| Campo DC | Valor | Lengua/Idioma |
|---|
| dc.contributor.advisor | Duarte, Evandro Charles Piza | pt_BR |
| dc.contributor.author | Moura, Cristiane Ferreira Kovalski de | pt_BR |
| dc.date.accessioned | 2026-02-26T16:20:35Z | - |
| dc.date.available | 2026-02-26T16:20:35Z | - |
| dc.date.issued | 2026-02-26 | - |
| dc.date.submitted | 2025-12-18 | - |
| dc.identifier.citation | MOURA, Cristiane Ferreira Kovalski de. O racismo algorítmico no crédito para empreendimentos negros no Brasil: uma análise contemporânea. 2025. 134 f. Tese (Doutorado em Direito) — Universidade de Brasília, Brasília, 2025. | pt_BR |
| dc.identifier.uri | http://repositorio.unb.br/handle/10482/54123 | - |
| dc.description | Tese (doutorado) — Universidade de Brasília, Faculdade de Direito, Programa de Pós-Graduação em Direito, 2025. | pt_BR |
| dc.description.abstract | A presente tese investiga os efeitos do racismo algorítmico sobre os empreendimentos negros
no Brasil, especialmente no acesso ao crédito, partindo do problema central: Dada a crescente
utilização de algoritmos e sistemas automatizados na avaliação de crédito, como esses sistemas
impactam negativamente os empreendimentos negros no Brasil, dificultando o acesso ao
crédito e perpetuando o racismo estrutural? Esse questionamento orienta a análise das
dinâmicas de exclusão racial incorporadas a sistemas de tomada de decisão automatizada, em
diálogo com a bibliografia atual, incluindo as contribuições de Tarcízio Silva, Ruha Benjamin,
Safiya Noble, Virginia Eubanks e pesquisas nacionais como as desenvolvidas pela FGV. Para
responder ao problema, adotou-se uma metodologia de pesquisa teórica, baseada em revisão
bibliográfica e análise crítica de obras, artigos científicos e relatórios institucionais. Essa
abordagem permitiu examinar o racismo algorítmico enquanto forma contemporânea de
racismo estrutural, articulando-o à realidade brasileira dos empreendimentos negros. A
investigação teórica possibilitou também estabelecer conexões entre instituições financeiras,
direito e relações raciais, construindo uma interseção inédita que revela como sistemas de credit
scoring automatizados podem reforçar desigualdades históricas. Com isso, a tese alcança grau
significativo de originalidade, oferecendo não apenas contribuições acadêmicas, mas também
subsídios práticos para políticas públicas, estratégias regulatórias e ações institucionais que
busquem democratizar o crédito e promover justiça racial. Como conclusão, a tese propõe
estratégias políticas e regulatórias para enfrentar o racismo algorítmico no Brasil, incluindo a
transparência e auditabilidade dos algoritmos, políticas públicas de inclusão financeira e a
construção de modelos de dados mais justos. O estudo evidencia que combater o racismo
algorítmico é essencial para democratizar o crédito e fortalecer um desenvolvimento econômico
plural e inclusivo. | pt_BR |
| dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES). | pt_BR |
| dc.language.iso | por | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.title | O racismo algorítmico no crédito para empreendimentos negros no Brasil : uma análise contemporânea. | pt_BR |
| dc.type | Tese | pt_BR |
| dc.subject.keyword | Racismo algorítmico | pt_BR |
| dc.subject.keyword | Empreendedorismo negro | pt_BR |
| dc.subject.keyword | Avaliação de crédito | pt_BR |
| dc.subject.keyword | Acesso ao crédito | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | pt_BR |
| dc.description.abstract1 | This thesis investigates the effects of algorithmic racism on Black enterprises in Brazil,
especially regarding access to credit, starting from the central problem: Given the increasing
use of algorithms and automated systems in credit evaluation, how do these systems negatively
impact Black enterprises in Brazil, hindering access to credit and perpetuating structural
racism? This question guides the analysis of the dynamics of racial exclusion embedded in
automated decision-making systems, in dialogue with current literature, including the
contributions of Tarcízio Silva, Ruha Benjamin, Safiya Noble, Virginia Eubanks, and national
research such as those developed by FGV. To address the problem, a theoretical research
methodology was adopted, based on bibliographic review and critical analysis of books,
scientific articles, and institutional reports. This approach made it possible to examine
algorithmic racism as a contemporary form of structural racism, articulating it with the Brazilian
reality of Black enterprises. The theoretical investigation also enabled the establishment of
connections between financial institutions, law, and race relations, building an unprecedented
intersection that reveals how automated credit scoring systems can reinforce historical
inequalities.As a result, the thesis achieves a significant degree of originality, offering not only
academic contributions but also practical inputs for public policies, regulatory strategies, and
institutional actions aimed at democratizing credit and promoting racial justice. In conclusion,
