## ----setup, include = FALSE--------------------------------------------------- knitr::opts_chunk$set( collapse = TRUE, comment = "#>", eval = FALSE ) ## ----instalacao--------------------------------------------------------------- # remotes::install_github("andersonheri/acR") # install.packages("ellmer") # # # Configurar chave de API no .Renviron # usethis::edit_r_environ() # # Adicione: GROQ_API_KEY=sua_chave ## ----corpus------------------------------------------------------------------- # library(acR) # library(ellmer) # library(dplyr) # # textos <- c( # "Altera a CLT para instituir a escala 4x3, vedando a jornada 6x1.", # "Conquista histórica: votaremos favoráveis com convicção.", # "Gerará desemprego em massa nas micro e pequenas empresas.", # "Concede anistia aos condenados pelos atos de 8 de janeiro de 2023.", # "Presos políticos: votar pela anistia é votar pela democracia.", # "Anistiar quem atacou o Congresso é uma afronta à democracia.", # "Modifica a CF/88, extinguindo a estabilidade para novos servidores.", # "Modernização necessária para aumentar eficiência e reduzir custos.", # "Ataca direitos conquistados e abre espaço para perseguição política." # ) # # df <- data.frame( # id = c("plp300_ementa", "plp300_favor", "plp300_contra", # "pl2858_ementa", "pl2858_favor", "pl2858_contra", # "pec32_ementa", "pec32_favor", "pec32_contra"), # texto = textos, # tema = c("6x1", "6x1", "6x1", # "anistia", "anistia", "anistia", # "reform", "reform", "reform"), # tipo = c("ementa", "favoravel", "contrario", # "ementa", "favoravel", "contrario", # "ementa", "favoravel", "contrario"), # stringsAsFactors = FALSE # ) # # corpus <- ac_corpus(df, text = texto, docid = id) # print(corpus) ## ----codebook----------------------------------------------------------------- # codebook <- ac_qual_codebook( # name = "posicionamento_proposicoes", # instructions = paste( # "Classifique o posicionamento do texto em relação à proposição.", # "Use Populista para apelo emocional sem argumentação substantiva." # ), # categories = list( # favoravel = list(definition = "Apoio explícito à proposição com argumentação substantiva."), # contrario = list(definition = "Oposição à proposição com argumentação substantiva."), # neutro_tecnico = list(definition = "Descrição jurídica ou técnica sem valoração explícita."), # populista = list(definition = "Apelo emocional sem evidência ou argumentação técnica."), # ambiguo = list(definition = "Posicionamento contraditório ou impossível de classificar.") # ), # mode = "manual" # ) # # print(codebook) ## ----codebook-add-exemplos---------------------------------------------------- # # Recriar com exemplos explícitos para as categorias mais difíceis # codebook <- ac_qual_codebook( # name = "posicionamento_proposicoes", # instructions = paste( # "Classifique o posicionamento do texto em relação à proposição.", # "Use Populista para apelo emocional sem argumentação substantiva." # ), # categories = list( # favoravel = list( # definition = "Apoio explícito à proposição com argumentação substantiva.", # examples_pos = c("Esta reforma aumentará a produtividade e reduzirá custos."), # examples_neg = c("Votaremos com o coração pela causa do povo.") # ), # contrario = list( # definition = "Oposição à proposição com argumentação substantiva.", # examples_pos = c("Os dados mostram que esta medida aumentará o desemprego."), # examples_neg = c("Esta proposta é uma vergonha nacional.") # ), # neutro_tecnico = list( # definition = "Descrição jurídica ou técnica sem valoração explícita.", # examples_pos = c("Altera o art. 58 da CLT, estabelecendo nova escala."), # examples_neg = c("Apoiamos esta proposta de modernização.") # ), # populista = list( # definition = "Apelo emocional sem evidência ou argumentação técnica.", # examples_pos = c("Presos políticos: este é o momento da justiça!"), # examples_neg = c("Estudos mostram que a medida reduz 15% dos custos."), # weight = 1.5 # categoria mais difícil: peso maior # ), # ambiguo = list( # definition = "Posicionamento contraditório ou impossível de classificar.", # examples_pos = c("Apoio a reforma mas temo suas consequências sociais."), # weight = 1.2 # ) # ), # mode = "manual" # ) ## ----codebook-hybrid---------------------------------------------------------- # chat_obj <- chat_groq( # model = "llama-3.3-70b-versatile", # echo = "none" # ) # # codebook_enriquecido <- ac_qual_codebook_hybrid( # codebook = codebook, # chat = chat_obj, # n_refs = 2L, # lang = "pt" # ) # # # Ver definição enriquecida da categoria populista # cat(codebook_enriquecido$categories$populista$definition) # cat("\nReferências:\n") # print(codebook_enriquecido$categories$populista$references) ## ----codebook-merge----------------------------------------------------------- # codebook_retorico <- ac_qual_codebook( # name = "estilo_retorico", # instructions = "Identifique o estilo retórico dominante.", # categories = list( # pathos = list( # definition = "Apelo emocional predominante.", # examples_pos = c("Não podemos trair a esperança do povo brasileiro.") # ), # logos = list( # definition = "Apelo racional e argumentativo predominante.", # examples_pos = c("Os dados do IBGE confirmam redução de 12% no emprego.") # ) # ) # ) # # # Fundir: posicionamento + estilo retórico # codebook_completo <- ac_qual_codebook_merge( # cb1 = codebook_enriquecido, # cb2 = codebook_retorico, # name = "posicionamento_e_estilo", # on_conflict = "rename_second", # instructions = paste( # "Classifique o posicionamento e o estilo retórico do texto.", # "Use Populista para apelo emocional sem argumentação." # ) # ) ## ----codebook-prompt---------------------------------------------------------- # # Gerar system prompt para uso com ellmer # prompt <- as_prompt( # codebook_enriquecido, # reasoning = TRUE, # reasoning_length = "short" # ) # # # Inspecionar todas as modificações feitas no codebook # ac_qual_codebook_history(codebook_enriquecido) ## ----codebook-save------------------------------------------------------------ # ac_qual_save_codebook( # codebook_enriquecido, # path = "codebook_proposicoes_v1.yaml" # ) # # # Em outra sessão ou para outro pesquisador: # # codebook <- ac_qual_load_codebook("codebook_proposicoes_v1.yaml") ## ----classificar-------------------------------------------------------------- # chat_obj <- chat_groq( # model = "llama-3.3-70b-versatile", # echo = "none" # ) # # resultado <- ac_qual_code( # corpus = corpus, # codebook = codebook_enriquecido, # chat = chat_obj, # confidence = "total", # k_consistency = 3L, # reasoning = TRUE, # reasoning_length = "short" # ) ## ----validacao---------------------------------------------------------------- # # Exportar amostra priorizando casos incertos # amostra <- ac_qual_sample( # resultado, # n = 5, # strategy = "uncertainty" # ) # # ac_qual_export_for_review( # sample = amostra, # path = "revisao_proposicoes.xlsx", # corpus = corpus # ) # # # Após preenchimento da coluna categoria_humano no Excel: # humano <- ac_qual_import_human( # path = "revisao_proposicoes.xlsx", # cat_col = "categoria_humano", # id_col = "doc_id" # ) # # concordancia <- ac_qual_irr( # gold = humano, # predicted = resultado, # method = "all", # id_col = "doc_id", # cat_col = "categoria" # ) # # print(concordancia) ## ----analise------------------------------------------------------------------ # # Distribuição de categorias por tema # resultado |> # count(tema, categoria) |> # arrange(tema, desc(n)) # # # Verificar se ementas são sempre neutro_tecnico # resultado |> # filter(tipo == "ementa") |> # select(doc_id, tema, categoria, confidence_score) ## ----exportar----------------------------------------------------------------- # # CSV para análise posterior # ac_export(resultado, formato = "csv", arquivo = "proposicoes_codificadas.csv") # # # Excel para compartilhamento # ac_export(resultado, formato = "xlsx", arquivo = "proposicoes_codificadas.xlsx") # # # LaTeX para inclusão em artigo # ac_export(resultado, formato = "latex", arquivo = "proposicoes_codificadas.tex")