Introdução

As discussões sobre os limites dos usos inteligência artificial (IA) estão na pauta do dia na atualidade, seja pelas questões éticas envolvidas, seja sobre como sistemas que envolvem IA consomem, interpretam e fornecem informações aos usuários. “Tanto quanto a eletricidade, a IA está se espraiando por todas as atividades da vida humana, da indústria e os negócios até a criação artística” (Santaella, 2019, p. 13).

De forma um tanto simplificada, pode-se dizer que “IA significa a simulação pelos sistemas computacionais de processos de inteligência humana” (Santaella, 2019, p. 18). As ações que desempenhamos na internet são operacionalizadas por meio de IA. As inovações nessa área ocorrem de forma acelerada, enquanto o “nosso entendimento sobre o tema caminha a passos lentos, com a regulação vindo depois de fenômenos técnicos e sociais” (^{CGI.Br, 2024, s/p.}). O baixo nível de entendimento em relação ao funcionamento da IA implica também em não nos atermos às suas implicações nos modos como nos relacionamos enquanto sociedade e nos constituímos enquanto sujeitos. Dito de outro modo, sistemas baseados em IA, que coletam todo o tipo de dado produzido na internet, modificam a forma como nos comunicamos, relacionamos, nossas tomadas de decisões, nosso comportamento e desejo. A produção de dados em massa é o que alimenta os sistemas baseados em IA e a sua eficiência está diretamente relacionada ao montante de correlações estabelecidas a partir das informações coletadas. Santaella (2019, p. 22) explica que

Sem dados não há IA tanto é que muitos consideram os dados como o novo petróleo. [...] São necessárias toneladas de dados para treinar uma máquina cuja inteligência não apenas engole os nossos dados quanto também aprende a predizer nossos comportamentos com uma poderosa analítica preditiva de tudo, até mesmo daquilo que apenas pressentimos acerca de nós mesmos.

O problema maior, entretanto, está no comportamento alicerçado em dados produzidos por nós mesmos (^{Oliveira; Cerqueira, 2023}), o que fomenta a formação das bolhas algorítmicas. Rouvroy (2020, p. 17), a partir do conceito de governamentalidade desenvolvido por Michel Foucault¹, utiliza a expressão governamentalidade algorítmica para fazer referência “a hipótese de um governo do mundo social que se baseia no processamento algorítmico de grandes volumes de dados [big data] e não em políticas, leis e normas sociais”. Oliveira e Cerqueira (²⁰²³, p. 284) chamam a atenção, a partir de Constanza-Chock (2020), para a associação entre algoritmos e IA, que pode se manifestar “na falta de representatividade nos dados utilizados, ou por meio dos próprios preceitos, conscientes ou inconscientes de quem os constrói”. A consequência dos vieses algorítmicos pode ser a “agressão, exclusão ou hiperexposição de grupos vulneráveis e historicamente marginalizados” (^{Oliveira; Cerqueira, 2023}, p. 284). Nesta linha, ^{O’Neil (2020)} discute diferentes exemplos em que algoritmos em que a retroalimentação produz exclusões que ratificam discriminações estruturais existentes na sociedade americana. A autora explica que as aplicações matemáticas que fomentam os dados acabam penalizando grupos historicamente vulneráveis e marginalizados (^{O’Neil, 2020}).

Nesse contexto, o ChatGPT, um modelo de linguagem de IA generativa desenvolvido e lançado em 2022 pelo Laboratório Americano de Pesquisa em Inteligência Artificial da OpenAI, utiliza um sistema baseado em IA para dar respostas a perguntas dos usuários e realizar tarefas utilizando Processamento de Linguagem Natural (PNL). Apesar da OpenAi não informar a origem dos dados, informações da Conferência das Nações Unidas para o Comércio e Desenvolvimento (^{UNCTAD, 2021}) apontam para a disparidade no que tange a disponibilidade e acesso às tecnologias digitais de informação e comunicação,

