app.py

import requests
import json
from transformers import pipeline

# 1) Lista completa das perguntas
questions = [
    {
        "id": 1,
        "question": "1.1 - Unidade do CEU:",
        "type": "radio",
        "options": [
            "CEU itapoã",
            "CEU Recanto",
            "CEU QNR 02",
            "CEU QMN 28",
            "CEU QNN 13",
            "Outro"
        ],
        "otherOption": True,
        "section": "1. Informações Gerais",
        "allowComment": False
    },
    {
        "id": 2,
        "question": "1.2 - Categoria de Participante:",
        "type": "radio",
        "options": [
            "Aluno(a)",
            "Pai/Mãe/Responsável",
            "Professor(a)",
            "Gestor(a)",
            "Monitor(a)",
            "Outro"
        ],
        "otherOption": True,
        "section": "1. Informações Gerais",
        "allowComment": False,
        "interpretation": "A pergunta identifica qual o tipo de envolvimento do participante com o CEU..."
    },
    {
        "id": 3,
        "question": "2.1 - Como você avalia a infraestrutura da unidade do CEU que frequenta?",
        "type": "radio",
        "options": ["Excelente", "Boa", "Regular", "Ruim", "Muito Ruim"],
        "section": "2. Avaliação Geral",
        "allowComment": True,
        "interpretation": "A maioria dos alunos avalia a infraestrutura como boa ou excelente..."
    },
    {
        "id": 4,
        "question": "2.3 - Como você avalia os programas e atividades oferecidos?",
        "type": "radio",
        "options": ["Excelente", "Boa", "Regular", "Ruim", "Muito Ruim"],
        "section": "2. Avaliação Geral",
        "allowComment": True,
        "interpretation": "Os programas e atividades oferecidos são amplamente bem avaliados..."
    },
    {
        "id": 5,
        "question": "2.4 - Os horários das atividades atendem às suas necessidades?",
        "type": "radio",
        "options": ["Sim", "Parcialmente", "Não"],
        "section": "2. Avaliação Geral",
        "allowComment": True,
        "interpretation": "Horários adequados facilitam a participação..."
    },
    {
        "id": 6,
        "question": "2.5 - Você sente que sua participação nas atividades contribui para seu desenvolvimento pessoal/profissional?",
        "type": "radio",
        "options": ["Sim", "Parcialmente", "Não"],
        "section": "2. Avaliação Geral",
        "allowComment": True,
        "interpretation": "A percepção de ganho pessoal/profissional é um indicador..."
    },
    {
        "id": 7,
        "question": "3.1 - Como você avalia o atendimento da equipe do CEU (monitores, professores, gestores)?",
        "type": "radio",
        "options": ["Excelente", "Boa", "Regular", "Ruim", "Muito Ruim"],
        "section": "3. Atendimento e Qualidade do Serviço",
        "allowComment": True,
        "interpretation": "O atendimento da equipe é crucial para a satisfação..."
    },
    {
        "id": 8,
        "question": "3.2 - Você sente que a equipe do CEU está disponível e pronta para ajudar quando necessário?",
        "type": "radio",
        "options": ["Sempre", "Na maioria das vezes", "Às vezes", "Raramente", "Nunca"],
        "section": "3. Atendimento e Qualidade do Serviço",
        "allowComment": True,
        "interpretation": "Disponibilidade e prontidão da equipe refletem diretamente no bem-estar..."
    },
    {
        "id": 9,
        "question": "3.3 - Como você avalia a comunicação da unidade (informação sobre eventos, mudanças, etc.)?",
        "type": "radio",
        "options": ["Excelente", "Boa", "Regular", "Ruim", "Muito Ruim"],
        "section": "3. Atendimento e Qualidade do Serviço",
        "allowComment": True,
        "interpretation": "Uma boa comunicação é essencial para engajamento..."
    },
    {
        "id": 10,
        "question": "4.1 - As atividades do CEU têm impacto positivo na sua vida ou na de seus filhos?",
        "type": "radio",
        "options": ["Sim", "Parcialmente", "Não"],
        "section": "4. Impacto e Satisfação Pessoal",
        "allowComment": True,
        "interpretation": "Medir o impacto positivo demonstra o valor social do CEU..."
    },
    {
        "id": 11,
        "question": "4.2 - Você indicaria o CEU para amigos ou familiares?",
        "type": "radio",
        "options": ["Sim", "Talvez", "Não"],
        "section": "4. Impacto e Satisfação Pessoal",
        "allowComment": True,
        "interpretation": "O indicador de recomendação sugere grau de satisfação..."
    },
    {
        "id": 12,
        "question": "5.1 - Há algo que você gostaria de ver melhorado no CEU?",
        "type": "radio",
        "options": ["Sim", "Não"],
        "section": "5. Sugestões e Melhorias",
        "allowComment": True,
        "interpretation": "Esta pergunta abre espaço para melhorias pontuais e específicas..."
    },
    {
        "id": 13,
        "question": "5.2 - Que tipo de novas atividades ou programas você gostaria de ver no CEU?",
        "type": "radio",
        "options": ["Sim", "Não"],
        "section": "5. Sugestões e Melhorias",
        "allowComment": True,
        "interpretation": "Novas atividades ou programas expandem a atratividade do CEU..."
    },
    {
        "id": 14,
        "question": "5.3 - Há algum outro comentário ou sugestão que gostaria de compartilhar?",
        "type": "radio",
        "options": ["Sim", "Não"],
        "section": "5. Sugestões e Melhorias",
        "allowComment": True,
        "interpretation": "Um espaço aberto para o participante expressar livremente..."
    }
]

