Identificação e classificação de trechos racistas e sexistas em processos judiciais

• Yasmin Francisquetti Barnes USP
• Marcelo Finger USP

DOI: https://doi.org/10.5753/stil.2026.29861

Resumo

Este estudo descreve o desenvolvimento de uma ferramenta de inteligência artificial para identificar e classificar discursos racistas e sexistas proferidos por agentes jurídicos. Focado em processos de violência sexual do Tribunal de Justiça de São Paulo (TJSP), a pesquisa visa evidenciar vieses que corroboram a vitimização secundária. A solução computacional baseia-se em um modelo de Processamento de Linguagem Natural com arquitetura Transformer, utilizando um modelo derivado do BERT pré-treinado para o português brasileiro. O modelo é treinado com dados textuais categorizados por uma ontologia de estereótipos de gênero e seu desempenho é avaliado por validação cruzada (k = 5) com métricas de acurácia, precisão, revocação e medida-F.

Referências

Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1):37–46.

Conselho Nacional do Ministério Público (s.d.). Vitimização. [link]. Acesso em: 3 ago. 2026.

Devlin, J., Chang, M., Lee, K., e Toutanova, K. (2019). BERT: pre-training of deep bidirectional transformers for language understanding. Em Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, NAACL-HLT, pages 4171–4186. Association for Computational Linguistics.

Leite, J. A., Silva, D., Bontcheva, K., e Scarton, C. (2020). Toxic language detection in social media for Brazilian Portuguese: Task and dataset with multilabel annotation. Em Proceedings of the 4th Workshop on Online Abuse and Harms (ALW), pages 1–13.

Marques, C. S. (2021). Uma ontologia para permitir a análise da presença e influência do estereótipo de gênero em processos jurídicos de casos de estupro. Trabalho de conclusão de curso (bacharelado em ciência da computação), Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo.

Ministério da Justiça e Segurança Pública (2025). Mapa de segurança pública 2025. Relatório técnico, Ministério da Justiça e Segurança Pública, Brasília, DF.

Pelle, R. d. e Moreira, V. (2017). Offensive comments in the Brazilian web: a dataset and baseline results. Em Anais do VI Brazilian Workshop on Social Network Analysis and Mining (BraSNAM), pages 510–519, Porto Alegre, RS, Brasil. SBC.

Pellicer, L. F. A. O. e Rinaldo, G. (2024). NorBERTo: A ModernBERT model trained for Portuguese with 331 billion tokens corpus. Em Proceedings of the International Conference on the Computational Processing of Portuguese (PROPOR).

Siqueira, C. K. B. (2016). A liberdade sexual da mulher na prática judicial: análise da aplicação de estereótipos de gênero em processos de estupro. Dissertação de mestrado, Faculdade de Direito, Universidade Federal do Ceará, Fortaleza.

Sousa, R. F. d. (2017). Cultura do estupro: prática e incitação à violência sexual contra mulheres. Estudos Feministas, 25(1):9–29.

Souza, F., Nogueira, R., e Lotufo, R. (2020). BERTimbau: Pretrained BERT models for Brazilian Portuguese. Em Intelligent Systems: 9th Brazilian Conference (BRACIS), pages 403–417. Springer International Publishing.

Vargas, F., Carvalho, I., Rodrigues de Góes, F., Pardo, T., e Benevenuto, F. (2022). HateBR: A large expert annotated corpus of Brazilian Instagram comments for offensive language and hate speech detection. Em Calzolari, N., Béchet, F., Blache, P., Choukri, K., Cieri, C., Declerck, T., Goggi, S., Isahara, H., Maegaard, B., Mariani, J., Mazo, H., Odijk, J., e Piperidis, S., editors, Proceedings of the Thirteenth Language Resources and Evaluation Conference, pages 7174–7183, Marseille, France. European Language Resources Association.

Wu, W. B. T. L. e Garcia, L. P. F. (2025). ModBERTBr: A ModernBERT-based model for Brazilian Portuguese. Em Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC).