{"id":10597,"date":"2018-09-17T23:27:04","date_gmt":"2018-09-18T02:27:04","guid":{"rendered":"http:\/\/tarciziosilva.com.br\/blog\/?p=10597"},"modified":"2018-09-17T23:28:00","modified_gmt":"2018-09-18T02:28:00","slug":"tecnologias-nao-sao-neutras-trecho-do-levantamento-pretalab","status":"publish","type":"post","link":"https:\/\/tarciziosilva.com.br\/blog\/tecnologias-nao-sao-neutras-trecho-do-levantamento-pretalab\/","title":{"rendered":"“Tecnologias n\u00e3o s\u00e3o neutras” – trecho do levantamento PretaLab"},"content":{"rendered":"

[O texto abaixo faz parte do levantamento in\u00e9dito PretaLab<\/a>,\u00a0levantamento realizado pela Olabi com 570 mulheres negras e \u00edndigenas no Brasil. Artigos anal\u00edticos, dados completos e destaques podem ser acessados em <\/em>www.pretalab.co<\/em>m<\/a> ]<\/p>\n

\"\"<\/p>\n

Um\u00a0estudo<\/a>\u00a0feito em 2017 pelo Law\u2019s Center on Privacy and Technology, o centro sobre privacidade e tecnologia da faculdade de direito da Universidade de Georgetown, estima que 117 milh\u00f5es de cidad\u00e3os j\u00e1 estejam nos bancos de dados que a pol\u00edcia pode usar. \u201cO reconhecimento facial vai afetar afroamericanos desproporcionalmente. Muitos departamentos de pol\u00edcia n\u00e3o percebem isso\u201d, diz o estudo. Outro documento do FBI sugere que \u201co reconhecimento facial \u00e9 menos preciso em negros. Al\u00e9m disso, devido \u00e0 despropor\u00e7\u00e3o no n\u00famero de negros presos, sistemas que utilizam fotos realizadas no momento da pris\u00e3o incluem mais afroamericanos. \u201cApesar dessas descobertas, n\u00e3o h\u00e1 nenhum estudo independente com testes para vi\u00e9s racistas nestes programas\u201d, conclui o estudo.<\/p>\n

Iniciativas como a\u00a0Algorithmic Justice League<\/a>\u00a0[em portugu\u00eas, Liga da Justi\u00e7a do Algoritmo] buscam denunciar e acabar com o racismo impl\u00edcito em programas de intelig\u00eancia artificial. Fundadora da iniciativa, Joy Buolamwini percebeu que programas de reconhecimento artificial nem sempre conseguem detectar rostos negros, problema causado pela falta de diversidade das equipes que criam esses programas e das imagens que as m\u00e1quinas recebem para aprender a \u201cenxergar\u201d esses rostos. \u201cA vis\u00e3o do computador usa intelig\u00eancia artificial para fazer o reconhecimento facial. Voc\u00ea cria uma s\u00e9rie de imagens com exemplos de rostos. No entanto, se essas s\u00e9ries n\u00e3o s\u00e3o diversas o suficiente, qualquer rosto que desvie da \u2018norma\u2019 ser\u00e1 dif\u00edcil de reconhecer\u201d, ela disse em uma\u00a0Ted Talk<\/a>.<\/p>\n

\"\"<\/p>\n

Enquanto as estat\u00edsticas, estudos e pol\u00edticas p\u00fablicas voltadas para mulheres negras ignorarem a import\u00e2ncia da tecnologia, as mulheres negras v\u00e3o estar \u00e0 margem de decis\u00f5es cada vez mais centrais na sociedade.<\/strong>\u00a0\u201cSe as mulheres negras n\u00e3o estiverem nesse processo, se n\u00e3o existirem a\u00e7\u00f5es para que elas estejam nesse processo, vamos perder totalmente nosso poder de integra\u00e7\u00e3o no mundo\u201d, afirma Silvana.<\/p>\n

A tecnologia representa ainda uma possibilidade de gera\u00e7\u00e3o de renda e de emancipa\u00e7\u00e3o econ\u00f4mica, j\u00e1 que o setor cresce e costuma ter sal\u00e1rios atrativos. Nos Estados Unidos,\u00a0dados compilados pela pesquisa econ\u00f4mica Glassdoor<\/a>\u00a0mostra que os empregos da \u00e1rea de tecnologia, engenharia e ci\u00eancia foram os mais bem pagos de 2017.\u00a0Mas o desigual acesso \u00e0 educa\u00e7\u00e3o e a forte presen\u00e7a de estere\u00f3tipos e preconceitos seguem afastando as mulheres negras dos estudos e de uma carreira nessas \u00e1reas.<\/strong><\/p>\n

A desigualdade e as barreiras j\u00e1 surgem quando s\u00e3o observados apenas os dados de g\u00eanero na tecnologia. Uma\u00a0pesquisa<\/a>\u00a0que analisou a presen\u00e7a feminina em Ci\u00eancia, Tecnologia e Engenharia no Brasil, China, EUA e \u00cdndia concluiu que mulheres abandonam a ind\u00fastria tecnol\u00f3gica porque s\u00e3o tratadas injustamente, recebem sal\u00e1rios menores e apresentam menos chances de serem promovidas do que seus colegas do sexo masculino. No Brasil, 29% das mulheres entrevistadas se sentem estagnadas em seus trabalhos e 22% acham que podem desistir da carreira no pr\u00f3ximo ano.<\/p>\n

Apesar de todas as barreiras que precisam enfrentar, estudos mostram que o trabalho das mulheres nesta \u00e1rea pode ser t\u00e3o bem ou melhor avaliado do que de seus colegas do sexo masculino.\u00a0Pesquisadores descobriram<\/strong><\/a>\u00a0que os usu\u00e1rios do reposit\u00f3rio de software GitHub aprovaram os c\u00f3digos escrito por mulheres a uma taxa maior do que aqueles escritos por homens, mas apenas caso seu g\u00eanero n\u00e3o fosse identificado.<\/strong><\/p>\n

 <\/p>\n

Acesse completo em\u00a0https:\/\/www.pretalab.com\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

[O texto abaixo faz parte do levantamento in\u00e9dito PretaLab,\u00a0levantamento realizado pela Olabi com 570 mulheres negras e \u00edndigenas no Brasil. Artigos anal\u00edticos, dados completos e destaques podem ser acessados em www.pretalab.com ] Um\u00a0estudo\u00a0feito em 2017 pelo Law\u2019s Center on Privacy and Technology, o centro sobre privacidade e tecnologia da faculdade de direito da Universidade de […]<\/p>\n","protected":false},"author":6,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[2547,2546,2474,210],"class_list":["post-10597","post","type-post","status-publish","format-standard","hentry","category-midias-sociais","tag-mulheres-negras","tag-pretalab","tag-raca","tag-tecnologia"],"_links":{"self":[{"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/posts\/10597","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/comments?post=10597"}],"version-history":[{"count":4,"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/posts\/10597\/revisions"}],"predecessor-version":[{"id":10603,"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/posts\/10597\/revisions\/10603"}],"wp:attachment":[{"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/media?parent=10597"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/categories?post=10597"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/tarciziosilva.com.br\/blog\/wp-json\/wp\/v2\/tags?post=10597"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}