Willey Roney Oliveira Motta da Cunha; Fabricio Ziviani


Artigo


Análise Bibliométrica em Inteligência Artificial




Willey Roney Oliveira Motta da Cunha1


Fabricio Ziviani2





Resumo: Este estudo apresenta uma análise abrangente da ética no uso da Inteligência Artificial (IA) em contextos organizacionais, abordando questões desde transparência e governança até agência moral em cenários futuros. O objetivo é oferecer uma compreensão atualizada das questões éticas relacionadas à IA, contribuindo para o desenvolvimento de diretrizes éticas. A metodologia incluiu uma revisão da literatura nas bases Scielo e Spell. A análise bibliométrica com ferramentas como VOSviewer e Parsifal destacou a distribuição temporal, colaboração entre autores e temas predominantes. Os resultados revelam a complexidade ética e social da IA, abordando desafios em áreas como jurídica, saúde, impacto social, accountability, responsabilidade filosófica, regulamentação de dados e proteção da privacidade. A análise temática identificou recorrência em tópicos como transparência, explicabilidade, regulamentação, vieses e discriminação. A pesquisa ressaltou a necessidade de uma abordagem abrangente para lidar com os impactos da IA, evidenciando a escassez de estudos científicos explorando seu impacto em diversos contextos.

Palavras-chave: Inteligência artificial; ética; regulamentação; bibliometria.



Bibliometric Analysis in Artificial Intelligence


Abstract: This study presents a comprehensive analysis of ethics in the use of Artificial Intelligence (AI) in organizational contexts, addressing issues from transparency and governance to moral agency in future scenarios. The aim is to provide an updated understanding of ethical issues related to AI, contributing to the development of ethical guidelines. The methodology included a literature review in the Scielo and Spell databases. Bibliometric analysis using tools such as VOSviewer and Parsifal highlighted temporal distribution, collaboration among authors, and predominant themes. The results reveal the ethical and social complexity of AI, addressing challenges in areas such as legal, health, social impact, accountability, philosophical responsibility, data regulation, and privacy protection. Thematic analysis identified recurrence in topics such as transparency, explainability, regulation, biases, and discrimination. The research emphasized the need for a comprehensive approach to address the impacts of AI, highlighting the scarcity of scientific studies exploring its impact in various contexts.

Keywords: Artificial intelligence; ethics; regulation; bibliometrics.



Análisis Bibliométrica en Inteligencia Artificial


Resumen: Este estudio presenta un análisis exhaustivo de la ética en el uso de la Inteligencia Artificial (IA) en contextos organizacionales, abordando cuestiones desde la transparencia y gobernanza hasta la agencia moral en escenarios futuros. El objetivo es ofrecer una comprensión actualizada de las cuestiones éticas relacionadas con la IA, contribuyendo al desarrollo de directrices éticas. La metodología incluyó una revisión de la literatura en las bases Scielo y Spell. El análisis bibliométrico con herramientas como VOSviewer y Parsifal destacó la distribución temporal, la colaboración entre autores y los temas predominantes. Los resultados revelan la complejidad ética y social de la IA, abordando desafíos en áreas como legal, salud, impacto social, responsabilidad, filosofía, regulación de datos y protección de la privacidad. El análisis temático identificó la recurrencia en temas como transparencia, explicabilidad, regulación, sesgos y discriminación. La investigación subrayó la necesidad de un enfoque integral para abordar los impactos de la IA, evidenciando la escasez de estudios científicos que exploren su impacto en diversos contextos.

Palabras-clave: Inteligencia artificial; ética; regulación; bibliometría.


Como citar este artigo: CUNHA, Willey Roney Oliveira Motta da; ZIVIANI, Fabricio. Análise Bibliométrica em Inteligência Artificial. Múltiplos Olhares em Ciência da Informação, Belo Horizonte, v. 14, p. 1-23, 2024. DOI: 10.35699/2237-6658.2024.51438.