Ao tomarmos por hipótese que os algoritmos reproduzem as discriminações sociais, já que são projetados e retroalimentados “por seres humanos falíveis” (^{O’Neil, 2020}, p. 8), este artigo tem o objetivo de problematizar os resultados da pesquisa Mães com filhos: interpretações do ChatGPT, que analisou as interpretações oferecidas pelo ChatGPT em relação a descrições de imagens coletadas no Google a partir do descritor "mãe com filho”. Para dar conta da discussão proposta, na sequência são desenvolvidas três seções. Na primeira delas será apresentado o percurso metodológico, fundamental para a compreensão sobre como foram coletadas as imagens, feitas as suas descrições e obtidas as interpretações que compõem o material de pesquisa.

A seção seguinte traz a discussão acerca das interpretações fornecidas pelo ChatGPT a partir das imagens coletadas no Google. Para tanto, utilizamos o conceito-ferramenta de discurso desenvolvido por Michel Foucault. Interessa operar com este conceito porque o discurso “desempenha um papel no interior de um sistema estratégico em que o poder está implicado, e para o qual o poder funciona. Portanto, o poder não é nem fonte nem origem do discurso. O poder é alguma coisa que opera através do discurso” (^{Foucault, 2010}, p. 253). Assim, dado que as discussões sobre o uso do ChatGPT na educação estão em evidência (^{Rodrigues; Rodrigues, 2023}; ^{Oliveira; Lopes; Vieira; Beites, 2023}; ^{Gonçalves; Coitinho, 2023}), entendemos que relações de poder são mobilizadas por meio do sistema de IA que fornece as respostas do ChatGPT.

Sem a pretensão de dar a discussão por concluída, na última seção são trazidas reflexões sobre a necessidade de inserção na educação escolarizada das discussões que envolvem os vieses algorítmicos.

Percurso metodológico e a obtenção das interpretações do ChatGPT

A pesquisa Mães com filhos: interpretações do ChatGPT teve início em setembro de 2023. Para compor o material de pesquisa, no mecanismo de busca do Google foi inserida a expressão "mães com filhos", selecionada a opção imagens e escolhidas as dez primeiras imagens que retornaram e que representavam pessoas reais². A justificativa para a seleção das dez primeiras imagens está relacionada ao fato de que “indicadores mostram que a maior parte das pessoas não navega por muitas páginas, focando nos primeiros resultados” (^{Silva, 2020}, p. 132).

Embora o objeto de análise não fosse as imagens, mas sim as interpretações do ChatGPT a partir das descrições das imagens, cabe pontuar que apenas uma das imagens dentre as dez traz mãe e criança pretas. ^{Silva (2020}, p. 122), ao problematizar o racismo algorítmico, explica que em ambientes digitais “temos um desafio ainda mais profundo quanto à materialidade dos modos pelos quais o racismo se imbrica nas tecnologias digitais através de processos “invisíveis” nos recursos automatizados como recomendação de conteúdo, reconhecimento facial e processamento de imagens”. Além disso, nenhuma das imagens apresentou mães com filhos atípicos ou pessoas com deficiência. Assim, o conjunto das dez primeiras imagens fornecidas pelo Google reforça estereótipos de mães e filhos, ao ratificar a ideia de mães brancas e jovens, com, no máximo, um ou dois filhos, crianças brancas e com idades entre a primeira e a segunda infância. Mães e filhos aparecem sorrindo e as cenas refletem pessoas economicamente privilegiadas.

