OFF!
A discriminação algorítmica em processos seletivos eletrônicos, legislação de proteção de dados e trabalhista, engenharia da informação e ciência da computação.
No epicentro da revolução digital, a Inteligência Artificial (IA) emergiu como uma força transformadora, definindo o rumo de muitas trajetórias. Com isso, a necessidade de orientação ética, jurídica e técnica tornou-se essencial. Selma Carloto apresenta uma pesquisa multifacetada que navega pelos desafios da discriminação algorítmica em processos seletivos eletrônicos, tecendo insights da ética, legislação de proteção de dados e trabalhista antidiscriminação, engenharia da informação e ciência da computação.
Esta obra, abrangente e inovadora, é essencial para profissionais de todas as áreas interessados no desenvolvimento e pesquisa deste tema tão importante nos dias atuais. Carloto não só estabelece uma base sólida sobre os direitos à revisão de decisões automatizadas, mas também propõe soluções para uma IA que opera com equidade e integridade. Mergulhe neste compêndio interdisciplinar, em que cada página revela os esforços para harmonizar tecnologia e humanidade, esboçando um futuro no qual a IA é tanto uma ferramenta poderosa quanto um reflexo de nossos valores.
INTRODUÇÃO
CAPÍTULO 1
A ÉTICA NA INTELIGÊNCIA ARTIFICIAL
1.1 Orientações Éticas para uma IA de Confiança
CAPÍTULO 2
CENÁRIO HISTÓRICO INTERNACIONAL E NACIONAL DO DIREITO À PRIVACIDADE E À PROTEÇÃO DE DADOS
CAPÍTULO 3
DA PROIBIÇÃO DE PRÁTICAS DISCRIMINATÓRIAS À LUZ DO ORDENAMENTO JURÍDICO INTERNACIONAL E NACIONAL
3.1 Princípio da Não Discriminação à Luz das Normas de Proteção de Dados
3.2 Dados Pessoais e Sensíveis
3.3 Discriminação Direta e Indireta
3.4 Impacto Desproporcional ou Disparate Impact
3.5 Proxy Discrimination
3.6 Ações Afirmativas ou affirmative actions
CAPÍTULO 4
DIREITO À REVISÃO DE DECISÕES AUTOMATIZADAS
4.1 Lei Geral de Proteção de Dados no Brasil
4.2 Regulamento Geral de Proteção de Dados da União Europeia
4.3 Considerações do Capítulo
CAPÍTULO 5
INTELIGÊNCIA ARTIFICIAL E APRENDIZADO DE MÁQUINA
5.1 Aprendizado de Máquina
5.1.1 Aprendizado Supervisionado
5.1.2 Aprendizado Não Supervisionado
5.2 Classificação
5.2.1 Avaliação do Modelo de Classificação
5.3 Sistemas de Recomendação
CAPÍTULO 6
VIESES DISCRIMINATÓRIOS
6.1 Vieses Históricos
6.2 Vieses por Correlação e Causalidade
6.3 Vieses por Falta de Amostras
6.4 Vieses por Interpretação Humana
6.5 Casos Reais
6.6 Conclusão do Capítulo
CAPÍTULO 7
METODOLOGIA PARA ELIMINAÇÃO DE VIESES DISCRIMINATÓRIOS
7.1 Compliance Trabalhista como Forma de Eliminar Vieses Históricos e de Interpretação Humana
7.1.1 Treinamentos e Ações Educativas
7.1.2 Códigos de Conduta
7.1.3 Canais de Denúncia
7.1.4 Sanções Disciplinares e o Pilar “Sanar”
7.2 Algoritmo de Recrutamento e Seleção
7.2.1 Metodologia
7.2.1.1 Base de Dados
7.2.1.2 Pré-Processamento dos Dados
7.2.1.3 Seleção de Atributos
7.2.1.4 Classificação
7.2.2 Resultados
7.3 Métricas Estatísticas na Coibição de Práticas Discriminatórias
7.3.1 Disparate Impact
7.3.2 Demographic Parity
7.3.3 Equalized Odds
7.3.4 Equal Opportunity
7.3.5 Tabela Comparativa
7.3.6 Metodologia
7.3.7 Resultados
7.3.7.1 Teste Estatístico para o Equalized Odds
7.4 Ações Afirmativas para Compensação de Discriminação Indireta
CONCLUSÃO
REFERÊNCIAS
✅uma metodologia prática em Quatro Fases para se evitar e coibir discriminação algorítmica
✅Acesso On-line ao Código Fonte
| Assunto | Trabalho e Processo do Trabalho |
|---|---|
| Idioma | Português |
| Edição | 1 |
| Mês | Outubro |
| Ano | 2023 |
| Marca | Editora Mizuno |
| Tipo | Impresso |
| Encadernação | Brochura |
| Paginação | 144 |
| Formato | 16x23 |
| Altura (cm) | 23 |
| Largura (cm) | 16 |
| Profundidade (cm) | 0,86 |
| Peso (kg) | 0,25 |
| ISBN | 9786555267464 |
| EAN | 9786555267464 |
| NCM | 49019900 |
