app.py

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

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

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")]}
]

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"],
          'baixo': ["Você prefere uma abordagem mais colaborativa e consensual",
                    "Sua tendência é buscar harmonia nas relações profissionais",
                    "Você demonstra cuidado ao tomar decisões importantes"]},
    '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"],
          'baixo': ["Você prefere uma comunicação mais objetiva e focada",
                    "Sua abordagem analítica favorece resultados concretos",
                    "Você valoriza dados e fatos em suas interações"]},
    '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"],
          '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"]},
    '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"],
          'baixo': ["Você demonstra flexibilidade com regras e processos",
                    "Sua praticidade favorece resultados rápidos",
                    "Você se adapta bem a ambientes menos estruturados"]}
}

def get_intensity_level(percentual):
    if percentual >= 75: return "muito alto"
    elif percentual >= 60: return "alto"
    elif percentual >= 40: return "moderado"
    elif percentual >= 25: return "baixo"
    return "muito baixo"

def generate_semantic_insights(perfil, percentual):
    nivel = "alto" if percentual >= 50 else "baixo"
    insights = DISC_INSIGHTS[perfil][nivel]
    profile_embedding = model.encode(" ".join(insights))
    similarities = np.array([np.dot(profile_embedding, model.encode(insight)) for insight in insights])
    return [insights[i] for i in similarities.argsort()[-3:]]

def calcular_perfil(respostas):
    contagem = {k: sum(1 for r in respostas if r and r.startswith(k)) for k in 'DISC'}
    total = sum(contagem.values())
    return {k: (v/total)*100 if total > 0 else 0 for k, v in contagem.items()}

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

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

# [Previous constants DISC_QUESTIONS and DISC_INSIGHTS remain the same]

def create_disc_plot(percentuais):
    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={
            'text': 'Perfil DISC',
            'y':0.95,
            'x':0.5,
            'xanchor': 'center',
            'yanchor': 'top',
            'font': {'size': 24, 'color': '#333333'}
        },
        yaxis_range=[0, 100],
        template='plotly_white',
        height=400,
        margin=dict(l=40, r=40, t=60, b=40),
        paper_bgcolor='rgba(0,0,0,0)',
        plot_bgcolor='rgba(0,0,0,0)',
        yaxis_title="Percentual (%)",
        xaxis_title="Dimensões DISC"
    )
    
    return fig
    
def gerar_relatorio(percentuais):
    perfis = dict(sorted(percentuais.items(), key=lambda x: x[1], reverse=True))
    principal, secundario = list(perfis.keys())[:2]
    insights_p = "\n".join([f"• {i}" for i in generate_semantic_insights(principal, perfis[principal])])
    insights_s = "\n".join([f"• {i}" for i in generate_semantic_insights(secundario, perfis[secundario])])
    return f"""# Análise de Perfil DISC\n\n## Visão Geral\nPerfil principal: {principal} ({perfis[principal]:.1f}% - {get_intensity_level(perfis[principal])})\nPerfil secundário: {secundario} ({perfis[secundario]:.1f}% - {get_intensity_level(perfis[secundario])})\n\n## Insights Principais\n{insights_p}\n\n## Influências Secundárias\n{insights_s}\n\n## Distribuição DISC\n{', '.join([f'{k}: {v:.1f}%' for k, v in perfis.items()])}\n\n## Observação\nEste perfil representa suas tendências comportamentais naturais."""

def process_results(*answers):
    if any(a is None for a in answers):
        gr.Warning("Por favor, responda todas as questões antes de prosseguir.")
        return None, None
    
    perfil = calcular_perfil(answers)
    plot = create_disc_plot(perfil)
    report = gerar_relatorio(perfil)
    
    return plot, report
    
import gradio as gr
import plotly.graph_objects as go
from sentence_transformers import SentenceTransformer
import numpy as np

# [Previous imports and constants remain the same]

def create_interface():
    with gr.Blocks(theme=gr.themes.Soft(
        primary_hue="blue",
        secondary_hue="purple",
        neutral_hue="slate",
        font=["Inter", "ui-sans-serif", "system-ui"]
    )) as iface:
        gr.Markdown(
            """
            # 🎯 Análise de Perfil DISC
            ### Descubra suas características comportamentais dominantes
            
            Este teste ajuda a identificar seu estilo comportamental baseado na metodologia DISC:
            - **D (Dominância)**: Foco em resultados e assertividade
            - **I (Influência)**: Foco em relacionamentos e comunicação
            - **S (Estabilidade)**: Foco em cooperação e consistência
            - **C (Conformidade)**: Foco em qualidade e precisão
            
            ---
            """)
        
        with gr.Row():
            with gr.Column(scale=2):
                radios = []
                for i, q in enumerate(DISC_QUESTIONS):
                    radio = gr.Radio(
                        choices=[f"{p} - {d}" for p, d in q['opcoes']],
                        label=f"{i+1}. {q['pergunta']}",
                        container=True,
                        scale=2
                    )
                    gr.Markdown("---")  # Separator between questions
                    radios.append(radio)
                
                with gr.Row():
                    analyze_btn = gr.Button("📊 Analisar Perfil", size="lg", variant="primary")
                    reset_btn = gr.Button("🔄 Novo Teste", size="lg", variant="secondary")

        with gr.Row():
            plot = gr.Plot(label="Gráfico de Perfil DISC")
            
        with gr.Row():
            output = gr.Markdown()
            
        def process_results(*answers):
            if any(a is None for a in answers):
                gr.Warning("Por favor, responda todas as questões antes de prosseguir.")
                return None, None
            
            perfil = calcular_perfil(answers)
            plot = create_disc_plot(perfil)
            report = gerar_relatorio(perfil)
            
            return plot, report
        
        analyze_btn.click(
            fn=process_results,
            inputs=radios,
            outputs=[plot, output],
            api_name="analyze"
        )
        
        reset_btn.click(
            fn=lambda: [None]*(len(radios)+2),
            outputs=radios+[plot, output],
            api_name="reset"
        )
        
        # Add example inputs
        gr.Examples(
            examples=[
                ["D - Assume a liderança e toma decisões rápidas",
                 "I - Discute com outros e busca diferentes perspectivas",
                 "S - Ouvir atentamente e contribuir quando solicitado",
                 "C - Analisa os impactos antes de aceitar",
                 "D - Tornar-se mais direto e focado em resultados"]
            ],
            inputs=radios,
            outputs=[plot, output],
            fn=process_results,
            label="Exemplo de Respostas"
        )

    return iface

if __name__ == "__main__":
    iface = create_interface()
    iface.launch(
        share=True,
        show_error=True,
        server_name="0.0.0.0",
        server_port=7860,
    )