app.py

import gradio as gr
import plotly.graph_objects as go
from sentence_transformers import SentenceTransformer
import numpy as np

# Initialize the model
model = SentenceTransformer('sentence-transformers/all-MiniLM-L6-v2')

# Questionário DISC
DISC_QUESTIONS = [
    {
        "pergunta": "Em situações de trabalho em equipe, você geralmente:",
        "opcoes": [
            ("D", "Assume a liderança e toma decisões rápidas"),
            ("I", "Motiva o grupo e mantém o ambiente animado"),
            ("S", "Apoia os colegas e mantém a harmonia"),
            ("C", "Analisa detalhadamente antes de agir")
        ]
    },
    {
        "pergunta": "Quando enfrenta um desafio no trabalho, você:",
        "opcoes": [
            ("D", "Enfrenta diretamente e busca soluções imediatas"),
            ("I", "Discute com outros e busca diferentes perspectivas"),
            ("S", "Mantém a calma e segue um processo estabelecido"),
            ("C", "Pesquisa todas as informações disponíveis primeiro")
        ]
    },
    {
        "pergunta": "Em reuniões profissionais, você costuma:",
        "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")
        ]
    },
    {
        "pergunta": "Ao lidar com mudanças no ambiente de trabalho, você:",
        "opcoes": [
            ("D", "Abraça a mudança e lidera a implementação"),
            ("I", "Entusiasma os outros sobre as novas possibilidades"),
            ("S", "Adapta-se gradualmente seguindo o processo"),
            ("C", "Analisa os impactos antes de aceitar")
        ]
    },
    {
        "pergunta": "Sob pressão no trabalho, você tende a:",
        "opcoes": [
            ("D", "Tornar-se mais direto e focado em resultados"),
            ("I", "Buscar apoio e interação com a equipe"),
            ("S", "Manter a calma e seguir metodicamente"),
            ("C", "Concentrar-se em detalhes e procedimentos")
        ]
    }
]

# Base de conhecimento enriquecida para análise semântica
DISC_INSIGHTS = {
    'D': {
        'alto': [
            "Você demonstra forte capacidade de liderança e tomada de decisão",
            "Sua orientação para resultados é uma característica marcante",
            "Você tende a enfrentar desafios de forma direta e decisiva",
            "Sua assertividade pode ser um grande diferencial em momentos críticos",
            "Você naturalmente assume o controle em situações desafiadoras"
        ],
        'baixo': [
            "Você prefere uma abordagem mais colaborativa e consensual",
            "Sua tendência é buscar harmonia nas relações profissionais",
            "Você demonstra cuidado ao tomar decisões importantes",
            "Sua abordagem mais ponderada favorece o trabalho em equipe",
            "Você valoriza a construção de consenso nas decisões"
        ]
    },
    'I': {
        'alto': [
            "Seu entusiasmo e otimismo são características marcantes",
            "Você tem grande habilidade para inspirar e motivar pessoas",
            "Sua comunicação expressiva é um diferencial importante",
            "Você naturalmente cria conexões positivas com as pessoas",
            "Sua criatividade se destaca em situações sociais"
        ],
        'baixo': [
            "Você prefere uma comunicação mais objetiva e focada",
            "Sua abordagem analítica favorece resultados concretos",
            "Você valoriza dados e fatos em suas interações",
            "Sua comunicação tende a ser mais formal e estruturada",
            "Você prioriza eficiência sobre interações sociais"
        ]
    },
    'S': {
        'alto': [
            "Sua consistência e confiabilidade são pontos fortes",
            "Você demonstra grande habilidade para trabalho em equipe",
            "Sua paciência e capacidade de escuta são diferenciais",
            "Você contribui para a estabilidade do ambiente",
            "Sua lealdade é uma característica muito valorizada"
        ],
        'baixo': [
            "Você se adapta facilmente a mudanças e novos cenários",
            "Sua flexibilidade é um ponto forte em ambientes dinâmicos",
            "Você lida bem com múltiplas tarefas simultâneas",
            "Sua versatilidade permite rápidas adaptações",
            "Você aprecia variedade e novos desafios"
        ]
    },
    'C': {
        'alto': [
            "Sua precisão e atenção aos detalhes são notáveis",
            "Você tem forte capacidade analítica e organizacional",
            "Sua busca por qualidade é uma característica marcante",
            "Você valoriza processos bem estruturados",
            "Sua abordagem sistemática garante resultados consistentes"
        ],
        'baixo': [
            "Você demonstra flexibilidade com regras e processos",
            "Sua praticidade favorece resultados rápidos",
            "Você se adapta bem a ambientes menos estruturados",
            "Sua tolerância à ambiguidade é um diferencial",
            "Você equilibra qualidade com agilidade"
        ]
    }
}

def get_intensity_level(percentual):
    """Determina o nível de intensidade baseado no percentual."""
    if percentual >= 75:
        return "muito alto"
    elif percentual >= 60:
        return "alto"
    elif percentual >= 40:
        return "moderado"
    elif percentual >= 25:
        return "baixo"
    else:
        return "muito baixo"

def generate_semantic_insights(perfil, percentual):
    """Gera insights baseados em análise semântica."""
    nivel = "alto" if percentual >= 50 else "baixo"
    insights = DISC_INSIGHTS[perfil][nivel]
    
