Letramento Racial Digital: Como Nós, Professores, Podemos Identificar o Racismo Algorítmico com o Google Workspace

Como educadores e multiplicadores de boas práticas nas redes de ensino, frequentemente somos os maiores entusiastas da inovação tecnológica. No entanto, é fundamental romper com a falsa crença de que a tecnologia é isenta de vieses políticos e ideológicos. Em nossas formações, frequentemente nos deparamos com o que Silva (2022) chama de "dupla opacidade": a negação do racismo estrutural somada à ilusão da neutralidade dos algoritmos.

Antes de levarmos as diretrizes de políticas de equidade e a temática antirracista para a sala de aula, nós, professores e coordenadores, precisamos treinar o nosso próprio olhar. O racismo algorítmico realiza uma ordenação racializada invisível (Silva, 2022), e reconhecê-lo nas ferramentas do dia a dia é o primeiro passo para uma prática pedagógica verdadeiramente emancipatória.

O que é o Racismo Algorítmico e Como Ele Nos Afeta?

As chamadas "microagressões algorítmicas" não se apresentam apenas como ofensas diretas, mas operam de forma pervasiva na interface das plataformas, afetando desde a busca por imagens de representatividade para nossos slides de aula até a forma como sistemas automatizados lidam com os dados dos nossos estudantes e da comunidade (Silva, 2022).

Experimentações no Google Workspace para Formação Docente

Para sair da teoria e ir para a prática em nossas reuniões de planejamento, HTPCs ou trilhas formativas, podemos utilizar o próprio ecossistema do Google Workspace para realizar "auditorias" e exemplificar como os vieses operam. Aqui estão sugestões de dinâmicas focadas no corpo docente:

1. Gemini e a "Engenharia de Prompt" Reversa

No momento de planejar uma aula ou criar uma jornada pedagógica, muitos de nós utilizamos IA generativa. Faça um teste de estresse com seus colegas: peçam ao Gemini para descrever um cenário profissional (ex: "descreva o CEO de uma empresa de tecnologia" ou "descreva uma pessoa em situação de pobreza") sem especificar marcadores de raça ou gênero.

Em seguida, analisem os resultados: quais foram as características físicas ou sociais inferidas automaticamente pela IA? Debater essas respostas ajuda a equipe a perceber que a curadoria das bases de dados molda o conhecimento gerado e que a IA precisa de comandos intencionais para promover narrativas inclusivas, como a valorização das culturas e literaturas afro-brasileiras.

2. Google Planilhas (Sheets): A Origem do Viés nos Dados

O racismo algorítmico nasce nas bases de dados, e muitos sistemas educacionais já adotam ranqueamentos preditivos. Utilizando o Google Planilhas, simule com os professores uma triagem de dados voltada, por exemplo, às ações de Busca Ativa Escolar.

Crie colunas com variáveis fictícias (CEP, frequência, acesso à conectividade). Mostre como a aplicação de uma fórmula cega de "risco de evasão" pode penalizar sistematicamente grupos marginalizados e territórios periféricos. Esse exercício evidencia como dados educacionais e algoritmos, se não guiados por uma intencionalidade equitativa, podem aprofundar desigualdades no sistema escolar.

3. Google Desenhos (Drawings): Mapeando a Decisão da Máquina

A compreensão da lógica algorítmica faz parte do desenvolvimento da cultura maker e do pensamento computacional, utilize o Google Desenhos para uma atividade de fluxograma com a equipe.

Peça que grupos de professores desenhem a "árvore de decisão" de um sistema de reconhecimento facial ou de moderação de redes sociais. O objetivo é identificar visualmente em qual etapa exata do processamento a decisão de um desenvolvedor insere a falha ou a exclusão. É um exercício excelente sobre autoria e responsabilidade.

4. Google Tradutor: Vieses de Gênero e Raça na Linguagem

Em uma formação com professores de linguagens, traduzam frases de idiomas que não possuem pronomes de gênero fixos (como o turco) para o português. Ao traduzir expressões neutras sobre profissões de cuidado ou de liderança corporativa, observem como o algoritmo frequentemente atribui pronomes baseados em estereótipos históricos. Essa é uma forma rápida e muito nítida de mostrar como o processamento de linguagem natural reflete e repete nossas assimetrias sociais.

A literacia racial não é apenas um tema transversal, mas uma competência tecnológica contemporânea. Quando o corpo docente compreende como a inteligência artificial enxerga o mundo, tornamo-nos multiplicadores muito mais eficazes na luta por um futuro digital com justiça e representatividade.

REFERÊNCIA

SILVA, Tarcízio. Racismo algorítmico: inteligência artificial e discriminação nas redes digitais. Organização de Sergio Amadeu da Silveira. São Paulo: Edições Sesc São Paulo, 2022.

Eliane Bravo é educadora, pesquisadora da temática ERER e Literatura Afrocentrada e entusiasta da inovação no ensino. Com uma trajetória multidisciplinar, formada em Pedagogia, Administração, Letras e Informática, com Complementação Pedagógica em Matemática, especialista em Informática na Educação e Gestão Escolar atua como professora efetiva nas redes de Sooretama e Linhares (ES) e como técnica na Secretaria Municipal de Educação (SEME) de Sooretama. Atualmente, pesquisadora da temática ERER e Literatura Afrocentrada (PPGEH/Ifes), dedica-se a promover práticas pedagógicas interculturais e decoloniais. É fundadora da AfroLeitura Viva, Google Champion, líder do GEG Brasil e Agente Regional da PNEERQ - Políticas de equidade educacional, trabalhando para conectar inteligência artificial, gestão escolar e diversidade na sala de aula.