the thesis proposes political and regulatory strategies to confront algorithmic racism in Brazil,
including algorithm transparency and auditability, public policies for financial inclusion, and
the construction of fairer data models. The study highlights that combating algorithmic racism
is essential to democratize credit and strengthen a plural and inclusive economic development. | pt_BR |
| dc.description.abstract2 | La presente tesis investiga los efectos del racismo algorítmico sobre los emprendimientos
negros en Brasil, especialmente en el acceso al crédito, partiendo del problema central: Dado
el creciente uso de algoritmos y sistemas automatizados en la evaluación de crédito, ¿cómo
impactan negativamente estos sistemas a los emprendimientos negros en Brasil, dificultando el
acceso al crédito y perpetuando el racismo estructural? Este cuestionamiento orienta el análisis
de las dinámicas de exclusión racial incorporadas a sistemas de toma de decisiones
automatizadas, en diálogo con la bibliografía actual, incluyendo las contribuciones de Tarcízio
Silva, Ruha Benjamin, Safiya Noble, Virginia Eubanks y investigaciones nacionales como las
desarrolladas por la FGV. Para responder al problema, se adoptó una metodología de
investigación teórica, basada en revisión bibliográfica y análisis crítico de obras, artículos
científicos e informes institucionales. Este enfoque permitió examinar el racismo algorítmico
como una forma contemporánea de racismo estructural, articulándolo con la realidad brasileña
de los emprendimientos negros. La investigación teórica también posibilitó establecer
conexiones entre instituciones financieras, derecho y relaciones raciales, construyendo una
intersección inédita que revela cómo los sistemas de credit scoring automatizados pueden
reforzar desigualdades históricas. Con ello, la tesis alcanza un grado significativo de
originalidad, ofreciendo no solo contribuciones académicas, sino también insumos prácticos
para políticas públicas, estrategias regulatorias y acciones institucionales que busquen
democratizar el crédito y promover justicia racial. Como conclusión, la tesis propone estrategias
políticas y regulatorias para enfrentar el racismo algorítmico en Brasil, incluyendo la
transparencia y auditabilidad de los algoritmos, políticas públicas de inclusión financiera y la
construcción de modelos de datos más justos. El estudio evidencia que combatir el racismo
algorítmico es esencial para democratizar el crédito y fortalecer un desarrollo económico plural
e inclusivo. | pt_BR |
| dc.description.abstract4 | La présente thèse étudie les effets du racisme algorithmique sur les entreprises noires au Brésil,
en particulier en ce qui concerne l’accès au crédit, à partir de la problématique centrale: Étant
donné l’utilisation croissante d’algorithmes et de systèmes automatisés dans l’évaluation du
crédit, comment ces systèmes affectent-ils négativement les entreprises noires au Brésil, en
rendant plus difficile l’accès au crédit et en perpétuant le racisme structurel? Cette question
oriente l’analyse des dynamiques d’exclusion raciale incorporées dans les systèmes de prise de
décision automatisée, en dialogue avec la bibliographie actuelle, notamment les contributions
de Tarcízio Silva, Ruha Benjamin, Safiya Noble, Virginia Eubanks, ainsi que des recherches
nationales telles que celles développées par la FGV. Pour répondre à cette problématique, une
méthodologie de recherche théorique a été adoptée, fondée sur une revue bibliographique et
une analyse critique d’ouvrages, d’articles scientifiques et de rapports institutionnels. Cette
approche a permis d’examiner le racisme algorithmique en tant que forme contemporaine de
racisme structurel, en l’articulant à la réalité brésilienne des entreprises noires. L’investigation
théorique a également rendu possible l’établissement de connexions entre institutions
financières, droit et relations raciales, construisant une intersection inédite qui révèle comment
les systèmes de credit scoring automatisés peuvent renforcer les inégalités historiques. Ainsi,
la thèse atteint un degré significatif d’originalité, offrant non seulement des contributions
académiques, mais également des apports pratiques pour les politiques publiques, les stratégies
réglementaires et les actions institutionnelles visant à démocratiser le crédit et à promouvoir la
justice raciale. En conclusion, la thèse propose des stratégies politiques et réglementaires pour
affronter le racisme algorithmique au Brésil, incluant la transparence et l’auditabilité des
algorithmes, des politiques publiques d’inclusion financière et la construction de modèles de
données plus équitables. L’étude montre que combattre le racisme algorithmique est essentiel
pour démocratiser le crédit et renforcer un développement économique pluriel et inclusif. | pt_BR |
| dc.description.unidade | Faculdade de Direito (FD) | pt_BR |
| dc.description.ppg | Programa de Pós-Graduação em Direito | pt_BR |
| Aparece en las colecciones: | Teses, dissertações e produtos pós-doutorado
|
