# modules/studentact/current_situation_interface.py import streamlit as st import logging from ..utils.widget_utils import generate_unique_key import matplotlib.pyplot as plt import numpy as np from ..database.current_situation_mongo_db import store_current_situation_result from .current_situation_analysis import ( analyze_text_dimensions, analyze_clarity, analyze_reference_clarity, analyze_vocabulary_diversity, analyze_cohesion, analyze_structure, get_dependency_depths, normalize_score, generate_sentence_graphs, generate_word_connections, generate_connection_paths, create_vocabulary_network, create_syntax_complexity_graph, create_cohesion_heatmap, ) # Configuración del estilo de matplotlib para el gráfico de radar plt.rcParams['font.family'] = 'sans-serif' plt.rcParams['axes.grid'] = True plt.rcParams['axes.spines.top'] = False plt.rcParams['axes.spines.right'] = False logger = logging.getLogger(__name__) #################################### def display_current_situation_interface(lang_code, nlp_models, t): """ Interfaz simplificada con gráfico de radar para visualizar métricas. """ try: # Inicializar estados si no existen if 'text_input' not in st.session_state: st.session_state.text_input = "" if 'show_results' not in st.session_state: st.session_state.show_results = False if 'current_doc' not in st.session_state: st.session_state.current_doc = None if 'current_metrics' not in st.session_state: st.session_state.current_metrics = None st.markdown("## Análisis Inicial de Escritura") # Container principal con dos columnas with st.container(): input_col, results_col = st.columns([1,2]) with input_col: #st.markdown("### Ingresa tu texto") # Función para manejar cambios en el texto def on_text_change(): st.session_state.text_input = st.session_state.text_area st.session_state.show_results = False # Text area con manejo de estado text_input = st.text_area( t.get('input_prompt', "Escribe o pega tu texto aquí:"), height=400, key="text_area", value=st.session_state.text_input, on_change=on_text_change, help="Este texto será analizado para darte recomendaciones personalizadas" ) if st.button( t.get('analyze_button', "Analizar mi escritura"), type="primary", disabled=not text_input.strip(), use_container_width=True, ): try: with st.spinner(t.get('processing', "Analizando...")): doc = nlp_models[lang_code](text_input) metrics = analyze_text_dimensions(doc) # Guardar en MongoDB storage_success = store_current_situation_result( username=st.session_state.username, text=text_input, metrics=metrics, feedback=None ) if not storage_success: logger.warning("No se pudo guardar el análisis en la base de datos") st.session_state.current_doc = doc st.session_state.current_metrics = metrics st.session_state.show_results = True st.session_state.text_input = text_input except Exception as e: logger.error(f"Error en análisis: {str(e)}") st.error(t.get('analysis_error', "Error al analizar el texto")) # Mostrar resultados en la columna derecha with results_col: if st.session_state.show_results and st.session_state.current_metrics is not None: display_radar_chart(st.session_state.current_metrics) except Exception as e: logger.error(f"Error en interfaz: {str(e)}") st.error("Ocurrió un error. Por favor, intente de nuevo.") def display_radar_chart(metrics): """ Muestra un gráfico de radar con las métricas del usuario y el patrón ideal. """ try: # Container con proporción reducida with st.container(): # Métricas en la parte superior col1, col2, col3, col4 = st.columns(4) with col1: st.metric("Vocabulario", f"{metrics['vocabulary']['normalized_score']:.2f}", "1.00") with col2: st.metric("Estructura", f"{metrics['structure']['normalized_score']:.2f}", "1.00") with col3: st.metric("Cohesión", f"{metrics['cohesion']['normalized_score']:.2f}", "1.00") with col4: st.metric("Claridad", f"{metrics['clarity']['normalized_score']:.2f}", "1.00") # Contenedor para el gráfico con ancho controlado _, graph_col, _ = st.columns([1,2,1]) with graph_col: # Preparar datos categories = ['Vocabulario', 'Estructura', 'Cohesión', 'Claridad'] values_user = [ metrics['vocabulary']['normalized_score'], metrics['structure']['normalized_score'], metrics['cohesion']['normalized_score'], metrics['clarity']['normalized_score'] ] values_pattern = [1.0, 1.0, 1.0, 1.0] # Patrón ideal # Crear figura más compacta fig = plt.figure(figsize=(6, 6)) ax = fig.add_subplot(111, projection='polar') # Número de variables num_vars = len(categories) # Calcular ángulos angles = [n / float(num_vars) * 2 * np.pi for n in range(num_vars)] angles += angles[:1] # Extender valores para cerrar polígonos values_user += values_user[:1] values_pattern += values_pattern[:1] # Configurar ejes y etiquetas ax.set_xticks(angles[:-1]) ax.set_xticklabels(categories, fontsize=8) # Círculos concéntricos y etiquetas circle_ticks = np.arange(0, 1.1, 0.2) # Reducido a 5 niveles ax.set_yticks(circle_ticks) ax.set_yticklabels([f'{tick:.1f}' for tick in circle_ticks], fontsize=8) ax.set_ylim(0, 1) # Dibujar patrón ideal ax.plot(angles, values_pattern, 'g--', linewidth=1, label='Patrón', alpha=0.5) ax.fill(angles, values_pattern, 'g', alpha=0.1) # Dibujar valores del usuario ax.plot(angles, values_user, 'b-', linewidth=2, label='Tu escritura') ax.fill(angles, values_user, 'b', alpha=0.2) # Leyenda ax.legend(loc='upper right', bbox_to_anchor=(0.1, 0.1), fontsize=8) # Ajustes finales plt.tight_layout() st.pyplot(fig) plt.close() except Exception as e: logger.error(f"Error generando gráfico de radar: {str(e)}") st.error("Error al generar la visualización")