Update modules/studentact/current_situation_interface.py

modules/studentact/current_situation_interface.py

@@ -90,7 +90,7 @@ ANALYSIS_DIMENSION_MAPPING = {
     }
 }
 
-####################################
+#Función principal ####################################
 
 def display_current_situation_interface(lang_code, nlp_models, t):
     """
@@ -109,295 +109,93 @@ def display_current_situation_interface(lang_code, nlp_models, t):
         st.session_state.current_metrics = None
         
     try:
-        # Container principal para las columnas
+        # 1. Selector de tipo de texto
+        text_type = st.selectbox(
+            "Tipo de texto",
+            options=list(TEXT_TYPES.keys()),
+            format_func=lambda x: TEXT_TYPES[x]['name'],
+            help="Selecciona el tipo de texto para ajustar los criterios de evaluación"
+        )
+        
+        # Guardar en estado
+        st.session_state.current_text_type = text_type
+        
+        # 2. Container principal con 4 columnas
         with st.container():
-            # Crear cuatro columnas con distribución equitativa
-            text_base_col, results_base_col, text_iter_col, results_iter_col = st.columns(4)
+            text_base_col, metrics_base_col, text_iter_col, metrics_iter_col = st.columns([1,1,1,1])
             
             # Columna 1: Texto Base
             with text_base_col:
                 st.markdown("### Texto Base")
-                text_input = st.text_area(
-                    "Escribe o pega tu texto aquí:",
+                text_base = st.text_area(
+                    "Texto original",
                     height=400,
-                    key="text_area_base",
-                    value=st.session_state.text_input,
-                    help="Este texto servirá como línea base"
+                    key="text_base",
+                    value=st.session_state.get('base_text', ''),
                 )
                 
-                baseline_button = st.button(
-                    "Establecer Línea Base",
-                    type="primary",
-                    disabled=not text_input.strip(),
-                    use_container_width=True
-                )
-
-            # Columna 2: Resultados Base
-            with results_base_col:
-                if baseline_button and text_input:
-                    with st.spinner("Analizando línea base..."):
-                        doc = nlp_models[lang_code](text_input)
+                if st.button("Analizar Base", type="primary", use_container_width=True):
+                    with st.spinner("Analizando texto base..."):
+                        doc = nlp_models[lang_code](text_base)
                         metrics = analyze_text_dimensions(doc)
-                        display_results(metrics, 'student_essay')
-                        st.session_state.baseline_metrics = metrics
-
+                        
+                        # Guardar en estado
+                        st.session_state.base_text = text_base
+                        st.session_state.base_metrics = metrics
+                        st.session_state.show_base = True
+                        
+            # Columna 2: Métricas Base  
+            with metrics_base_col:
+                if st.session_state.get('show_base'):
+                    display_metrics_and_suggestions(
+                        st.session_state.base_metrics,
+                        text_type,
+                        "Base"
+                    )
+                    
             # Columna 3: Texto Iteración
             with text_iter_col:
-                st.markdown("### Texto Iterativo")
-                iteration_text = st.text_area(
-                    "Nueva versión del texto:",
+                st.markdown("### Iteración") 
+                text_iter = st.text_area(
+                    "Nueva versión",
                     height=400,
-                    key="text_area_iter",
-                    help="Escribe la versión mejorada de tu texto"
+                    key="text_iter",
+                    value=st.session_state.get('iter_text', ''),
+                    disabled=not st.session_state.get('show_base')
                 )
                 
