extracao-de-metricas-estilisticas-cognitivo-literarias
Extrai assinatura matematica de estilo autoral (riqueza lexical, legibilidade Flesch-PT, ritmo) para medir desvio estilistico.
SKILL.md.agents/skills/extracao-de-metricas-estilisticas-cognitivo-literarias/SKILL.md
GitHubextracao-de-metricas-estilisticas-cognitivo-literarias
Descrição
A skill extracao-de-metricas-estilisticas-cognitivo-literarias computa uma assinatura matemática multidimensional de estilo de escrita (vetor de estilo) a partir de blocos de prosa em português. Ela captura a riqueza lexical, a legibilidade adaptada ao português e o ritmo cadencial da frase para permitir que o sistema meça a distância estilística entre o texto gerado pela IA e a voz autoral original do escritor.
Quando usar
Gatilhos concretos e observáveis:
- O autor solicita análise de consistência de tom e estilo no painel de estatísticas de escrita.
- O pipeline de refinamento de prosa (skill
critico-e-refinador-de-prosa-literaria-local) precisa de um vetor de referência de estilo do autor. - Ocorre a importação de texto de outro escritor ou fonte para comparação estilística.
Quando NÃO usar:
- Para análise gramatical ou ortográfica simples (onde verificadores textuais padrão resolvem).
- Em textos poéticos de formas fixas (sonetos, haiku) onde a extensão de frase e sílabas é regida por regras métricas e não por opção de estilo em prosa.
Pré-requisitos
- Biblioteca de processamento de língua portuguesa com suporte a lematização e contagem de sílabas (ex: spaCy com modelo
pt_core_news_lg, ou NLTK/Pyphen adaptado para português). - Corpus de calibração de estilo do autor (mínimo de 3 capítulos ou 5.000 palavras já escritas manualmente).
Processo (passo a passo executável)
- Pré-processamento do Texto:
- Tokenizar o texto em sentenças e palavras.
- Lematizar e filtrar, mantendo apenas as classes de conteúdo relevantes para estilo: substantivos, verbos, adjetivos e advérbios.
- Cálculo da Riqueza Lexical (Type-Token Ratio Adaptado — $m_1$):
- Contar o número de lemas únicos de conteúdo ($U$) e o total de palavras de conteúdo ($T$).
- Calcular: $m_1 = \frac{U}{T}$. Valores mais altos indicam vocabulário mais diverso.
- Cálculo do Índice de Legibilidade (Flesch-PT — $m_2$):
- Computar a extensão média das frases em palavras ($ASL$) e o número médio de sílabas por palavra ($ASW$).
- Aplicar a fórmula adaptada para o português: [m_2 = 248.835 - (1.015 \times ASL) - (84.6 \times ASW)]
- Cálculo do Ritmo Cadencial (Variabilidade de Frases — $m_3$):
- Calcular o desvio padrão $\sigma$ do número de palavras por frase dentro do bloco de texto analisado.
- Mapear como $m_3 = \sigma_{frase}$.
- Compilação do Vetor de Estilo e Score de Distância:
- Montar o vetor atual: $\mathbf{v}_{atual} = [m_1, m_2, m_3]$.
- Calcular a distância euclidiana do vetor atual em relação ao vetor de referência do autor: [d_{estilo} = ||\mathbf{v}{atual} - \mathbf{v}{ref}||_2]
- Retornar o score $d_{estilo}$ como indicador de desvio estilístico (menor = mais próximo ao estilo do autor).
Parâmetros e configuração
STYLE_DRIFT_THRESHOLD: Distância euclidiana máxima do vetor de estilo considerada dentro da zona de estilo do autor. Padrão:0.25.MIN_CORPUS_WORDS: Mínimo de palavras do texto de referência para calibrar o vetor de estilo do autor. Padrão:5000.FLESCH_PT_CONSTANT_BASE: Constante base da fórmula de legibilidade adaptada para o português. Padrão:248.835.
Armadilhas e como evitá-las
- Armadilha: Aplicar a Fórmula Flesch em Inglês em Textos em Português: a fórmula Flesch-Kincaid original foi calibrada para o inglês, onde as palavras têm em média menos sílabas e frases mais curtas. Aplicar essa fórmula em português gera scores sistematicamente inflados que não correspondem à percepção real de legibilidade do leitor lusófono. Mitigação: Usar obrigatoriamente a variante validada da fórmula com as constantes ajustadas para o português ($248.835 - 1.015 \times ASL - 84.6 \times ASW$), conforme publicado na literatura de NLP Cognitivo-Literário (COGNITIVE-LITERARY NLP, 2024).
Critérios de validação (Definition of Done)
- O cálculo completo do vetor de estilo de uma página (500 palavras) de texto é concluído em menos de 150ms em CPU local.
- A correlação entre os scores de legibilidade Flesch-PT computados e as avaliações manuais de leitores nativos do português é superior a 0.75 no dataset de calibração.
Fundamentação científica
- Cognitive-Literary NLP (2024) - Cognitive-Literary Metrics for Portuguese Narrative Analysis - arXiv 2024
- Tone Consistency in LLMs (2025) - Measuring Tone Consistency in LLM-Generated Literary Text - arXiv 2025
- Quality Estimation in Text (2024) - Quality Estimation for Creative Writing Systems - arXiv 2024
Requisitos do projeto relacionados
- RF-180 (reescrever com estilo)
- RF-181 (mesclar estilo)
Maturidade e riscos de adoção
Nível: Consolidada. As métricas de riqueza lexical (TTR) e legibilidade são técnicas estáveis de análise computacional de texto há décadas. A adaptação da constante para o português é o passo crítico.
Exemplos
Entrada:
[Referência do Autor] "Kael caminhou devagar. Observou o horizonte com uma tristeza antiga."
[Trecho Gerado por IA] "O guerreiro Kael deslocou-se lentamente em direção à linha do horizonte, enquanto contemplava o pôr do sol com uma melancolia arcaica e profunda que residia em seu âmago há muitos anos."
Saída esperada (Vetor e Score):
{
"v_autor": {"m1": 0.62, "m2": 74.5, "m3": 2.1},
"v_ia": {"m1": 0.48, "m2": 55.2, "m3": 1.2},
"distancia_estilistica": 0.41,
"alerta": "Desvio estilístico detectado. O trecho gerado é mais verboso e menos rítmico que o estilo do autor."
}
Caso de falha conhecido: Calcular Flesch-PT com a constante original em inglês e retornar que um texto complexo de Machado de Assis tem legibilidade de "nível jardim de infância".