GKA Events | GKAEvents

Sign In

Racismo Algorítmico: Percepção Racial e Dimensões Socioeconômicas em Bancos de Imagens Digitais

Identifier

Event

Language

Presentation type

Topic it belongs to

Subtopic it belongs to

Title of the presentation (use both uppercase and lowercase letters)

Presentation abstract

O racismo algorítmico pode ser entendido como a reprodução de estereótipos e práticas racistas em mecanismos computacionais, como resultados de buscas e anúncios, devido ao treinamento enviesado dos algoritmos e bancos de dados que replicam e intensificam o racismo estrutural. Estudos recentes mostram como os bancos de imagens digitais reproduzem diversos desses estereótipos, contribuindo para a perpetuação de opressões e microagressões contra grupos subalternizados. Pensando em entender essa retroalimentação, o objetivo desse estudo foi investigar a representação de percepções raciais e socioeconômicas em bancos de imagens digitais. As buscas foram realizadas nos bancos Freepik, Pexels e Pixabay, com as palavras-chave Pobreza, Miséria, Riqueza e Dinheiro, que são indicadores de baixo e alto status socioeconômico, respectivamente. Essas palavras foram validadas em um levantamento feito pelos pesquisadores para buscar quais palavras são mais associadas aos indicadores socioeconômicos. Foram escolhidos bancos de imagens gratuitos e palavras-chave na língua portuguesa para aproximar o método de pesquisa da realidade do comportamento da maior parte dos brasileiros. As buscas nas três plataformas totalizaram 6200 imagens, avaliadas de forma independente por três juízes que também atribuíram uma valência (positiva, negativa ou neutra) para cada uma delas. Nas análises preliminares, apesar de as palavras Pobreza e Miséria serem consideradas indicadores de baixo status socioeconômico, uma quantidade expressiva de imagens (cerca de 40%) foram avaliadas pelos juízes como médio e alto status. Nos resultados dos indicadores Riqueza e Dinheiro, 60% das imagens são ilustrações ou fotos de bens materiais, e dentre as poucas pessoas que aparecem grande parte são brancas (78%). Ainda há um longo caminho para percorrer contra os problemas estruturais da sociedade e seus reflexos nos algoritmos, porém estudos como esse são importantes para levantar questionamentos a respeito do conteúdo que produzimos e consumimos, bem como o modo como navegamos na internet.

Long abstract of your presentation

Introdução


A cada dia que se passa as fronteiras entre o que é "real" e o que é "virtual" se tornam mais tênues. A internet deixou de ser somente um ciberespaço bem delimitado para ser um espaço imerso, corporificado e cotidiano (Hine, 2015). Com isso, se faz necessário entender e debater criticamente uma série de fenômenos sócio-tecnológicos na atualidade (Silva, 2019). Um desses fenômenos é o racismo algorítmico, que pode ser entendido a partir da reprodução de estereótipos e práticas racistas em mecanismos computacionais como busca, recomendação de conteúdo, anúncios e reconhecimento facial, devido a um treinamento enviesado dos algorítmos e bancos de dados que replicam e intensificam o racismo (Silva, 2019b). 

Nesta seara, existem vários estudos acerca de como os bancos de imagens digitais reproduzem estereótipos de raça, classe e/ou gênero (Carrera, 2020; Carrera & Carvalho, 2019; Agostinho, 2018),  contribuindo para a perpetuação de opressões e microagressões contra grupos subalternizados. Seja para fins de publicidade e propaganda, divulgação científica ou mesmo para a criação de estímulos para pesquisas acadêmicas, esses bancos de imagens têm sido cada vez mais utilizados. Compreendemos, assim, que existe uma relação intrínseca na perpetuação e até mesmo potencialização de estereótipos racistas, sexistas e de classe social entre aquilo que é representado na internet e na estrutura social fora dela. Pensando em entender essa retroalimentação, este estudo tem o objetivo de investigar como é representada a percepção racial e socioeconômica em bancos de imagens digitais gratuitos.

Os trabalhos encontrados na literatura sobre o assunto fazem uso de descritores em língua estrangeira (e.g., wealth, poverty) e/ou em bancos pagos (e.g., Shutterstock, Getty Images), mas a maior parte da população brasileira não fala inglês e não paga para usar imagens. Por isso, no presente trabalho foram utilizados bancos de imagens gratuitos porque estes são mais acessíveis para o grande público que queira imagens de alta qualidade sem precisar pagar por elas. Por exemplo, o Freepik, que é um dos bancos de imagens escolhidos para a pesquisa, possui aproximadamente 85 milhões de visitas mensais e possui em seu catálogo trabalhos de mais de 13 mil designers e fotógrafos. 

A escolha de utilizar somente palavras-chave em português também teve como objetivo aproximar a pesquisa da realidade do comportamento da população no Brasil, uma vez que segundo dados do British Council (2014) sobre o conhecimento de inglês do brasileiro, somente 5,1% da população de 16 anos ou mais afirma possuir algum conhecimento da língua inglesa, e isso pode interferir diretamente na linguagem utilizada para realizar buscas na internet. 

