DATA1001 26S1｜Project 1烂了有人兜底，Project 2烂了就真烂了
📝 先搞清楚这门课的分数结构
DATA1001 的考核分成四块：
| 板块 | 构成 | 占比 | 核心特点 |
|---|---|---|---|
| Final Exam | 2小时笔试，R Output 阅读 | 60% | ❌ 禁止AI，唯一监考考核 |
| Project | P1 (10%) + P2 (20%) | 30% | ✅ 允许AI，P1有保底机制 |
| Quiz | 11次取最好8次+1次Early Feedback | 5% | ✅ 允许AI，错过用Final替代 |
| Workshop | 每周出勤参与 | 5% | 到场即得分 |
60%的Final + 30%的Project + 10%的日常——这门课的分数结构在告诉你一件事：Final是生死线，Project是分水岭，Quiz和Workshop是底裤。
💡 Project 1 的"进步分"机制：你的保险丝
Project 1 由两部分组成——Week 7 的 Presentation (2%) 和 Report (8%)，加起来10%。这是小组作业，内容覆盖 Week 1-5 的描述统计，难度在可控范围。
这里有一个容易被忽略的规则：Progress Mark Adjustment。如果你 Project 1 两部分加起来的分数低于 Project 2 Part 2 的分数（按比例折算），系统会自动用后者替换前者。但前提是 Project 1 ≥ 50%。
这意味着什么？
| 场景 | Project 1 | Project 2 Part 2 | 最终 Project 1 得分 |
|---|---|---|---|
| 稳步进步 | 65% | 80% | 80%（被替换 ✅） |
| 一直差 | 45% | 80% | 45%（不触发，因为<50% ❌） |
| 前好后烂 | 80% | 60% | 80%（不触发，因为本来就高） |
所以 Project 1 不是"可以摆烂"，而是"即使发挥失常，只要过了50%，后面还能救"。你的最低目标是 Project 1 拿到50%以上——这样你的进步能被系统看到。
🎬 Project 2 才是真正的杀手——17%的Report没有任何保底
Project 2 分两部分：
- Part 1 EDA (3%)：Week 9 交，做 Exploratory Data Analysis (探索性数据分析)
- Part 2 Report (17%)：Week 11 交，写完整的 client report
17% 是这门课单项占比最高的平时作业。而且它出现在 Week 11——这个时间点你刚学完 Week 10 的 Hypothesis Testing，正在学 Week 11 的 Tests for a Mean。你一边消化全新的推断统计概念，一边要交一份覆盖这些概念的17%报告。
更要命的是：Project 2 没有 Progress Mark 保底。分数是多少就是多少。它可以申请 Special Consideration（不像 Project 1 的小组作业不能申请），但最长延期10天。超过10天的，分数直接调整到 Final Exam——也就是说如果你拖太久，这17%也变成看 Final 脸色了。
💰 Quiz的Better Mark Principle——看起来是福利，其实是绑定
Quiz 3 作为 Early Feedback Task 单独占1%。剩下10次取最好8次，每次0.5%，共4%。如果错过了：
- Quiz 3 错过了 → 用 Final 分数替代（Better Mark Principle）
- 其他 Quiz 错过了 → 同样用 Final 分数替代
表面上看，这是个"保护机制"——考试考得好，Quiz 就自动变高分。但反过来想：
如果你 Final 考了55%，那你错过的每一次 Quiz 都自动变成55%。原本每周花30分钟做 Quiz 能拿80-90%，现在只剩55%。你没有"丢掉" Quiz 的分数，你是把 Quiz 的分数绑在了 Final 上。
而 Final 本身就占60%，如果 Final 考差了，你希望有平时分来对冲。但 Better Mark Principle 的效果是：Final 考差了，Quiz 也跟着差。这不是保护，这是连坐。
⚠️ Final 60%——禁止AI、2小时、考R Output阅读
Final Exam 的描述很简单："Testing statistical thinking, with R Output." 两小时，禁止 AI。
关键词是 R Output。这门课不考你写代码，考你看懂代码运行结果：
- 给你一段 R 输出，问你 p-value 说明了什么
- 给你一个 regression summary，问你哪个系数显著
- 给你一组 test results，问你应该 Reject 还是 Fail to Reject
学期中你可以用 AI 帮你写 R 代码、帮你解释输出。但 Final 的时候，面对一页 R Output，你必须自己判断每个数字的含义。如果你学期中从来没有自己读过一段 R Output——不是让 AI 解释给你听，而是自己逐行读——Final 会非常痛苦。
这就是为什么前面说"平时允许 AI 是陷阱"：AI 帮你写代码、帮你跑分析的时候，你跳过了"自己读 Output"这一步。 但这一步，恰好是 Final 60%在考的东西。
