Ética na Análise de Dados

A ética na análise de dados exige que os alunos não apenas compreendam conceitos, mas também os vivenciem de forma crítica e reflexiva. Através de atividades interativas, os alunos percebem que a ética não é apenas teórica, mas sim uma prática constante que influencia decisões reais na sociedade.

• 8° Ano
• Inovação Digital e Pensamento Computacional
• 4 atividades
• 30 min–50 min

Objetivos de Aprendizagem

1. Analisar exemplos de como os dados recolhidos por empresas tecnológicas podem afetar a privacidade dos utilizadores.
2. Avaliar os riscos éticos de algoritmos de tomada de decisão automatizada em áreas como o recrutamento ou a concessão de crédito.
3. Explicar como o viés nos dados de treino pode perpetuar ou agravar desigualdades sociais.
4. Criar um conjunto de diretrizes éticas claras para a recolha e análise de dados num projeto escolar específico, como um inquérito sobre hábitos de estudo.
5. Comparar diferentes abordagens para mitigar o viés em conjuntos de dados.

Seminário Socrático

⏱ 30 min·Pares

Debate em Pares: Privacidade vs. Benefícios

Divida a turma em pares para debater se empresas devem recolher dados pessoais para melhorar serviços. Cada par prepara argumentos pró e contra com exemplos reais. Apresentem e votem no final, registando lições aprendidas.

Preparação e detalhes

Avalie os riscos éticos associados à utilização de dados para tomar decisões automatizadas.

Sugestão de Facilitação: Durante o Debate em Pares, interrompa logo que o argumento se baseie apenas em opiniões abstratas, pedindo exemplos concretos retirados de notícias recentes.

Setup: Cadeiras dispostas em dois círculos concêntricos

Materials: Questão ou tópico de discussão (projetado no ecrã), Grelha de observação para o círculo exterior

• Analisar
• Avaliar
• Criar
• Consciência Social
• Competências Relacionais

Seminário Socrático

⏱ 45 min·Pequenos grupos

Análise de Dados Viciados: Pequenos Grupos

Forneça conjuntos de dados simulados com viés de género ou etnia. Grupos identificam o viés, propõem correções e discutem impactos em decisões automatizadas. Partilhem conclusões com a turma.

Preparação e detalhes

Explique como o viés nos dados pode levar a resultados injustos ou discriminatórios.

Sugestão de Facilitação: Na Análise de Dados Viciados, forneça conjuntos de dados com vieses óbvios mas que não sejam imediatamente identificáveis, como resultados de exames por bairro socioeconómico.

Setup: Cadeiras dispostas em dois círculos concêntricos

Materials: Questão ou tópico de discussão (projetado no ecrã), Grelha de observação para o círculo exterior

• Analisar
• Avaliar
• Criar
• Consciência Social
• Competências Relacionais

Seminário Socrático

⏱ 35 min·Individual

Criação de Diretrizes Éticas: Individual

Peça aos alunos para desenharem cinco diretrizes éticas para um projeto escolar de recolha de dados. Inclua critérios como consentimento e anonimato. Revejam em plenário e compilem uma lista coletiva.

Preparação e detalhes

Desenhe um conjunto de diretrizes éticas para a recolha e análise de dados num projeto escolar.

Sugestão de Facilitação: Na Criação de Diretrizes Éticas, limite a atividade a três princípios-chave para evitar sobrecarga, como privacidade, transparência e responsabilidade.

Setup: Cadeiras dispostas em dois círculos concêntricos

Materials: Questão ou tópico de discussão (projetado no ecrã), Grelha de observação para o círculo exterior

• Analisar
• Avaliar
• Criar
• Consciência Social
• Competências Relacionais

Seminário Socrático

⏱ 50 min·Turma inteira

Role-Play de Caso Real: Whole Class

Apresente um caso como discriminação em algoritmos de crédito. Atribua papéis (cidadão, empresa, regulador) à turma para simular discussão e resolução. Registem acordos éticos alcançados.

Preparação e detalhes

Avalie os riscos éticos associados à utilização de dados para tomar decisões automatizadas.

Sugestão de Facilitação: No Role-Play de Caso Real, atribua papéis com interesses conflitantes para que os alunos tenham de negociar soluções éticas em tempo real.

