Sistemas de Reconhecimento Facial para Diversidade no Contexto Brasileiro

• Eugênio Raizer Netto UniCesumar
• Fábio Aparecido Cândido da Silva UniCesumar

DOI: https://doi.org/10.5753/sbsi_estendido.2025.246900

Resumo

Sistemas de reconhecimento facial são amplamente adotados, impactando segurança, transporte e serviços. No Brasil, há desafios como viés algorítmico e falta de regulamentação. Esta pesquisa adota uma abordagem ad hoc para analisar a literatura sobre reconhecimento facial e diversidade, permitindo uma investigação flexível e exploratória do tema. Os resultados destacam lacunas na regulamentação e na representatividade dos dados, sugerindo como trabalho futuro uma Revisão Sistemática da Literatura com análise temática para aprofundar a compreensão dos impactos sociais e éticos dessa tecnologia. Essa pesquisa é uma instância do tema emergente: Diversidade, equidade e inclusão.

Referências

Brandão, R. and Oliveira, J. L. (2021). Reconhecimento facial e viés algorítmico em grandes municípios brasileiros. In Workshop sobre as Implicações da Computação na Sociedade (WICS), pages 122–127. SBC.

Kostka, G., Steinacker, L., and Meckel, M. (2021). Between security and convenience: Facial recognition technology in the eyes of citizens in china, germany, the united kingdom, and the united states. Public Understanding of Science, 30(6):671–690.

Melo, P. V. and Serra, P. (2022). Facial recognition technology and public security in brazilian capitals: Issues and problematizations. Comunicação e sociedade, (42):205–220.

Nieves Delgado, A. (2023). Race and statistics in facial recognition: Producing types, physical attributes, and genealogies. Social Studies of Science, 53(6):916–937.

Ruback, L., Avila, S., and Cantero, L. (2021). Vieses no aprendizado de máquina e suas implicaçoes sociais: Um estudo de caso no reconhecimento facial. In Workshop sobre as Implicações da Computação na Sociedade (WICS), pages 90–101. SBC.

Shams, R. A., Zowghi, D., and Bano, M. (2023). Ai and the quest for diversity and inclusion: A systematic literature review. Springer.

Towler, A., Dunn, J. D., Castro Martínez, S., Moreton, R., Eklöf, F., Ruifrok, A., Kemp, R. I., and White, D. (2023). Diverse types of expertise in facial recognition. Nature Publishing Group.

Whitney, C. D. and Norman, J. (2024). Real risks of fake data: Synthetic data, diversity-washing and consent circumvention. ACM Digital Library.

Yucer, S., Tektas, F., Al Moubayed, N., and Breckon, T. (2024). Racial bias within face recognition: A survey. ACM Computing Surveys, 57(4):1–39.