Metodologia

Fonte de dados

Todos os dados vêm exclusivamente da API pública da Câmara dos Deputados (dadosabertos.camara.leg.br). Cobrimos a 57ª Legislatura (2023–2027). Os dados são atualizados periodicamente via ETL automatizado com sua respectiva data da última atualização no topo de cada página.

Métricas individuais

Gastos CEAP — gráfico mensal

A aba Gastos CEAP mostra três séries no gráfico de gasto mensal:

• Deputado: total de CEAP do próprio parlamentar naquele mês.
• Média UF: média mensal dos demais deputados do mesmo estado e legislatura — referência de comparação com o grupo.
• Faixa UF (±1σ): faixa cinza ao redor da média da UF, correspondente a ±1 desvio padrão. Mostra a dispersão dos gastos entre os colegas do mesmo estado: quanto mais larga a faixa, mais heterogêneo o comportamento de gasto na UF naquele mês.

Pontos vermelhos no gráfico (alerta de gasto)

Um mês é destacado em vermelho quando o gasto do deputado supera 2× a sua própria média mensal ao longo da legislatura. É um indicador de variação dentro do histórico do próprio deputado, não uma comparação com a média da UF.

Concretamente, o cálculo é:

Por isso é possível ver um mês sem alerta vermelho mesmo quando o gasto está bem acima da Média UF (o deputado pode gastar consistentemente acima do grupo) e, inversamente, um mês com alerta mesmo abaixo da Média UF (se o deputado tem um padrão historicamente baixo, qualquer pico sai do dobro da média dele).

Score composto

O score composto é uma média ponderada dos cinco percentis estaduais. Para cada deputado, calculamos o percentil dele em relação aos demais deputados do mesmo estado na 57ª Legislatura.

Os pesos (w₁–w₅) variam de 0 a 5 e podem ser ajustados nos controles da listagem de deputados. O valor padrão é 1 para todos. O resultado fica entre 0 e 100, por exemplo, um score de 80 significa que o deputado está melhor que 80% dos colegas do estado de acordo com os pesos escolhidos.

Busca de discursos

Os discursos e notas taquigráficas são coletados da API da Câmara e indexados com dois mecanismos combinados:

• Busca textual (FTS): PostgreSQL full-text search com dicionário português, que encontra discursos que contêm as palavras da busca ou variações morfológicas.
• Busca semântica (vetorial): cada discurso é convertido em um vetor de 384 dimensões pelo modelo paraphrase-multilingual-MiniLM-L12-v2. A busca encontra discursos com significado próximo ao da consulta, mesmo sem correspondência exata de palavras.
• Score híbrido: o ranking final combina os dois métodos, 40% peso textual + 60% peso semântico, priorizando relevância de conteúdo.

Resumo por IA

O resumo de cada deputado é gerado por um modelo de linguagem (Claude) a partir de dados estruturados combinados com até 5 discursos representativos. Esses discursos são selecionados por proximidade ao centróide semânticodo deputado: calcula-se a média de todos os seus vetores de discurso, e os 5 mais próximos dessa média são os que melhor representam os temas que ele aborda com mais consistência. Discursos esporádicos ou fora do padrão habitual ficam distantes do centróide e não são incluídos.

Afinidade política

O quiz de afinidade compara as respostas do eleitor com os votos efetivos dos deputados em votações nominais reais da Câmara, sobre temas selecionados pela curadoria.

1. Cada pergunta é amarrada a uma proposição específica e à votação correspondente. A pergunta indica qual é o significado do voto “Sim” naquele contexto (ex.: aprovar a redação atual, ampliar um direito, etc.).
2. Para cada deputado, contamos quantas das suas perguntas respondidas pelo eleitor correspondem ao voto real do deputado. Votos “Ausente” e “Abstenção” não entram no cálculo, apenas Sim e Não são comparáveis.
3. Score de afinidade = perguntas casadas ÷ perguntas comparáveis. Resultado entre 0 e 100%.
4. Mostramos os 5 deputados mais alinhados, exigindo no mínimo 2 perguntas comparáveis para evitar ranking baseado em uma única coincidência.

