extracao-de-metricas-estilisticas-cognitivo-literarias

Extrai assinatura matematica de estilo autoral (riqueza lexical, legibilidade Flesch-PT, ritmo) para medir desvio estilistico.

SKILL.md

GitHub

extracao-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)

  1. 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.
  2. 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.
  3. 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)]
  4. 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 $m_3 = \sigma_{frase}$.
  5. 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".