Inteligência artificial sob perspectivas sociológicas e jurídicas
DOI:
https://doi.org/10.51247/st.v9iS2.796Palavras-chave:
inteligência artificial, sociologia, direito, regulação.Resumo
Este estudo examinou a inteligência artificial sob perspectivas sociológicas e jurídicas, com o objetivo de analisar seus principais impactos nas estruturas sociais, nas relações de trabalho, na proteção de direitos e nos sistemas regulatórios. Foi adotada uma metodologia qualitativa com desenho documental-descritivo. Artigos científicos, livros acadêmicos e fontes jurídicas indexadas em bases de dados reconhecidas foram revisados por meio de análise temática de conteúdo. Os resultados mostraram que a inteligência artificial transformou processos produtivos, sistemas de tomada de decisão e interações digitais, ao mesmo tempo em que gera desafios relacionados ao desemprego, desigualdade, privacidade, viés algorítmico e responsabilidade jurídica. Sob a perspectiva sociológica, verificou-se que a IA reconfigura identidades, práticas comunicativas e acesso a oportunidades. Sob a perspectiva jurídica, os marcos normativos atuais ainda enfrentam dificuldades para regular sistemas autônomos, atribuir responsabilidades e proteger dados pessoais. Concluiu-se que a inteligência artificial não deve ser tratada exclusivamente como questão tecnológica, mas como fenômeno multidimensional que exige governança interdisciplinar. Torna-se necessário um modelo regulatório centrado no ser humano que equilibre inovação, justiça social, transparência e valores democráticos.
Downloads
Referências
Abbott, R. (2020). The Reasonable Robot: Artificial Intelligence and the Law. Cambridge University Press.
Alpaydin, E. (2021). Machine learning. MIT press.
Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age. W. W. Norton & Company.
Castells, M. (2010). The Rise of the Network Society (2nd ed.). Wiley-Blackwell.
Espinoza Freire, E. E. (2020). La búsqueda de información científica en las bases de datos académicas. Revista Metropolitana de Ciencias Aplicadas, 3(1), 31-35.
Espinoza Freire, E. E. (2020). La investigación cualitativa, una herramienta ética en el ámbito pedagógico. Conrado, 16(75), 103-110.
Espinoza Freire, E. E., & Calva Nagua, D. X. (2020). La ética en las investigaciones educativas. Revista Universidad y sociedad, 12(4), 333-340.
Espinoza Freire, E. E., & Rad Camayd, Y. (2020). A ética na pesquisa inclusiva, uma ferramenta didáctica. Revista Universidad y Sociedad, 12(6), 139-146.
Espinoza-Freire, E. E. (2021). La argumentación científica una herramienta didáctica. Revista Uniandes Episteme, 8(1), 106-121.
Espinoza-Freire, E. E. (2022). Ética en la investigación científica. Revista Mexicana de Investigación e Intervención Educativa, 1(2), 35-43.
Espinoza-Freire, E. E. (2024). Teoría Fundamentada: evolución, principios y aplicaciones en la investigación cualitativa. Sophia Research Review, 1(1), 26-33
Ferrara, C., Sellitto, G., Ferrucci, F., Palomba, F., & De Lucia, A. (2024). Fairness-aware machine learning engineering: how far are we?. Empirical software engineering, 29(1), 9.
Floridi, L., & Cowls, J. (2022). A unified framework of five principles for AI in society. Machine learning and the city: Applications in architecture and urban design, 535-545.
Hickok, G. (2022). The dual stream model of speech and language processing. Handbook of clinical neurology, 185, 57-69.
Howcroft, D., & Taylor, P. (2023). Automation and the future of work: A social shaping of technology approach. New technology, work and employment, 38(2), 351-370.
Jamil, J., Fadli, M., Hadiyantina, S., & Prasetyo, N. D. (2024). Redesigning the Concept of Law Enforcement in Administrative Violations of General Elections in Indonesia. YURIDIKA, 39(3), 279-302.
Lyon, D. (2019). Surveillance capitalism, surveillance culture and data politics 1. In Data politics (pp. 64-77). Routledge.
McCarthy, J., Minsky, M., Rochester, N., & Shannon, C. (2006). A proposal for the Dartmouth summer research project on artificial intelligence, August 31, 1955. AI Magazine, 27(4), 12–14.
Mehrish, A., Majumder, N., Bharadwaj, R., Mihalcea, R., & Poria, S. (2023). A review of deep learning techniques for speech processing. Information Fusion, 99, 101869.
O’Neil, C. (2016). Weapons of Math Destruction. Crown Publishing.
Shneiderman, B. (2022). Human-Centered AI. Oxford University Press.
Smith, M. R., & Marx, L. (Eds.). (1994). Does technology drive history?: The dilemma of technological determinism. Mit Press.
Solove, D. J. (2010). Understanding Privacy. Harvard University Press.
Srnicek, N. (2021). Value, rent and platform capitalism. In Work and labour relations in global platform capitalism (pp. 29-45). Edward Elgar Publishing.
Van Deursen, A. J., & Van Dijk, J. A. (2019). The first-level digital divide shifts from inequalities in physical access to inequalities in material access. New media & society, 21(2), 354-375.
Verwiebe, R., & Hagemann, S. (2025). Bourdieu revisited: new forms of digital capital–emergence, reproduction, inequality of distribution. Information, Communication & Society, 28(11), 1861-1883.
Wachter, S., Mittelstadt, B., & Floridi, L. (2017). Why a right to explanation of automated decision-making does not exist in the General Data Protection Regulation. International Data Privacy Law, 7(2), 76–99.
Yadav, S. P., Mahato, D. P., & Linh, N. T. D. (Eds.). (2020). Distributed artificial intelligence: A modern approach. CRC Press.
Zuboff, S. (2023). The age of surveillance capitalism. In Social theory re-wired (pp. 203-213). Routledge.
Downloads
Publicado
Edição
Secção
Licença
Direitos de Autor (c) 2026 Abdelkader Ouanouki, Djamel Ouanouki
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0.
