Content
# [bncc.dev](https://bncc.dev) · dados abertos da BNCC
[](https://github.com/bncc-dev/bncc-dados/actions/workflows/validacao.yml)
[](dados/LICENSE.md)
[](LICENSE)
[](CHANGELOG.md)
[](https://doi.org/10.5281/zenodo.21625233)
A Base Nacional Comum Curricular como dados estruturados, verificados e rastreáveis: 1.721 aprendizagens, sendo as 1.580 das três etapas da educação básica mais as 141 do complemento de Computação (Parecer CNE/CEB 2/2022). Cada registro traz competências, contextos de organização e proveniência, conferido contra o documento oficial.
## Uso rápido
O caminho mais curto são os pacotes construídos sobre este dataset:
```bash
npx -y @bncc/mcp # servidor MCP: a BNCC ao alcance do seu agente de IA
npm install @bncc/dados # TypeScript/JavaScript
pip install bncc # Python
```
Ou direto dos dados, sem dependência alguma:
```bash
git clone https://github.com/bncc-dev/bncc-dados.git
cd bncc-dados
python3 -c "
import json
ef = json.load(open('dados/bncc-2018/ensino-fundamental.json'))
h = next(x for x in ef['habilidades'] if x['codigo'] == 'EF67LP08')
print(h['texto'])
print(h['fonte']['localizador_pdf'])
"
```
Exemplo de registro (Ensino Fundamental):
```json
{
"codigo": "EF67LP08",
"texto": "Identificar os efeitos de sentido devidos à escolha de imagens estáticas...",
"componente": "ef-comp-lp",
"anos": [6, 7],
"organizacao": {
"tipo": "campo_pratica",
"campos_atuacao": ["ef-comp-lp-catu-campo-jornalistico-midiatico"],
"pratica_linguagem": "ef-comp-lp-prat-leitura"
},
"objetos_conhecimento": ["ef-comp-lp-oc-efeitos-de-sentido-exploracao-da-multissemiose"],
"vigencia": {"status": "vigente", "desde": "dados-2026.07", "ate": null},
"fonte": {
"localizador": "aba Língua Portuguesa, linha 229",
"localizador_pdf": "Base-Nacional-Comum-Curricular-BNCC.pdf, página PDF 167"
}
}
```
**Status: estável.** Primeira release: conteúdo `dados-2026.07`, formato `schema-v1.0.0`. Dados completos, validados e revisados pedagogicamente. Os identificadores e o formato passam a valer sob as garantias de [versionamento](docs/versionamento.md): mudança que quebre consumidores exige nova major do schema.
Mantido pela [Profy](https://profy.com.br), que é também sua primeira consumidora.
## Por que confiar neste dado
1. **Cada registro aponta a fonte oficial**: aba e linha da planilha do MEC, mais a página do PDF homologado (campo `fonte`).
2. **Verificação automática, caractere a caractere**: na BNCC 2018, 1.576 dos 1.580 textos batem com o PDF homologado, e os 4 restantes são divergências entre as próprias fontes oficiais, documentadas em `DECISOES.md` com a decisão tomada. No complemento de Computação, 141 de 141 batem com o anexo do Parecer CNE/CEB 2/2022.
3. **Completude provada**: a varredura de códigos no PDF homologado e no anexo de Computação encontra exatamente os códigos presentes no dataset. Nada falta, nada sobra.
4. **Extração reprodutível**: rode `pipeline/` e chegue aos mesmos arquivos. O CI faz isso a cada mudança e reprova qualquer divergência.
## O que tem aqui
| Pasta | Conteúdo |
|---|---|
| `dados/bncc-2018/` | O dataset em JSON: estrutura do sistema, 93 objetivos da EI (com alinhamentos entre faixas etárias), 1.304 habilidades do EF (com unidades temáticas, objetos de conhecimento, campos de atuação e práticas de linguagem), 183 habilidades do EM (com competências vinculadas), 20 marcos legais com URL oficial e 5 perfis de referência |
| `dados/computacao-2022/` | O complemento de Computação (Parecer CNE/CEB 2/2022): 141 aprendizagens (11 EI, 104 EF, 26 EM) com eixos, objetos de conhecimento e competências próprias, verificadas contra o anexo oficial |
| `fontes/` | Os documentos oficiais do MEC dos quais tudo é extraído, com checksums |
| `schema/` | JSON Schemas (draft 2020-12) que definem e validam o formato de cada arquivo de dados |
| `derivados/` | O mesmo dado em SQLite e CSV, gerados dos JSONs (para SQL e planilhas) |
| `pipeline/` | Scripts de extração, verificação e validação: qualquer pessoa reproduz o dataset a partir das fontes |
| `DECISOES.md` | Toda decisão de interpretação sobre inconsistências das fontes, documentada |
| `docs/` | Metodologia, modelo de dados, versionamento, instalação e mais (ver [Documentação](#documentação)) |
## Outros formatos
O mesmo dado, além do JSON:
```bash
# SQL: habilidades de LP do 6º ano com sua prática de linguagem
sqlite3 derivados/bncc.sqlite "
SELECT h.codigo, c.nome FROM habilidade_ef h
JOIN contexto_organizacao c ON c.id = h.pratica_linguagem
JOIN habilidade_ef_ano a ON a.codigo = h.codigo
WHERE h.componente = 'ef-comp-lp' AND a.ano = 6 LIMIT 5;"
```
E `derivados/csv/` traz uma planilha por entidade, pronta para Excel/Sheets. Os JSONs continuam sendo a fonte canônica; os formatos derivados são gerados e conferidos no CI. O formato dos dados é definido pelos JSON Schemas em `schema/`, validados a cada mudança.
