Algoritmos e autodeterminação: uma contribuição a partir das noções de autodeterminação informativa e controle no contexto de decisões automatizadas

• Ano de defesa: 2021
• Autor(a) principal: Alimonti, Veridiana
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Autodeterminação; Autodeterminação informativa; Automated decision-making; Data protection; Decisões automatizadas; Informational self-determination; Privacidade; Privacy; Proteção de dados pessoais; Self-determination
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/2/2140/tde-16082022-111159/

A crescente mediação de sistemas algorítmicos na tomada de decisões consequenciais em diferentes aspectos de nossas vidas é expressão tanto da atual centralidade da informação quanto das preocupações ligadas aos impactos de seu processamento. As decisões automatizadas envolvem a mobilização de capacidades técnicas e humanas, que articulam tratamento de dados, geração de conhecimento e ação sobre pessoas e coletividades. Esta tese se volta à análise de tais decisões, focando nas que classifica como decisões sobre nós e feitas para nós, com seus mecanismos de predição e persuasão. Examina o contexto sociotécnico associado ao Big Data e desenvolve sobre a compreensão de que a dinâmica subjacente das decisões algorítmicas, de influências mútuas entre nós e os sistemas, é profundamente desequilibrada. Se por um lado tal contexto provoca indignação quanto ao comprometimento de nossa capacidade de autodeterminação, por outro, suscita ceticismo face às concepções de que o indivíduo é capaz de controlar os seus dados pessoais e de que lhe assegurar este direito é fator essencial à sua proteção na sociedade atual. A autodeterminação do sujeito nesse contexto parece ser, assim, causa ao mesmo tempo urgente e perdida. Tratando tal paradoxo como aparente, o trabalho propõe que os fundamentos das noções de controle e autodeterminação informativa, em coordenação a outros elementos que conformam um tratamento leal/equitativo (fair) de dados pessoais, mantêm-se relevantes e oferecem bases iniciais úteis e significativas para lidar com os desafios à autodeterminação do sujeito no âmbito de decisões algorítmicas.