Banca de DEFESA: VICENTE JULIAO MARQUES RODRIGUES BARROS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : VICENTE JULIAO MARQUES RODRIGUES BARROS
DATA : 29/09/2025
HORA: 16:00
LOCAL: Instituto de Computação
TÍTULO:

Equidade no aprendizado de máquina aplicado a dados
públicos: um estudo com as bases do governo brasileiro

PALAVRAS-CHAVES:

Equidade, Viés Algorítmico, Política Pública, Dados Abertos do

Governo, Inteligência Artificial Responsável

PÁGINAS: 30
RESUMO:

A aplicação de tecnologias de machine learning na formulação
de políticas públicas representa um avanço significativo na
gestão governamental contemporânea, mas levanta questões
críticas relacionadas à equidade, transparência e justiça
algorítmica. O presente estudo investiga a presença de vieses
sistêmicos nos dados e modelos preditivos aplicados em
cenários de políticas públicas brasileiras por meio de uma
auditoria abrangente utilizando dados governamentais abertos.
Foi desenvolvida uma metodologia estruturada em pipeline que
abrange dez cenários sociais em áreas críticas como educação,
saúde, trabalho e tecnologia, utilizando dados de cinco órgãos
do governo brasileiro (IBGE, MS, MEC, INEP, CETIC.BR).
Foram aplicados oito algoritmos de classificação binária
supervisionada, e o Gradient Boosting foi selecionado como
aquele com melhor desempenho, seguido de uma auditoria
sistemática através do kit de ferramentas AEQUITAS utilizando
três métricas fundamentais de justiça: Paridade Demográfica,
Igualdade de Oportunidades, e Igualdade Preditiva.
Os resultados indicam a presença de padrões consistentes de
disparidade entre grupos demográficos sensíveis, com
freqüentes violações dos limites de disparidade estabelecidos,
particularmente nas métricas de Paridade Demográfica e
Igualdade Preditiva. Os grupos minoritários, incluindo negros,
amarelos e indígenas, apresentam taxas desproporcionais de
predições positivas ou negativas em comparação com o grupo 

de referência composto por Pardos, mostrando riscos concretos
de discriminação algorítmica e perpetuação de desigualdades
históricas. A métrica Igualdade de Oportunidades sugere melhor
equidade para o atributo sensível ao gênero em nove dos dez
cenários analisados.
Esta pesquisa contribui significativamente para o campo da
Inteligência Artificial ética e responsável no contexto brasileiro,
fornecer evidências empíricas da presença de vieses
sistemáticos nos dados e modelos governamentais e
estabelecer um protocolo replicável para auditoria de equidade
em sistemas automatizados de apoio à decisão. Os resultados
demonstram a urgente necessidade da implementação de
práticas de auditoria contínua no ciclo de vida dos projetos de
Machine Learning do setor público, propondo diretrizes para o
desenvolvimento de soluções mais justas e equitativas
alinhadas com princípios democráticos e direitos fundamentais.

MEMBROS DA BANCA:
Presidente - 1963609 - BALDOINO FONSECA DOS SANTOS NETO
Externo(a) à Instituição - LEOPOLDO MOTTA TEIXEIRA - UFPE
Interno(a) - 1544992 - MARCELO COSTA OLIVEIRA
Interno(a) - 2087442 - TIAGO FIGUEIREDO VIEIRA