Hugging Face's logo

Datasets:
profgabrielramos
/
conteudos-cespe

License:
Dataset card Files
xet
 Community
Dataset Viewer
Duplicate
The dataset viewer is not available for this split.
Cannot load the dataset split (in streaming mode) to extract the first rows.
Error code:   StreamingRowsError
Exception:    CastError
Message:      Couldn't cast
id: string
linha_original: int64
fonte: string
disciplina: string
hierarquia_codigo: string
nivel_profundidade: int64
assunto_nivel_1: string
assunto_nivel_2: string
assunto_nivel_3: string
assunto_nivel_4: string
assunto_especifico: string
quantidade_encontrada: int64
porcentagem_encontrada: double
quantidade_caderno: int64
porcentagem_caderno: double
ano: int64
banca: string
cargo: string
split: string
-- schema metadata --
pandas: '{"index_columns": [{"kind": "range", "name": null, "start": 0, "' + 2650
to
{'linha_original': Value('int64'), 'disciplina': Value('string'), 'hierarquia_codigo': Value('string'), 'nivel_profundidade': Value('int64'), 'assunto_nivel_1': Value('string'), 'assunto_nivel_2': Value('string'), 'assunto_nivel_3': Value('string'), 'assunto_nivel_4': Value('string'), 'assunto_especifico': Value('string'), 'quantidade_encontrada': Value('int64'), 'porcentagem_encontrada': Value('float64'), 'quantidade_caderno': Value('int64'), 'porcentagem_caderno': Value('float64')}
because column names don't match
Traceback:    Traceback (most recent call last):
                File "/src/services/worker/src/worker/utils.py", line 147, in get_rows_or_raise
                  return get_rows(
                      dataset=dataset,
                  ...<4 lines>...
                      column_names=column_names,
                  )
                File "/src/libs/libcommon/src/libcommon/utils.py", line 272, in decorator
                  return func(*args, **kwargs)
                File "/src/services/worker/src/worker/utils.py", line 127, in get_rows
                  rows_plus_one = list(itertools.islice(safe_iter(ds, dataset=dataset), rows_max_number + 1))
                File "/src/services/worker/src/worker/utils.py", line 478, in safe_iter
                  yield from ds.decode(False) if ds.features else ds
                File "/usr/local/lib/python3.14/site-packages/datasets/iterable_dataset.py", line 2818, in __iter__
                  for key, example in ex_iterable:
                                      ^^^^^^^^^^^
                File "/usr/local/lib/python3.14/site-packages/datasets/iterable_dataset.py", line 2355, in __iter__
                  for key, pa_table in self._iter_arrow():
                                       ~~~~~~~~~~~~~~~~^^
                File "/usr/local/lib/python3.14/site-packages/datasets/iterable_dataset.py", line 2388, in _iter_arrow
                  pa_table = cast_table_to_features(pa_table, self.features)
                File "/usr/local/lib/python3.14/site-packages/datasets/table.py", line 2271, in cast_table_to_features
                  raise CastError(
                  ...<3 lines>...
                  )
              datasets.table.CastError: Couldn't cast
              id: string
              linha_original: int64
              fonte: string
              disciplina: string
              hierarquia_codigo: string
              nivel_profundidade: int64
              assunto_nivel_1: string
              assunto_nivel_2: string
              assunto_nivel_3: string
              assunto_nivel_4: string
              assunto_especifico: string
              quantidade_encontrada: int64
              porcentagem_encontrada: double
              quantidade_caderno: int64
              porcentagem_caderno: double
              ano: int64
              banca: string
              cargo: string
              split: string
              -- schema metadata --
              pandas: '{"index_columns": [{"kind": "range", "name": null, "start": 0, "' + 2650
              to
              {'linha_original': Value('int64'), 'disciplina': Value('string'), 'hierarquia_codigo': Value('string'), 'nivel_profundidade': Value('int64'), 'assunto_nivel_1': Value('string'), 'assunto_nivel_2': Value('string'), 'assunto_nivel_3': Value('string'), 'assunto_nivel_4': Value('string'), 'assunto_especifico': Value('string'), 'quantidade_encontrada': Value('int64'), 'porcentagem_encontrada': Value('float64'), 'quantidade_caderno': Value('int64'), 'porcentagem_caderno': Value('float64')}
              because column names don't match

