Update modules/studentact/current_situation_interface.py

modules/studentact/current_situation_interface.py

@@ -1,321 +1,353 @@
-# 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
-
-# Importaciones locales
-from translations import get_translations 
-
-# Importamos la función de recomendaciones personalizadas si existe
-try:
-    from .claude_recommendations import display_personalized_recommendations
-except ImportError:
-    # Si no existe el módulo, definimos una función placeholder
-    def display_personalized_recommendations(text, metrics, text_type, lang_code, t):
-        st.warning("Módulo de recomendaciones personalizadas no disponible. Por favor, contacte al administrador.")
-
-from .current_situation_analysis import (
-    analyze_text_dimensions, 
-    analyze_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.rcParams['font.family'] = 'sans-serif'
-plt.rcParams['axes.grid'] = True
-plt.rcParams['axes.spines.top'] = False
-plt.rcParams['axes.spines.right'] = False
-
-logger = logging.getLogger(__name__)
-
-####################################
-# Definición global de los tipos de texto y sus umbrales
-TEXT_TYPES = {
-    'academic_article': {
-        'name': 'Artículo Académico',
-        'thresholds': {
-            'vocabulary': {'min': 0.70, 'target': 0.85},
-            'structure': {'min': 0.75, 'target': 0.90},
-            'cohesion': {'min': 0.65, 'target': 0.80},
-            'clarity': {'min': 0.70, 'target': 0.85}
-        }
-    },
-    'student_essay': {
-        'name': 'Trabajo Universitario',
-        'thresholds': {
-            'vocabulary': {'min': 0.60, 'target': 0.75},
-            'structure': {'min': 0.65, 'target': 0.80},
-            'cohesion': {'min': 0.55, 'target': 0.70},
-            'clarity': {'min': 0.60, 'target': 0.75}
-        }
-    },
-    'general_communication': {
-        'name': 'Comunicación General',
-        'thresholds': {
-            'vocabulary': {'min': 0.50, 'target': 0.65},
-            'structure': {'min': 0.55, 'target': 0.70},
-            'cohesion': {'min': 0.45, 'target': 0.60},
-            'clarity': {'min': 0.50, 'target': 0.65}
-        }
-    }
-}
-####################################
-
-def display_current_situation_interface(lang_code, nlp_models, t):
-    """
-    Interfaz simplificada con gráfico de radar para visualizar métricas.
-    """
-    # 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:  # Añadir inicialización de text_area
-        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 'current_recommendations' not in st.session_state:
-        st.session_state.current_recommendations = None
-        
-    try:
-        # Container principal con dos columnas
-        with st.container():
-            input_col, results_col = st.columns([1,2])
-            
-            with input_col:
-                # 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,
-                    help="Este texto será analizado para darte recomendaciones personalizadas"
-                )
-                
-                # Función para manejar cambios de texto
-                if text_input != st.session_state.text_input:
-                    st.session_state.text_input = text_input
-                    st.session_state.show_results = False
-                
-                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)
-                            
-                            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
-                            
-                    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:
-                    # Primero los radio buttons para tipo de texto
-                    st.markdown("### Tipo de texto")
-                    text_type = st.radio(
-                        label="Tipo de texto",
-                        options=list(TEXT_TYPES.keys()),
-                        format_func=lambda x: TEXT_TYPES[x]['name'],
-                        horizontal=True,
-                        key="text_type_radio",
-                        label_visibility="collapsed",
-                        help="Selecciona el tipo de texto para ajustar los criterios de evaluación"
-                    )
-                    
-                    st.session_state.current_text_type = text_type
-                    
-                    # Crear subtabs
-                    subtab1, subtab2 = st.tabs(["Diagnóstico", "Recomendaciones"])
-                    
-                    # Mostrar resultados en el primer subtab
-                    with subtab1:
-                        display_diagnosis(
-                            metrics=st.session_state.current_metrics,
-                            text_type=text_type
-                        )
-                    
-                    # Mostrar recomendaciones en el segundo subtab
-                    with subtab2:
-                        # Llamar directamente a la función de recomendaciones personalizadas
-                        display_personalized_recommendations(
-                            text=text_input,
-                            metrics=st.session_state.current_metrics,
-                            text_type=text_type,
-                            lang_code=lang_code,
-                            t=t
-                        )
-
-    except Exception as e:
-        logger.error(f"Error en interfaz principal: {str(e)}")
-        st.error("Ocurrió un error al cargar la interfaz")
-
-def display_diagnosis(metrics, text_type=None):
-    """
-    Muestra los resultados del análisis: métricas verticalmente y gráfico radar.