# Mapeia id da pergunta => texto
questions_map = {q["id"]: q["question"] for q in questions}

# URL da API
url = "https://proced.datasavvy.com.br/api/responses"

# Consome a API
response = requests.get(url)
if response.status_code == 200:
    data = response.json()
else:
    print("Erro ao acessar a API:", response.status_code)
    exit()

# Montar lista de associações
associacoes = []
for registro in data:
    if "answers" in registro and "comments" in registro:
        for pergunta_id_str, resposta in registro["answers"].items():
            try:
                pergunta_id = int(pergunta_id_str)
            except ValueError:
                pergunta_id = None
            
            comentario = registro["comments"].get(pergunta_id_str, None)
            
            # Aqui, ao invés de "studentId": registro["studentId"]
            # Usamos o token que está em registro["student_info"]["token"]
            associacoes.append({
                "studentId": registro["student_info"]["token"],  # <== Mudança aqui
                "perguntaId": pergunta_id_str,
                "perguntaTexto": questions_map.get(pergunta_id, f"Pergunta {pergunta_id_str}"),
                "resposta": resposta,
                "comentario": comentario
            })

# Inicializar o pipeline de Zero-Shot Classification
classifier = pipeline(
    task="zero-shot-classification",
    model="joeddav/xlm-roberta-large-xnli"  # modelo multilíngue PT
)

candidate_labels = [
    "sugestões de melhoria",
    "elogios",
    "reclamações",
    "solicitações de serviços ou infraestrutura"
]

classified_comments = []
for registro in data:
    if "comments" not in registro or "answers" not in registro:
        continue
    
    for question_id_str, comment in registro["comments"].items():
        if not comment or not comment.strip():
            continue
        
        answer = registro["answers"].get(question_id_str, "Sem resposta")
        
        try:
            q_id = int(question_id_str)
        except ValueError:
            q_id = None
        
        question_text = questions_map.get(q_id, f"Pergunta {question_id_str}")
        
        text_for_model = f"Pergunta: {question_text}. Comentário: {comment}"
        
        classification_result = classifier(
            text_for_model,
            candidate_labels,
            multi_label=False
        )

        best_label = classification_result["labels"][0]
        best_score = classification_result["scores"][0]

        # Aqui também
        classified_comments.append({
            "studentId": registro["student_info"]["token"],  # <== Mudança aqui
            "questionId": question_id_str,
            "questionText": question_text,
            "answer": answer,
            "comment": comment,
            "classification": best_label,
            "confidence": best_score
        })

# Salvar resultados em JSON
with open("associacoes.json", "w", encoding="utf-8") as assoc_file:
    json.dump(associacoes, assoc_file, indent=4, ensure_ascii=False)
    print("Arquivo 'associacoes.json' criado com sucesso!")

with open("classified_comments.json", "w", encoding="utf-8") as classified_file:
    json.dump(classified_comments, classified_file, indent=4, ensure_ascii=False)
    print("Arquivo 'classified_comments.json' criado com sucesso!")

# Mostra uma amostra
print("\n--- Associações (amostra) ---")
for assoc in associacoes[:5]:
    print(assoc)

print("\n--- Classificações (amostra) ---")
for classified in classified_comments[:5]:
    print(classified)