app.py

import gradio as gr
from sentence_transformers import SentenceTransformer
from sklearn.metrics.pairwise import cosine_similarity
import numpy as np

# Inicializar o modelo
model = SentenceTransformer('sentence-transformers/all-MiniLM-L6-v2')

# Base de conhecimento DISC para o modelo
perfis_base = {
    'D': '''
    Perfil Dominância (D) é caracterizado por ser direto, decisivo, orientado a resultados.
    Pessoas com alto D são determinadas, competitivas, assertivas e gostam de desafios.
    Tendem a ser líderes naturais, focados em objetivos e rápidos na tomada de decisão.
    Trabalham bem sob pressão e buscam autoridade e responsabilidade.
    ''',
    
    'I': '''
    Perfil Influência (I) é caracterizado por ser comunicativo, entusiasta e sociável.
    Pessoas com alto I são otimistas, expressivas, persuasivas e gostam de interagir.
    Tendem a ser carismáticas, motivadoras e habilidosas em networking.
    Trabalham bem em equipe e são orientadas para pessoas e relacionamentos.
    ''',
    
    'S': '''
    Perfil Estabilidade (S) é caracterizado por ser paciente, consistente e cooperativo.
    Pessoas com alto S são confiáveis, leais, bons ouvintes e prestativas.
    Tendem a ser excelentes em suporte, mediação e manutenção da harmonia.
    Trabalham bem em ambientes estáveis e valorizam relacionamentos duradouros.
    ''',
    
    'C': '''
    Perfil Conformidade (C) é caracterizado por ser analítico, preciso e sistemático.
    Pessoas com alto C são detalhistas, organizadas e focadas em qualidade.
    Tendem a ser especialistas, metódicas e orientadas por dados e processos.
    Trabalham bem com regras e procedimentos, valorizando a precisão.
    '''
}

# 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")
        ]
    },
    {
        "pergunta": "Ao lidar com mudanças, eu:",
        "opcoes": [
            ("D", "Abraço a mudança e lidero a implementação"),
            ("I", "Entusiasmo os outros sobre as novas possibilidades"),
            ("S", "Adapto-me gradualmente seguindo o processo"),
            ("C", "Analiso os impactos antes de aceitar")
        ]
    },
    {
        "pergunta": "Sob pressão, eu tendo a:",
        "opcoes": [
            ("D", "Tornar-me mais direto e exigente"),
            ("I", "Falar mais e buscar apoio dos outros"),
            ("S", "Buscar estabilidade e manter a calma"),
            ("C", "Focar em detalhes e procedimentos")
        ]
    }
]

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:
        percentuais = {k: (v/total) * 100 for k, v in contagem.items()}
    else:
        percentuais = {k: 0 for k in contagem.keys()}
    
    return percentuais

def gerar_paragrafo_modelo(perfil, percentual, contexto):
    # Criar texto base para o modelo analisar
    texto_base = f"{perfis_base[perfil]} Intensidade: {percentual:.1f}%. Contexto: {contexto}"
    
    # Gerar embedding do texto base
    embedding_base = model.encode([texto_base])[0]
    
    # Templates para cada contexto
    templates = {
        "visao_geral": [
            "Este perfil demonstra forte orientação para [ASPECTO], com ênfase em [CARACTERÍSTICA].",
            "A análise indica uma tendência natural para [ASPECTO], destacando-se em [CARACTERÍSTICA].",
            "O comportamento predominante revela foco em [ASPECTO], com notável [CARACTERÍSTICA]."
        ],
        "pontos_fortes": [
            "Seus pontos fortes incluem [ASPECTOS], sendo particularmente efetivo em [SITUAÇÃO].",
            "Destaca-se principalmente por [ASPECTOS], com excelente capacidade para [SITUAÇÃO].",
            "Suas principais competências envolvem [ASPECTOS], sendo muito eficaz em [SITUAÇÃO]."
        ],
        "recomendacoes": [
            "Para desenvolvimento, pode focar em [ASPECTOS], buscando equilibrar [CARACTERÍSTICA].",
            "As oportunidades de crescimento incluem [ASPECTOS], visando aprimorar [CARACTERÍSTICA].",
            "O caminho de desenvolvimento sugere atenção a [ASPECTOS], para fortalecer [CARACTERÍSTICA]."
        ]
    }
    