1 Introdução

A rápida evolução da Inteligência Artificial (IA) tem sido uma força motriz em diversos setores da sociedade, resultando em mudanças substanciais nos processos e nas interações humanas. A visão de Ludermir (2021) sobre os estudos e aplicações da IA, remontando aos anos 60 com trabalhos pioneiros em áreas como redes neurais, lógica simbólica e sistemas especialistas, destaca a importância histórica e o contínuo desenvolvimento dessa área. Além disso, as contribuições fundamentais de Alan Turing em 1950 com sua proposta do teste de Turing e de McCarthy com a criação do termo "Inteligência Artificial" em 1955, estabelecem marcos essenciais na trajetória da IA. À medida que a IA se consolida como uma ferramenta indispensável em diversos domínios, surgem questões éticas cruciais que demandam análise detalhada e discussão crítica (Duarte; Barboza, 2023). Esta pesquisa propõe uma revisão sistemática do panorama ético da IA, explorando uma ampla gama de tópicos, desde transparência e governança até agência moral em cenários futuros.

Ao abordar temas éticos na utilização da IA, é imperativo considerar o contexto jurídico, onde a transparência e explicabilidade dos sistemas ganham destaque, influenciando diretamente o sistema de justiça (Bitencourt; Martins, 2023). Paralelamente, o impacto da IA na área da saúde, marcado por desafios bioéticos, ressalta a necessidade premente de regulamentações que garantam não apenas eficiência, mas também segurança e conformidade ética (Duarte, 2023). Destaca-se ainda a influência da IA nos processos de recrutamento e seleção, suscitando questões sobre vieses e discriminação, demandando uma reflexão profunda sobre equidade e justiça (Blumen; Cepellos, 2022). Dessa forma, emerge a discussão sobre a necessidade de accountability e responsabilidade ética, elementos fundamentais para mitigar riscos e assegurar a integridade na aplicação da IA (Gomes, et al., 2023).

A abordagem desta pesquisa amplia-se para além das fronteiras nacionais, incorporando perspectivas globais sobre diretrizes e leis que visam promover o uso responsável da IA, em especial no cenário europeu. A importância desta pesquisa se destaca por questões emergentes relacionadas à governança algorítmica e o papel regulatório diante das plataformas digitais, apontando para uma reconfiguração das estruturas institucionais. Há que se observar ainda a interseção entre IA e temas socioeconômicos, como o impacto no mercado de trabalho, interações sociais, privacidade e justiça, evidenciam-se desafios que transcendem as fronteiras tecnológicas, demandando soluções éticas e equitativas.

O objetivo desta pesquisa é proporcionar uma compreensão abrangente e atualizada das questões éticas envolvidas no cenário atual do uso da IA. Ao integrar uma variedade de perspectivas e abordagens, busca-se contribuir para o desenvolvimento de diretrizes éticas robustas que orientem o avanço responsável e transparente da Inteligência Artificial.

2 Desenvolvimento

2.1 Referencial Teórico

2.1.1 Frameworks éticos na Inteligência Artificial

Nos últimos anos, o estudo das questões éticas relacionadas à Inteligência Artificial (IA) tem ganhado destaque significativo, refletindo a crescente preocupação com o impacto social, moral e político das tecnologias emergentes. Os frameworks éticos na IA surgem como instrumentos conceituais e práticos para orientar o desenvolvimento, implementação e uso responsável dessas tecnologias. Esses frameworks geralmente abordam princípios fundamentais, como justiça, privacidade, transparência, responsabilidade e autonomia, visando garantir que os sistemas de IA sejam desenvolvidos e utilizados de maneira ética e compatível com os valores sociais e normativos (Vale et al., 2023).

Mittelstadt et al. (2016) destacam a importância de uma abordagem ética abrangente à IA, que vá além da conformidade com regulamentos e leis, para considerar tanto questões morais quanto implicações práticas da tecnologia. Eles argumentam que a ética na IA deve incluir a promoção de práticas justas e inclusivas, além de garantir que os sistemas sejam desenvolvidos levando em conta os valores éticos da sociedade em que são implantados. Essa abordagem holística enfatiza a necessidade de uma reflexão cuidadosa sobre o impacto social e humano da IA, bem como o desenvolvimento de estruturas regulatórias e políticas que garantam sua conformidade com princípios éticos fundamentais.