Setup: Cadeiras dispostas em dois círculos concêntricos

Materials: Questão ou tópico de discussão (projetado no ecrã), Grelha de observação para o círculo exterior

• Analisar
• Avaliar
• Criar
• Consciência Social
• Competências Relacionais

Ensinar Este Tópico

Ensinar ética na análise de dados requer um equilíbrio entre teoria e prática, evitando discussões demasiado abstratas que afastam os alunos. Comece sempre por exemplos do quotidiano dos alunos, como aplicações escolares ou redes sociais, para tornar os conceitos tangíveis. Pesquisas indicam que os alunos retêm melhor quando trabalham com dados que lhes dizem respeito, por isso privilegie conjuntos de dados locais ou do interesse da turma.

O Que Esperar

No final da unidade, os alunos demonstram capacidade de identificar riscos éticos em casos práticos, explicar como o viés nos dados pode levar a injustiças e criar diretrizes éticas aplicáveis a projetos escolares. O sucesso é medido pela clareza na argumentação e pela aplicação concreta de princípios éticos.

Atenção a estes erros comuns

Erro comum

Durante o Debate em Pares sobre Privacidade vs. Benefícios, alguns alunos podem argumentar que 'os dados são sempre objetivos'.

O que ensinar em alternativa

Aproveite este momento para mostrar dois conjuntos de dados idênticos, mas com perguntas de investigação diferentes. Peça aos alunos para compararem os resultados e identificarem como as perguntas enviesadas levam a conclusões distintas.

Erro comum

Durante a Análise de Dados Viciados em pequenos grupos, é comum ouvir que 'anonimizar os dados resolve tudo'.

O que ensinar em alternativa

Peça aos grupos para tentarem reidentificar indivíduos num conjunto de dados anonimizados, usando informações externas como a turma ou a escola. O objetivo é mostrar como a anonimização parcial não é suficiente.

Erro comum

Durante a Criação de Diretrizes Éticas individualmente, os alunos podem pensar que 'a ética só interessa em projetos grandes'.

O que ensinar em alternativa

Peça aos alunos para aplicarem as diretrizes a um projeto escolar recente da turma, como uma angariação de fundos ou um inquérito sobre hábitos alimentares. Com este exercício, identificam riscos locais que antes não tinham considerado.

Ideias de Avaliação

Questão para Discussão

Após o Debate em Pares sobre Privacidade vs. Benefícios, apresente um novo cenário: 'Uma escola quer usar dados de localização dos telemóveis dos alunos para monitorizar atrasos'. Peça aos alunos para aplicarem as conclusões do debate e justificarem se concordam ou não, recolhendo as respostas escritas para avaliar a transferência de conhecimento.

Bilhete de Saída

Durante a Análise de Dados Viciados, distribua um cartão com um conjunto de dados e peça aos alunos para identificarem um potencial viés e explicarem como afetaria uma decisão baseada nesses dados. Recolha os cartões para avaliar a capacidade de deteção de vieses.

Verificação Rápida

Após o Role-Play de Caso Real, mostre um novo caso simplificado (ex: um algoritmo de admissão a uma escola que favorece alunos de certas zonas). Pergunte: 'Que tipo de viés está presente e que grupo pode ser prejudicado?' Recolha as respostas para verificar a compreensão dos conceitos-chave.

Extensões e Apoio

• Challenge: Peça aos alunos que identifiquem um caso real na imprensa sobre viés em algoritmos e apresentem uma proposta de correção ética em formato de podcast de 2 minutos.
• Scaffolding: Para alunos que hesitam, forneça um template de diretrizes éticas com espaços em branco para preencherem com exemplos da atividade anterior.
• Deeper: Organize um fórum assíncrono com profissionais de dados ou jornalistas para discutir como aplicam ética nos seus trabalhos diários.

Vocabulário-Chave

Privacidade de dados	O direito dos indivíduos de controlar como a sua informação pessoal é recolhida, utilizada e partilhada.
Viés algorítmico	Tendências sistemáticas em sistemas computacionais que resultam em resultados injustos ou discriminatórios para certos grupos.
Responsabilidade	A obrigação de ser responsável pelas ações e decisões tomadas na recolha e análise de dados, incluindo as suas consequências.
Tomada de decisão automatizada	O uso de algoritmos para tomar decisões sem intervenção humana direta, como a aprovação de um empréstimo ou a seleção de candidatos a um emprego.
Dados sensíveis	Informação pessoal que requer proteção especial devido ao seu potencial de causar danos ou discriminação se divulgada, como dados de saúde ou opiniões políticas.