README.md

---
license: cc-by-nc-4.0
language:
- pt
tags:
- legal
- nlp
- brazilian-portuguese
- judicial-analysis
- structured-data
configs:
- config_name: processos
  data_files: data/processos.json
- config_name: manifestacoes
  data_files: data/manifestacoes.json
- config_name: atos_resultantes
  data_files: data/atos_resultantes.json
- config_name: objetivos
  data_files: data/objetivos.json
- config_name: gatilhos_preteritos
  data_files: data/gatilhos_preteritos.json
- config_name: gatilhos_evocativos
  data_files: data/gatilhos_evocativos.json
- config_name: dispositivos_legais
  data_files: data/dispositivos_legais.json
- config_name: jurisprudencias
  data_files: data/jurisprudencias.json
- config_name: principios
  data_files: data/principios.json
- config_name: provas
  data_files: data/provas.json
- config_name: argumentos
  data_files: data/argumentos.json
- config_name: correcoes
  data_files: data/correcoes.json
- config_name: omissoes
  data_files: data/omissoes.json
- config_name: arquetipos
  data_files: data/arquetipos.json
- config_name: tags
  data_files: data/tags.json
- config_name: temas
  data_files: data/temas.json
- config_name: manifestacao_tipos
  data_files: data/manifestacao_tipos.json
- config_name: agentes
  data_files: data/agentes.json
- config_name: atos
  data_files: data/atos.json
- config_name: historicos
  data_files: data/historicos.json
- config_name: magistrados
  data_files: data/magistrados.json
---

# PARA_ai Dataset

## Visão Geral do Dataset

**PARA_ai** é um dataset pioneiro e de larga escala, projetado para catalisar a pesquisa e o desenvolvimento de Inteligência Artificial no domínio jurídico brasileiro. Sua arquitetura vai além do simples armazenamento de textos de acórdãos; ele se propõe a ser um **ecossistema de conhecimento estruturado**, onde cada manifestação processual é decomposta em seus componentes lógicos, estratégicos e semânticos.

O objetivo deste projeto é transformar a análise jurídica de uma tarefa de interpretação de texto não-estruturado para uma ciência de dados, permitindo a descoberta de padrões, a análise de tendências e a construção de modelos preditivos com uma profundidade e explicabilidade sem precedentes.

A base do dataset será composta por milhões de acórdãos extraídos do Tribunal de Justiça do Paraná (TJPR) e, futuramente, de outras cortes, processados e enriquecidos segundo o esquema de dados detalhado neste repositório.

## Filosofia de Design

A arquitetura do PARA_ai foi construída sobre três pilares fundamentais:

1.  **Contexto Individualizado vs. Conhecimento Abstrato:** O sistema separa claramente o **contexto** de uma manifestação (armazenado na tabela `manifestacoes`) do **conhecimento** genérico (armazenado em tabelas de conhecimento como `objetivos`, `gatilhos_evocativos`, etc.). As conexões são feitas através de "tags semânticas" (arrays de IDs), criando uma estrutura de dados rica e interligada.

2.  **Análise Dialética:** Quase todas as entidades de conhecimento são modeladas com uma visão dialética, contendo campos `resumo_positivo` e `resumo_negativo`. Isso força a captura não apenas da tese, mas também de sua antítese, seus pontos de falha e suas condições de contorno, gerando um dataset muito mais robusto para análises estratégicas.

3.  **Rumo à IA Explicável (XAI):** O objetivo final é permitir a criação de modelos que não apenas prevejam resultados, mas que possam **explicar seu raciocínio** com base em uma cadeia de validações lógicas, inspiradas na ideia de uma "Impressão Digital Lógica" ou "Neuro-Simbólica" de cada decisão.

## Estrutura do Dataset e Manual de Instruções

Este repositório contém os **esquemas de dados** que definem a estrutura do dataset. Os arquivos `.json` na pasta `data/` descrevem os campos e tipos de dados de cada tabela. Abaixo está o manual que descreve o propósito e as conexões lógicas de cada componente do sistema.

### 1. Entidades Principais
*O coração do sistema. Armazenam os dados concretos e eventos do universo jurídico.*
```json
{
  "tabelas": [
    {
      "nome_tabela": "processos",
      "proposito": "Tabela primária. Cada registro representa um processo judicial único, servindo como o contêiner principal para todos os outros dados relacionados a um caso.",
      "conexoes": "Conecta-se a 'historicos' (relação 1:1) e a 'magistrados'. O campo 'processos_vinculados' (array<int>) aponta para outros registros nesta mesma tabela, criando uma rede de casos relacionados (recursos, execuções, etc.)."
    },
    {
      "nome_tabela": "manifestacoes",
      "proposito": "Tabela de eventos. Cada registro é uma movimentação única (petição, decisão, etc.) dentro de um processo. Este é o registro mais rico, contendo o contexto individualizado, a análise detalhada e as 'tags semânticas' que conectam o evento aos conceitos abstratos.",
      "conexoes": "Conecta-se a um único 'processos' (relação N:1). Seus múltiplos campos de 'array<int>' (ex: 'objetivo_principal', 'gatilhos_evocativos') funcionam como ponteiros, ligando o contexto desta manifestação aos conceitos genéricos nas tabelas de conhecimento."
    },
    {
      "nome_tabela": "atos_resultantes",
      "proposito": "Funciona como um índice de busca otimizado para todos os atos imperativos (pedidos, decisões, ordens). Cada registro é um ato específico gerado por uma manifestação, permitindo buscas semânticas rápidas por 'o que foi pedido/decidido'.",
      "conexoes": "Cada registro liga-se de volta a uma 'manifestacoes' através do campo 'manifestacao_id', estabelecendo a origem de cada ato."
    }
  ]
}
```

