##############
###modules/studentact/student_activities_v2.py
import streamlit as st
import re
import io
from io import BytesIO
import pandas as pd
import numpy as np
import time
import matplotlib.pyplot as plt
from datetime import datetime
from spacy import displacy
import random
import base64
import seaborn as sns
import logging
# Importaciones de la base de datos
from ..database.morphosintax_mongo_db import get_student_morphosyntax_analysis
from ..database.semantic_mongo_db import get_student_semantic_analysis
from ..database.discourse_mongo_db import get_student_discourse_analysis
from ..database.chat_mongo_db import get_chat_history
from ..database.current_situation_mongo_db import get_current_situation_analysis # Nueva importación
from ..database.claude_recommendations_mongo_db import get_claude_recommendations # Actualizada
logger = logging.getLogger(__name__)
###################################################################################
def display_student_activities(username: str, lang_code: str, t: dict):
"""
Muestra todas las actividades del estudiante
Args:
username: Nombre del estudiante
lang_code: Código del idioma
t: Diccionario de traducciones
"""
try:
st.header(t.get('activities_title', 'Mis Actividades'))
# Tabs para diferentes tipos de análisis (añadimos la nueva tab)
tabs = st.tabs([
t.get('morpho_activities', 'Análisis Morfosintáctico'),
t.get('semantic_activities', 'Análisis Semántico'),
t.get('discourse_activities', 'Análisis del Discurso'),
t.get('current_situation_activities', 'Mi Situación Actual'), # Nueva pestaña
t.get('chat_activities', 'Conversaciones con el Asistente')
])
# Tab de Análisis Morfosintáctico
with tabs[0]:
display_morphosyntax_activities(username, t)
# Tab de Análisis Semántico
with tabs[1]:
display_semantic_activities(username, t)
# Tab de Análisis del Discurso
with tabs[2]:
display_discourse_activities(username, t)
# Tab de Situación Actual (nueva)
with tabs[3]:
display_current_situation_activities(username, t)
# Tab de Conversaciones del Chat
with tabs[4]:
display_chat_activities(username, t)
except Exception as e:
logger.error(f"Error mostrando actividades: {str(e)}")
st.error(t.get('error_loading_activities', 'Error al cargar las actividades'))
###############################################################################################
def display_morphosyntax_activities(username: str, t: dict):
"""Muestra actividades de análisis morfosintáctico"""
try:
analyses = get_student_morphosyntax_analysis(username)
if not analyses:
st.info(t.get('no_morpho_analyses', 'No hay análisis morfosintácticos registrados'))
return
for analysis in analyses:
with st.expander(
f"{t.get('analysis_date', 'Fecha')}: {analysis['timestamp']}",
expanded=False
):
st.text(f"{t.get('analyzed_text', 'Texto analizado')}:")
st.write(analysis['text'])
if 'arc_diagrams' in analysis:
st.subheader(t.get('syntactic_diagrams', 'Diagramas sintácticos'))
for diagram in analysis['arc_diagrams']:
st.write(diagram, unsafe_allow_html=True)
except Exception as e:
logger.error(f"Error mostrando análisis morfosintáctico: {str(e)}")
st.error(t.get('error_morpho', 'Error al mostrar análisis morfosintáctico'))
###############################################################################################
def display_semantic_activities(username: str, t: dict):
"""Muestra actividades de análisis semántico"""
try:
logger.info(f"Recuperando análisis semántico para {username}")
analyses = get_student_semantic_analysis(username)
if not analyses:
logger.info("No se encontraron análisis semánticos")
st.info(t.get('no_semantic_analyses', 'No hay análisis semánticos registrados'))
return
logger.info(f"Procesando {len(analyses)} análisis semánticos")
for analysis in analyses:
try:
# Verificar campos necesarios
if not all(key in analysis for key in ['timestamp', 'concept_graph']):
logger.warning(f"Análisis incompleto: {analysis.keys()}")
continue
# Formatear fecha
timestamp = datetime.fromisoformat(analysis['timestamp'].replace('Z', '+00:00'))
formatted_date = timestamp.strftime("%d/%m/%Y %H:%M:%S")
# Crear expander
with st.expander(f"{t.get('analysis_date', 'Fecha')}: {formatted_date}", expanded=False):
# Procesar y mostrar gráfico
if analysis.get('concept_graph'):
try:
# Convertir de base64 a bytes
logger.debug("Decodificando gráfico de conceptos")
image_data = analysis['concept_graph']
# Si el gráfico ya es bytes, usarlo directamente
if isinstance(image_data, bytes):
image_bytes = image_data
else:
# Si es string base64, decodificar
image_bytes = base64.b64decode(image_data)
logger.debug(f"Longitud de bytes de imagen: {len(image_bytes)}")
# Mostrar imagen
st.image(
image_bytes,
caption=t.get('concept_network', 'Red de Conceptos'),
use_column_width=True
)
logger.debug("Gráfico mostrado exitosamente")
except Exception as img_error:
logger.error(f"Error procesando gráfico: {str(img_error)}")
st.error(t.get('error_loading_graph', 'Error al cargar el gráfico'))