O detalhamento de cada match é exibido junto ao resultado: você pode ver pergunta a pergunta como o deputado votou e por quê foi (ou não) considerado um match.

Mapa de Discursos

O Mapa posiciona cada deputado em um plano 2D de acordo com a semelhança entre os temas dos seus discursos. Os temas não são uma lista fixa e são descobertos a partir do conteúdo das próprias falas:

1. Cada discurso vira um vetor de 384 dimensões pelo modelo de IA paraphrase-multilingual-MiniLM-L12-v2, o mesmo usado na busca semântica.
2. Os vetores passam por UMAP para reduzir a dimensionalidade e por HDBSCAN para agrupar discursos com significado próximo. Cada grupo é um tema. Discursos que não se encaixam em nenhum grupo são marcados como ruído e ficam de fora dos clusters.
3. Cada tema recebe um rótulo automático com as palavras-chave mais distintivas do grupo (TF-IDF). Os rótulos são cruas, ou seja, em vez de “Saúde” você pode ver “câncer, doenças, pacientes”. Isso é proposital: o tema vem dos dados, não de uma categoria pré-definida.
4. Para cada deputado calculamos um vetor de afinidade temática (a fração dos seus discursos em cada tema). O UMAP 2D sobre essa matriz produz as coordenadas no mapa: deputados com misturas temáticas parecidas ficam próximos.
5. A cor de cada ponto é o tema dominante do deputado. O tamanho é proporcional à raiz quadrada do nº de discursos, assim, quem fala mais aparece maior.

O mapa é recalculado a cada atualização dos dados. Os agrupamentos podem mudar de uma execução para outra (mesmo com os mesmos discursos, o UMAP introduz alguma variação). Interprete padrões e proximidades relativas, não posições absolutas.

Mapa de Votação

O Mapa de Votação posiciona cada deputado em um plano 2D de acordo com a similaridade do seu padrão de votação nominal em plenário. Os blocos não são as bancadas oficiais e são descobertos a partir dos votos efetivamente registrados:

1. Construímos uma matriz deputado × votação apenas com votações nominais da 57ª Legislatura. Cada célula recebe +1 (Sim), −1 (Não), 0 (Abstenção / Obstrução / Branco) ou fica vazia (Ausente).
2. Filtramos votações pouco informativas: as com menos de 50 votos registrados e as quase-unânimes (mais de 95% dos deputados votando do mesmo lado) são removidas, porque não distinguem blocos. Deputados com menos de 50% de participação também saem do mapa, senão a imputação dos votos faltantes puxaria esses deputados artificialmente para o bloco majoritário.
3. Os votos faltantes restantes são preenchidos com a média da votação. Em seguida aplicamos PCA para projetar a matriz em 2D e HDBSCAN para agrupar deputados com padrões parecidos. Quem não se encaixa em nenhum grupo é marcado como ruído e fica sem cor de bloco.
4. Cada bloco recebe um rótulo automático com os três partidos mais frequentes nele e suas proporções (ex.: “PT 24% · PSB 14% · PCdoB 9%”). O rótulo descreve a composição, não atribui um nome ideológico.
5. Para cada deputado calculamos a proximidade (cosine similarity) entre o seu vetor de votos e o centróide de cada bloco. Os três blocos com proximidade positiva mais alta aparecem no tooltip (caixa de informação ao passar o mouse). Assim, um deputado pode estar fortemente alinhado com um bloco e ainda ter afinidade parcial com outro.
6. A cor de cada ponto é o bloco dominante. O tamanho é proporcional ao número de votos registrados, de modo que quem participou mais aparece maior.

