File size: 6,474 Bytes
fcc1cf1 ddd5e15 d10af90 fcc1cf1 aeb33b1 ddd5e15 d10af90 aeb33b1 60d3016 aeb33b1 ddd5e15 d10af90 aeb33b1 60d3016 aeb33b1 60d3016 aeb33b1 60d3016 aeb33b1 60d3016 aeb33b1 60d3016 aeb33b1 d10af90 ddd5e15 aeb33b1 60d3016 aeb33b1 60d3016 aeb33b1 60d3016 aeb33b1 60d3016 aeb33b1 fcc1cf1 ddd5e15 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 |
import gradio as gr
from sentence_transformers import SentenceTransformer
import numpy as np
# Modelo para embeddings
model = SentenceTransformer('sentence-transformers/all-MiniLM-L6-v2')
# Questionário DISC
disc_questions = [
{
"pergunta": "Em situações de trabalho em equipe, eu geralmente:",
"opcoes": [
("D", "Assumo a liderança e tomo decisões rápidas"),
("I", "Motivo o grupo e mantenho o ambiente animado"),
("S", "Apoio os colegas e mantenho a harmonia"),
("C", "Analiso detalhadamente antes de agir")
]
},
{
"pergunta": "Quando enfrento um problema, eu:",
"opcoes": [
("D", "Enfrento diretamente e busco soluções imediatas"),
("I", "Discuto com outros e busco diferentes perspectivas"),
("S", "Mantenho a calma e sigo um processo estabelecido"),
("C", "Pesquiso todas as informações disponíveis primeiro")
]
},
{
"pergunta": "Em reuniões, eu costumo:",
"opcoes": [
("D", "Ir direto ao ponto e focar em resultados"),
("I", "Participar ativamente e compartilhar ideias"),
("S", "Ouvir atentamente e contribuir quando solicitado"),
("C", "Tomar notas e questionar os detalhes")
]
}
]
perfis_caracteristicas = {
'D': {
'pontos_fortes': [
"Capacidade de liderança",
"Foco em resultados",
"Tomada rápida de decisão",
"Assertividade",
"Iniciativa"
],
'areas_desenvolvimento': [
"Paciência com outros",
"Sensibilidade às necessidades alheias",
"Diplomacia",
"Atenção aos detalhes"
],
'ambiente_ideal': [
"Competitivo",
"Com autonomia",
"Orientado a resultados",
"Com desafios constantes"
]
},
'I': {
'pontos_fortes': [
"Comunicação",
"Entusiasmo",
"Networking",
"Criatividade",
"Persuasão"
],
'areas_desenvolvimento': [
"Organização",
"Foco",
"Conclusão de tarefas",
"Atenção aos detalhes"
],
'ambiente_ideal': [
"Social",
"Colaborativo",
"Dinâmico",
"Com reconhecimento público"
]
},
'S': {
'pontos_fortes': [
"Estabilidade",
"Confiabilidade",
"Trabalho em equipe",
"Paciência",
"Lealdade"
],
'areas_desenvolvimento': [
"Adaptação a mudanças",
"Assertividade",
"Iniciativa",
"Tomada de decisão"
],
'ambiente_ideal': [
"Estável",
"Previsível",
"Cooperativo",
"Com rotinas claras"
]
},
'C': {
'pontos_fortes': [
"Precisão",
"Análise",
"Organização",
"Qualidade",
"Planejamento"
],
'areas_desenvolvimento': [
"Flexibilidade",
"Velocidade",
"Expressão emocional",
"Tomada de risco"
],
'ambiente_ideal': [
"Estruturado",
"Com regras claras",
"Focado em qualidade",
"Com tempo para análise"
]
}
}
def calcular_perfil(respostas):
# Contar frequência de cada perfil
contagem = {'D': 0, 'I': 0, 'S': 0, 'C': 0}
for resposta in respostas:
if resposta: # Verifica se a resposta não é None
perfil = resposta.split()[0] # Pega a primeira letra (D, I, S ou C)
contagem[perfil] += 1
# Calcular porcentagens
total = sum(contagem.values())
if total > 0: # Evita divisão por zero
percentuais = {k: (v/total) * 100 for k, v in contagem.items()}
else:
percentuais = {k: 0 for k in contagem.keys()}
return percentuais
def gerar_relatorio(percentuais):
# Ordenar perfis por porcentagem
perfis_ordenados = dict(sorted(percentuais.items(), key=lambda x: x[1], reverse=True))
perfil_dominante = list(perfis_ordenados.keys())[0]
# Cabeçalho do relatório
relatorio = "RELATÓRIO DE PERFIL COMPORTAMENTAL DISC\n\n"
# Resultados percentuais
relatorio += "DISTRIBUIÇÃO DOS PERFIS:\n"
for perfil, porcentagem in perfis_ordenados.items():
relatorio += f"{perfil}: {porcentagem:.1f}%\n"
relatorio += f"\nPERFIL PREDOMINANTE: {perfil_dominante}\n\n"
# Características do perfil dominante
relatorio += "PONTOS FORTES:\n"
for ponto in perfis_caracteristicas[perfil_dominante]['pontos_fortes']:
relatorio += f"- {ponto}\n"
relatorio += "\nÁREAS DE DESENVOLVIMENTO:\n"
for area in perfis_caracteristicas[perfil_dominante]['areas_desenvolvimento']:
relatorio += f"- {area}\n"
relatorio += "\nAMBIENTE IDEAL DE TRABALHO:\n"
for caracteristica in perfis_caracteristicas[perfil_dominante]['ambiente_ideal']:
relatorio += f"- {caracteristica}\n"
return relatorio
def processar_questionario(*args):
# Recebe as respostas como argumentos individuais e converte para lista
respostas = list(args)
# Calcular percentuais
percentuais = calcular_perfil(respostas)
# Gerar relatório
relatorio = gerar_relatorio(percentuais)
return relatorio
# Interface Gradio
with gr.Blocks(title="Questionário DISC") as iface:
gr.Markdown("# Análise de Perfil Comportamental DISC")
# Lista para armazenar os componentes de rádio
radio_components = []
# Criar questões
for i, questao in enumerate(disc_questions):
gr.Markdown(f"### {questao['pergunta']}")
radio = gr.Radio(
choices=[f"{perfil} - {desc}" for perfil, desc in questao['opcoes']],
label=f"Questão {i+1}"
)
radio_components.append(radio)
# Saída
output = gr.Textbox(label="Relatório", lines=20)
# Botão
btn = gr.Button("Gerar Relatório")
# Conectar função aos componentes
btn.click(
fn=processar_questionario,
inputs=radio_components,
outputs=output
)
# Iniciar a interface
iface.launch() |