No contexto específico dos algoritmos de IA, Rossetti e Angeluci (2021) identificam diversos aspectos cruciais relacionados à ética, como falibilidade da correlação, opacidade e viés. A falibilidade da correlação refere-se à possibilidade de os algoritmos produzirem resultados imprecisos ou incorretos devido a correlações espúrias nos dados de treinamento. A opacidade diz respeito à falta de transparência nos processos de tomada de decisão dos algoritmos, o que dificulta a compreensão de como eles chegam a determinadas conclusões. O viés refere-se à tendência dos algoritmos de reproduzirem e ampliarem preconceitos e discriminações presentes nos dados de treinamento. Esses elementos são essenciais para a compreensão e avaliação ética dos sistemas de IA, pois destacam os desafios relacionados à confiabilidade, equidade e justiça dessas tecnologias.

Dessa forma, os frameworks éticos na IA desempenham um papel crucial na orientação do desenvolvimento e uso responsável dessas tecnologias, abordando questões morais, sociais e políticas complexas. A integração de princípios éticos robustos nos sistemas de IA é essencial para garantir que essas tecnologias contribuam para o bem-estar humano e o progresso social, enquanto mitigam os riscos potenciais e promovem uma sociedade mais justa e inclusiva (Abraham; Catarrino, 2019).

2.1.2 Regulamentações e diretrizes em IA

O panorama das regulamentações e diretrizes em Inteligência Artificial (IA) revela uma diversidade de abordagens e desafios que merecem análise interdisciplinar. Cath et al. (2018) destacam a heterogeneidade das abordagens regulatórias em diferentes regiões, como os Estados Unidos, União Europeia e Reino Unido. Nesse sentido, é evidente a necessidade de considerar as particularidades de cada contexto organizacional ao desenvolver políticas e diretrizes para a IA. No entanto, os autores observam que o cenário regulatório ainda está em evolução, com diferentes órgãos reguladores trabalhando para estabelecer diretrizes específicas para a tecnologia.

Contrastando com essa perspectiva, Zancan, Passador e Passador (2023) argumentam que os marcos regulatórios em IA devem ser dinâmicos e constantemente atualizados para acompanhar as rápidas mudanças tecnológicas. Além disso, enfatizam a importância de investir em infraestrutura e políticas públicas que promovam a inclusão digital e reduzam as desigualdades no acesso às tecnologias. Essa visão destaca a necessidade de um enfoque não apenas na regulamentação, mas também em iniciativas que abordem questões sociais e econômicas relacionadas ao uso da IA.

Para ampliar o debate, Padilha et al. (2021) exploram os desafios específicos enfrentados pela Ciência Forense Digital no século XXI, ressaltando a importância de regulamentações que garantam a integridade e a precisão das investigações. Esses autores destacam a necessidade de políticas que abordem questões éticas e legais relacionadas ao uso de tecnologias de IA nesse campo, fornecendo orientações claras para profissionais e instituições envolvidas.

Duarte e de Moraes Barboza (2020) focam na aplicação de algoritmos de machine learning na previsão de distúrbios financeiros, enfatizando a importância de regulamentações que garantam transparência, ética e responsabilidade no desenvolvimento e aplicação desses modelos. Essa perspectiva destaca a necessidade de diretrizes específicas que abordem questões como viés algorítmico e proteção dos direitos dos consumidores.

Dessa forma, enquanto Cath et al. (2018) e Zancan, Passador e Passador (2023) destacam a importância da diversidade de abordagens regulatórias e da adaptação constante às mudanças tecnológicas, Padilha et al. (2021) e Duarte e de Moraes Barboza (2020) ressaltam a necessidade de regulamentações específicas que considerem as complexidades de diferentes campos de aplicação da IA, como a ciência forense digital e a previsão financeira. Essas perspectivas convergem na importância de políticas que promovam a inovação responsável e garantam a proteção dos direitos individuais e coletivos.

2.2 Metodologia

Esta pesquisa conduziu uma revisão sistemática de literatura sobre o tema da "Ética e Regulamentação da Inteligência Artificial", seguindo as diretrizes do método PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses). A metodologia adotada fundamentou-se principalmente nas orientações de Prodanov e Freitas (2013) e Brereton et al. (2007), com foco na natureza, objetivos, procedimentos técnicos e etapas específicas de uma revisão sistemática. O método PRISMA visa reunir todas as evidências empíricas de acordo com critérios de elegibilidade estabelecidos (Higgins; Green, 2011).

Conforme Prodanov e Freitas (2013), esta pesquisa se classifica como pesquisa básica, visando gerar conhecimento para o avanço científico. Em relação aos objetivos, adota uma abordagem exploratório-descritiva, utilizando métodos bibliográficos para a coleta de dados.

Procedimentos Metodológicos, seguindo a metodologia PRISMA:

  1. Seleção de Bases de Dados: As bases de dados Spell e Scielo foram selecionadas para identificar artigos relacionados à Ética e Inteligência Artificial (IA). Essas bases foram escolhidas devido à sua reputação, abrangência e foco em áreas relevantes para a pesquisa.

  2. Estratégia de Busca: Utilizando a string de pesquisa específica '(ti:(inteligência artificial)) OR (ab:(inteligência artificial))', foram conduzidas buscas na base de dados Scielo. Os filtros de idioma (Português e Inglês), tipo de literatura (Artigo) e citabilidade foram aplicados para refinar os resultados.

  3. Critérios de Inclusão: Os critérios de inclusão definidos foram: disponibilidade do artigo completo em Português ou Inglês e relevância para o tema da pesquisa, ou seja, abordagem explícita de questões éticas ou regulatórias relacionadas à IA.

  4. Seleção e Avaliação dos Artigos: Os artigos foram avaliados independentemente pelos revisores de acordo com os critérios de inclusão. Em caso de discordância, foi realizado um consenso sobre a inclusão do documento. A análise dos resultados foi realizada utilizando ferramentas como Parsifal, Microsoft Excel e VOSviewer, incluindo métricas como publicações por ano, quantidade de publicações por periódico e análises de rede de coautoria, citações, organizações e temas.

  5. Aplicação das Fases de Revisão Sistemática: A metodologia seguiu as fases principais de uma revisão sistemática, incluindo planejamento, condução e relato. Esforços foram direcionados para garantir objetivos claros, metodologia explícita e reprodutível, busca sistemática, avaliação da validade dos resultados e apresentação sistemática dos estudos incluídos.

  6. Avaliação do Risco de Viés: Embora as bases Spell e Scielo possuam um foco mais específico em algumas áreas do conhecimento, como administração, ciências sociais e saúde, elas oferecem uma ampla gama de publicações que abordam questões éticas relacionadas à IA. Esse risco foi mitigado com uma avaliação cuidadosa da cobertura, qualidade e representatividade dos estudos disponíveis nessas bases.

2.3 Apresentação e análise dos resultados

2.3.1 Descrição das ferramentas

Neste estudo, a condução da revisão de literatura envolveu a aplicação de ferramentas especializadas, VOSviewer e Parsifal. Estas ferramentas foram selecionadas para fornecer insights, permitindo uma abordagem abrangente na revisão sistemática proposta. A utilização conjunta dessas plataformas contribuiu para a eficácia na identificação de padrões, visualização de redes de coautoria, análise bibliométrica e gestão eficiente do processo de seleção e avaliação dos artigos. A introdução destas ferramentas neste contexto destaca a importância da tecnologia na otimização do rigor metodológico e na obtenção de resultados robustos na revisão de literatura.

O VOSviewer é uma ferramenta avançada de visualização de dados utilizada em pesquisas científicas para análise e representação gráfica de redes bibliométricas. Desenvolvida para abordagens analíticas em estudos de coocorrência e cocitação de termos e documentos científicos, essa aplicação proporciona recursos robustos de visualização, permitindo a identificação de padrões, tendências e relações dentro de conjuntos de dados bibliográficos. Através de algoritmos sofisticados, o VOSviewer possibilita a criação de mapas visuais que facilitam a interpretação e compreensão da interconexão entre elementos bibliométricos, contribuindo significativamente para a análise e visualização eficaz da produção científica e das relações acadêmicas.

O Parsifal é uma ferramenta avançada de apoio à revisão sistemática, aplicada no âmbito da pesquisa científica. Desenvolvida para proporcionar uma abordagem metodológica estruturada e eficiente, essa plataforma oferece funcionalidades específicas para a gestão e análise de estudos primários. O Parsifal integra recursos de extração de dados, classificação de estudos, e suporte à elaboração de metadados, promovendo uma abordagem sistemática na revisão e síntese de evidências científicas.

2.3.2 Análise bibliométrica

Inicialmente foi realizada a pesquisa na base de dados Scielo, empregando a string (ti:(inteligência artificial)) OR (ab:(inteligência artificial)), que, simultaneamente, pesquisou os campos "título do documento" e "resumo". Importante salientar que a base Scielo não oferece a funcionalidade de pesquisa no campo de palavras-chave.

Também foi realizada a pesquisa na base de dados Spell, utilizando a string "Inteligência Artificial", nos campos designados como "título do documento" e "palavras-chave", empregando o operador booleano "OU", disponibilizado nas ferramentas avançadas de busca.

Ao longo do desenvolvimento deste estudo, foram conduzidas múltiplas pesquisas nas bases de dados SciElo e Spell, empregando a string de busca "HR techs". Entretanto, não foram identificados documentos relevantes para os propósitos investigativos propostos.

Os resultados da pesquisa estão apresentados na Tabela 1.

Tabela 1 – Resultados da pesquisa básica

Fonte: Elaboração própria, 2024.

Os 144 artigos identificados na Scielo foram exportados para o formato BibTex e posteriormente importados para o Parsifal para análise dos dados. No entanto, é importante notar que apenas 93 referências exportadas pela Scielo foram reconhecidas pelo Parsifal. Isso ocorreu devido à inconsistência no formato de algumas referências exportadas pela base Scielo, que não se adequavam ao padrão de modelo de referência requerido pelo Parsifal, o qual aceita apenas o formato "@article{sobrenomeAutorANO_". Para corrigir essa discrepância, todas as referências exportadas incorretamente foram ajustadas utilizando o Bloco de Notas® do Windows®.

Posteriormente, os 49 artigos identificados na Spell foram exportados para o formato BibTex objetivando serem importados para o Parsifal para análise dos dados. No entanto, é relevante mencionar que nenhuma das referências exportadas pela Spell foi reconhecida pelo Parsifal. Isso se deve ao fato de que as referências exportadas pela Spell não estavam formatadas de acordo com o padrão "@article{sobrenomeAutorANO_". A Spell exporta as referências no formato "@article{". Para resolver essa incompatibilidade, todas as referências foram devidamente ajustadas utilizando o Bloco de Notas® do Windows®.

A distribuição final dos artigos selecionados evidencia a amplitude da pesquisa, ressaltando a contribuição significativa de duas bases de dados específicas. Na Scielo, foram encontrados 144 artigos relevantes sobre o tema da Inteligência Artificial, demonstrando a importância e diversidade das publicações disponíveis nessa plataforma. Além disso, a base de dados Spell também desempenhou um papel crucial, resultando em 49 artigos importados. Como será discutido posteriormente, esses artigos foram particularmente relevantes, enriquecendo a análise e proporcionando uma perspectiva mais abrangente sobre a temática em questão. Esses números refletem o rigor na busca por fontes pertinentes, estabelecendo uma base sólida para a revisão sistemática de literatura proposta (Figura 1).

Figura 1 – Distribuição dos artigos selecionados por base de dados



Fonte: Elaboração própria, 2024.

