Ética y responsabilidad en el uso de Técnicas de Minería de Datos
DOI:
https://doi.org/10.26853/Refas_ISSN-2359-182X_v12n01_01Palabras clave:
Minería de datos, Principio moral, TecnologíaResumen
Este artículo tiene como objetivo discutir el uso y tratamiento de los datos recopilados mediante técnicas de minería. La creación de un proyecto de análisis descriptivo y predictivo que utilizará datos recolectados en la región de Carapicuíba, demuestra las etapas del proceso minero, desde la recolección, tratamiento, interpretación y evaluación de los resultados finales, y finalmente, la ética en el uso de esta información. Las bases de datos recopiladas para el artículo fueron tomadas de la plataforma Data MPE Brasil, servicio de producción y difusión de información del Sebrae. Las bases de datos se refieren al crecimiento de las empresas divididas por sectores en la región de Carapicuíba entre 2014 y 2024. La técnica de minería elegida para el proyecto fue la creación de un modelo de Machine Learning de Regresión Lineal. Se proyectó el resultado de la Regresión Lineal, para determinar el posible crecimiento de los sectores hasta la próxima década. La investigación determinó crecimiento y caída de varios sectores de la región. Al final, se constató la necesidad de un tratamiento adecuado y responsable de los datos para su uso en los análisis estadísticos, asegurando que los resultados sean éticos, precisos e imparciales.
Descargas
Citas
AWARI. Ética na mineração de dados: considerações e melhores práticas, 2023. Disponível em https://awari.com.br/etica-na-mineracao-de-dados-consideracoes-e-melhores-praticas/?utm_source=blog&utm_campaign=projeto+blog&utm_medium=%C3%89tica%20na%20minera%C3%A7%C3%A3o%20de%20dados:%20considera%C3%A7%C3%B5es%20e%20melhores%20pr%C3%A1ticas#:~:text=A%20%C3%A9tica%20na%20minera%C3%A7%C3%A3o%20de%20dados%20exige%20que%20as%20organiza%C3%A7%C3%B5es,de%20medidas%20corretivas%2C%20quando%20necess%C3%A1rio. Acesso em 7 maio. 2024.
AWS. O que é regressão linear? 2023. Disponível em https://aws.amazon.com/pt/what-is/linear-regression/. Acesso em 21 maio 2024.
DEVMEDIA. Descoberta de conhecimento utilizando o processo KDD, 2017. Disponível em https://www.devmedia.com.br/descoberta-de-conhecimento-utilizando-o-processo-kdd/38709. Acesso em 7 maio. 2024.
MARIO Filho. As Métricas Mais Populares para Avaliar Modelos de Machine Learning, 2018. Disponível em https://mariofilho.com/as-metricas-mais-populares-para-avaliar-modelos-de-machine-learning/#precis%C3%A3o-precision. Acesso em 21 maio 2024.
OLIVEIRA, Clébio de. Métricas para Regressão: Entendendo as métricas R², MAE, MAPE, MSE e RMSE. Medium, 2021. Disponível em https://medium.com/data-hackers/prevendo-n%C3%BAmeros-entendendo-m%C3%A9tricas-de-regress%C3%A3o-35545e011e70. Acesso em 21 maio 2024.
RIBEIRO, Débora. Ética. Dicionário Online de Português, 2024. Disponível em https://www.dicio.com.br/etica/. Acesso em 21 maio. 2024.
SHASHKO, Daniel. As 10 principais técnicas de mineração de dados. Astera, 2024. Disponível em https://www.astera.com/pt/type/blog/top-10-data-mining-techniques/. Acesso em 7 maio. 2024.
TOTVS. Mineração de dados: o que é, importância e ferramentas, 2022. Disponível em https://www.totvs.com/blog/negocios/mineracao-de-dados/. Acesso em 7 maio. 2024.
ZENDESK. 4 tipos de análise de dados para criar estratégias certeiras, 2023. Disponível em https://www.zendesk.com.br/blog/tipos-analise-de-dados/#section-3. Acesso em 21 maio 2024.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Refas - Revista Fatec Zona Sul
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
1 - As fontes dos dados, as autorizações pertinentes e os textos publicados na revista são de inteira responsabilidade de seus autores.
2 - É permitida a reprodução, desde que citada a fonte e o autor.
3 - Após o artigo aprovado, o autor principal deverá enviar declaração, conforme o modelo:
Refas - Revista Fatec Zona Sul
Autorização par publicação
(Nome do autor), (no caso de vários autores citar todos), autorizo (ou autorizam, no caso de diversos autores) a publicação do artigo (nome do artigo), com exclusividade para a primeira publicação pela Revista Fatec Zona Sul, em meio eletrônico.
A contribuição é original e inédita, e não está sendo avaliada para publicação por outra revista; caso contrário, deve-se justificar em "Comentários ao editor".
Dados de todos os autores:
Nome completo:
Instituição:
E-mail:
Telefone:
Obs.: Informar os códigos dos serviços DDD e DDI.
Assinatura do autor principal: ____________________________________
Aviso de Direito Autoral
Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
b) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
c)Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons CC Attribution 4.0, acessável em Licença Creative Commons Attribution, que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.