👩‍🏫 Para o Professor — Atividade 01: “O que São Dados? Uma Investigação”

Ano: 6º ano

Duração: 50 minutos

Recursos: Nenhum

Offline: ✅ Total

📋 Resumo Rápido

Antes de falar sobre viés, os alunos precisam entender profundamente o que são dados — e que por trás de cada dado existe uma pessoa, uma escolha e um contexto. Uma aula de fundamentos que transforma um conceito abstrato em algo visceralmente humano.

⏱️ Roteiro

🔵 Abertura — “Você É Dados” (10 min)

“Em 5 segundos, escreva no papel tudo que você acha que o Google sabe sobre você.”

Colete as respostas em voz alta. Anote no quadro. Provavelmente vão aparecer: buscas, vídeos assistidos, localização…

Então adicione o que eles provavelmente não pensaram:

Velocidade de digitação (identifica quem está digitando)
Quanto tempo olharam para cada parte de uma página
Que horas dormem (horário das últimas buscas)
O que estão sentindo (padrões de busca durante crises)
Quem são seus amigos (quem você pesquisa, com quem fala)
Quanto dinheiro a família tem (bairro, horário de acesso, tipo de dispositivo)

“Cada uma dessas informações é um dado. Juntos, eles formam um perfil que pode saber mais sobre você do que você mesmo sabe.”

🟡 Desenvolvimento — Tipos de Dados (20 min)

Dados estruturados vs. não estruturados:

Estruturado	Não estruturado
Nome, data de nascimento	Foto sua
CEP, número de telefone	Vídeo que você assistiu
Nota na prova	Comentário que você escreveu
Temperatura corporal	Som da sua voz

“A IA é especialmente boa em encontrar padrões em dados não estruturados — imagens, textos, áudios. Coisas que pareciam ‘humanas demais’ para uma máquina analisar.”

Dados pessoais vs. dados sensíveis (LGPD):

Dados pessoais	Dados sensíveis (proteção extra)
Nome, endereço	Origem racial ou étnica
E-mail, telefone	Convicção religiosa
Data de nascimento	Saúde e vida sexual
Hábitos de compra	Biometria (impressão digital, rosto)
	Dado genético

“A LGPD — nossa lei de proteção de dados — trata dados sensíveis com cuidado especial porque podem ser usados para discriminar. Saber que alguém é de determinada religião, etnia ou tem determinada condição de saúde pode levar a preconceito.”

🟢 Atividade — “Rastreando Dados de Uma Manhã” (15 min)

Em duplas, os alunos mapeiam os dados gerados numa manhã típica:

6h30 - Alarme do celular dispara → dados: horário que acordei, modelo do celular
6h45 - Abro o Instagram → dados: ___________________________
7h00 - Mandei mensagem no WhatsApp → dados: ________________
7h30 - Peguei o ônibus com cartão escolar → dados: __________
8h00 - Entrei na escola → dados: ___________________________
... (continuar por mais 5 momentos)

Compartilham com a turma. Contam o total de dados gerados.

🔴 Caixa de Ética (5 min)

“Se uma empresa tem todos esses dados sobre você desde os 12 anos — por 6 anos — até os 18, o que ela sabe sobre você? Você concorda com isso? Você teve escolha?”

*LABRIOT — UTFPR

CC BY-NC-SA 4.0*

👩‍🏫 Para o Professor — Atividade 03: “Coletando Dados com Responsabilidade”

Ano: 6º ano

Duração: 50 minutos

Recursos: Papel

Offline: ✅ Total

📋 Resumo Rápido

Os alunos conduzem uma pesquisa real (uma enquete sobre hábitos digitais na escola) aprendendo na prática: consentimento, anonimização, representatividade da amostra e limitações dos dados.

⏱️ Roteiro

🔵 Abertura — “Antes de Coletar: o Consentimento” (10 min)

“Toda pesquisa que envolve pessoas precisa de consentimento — a pessoa precisa saber que está participando, para que vai ser usado, e poder recusar. Isso vale para pesquisas científicas, mas também para empresas de tecnologia.”

Pergunte: “Quando vocês instalaram um aplicativo e clicaram em ‘aceitar os termos’, deram consentimento para o uso dos seus dados. Mas foi um consentimento real? Vocês leram os termos?”

🟡 Desenvolvimento — Planejando a Pesquisa (15 min)

A turma vai coletar dados sobre hábitos digitais dos alunos da escola.

Decisões que precisam tomar:

O que queremos saber? (5 perguntas máximo — chegar a consenso)
Quem vamos perguntar? (definir amostra — quantas turmas?)
Como garantimos anonimato? (sem nome, sem turma identificável)
Para que usaremos os dados? (análise em aula — nada publicado sem autorização)
Quem pode recusar? (qualquer aluno pode recusar sem problema)

Sugestão de perguntas:

Quantas horas por dia você usa o celular?
Qual aplicativo você mais usa?
Você já sentiu que passou tempo demais numa rede social?
Você já viu algo online que te deixou triste ou com medo?
Você sabe o que são “dados pessoais”?

🟢 Coleta e Análise (20 min)

Se for dentro da própria turma: aplicar o questionário anônimo e compilar os resultados.

Análise: tabelas simples de frequência, gráfico de barras no quadro.

“Agora vocês têm dados. Mas esses dados representam todo o Brasil? Só alunos desta escola? Como isso afeta o que podemos concluir?”

🔴 Caixa de Ética (5 min)

“Se os resultados mostrarem que alunos da nossa escola passam muitas horas em redes sociais — devemos publicar isso? Quem pode ver? Isso pode ser usado contra a escola ou os alunos de alguma forma?”

