Spaces:
Running on Zero
Running on Zero
File size: 10,092 Bytes
f8d4986 ab4e510 f8d4986 ab4e510 f8d4986 ab4e510 f8d4986 ab4e510 f8d4986 ab4e510 f8d4986 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 | """Contrato de saída do Case Forge — anatomia de um caso de ensino + nota de ensino.
Fonte da anatomia: diretrizes GVcasos (FGV) + The Case Centre / Emerald.
Este módulo é a fonte única da verdade do formato. É usado em dois pontos:
1. Geração sintética — `CASE_SCHEMA` guia o structured output do modelo grande.
2. Gate de qualidade — `validate_case()` rejeita pares malformados antes do treino.
Sem dependências obrigatórias. Se `jsonschema` estiver instalado, faz a validação
estrutural completa do schema; sempre roda as regras de domínio (as que importam
pro gênero: dilema sem resposta vazada, ≤4 objetivos, blocos presentes).
"""
from __future__ import annotations
# ---------------------------------------------------------------------------
# JSON Schema — contrato de um par (caso + nota de ensino) para treino/geração
# ---------------------------------------------------------------------------
CASE_SCHEMA: dict = {
"$schema": "https://json-schema.org/draft/2020-12/schema",
"title": "TeachingCasePair",
"type": "object",
"required": ["language", "domain", "title", "case", "teaching_note"],
"additionalProperties": False,
"properties": {
"language": {"type": "string", "enum": ["pt", "en"]},
"domain": {"type": "string", "minLength": 2}, # ex.: "estratégia", "marketing", "gestão pública"
