File size: 6,859 Bytes
a86bc58 d597bbb a86bc58 d597bbb a86bc58 02a03b1 a86bc58 02a03b1 a86bc58 02a03b1 a86bc58 02a03b1 a86bc58 02a03b1 a86bc58 02a03b1 a86bc58 02a03b1 a86bc58 02a03b1 a86bc58 02a03b1 a86bc58 02a03b1 a86bc58 02a03b1 a86bc58 02a03b1 a86bc58 02a03b1 a86bc58 02a03b1 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 |
# 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.style.use('seaborn') # Opcional - da un estilo más moderno
plt.rcParams['font.family'] = 'sans-serif'
plt.rcParams['font.sans-serif'] = ['Arial']
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 cuatro métricas.
"""
try:
# 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']
]
# Crear figura
fig = plt.figure(figsize=(8, 8))
ax = fig.add_subplot(111, projection='polar')
# Número de variables
num_vars = len(categories)
# 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
# Extender valores para cerrar el polígono
values += values[:1]
# Dibujar las líneas de la cuadrícula principal
ax.set_xticks(angles[:-1])
ax.set_xticklabels(categories)
# 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") |