Inteligência Artificial e Inclusão no Trabalho: uma agenda teórica sobre neurodiversidade, deficiência e justiça nos processos de recrutamento

Fábia Aparecida Silva

Autores

Fábia Aparecida Silva Autor

Palavras-chave:

inclusão, neurodiversidade, deficiência, recrutamento algorítmico, justiça organizacional

Resumo

Sistemas automatizados de recrutamento prometem eficiência e padronização, mas podem reproduzir concepções restritas de competência, comunicação e comportamento adequado. Este artigo propõe uma agenda teórica sobre justiça, deficiência e neurodiversidade nos processos de seleção mediados por inteligência artificial, articulando o modelo social da deficiência, a acessibilidade digital, a justiça organizacional e a governança algorítmica. Como resultado, estruturam-se quatro condições para um recrutamento inclusivo: acessibilidade desde a concepção, avaliação restrita às competências necessárias ao cargo, oferta de adaptações razoáveis associadas a canais de contestação com mediação humana, e participação de pessoas com deficiência na governança dos sistemas. A análise indica que métricas estatísticas de equidade são insuficientes quando o processo mantém barreiras comunicacionais, sensoriais ou cognitivas. Conclui-se que a legitimidade de um sistema de recrutamento deve ser avaliada por sua capacidade de reconhecer diferentes formas legítimas de demonstrar competência profissional.

Métricas Acadêmicas

Downloads 0
Visualizações 56

Este artigo ainda não possui um DOI registrado; algumas métricas não estão disponíveis.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

Fábia Aparecida Silva

Fábia Aparecida Silva é psicóloga, mestra em Psicologia Social pela Pontifícia Universidade Católica de São Paulo (PUC-SP), com especialização em Neuropsicologia, Neuropsicopedagogia Clínica e em Recursos Humanos e Gestão de Pessoas. Atua na avaliação psicológica e neuropsicológica e no diagnóstico de TDAH e outras condições do neurodesenvolvimento, aproximando essa experiência clínica de temas de inclusão no trabalho e formação docente.

Referências

Armstrong, T. (2012). Neurodiversity in the classroom: Building strength-based success in the regular classroom. ASCD.

Bogen, M., & Rieke, A. (2018). Help wanted: An examination of hiring algorithms, equity, and bias. Upturn.

Colquitt, J. A. (2001). On the dimensionality of organizational justice: A construct validation of a measure. Journal of Applied Psychology, 86(3), 386-400.

Eubanks, V. (2018). Automating inequality: How high-tech tools profile, police, and punish the poor. St. Martin's Press.

Floridi, L., Cowls, J., Beltrametti, M., et al. (2018). AI4People - An ethical framework for a good AI society. Minds and Machines, 28(4), 689-707.

Kuzior, A., Kettler, K., & Rąb, Ł. (2020). Digitalization of work and human resources processes: Challenges for responsible management. Administrative Sciences, 10(3), 53.

Oliver, M. (2013). The social model of disability: Thirty years on. Disability & Society, 28(7), 1024-1026.

O'Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown.

Pasquale, F. (2015). The black box society: The secret algorithms that control money and information. Harvard University Press.

Raghavan, M., Barocas, S., Kleinberg, J., & Levy, K. (2020). Mitigating bias in algorithmic hiring: Evaluating claims and practices. Proceedings of FAT* 2020, 469-481.

Raji, I. D., Smart, A., White, R. N., et al. (2020). Closing the AI accountability gap. Proceedings of FAT* 2020, 33-44.

Shakespeare, T. (2014). Disability rights and wrongs revisited. Routledge.

Singer, J. (2017). NeuroDiversity: The birth of an idea. CreateSpace.

Torraco, R. J. (2016). Writing integrative literature reviews. Human Resource Development Review, 15(4), 404-428.

Yeung, K. (2018). Algorithmic regulation: A critical interrogation. Regulation & Governance, 12(4), 505-523.