Quer entender o acR sem ler nada longo? Este é o menor
caminho ponta-a-ponta usando apenas as funções que rodam offline
e sem chave de API. Copie e cole.
1 · Um corpus mínimo
df <- data.frame(
id = paste0("d", 1:6),
texto = c(
"Sou favoravel a reforma tributaria que simplifica os impostos.",
"Voto contra a proposta, ela vai destruir o setor produtivo.",
"Apoio integralmente a reforma, ha ganhos claros de eficiencia.",
"Esta reforma e um retrocesso, vamos rejeitar em plenario.",
"Defendo a proposta que corrige distorcoes historicas do sistema.",
"Somos contra, o texto beneficia apenas grandes corporacoes."
),
posicao = c("favor", "contra", "favor", "contra", "favor", "contra"),
stringsAsFactors = FALSE
)
corpus <- ac_corpus(df, text = texto, docid = id, meta = posicao)
corpus
#>
#> ── Corpus acR ──────────────────────────────────────────────────────────────────
#> • Documentos: 6
#> • Metadados: 1 coluna
#> • Idioma: "pt"
#>
#> # A tibble: 6 × 3
#> doc_id text posicao
#> <chr> <chr> <chr>
#> 1 d1 Sou favoravel a reforma tributaria que simplifica os impostos. favor
#> 2 d2 Voto contra a proposta, ela vai destruir o setor produtivo. contra
#> 3 d3 Apoio integralmente a reforma, ha ganhos claros de eficiencia. favor
#> 4 d4 Esta reforma e um retrocesso, vamos rejeitar em plenario. contra
#> 5 d5 Defendo a proposta que corrige distorcoes historicas do sistem… favor
#> 6 d6 Somos contra, o texto beneficia apenas grandes corporacoes. contra2 · Termos mais frequentes por grupo
Removemos stopwords antes de contar — sem isso, “de”, “a”, “o” dominariam qualquer contagem em português.
corpus <- ac_clean(corpus, remove_stopwords = "pt")
freq_por_grupo <- ac_count(corpus, by = "posicao")
ac_top_terms(freq_por_grupo, n = 5, by = "posicao")
#> # A tibble: 34 × 3
#> posicao token n
#> <chr> <chr> <int>
#> 1 contra contra 2
#> 2 contra apenas 1
#> 3 contra beneficia 1
#> 4 contra corporacoes 1
#> 5 contra destruir 1
#> 6 contra grandes 1
#> 7 contra plenario 1
#> 8 contra produtivo 1
#> 9 contra proposta 1
#> 10 contra reforma 1
#> # ℹ 24 more rows3 · Palavras distintivas de cada lado (keyness)
key <- ac_keyness(freq_por_grupo, group = "posicao", target = "favor")
head(key, 5)
#> # A tibble: 5 × 10
#> token group target reference n_target n_reference total_target total_reference
#> <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
#> 1 apoio posi… favor contra 1 0 18 18
#> 2 clar… posi… favor contra 1 0 18 18
#> 3 corr… posi… favor contra 1 0 18 18
#> 4 defe… posi… favor contra 1 0 18 18
#> 5 dist… posi… favor contra 1 0 18 18
#> # ℹ 2 more variables: keyness <dbl>, direction <chr>4 · Sentimento por documento (OpLexicon PT-BR)
ac_sentiment(corpus)
#> # A tibble: 6 × 6
#> doc_id n_pos n_neg n_neu score sentiment
#> <chr> <int> <int> <int> <int> <chr>
#> 1 d1 0 1 4 -1 negativo
#> 2 d2 1 0 6 1 positivo
#> 3 d3 1 0 6 1 positivo
#> 4 d4 0 0 5 0 neutro
#> 5 d5 0 0 6 0 neutro
#> 6 d6 0 0 6 0 neutro5 · Escolher um modelo LLM para a próxima etapa
Se você for usar a etapa qualitativa, o pacote sugere modelos com base em custo, idioma e tipo de tarefa. Consulta 100% offline (banco interno).
ac_qual_recommend_model(task = "coding", budget = "medium", lang = "pt", n = 3)
#>
#> ── Recomendacoes de modelo acR ─────────────────────────────────────────────────
#> ℹ Tarefa: "coding" | Budget: "medium" | Idioma: "pt"
#> ℹ Baseado em Gilardi et al. (2023, PNAS) e Tornberg (2023, PLOS ONE).
#> # A tibble: 3 × 12
#> rank provider model_id name tier context_k cost_input cost_output
#> <int> <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl>
#> 1 1 google google/gemini-2.0… Gemi… fast 1000 0.1 0.4
#> 2 2 google google/gemini-2.5… Gemi… fron… 1000 1.25 10
#> 3 3 openai openai/o4-mini o4-m… bala… 200 1.1 4.4
#> # ℹ 4 more variables: pt_support <chr>, score <dbl>, justificativa <chr>,
#> # acr_string <chr>O que vem depois?
- Comece aqui — visão geral com codificação humana e IRR.
-
Codificação com
LLMs — codebook,
ellmer, self-consistency. - LDA — modelagem de tópicos.
- Sentimento — pipeline completo com OpLexicon.
Cada uma das funções acima tem exemplos executáveis em
?nome_da_funcao.