A disposição dos artigos foi estruturada de acordo com o ano de publicação, conforme ilustrado na Figura 2. Observou-se que as inquietações relacionadas à Inteligência Artificial remontam ao surgimento da Internet em 1993, ganhando maior intensidade ao longo da última década.

Figura 2 – Distribuição Temporal Geral



Fonte: Elaboração própria, 2024.

De acordo com os dados apresentados na Figura 3, os 193 artigos inicialmente selecionados na pesquisa, provenientes das duas bases de dados, foram submetidos a uma análise qualitativa criteriosa de sua relevância em relação ao tema da ética e regulamentação da Inteligência Artificial (IA). Apenas os artigos que abordaram explicitamente esse tema e que não se encontravam duplicados foram considerados para a análise temática final. Os resultados da análise qualitativa são apresentados na Tabela 2.


Tabela 2 – Resultado da análise qualitativa

Fonte: Elaboração própria, 2024.

Como se pode observar apesar de a Scielo ter apresentado maior revocação obteve menor precisão quando comparada com a pesquisa da base Spell, tendo a maior parte dos artigos rejeitados por não abordarem o tema da pesquisa de modo conciso e direto.

Figura 3 – Trabalhos selecionados para análise

Fonte: Elaboração própria, 2024.

Realizou-se uma nova análise da distribuição temporal, focando exclusivamente nos artigos aceitos durante a avaliação detalhada de adequação ao tema da pesquisa. Verificou-se que a discussão sobre ética e regulamentação da IA tem seu reinício em 2017, intensificando-se significativamente gradativamente (Figura 4).

Figura 4 – Distribuição Temporal: Artigos selecionados para análise


Fonte: Elaboração própria, 2024.


A interpretação do gráfico do VOSviewer envolve a análise visual das relações entre autores e suas colaborações. Cada círculo representa um autor, com linhas conectando aqueles que colaboram em algum documento. Cores diferentes destacam grupos de coautoria, enquanto a proximidade indica a força dessa ligação. O tamanho dos círculos reflete o número de citações recebidas pelos autores nos documentos analisados. Círculos maiores sugerem maior relevância e impacto nas publicações, oferecendo insights sobre a estrutura da colaboração e a influência dos grupos com base nas citações.

A Figura 5 foi gerada pelo VOSviewer e ilustra a distribuição geral de concorrência e cocitação das 57 publicações presentes na base Spell. Ao analisar o gráfico, observa-se que as publicações em geral estão desconectadas, e os clusters apresentam uma dispersão significativa. Essa representação visual sugere uma baixa interconexão entre as publicações na base Spell, indicando a possível existência de tópicos distintos e grupos isolados dentro das pesquisas sobre Inteligência Artificial presentes nessa base. A dispersão dos clusters pode apontar para uma diversidade temática ou abordagens divergentes nos estudos publicados na base Spell.

Figura 5 – Distribuição geral de coocorrência e cocitação das publicados na base Spell

Fonte: Elaboração própria, 2024.

A Figura 6 mostra a análise dos dados do VOSviewer sobre a Distribuição Geral de Concorrência e Cocitação das publicações na base Spell, revelando padrões intrigantes. Os autores mais citados não são necessariamente os pioneiros na área, sugerindo uma dinâmica complexa na formação de influências. Apesar do grande número de documentos, a falta aparente de relação entre eles, representada pela distância entre os clusters, sugere uma diversidade temática considerável. Os 18 clusters maiores, identificados por cores, estão notavelmente afastados uns dos outros, indicando uma diversidade considerável de tópicos de pesquisa. A proximidade entre clusters reflete uma maior relação em termos de coautoria e cocitação. Essa análise revela a complexidade da rede de conhecimento na base Scielo, destacando a variedade de temas e a baixa interconexão entre os clusters como elementos-chave na compreensão da dinâmica da produção acadêmica nessa área.







Figura 6 – Distribuição geral de coocorrência e cocitação das publicados na base Scielo