-                iterate_button = st.button(
+                if st.button(
                     "Analizar Iteración",
                     type="primary",
-                    disabled=not iteration_text.strip() or not st.session_state.baseline_metrics,
-                    use_container_width=True
-                )
-
-            # Columna 4: Resultados Iteración
-            with results_iter_col:
-                if iterate_button and iteration_text:
+                    use_container_width=True,
+                    disabled=not st.session_state.get('show_base')
+                ):
                     with st.spinner("Analizando iteración..."):
-                        doc = nlp_models[lang_code](iteration_text)
+                        doc = nlp_models[lang_code](text_iter)
                         metrics = analyze_text_dimensions(doc)
-                        display_results(metrics, 'student_essay')
-
-        # Container separado para el gráfico radar
-        with st.container():
-            with st.expander("Ver Comparación Visual", expanded=False):
-                if 'baseline_metrics' in st.session_state and 'metrics' in locals():
-                    display_radar_chart(
-                        metrics_config=prepare_metrics_config(metrics),
-                        thresholds=TEXT_TYPES['student_essay']['thresholds'],
-                        baseline_metrics=st.session_state.baseline_metrics
+                        
+                        # Guardar en estado
+                        st.session_state.iter_text = text_iter
+                        st.session_state.iter_metrics = metrics
+                        st.session_state.show_iter = True
+                        
+            # Columna 4: Métricas Iteración
+            with metrics_iter_col:
+                if st.session_state.get('show_iter'):
+                    display_metrics_and_suggestions(
+                        st.session_state.iter_metrics,
+                        text_type,
+                        "Iteración",
+                        show_suggestions=True
                     )
-
-    except Exception as e:
-        logger.error(f"Error en interfaz principal: {str(e)}")
-        st.error("Ocurrió un error al cargar la interfaz")
-
-       
-###################################
-
-def display_metrics_column(metrics, title):
-    """Muestra columna de métricas con formato consistente"""
-    # st.markdown(f"#### Métricas {title}")
-    
-    for dimension in ['vocabulary', 'structure', 'cohesion', 'clarity']:
-        value = metrics[dimension]['normalized_score']
-        if value < 0.6:
-            status = "⚠️ Por mejorar"
-            color = "inverse"
-        elif value < 0.8:
-            status = "📈 Aceptable" 
-            color = "off"
-        else:
-            status = "✅ Óptimo"
-            color = "normal"
-            
-        st.metric(
-            dimension.title(),
-            f"{value:.2f}",
-            status,
-            delta_color=color
-        )
-
-###################################
-
-def display_baseline_interface(lang_code, nlp_models, t):
-    """Interfaz para establecer línea base"""
-    try:
-        st.markdown("### Establecer Línea Base")
-        
-        text_input = st.text_area(
-            "Texto para línea base",
-            height=300,
-            help="Este texto servirá como punto de referencia para medir tu progreso"
-        )
-        
-        if st.button("Establecer como línea base", type="primary"):
-            with st.spinner("Analizando texto base..."):
-                # Analizar el texto
-                doc = nlp_models[lang_code](text_input)
-                metrics = analyze_text_dimensions(doc)
-                
-                # Guardar como línea base
-                success = store_writing_baseline(
-                    username=st.session_state.username,
-                    metrics=metrics,
-                    text=text_input
-                )
-                
-                if success:
-                    st.success("Línea base establecida con éxito")
-                    # Mostrar el gráfico radar inicial
-                    metrics_config = prepare_metrics_config(metrics)
-                    display_radar_chart(metrics_config, TEXT_TYPES['student_essay']['thresholds'])
-                else:
-                    st.error("Error al guardar la línea base")
-                    
-    except Exception as e:
-        logger.error(f"Error en interfaz de línea base: {str(e)}")
-        st.error("Error al establecer línea base")
-
-
-
-###################################
-
-def display_comparison_interface(lang_code, nlp_models, t):
-    """Interfaz para comparar progreso"""
-    try:
-        # Obtener línea base
-        baseline = get_writing_baseline(st.session_state.username)
-        
-        if not baseline:
-            st.warning("Primero debes establecer una línea base")
-            return
-            
-        # Crear dos columnas
-        col1, col2 = st.columns(2)
         