Como ler a porcentagem de proximidade

O número que aparece ao lado de cada bloco no tooltip (ex.: “PL · UNIÃO · MDB — 64%”) é a similaridade por cosseno × 100 entre o vetor de votos do deputado e o centróide do bloco. Não é a fração dos votos do deputado que coincidiram com o bloco, mas sim uma medida geométrica de alinhamento de direção:

• 100%: vetor idêntico ao do bloco — vota Sim/Não no mesmo padrão e com a mesma intensidade dos membros típicos.
• ~0%: vetor ortogonal ao do bloco — sem relação aparente entre os padrões de voto.
• Negativo: vota majoritariamente no sentido oposto ao do bloco (proximidades negativas são omitidas do tooltip).
• Valores intermediários (ex.: 64%) indicam alinhamento forte, mas não em lockstep — o deputado segue a direção do bloco na maioria das pautas controversas, com alguma variação independente (abstenções, obstruções ou divergências pontuais).

Por isso é possível um deputado ter proximidade alta com um bloco e ao mesmo tempo aparecer sem cor de bloco (ruído do HDBSCAN ): a direção do voto dele alinha com o bloco, mas o seu padrão individual não é denso o suficiente em torno do centróide para ser classificado dentro do agrupamento.

O mapa é recalculado a cada atualização dos dados. Diferente do Mapa de Discursos, este parte de dados estruturados (Sim/Não), então a posição de cada deputado é mais estável entre execuções. Interprete os blocos como padrões de coalizão, não como classificação ideológica definitiva.

Análise de Discurso (IA) — barema

O Mapa Ideológico e a aba Análise de Discurso em cada perfil usam um modelo de IA para pontuar cada discurso parlamentar em três dimensões: agressividade (1–100), escala social (progressista → conservador, 1–100) e escala econômica (estatista → liberal, 1–100). O modelo também extrai os alvos nomeados (pessoas, partidos, instituições, grupos) que cada discurso critica ou elogia.

O texto abaixo é exatamente o que enviamos ao modelo como instrução. É a única definição operacional do que cada pontuação significa, e deve ser interpretado como o barema da análise. O modelo informado é o configurado atualmente via DISCURSO_PROVIDER / DISCURSO_MODEL — cada pontuação no banco também grava qual modelo a produziu, então execuções com modelos diferentes ficam auditáveis individualmente.

Como o score do deputado é agregado

• Cada deputado recebe a média ponderada pelo tamanho (caracteres) das pontuações dos seus discursos. Discursos longos pesam mais que discursos curtos, refletindo melhor o tom geral.
• Excluímos discursos puramente procedurais ou cerimoniais (boas-vindas, registros de presença, homenagens) — o mesmo filtro do Mapa de Discursos.
• Deputados com menos de 3 discursos analisados não aparecem no Mapa Ideológico, para não posicioná-los em coordenadas extremas com base em uma única fala atípica.
• Os alvos são contados por frequência (top 5 por deputado). A cor da barra mostra a valência média das menções: vermelha quando o alvo é tratado como adversário, verde quando é elogiado, cinza quando neutro.
• Alinhamento ao governo (Governo / Oposição / Independente) é uma classificação manual por partido para a 57ª Legislatura, baseada no apoio público anunciado ao governo federal. Pode estar desatualizada se o partido mudou de posição.

Análise de Discurso (IA) — amostragem do corpus

A 57ª Legislatura acumula 48 345 discursos elegíveis (≥ 250 caracteres, não procedurais). Enviar todos ao modelo de linguagem seria dispendioso e redundante — a maioria das falas não contém posicionamento sobre políticas concretas. O ETL executa um amostrador baseado em sinal antes da etapa de pontuação, selecionando ≈ 13 000–15 000 discursos (≈ 30% do corpus) e gravando os selecionados na tabela public.discurso_sample.

1. Filtros de pré-seleção

• Descartados discursos com menos de 250 caracteres de sumário + transcrição.
• Descartados discursos procedurais ou cerimoniais detectados por padrão de texto: boas-vindas, registros de presença, homenagens, votos de pêsames (mesmo filtro do Mapa de Discursos).

