Dikemetria

_{O nome vem de Diké. Por quê?}

Jurimetria aberta: medir padrões em decisões judiciais públicas e publicar os resultados para pesquisa.

Diké, filha de Têmis, é a justiça dos julgamentos humanos; a jurimetria mede esses julgamentos. Dikemetria é a medida de como se julga: como os tribunais decidem determinadas matérias, com que vocabulário e com que fundamentos, publicada de forma aberta, reprodutível e auditável, sem pôr peso em nenhum dos pratos.

Estágio: protótipo funcional. O pacote coleta metadados (DataJud) e decisões (DJEN) dos 91 tribunais cobertos pelas fontes nacionais, pseudonimiza, classifica o resultado e gera um relatório agregado. A coleta em escala e a validação manual da classificação dependem de financiamento.

---

Dados pessoais e LGPD

Decisões judiciais são públicas (CF, art. 93, IX), mas trazem dados pessoais: nomes das partes, endereços, documentos, às vezes informações de saúde ou de família. Publicidade do ato não autoriza qualquer reuso. O projeto adota, desde a coleta, as seguintes regras:

1. Só decisões públicas. Nada que tramite em segredo de justiça, mesmo que o texto tenha vazado ou esteja acessível por erro.
2. Finalidade declarada. O tratamento serve à pesquisa sobre o funcionamento do Judiciário, nos termos do art. 7º, § 3º, da LGPD: respeitando a finalidade, a boa-fé e o interesse público que justificaram a publicação original.
3. Minimização. Nomes de pessoas naturais, CPFs, endereços e números que identifiquem partes são removidos ou substituídos por marcadores antes de qualquer análise. O texto integral com dados pessoais não é redistribuído.
4. Publica-se o agregado. O que sai do projeto são estatísticas, padrões e textos pseudonimizados, nunca perfis de pessoas.
5. Sem ranking de magistrados. O projeto não produz perfis nem classificações de juízes individualmente identificados.
6. Dados sensíveis. Decisões que tratem de saúde, orientação sexual, convicção religiosa ou dados de crianças e adolescentes recebem tratamento reforçado ou ficam de fora do corpus publicado.
7. Canal de correção. Qualquer pessoa que se reconheça num dado publicado pode pedir revisão ou remoção por issue ou e-mail.

O que ele faz e o que não faz

Faz. Mede: frequência de resultados por matéria, vocabulário e fundamentos recorrentes, dispositivos legais citados, evolução ao longo do tempo.

Não faz. Não recomenda estratégia processual, não estima a chance de sucesso de uma ação concreta e não substitui a análise de um advogado. Medir como um tribunal decidiu não é aconselhar quem litiga. Nada aqui constitui consultoria ou assessoria jurídica.

O que já existe

Módulo	Etapa
dikemetria/coleta/datajud.py	metadados e movimentos de 91 tribunais pela API Pública do DataJud (CNJ)
dikemetria/coleta/djen.py	texto de sentenças e acórdãos publicados no Diário de Justiça Eletrônico Nacional
dikemetria/coleta/arquivos.py	decisões em PDF, DOCX, TXT ou HTML guardadas localmente
dikemetria/pseudonimizacao.py	remove nomes de pessoas naturais, CPF, RG, endereços, OAB, contas e contatos
dikemetria/politica.py	regras de LGPD: exclui segredo de justiça e marca matérias sensíveis
dikemetria/estrutura.py	separa relatório, fundamentação e dispositivo
dikemetria/avaliacao.py	avalia o dispositivo por capítulos: ação, reconvenção, recurso, embargos; motivo e confiança
dikemetria/valores.py	valores da condenação por categoria, honorários, repetição, juros e correção
dikemetria/resultado.py	rótulos de resultado e leitura dos movimentos da TPU
dikemetria/consolidacao.py	uma decisão por processo e instância, unindo texto e movimentos
dikemetria/referencias.py	artigos, leis, súmulas, temas e número CNJ, normalizados
dikemetria/jurimetria.py	taxas com IC de Wilson, taxa nacional, reforma em 2º grau, valores, tempos, normas e vocabulário
dikemetria/relatorio.py	relatório HTML, tabelas CSV e dicionário de dados
dikemetria/validacao.py	amostra para rotulagem manual e medida de acerto da classificação

As regras de avaliação das decisões e de cálculo das medidas estão em docs/REGRAS.md, com o conjunto-referência de dispositivos que as testa em tests/dados/dispositivos.csv.

Toda coleta registra a proveniência de cada resposta (URL, parâmetros, data e hash) e é retomável: se cair, a próxima execução continua do ponto em que parou. O banco local guarda só texto pseudonimizado e o hash do original. Nenhuma tabela agrega por órgão julgador ou magistrado, e grupos com menos de 10 casos não são publicados.

Como usar

Requer Python 3.11 ou superior.

pip install -e ".[dev]"

# Uma decisão
dikemetria analisar decisao.pdf --json analise.json --svg palavras.svg

# Um recorte em todos os tribunais (veja recortes/exemplo.toml)
dikemetria tribunais                                   # os 91 tribunais cobertos
dikemetria estimar recortes/exemplo.toml               # quantos processos há em cada um
dikemetria coletar recortes/exemplo.toml --fonte datajud
dikemetria coletar recortes/exemplo.toml --fonte djen
dikemetria coletar --fonte arquivos --pasta minhas_decisoes/

# Validação da classificação
dikemetria amostra --n 200 --saida amostra.csv         # preencha a coluna resultado_manual
dikemetria validar amostra.csv

# Relatório público
dikemetria relatorio --recorte recortes/exemplo.toml --saida saida/

Antes de uma coleta grande, dikemetria sondar --fonte datajud e dikemetria sondar --fonte djen mostram os campos atuais de cada API. A chave pública do DataJud é divulgada pelo CNJ e muda de tempos em tempos; se ela expirar, defina DATAJUD_API_KEY. O STF não está no DataJud.

Para o Google Colab, veja notebooks/colab.ipynb. Testes: pytest; estilo: ruff check ..

Para onde vai, com apoio

• Coleta pelo Argos: decisões capturadas com proveniência (URL, data, hash), em vez de PDFs avulsos.
• Pseudonimização com revisão humana: a automática já existe e tem testes; falta medir a taxa de nomes que escapam numa amostra real.
• Validação da classificação de resultados contra rotulagem manual, publicada com cada versão.
• Corpus por matéria, começando por um recorte pequeno e bem delimitado, com metodologia publicada.
• Resultados abertos: tabelas e relatórios versionados, citáveis, com o código que os gerou.

Apoie em GitHub Sponsors ou por PIX.

Licença

Código sob MIT. Resultados publicados sob CC BY 4.0, sem incluir textos com dados pessoais.

---

Luccas de Amorim · ORCID · Lattes