Equilíbrio entre Justiça e Desempenho em Sistemas de Aprendizado de Máquina: Uma Revisão da Literatura
iSys - Brazilian Journal of Information Systems · 03.02.2026 · 18 (1)
DOI: 10.5753/isys.2025.6007 ↗Kurz gefasst
Fachartikel in der Zeitschrift iSys - Brazilian Journal of Information Systems, online erschienen am 03.02.2026. Verfasst von Daniel Bolsonaro Vaz Filho und 1 weiteren Autor:innen. Die Arbeit nennt 24 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
Este estudo analisa a injustiça algorítmica em sistemas automatizados de tomada de decisão, destacando a necessidade de equidade e transparência diante de seu impacto social. Algoritmos de aprendizado de máquina frequentemente reproduzem vieses dos dados, resultando em decisões discriminatórias. Diversas estratégias de mitigação têm sido propostas, incluindo métodos de avaliação de justiça e ferramentas para detecção de vieses. Este trabalho revisa essas abordagens de forma individual e combinada, avaliando sua capacidade de equilibrar desempenho e justiça. Os resultados evidenciam dois aspectos centrais: o recorrente trade-off entre acurácia e justiça e a falta de padronização das métricas utilizadas, o que dificulta comparações entre estudos. Ao sistematizar esses achados, o estudo contribui para o avanço do debate sobre ética e justiça em sistemas automatizados.
Zitieren
APA
Filho, D. B. V., & Digiampietri, L. A. (2026). Equilíbrio entre Justiça e Desempenho em Sistemas de Aprendizado de Máquina: Uma Revisão da Literatura. iSys - Brazilian Journal of Information Systems, 18(1). https://doi.org/10.5753/isys.2025.6007
Vancouver
Filho DBV, Digiampietri LA. Equilíbrio entre Justiça e Desempenho em Sistemas de Aprendizado de Máquina: Uma Revisão da Literatura. iSys - Brazilian Journal of Information Systems. 2026;18(1). doi:10.5753/isys.2025.6007
BibTeX
@article{Filho2026,
author = {Filho, Daniel Bolsonaro Vaz and Digiampietri, Luciano Antonio},
title = {Equilíbrio entre Justiça e Desempenho em Sistemas de Aprendizado de Máquina: Uma Revisão da Literatura},
journal = {iSys - Brazilian Journal of Information Systems},
year = {2026},
volume = {18},
number = {1},
doi = {10.5753/isys.2025.6007}
}
EUVIMED