Update modules/studentact/current_situation_interface.py

modules/studentact/current_situation_interface.py

@@ -28,7 +28,7 @@ logger = logging.getLogger(__name__)
 
 def display_current_situation_interface(lang_code, nlp_models, t):
     """
-    Interfaz simplificada para el análisis inicial, enfocada en recomendaciones directas.
+    Interfaz simplificada con gráfico de radar para visualizar métricas.
     """
     try:
         # Inicializar estados si no existen
@@ -53,7 +53,7 @@ def display_current_situation_interface(lang_code, nlp_models, t):
                 # 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  # Resetear resultados cuando el texto cambia
+                    st.session_state.show_results = False
                 
                 # Text area con manejo de estado
                 text_input = st.text_area(
@@ -73,7 +73,6 @@ def display_current_situation_interface(lang_code, nlp_models, t):
                 ):
                     try:
                         with st.spinner(t.get('processing', "Analizando...")):
-                            # Procesar texto y obtener métricas
                             doc = nlp_models[lang_code](text_input)
                             metrics = analyze_text_dimensions(doc)
                             
@@ -82,13 +81,12 @@ def display_current_situation_interface(lang_code, nlp_models, t):
                                 username=st.session_state.username,
                                 text=text_input,
                                 metrics=metrics,
-                                feedback=None  # Por ahora sin feedback
+                                feedback=None
                             )
                             
                             if not storage_success:
                                 logger.warning("No se pudo guardar el análisis en la base de datos")
                             
-                            # Actualizar estado
                             st.session_state.current_doc = doc
                             st.session_state.current_metrics = metrics
                             st.session_state.show_results = True
@@ -97,195 +95,77 @@ def display_current_situation_interface(lang_code, nlp_models, t):
                     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_recommendations(st.session_state.current_metrics, t)
-                    
-                    # Opción para ver detalles
-                    with st.expander("🔍 Ver análisis detallado", expanded=False):
-                        display_current_situation_visual(
-                            st.session_state.current_doc,
-                            st.session_state.current_metrics
-                        )
-                        
+                    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_current_situation_visual(doc, metrics):
+def display_radar_chart(metrics):
     """
-    Muestra visualizaciones detalladas del análisis.
+    Muestra un gráfico de radar con las cuatro métricas.
     """
     try:
-        st.markdown("### 📊 Visualizaciones Detalladas")
-        
-        # 1. Visualización de vocabulario
-        with st.expander("Análisis de Vocabulario", expanded=True):
-            vocab_graph = create_vocabulary_network(doc)
-            if vocab_graph:
-                st.pyplot(vocab_graph)
-                plt.close(vocab_graph)
-        
-        # 2. Visualización de estructura
-        with st.expander("Análisis de Estructura", expanded=True):
-            syntax_graph = create_syntax_complexity_graph(doc)
-            if syntax_graph:
-                st.pyplot(syntax_graph)
-                plt.close(syntax_graph)
-        
-        # 3. Visualización de cohesión
-        with st.expander("Análisis de Cohesión", expanded=True):
-            cohesion_graph = create_cohesion_heatmap(doc)
-            if cohesion_graph:
-                st.pyplot(cohesion_graph)
-                plt.close(cohesion_graph)
+        # Preparar datos para el gráfico de radar
+        categories = ['Vocabulario', 'Estructura', 'Cohesión', 'Claridad']
+        values = [
+            metrics['vocabulary']['normalized_score'],
+            metrics['structure']['normalized_score'],
+            metrics['cohesion']['normalized_score'],
+            metrics['clarity']['normalized_score']
+        ]
 
-    except Exception as e:
-        logger.error(f"Error en visualización: {str(e)}")
-        st.error("Error al generar las visualizaciones")
+        # Crear figura
+        fig = plt.figure(figsize=(8, 8))
+        ax = fig.add_subplot(111, projection='polar')
 
+        # Número de variables
+        num_vars = len(categories)
 
-####################################
-def display_recommendations(metrics, t):
-    """
-    Muestra recomendaciones basadas en las métricas del texto.
-    """
-    # 1. Resumen Visual con Explicación
-    st.markdown("### 📊 Resumen de tu Análisis")
-    
-    # Explicación del sistema de medición
-    st.markdown("""
-        **¿Cómo interpretar los resultados?**
-        
-        Cada métrica se mide en una escala de 0.0 a 1.0, donde:
-        - 0.0 - 0.4: Necesita atención prioritaria
-        - 0.4 - 0.6: En desarrollo
-        - 0.6 - 0.8: Buen nivel
-        - 0.8 - 1.0: Nivel avanzado
-    """)
+        # Calcular ángulos para cada eje
+        angles = [n / float(num_vars) * 2 * np.pi for n in range(num_vars)]
+        angles += angles[:1]  # Completar el círculo
 
