Projeto

Nosso projeto visa desenvolver uma ferramenta robusta e intuitiva para coletar e analisar os sentimentos expressos nos comentários da plataforma Brasil Participativo. O objetivo principal é transformar grandes volumes de dados textuais em insights acionáveis, ajudando gestores públicos e cidadãos a compreenderem de forma mais clara e objetiva a opinião pública sobre as propostas e discussões.

Através da análise de sentimentos (positivo, neutro ou negativo), a ferramenta permitirá uma visualização acessível e dinâmica dos dados, facilitando a identificação de tendências, pontos de apoio e áreas de crítica, contribuindo assim para um processo decisório mais informado e participativo.

Tecnologias

Para garantir a eficiência e escalabilidade da nossa solução, optamos por um conjunto de tecnologias modernas e amplamente utilizadas no mercado:

• Python + Django: Utilizado no backend para a construção de uma API robusta e para a orquestração da coleta de dados e do processamento de Machine Learning. Django oferece um framework seguro e com rápido desenvolvimento.
• GraphQL: Interface de comunicação com a plataforma Brasil Participativo, permitindo uma coleta de dados eficiente e flexível, solicitando apenas o que é necessário.
• Jekyll + GitHub Pages: Escolhido para o frontend e o blog do projeto, proporcionando um site estático rápido, seguro e de fácil manutenção, hospedado gratuitamente no GitHub Pages.
• Machine Learning (Análise de Sentimentos): O sistema emprega um modelo BERT multilíngue pré-treinado e ajustado (fine-tuned) para classificação de sentimento, capaz de processar texto em vários idiomas, incluindo Português. Especificamente, utilizamos a variante cardiffnlp/twitter-xlm-roberta-base-sentiment, que atribui de 1 a 5 estrelas a cada comentário. No nosso fluxo, mapeamos:
  • 1–2 estrelas → Comentário Negativo
  • 4–5 estrelas → Comentário Positivo
  • Comentários de 3 estrelas → Comentário Neutro (não exibidos).

Grupo

Este projeto está sendo desenvolvido com dedicação e expertise pela Squad 08, composta por estudantes de Engenharia de Software da Universidade de Brasília (UnB Gama). Nossa equipe multidisciplinar combina diferentes habilidades para entregar uma solução completa e de alta qualidade.

Ambiente

O desenvolvimento do projeto é centralizado no GitHub, utilizando um fluxo de trabalho colaborativo e versionamento de código. O deploy do frontend é realizado de forma contínua no GitHub Pages, garantindo que a versão mais recente do site esteja sempre acessível. Para o desenvolvimento local, incentivamos o uso de ambientes virtuais para isolar as dependências do projeto e garantir a reprodutibilidade.

Arquitetura

A arquitetura da nossa ferramenta é modular e bem definida, dividida em três componentes principais para otimizar o desenvolvimento e a manutenção:

• Frontend (Jekyll): Responsável pela interface do usuário, apresentação dos resultados da análise de sentimentos (dashboard, gráficos, filtros) e informações gerais sobre o projeto.
• Backend (Django): Gerencia a comunicação com a API GraphQL do Brasil Participativo para coleta de dados e integra o modelo de Machine Learning para a análise de sentimentos.
• Modelo de ML (BERT/DistilBERT): Componente dedicado à inteligência artificial, responsável por processar os comentários e classificá-los em positivo, neutro ou negativo.

Documentação

1. Introdução

1.1 Objetivo

Apresentar a ferramenta de Análise de Sentimentos - Brasil Participativo, desenvolvida na disciplina de Métodos e Desenvolvimento de Software (MDS) da Universidade de Brasília - FGA.

O sistema classifica sentimentos em comentários públicos da plataforma oficial, apoiando gestores e cidadãos com dados úteis.

1.2 Escopo

• Coletar comentários via API GraphQL
• Classificá-los com modelo BERT
• Apresentar resultados visualmente no blog
• Oferecer filtros e busca por sentimentos, palavras-chave e período

1.3 Tecnologias Utilizadas

• Frontend: HTML, CSS, Jekyll
• Backend: Python, Django
• API: GraphQL
• ML: BERT via HuggingFace
• Prototipação: Figma
• Versionamento: Git + GitHub

2. Descrição

2.1 Visão Geral

O sistema é dividido em 3 camadas: coleta, análise e visualização. O blog permite navegação entre os módulos.

2.2 Objetivos do Usuário

• Identificar rapidamente a opinião pública
• Explorar sentimentos por tema ou palavra-chave
• Acessar visualizações gráficas e filtros

3. Requisitos Funcionais

• Coletar e classificar comentários via GraphQL e ML
• Interface amigável e responsiva com Jekyll
• Buscar por termos, aplicar filtros por sentimentos

4. Requisitos Não-Funcionais

• Desempenho: rápida resposta
• Segurança: sem expor credenciais
• Compatibilidade: acessível por dispositivos variados
• Acessibilidade: contraste e legibilidade
• Manutenção: modular e bem organizado

5. Execução Local

• Rodar o blog:

  sudo apt install ruby-full build-essential zlib1g-dev
  sudo gem install jekyll bundler
  git clone https://github.com/unb-mds/2025_1-Jakebot.git
  cd 2025_1-Jakebot
  bundle install
  bundle exec jekyll serve

• Rodar o backend:

  cd backend
  python3 -m venv venv
  source venv/bin/activate
  pip install -r requirements.txt
  python manage.py runserver

6. Links Úteis

• GitHub
• GitHub Pages
• Protótipo no Figma

Protótipos

Para visualizar a experiência do usuário e o design da interface antes da implementação completa, desenvolvemos protótipos interativos no Figma. Eles servem como um guia visual para o desenvolvimento do frontend.

Acesse os protótipo de alta e baixa fidelidade no Figma: https://www.figma.com/design/R3l1XIVdDhJXnQedtGVrkX/Prot%C3%B3tipo-de-Alta-Fidelidade?node-id=70-5&t=dcpIxJR9aki5W7wJ-1