### 2. Entidades de Agregação e Análise
*Tabelas que consolidam e analisam dados de múltiplas fontes para fornecer insights de alto nível.*
```json
{
  "tabelas": [
    {
      "nome_tabela": "historicos",
      "proposito": "Fornece a 'visão do helicóptero' de um processo. Em vez de ler dezenas de manifestações, este registro único oferece um resumo executivo, a fase atual e uma análise estratégica dos possíveis desfechos.",
      "conexoes": "Ligado a um único 'processos' (1:1). Agrega informações e aponta para múltiplas 'manifestacoes' e 'provas' relevantes."
    },
    {
      "nome_tabela": "magistrados",
      "proposito": "Cria um perfil analítico para cada julgador. Cataloga suas tendências decisórias, temas recorrentes, estilo de fundamentação e vieses estatísticos, permitindo uma análise preditiva mais refinada.",
      "conexoes": "É referenciado pela tabela 'processos'. Seus arrays de IDs ('manifestacoes_deferidas', etc.) apontam para registros específicos em 'manifestacoes'."
    }
  ]
}
```

### 3. Bases de Conhecimento
*O 'cérebro' do sistema. Contêm as definições abstratas, reutilizáveis e dialéticas (positivo/negativo) dos conceitos jurídicos.*
```json
{
  "descricao": "Essas tabelas geralmente não se conectam entre si. Elas são o 'alvo' dos campos de 'array<int>' da tabela 'manifestacoes', que as usa como um vocabulário para se 'etiquetar' semanticamente.",
  "tabelas": [
    { "nome_tabela": "objetivos", "proposito": "Dicionário de 'intenções'. Cataloga o 'para quê' de cada ato processual." },
    { "nome_tabela": "gatilhos_preteritos", "proposito": "Dicionário de 'causas'. Cataloga os eventos de fluxo processual que motivam uma manifestação." },
    { "nome_tabela": "gatilhos_evocativos", "proposito": "Dicionário de 'teses'. Cataloga as linhas de raciocínio e padrões lógicos." },
    { "nome_tabela": "dispositivos_legais", "proposito": "Biblioteca de normas. Cataloga os artigos de lei." },
    { "nome_tabela": "jurisprudencias", "proposito": "Arquivo de precedentes. Cataloga julgados e suas teses." },
    { "nome_tabela": "principios", "proposito": "Compêndio de princípios do direito." },
    { "nome_tabela": "provas", "proposito": "Inventário de evidências, com sua análise de força e fraqueza." },
    { "nome_tabela": "argumentos", "proposito": "Arsenal de argumentos e suas refutações." },
    { "nome_tabela": "correcoes", "proposito": "Base de conhecimento sobre 'erros e acertos' processuais." },
    { "nome_tabela": "omissoes", "proposito": "Catálogo de 'deveres não cumpridos' e suas consequências." },
    { "nome_tabela": "arquetipos", "proposito": "Dicionário de 'papéis' e padrões de comportamento." }
  ]
}
```

### 4. Tabelas Auxiliares (Etiquetas)
*Listas de opções (enums) para garantir a padronização e consistência da classificação.*
```json
{
  "descricao": "São as tabelas de referência mais básicas, apontadas por campos de ID ('int') em tabelas mais complexas para classificação.",
  "tabelas": [
    { "nome_tabela": "tags", "proposito": "Lista de hashtags para classificação livre." },
    { "nome_tabela": "temas", "proposito": "Lista de assuntos e temas do direito." },
    { "nome_tabela": "manifestacao_tipos", "proposito": "Lista dos tipos de peças processuais." },
    { "nome_tabela": "agentes", "proposito": "Lista dos tipos de atores processuais." },
    { "nome_tabela": "atos", "proposito": "Lista dos tipos de atos processuais (pedidos/decisões)." }
  ]
}
```

## Casos de Uso Potenciais

Este dataset foi projetado para habilitar uma nova geração de aplicações de IA Jurídica (Legal Tech), incluindo:

-   **Busca Semântica Avançada:** Encontrar não apenas documentos com palavras-chave, mas processos com **trajetórias estratégicas similares**.
-   **Análise Preditiva de Desfechos:** Prever a probabilidade de sucesso de uma ação com base em milhões de casos anteriores, considerando o perfil do magistrado e as teses evocadas.
-   **Assistentes de Peticionamento (RAG):** Construir sistemas que recomendam os argumentos, jurisprudências e provas mais eficazes para um caso específico, com base em padrões de sucesso comprovados.
-   **Jurimetria e Análise de Tendências:** Medir matematicamente a convergência ou divergência de teses em um tribunal, identificando mudanças de entendimento em tempo real.

## Como Usar

No momento, este repositório serve como a documentação do esquema de dados. Para carregar e inspecionar um esquema específico (ex: `agentes`):

```python
from datasets import load_dataset

# Para carregar o esquema da tabela 'agentes'
ds = load_dataset("caarleexx/PARA_ai", name="agentes")

# A estrutura do dataset conterá o esquema
print(ds['train'][0])
```

## Citação

Se você usar este dataset ou sua arquitetura em sua pesquisa, por favor, cite-o. (Formato de citação a ser adicionado quando o dataset for populado e/ou um paper for publicado).