Vejo com interesse um aumento expressivo no uso de dados sociodemográficos – ou sociais – em áreas nas quais, até pouco tempo atrás, era incomum explorar bases dessa natureza para fins preditivos. Dando continuidade ao primeiro texto desta coluna, gostaria de compartilhar uma reflexão que venho amadurecendo. Ela é motivada, sobretudo, pelo cuidado que procuro ter e incentivar em meus alunos ao utilizar dados dessa natureza, independentemente das motivações e dos objetivos da análise.
Atualmente, assistimos a uma proliferação sem precedentes de dados em diversas áreas do conhecimento. Os avanços tecnológicos não apenas viabilizaram o armazenamento e o processamento de grandes volumes de informações (big data), mas impulsionaram o desenvolvimento de modelos computacionais de alta complexidade, cujo sucesso é frequentemente medido pelo poder preditivo e pela otimização de resultados técnicos. Contudo, a expansão transdisciplinar desses modelos exige reflexões críticas, especialmente quando o objeto de análise é o dado sociodemográfico. No campo das ciências sociais aplicadas, embora os dados sempre tenham sido fundamentais, a definição do que constitui uma evidência evoluiu significativamente (Alaimo et al., 2024), tornando a ética e a explicabilidade requisitos inalienáveis para sistemas de suporte à decisão e formulação de políticas públicas.
Nesse contexto, o número isolado diz menos do que a história que sustenta a predição.
O dado como medida da realidade social
Retomo, aqui, um ponto do segundo texto desta coluna: o fascínio atual pelos dados digitais muitas vezes nos faz esquecer que eles sempre estiveram ligados às práticas sociais. Ao longo da história, as formas de registrar eventos evoluíram e, com elas, a própria definição do que é um “dado”. Na modernidade, essa visão se consolidou na ideia de que os dados seriam descobertas objetivas de uma realidade situada “lá fora”. Tal perspectiva deu origem a instituições e áreas como a medicina, a demografia e a estatística, levando-nos a aceitar indicadores como o PIB ou taxas de desemprego como verdades absolutas.
No entanto, é fácil esquecer que esses números são construções técnicas que tentam nomear realidades humanas muito mais profundas. Podemos considerar, do ponto de vista social, que o dado tem a função de transformar conceitos abstratos, como “desigualdade” ou “fome”, em valores concretos, permitindo que sejam acompanhados e utilizados na construção de ações governamentais. Como se trata de conceitos abstratos e multidimensionais, toda representação numérica é, por definição, parcial: ela não esgota a complexidade do fenômeno que procura descrever. Segundo Desrosières (1998), os dados sustentam descrições de situações econômicas, denúncias de injustiças sociais e justificativas para ações políticas. O autor chama a atenção para um paradoxo: para que o debate público ocorra, os números precisam adquirir certa legitimidade; ao mesmo tempo, essa aceitação pode silenciar seu caráter construído e tornar suas próprias medidas menos abertas à discussão.
Um exemplo claro é o PIB como medida da riqueza de uma nação. Mas como incorporar a riqueza que não recebe valoração monetária? Como mensurar, afinal, a riqueza de uma sociedade?
Da mesma forma, ao medir a fome, o índice de subnutrição PoU (“prevalência de subnutrição”, na sigla em inglês) oferece uma imagem da realidade distinta daquela produzida pela escala Fies, da FAO (Organização das Nações Unidas para a Alimentação e a Agricultura), ou pela Ebia (Escala Brasileira de Insegurança Alimentar), no Brasil. Quantas pessoas estão realmente passando fome? Quando usar uma ou outra métrica? Em última instância, o que se define como fome?
Por isso, os dados não devem ser vistos como meros itens técnicos, mas como artefatos cognitivos: instrumentos que organizam informações, orientam interpretações e, de algum modo, constroem mundos. É preciso ter consciência de suas limitações para representar uma realidade complexa e diversa, incorporando o contexto dos indivíduos que constituem essas bases. Tratar dados como meras tabulações e números “sem alma” leva, inegavelmente, à desumanização da ciência de dados. Quando mobilizados pelo Estado, os dados e seus indicadores tornam-se instrumentos de decisão e, portanto, instrumentos políticos. Ao eleger um índice em vez de outro para identificar a insegurança alimentar, define-se, na prática, quem será contemplado e quem ficará de fora das políticas públicas.
A modernidade consolidou a crença de que leis estatísticas universais explicariam qualquer aspecto da vida humana (Alaimo et al., 2024). Contudo, a heterogeneidade da nossa região dificilmente cabe em médias ou padrões; não existem modelos universais para problemas sociais. Como os modelos de inteligência artificial (IA) tendem a reproduzir padrões predominantes nos dados e, em muitos casos, a estimar resultados mais prováveis, suas predições podem falhar diante das nuances da vida real. Por isso, seus resultados exigem interpretação cuidadosa. Embora padrões estatísticos permitam construir um panorama geral, análises restritas às médias tendem a invisibilizar aqueles que delas se afastam e que, frequentemente, são os que mais demandam atenção. Isso justifica a urgência de uma ciência de dados que priorize a ética do cuidado e o contexto, indo além da performance computacional e das limitações das médias. Algoritmos também se constituem como formas de poder, pois são capazes de afetar decisões e resultados (Mendonça et al., 2025).
