A perpetuação de estereótipos de gênero em algoritmos de ia’’: como os preconceitos inconscientes nos dados de treinamento podem reforçar desigualdades de gênero

Página do item simplificado
dc.contributor.advisorDourado, Marcondes Menezes de Souza
dc.contributor.authorMoura, Samara Almeida Santos de
dc.contributor.refereePinheiro, Carlos Eduardo de Argolo
dc.contributor.refereeGomes, Luciano de Carvalho
dc.date.accessioned2025-12-22T12:59:15Z
dc.date.available2025-12-22T12:59:15Z
dc.date.issued2025-12-03
dc.description.abstractEsta pesquisa analisa como os estereótipos de gênero presentes nos dados de treinamento influenciam o comportamento dos algoritmos de Inteligência Artificial (IA), contribuindo para a reprodução de desigualdades sociais. A lacuna científica que motiva o estudo está na integração limitada entre perspectivas de gênero e práticas técnicas de mitigação de vieses algorítmicos (algorithmic bias). Assim, busca-se compreender de que forma os dados enviesados impactam processos automatizados de decisão e propor diretrizes baseadas em princípios de fairness, accountability e explainable AI. A pesquisa adota abordagem qualitativa, método dedutivo e procedimento bibliográfico, complementados por estudos de caso e revisão de relatórios institucionais (ONU Mulheres, UNESCO, União Europeia). Espera-se evidenciar que a falta de diversidade nos dados e nas equipes de desenvolvimento amplia a desigualdade de gênero e compromete a ética e a transparência das decisões automatizadas. O estudo, portanto, tem a intenção contribuir para a construção de práticas tecnológicas mais justas, inclusivas e socialmente responsáveis.
dc.description.abstract2This research analyzes how gender stereotypes embedded in training data influence the behavior of Artificial Intelligence (AI) algorithms, contributing to the reproduction of social inequalities. The scientific gap that motivates this study lies in the limited integration between gender perspectives and technical practices for mitigating algorithmic bias. Therefore, it seeks to understand how biased data impact automated decision-making processes and to propose guidelines based on the principles of fairness, accountability, and explainable AI. The research adopts a qualitative approach, a deductive method, and a bibliographic procedure, complemented by case studies and the review of institutional reports (UN Women, UNESCO, European Union). The study is expected to demonstrate that the lack of diversity in both datasets and development teams increases gender inequality and undermines the ethics and transparency of automated decisions. Thus, this work aims to contribute to the development of fairer, more inclusive, and socially responsible technological practices.
dc.format.mimetypeapplication/pdf
dc.identifier.citationMOURA, Samara Almeida Santos de. A perpetuação de estereótipos de gênero em algoritmos de ia’’: como os preconceitos inconscientes nos dados de treinamento podem reforçar desigualdades de gênero. Orientador: Marcondes Menezes de Souza Dourado. 2025. 15 f. Trabalho de conclusão de curso. (Graduação em Sistemas de Informação) - Departamento de Ciências Exatas e da Terra, Universidade do Estado da Bahia, Alagoinhas, 2025.
dc.identifier.urihttps://saberaberto.uneb.br/handle/20.500.11896/10302
dc.language.isopor
dc.publisherUniversidade do Estado da Bahia
dc.publisher.programColegiado de Sistemas de Informação
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/
dc.rights2Attribution-NonCommercial-NoDerivs 3.0 Brazilen
dc.subject.keywordsInteligência Artificial
dc.subject.keywordsGênero
dc.subject.keywordsVieses Algorítmicos
dc.subject.keywordsFairness
dc.subject.keywordsÉtica
dc.subject.keywordsExplainable AI
dc.titleA perpetuação de estereótipos de gênero em algoritmos de ia’’: como os preconceitos inconscientes nos dados de treinamento podem reforçar desigualdades de gênero
dc.title.alternativeThe Perpetuation of Gender Stereotypes in AI Algorithms: How Unconscious Biases in Training Data Can Reinforce Gender Inequalities
dc.typeinfo:eu-repo/semantics/bachelorThesis
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Aperpetuaçãodeesteriótipos_SamaraMoura (1).pdf
Tamanho:
570.96 KB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
462 B
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Bacharelado em Sistema de Informação - DCET2