Área de concentração: 55134 - Ciências de Computação e Matemática Computacional

Criação: 30/06/2026

Nº de créditos: 4

Carga horária:

Docentes responsáveis:

Objetivos:

Capacitar estudantes a compreender e analisar o tratamento de dados em pesquisa computacional, com foco na identificação de dados pessoais e sensíveis, na avaliação de riscos associados ao uso de dados digitais e na compreensão das implicações de privacidade e proteção de dados. Ao final da disciplina, espera-se que o estudante seja capaz de analisar criticamente estudos, sistemas ou datasets, identificando práticas adequadas e potenciais problemas no uso de dados, incluindo situações que possam demandar cuidados adicionais ou avaliação por comitês de ética em pesquisa.

Justificativa:

O uso de dados digitais em pesquisas em Computação tem crescido de forma significativa, incluindo dados provenientes de redes sociais, plataformas digitais e bases abertas. Em muitos desses contextos, os dados utilizados estão relacionados a indivíduos, ainda que não haja interação direta com participantes. Esse cenário traz desafios específicos associados à privacidade, à proteção de dados — incluindo a existência de legislação específica de proteção de dados pessoais — e à avaliação de riscos no uso dessas informações.

A formação tradicional em pesquisa com seres humanos, centrada em aspectos de intervenção e submissão a comitês de ética, possui foco distinto, voltado à interação direta com participantes. Por sua vez, disciplinas voltadas ao uso e análise de dados digitais, incluindo dados de redes sociais e plataformas digitais, concentram-se predominantemente em aspectos metodológicos e técnicos do tratamento e análise de dados.

Nesse contexto, esta disciplina propõe oferecer uma formação complementar, voltada à análise do uso de dados em pesquisa computacional, capacitando os estudantes a identificar, avaliar e discutir aspectos relacionados à privacidade, à proteção de dados e aos riscos associados, contribuindo para a condução de pesquisas mais responsáveis e bem fundamentadas.

Conteúdo:

Tratamento de dados em pesquisa computacional. Conceitos de dados pessoais e dados sensíveis. Princípios de privacidade e proteção de dados, e noções de bases legais. Contextos de uso de dados digitais, incluindo redes sociais, plataformas digitais e bases abertas. Ciclo de vida dos dados: coleta, processamento, análise, inferência, uso e retenção. Riscos associados ao uso de dados digitais, incluindo reidentificação e inferência de atributos. Análise de estudos, sistemas e conjuntos de dados quanto ao uso de dados. Relação entre uso de dados, responsabilidade em pesquisa e eventual necessidade de submissão a comitês de ética.

Forma de avaliação:

A avaliação dos alunos será composta por dois componentes principais: uma prova teórica final (50%) e a qualidade do projeto desenvolvido ao longo do curso (50%), apresentado em três etapas: uma entrega inicial com descrição do sistema ou estudo e identificação dos dados envolvidos (15%), uma entrega intermediária com análise de riscos associados ao uso dos dados (15%) e uma entrega final com análise consolidada do projeto (20%).

A atribuição de conceitos seguirá a seguinte regra:
MF >= 8,5: Conceito A
7,0 <= MF < 8,5: Conceito B
5,0 <= MF < 7,0: Conceito C
MF < 5,0: Conceito R (Reprova

Observação:

Nenhuma.

Bibliografia:

Fundamentais:
BRASIL. Constituição da República Federativa do Brasil de 1988.
BRASIL. Lei nº 13.709, de 14 de agosto de 2018 (Lei Geral de Proteção de Dados Pessoais – LGPD).
BRASIL. Conselho Nacional de Saúde. Resolução nº 510, de 7 de abril de 2016.
ANPD. Autoridade Nacional de Proteção de Dados. Guia Orientativo: Tratamento de Dados Pessoais para Fins Acadêmicos e de Pesquisa.
BOYD, Danah; CRAWFORD, Kate. Critical Questions for Big Data. Information, Communication & Society, 2012.
METCALF, Jacob; CRAWFORD, Kate. Where are Human Subjects in Big Data Research? Big Data & Society, 2016.
ZOOK, Matthew et al. Ten Simple Rules for Responsible Big Data Research. PLOS Computational Biology, 2017.
FIESLER, Casey; PROFERES, Nicholas. “Participant” Perceptions of Twitter Research Ethics. Social Media + Society, 2018.
TUFEKCI, Zeynep. Big Questions for Social Media Big Data: Representativeness, Validity and Other Methodological Pitfalls. Proceedings of the 8th International Conference on Weblogs and Social Media, ICWSM 2014. 8. 10.1609/icwsm.v8i1.14517.
FLORIDI, Luciano et al. AI4People—An Ethical Framework for a Good AI Society. Minds and Machines, 2018.
BAROCAS, Solon; HARDT, Moritz; NARAYANAN, Arvind. Fairness and Machine Learning. 2019.
LUNDIE, David. The Ethics of Research and Teaching in an Age of Big Data. 2024.
ZHANG, Y.; FU, J.; LAI, J.; DENG, S.; GUO, Z.; ZHONG, C.; TANG, J.; CAO, W.; WU, Y. Reporting of Ethical Considerations in Qualitative Research Utilizing Social Media Data on Public Health Care: Scoping Review. Journal of Medical Internet Research, 2024;26:e51496. DOI: 10.2196/51496.