*LABRIOT — UTFPR

CC BY-NC-SA 4.0*

👩‍🏫 Para o Professor — Atividade 04: “O Mapa do Viés — Casos do Brasil”

Ano: 6º ano

Duração: 50 minutos

Recursos: Nenhum

Offline: ✅ Total

📋 Resumo Rápido

Aprofundando a Atividade 02, esta aula foca em casos reais brasileiros de viés algorítmico — mais próximos e concretos para os alunos do que exemplos americanos.

⏱️ Roteiro

🔵 Casos Brasileiros (25 min — núcleo da aula)

Apresente e debata cada caso:

Caso 1 — Reconhecimento Facial e Prisões Erradas

“Entre 2019 e 2023, ao menos 8 pessoas negras foram presas erroneamente no Brasil devido a falhas em sistemas de reconhecimento facial usados por forças policiais — segundo o Instituto de Referência em Internet e Sociedade (IRIS). Em todos os casos, a pessoa detida não tinha nenhuma relação com o crime investigado.”

Perguntas:

Por que o sistema errou mais com pessoas negras?
Que impacto uma prisão errada tem na vida de uma pessoa?
Quem é responsável pelo erro — a IA, a polícia, a empresa?

Caso 2 — Algoritmo de Crédito e CEP

“Pesquisas mostram que algoritmos de concessão de crédito no Brasil frequentemente associam CEPs de periferia com maior risco de inadimplência — e negam crédito ou cobram taxas mais altas de moradores dessas regiões, mesmo quando a situação financeira individual é equivalente a de moradores de bairros mais ricos.”

Perguntas:

O que é um CEP? É um dado pessoal?
Por que isso é um ciclo vicioso? (negado crédito → não pode investir → fica mais pobre → CEP continua sendo de risco)
Isso é discriminação indireta?

Caso 3 — Recomendações que Aprofundam Desigualdade

“Algoritmos de recomendação de conteúdo (YouTube, Instagram) aprendem com o comportamento dos usuários. Em regiões com menos acesso à internet de qualidade, os usuários acessam em horários e velocidades diferentes — o algoritmo aprende padrões diferentes e pode recomendar conteúdo de menor qualidade educacional.”

Perguntas:

Como a desigualdade de acesso à internet afeta o que o algoritmo aprende?
Isso amplia ou reduz a desigualdade existente?

🟢 Construindo o “Mapa do Viés” (15 min)

No quadro, os alunos constroem coletivamente um mapa:

DESIGUALDADE SOCIAL EXISTENTE
         ↓
Dados históricos com viés
         ↓
IA aprende o viés
         ↓
IA toma decisões discriminatórias
         ↓
Desigualdade se aprofunda
         ↓ (ciclo)

“A IA não criou essa desigualdade — ela a herdou dos dados. Mas ela pode amplificá-la em escala e velocidade que nunca foram possíveis antes.”

🔴 Caixa de Ética (10 min)

“Como quebramos esse ciclo? Existem três abordagens: (1) melhorar os dados — mais representativos; (2) auditar os algoritmos — verificar se discriminam; (3) regulação — o governo obriga a transparência e equidade. Qual abordagem você priorizaria? E quem paga por isso?”

*LABRIOT — UTFPR

CC BY-NC-SA 4.0*

👩‍🏫 Para o Professor — Atividade 05: “Propondo uma IA Mais Justa”

Ano: 6º ano

Duração: 50 minutos

Recursos: Papel

Offline: ✅ Total

📋 Resumo Rápido

Encerramento do 6º ano: os alunos deixam de ser apenas críticos e se tornam propositivos. Em grupos, desenvolvem critérios e mecanismos para tornar um sistema de IA específico mais justo — e apresentam para a turma.

⏱️ Roteiro

🔵 Mudança de Perspectiva (8 min)

“Até agora ficamos analisando problemas. Agora somos a equipe de ética de uma empresa de tecnologia. Somos pagos para garantir que nossas IAs sejam justas. Por onde começamos?”

🟡 Desenvolvimento — Proposta de IA Justa (30 min)

Cada grupo recebe um sistema de IA para “consertar”:

Grupo A — IA de Reconhecimento Facial policial: Proponham: quais dados de treino usar, quais testes de equidade realizar, quem deve supervisionar, quando a IA não deve ser usada.

Grupo B — Algoritmo de concessão de crédito: Proponham: quais variáveis não devem entrar no modelo (CEP? Raça?), como garantir que pessoas sejam tratadas individualmente, como auditar o sistema.

Grupo C — Algoritmo de recomendação de conteúdo para jovens: Proponham: como equilibrar engajamento com conteúdo saudável, limites de tempo de uso, diversidade de perspectivas garantida.

Grupo D — IA para triagem de currículos: Proponham: quais critérios são aceitáveis, como garantir paridade de gênero e raça, quem revisa as decisões da IA.

🟢 Apresentações (7 min)

3 minutos por grupo. Feedback da turma: “O que ficou de fora? O que não funcionaria?”

🔴 Caixa de Ética — Encerramento do 6º Ano (5 min)

“Tornar a IA mais justa custa tempo e dinheiro. Uma empresa pode perder competitividade se investir em equidade enquanto concorrentes não fazem isso. Como a gente garante que todas as empresas sigam as mesmas regras? Isso é papel de quem — governo, mercado, sociedade civil?”

*LABRIOT — UTFPR

Profa. Dra. Itamar Iliuk (Coordenadora)

CC BY-NC-SA 4.0*