    # Criar embedding do perfil
    profile_embedding = model.encode(" ".join(insights))
    
    # Selecionar insights mais relevantes baseado em similaridade
    similarities = np.array([np.dot(profile_embedding, model.encode(insight)) 
                           for insight in insights])
    top_insights = [insights[i] for i in similarities.argsort()[-3:]]
    
    return top_insights

def calcular_perfil(respostas):
    """Calcula os percentuais de cada perfil DISC."""
    contagem = {'D': 0, 'I': 0, 'S': 0, 'C': 0}
    
    for resposta in respostas:
        if resposta:
            perfil = resposta.split()[0]
            contagem[perfil] += 1
    
    total = sum(contagem.values())
    if total > 0:
        percentuais = {k: (v/total) * 100 for k, v in contagem.items()}
    else:
        percentuais = {k: 0 for k in contagem.keys()}
    
    return percentuais

def create_disc_plot(percentuais):
    """Cria visualização do perfil DISC."""
    cores = {'D': '#FF4B4B', 'I': '#FFD700', 'S': '#4CAF50', 'C': '#2196F3'}
    
    fig = go.Figure(data=[
        go.Bar(
            x=list(percentuais.keys()),
            y=list(percentuais.values()),
            marker_color=[cores[k] for k in percentuais.keys()],
            text=[f'{v:.1f}%' for v in percentuais.values()],
            textposition='auto',
        )
    ])
    
    fig.update_layout(
        title='Perfil DISC',
        yaxis_range=[0, 100],
        template='plotly_white',
        height=400
    )
    return fig

def gerar_relatorio(percentuais):
    """Gera relatório detalhado com insights baseados em NLP."""
    perfis = dict(sorted(percentuais.items(), key=lambda x: x[1], reverse=True))
    principal = list(perfis.keys())[0]
    secundario = list(perfis.keys())[1]
    
    # Gerar insights semânticos
    principal_insights = generate_semantic_insights(principal, perfis[principal])
    secundario_insights = generate_semantic_insights(secundario, perfis[secundario])
    
    # Criar listas formatadas de insights
    insights_principais = "\n".join([f"• {insight}" for insight in principal_insights])
    insights_secundarios = "\n".join([f"• {insight}" for insight in secundario_insights])
    
    report = f"""# Análise de Perfil DISC

## Visão Geral
Seu perfil principal é {principal} com {perfis[principal]:.1f}% (nível {get_intensity_level(perfis[principal])})
Perfil secundário: {secundario} com {perfis[secundario]:.1f}% (nível {get_intensity_level(perfis[secundario])})

## Insights Principais
{insights_principais}

## Influências Secundárias
{insights_secundarios}

## Distribuição DISC Completa:
{', '.join([f'{k}: {v:.1f}%' for k, v in perfis.items()])}

## Observação
Este perfil representa suas tendências comportamentais naturais. 
Os comportamentos podem ser adaptados conforme o contexto e as necessidades específicas."""

    return report

import gradio as gr
import plotly.graph_objects as go
from sentence_transformers import SentenceTransformer
import numpy as np

# [Previous code remains the same until create_interface function]

def create_interface():
    """Cria interface moderna do teste."""
    with gr.Blocks() as iface:
        gr.Markdown("# 🎯 Análise de Perfil DISC")
        
        # Questões
        radios = []
        for i, q in enumerate(DISC_QUESTIONS, 1):
            gr.Markdown(f"### {i}. {q['pergunta']}")
            radio = gr.Radio(
                choices=[f"{p} - {d}" for p, d in q['opcoes']],
                label=f"Questão {i}"  # Added label for better accessibility
            )
            radios.append(radio)
        
        # Resultados
        plot = gr.Plot()
        output = gr.Markdown()
        
        # Botões
        analyze_btn = gr.Button("Analisar Perfil")
        reset_btn = gr.Button("Novo Teste")
        
        def process_results(*answers):
            # Validate if all questions are answered
            if any(answer is None for answer in answers):
                return None, "Por favor, responda todas as questões antes de analisar."
                
            perc = calcular_perfil(answers)
            return create_disc_plot(perc), gerar_relatorio(perc)
        
        def reset_form():
            return [None] * len(radios) + [None, None]
        
        # Connect the buttons to their respective functions
        analyze_btn.click(
            fn=process_results,
            inputs=radios,
            outputs=[plot, output],
            api_name="analyze"  # Added API name for better tracking
        )
        
        reset_btn.click(
            fn=reset_form,
            inputs=None,
            outputs=radios + [plot, output],
            api_name="reset"  # Added API name for better tracking
        )

    return iface

if __name__ == "__main__":
    iface = create_interface()
    iface.launch(show_error=True)  # Added show_error for better debugging