Pacote dikemetria: coleta nacional, avaliação por capítulos e cálculo da condenação

[luccas-amorim]

Resumo

Transforma os scripts do protótipo no pacote dikemetria, com linha de comando, testes e CI, e implementa o fluxo completo: coleta nacional, pseudonimização, avaliação do resultado, cálculo e relatório público.

Estrutura e pipeline de uma decisão

• Os scripts soltos e o colab.py duplicado dão lugar ao pacote com pyproject.toml, ruff, pytest e GitHub Actions (Python 3.11 a 3.13). O notebook do Colab passa a só chamar o pacote.
• Corrige o pipeline antigo, que não rodava: o main desempacotava um dict de cinco chaves em duas variáveis; as regex de artigos tinham barras duplicadas e rodavam sobre texto já sem números; e a limpeza apagava â, ê e ô.
• Extrai citações normalizadas (artigos, leis, súmulas, temas e número CNJ com dígito verificador) e divide a decisão em relatório, fundamentação e dispositivo.

Coleta nacional (dikemetria/coleta/)

• DataJud: metadados e movimentos de 91 tribunais. DJEN: texto das decisões publicadas. Também arquivos locais.
• Registra a proveniência de cada resposta (URL, parâmetros, data e hash) e retoma de onde parou.
• Pseudonimiza o texto antes de gravar, descarta processos em segredo de justiça e marca matérias sensíveis, seguindo as regras de LGPD do README.

Regras de avaliação e de cálculo

As regras completas estão em docs/REGRAS.md.

• avaliacao.py: lê o dispositivo por capítulos, cada um com objeto (ação, reconvenção, pedido contraposto, embargos de declaração, denunciação, impugnação, recurso) e força, e agrega os resultados por regras fixas. Também:

  • trata prescrição e decadência (inclusive quando afastadas), o art. 487, II e III, e os incisos do art. 485;
  • cobre embargos à execução e à monitória, mandado de segurança e absolvição penal;
  • nos acórdãos, faz prevalecer o parágrafo ACORDAM e não lê o voto vencido.

• valores.py: extrai os valores por categoria, os honorários, a repetição em dobro, os termos iniciais e a taxa dos juros, o índice da correção e a gratuidade.

• consolidacao.py: forma uma decisão por processo e instância. Texto e movimentos são unidos, o texto prevalece e as divergências são registradas.

• jurimetria.py:

  • taxa agregada e média entre tribunais, com IC de Wilson;
  • provimento por recurso e reforma em segundo grau;
  • valores de danos morais, parâmetros de cálculo e motivos de extinção.

  Nenhuma tabela agrega por magistrado, e grupos com menos de 10 casos são suprimidos.

Relatório e validação

• Relatório HTML autocontido (modos claro e escuro, tabela em cada gráfico), CSVs, metadados e dicionário de dados sob CC BY 4.0.
• dikemetria amostra e dikemetria validar medem a classificação contra rotulagem manual.

Testes

• 181 testes, incluindo 85 dispositivos de referência em tests/dados/dispositivos.csv e acórdãos com voto vencido e relator vencido.
• ruff check, ruff format --check e pytest passam no CI.
• A coleta foi testada com respostas simuladas, porque o ambiente de desenvolvimento bloqueia o DataJud e o DJEN. Antes da primeira coleta real, rode dikemetria sondar --fonte datajud e --fonte djen.

🤖 Generated with Claude Code

https://claude.ai/code/session_01FtwcBmVRcMiFTuxjXmrmGc

---

Generated by Claude Code