"title": {"type": "string", "minLength": 4},
# ---- O CASO -------------------------------------------------------
"case": {
"type": "object",
"required": [
"hook", "protagonist", "decision_point",
"context", "data", "alternatives", "closing",
],
"additionalProperties": False,
"properties": {
# Abertura: tempo, lugar, protagonista e o dilema + ponto de decisão.
"hook": {"type": "string", "minLength": 40},
# O decisor (quem o leitor "veste").
"protagonist": {"type": "string", "minLength": 2},
# A pergunta concreta que o protagonista precisa decidir.
"decision_point": {"type": "string", "minLength": 10},
# Contexto: organização, setor, atores envolvidos.
"context": {"type": "string", "minLength": 80},
# Dados/evidência: fatos objetivos, idealmente cada um com fonte.
"data": {
"type": "array",
"minItems": 3,
"items": {"type": "string", "minLength": 10},
},
# Exhibits/anexos opcionais (tabelas, quadros).
"exhibits": {
"type": "array",
"items": {
"type": "object",
"required": ["title", "content"],
"properties": {
"title": {"type": "string"},
"content": {"type": "string"},
},
},
},
# Argumentos: alternativas para cada caminho de decisão.
"alternatives": {
"type": "array",
"minItems": 2,
"items": {"type": "string", "minLength": 15},
},
# Fechamento: revisita o dilema NO ponto de decisão — sem revelar a escolha.
"closing": {"type": "string", "minLength": 30},
"references": {"type": "array", "items": {"type": "string"}},
},
},
# ---- A NOTA DE ENSINO --------------------------------------------
"teaching_note": {
"type": "object",
"required": [
"summary", "audience", "managerial_relevance",
"learning_objectives", "theoretical_anchor",
"discussion_plan", "discussion_questions", "analysis", "closure",
],
"additionalProperties": False,
"properties": {
"summary": {"type": "string", "minLength": 60},
"audience": {"type": "string", "minLength": 10}, # curso, nível, pré-requisitos
"managerial_relevance": {"type": "string", "minLength": 20},
# Objetivos de aprendizagem: ≤4, taxonomia de Bloom, mensuráveis.
"learning_objectives": {
"type": "array",
"minItems": 1,
"maxItems": 4,
"items": {"type": "string", "minLength": 8},
},
"data_sources": {"type": "string"},
"theoretical_anchor": {
"type": "array",
"minItems": 1,
"items": {"type": "string", "minLength": 3},
},
# Plano de discussão / board plan: blocos com tempo e atividade.
"discussion_plan": {
"type": "array",
"minItems": 2,
"items": {
"type": "object",
"required": ["block", "minutes"],
"properties": {
"block": {"type": "string"},
"minutes": {"type": "integer", "minimum": 1},
"activity": {"type": "string"},
},
},
},
# Questões de discussão: alinhadas aos objetivos, complexas.
"discussion_questions": {
"type": "array",
"minItems": 2,
"items": {"type": "string", "minLength": 10},
},
"analysis": {"type": "string", "minLength": 60}, # respostas esperadas
"closure": {"type": "string", "minLength": 20}, # síntese final
"epilogue": {"type": "string"}, # opcional: "o que aconteceu depois"
"bibliography": {"type": "array", "items": {"type": "string"}},
},
},
},
}
# Frases que, se aparecerem no fechamento, sugerem que a DECISÃO vazou.
# O caso deve parar no ponto de decisão — o epílogo (na nota) é o lugar do desfecho.
_DECISION_LEAK_PT = (
"decidiu", "optou por", "escolheu", "acabou ", "no fim das contas",
"ao final, ", "resolveu ", "a empresa então ",
)
_DECISION_LEAK_EN = (
"decided to", "chose to", "ended up", "in the end", "ultimately decided",
"opted to", "the company then",
)
def validate_case(obj: dict) -> tuple[bool, list[str], list[str]]:
"""Valida um par caso+nota contra o contrato.
Retorna (ok, errors, warnings). `ok` é False se houver qualquer error.
Warnings não bloqueiam, mas sinalizam risco de qualidade do gênero.
"""
errors: list[str] = []
warnings: list[str] = []
# 1) Validação estrutural completa via jsonschema, se disponível.
try:
import jsonschema # type: ignore
validator = jsonschema.Draft202012Validator(CASE_SCHEMA)
for err in sorted(validator.iter_errors(obj), key=str):
loc = "/".join(str(p) for p in err.path) or "<root>"
errors.append(f"schema[{loc}]: {err.message}")
except ModuleNotFoundError:
# Fallback mínimo: só checa presença dos blocos de topo.
for key in ("language", "domain", "title", "case", "teaching_note"):
if not obj.get(key):
errors.append(f"schema: campo obrigatório ausente/vazio: {key}")
warnings.append("jsonschema não instalado — validação estrutural parcial.")
case = obj.get("case") or {}
note = obj.get("teaching_note") or {}
# 2) Regras de domínio do gênero (o que o schema sozinho não pega).
# 2a) Dilema sem resposta vazada no fechamento do caso.
lang = obj.get("language", "pt")
closing = (case.get("closing") or "").lower()
leaks = _DECISION_LEAK_EN if lang == "en" else _DECISION_LEAK_PT
hit = next((p for p in leaks if p in closing), None)
if hit:
warnings.append(
f"fechamento pode revelar a decisão (encontrado: {hit!r}); "
"o caso deve parar no ponto de decisão — o desfecho vai no epílogo da nota."
)
# 2b) ≤4 objetivos (hard) — reforço além do schema p/ o caso sem jsonschema.
objs = note.get("learning_objectives") or []
if len(objs) > 4:
errors.append(f"nota: {len(objs)} objetivos de aprendizagem (>4).")
if not objs:
errors.append("nota: nenhum objetivo de aprendizagem.")
# 2c) Alinhamento questões ↔ objetivos (soft).
qs = note.get("discussion_questions") or []
if objs and len(qs) < len(objs):
warnings.append(
f"menos questões de discussão ({len(qs)}) que objetivos ({len(objs)}); "
"idealmente cada objetivo é coberto por ≥1 questão."
)
# 2d) Fontes FABRICADAS (soft) — o gênero NÃO deve inventar citações com
# nome de relatório/instituto/ano. Sinalizamos pra o auditor limpar. (Antes
# premiávamos "dado com fonte", o que incentivava o modelo a fabricar — invertido.)
data = case.get("data") or []
if any(_looks_fabricated_source(d) for d in data):
warnings.append(
"algum dado parece citar uma FONTE FABRICADA (ex.: 'Fonte: Relatório …, 2023'); "
"números são ilustrativos — remova citações inventadas."
)
return (len(errors) == 0, errors, warnings)
def _looks_fabricated_source(text: str) -> bool:
"""Heurística: o dado cita uma 'fonte' com cara de inventada (rótulo + ano)."""
import re
t = text.lower()
has_cite = ("fonte" in t or "source" in t or "relatório" in t or "report" in t
or "pesquisa de mercado" in t or "según" in t)
has_year = bool(re.search(r"\b(19|20)\d{2}\b", t))
return has_cite and has_year
__all__ = ["CASE_SCHEMA", "validate_case"]
|