Defesa de Proposta de Dissertação (06/11/2026): Alexander Ramos Feitosa

Discente: Alexander Ramos Feitosa

Título: Da Anotação ao Modelo: Amplificação de Viés de Gênero em Aprendizado Supervisionado para Análise de Sentimentos

Orientador: Gustavo Paiva Guedes e Silva

Banca:  Gustavo Paiva Guedes e Silva (Cefet/RJ), Eduardo Ogasawara (Cefet/RJ) e Ronaldo Goldschmidt (IME)

Dia/Hora: 06 de novembro de 2026 às 9:30h

Sala:  E-515 (Bloco E, 5º andar)

Resumo: A pesquisa investiga se classificadores de Análise de Sentimentos, treinados com dados anotados por homens e mulheres, podem amplificar divergências de gênero presentes no processo de anotação. Para isso, propõe a Metodologia de Análise de Divergências Anotativas (MADA), que utiliza a diferença entre os coeficientes de concordância (κ de Cohen) dos anotadores humanos e das predições dos modelos para mensurar essa possível amplificação. A metodologia foi avaliada em um corpus de 1.222 textos anotados por 46 participantes, além de conjuntos de dados sintéticos com diferentes níveis de concordância. Os resultados indicam que os classificadores avaliados produziram divergências superiores às observadas entre os grupos de anotadores originais, sugerindo que modelos de aprendizado de máquina podem intensificar diferenças existentes nos dados de treinamento. Este estudo foi aprovado pelo Comitê de Ética em Pesquisa, sob o parecer CAAE nº 82267824.8.0000.5289.