2. Âncoras — sempre incluídos

Certos discursos são selecionados incondicionalmente por terem sinal estrutural forte, com limites por parlamentar/ano para evitar dominância de líderes prolíficos:

3. Pontuação de sinal

Cada discurso recebe um signal_score calculado por:

signal_score =
  4.0 × bill_mention          -- citou número de proposição
+ 3.0 × vote_proximity        -- discurso em dia de votação nominal
+ 3.0 × leadership_role       -- parlamentar era líder/relator/presidente
+ session_weight              -- Ordem do Dia=2.0, Grande Expediente=1.5,
                              --   Discurso=1.2, Pela Ordem=0.5, else=1.0
+ 100.0 × cluster_rarity      -- 1 / n_discursos no cluster (tópico raro)
+ 0.3 × ln(1 + text_len)      -- bônus logarítmico pelo comprimento

4. Seleção por diversidade — MMR

Para os discursos não selecionados como âncoras, o corpus é estratificado por (parlamentar × ano × cluster de tema). Dentro de cada estrato, aplicamos Maximal Marginal Relevance (MMR, λ = 0,6) sobre os embeddings de 384 dimensões: seleciona 1 discurso por estrato de forma que o escolhido seja ao mesmo tempo de alto sinal e semanticamente distinto dos já selecionados no mesmo grupo. O resultado é uma cobertura temática diversa sem repetição de argumentos similares.

5. Cotas por parlamentar/ano

• Todo parlamentar com discursos elegíveis recebe pelo menos 3 discursos não-âncora na amostra (SAMPLE_MIN_BASE), garantindo representatividade mínima.
• Discursos de tópicos raros (clusters com menos de 300 falas em todo o corpus) recebem prioridade de inclusão para evitar que assuntos de nicho desapareçam da análise.

6. Metadados de seleção

Cada discurso amostrado tem sua razão de inclusão gravada na coluna selection_reasons TEXT[]:

Para forçar uma re-amostragem completa basta incrementar a variável de ambiente SAMPLE_VERSION. O amostrador é incremental por padrão: reprocessa apenas os grupos (parlamentar × ano) com discursos novos.

Catálogo de métricas

O endpoint GET /api/explorar/catalog expõe as ~20 métricas disponíveis. Cada métrica tem chave, rótulo, grupo, tipo (numeric | categorical), unidade e higher_is_better. Os grupos são:

O payload de deputies ( GET /api/explorar/deputados) retorna uma linha por deputado com todos esses campos, resultado de um LEFT JOIN entre deputies, deputy_scores, deputy_discurso_scores, deputy_vote_map, deputy_speech_map e partidos_alinhamento. Deputados sem dados em alguma tabela aparecem com null naquelas colunas e são omitidos do gráfico de dispersão quando o eixo selecionado não tem valor.

Gráfico de dispersão (Fase 1)

O frontend busca os dois endpoints uma única vez via SWR e mantém os dados em memória. Toda a filtragem (UF, alinhamento, busca por nome) é feita client-side. O componente genérico Scatter<T> recebe funções acessoras (xAccessor, yAccessor, rAccessor, colorFn) e renderiza via SVG.

• Cor categórica: alinhamento usa três cores fixas (governo/oposição/independente); partido e UF usam uma paleta de 20 cores com mapeamento determinístico por ordem alfabética dos valores únicos.
• Cor numérica: gradiente sequencial azul claro → azul escuro (valor mínimo → máximo do conjunto filtrado).
• Tamanho: proporcional ao valor da métrica escolhida, interpolado entre 3,5 px (min) e 12 px (max).
• URL compartilhável: todos os parâmetros de visualização (x, y, color, size, mode, groupBy, pivotMetric, agg) são codificados nos query params da URL via useSearchParams + router.push.

Pivot — tabela e barras (Fase 2)

Os modos Tabela e Barras reutilizam o mesmo payload de deputies. O agrupamento e a agregação acontecem no cliente via useMemo — os ≤ 600 deputies são rápidos o suficiente para não justificar uma rota de agregação no backend. Agregações disponíveis:

• Média: soma ÷ contagem de valores não-nulos no grupo.
• Mediana: valor central após ordenação (interpolado para grupos de tamanho par).
• Contagem: número de deputados com valor não-nulo para a métrica escolhida.