else:
st.info(t.get('no_graph', 'No hay visualización disponible'))
except Exception as e:
logger.error(f"Error procesando análisis individual: {str(e)}")
continue
except Exception as e:
logger.error(f"Error mostrando análisis semántico: {str(e)}")
st.error(t.get('error_semantic', 'Error al mostrar análisis semántico'))
###################################################################################################
def display_discourse_activities(username: str, t: dict):
"""Muestra actividades de análisis del discurso"""
try:
logger.info(f"Recuperando análisis del discurso para {username}")
analyses = get_student_discourse_analysis(username)
if not analyses:
logger.info("No se encontraron análisis del discurso")
st.info(t.get('no_discourse_analyses', 'No hay análisis del discurso registrados'))
return
logger.info(f"Procesando {len(analyses)} análisis del discurso")
for analysis in analyses:
try:
# Verificar campos mínimos necesarios
if not all(key in analysis for key in ['timestamp', 'combined_graph']):
logger.warning(f"Análisis incompleto: {analysis.keys()}")
continue
# Formatear fecha
timestamp = datetime.fromisoformat(analysis['timestamp'].replace('Z', '+00:00'))
formatted_date = timestamp.strftime("%d/%m/%Y %H:%M:%S")
with st.expander(f"{t.get('analysis_date', 'Fecha')}: {formatted_date}", expanded=False):
if analysis['combined_graph']:
logger.debug("Decodificando gráfico combinado")
try:
image_bytes = base64.b64decode(analysis['combined_graph'])
st.image(image_bytes, use_column_width=True)
logger.debug("Gráfico mostrado exitosamente")
except Exception as img_error:
logger.error(f"Error decodificando imagen: {str(img_error)}")
st.error(t.get('error_loading_graph', 'Error al cargar el gráfico'))
else:
st.info(t.get('no_visualization', 'No hay visualización comparativa disponible'))
except Exception as e:
logger.error(f"Error procesando análisis individual: {str(e)}")
continue
except Exception as e:
logger.error(f"Error mostrando análisis del discurso: {str(e)}")
st.error(t.get('error_discourse', 'Error al mostrar análisis del discurso'))
###################################################################################
# Nueva función para mostrar las actividades de Situación Actual
def display_current_situation_activities(username: str, t: dict):
"""Muestra actividades de análisis de situación actual con recomendaciones de Claude"""
try:
logger.info(f"Recuperando análisis de situación actual para {username}")
analyses = get_current_situation_analysis(username)
if not analyses:
logger.info("No se encontraron análisis de situación actual")
st.info(t.get('no_current_situation', 'No hay análisis de situación actual registrados'))
return
logger.info(f"Procesando {len(analyses)} análisis de situación actual")
for analysis in analyses:
try:
# Verificar campos necesarios
if not all(key in analysis for key in ['timestamp', 'feedback']):
logger.warning(f"Análisis incompleto: {analysis.keys()}")
continue
# Formatear fecha
timestamp = datetime.fromisoformat(analysis['timestamp'].replace('Z', '+00:00'))
formatted_date = timestamp.strftime("%d/%m/%Y %H:%M:%S")
# Crear expander con título que incluye información del tipo de texto si está disponible
title = f"{t.get('analysis_date', 'Fecha')}: {formatted_date}"
if 'text_type' in analysis:
text_type_display = {
'academic_article': t.get('academic_article', 'Artículo académico'),
'university_work': t.get('university_work', 'Trabajo universitario'),
'general_communication': t.get('general_communication', 'Comunicación general')
}.get(analysis['text_type'], analysis['text_type'])
title += f" - {text_type_display}"
with st.expander(title, expanded=False):
# Mostrar el texto original analizado
st.subheader(t.get('analyzed_text', 'Texto analizado'))
st.text_area(
"",
value=analysis.get('text', ''),
height=100,
disabled=True,
label_visibility="collapsed"
)
# Mostrar las recomendaciones generadas por Claude
st.subheader(t.get('recommendations', 'Recomendaciones'))
# Dar formato a las recomendaciones en un contenedor estilizado
st.markdown(f"""
{analysis['feedback']}
""", unsafe_allow_html=True)
# Mostrar métricas adicionales si están disponibles
if 'metrics' in analysis and analysis['metrics']:
with st.expander(t.get('metrics_details', 'Detalles de métricas')):
# Convertir métricas a dataframe para mejor visualización
metrics_df = pd.DataFrame([
{"Métrica": k, "Valor": v}
for k, v in analysis['metrics'].items()
if k not in ['test_type', 'timestamp'] and not isinstance(v, dict)
])
st.dataframe(metrics_df, use_container_width=True)
except Exception as e:
logger.error(f"Error procesando análisis individual de situación actual: {str(e)}")
continue
except Exception as e:
logger.error(f"Error mostrando análisis de situación actual: {str(e)}")
st.error(t.get('error_current_situation', 'Error al mostrar análisis de situación actual'))
#################################################################################