## Reproduzir a extração
```bash
cd pipeline
python3 extrair.py # planilhas oficiais → dados/bncc-2018/*.json
python3 extrair_ei.py # PDF homologado → educacao-infantil.json
python3 extrair_computacao.py # anexo do Parecer CNE/CEB 2/2022 → computacao.json
python3 verificar.py # confere cada texto contra o PDF; grava a página
python3 verificar_computacao.py # confere Computação contra o anexo oficial
python3 validar_schema.py # JSON Schemas, com autoteste negativo
python3 validar.py # 29 checagens de contrato e completude (falha se algo divergir)
python3 derivar.py # gera derivados/ (SQLite e CSV) a partir dos JSONs
```
É exatamente a sequência que o CI executa, terminando na comparação entre o dataset commitado e o reproduzido.
Dependências: Python 3.10+, `pdftotext` (poppler), `ghostscript` (normalização do anexo de Computação) e `jsonschema>=4.18` (apenas na validação de formato). Passo a passo completo, por sistema operacional e com problemas comuns: [docs/instalacao.md](docs/instalacao.md).
## Documentação
| Documento | Para quê |
|---|---|
| [docs/modelo-de-dados.md](docs/modelo-de-dados.md) | Como a BNCC está modelada: entidades, códigos, relações e o que o modelo não inventa |
| [docs/metodologia.md](docs/metodologia.md) | A cadeia de confiança: das fontes oficiais ao CI, com os números da verificação |
| [docs/versionamento.md](docs/versionamento.md) | Data-versions, vigência dos registros e o que consumidores podem assumir |
| [docs/instalacao.md](docs/instalacao.md) | Instalação e primeira execução (usar os dados ou reproduzir o pipeline) |
| [DECISOES.md](DECISOES.md) | Toda decisão de interpretação sobre as fontes, documentada |
| [docs/relatorio-validacao.md](docs/relatorio-validacao.md) | Snapshot do relatório de validação da versão atual |
| [CHANGELOG.md](CHANGELOG.md) | Histórico por categoria (normativa, correção, schema, editorial) |
| [CONTRIBUTING.md](CONTRIBUTING.md) | Como propor correções (regra: fonte oficial no PR) |
| [CODE_OF_CONDUCT.md](CODE_OF_CONDUCT.md) | Código de conduta da comunidade |
| [SECURITY.md](SECURITY.md) | Como reportar problema de segurança (erro de dado é issue normal) |
| [AGENTS.md](AGENTS.md) | Guia para agentes de IA (também: [llms.txt](llms.txt)) |
## Como contribuir
Correções de dados são bem-vindas, e a regra de ouro é uma só: **toda correção precisa citar a fonte oficial** (documento do MEC/CNE, com página ou localizador). O CI verifica automaticamente a reprodutibilidade de qualquer mudança. Comece por [CONTRIBUTING.md](CONTRIBUTING.md).
## Para agentes de IA
Leia `llms.txt` na raiz. Em resumo: consuma os JSONs de `dados/bncc-2018/`, use os códigos oficiais como chaves (`EF67LP08`, `EM13LGG103`, `EI02TS01`), nunca invente códigos ou textos de habilidade, e cite a fonte que acompanha cada registro.
## Licenças
- **Dados** (`dados/`): [CC BY 4.0](dados/LICENSE.md). Os textos normativos da BNCC são atos oficiais, não protegidos por direito autoral (art. 8º da Lei 9.610/98); a licença cobre a compilação, estruturação e curadoria.
- **Código** (`pipeline/`): [MIT](LICENSE).
O que é aberto aqui é irrevogavelmente aberto: ver [docs/divisao-aberto-comercial.md](docs/divisao-aberto-comercial.md).
Para citar o dataset em publicação, use o `CITATION.cff` na raiz (o botão *Cite this repository* na barra lateral gera a citação formatada).
## Roadmap
Já disponíveis como pré-release (0.1.x): pacote npm [@bncc/dados](https://www.npmjs.com/package/@bncc/dados), pacote PyPI [bncc](https://pypi.org/project/bncc/) e servidor MCP [@bncc/mcp](https://www.npmjs.com/package/@bncc/mcp), todos em [Uso rápido](#uso-rápido). As versões 1.0 saem junto com esta primeira release, acompanhadas das páginas por habilidade em [bncc.dev](https://bncc.dev).
## In English
**BNCC as open, verified data.** The BNCC is Brazil's national curriculum framework, mandatory across all schools. This repository publishes it as structured JSON: 1,721 learning objectives with competencies, organizational context and per-record provenance (official document and page), verified character by character against the documents published by the Ministry of Education, with a fully reproducible extraction pipeline checked on every commit.
Data is licensed [CC BY 4.0](dados/LICENSE.md), code [MIT](LICENSE). Install with `npm install @bncc/dados`, `pip install bncc`, or run `npx -y @bncc/mcp` for an MCP server that gives your AI agent access to the curriculum. Documentation is in Portuguese.
