
  • Ponernos al día con el LMS

Funciones Dashboard

  • Función computeStudentStats
    • Redactar función
    • Pasar test
  • Función generationStats
    • Redactar función
    • Pasar test
  • Función sortStudents
    • Redactar función
    • Pasar test
  • Función filterStudents
    • Redactar función
    • Pasar test

Feedback Datadashboard

Queridas @jetzable y @CitlalliDMG
Estuve revisando el proyecto entregado y tengo algunos comentarios:

  1. En realidad no son muchos comentarios porque entregaron un excelente trabajo, asi que mis felicitaciones para ustedes 👏

  2. El proyecto pasa todos los test! felicitaciones por eso

  3. Los identificadores, tanto variables, funciones como carpetas son bastantes descriptivos, pero podrían ir un paso más allá siendo todos en inglés, hasta el momento son spanglish

  4. Me encantó el diseño del data dashboard, totalmente acordé con el manual de marca que tiene Laboratoria, muy buena jerarquización en los distintos elementos, el uso de la tipografía y colores también fue preciso, se nota que no son decisiones que tomaron en base a la investigación y no por gusto de ustedes.

  5. Buen trabajo colaborativo en github

  6. Están en el nivel o sobre el nivel en cada uno de los puntos, sigan así chicas, es un gusto revisar proyectos así.

  7. Lo único que les puedo pedir es que ahora se pongan el desafío de refactorizar el código que hicieron, buscar maneras más eficientes de resolver las cosas, si lo logran, serán mis idolas 😄

Vamos con todo en lo que queda de Bootcamp 💪

Visualización de datos nivel sedes

Estudiar manipulación de datos

  • Hacer ejercicios INVENTORY
  • Hacer ejercicios TDD
  • Estudiar Browser Javascript en LMS

Sketching

  • Obtener feedback
  • Actualizar el sketch de acuerdo al feedback

Estructura del proyecto

  • Determinar que va en main.js
  • Determinar que va en data.js

Mejora de la interfaz

  • Determinar elementos de visual design
  • Actualizar HTML
  • Actualizar CSS

Agregar funcionalidades

  • Hacer función computeStudentsStats()
  • Hacer función computeGenerationStats()
  • Hacer función sortStudents()
  • Hacer función filterStudents()

Testing

  • Revisar test iniciales
  • Redactar nuevos test
  • Pasar 1/3 test
  • Pasar 2/3 test

Actualizar README's

README UX

  • Agregar info sobre prueba de usuario
  • Agregar información sobre color
  • Agregar información sobre tipografía
  • Actualizar prototipo

README FRONT-END

  • Introducción
  • Preámbulo
  • Build status
  • Code style
  • Screenshots
  • Tech/framework usados
  • Features
  • Instalación
  • Archivos
  • SRC
  • UX
  • Tests
  • ¿Cómo usar el Data Dashboard?
  • Colaboradoras

Feedback Sprint 1 Datadashboard

Hola @jetzable y @CitlalliDMG
He estado revisando el proyecto y tengo algunos comentarios:

  1. Felicitaciones por todo el trabajo de UX designer que hay detrás, se ve que lo tomaron en serio, me encantó que utilizaran marvel para poder interactuar con el flujo del prototipo, espero lo logren realizar lo más fiel posible 👏

  2. Recuerden utilizar HTML semántico <header></header> <section></section> <aside></aside> <footer></footer> <article></article>

  3. Recuerden no olvidar el desarrollo orientado a test, vayan analizando lo que les pide poco a poco y corriendo los tests.

  4. Les recomiendo comenzar a trabajar con la data a profundidad lo antes posible (se encontrarán con toda la lógica para jalar la información y hacer los cálculos) y plasmar tanto visual como funcionalmente lo que tienen pensado para el proyecto.

  5. Ojo con los colores de Laboratoria, traten de buscar el manual de normas gráficas de Laboratoria o por último utilizar herramientas de Chrome como colorzilla (es un gotero que saca el código hexadecimal de los colores de una web)

Vamos comiencen luego con a darle forma al datadashboard 💪

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.