-    """
-    try:
-        # Usar valor por defecto si no se especifica tipo
-        text_type = text_type or 'student_essay'
-        
-        # Obtener umbrales según el tipo de texto
-        thresholds = TEXT_TYPES[text_type]['thresholds']
-
-        # Crear dos columnas para las métricas y el gráfico
-        metrics_col, graph_col = st.columns([1, 1.5])
-        
-        # Columna de métricas
-        with metrics_col:
-            metrics_config = [
-                {
-                    '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']
-                }
-            ]
-
-            # Mostrar métricas
-            for metric in metrics_config:
-                value = metric['value']
-                if value < metric['thresholds']['min']:
-                    status = "⚠️ Por mejorar"
-                    color = "inverse"
-                elif value < metric['thresholds']['target']:
-                    status = "📈 Aceptable"
-                    color = "off"
-                else:
-                    status = "✅ Óptimo"
-                    color = "normal"
-                
-                st.metric(
-                    metric['label'],
-                    f"{value:.2f}",
-                    f"{status} (Meta: {metric['thresholds']['target']:.2f})",
-                    delta_color=color,
-                    help=metric['help']
-                )
-                st.markdown("<div style='margin-bottom: 0.5rem;'></div>", unsafe_allow_html=True)
-
-        # Gráfico radar en la columna derecha
-        with graph_col:
-            display_radar_chart(metrics_config, thresholds)
-
-    except Exception as e:
-        logger.error(f"Error mostrando resultados: {str(e)}")
-        st.error("Error al mostrar los resultados")
-
-def display_radar_chart(metrics_config, thresholds):
-    """
-    Muestra el gráfico radar con los resultados.
-    """
-    try:
-        # Preparar datos para el gráfico
-        categories = [m['label'] for m in metrics_config]
-        values_user = [m['value'] for m in metrics_config]
-        min_values = [m['thresholds']['min'] for m in metrics_config]
-        target_values = [m['thresholds']['target'] for m in metrics_config]
-
-        # Crear y configurar gráfico
-        fig = plt.figure(figsize=(8, 8))
-        ax = fig.add_subplot(111, projection='polar')
-
-        # Configurar radar
-        angles = [n / float(len(categories)) * 2 * np.pi for n in range(len(categories))]
-        angles += angles[:1]
-        values_user += values_user[:1]
-        min_values += min_values[:1]
-        target_values += target_values[:1]
-
-        # Configurar ejes
-        ax.set_xticks(angles[:-1])
-        ax.set_xticklabels(categories, fontsize=10)
-        circle_ticks = np.arange(0, 1.1, 0.2)
-        ax.set_yticks(circle_ticks)
-        ax.set_yticklabels([f'{tick:.1f}' for tick in circle_ticks], fontsize=8)
-        ax.set_ylim(0, 1)
-
-        # Dibujar áreas de umbrales
-        ax.plot(angles, min_values, '#e74c3c', linestyle='--', linewidth=1, label='Mínimo', alpha=0.5)
-        ax.plot(angles, target_values, '#2ecc71', linestyle='--', linewidth=1, label='Meta', alpha=0.5)
-        ax.fill_between(angles, target_values, [1]*len(angles), color='#2ecc71', alpha=0.1)
-        ax.fill_between(angles, [0]*len(angles), min_values, color='#e74c3c', alpha=0.1)
-
-        # Dibujar valores del usuario
-        ax.plot(angles, values_user, '#3498db', linewidth=2, label='Tu escritura')
-        ax.fill(angles, values_user, '#3498db', alpha=0.2)
-
-        # Ajustar leyenda
-        ax.legend(
-            loc='upper right',
-            bbox_to_anchor=(1.3, 1.1),
-            fontsize=10,
-            frameon=True,
-            facecolor='white',
-            edgecolor='none',
-            shadow=True
-        )
-
-        plt.tight_layout()
-        st.pyplot(fig)
-        plt.close()
-
-    except Exception as e:
-        logger.error(f"Error mostrando gráfico radar: {str(e)}")
+# 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
+
+# Importaciones locales
+from translations import get_translations 
+
+# Importamos la función de recomendaciones personalizadas si existe
+try:
+    from .claude_recommendations import display_personalized_recommendations
+except ImportError:
+    # Si no existe el módulo, definimos una función placeholder
+    def display_personalized_recommendations(text, metrics, text_type, lang_code, t):
+        # Obtener el mensaje de advertencia traducido si está disponible
+        warning = t.get('module_not_available', "Módulo de recomendaciones personalizadas no disponible. Por favor, contacte al administrador.")
