Update modules/studentact/current_situation_interface.py

modules/studentact/current_situation_interface.py

@@ -201,48 +201,101 @@ def display_current_situation_interface(lang_code, nlp_models, t):
 
 def display_baseline_interface(lang_code, nlp_models, t):
     """Interfaz para establecer línea base"""
-    # ... código existente de entrada de texto ...
-    
-    if st.button("Establecer como línea base"):
-        metrics = analyze_text_dimensions(doc)
-        store_baseline_metrics(
-            username=st.session_state.username,
-            metrics=metrics,
-            text=text_input,
-            timestamp=datetime.now()
+    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"
         )
-        st.success("Línea base establecida")
+        
+        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"""
-    # Obtener línea base
-    baseline = get_baseline_metrics(st.session_state.username)
-    
-    if not baseline:
-        st.warning("Primero debes establecer una línea base")
-        return
-        
-    # Mostrar entrada de texto actual
-    current_text = st.text_area("Nuevo texto")
-    
-    if st.button("Analizar progreso"):
-        current_metrics = analyze_text_dimensions(nlp_models[lang_code](current_text))
+    try:
+        # Obtener línea base
+        baseline = get_writing_baseline(st.session_state.username)
         
-        # Mostrar comparación
-        display_comparison_results(
-            baseline_metrics=baseline['metrics'],
-            current_metrics=current_metrics
-        )
+        if not baseline:
+            st.warning("Primero debes establecer una línea base")
+            return
+            
+        # Crear dos columnas
+        col1, col2 = st.columns(2)
         
-        # Opción para guardar progreso
-        if st.button("Guardar este progreso"):
-            store_progress_metrics(
-                username=st.session_state.username,
-                metrics=current_metrics,
-                text=current_text,
-                timestamp=datetime.now()
+        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
             )
-            st.success("Progreso guardado")
+            
+            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")
 
 ###################################
 
@@ -275,6 +328,7 @@ def display_comparison_results(baseline_metrics, current_metrics):
             current_metrics
         )
 
+###################################
 def suggest_improvement_tools(dimension):
     """Sugiere herramientas basadas en la dimensión"""
     suggestions = []
@@ -288,6 +342,52 @@ def suggest_improvement_tools(dimension):
 
 ###################################
 
+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']
+        }
+    ]        
+
+###################################
+
 def display_results(metrics, text_type=None):
     """
     Muestra los resultados del análisis: métricas verticalmente y gráfico radar.