Mattegrafen — visuell demo

Alla namn, elever och data på denna sida är fiktiva. Datan genererades av en AI-simulering (Qwen 3.5-27B) som körde 250 sessioner med 5 syntetiska elever.

Video-genomgång

En inspelad genomgång av föräldra-dashboarden och lärar-dashboarden — från inloggning till klassöversikt.

Föräldra-dashboard

En förälder loggar in och ser alla sina barn — XP, mästerskap, ämnesöversikt, radar-diagram över undervisningsmetoder, repetitionsstatus och vilka ämnen som behöver mer övning.

Per elev — analys

Varje barn har en egen sektion med ämnes-stapeldiagram, radar-diagram (“Vad fungerar bäst just nu”), repetitionsdonut och varningskort för ämnen som behöver mer övning.

Analys — Ella — **Ella** — Åk 6 — 22 atomer, 60% mästerskap, 3 460 XP

Analys — Noah — **Noah** — Åk 9 — 47 atomer, 41% mästerskap, 2 825 XP

Analys — Elsa — **Elsa** — Åk 7 — 21 atomer, 61% mästerskap, 3 405 XP

Analys — Ali — **Ali** — Matte 2a — 54 atomer, 37% mästerskap, 2 630 XP

Analys — Maja — **Maja** — Åk 4 — 20 atomer, 62% mästerskap, 3 410 XP

Lärar-dashboard

Läraren ser sin klass med aggregerad statistik, ämnes-heatmap per domän, inbjudningskoder och varje elev med mästerskap-bar.

Mina klasser — översikt — Klasslista: Matematik 7B, Björkdalsskolan — 5 elever, 47% snitt

Klassrum — full vy med ämnes-heatmap — Klassöversikt per ämne + elevlista med mästerskap-bar (Ali 37% röd, Maja 62% amber)

Metod

Datan genererades genom att 5 syntetiska elever kördes genom 50 sessioner var (totalt 250 sessioner, 1 338 problem) med Qwen 3.5-27B som svarade på matematikproblem. Varje elevsvar producerades av LLM:en — inte förprogrammerade testdata.

Mattegrafens adaptiva motor (Thompson-bandit, SM-2 spaced repetition, Elo-mästerskap) behandlade varje elevsvar identiskt med hur den behandlar riktiga elever. Dashboardarna som visas ovan är den riktiga produktionskoden — ingen mockdata.