 

Metodologia

As buscas foram realizadas nos bancos de imagens gratuitos Freepik, Pexels e Pixabay e foram orientadas por meio de palavras-chave. Para definir as palavras-chave associadas aos indicadores socioeconômicos (Alto e Baixo Status), os pesquisadores fizeram um levantamento a partir de um questionário para entender as palavras que mais são associadas a esses indicadores. Dessa forma, foram definidas as palavras Pobreza, Miséria, Riqueza e Dinheiro, que representam, respectivamente, baixo e alto status socioeconômico. 

Também foi avaliada a valência das imagens (positiva, negativa ou neutra) por meio de juízes que analisaram cada imagem independentemente. Estudos recentes demonstram que existe uma influência do estado afetivo e emocional no processamento cognitivo, como na atribuição de julgamentos e no campo atencional (Ribeiro, Cardoso & Pinheiro, 2018). Dessa forma, é possível avaliar a interação entre a valência afetiva das imagens e suas respectivas palavras-chave. 

 

Resultados

As buscas nas três plataformas totalizaram cerca de 6200 imagens. Nas análises preliminares, apesar de as palavras Pobreza e Miséria serem consideradas indicadores de baixo status socioeconômico, uma quantidade expressiva de imagens (cerca de 40%) foram avaliadas pelos juízes como médio e alto status. Por sua vez, poucas das imagens que apareceram como resultado nas buscas com palavras-chave de alto status foram julgadas pelos juízes como de baixo ou médio status (cerca de 16%). Uma possível hipótese para isso é que uma quantidade expressiva das imagens que compõem esses bancos são provenientes de ensaios fotográficos profissionais, que por vezes são uma representação/encenação da realidade e não um retrato de como ela de fato é. 

Com relação ao alto status socioeconômico (Riqueza e Dinheiro), percebeu-se que a maior parte dos resultados (60%) foram ilustrações ou fotos de bens materiais, e dentre as poucas pessoas que aparecem grande parte são brancas (78%). Em contrapartida, cerca de 42% das imagens referentes aos descritores de baixo status socioeconômico são fotos com pessoas, das quais a maioria também são brancas (33%), seguidos por pessoas negras (20%). Vale ressaltar mais uma vez que esses são resultados preliminares, uma vez que a análise realizada pelos juízes ainda não foi finalizada.



Considerações Finais

Estudos como esse são importantes para levantar questionamentos a respeito do conteúdo que a gente consome e como o racismo algorítmico pode estar intrínseco ao modo como navegamos na internet. Para fazer uma leitura contextualizada dos resultados, faz-se importante entender o modo de funcionamento dos bancos de imagens, bem como a forma pela qual eles alimentam seu acervo. 

Os resultados encontrados na análise preliminar corroboram com resultados encontrados em outros estudos que utilizam bancos de imagens digitais pagos (Silva, 2020). Existe um movimento de mudanças acontecendo, porém ainda há um longo caminho para percorrer contra os problemas estruturais da sociedade e seus reflexos nos algoritmos.

 

Referências

Agostinho, D.(2018). Chroma key dreams: Algorithmic visibility, fleshy images and scenes of recognition. Philosophy of Photography, 9(2), 131–155. https://doi.org/10.1386/POP.9.2.131_1

Carrera, F. (2020). A raça e o gênero da estética e dos afetos : Algoritmização do racismo e do sexismo em bancos contemporâneos de imagens digitais. MATRIZes, 14(2), 217-240.

Carrera, F. & Carvalho, D. (2019). Algoritmos racistas: uma análise da hiperritualização da solidão da mulher negra em bancos de imagens digitais. Galáxia. 10.1590/1982-25532020141614. 

 Frosh, P. (2001). Inside the image factory: Stock photography and cultural production. Media Culture & Society - MEDIA CULT SOC. 23. 625-646. 10.1177/016344301023005005.

HINE, C. Ethnography for the internet: Embedded, embodied and everyday. Bloomsbury Publishing, 2015.

Demandas de Aprendizagem de Inglês no Brasil. (2014). Elaborado com exclusividade para o British Council pelo Instituto de Pesquisas Plano CDE. São Paulo: British Council.

 Ribeiro, P. C. T.; Cardoso, F. M. dos S. & Pinheiro, S. E. de M. (2018). Efeitos da pré-exposição a estímulos de valência afetiva numa tarefa de estimação de magnitude de severidade de comportamentos antissociais. Ciências & Cognição, 23(2). 

 Rodrigues, D. & Silva, T . Bancos de imagens em conteúdo nas mídias sociais: entre (in)visibilidade e autenticidade. Brazilian Journal of Technology, Communication, and Cognitive Science, v. 7, p. 1-14, 2019.

SILVA, Tarcízio. (2019). Teoria Racial Crítica e Comunicação Digital: conexões contra a dupla opacidade. Anais do 42º Congresso Brasileiro de Ciências da Comunicação. Belém, Pará.

SILVA, Tarcízio. (2019b). Racismo Algorítmico em Plataformas Digitais: microagressões e discriminação em código. VI Simpósio Internacional LAVITS.

Silva, Tarcízio. Comunidades, Algoritmos e Ativismos Digitais: olhares afrodiaspóricos. 1. ed. São Pauo: LiteraRUA, 2020. v. 1. 260p


Keywords (use both uppercase and lowercase letters)

Main author information

Emilly Lima (Brazil) 6542
Scientific production

Co-authors information

Rui de Moraes Júnior (Brazil) 6571
Scientific production

Status:

Approved