def display_discourse_comparison(analysis: dict, t: dict):
"""Muestra la comparación de análisis del discurso"""
st.subheader(t.get('comparison_results', 'Resultados de la comparación'))
col1, col2 = st.columns(2)
with col1:
st.markdown(f"**{t.get('concepts_text_1', 'Conceptos Texto 1')}**")
df1 = pd.DataFrame(analysis['key_concepts1'])
st.dataframe(df1)
with col2:
st.markdown(f"**{t.get('concepts_text_2', 'Conceptos Texto 2')}**")
df2 = pd.DataFrame(analysis['key_concepts2'])
st.dataframe(df2)
#################################################################################
def display_chat_activities(username: str, t: dict):
"""
Muestra historial de conversaciones del chat
"""
try:
# Obtener historial del chat
chat_history = get_chat_history(
username=username,
analysis_type='sidebar',
limit=50
)
if not chat_history:
st.info(t.get('no_chat_history', 'No hay conversaciones registradas'))
return
for chat in reversed(chat_history): # Mostrar las más recientes primero
try:
# Convertir timestamp a datetime para formato
timestamp = datetime.fromisoformat(chat['timestamp'].replace('Z', '+00:00'))
formatted_date = timestamp.strftime("%d/%m/%Y %H:%M:%S")
with st.expander(
f"{t.get('chat_date', 'Fecha de conversación')}: {formatted_date}",
expanded=False
):
if 'messages' in chat and chat['messages']:
# Mostrar cada mensaje en la conversación
for message in chat['messages']:
role = message.get('role', 'unknown')
content = message.get('content', '')
# Usar el componente de chat de Streamlit
with st.chat_message(role):
st.markdown(content)
# Agregar separador entre mensajes
st.divider()
else:
st.warning(t.get('invalid_chat_format', 'Formato de chat no válido'))
except Exception as e:
logger.error(f"Error mostrando conversación: {str(e)}")
continue
except Exception as e:
logger.error(f"Error mostrando historial del chat: {str(e)}")
st.error(t.get('error_chat', 'Error al mostrar historial del chat'))
##############################################################################################
# Nueva función para mostrar las actividades de Situación Actual
def display_current_situation_activities(username: str, t: dict):
"""Muestra actividades de análisis de situación actual con recomendaciones de Claude"""
try:
logger.info(f"Recuperando recomendaciones de Claude para {username}")
recommendations = get_claude_recommendations(username)
if not recommendations:
logger.info("No se encontraron recomendaciones de Claude")
st.info(t.get('no_recommendations', 'No hay recomendaciones de Claude registradas'))
return
logger.info(f"Procesando {len(recommendations)} recomendaciones de Claude")
for recommendation in recommendations:
try:
# Verificar campos necesarios
if not all(key in recommendation for key in ['timestamp', 'feedback']):
logger.warning(f"Recomendación incompleta: {recommendation.keys()}")
continue
# Formatear fecha
timestamp = datetime.fromisoformat(recommendation['timestamp'].replace('Z', '+00:00'))
formatted_date = timestamp.strftime("%d/%m/%Y %H:%M:%S")
# Crear expander con título que incluye información del tipo de texto si está disponible
title = f"{t.get('recommendation_date', 'Fecha')}: {formatted_date}"
if 'text_type' in recommendation:
text_type_display = {
'academic_article': t.get('academic_article', 'Artículo académico'),
'university_work': t.get('university_work', 'Trabajo universitario'),
'general_communication': t.get('general_communication', 'Comunicación general')
}.get(recommendation['text_type'], recommendation['text_type'])
title += f" - {text_type_display}"
with st.expander(title, expanded=False):
# Mostrar el texto original analizado
st.subheader(t.get('analyzed_text', 'Texto analizado'))
st.text_area(
"",
value=recommendation.get('text', ''),
height=100,
disabled=True,
label_visibility="collapsed"
)
# Mostrar las recomendaciones generadas por Claude
st.subheader(t.get('recommendations', 'Recomendaciones de Claude'))
# Dar formato a las recomendaciones en un contenedor estilizado
st.markdown(f"""
{recommendation.get('feedback', 'No hay recomendaciones disponibles')}
""", unsafe_allow_html=True)
# Mostrar métricas adicionales si están disponibles
if 'metrics' in recommendation and recommendation['metrics']:
with st.expander(t.get('metrics_details', 'Detalles de métricas')):
# Crear un DataFrame para mejor visualización
metrics_data = []
for key, value in recommendation['metrics'].items():
if not isinstance(value, dict) and key not in ['test_type', 'timestamp']:
metrics_data.append({"Métrica": key, "Valor": value})
if metrics_data:
metrics_df = pd.DataFrame(metrics_data)
st.dataframe(metrics_df, use_container_width=True)
else:
st.info(t.get('no_metrics', 'No hay métricas disponibles'))
except Exception as e:
logger.error(f"Error procesando recomendación individual: {str(e)}")
continue
except Exception as e:
logger.error(f"Error mostrando recomendaciones de Claude: {str(e)}")
st.error(t.get('error_recommendations', 'Error al mostrar recomendaciones de Claude'))