O gráfico de barras usa recharts (já presente como dependência para os gráficos de CEAP). A tabela inclui uma mini-barra de progresso inline normalizada pelo valor máximo do grupo.

Consulta em linguagem natural (Fase 3)

O endpoint POST /api/explorar/nl recebe uma pergunta em texto livre e retorna um view-spec — um objeto JSON com as chaves x, y, color, size e, opcionalmente, filterUF e filterAlinhamento.

• O sistema embute o catálogo de métricas (chave, tipo, unidade) no prompt de sistema. O modelo responde apenas com JSON — sem markdown ou texto extra.
• O backend valida cada chave retornada contra METRIC_BY_KEY e NUMERIC_KEYS; chaves inválidas são substituídas pelos defaults. Isso elimina qualquer superfície de injeção via resposta do modelo.
• Taxa limitada a 15 requisições/hora por IP (bucket Redis hourly).
• Erros transientes do provedor de IA (402, conexão, timeout) retornam HTTP 503 com mensagem ao usuário; erros de validação retornam os defaults silenciosamente.

O frontend aplica o spec retornado diretamente ao estado de URL (router.push) e exibe a rationale da IA em um banner verde descartável abaixo da barra de consulta. O gráfico re-renderiza pelo mesmo código do Fase 1, sem renderer separado.

Limitações

• Dados de CEAP de 2025 podem estar incompletos se a Câmara ainda não publicou o arquivo do ano corrente.
• A métrica de proposições aprovadas não distingue propostas de grande impacto de emendas menores.
• Independência partidária alta não é necessariamente boa ou ruim, depende dos valores do eleitor.
• Deputados com pouco tempo de mandato (tomaram posse depois do início da legislatura) podem ter percentis distorcidos.
• Este site não emite recomendações de voto. Os dados são apresentados para facilitar pesquisa própria do eleitor.
• Votações por tema: “Votou Sim” não significa apoio à causa. A Câmara classifica proposições por tema, mas um voto “Sim” pode tanto avançar quanto restringir direitos naquela área. Consulte o texto da proposição para interpretar cada voto.
• Afinidade: só consegue calcular afinidade em relação às proposições incluídas no quiz. Um deputado pode ter score baixo simplesmente por ter estado ausente nas votações cobertas, sem que isso reflita seu posicionamento geral.
• Mapa de Discursos: os temas são descobertos por algoritmo, sem revisão humana. Então, é possível que um cluster misture assuntos parecidos ou que um discurso relevante seja classificado como ruído. Discursos curtos ou puramente cerimoniais ficam sobrerrepresentados em clusters de boilerplate.
• Mapa de Votação: os blocos refletem padrões de voto em plenário, não posições ideológicas. Deputados que entraram tarde no mandato ou que faltaram a muitas sessões podem ser excluídos do mapa pelo filtro de participação mínima. Votações quase-unânimes (típicas de matérias administrativas) são descartadas porque não diferenciam coalizões, então o mapa reflete principalmente as pautas controversas da legislatura.
• Análise de Discurso (IA): as pontuações são opiniões de um modelo de linguagem sobre cada discurso, não verdades absolutas. O modelo pode errar em discursos ambíguos, sarcásticos ou com contexto faltante. Sempre que possível, audite os discursos exemplares mostrados no perfil. A escala de agressividade não distingue alvos legítimos (autoridades sob críticas justificadas) de ataques infundados — interprete sempre junto do conteúdo. A classificação governo / oposição é curada manualmente e pode ficar desatualizada se um partido mudar de posição na legislatura. Amostragem: apenas ≈ 30% dos discursos é analisado pela IA — discursos puramente procedurais, falas muito curtas e falas sem sinal temático claro são excluídos. Parlamentares que discursam muito sobre temas sem número de proposição associado podem ter cobertura menor que a média.