Os/as robôs têm sexo? uma análise a partir da categoria de gênero a respeito da representação de mulheres em máquinas
Bibliographic record
Abstract
Os/as robôs estão cada vez mais sofisticados, fazendo parte dos nossos cotidianos, nos diferentes contextos. Essa presença nos faz levantar as seguintes perguntas: será que eles/as têm sexo? Se sim, qual será o sexo: masculino, feminino e/ou outro? O presente texto busca refletir sobre esta questão: se os/as robôs têm sexo e como são representados/as. Objetivamos realizar uma análise da relação do ser humano masculino com a representação máquina/robô feminina a partir da categoria analítica de gênero e da perspectiva da religião. A metodologia utilizada é bibliográfica, além de pesquisa em páginas especializadas sobre desenvolvimento e venda dos/as sexbots. A pesquisa revela paralelos na representação do papel feminino em máquinas com discursos religiosos, os quais colocam a mulher como subordinada e submissa ao homem. No processo de criação da mulher-máquina, o homem é elevado ao papel de deus e a mulher é posta como um ser em situação de dependência do seu criador masculino. Consideramos que este tema necessita ser refletido e aprofundado a partir de uma perspectiva da ética feminista e das ciências das religiões, pois as mulheres continuam sendo coisificadas e submetidas nas relações seres humanos-máquinas.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.008 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".