    # Selecionar template mais apropriado baseado na similaridade
    melhor_template = max(templates[contexto],
                         key=lambda t: cosine_similarity([embedding_base],
                                                       [model.encode([t])[0]])[0][0])
    
    return melhor_template.replace("[ASPECTO]", 
                                 get_aspecto_principal(perfil, contexto)
                                ).replace("[CARACTERÍSTICA]",
                                        get_caracteristica_principal(perfil, contexto)
                                ).replace("[ASPECTOS]",
                                        get_aspectos(perfil, contexto)
                                ).replace("[SITUAÇÃO]",
                                        get_situacao(perfil, contexto))

def get_aspecto_principal(perfil, contexto):
    aspectos = {
        'D': {
            'visao_geral': "resultados e ação",
            'pontos_fortes': "liderança e decisão",
            'recomendacoes': "relacionamentos interpessoais"
        },
        'I': {
            'visao_geral': "comunicação e influência",
            'pontos_fortes': "persuasão e entusiasmo",
            'recomendacoes': "organização e foco"
        },
        'S': {
            'visao_geral': "estabilidade e cooperação",
            'pontos_fortes': "suporte e consistência",
            'recomendacoes': "adaptabilidade e assertividade"
        },
        'C': {
            'visao_geral': "análise e precisão",
            'pontos_fortes': "qualidade e processos",
            'recomendacoes': "flexibilidade e velocidade"
        }
    }
    return aspectos[perfil][contexto]

def get_caracteristica_principal(perfil, contexto):
    caracteristicas = {
        'D': {
            'visao_geral': "determinação e competitividade",
            'pontos_fortes': "tomada rápida de decisão",
            'recomendacoes': "desenvolvimento de empatia"
        },
        'I': {
            'visao_geral': "sociabilidade e otimismo",
            'pontos_fortes': "networking e motivação",
            'recomendacoes': "gestão de tempo"
        },
        'S': {
            'visao_geral': "confiabilidade e paciência",
            'pontos_fortes': "trabalho em equipe",
            'recomendacoes': "gestão de mudanças"
        },
        'C': {
            'visao_geral': "organização e metodologia",
            'pontos_fortes': "atenção aos detalhes",
            'recomendacoes': "tomada de decisão rápida"
        }
    }
    return caracteristicas[perfil][contexto]

def get_aspectos(perfil, contexto):
    aspectos = {
        'D': {
            'visao_geral': "liderança, competitividade e iniciativa",
            'pontos_fortes': "direcionamento, foco em resultados e autonomia",
            'recomendacoes': "escuta ativa, paciência e colaboração"
        },
        'I': {
            'visao_geral': "comunicação, entusiasmo e sociabilidade",
            'pontos_fortes': "persuasão, networking e criatividade",
            'recomendacoes': "organização, foco e conclusão de tarefas"
        },
        'S': {
            'visao_geral': "estabilidade, cooperação e harmonia",
            'pontos_fortes': "consistência, lealdade e suporte",
            'recomendacoes': "proatividade, assertividade e adaptabilidade"
        },
        'C': {
            'visao_geral': "análise, precisão e qualidade",
            'pontos_fortes': "organização, planejamento e controle",
            'recomendacoes': "flexibilidade, agilidade e relacionamentos"
        }
    }
    return aspectos[perfil][contexto]

def get_situacao(perfil, contexto):
    situacoes = {
        'D': {
            'visao_geral': "ambientes desafiadores",
            'pontos_fortes': "situações que exigem decisões rápidas",
            'recomendacoes': "trabalho em equipe colaborativo"
        },
        'I': {
            'visao_geral': "ambientes sociais",
            'pontos_fortes': "situações que exigem persuasão",
            'recomendacoes': "tarefas que exigem foco individual"
        },
        'S': {
            'visao_geral': "ambientes estáveis",
            'pontos_fortes': "situações que exigem cooperação",
            'recomendacoes': "ambientes de mudança constante"
        },
        'C': {
            'visao_geral': "ambientes estruturados",
            'pontos_fortes': "situações que exigem precisão",
            'recomendacoes': "decisões sob pressão"
        }
    }
    return situacoes[perfil][contexto]

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]
    
    # Gerar três parágrafos usando o modelo
    p1 = gerar_paragrafo_modelo(perfil_dominante, perfis_ordenados[perfil_dominante], "visao_geral")
    p2 = gerar_paragrafo_modelo(perfil_dominante, perfis_ordenados[perfil_dominante], "pontos_fortes")
    p3 = gerar_paragrafo_modelo(perfil_dominante, perfis_ordenados[perfil_dominante], "recomendacoes")
    
    # Combinar parágrafos com dados quantitativos
    relatorio = f"""Análise de Perfil DISC

{p1}
Distribuição quantitativa: {', '.join([f'{k}: {v:.1f}%' for k, v in perfis_ordenados.items()])}

{p2}
Este perfil representa {perfis_ordenados[perfil_dominante]:.1f}% das suas respostas.

{p3}
"""
    
    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="Análise de Perfil 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 de Perfil DISC", 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()