-        with col1:
-            st.markdown("### Línea Base")
-            st.text_area(
-                "Texto original",
-                value=baseline['text'],
-                disabled=True,
-                height=200
-            )
-            
-        with col2:
-            st.markdown("### Nuevo Texto")
-            current_text = st.text_area(
-                "Ingresa el nuevo texto a comparar",
-                height=200
-            )
-            
-            if st.button("Analizar progreso", type="primary"):
-                with st.spinner("Analizando progreso..."):
-                    # Analizar texto actual
-                    doc = nlp_models[lang_code](current_text)
-                    current_metrics = analyze_text_dimensions(doc)
-                    
-                    # Mostrar comparación
-                    display_comparison_results(
-                        baseline_metrics=baseline['metrics'],
-                        current_metrics=current_metrics
-                    )
-                    
-                    # Opción para guardar progreso
-                    if st.button("Guardar este progreso"):
-                        success = store_writing_progress(
-                            username=st.session_state.username,
-                            metrics=current_metrics,
-                            text=current_text
-                        )
-                        
-                        if success:
-                            st.success("Progreso guardado exitosamente")
-                        else:
-                            st.error("Error al guardar el progreso")
-                            
     except Exception as e:
-        logger.error(f"Error en interfaz de comparación: {str(e)}")
-        st.error("Error al mostrar comparación")
-
-###################################
-
-def display_comparison_results(baseline_metrics, current_metrics):
-    """Muestra comparación entre línea base y métricas actuales"""
-    
-    # Crear columnas para métricas y gráfico
-    metrics_col, graph_col = st.columns([1, 1.5])
-    
-    with metrics_col:
-        for dimension in ['vocabulary', 'structure', 'cohesion', 'clarity']:
-            baseline = baseline_metrics[dimension]['normalized_score']
-            current = current_metrics[dimension]['normalized_score']
-            delta = current - baseline
-            
-            st.metric(
-                dimension.title(),
-                f"{current:.2f}",
-                f"{delta:+.2f}",
-                delta_color="normal" if delta >= 0 else "inverse"
-            )
-            
-            # Sugerir herramientas de mejora
-            if delta < 0:
-                suggest_improvement_tools(dimension)
-                
-    with graph_col:
-        display_radar_chart_comparison(
-            baseline_metrics,
-            current_metrics
-        )
-
-###################################
-def suggest_improvement_tools(dimension):
-    """Sugiere herramientas basadas en la dimensión"""
-    suggestions = []
-    for analysis, mapping in ANALYSIS_DIMENSION_MAPPING.items():
-        if dimension in mapping['primary']:
-            suggestions.extend(mapping['tools'])
-    
-    st.info(f"Herramientas sugeridas para mejorar {dimension}:")
-    for tool in suggestions:
-        st.write(f"- {tool}")
-
-###################################
-
-def prepare_metrics_config(metrics, text_type='student_essay'):
-    """
-    Prepara la configuración de métricas en el mismo formato que display_results.
-    Args:
-        metrics: Diccionario con las métricas analizadas
-        text_type: Tipo de texto para los umbrales
-    Returns:
-        list: Lista de configuraciones de métricas
-    """
-    # Obtener umbrales según el tipo de texto
-    thresholds = TEXT_TYPES[text_type]['thresholds']
-    
-    # Usar la misma estructura que en display_results
-    return [
-        {
-            'label': "Vocabulario",
-            'key': 'vocabulary',
-            'value': metrics['vocabulary']['normalized_score'],
-            'help': "Riqueza y variedad del vocabulario",
-            'thresholds': thresholds['vocabulary']
-        },
-        {
-            'label': "Estructura", 
-            'key': 'structure',
-            'value': metrics['structure']['normalized_score'],
-            'help': "Organización y complejidad de oraciones",
-            'thresholds': thresholds['structure']
-        },
-        {
-            'label': "Cohesión",
-            'key': 'cohesion', 
-            'value': metrics['cohesion']['normalized_score'],
-            'help': "Conexión y fluidez entre ideas",
-            'thresholds': thresholds['cohesion']
-        },
-        {
-            'label': "Claridad",
-            'key': 'clarity',
-            'value': metrics['clarity']['normalized_score'],
-            'help': "Facilidad de comprensión del texto",
-            'thresholds': thresholds['clarity']
-        }
-    ]        
+        logger.error(f"Error en interfaz: {str(e)}")
+        st.error("Error al cargar la interfaz")
 
