Update modules/studentact/current_situation_interface.py

modules/studentact/current_situation_interface.py

@@ -90,123 +90,126 @@ ANALYSIS_DIMENSION_MAPPING = {
     }
 }
 
-#Función principal ####################################
-#Función principal ####################################
+################################################################
+##############################################################################
+#                           FUNCIÓN PRINCIPAL
+##############################################################################
 def display_current_situation_interface(lang_code, nlp_models, t):
     """
-    Interfaz simplificada con gráfico de radar para visualizar métricas.
-    Incluye:
-      1) Expander para el selector de tipo de texto
-      2) Text areas sin altura fija
-      3) Métricas base e iteración alineadas horizontalmente
-      4) Recomendaciones en una fila aparte
+    Distribución requerida:
+    TAB:
+      └─ Expander para seleccionar el tipo de texto
+
+      Contenedor-1 (tres filas):
+         Fila 1: Métricas de la línea base
+         Fila 2: Métricas de iteración
+         Fila 3: Recomendaciones
+
+      Contenedor-2 (dos columnas):
+         Col1: Texto base
+         Col2: Texto iteración
     """
     # --- Inicializar estados si no existen ---
-    if 'text_input' not in st.session_state:
-        st.session_state.text_input = ""
-    if 'text_area' not in st.session_state:
-        st.session_state.text_area = ""
-    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
     if 'base_text' not in st.session_state:
         st.session_state.base_text = ""
     if 'iter_text' not in st.session_state:
         st.session_state.iter_text = ""
+    if 'base_metrics' not in st.session_state:
+        st.session_state.base_metrics = {}
+    if 'iter_metrics' not in st.session_state:
+        st.session_state.iter_metrics = {}
     if 'show_base' not in st.session_state:
         st.session_state.show_base = False
     if 'show_iter' not in st.session_state:
         st.session_state.show_iter = False
 