Need help to make the dataset viewer work? Make sure to review how to configure the dataset viewer, and open a discussion for direct support.

conteúdos-cespe

Dataset contendo a análise e distribuição de conteúdos programáticos (Direito Administrativo, Direito Constitucional, Língua Portuguesa e Raciocínio Lógico) da banca CESPE/Cebraspe.

Este dataset foi gerado a partir do arquivo original conteudo.xlsx e estruturado hierarquicamente para facilitar o agrupamento, filtragem e análise de dados.

Estrutura do Dataset

O dataset possui uma hierarquia detalhada dividida em até 4 níveis de assuntos/tópicos:

Coluna Descrição
id Identificador único SHA-256 truncado (16 chars), estável entre fontes.
linha_original Índice da linha no arquivo Excel de origem.
fonte Arquivo de origem (conteudo.xlsx, adm_detalhado, const_detalhado).
disciplina Disciplina principal (ex: Direito Administrativo, Língua Portuguesa).
nivel_profundidade Nível de profundidade (0 = raiz da disciplina, 1 a 4 = subníveis).
hierarquia_codigo Código numérico hierárquico (ex: 01, 01.02, 03.02.04.01). Vazio para níveis raiz.
assunto_nivel_1 a assunto_nivel_4 Tópicos e subtópicos propagados do ancestral mais próximo.
assunto_especifico Nome do tópico correspondente a esta linha específica.
quantidade_encontrada Número total de questões encontradas daquele tópico.
porcentagem_encontrada Percentual de questões sobre o total geral (absoluto, não relativo ao pai).
quantidade_caderno / porcentagem_caderno Quantidade e percentual considerando apenas o caderno de origem.
ano Ano da prova (ex: 2024).
banca Banca organizadora (CESPE/Cebraspe).
cargo Cargo do concurso (ex: Diplomata).
split Partição treino/teste estratificada por disciplina (train = 80%, test = 20%).

As porcentagens (porcentagem_encontrada e porcentagem_caderno) são absolutas em relação ao total geral de questões. A soma das porcentagens dos filhos de um mesmo pai pode ultrapassar a porcentagem do pai — isso é esperado, pois cada valor é calculado sobre o total da amostra, não como fração do nó superior.

Notas sobre a Origem dos Dados

O dataset é gerado a partir de três arquivos Excel processados pelo generate_dataset.py:

Fonte Disciplina Subdivisões Linhas
conteudo.xlsx Língua Portuguesa (Português) N1 a N4 85
conteudo.xlsx Raciocínio Lógico N1 a N3 29
5ed5ac0a...xlsx Direito Administrativo (Doutrina e Leis Federais) N1 a N3 263
a005733c...xlsx Direito Constitucional (CF/1988 e Doutrina) N1 a N4 200

As planilhas detalhadas de Direito Administrativo e Direito Constitucional foram fornecidas em arquivos complementares e integradas ao pipeline. O script de geração (generate_dataset.py) processa os três arquivos e consolida em um único dataset.

Arquivos Disponíveis neste Repositório

  • conteudo_dataset.csv: Dataset limpo e delimitado por vírgulas (577 linhas, 4 disciplinas).
  • conteudo_dataset.json: Dataset estruturado em formato JSON.
  • conteudo_dataset.parquet: Dataset otimizado em formato colunar Parquet.
  • conteudo_dataset.xlsx: Dataset em formato de planilha limpa do Excel.
  • conteudo.xlsx: Planilha Excel original (Português + Raciocínio Lógico).
  • generate_dataset.py: Script Python para reprodução do pipeline de dados (processa os 3 arquivos Excel).

Licença

Este dataset é disponibilizado sob a licença Creative Commons Attribution 4.0 International (CC BY 4.0).
Downloads last month
40
Total file size:
800 kB