-    # Métricas con explicaciones detalladas
-    col1, col2, col3, col4 = st.columns(4)
-    
-    with col1:
-        st.metric(
-            "Vocabulario",
-            f"{metrics['vocabulary']['normalized_score']:.2f}",
-            help="Mide la variedad y riqueza de tu vocabulario. Un valor alto indica un uso diverso de palabras sin repeticiones excesivas."
-        )
-        with st.expander("ℹ️ Detalles"):
-            st.write("""
-                **Vocabulario**
-                - Evalúa la diversidad léxica
-                - Considera palabras únicas vs. totales
-                - Detecta repeticiones innecesarias
-                - Valor óptimo: > 0.7
-            """)
-    
-    with col2:
-        st.metric(
-            "Estructura",
-            f"{metrics['structure']['normalized_score']:.2f}",
-            help="Evalúa la complejidad y variedad de las estructuras sintácticas en tus oraciones."
-        )
-        with st.expander("ℹ️ Detalles"):
-            st.write("""
-                **Estructura**
-                - Analiza la complejidad sintáctica
-                - Mide variación en construcciones
-                - Evalúa longitud de oraciones
-                - Valor óptimo: > 0.6
-            """)
-    
-    with col3:
-        st.metric(
-            "Cohesión",
-            f"{metrics['cohesion']['normalized_score']:.2f}",
-            help="Indica qué tan bien conectadas están tus ideas y párrafos entre sí."
-        )
-        with st.expander("ℹ️ Detalles"):
-            st.write("""
-                **Cohesión**
-                - Mide conexiones entre ideas
-                - Evalúa uso de conectores
-                - Analiza progresión temática
-                - Valor óptimo: > 0.65
-            """)
-    
-    with col4:
-        st.metric(
-            "Claridad",
-            f"{metrics['clarity']['normalized_score']:.2f}",
-            help="Evalúa la facilidad de comprensión general de tu texto."
-        )
-        with st.expander("ℹ️ Detalles"):
-            st.write("""
-                **Claridad**
-                - Evalúa comprensibilidad
-                - Considera estructura lógica
-                - Mide precisión expresiva
-                - Valor óptimo: > 0.7
-            """)
+        # Extender valores para cerrar el polígono
+        values += values[:1]
 
-    st.markdown("---")
+        # Dibujar las líneas de la cuadrícula principal
+        ax.set_xticks(angles[:-1])
+        ax.set_xticklabels(categories)
 
-    # 2. Recomendaciones basadas en puntuaciones
-    st.markdown("### 💡 Recomendaciones Personalizadas")
-    
-    # Recomendaciones morfosintácticas
-    if metrics['structure']['normalized_score'] < 0.6:
-        st.warning("""
-        #### 📝 Análisis Morfosintáctico Recomendado
-        
-        **Tu nivel actual sugiere que sería beneficioso:**
-        1. Realizar el análisis morfosintáctico de 3 párrafos diferentes
-        2. Practicar la combinación de oraciones simples en compuestas
-        3. Identificar y clasificar tipos de oraciones en textos académicos
-        4. Ejercitar la variación sintáctica
-        
-        *Hacer clic en "Comenzar ejercicios" para acceder al módulo morfosintáctico*
-        """)
-        
-    # Recomendaciones semánticas
-    if metrics['vocabulary']['normalized_score'] < 0.7:
-        st.warning("""
-        #### 📚 Análisis Semántico Recomendado
-        
-        **Para mejorar tu vocabulario y expresión:**
-        A. Realiza el análisis semántico de un texto académico
-        B. Identifica y agrupa campos semánticos relacionados
-        C. Practica la sustitución léxica en tus párrafos
-        D. Construye redes de conceptos sobre tu tema
-        E. Analiza las relaciones entre ideas principales
-        
-        *Hacer clic en "Comenzar ejercicios" para acceder al módulo semántico*
-        """)
-    
-    # Recomendaciones de cohesión
-    if metrics['cohesion']['normalized_score'] < 0.65:
-        st.warning("""
-        #### 🔄 Análisis del Discurso Recomendado
-        
-        **Para mejorar la conexión entre ideas:**
-        1. Realizar el análisis del discurso de un texto modelo
-        2. Practicar el uso de diferentes conectores textuales
-        3. Identificar cadenas de referencia en textos académicos
-        4. Ejercitar la progresión temática en tus escritos
-        
-        *Hacer clic en "Comenzar ejercicios" para acceder al módulo de análisis del discurso*
-        """)
-    
-    # Botón de acción
-    st.markdown("---")
-    col1, col2, col3 = st.columns([1,2,1])
-    with col2:
-        st.button(
-            "🎯 Comenzar ejercicios recomendados",
-            type="primary",
-            use_container_width=True,
-            key="start_exercises"
-        )
+        # Configurar círculos concéntricos y etiquetas
+        circle_ticks = np.arange(0, 1.1, 0.1)
+        ax.set_yticks(circle_ticks)
+        ax.set_yticklabels([f'{tick:.1f}' for tick in circle_ticks])
+        ax.set_ylim(0, 1)
+
+        # Dibujar líneas de la cuadrícula
+        ax.grid(True)
+
+        # Dibujar el gráfico
+        ax.plot(angles, values, 'o-', linewidth=2, label='Métricas')
+        ax.fill(angles, values, alpha=0.25)
+
+        # Ajustar el layout y mostrar
+        plt.tight_layout()
+        st.pyplot(fig)
+        plt.close()
+
+        # Mostrar valores numéricos debajo del gráfico
+        col1, col2, col3, col4 = st.columns(4)
+        with col1:
+            st.metric("Vocabulario", f"{values[0]:.2f}")
+        with col2:
+            st.metric("Estructura", f"{values[1]:.2f}")
+        with col3:
+            st.metric("Cohesión", f"{values[2]:.2f}")
+        with col4:
+            st.metric("Claridad", f"{values[3]:.2f}")
+
+    except Exception as e:
+        logger.error(f"Error generando gráfico de radar: {str(e)}")
+        st.error("Error al generar la visualización")