     try:
-        # --- [1] Selector de tipo de texto dentro de un expander ---
-        with st.expander("Selecciona el tipo de texto", expanded=True):
-            text_type = st.radio(
-                "¿Qué tipo de texto quieres analizar?",
-                options=list(TEXT_TYPES.keys()),
-                format_func=lambda x: TEXT_TYPES[x]['name'],
-                index=1,  
-                help="Selecciona el tipo de texto para ajustar los criterios de evaluación"
-            )
-            st.session_state.current_text_type = text_type
-
-        st.markdown("---")  # Una línea divisoria
-        
-        # --- ÁREA DE TEXTO PARA EL TEXTO BASE ---
-        text_base_col, analyze_base_col = st.columns([3,1], gap="medium")
-        with text_base_col:
-            # Texto Base (sin altura fija: quitamos height=...)
-            st.write("**Texto Base**")  # Título breve (o puedes eliminarlo si deseas menos ruido)
-            text_base = st.text_area(
-                "Texto original",
-                key="text_base",
-                value=st.session_state.base_text,
-            )
-        with analyze_base_col:
-            # Botón para analizar base
-            st.write("")  # Un ligero espacio
-            if st.button("Analizar Base", key="btn_analizar_base"):
-                with st.spinner("Analizando texto base..."):
-                    doc = nlp_models[lang_code](text_base)
-                    metrics = analyze_text_dimensions(doc)
-                    # Guardar en estado
-                    st.session_state.base_text = text_base
-                    st.session_state.base_metrics = metrics
-                    st.session_state.show_base = True
-
-        st.markdown("---")
-        
-        # --- ÁREA DE TEXTO PARA LA ITERACIÓN ---
-        iter_text_col, analyze_iter_col = st.columns([3,1], gap="medium")
-        with iter_text_col:
-            # Texto Iteración
-            st.write("**Texto de Iteración**")
-            text_iter = st.text_area(
-                "Nueva versión",
-                key="text_iter",
-                value=st.session_state.iter_text,
-                disabled=not st.session_state.show_base
-            )
-        with analyze_iter_col:
-            st.write("")  # Espacio
-            # Botón para analizar iteración
-            if st.button("Analizar Iteración", key="btn_analizar_iter", disabled=not st.session_state.show_base):
-                with st.spinner("Analizando iteración..."):
-                    doc = nlp_models[lang_code](text_iter)
-                    metrics = analyze_text_dimensions(doc)
-                    # Guardar en estado
-                    st.session_state.iter_text = text_iter
-                    st.session_state.iter_metrics = metrics
-                    st.session_state.show_iter = True
-
-        # --- [2] Métricas en una línea (base) + (iteración) alineadas ---
-        st.markdown("---")
-        
-        # Fila de métricas base
-        if st.session_state.show_base and 'base_metrics' in st.session_state:
-            st.markdown("**Métrica base:**")
-            display_metrics_in_one_line(st.session_state.base_metrics, text_type)
-        
-        # Fila de métricas iteración
-        if st.session_state.show_iter and 'iter_metrics' in st.session_state:
-            st.markdown("**Métricas de iteración:**")
-            display_metrics_in_one_line(st.session_state.iter_metrics, text_type)
-        
-        # --- [3] Recomendaciones en una fila separada (opcional) ---
-        if st.session_state.show_iter and 'iter_metrics' in st.session_state:
-            # Si deseas basar las recomendaciones en la comparación base vs iteración:
-            # Podrías comparar e invocar funciones personalizadas
-            st.markdown("**Recomendaciones:**")
-            # Aquí, por ejemplo, revisas cada dimensión y das consejos si es menor a la meta
-            for dimension, values in st.session_state.iter_metrics.items():
-                score = values['normalized_score']
-                target = TEXT_TYPES[text_type]['thresholds'][dimension]['target']
-                if score < target:
-                    # Muestras las sugerencias
-                    suggest_improvement_tools(dimension)
+        # Creamos un tab
+        tabs = st.tabs(["Análisis de Texto"])
+        with tabs[0]:
+            # -----------------------------------------------------------------
+            # [1] Expander para seleccionar el tipo de texto
+            # -----------------------------------------------------------------
+            with st.expander("Selecciona el tipo de texto", expanded=True):
+                text_type = st.radio(
+                    "¿Qué tipo de texto quieres analizar?",
+                    options=list(TEXT_TYPES.keys()),
+                    format_func=lambda x: TEXT_TYPES[x]['name'],
+                    index=0,
+                    help="Selecciona el tipo de texto para ajustar criterios de evaluación"
+                )
+                st.session_state.current_text_type = text_type
+
+            # -----------------------------------------------------------------
+            # Contenedor-1: 3 filas (Métricas base, Métricas iteración, Recomendaciones)
+            # -----------------------------------------------------------------
+            with st.container():
+                # --- Fila 1: Métricas base ---
+                if st.session_state.show_base:
+                    st.markdown("**Métricas de la línea base del texto**")
+                    display_metrics_in_one_line(st.session_state.base_metrics, text_type)
+
+                # --- Fila 2: Métricas iteración ---
+                if st.session_state.show_iter:
+                    st.markdown("**Métricas de la iteración del texto**")
+                    display_metrics_in_one_line(st.session_state.iter_metrics, text_type)
+
+                # --- Fila 3: Recomendaciones ---
+                # (Separado de las métricas, pero en la misma sección)
+                if st.session_state.show_iter:
+                    st.markdown("**Recomendaciones**")
+                    for dimension, values in st.session_state.iter_metrics.items():
+                        score = values['normalized_score']
+                        target = TEXT_TYPES[text_type]['thresholds'][dimension]['target']
+                        if score < target:
+                            suggest_improvement_tools(dimension)
+
+            # -----------------------------------------------------------------
+            # Contenedor-2: 2 columnas para ingresar texto base / iteración
+            # -----------------------------------------------------------------
+            with st.container():
+                col_left, col_right = st.columns(2)
+
+                # Caja de texto para el texto base
+                with col_left:
+                    st.markdown("**Texto base**")
+                    text_base = st.text_area(
+                        label="",
+                        value=st.session_state.base_text,
+                        key="text_base_area",
+                        placeholder="Pega aquí tu texto base",
+                        # Quitar 'height' si quieres permitir altura completamente flexible:
+                        # height=200
+                    )
+
+                    if st.button("Analizar Base"):
+                        with st.spinner("Analizando texto base..."):
+                            doc = nlp_models[lang_code](text_base)
+                            metrics = analyze_text_dimensions(doc)
+                            st.session_state.base_text = text_base
+                            st.session_state.base_metrics = metrics
+                            st.session_state.show_base = True
+                            st.session_state.show_iter = False
+
+                # Caja de texto para la iteración
+                with col_right:
+                    st.markdown("**Texto de iteración**")
+                    text_iter = st.text_area(
+                        label="",
+                        value=st.session_state.iter_text,
+                        key="text_iter_area",
+                        placeholder="Edita y mejora tu texto...",
+                        disabled=not st.session_state.show_base,
+                        # height=200
+                    )
+
+                    if st.button("Analizar Iteración", disabled=not st.session_state.show_base):
+                        with st.spinner("Analizando texto de iteración..."):
+                            doc = nlp_models[lang_code](text_iter)
+                            metrics = analyze_text_dimensions(doc)
+                            st.session_state.iter_text = text_iter
+                            st.session_state.iter_metrics = metrics
+                            st.session_state.show_iter = True
 
     except Exception as e:
         logger.error(f"Error en interfaz: {str(e)}")
@@ -214,42 +217,7 @@ def display_current_situation_interface(lang_code, nlp_models, t):
 
 #Funciones de visualización ##################################
 
-def display_metrics_in_one_line(metrics, text_type):
-    """
-    Muestra las cuatro dimensiones (Vocabulario, Estructura, Cohesión, Claridad)
-    en una sola línea, usando 4 columnas.
-    """
-    thresholds = TEXT_TYPES[text_type]['thresholds']
-    dimensions = ["vocabulary", "structure", "cohesion", "clarity"]
-    
-    # Creamos 4 columnas
-    col1, col2, col3, col4 = st.columns(4)
-    cols = [col1, col2, col3, col4]
-    
-    for dim, col in zip(dimensions, cols):
-        score = metrics[dim]['normalized_score']
-        target = thresholds[dim]['target']
-        min_val = thresholds[dim]['min']
-        
-        # Determinar estado y color
-        if score < min_val:
-            status = "⚠️ Por mejorar"
-            color = "inverse"
-        elif score < target:
-            status = "📈 Aceptable"
-            color = "off"
-        else:
-            status = "✅ Óptimo"
-            color = "normal"
-        
-        with col:
-            # Muestra la métrica con un st.metric
-            col.metric(
-                label=dim.capitalize(), 
-                value=f"{score:.2f}",
-                delta=f"{status} (Meta: {target:.2f})",
-                delta_color=color
-            )
+
 
 ##################################################################
 def display_metrics_analysis(metrics, text_type=None):