Update app.py

app.py

@@ -1,166 +1,13 @@
-import networkx as nx
-import matplotlib.pyplot as plt
-import json
-import requests
-import pandas as pd
-import os
 import gradio as gr
-import openai
-import scipy as sp
-
-# Load OpenAI API Key
-API_KEY = os.getenv("OAIK")
-client = openai.OpenAI(api_key=API_KEY)
-
-api_key_airt = os.getenv("AIRT_KEY")
-AIRT_DBASE = 'appUuBVTJR5ju0y6J'
-AIRT_TABLE = 'foros_postdoc'
-
-url = f"https://api.airtable.com/v0/{AIRT_DBASE}/{AIRT_TABLE}"
-headers = {
-    "Authorization": f"Bearer {api_key_airt}",
-    "Content-Type": "application/json"
-}
+from utils_gdmk import (
+    inicializar_grafo, cargar_normativas, cargar_estudiantes, mostrar_detalles,
+    visualizar_grafo, agregar_aporte
 
 # Sample vocabulary for concept extraction
 VOCABULARY = ["algoritmos", "inteligencia artificial", "políticas públicas", 
               "educación a distancia", "gobernanza", "educación superior"]
 
-def cargar_nombres(archivo):
-    with open('nombres_postdoc.txt', "r", encoding="utf-8") as f:
-        students = [line.strip() for line in f if line.strip()]  # Eliminar espacios y líneas vacías
-    return students
-
-students = cargar_nombres("nombres.txt")
-
 G = nx.DiGraph()
-
-def extract_concepts(text):
-
-    instrucciones = "Eres un experto en educación superior a distancia con conocimiento de políticas públicas, \
-                    tanto para educación superior como la adopción de inteligencia artificial"
-    prompt = f"""Dado el siguiente mensaje: '{text}', utilizando como base esta lista,  {VOCABULARY}, genera una lista corta de los términos \
-                coincidentes con la lista larga separados por comas."""
-
-    version_model = 'gpt-3.5-turbo-0125'
-    response = client.chat.completions.create(
-        model=version_model,
-        messages=[{"role": "system", "content": instrucciones},
-                  {"role": "user", "content": prompt}],
-        temperature=0.8,
-        max_tokens=300,
-    )
-    extract_concepts = response.choices[0].message.content.split(',')
-    return extract_concepts
-
-def cargar_desde_airtable():
-    response = requests.get(url, headers=headers)    
-    if response.status_code != 200:
-        print(f"Error: {response.status_code} - {response.text}")
-        return pd.DataFrame(columns=["Nombre", "Conceptos"])
-    
-    records = response.json().get("records", [])
-    aportes = []
-    
-    for record in records:
-        nombre = record["fields"].get("Nombre", "").strip()
-        conceptos = record["fields"].get("Conceptos", "").strip()
-        aportes.append([nombre, conceptos])
-
-    df = pd.DataFrame(aportes, columns=["Nombre", "Conceptos"])
-    
-    print("Loaded Airtable Data:")
-    print(df)  # 🔍 Debugging: Print the loaded data
-    return df
-
-def inicializar_grafo():
-    df = cargar_desde_airtable()
-    
-    for _, row in df.iterrows():
-        nombre = row["Nombre"].strip()
-        conceptos = row["Conceptos"].strip()
-    
-        if not nombre or not conceptos:
-            continue  # Skip empty rows
-    
-        # ✅ Ensure name is added as a node first
-        if not G.has_node(nombre):
-            G.add_node(nombre, color='lightblue')
-    
-        for termino in conceptos.split(','):
-            termino = termino.strip()
-            if termino:  # ✅ Fix empty terms issue
-                if not G.has_node(termino):
-                    G.add_node(termino, color='lightgreen')
-                if not G.has_edge(nombre, termino):
-                    G.add_edge(nombre, termino)
-    
-    # print("✅ Graph Nodes:", list(G.nodes))
-    # print("✅ Graph Edges:", list(G.edges))
-
-def visualizar_grafo():
-    plt.figure(figsize=(10, 6))
-
-    if len(G.nodes) == 0:
-        print("⚠️ Warning: The graph is empty! Check if data was loaded correctly.")
-        plt.text(0.5, 0.5, "No data available", fontsize=12, ha='center')
-        plt.savefig("graph.png")
-        plt.close()
-        return "graph.png"
-
-    centrality = nx.betweenness_centrality(G)
-    pos = nx.kamada_kawai_layout(G)
-    node_colors = []
-    node_sizes = []
-    
-    for node in G.nodes():
-        if node in students:  # Si es un estudiante
-            node_colors.append('lightblue')  # 🔵 Color para nombres
-        else:
-            node_colors.append('lightgreen')  # 🟢 Color para conceptos
-        
-        node_sizes.append(2000 + 8000 * centrality.get(node, 0)) 
-    nx.draw(
-        G, pos, with_labels=True, node_color=node_colors, edge_color='gray',
-        node_size=node_sizes, font_size=10
-    )
-    edge_labels = nx.get_edge_attributes(G, 'label')
-    nx.draw_networkx_edge_labels(G, pos, edge_labels=edge_labels, font_size=8)
-    plt.title("Red de Aportes - Optimizada por Betweenness")
-    plt.savefig("graph.png")
-    plt.close()
-    return "graph.png"
-
-def guardar_en_airtable(nombre, conceptos, texto): 
-    if isinstance(conceptos, str):
-        conceptos = [c.strip() for c in conceptos.split(',') if c.strip()]  # Ensure it's a list
-    data = {"fields": {"Nombre": nombre, "Conceptos": ", ".join(conceptos), "Texto_Aporte": texto}}
-    response = requests.post(url, headers=headers, json=data)
-    if response.status_code != 200:
-        print(f"Error saving to Airtable: {response.status_code} - {response.text}")
-
-def agregar_aporte(nombre, texto):
-    conceptos = extract_concepts(texto)  # ✅ Extract concepts dynamically
-    print(f"Extracted Concepts: {conceptos}")  # 🔍 Debugging
-
-    if not G.has_node(nombre):
-        G.add_node(nombre, color='gray')
-    
-    for termino in conceptos:
-        termino = termino.strip()
-        if not G.has_node(termino):
-            G.add_node(termino, color='gray')
-        if not G.has_edge(nombre, termino):
-            G.add_edge(nombre, termino)
-
-    guardar_en_airtable(nombre, conceptos, texto)  
-    return visualizar_grafo()
-
-def reload_data():
-    """Reloads data from Airtable and updates the graph."""
-    inicializar_grafo()  # Fetch fresh data and rebuild the graph
-    return visualizar_grafo()  # Return updated image
-
 inicializar_grafo()  # Call this before displaying the graph
 
 iface = gr.Blocks()