+        st.warning(warning)
+
+from .current_situation_analysis import (
+    analyze_text_dimensions, 
+    analyze_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.rcParams['font.family'] = 'sans-serif'
+plt.rcParams['axes.grid'] = True
+plt.rcParams['axes.spines.top'] = False
+plt.rcParams['axes.spines.right'] = False
+
+logger = logging.getLogger(__name__)
+
+# Definición de tipos de texto con umbrales
+TEXT_TYPES = {
+    'academic_article': {
+        # Los nombres se obtendrán de las traducciones
+        'thresholds': {
+            'vocabulary': {'min': 0.70, 'target': 0.85},
+            'structure': {'min': 0.75, 'target': 0.90},
+            'cohesion': {'min': 0.65, 'target': 0.80},
+            'clarity': {'min': 0.70, 'target': 0.85}
+        }
+    },
+    'student_essay': {
+        'thresholds': {
+            'vocabulary': {'min': 0.60, 'target': 0.75},
+            'structure': {'min': 0.65, 'target': 0.80},
+            'cohesion': {'min': 0.55, 'target': 0.70},
+            'clarity': {'min': 0.60, 'target': 0.75}
+        }
+    },
+    'general_communication': {
+        'thresholds': {
+            'vocabulary': {'min': 0.50, 'target': 0.65},
+            'structure': {'min': 0.55, 'target': 0.70},
+            'cohesion': {'min': 0.45, 'target': 0.60},
+            'clarity': {'min': 0.50, 'target': 0.65}
+        }
+    }
+}
+
+def display_current_situation_interface(lang_code, nlp_models, t):
+    """
+    Interfaz simplificada con gráfico de radar para visualizar métricas.
+    """
+    # Obtener traducciones de la situación actual
+    current_situation_t = t.get('CURRENT_SITUATION', {})
+    
+    # Obtener traducciones para tipos de texto
+    text_types_translations = {}
+    if 'RECOMMENDATIONS' in t and lang_code in t['RECOMMENDATIONS']:
+        text_types_translations = t['RECOMMENDATIONS'][lang_code]['text_types']
+    
+    # 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 'current_recommendations' not in st.session_state:
+        st.session_state.current_recommendations = None
+        
+    try:
+        # Container principal con dos columnas
+        with st.container():
+            input_col, results_col = st.columns([1,2])
+            
+            with input_col:
+                # Text area con manejo de estado
+                text_input = st.text_area(
+                    current_situation_t.get('input_prompt', "Escribe o pega tu texto aquí:"),
+                    height=400,
+                    key="text_area",
+                    value=st.session_state.text_input,
+                    help=current_situation_t.get('help', "Este texto será analizado para darte recomendaciones personalizadas")
+                )
+                
+                # Función para manejar cambios de texto
+                if text_input != st.session_state.text_input:
+                    st.session_state.text_input = text_input
+                    st.session_state.show_results = False
+                
+                if st.button(
+                    current_situation_t.get('analyze_button', "Analizar mi escritura"),
+                    type="primary",
+                    disabled=not text_input.strip(),
+                    use_container_width=True,
+                ):
+                    try:
+                        with st.spinner(current_situation_t.get('processing', "Analizando...")):
+                            doc = nlp_models[lang_code](text_input)
+                            metrics = analyze_text_dimensions(doc)
+                            
+                            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
+                            
+                    except Exception as e:
+                        logger.error(f"Error en análisis: {str(e)}")
+                        st.error(current_situation_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:
+                    # Primero los radio buttons para tipo de texto
+                    st.markdown(f"### {current_situation_t.get('text_type_header', 'Tipo de texto')}")
+                    
+                    # Preparar opciones de tipos de texto con nombres traducidos
+                    text_type_options = {}
+                    for text_type_key in TEXT_TYPES.keys():
+                        if text_type_key in text_types_translations:
+                            text_type_options[text_type_key] = text_types_translations[text_type_key]
+                        else:
+                            # Fallback a nombres genéricos si no hay traducción
+                            default_names = {
+                                'academic_article': 'Academic Article' if lang_code == 'en' else 'Артикул академічний' if lang_code == 'uk' else 'Artículo Académico',
+                                'student_essay': 'Student Essay' if lang_code == 'en' else 'Студентське есе' if lang_code == 'uk' else 'Trabajo Universitario',
+                                'general_communication': 'General Communication' if lang_code == 'en' else 'Загальна комунікація' if lang_code == 'uk' else 'Comunicación General'
+                            }
+                            text_type_options[text_type_key] = default_names.get(text_type_key, text_type_key)
+                    
+                    text_type = st.radio(
+                        label=current_situation_t.get('text_type_header', "Tipo de texto"),
+                        options=list(TEXT_TYPES.keys()),
+                        format_func=lambda x: text_type_options.get(x, x),
+                        horizontal=True,
+                        key="text_type_radio",
+                        label_visibility="collapsed",
+                        help=current_situation_t.get('text_type_help', "Selecciona el tipo de texto para ajustar los criterios de evaluación")
+                    )
+                    
+                    st.session_state.current_text_type = text_type
+                    
+                    # Crear subtabs con nombres traducidos
+                    diagnosis_tab = "Diagnosis" if lang_code == 'en' else "Діагностика" if lang_code == 'uk' else "Diagnóstico"
+                    recommendations_tab = "Recommendations" if lang_code == 'en' else "Рекомендації" if lang_code == 'uk' else "Recomendaciones"
+                    
+                    subtab1, subtab2 = st.tabs([diagnosis_tab, recommendations_tab])
+                    
+                    # Mostrar resultados en el primer subtab
+                    with subtab1:
+                        display_diagnosis(
+                            metrics=st.session_state.current_metrics,
+                            text_type=text_type,
+                            lang_code=lang_code,
+                            t=current_situation_t
+                        )
+                    
+                    # Mostrar recomendaciones en el segundo subtab
+                    with subtab2:
+                        # Llamar directamente a la función de recomendaciones personalizadas
+                        display_personalized_recommendations(
+                            text=text_input,
+                            metrics=st.session_state.current_metrics,
+                            text_type=text_type,
+                            lang_code=lang_code,
+                            t=t
+                        )
+
+    except Exception as e:
+        logger.error(f"Error en interfaz principal: {str(e)}")
+        st.error(current_situation_t.get('error_interface', "Ocurrió un error al cargar la interfaz"))
+
+def display_diagnosis(metrics, text_type=None, lang_code='es', t=None):
+    """
+    Muestra los resultados del análisis: métricas verticalmente y gráfico radar.
+    """
+    try:
+        # Asegurar que tenemos traducciones
+        if t is None:
+            t = {}
+        
+        # Usar valor por defecto si no se especifica tipo
+        text_type = text_type or 'student_essay'
+        
+        # Obtener umbrales según el tipo de texto
+        thresholds = TEXT_TYPES[text_type]['thresholds']
+
+        # Crear dos columnas para las métricas y el gráfico
+        metrics_col, graph_col = st.columns([1, 1.5])
+        
+        # Columna de métricas
+        with metrics_col:
+            metrics_config = [
+                {
+                    'label': t.get('vocabulary_label', "Vocabulario"),
+                    'key': 'vocabulary',
+                    'value': metrics['vocabulary']['normalized_score'],
+                    'help': t.get('vocabulary_help', "Riqueza y variedad del vocabulario"),
+                    'thresholds': thresholds['vocabulary']
+                },
+                {
+                    'label': t.get('structure_label', "Estructura"),
+                    'key': 'structure',
+                    'value': metrics['structure']['normalized_score'],
+                    'help': t.get('structure_help', "Organización y complejidad de oraciones"),