-###################################
+#Funciones de visualización ##################################
 
-def display_results(metrics, text_type=None):
+def display_metrics_analysis(metrics, text_type=None):
     """
     Muestra los resultados del análisis: métricas verticalmente y gráfico radar.
     """
@@ -474,7 +272,34 @@ def display_results(metrics, text_type=None):
         logger.error(f"Error mostrando resultados: {str(e)}")
         st.error("Error al mostrar los resultados")
 
-######################################
+def display_comparison_results(baseline_metrics, current_metrics):
+    """Muestra comparación entre línea base y métricas actuales"""
+    
+    # Crear columnas para métricas y gráfico
+    metrics_col, graph_col = st.columns([1, 1.5])
+    
+    with metrics_col:
+        for dimension in ['vocabulary', 'structure', 'cohesion', 'clarity']:
+            baseline = baseline_metrics[dimension]['normalized_score']
+            current = current_metrics[dimension]['normalized_score']
+            delta = current - baseline
+            
+            st.metric(
+                dimension.title(),
+                f"{current:.2f}",
+                f"{delta:+.2f}",
+                delta_color="normal" if delta >= 0 else "inverse"
+            )
+            
+            # Sugerir herramientas de mejora
+            if delta < 0:
+                suggest_improvement_tools(dimension)
+                
+    with graph_col:
+        display_radar_chart_comparison(
+            baseline_metrics,
+            current_metrics
+        )
 
 def display_radar_chart(metrics_config, thresholds, baseline_metrics=None):
     """
@@ -573,4 +398,59 @@ def display_radar_chart(metrics_config, thresholds, baseline_metrics=None):
         logger.error(f"Error mostrando gráfico radar: {str(e)}")
         st.error("Error al mostrar el gráfico")
 
-#######################################
+#Funciones auxiliares ##################################
+def suggest_improvement_tools(dimension):
+    """Sugiere herramientas basadas en la dimensión"""
+    suggestions = []
+    for analysis, mapping in ANALYSIS_DIMENSION_MAPPING.items():
+        if dimension in mapping['primary']:
+            suggestions.extend(mapping['tools'])
+    
+    st.info(f"Herramientas sugeridas para mejorar {dimension}:")
+    for tool in suggestions:
+        st.write(f"- {tool}")
+        
+def prepare_metrics_config(metrics, text_type='student_essay'):
+    """
+    Prepara la configuración de métricas en el mismo formato que display_results.
+    Args:
+        metrics: Diccionario con las métricas analizadas
+        text_type: Tipo de texto para los umbrales
+    Returns:
+        list: Lista de configuraciones de métricas
+    """
+    # Obtener umbrales según el tipo de texto
+    thresholds = TEXT_TYPES[text_type]['thresholds']
+    
+    # Usar la misma estructura que en display_results
+    return [
+        {
+            'label': "Vocabulario",
+            'key': 'vocabulary',
+            'value': metrics['vocabulary']['normalized_score'],
+            'help': "Riqueza y variedad del vocabulario",
+            'thresholds': thresholds['vocabulary']
+        },
+        {
+            'label': "Estructura", 
+            'key': 'structure',
+            'value': metrics['structure']['normalized_score'],
+            'help': "Organización y complejidad de oraciones",
+            'thresholds': thresholds['structure']
+        },
+        {
+            'label': "Cohesión",
+            'key': 'cohesion', 
+            'value': metrics['cohesion']['normalized_score'],
+            'help': "Conexión y fluidez entre ideas",
+            'thresholds': thresholds['cohesion']
+        },
+        {
+            'label': "Claridad",
+            'key': 'clarity',
+            'value': metrics['clarity']['normalized_score'],
+            'help': "Facilidad de comprensión del texto",
+            'thresholds': thresholds['clarity']
+        }
+    ]        
+