Update modules/studentact/current_situation_interface.py

modules/studentact/current_situation_interface.py

@@ -90,12 +90,18 @@ ANALYSIS_DIMENSION_MAPPING = {
     }
 }
 
+#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
     """
-    # Inicializar estados si no existen
+    # --- 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:
@@ -116,93 +122,91 @@ def display_current_situation_interface(lang_code, nlp_models, t):
         st.session_state.show_iter = False
 
     try:
-        # --- [1] Selector de tipo de texto con Radio Buttons ---
-        st.markdown("## Selecciona el tipo de texto")
-        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,  # puedes indicar un índice por defecto, p.e. 'student_essay'
-            help="Selecciona el tipo de texto para ajustar los criterios de evaluación"
-        )
-
-        st.session_state.current_text_type = text_type
-
-        # --- [2] Contenedor principal en 4 columnas ---
-        st.markdown("---")
-        st.markdown("## Análisis de Texto en Cuatro Columnas")
-
-        # Usamos st.columns(4) para distribuir todo en partes iguales
-        text_base_col, metrics_base_col, text_iter_col, metrics_iter_col = st.columns(4, gap="medium")
+        # --- [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
 
-        # ------- Columna 1: Texto Base -------
+        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:
-            st.markdown("### Texto Base")
+            # 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",
-                height=300,
                 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)  # Llama a tu función de análisis
-
+                    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
 
-        # ------- Columna 2: Métricas Base -------
-        with metrics_base_col:
-            st.markdown("### Métricas Base")
-            if st.session_state.show_base and 'base_metrics' in st.session_state:
-                display_metrics_and_suggestions(
-                    st.session_state.base_metrics,
-                    text_type,
-                    title="Base",
-                    show_suggestions=False  # Solo mostrar las métricas, sin sugerencias
-                )
-
-        # ------- Columna 3: Texto Iteración -------
-        with text_iter_col:
-            st.markdown("### Iteración")
+        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",
-                height=300,
                 key="text_iter",
                 value=st.session_state.iter_text,
-                disabled=not st.session_state.show_base  # Se activa solo después de analizar la base
+                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
-            ):
+            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)  # Llama a tu función de análisis
-
+                    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
 
-        # ------- Columna 4: Métricas Iteración -------
-        with metrics_iter_col:
-            st.markdown("### Métricas Iteración")
-            if st.session_state.show_iter and 'iter_metrics' in st.session_state:
-                display_metrics_and_suggestions(
-                    st.session_state.iter_metrics,
-                    text_type,
-                    title="Iteración",
-                    show_suggestions=True  # Aquí sí mostramos sugerencias de mejora
-                )
+        # --- [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)
 
     except Exception as e:
         logger.error(f"Error en interfaz: {str(e)}")
@@ -210,6 +214,44 @@ 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):
     """
     Muestra los resultados del análisis: métricas verticalmente y gráfico radar.