+                    'thresholds': thresholds['structure']
+                },
+                {
+                    'label': t.get('cohesion_label', "Cohesión"),
+                    'key': 'cohesion',
+                    'value': metrics['cohesion']['normalized_score'],
+                    'help': t.get('cohesion_help', "Conexión y fluidez entre ideas"),
+                    'thresholds': thresholds['cohesion']
+                },
+                {
+                    'label': t.get('clarity_label', "Claridad"),
+                    'key': 'clarity',
+                    'value': metrics['clarity']['normalized_score'],
+                    'help': t.get('clarity_help', "Facilidad de comprensión del texto"),
+                    'thresholds': thresholds['clarity']
+                }
+            ]
+
+            # Mostrar métricas con textos traducidos
+            for metric in metrics_config:
+                value = metric['value']
+                if value < metric['thresholds']['min']:
+                    status = t.get('metric_improvement', "⚠️ Por mejorar")
+                    color = "inverse"
+                elif value < metric['thresholds']['target']:
+                    status = t.get('metric_acceptable', "📈 Aceptable")
+                    color = "off"
+                else:
+                    status = t.get('metric_optimal', "✅ Óptimo")
+                    color = "normal"
+                
+                target_text = t.get('metric_target', "Meta: {:.2f}").format(metric['thresholds']['target'])
+                
+                st.metric(
+                    metric['label'],
+                    f"{value:.2f}",
+                    f"{status} ({target_text})",
+                    delta_color=color,
+                    help=metric['help']
+                )
+                st.markdown("<div style='margin-bottom: 0.5rem;'></div>", unsafe_allow_html=True)
+
+        # Gráfico radar en la columna derecha
+        with graph_col:
+            display_radar_chart(metrics_config, thresholds)
+
+    except Exception as e:
+        logger.error(f"Error mostrando resultados: {str(e)}")
+        st.error(t.get('error_results', "Error al mostrar los resultados"))
+
+def display_radar_chart(metrics_config, thresholds):
+    """
+    Muestra el gráfico radar con los resultados.
+    """
+    try:
+        # Preparar datos para el gráfico
+        categories = [m['label'] for m in metrics_config]
+        values_user = [m['value'] for m in metrics_config]
+        min_values = [m['thresholds']['min'] for m in metrics_config]
+        target_values = [m['thresholds']['target'] for m in metrics_config]
+
+        # Crear y configurar gráfico
+        fig = plt.figure(figsize=(8, 8))
+        ax = fig.add_subplot(111, projection='polar')
+
+        # Configurar radar
+        angles = [n / float(len(categories)) * 2 * np.pi for n in range(len(categories))]
+        angles += angles[:1]
+        values_user += values_user[:1]
+        min_values += min_values[:1]
+        target_values += target_values[:1]
+
+        # Configurar ejes
+        ax.set_xticks(angles[:-1])
+        ax.set_xticklabels(categories, fontsize=10)
+        circle_ticks = np.arange(0, 1.1, 0.2)
+        ax.set_yticks(circle_ticks)
+        ax.set_yticklabels([f'{tick:.1f}' for tick in circle_ticks], fontsize=8)
+        ax.set_ylim(0, 1)
+
+        # Dibujar áreas de umbrales
+        ax.plot(angles, min_values, '#e74c3c', linestyle='--', linewidth=1, label='Mínimo', alpha=0.5)
+        ax.plot(angles, target_values, '#2ecc71', linestyle='--', linewidth=1, label='Meta', alpha=0.5)
+        ax.fill_between(angles, target_values, [1]*len(angles), color='#2ecc71', alpha=0.1)
+        ax.fill_between(angles, [0]*len(angles), min_values, color='#e74c3c', alpha=0.1)
+
+        # Dibujar valores del usuario
+        ax.plot(angles, values_user, '#3498db', linewidth=2, label='Tu escritura')
+        ax.fill(angles, values_user, '#3498db', alpha=0.2)
+
+        # Ajustar leyenda
+        ax.legend(
+            loc='upper right',
+            bbox_to_anchor=(1.3, 1.1),
+            fontsize=10,
+            frameon=True,
+            facecolor='white',
+            edgecolor='none',
+            shadow=True
+        )
+
+        plt.tight_layout()
+        st.pyplot(fig)
+        plt.close()
+
+    except Exception as e:
+        logger.error(f"Error mostrando gráfico radar: {str(e)}")
         st.error("Error al mostrar el gráfico")