Responsabilidade ética, social e intelectual
Eubanks (2018) relata o caso da automatização da seleção de beneficiários de programas sociais em Indiana, Estados Unidos, por meio de protocolos rígidos e despersonalizados. O episódio ilustra como a escolha de uma métrica específica (no caso, a velocidade de retirada de indivíduos do programa) foi utilizada politicamente para rotular o sistema anterior como ineficiente, ignorando o contexto histórico de queda nos registros que já vinha ocorrendo. Sob o pretexto de buscar eficiência, a mudança passou a priorizar a redução de concessões consideradas indevidas, enquanto uma perspectiva humanista exigiria atenção especial ao dano produzido pela negativa de acesso a quem necessita desses serviços.
Este caso exemplifica a não neutralidade das métricas. Pesquisadores que lidam com dados sociais não estão imunes a tais distorções, especialmente quando se guiam exclusivamente pelo desempenho de modelos preditivos descontextualizados. Sem uma abordagem orientada por teoria (theory-informed), capaz de considerar a gênese dos dados, suas causas e suas implicações sociais, a predição torna-se um fim em si mesma, esvaziada de sentido.
Nesse cenário, o conceito de thick data (dados espessos) surge como complemento analítico ao big data, ao articular análises qualitativas e quantitativas (Wang, 2016): o “porque”, frequentemente apreendido por abordagens qualitativas, deve ajudar a dar sentido ao “o que” identificado nos dados quantitativos.
Também é fundamental reconhecer os limites do que os dados efetivamente representam e do que modelos e sistemas são capazes de oferecer. Predições não oferecem, por si sós, explicações ou argumentos. Nas ciências sociais aplicadas, especialmente quando se busca subsidiar decisões, esses elementos podem ter valor ainda maior.
Nesse sentido, a responsabilidade ética, social e intelectual de quem pesquisa exerce um peso decisivo. Ela é ética e social porque escolhas metodológicas podem definir quem será invisibilizado pela estatística, pelo modelo ajustado ou pelas decisões tomadas a partir de seus resultados, tornando-se, mais uma vez, cifra de um erro de exclusão.
É também uma responsabilidade intelectual. Exige transparência crescente sobre dados, modelos, resultados e limitações, além de um papel ativo no redirecionamento da inteligência artificial para fins de justiça social.
Embora a discussão sobre humanização e ética no uso de dados tenha tradição na área da saúde, sua presença nas ciências sociais aplicadas e, em particular, na economia, vem se intensificando. No Brasil, a promulgação da Lei Geral de Proteção de Dados, em 2018, contribuiu para ampliar a visibilidade e a urgência desse debate.
A literatura indica, assim, uma lacuna importante: é preciso transpor o debate sobre responsabilidade ética, social e intelectual para uma discussão mais profunda sobre dignidade humana e justiça algorítmica. Isso vale para áreas como a inteligência artificial, a economia e a produção de evidências destinadas a orientar decisões – e, antes de tudo, a promover o bem social.
Por fim, este texto buscou instigar uma reflexão sobre a urgência de tratar dados sociodemográficos com responsabilidade ética, social e intelectual. Parto do princípio de que cada dado possui valor social porque representa biografias e realidades humanas. Essas existências são frequentemente silenciadas pela abstração estatística quando ignoramos nossa diversidade – de contextos, histórias e condições de vida – e a não neutralidade das métricas escolhidas para retratá-la.
Ao priorizar a explicabilidade e o propósito humano, sem abandonar o rigor técnico, podemos transformar dados e modelos em instrumentos de desenvolvimento, equidade e justiça social. Essa é, a meu ver, uma condição para consolidarmos uma ciência de dados verdadeiramente humanizada.
Seguimos.
Esse texto não reflete necessariamente a opinião da Unicamp.
Bibliografia
ALAIMO, Cristina; KALLINIKOS, Jannis; POWER, Michael (2024). Data Rules: Reinventing the Market Economy. MIT Press.
DESROISIÈRES, A. (1998). The Politics of Large Numbers: A History of Statistical Reasoning. Harvard University Press.
EUBANKS, V. (2018). Automating inequality: how high-tech tools profile, police, and punish the poor. St. Martin’s Press.
MENDONÇA, R. F.; FILGUEIRAS, F.; ALMEIDA, V. (2025). Política dos algoritmos: Instituições e as transformações da vida social (1o ed, Vol. 1). Ubu Editora.
WANG, T. (20 jan. 2016). Why Big Data Needs Thick Data: Integrating Qualitative and Quantitative Research. Medium.
BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD). Diário Oficial da União, Brasília, DF, 15 ago. 2018.