Feita a seleção das dez imagens, para cada uma delas foi criado um arquivo com a sua descrição minuciosa, feita pelo grupo de pesquisa. A partir da descrição inicial, chamada de cena 1, foram inseridas modificações em relação a cor da mulher e da(s) criança(s) presentes na foto, criando assim 9 cenas diferentes para cada uma das dez imagens-foram feitas as seguintes combinações: mulher e criança, mulher preta e criança, mulher preta e criança preta, mulher branca e criança preta, mulher branca e criança branca, mulher e menino branco, mulher e menino preto, mulher branca e menino -, totalizando 90 cenas. No Quadro 1³ é apresentada uma amostra do exercício feito com a primeira imagem. É importante destacar que foram coletadas as interpretações fornecidas na primeira interação feita com o ChatGPT e cada descrição foi inserida em uma sessão distinta. Ou seja, para cada descrição foi criada uma nova interação com o chatbot. A descrição de cada cena era precedida pela seguinte expressão: por favor, interprete a seguinte cena - e na sequência a cena era descrita.

Interações feitas posteriormente demonstraram que as interpretações fornecidas pelo chatbot, embora com o mesmo sentido, diferiam daquelas fornecidas na primeira interação. Além disso, o exercício demonstrou que, ao gerar uma nova interação para cada cena, a IA do ChatGPT fornece respostas específicas com base na cena visual descrita sem considerar as interpretações dadas aos contextos antecedentes. Essa abordagem foi adotada para permitir uma análise mais precisa das respostas geradas pelo modelo, considerando cada contexto de forma isolada e controlada, proporcionando insights importantes sobre como o chatbot lida com variações visuais em imagens de "mães com filhos".

No Quadro 1 foram destacados os excertos extraídos das interpretações em que as relações maternais estavam evidentes. O exercício foi realizado em cada uma das 9 cenas descritas e repetido com cada uma das dez imagens que compõem o conjunto de materiais de pesquisa. A fim de escrutinar o material de pesquisa e de analisar a mobilização de discursos, diferentes arranjos foram feitos a partir das interpretações coletadas do ChatGPT. Dentre estes exercícios de escrutínio do material, separamos todos os excertos em que eram enfatizadas relações maternais, ou próximas a ela. Este movimento nos possibilitou observar que a totalidade dos discursos demonstravam alguma aproximação com relações maternais. As interpretações das imagens 4 e 9 não demonstraram expressões relacionadas à maternidade. Além destas duas, cabe destacar que as interpretações das imagens 1, 3, 5, 6, 8, e 10 não fazem menções a relações maternais quando a cena é estabelecida entre uma mulher branca e uma criança preta.

Dadas estas constatações iniciais, estabelecemos o arranjo apresentado no Quadro 2, que possibilitou identificar que quando a mulher presente na cena é descrita como preta, a interpretação da relação entre a mulher e a criança como algo maternal diminui de forma considerável.

De forma mais específica, observou-se também que a descrição da cena em que é relacionada mulher preta com criança branca, a expressão de uma relação maternal aparece apenas em duas das 90 cenas descritas. A relação maternal triplica quando esta é estabelecida entre uma mulher preta e criança preta - seis, das 90 cenas, fazem alusão à maternidade. Destaca-se ainda que expressões como cuidadora são mais frequentes em cenas que envolvem mulheres pretas.

Analisar de forma interessada os discursos produzidos por meio das interpretações fornecidas pelo ChatGPT permite que se tenham elementos para problematizar os vieses assumidos pelo chatbot em que são enfatizadas determinadas culturas, etnias, posicionamentos ideológicos etc. Gonçalves e Coitinho (²⁰²³) demonstraram que, a partir de uma revisão de literatura sobre IA que permitiu responder a sete perguntas relacionadas a perspectivas de educação e tendências pedagógicas, o modelo de IA desenvolvido pela OpenIA apresenta uma predileção por tendências liberais e neoliberais de educação. Conforme os autores, trata-se de um jogo

polifônico simulado, uma vez que as principais vozes presentes no texto (dos criadores do banco de dados da IA) seguem invisíveis, mascaradas, sendo costuradas por um algoritmo que, ao gerar o texto, não consegue justificar por que toma parte de uma visão pragmatista em detrimento de uma visão libertadora, de preceitos neoliberais em detrimento de uma cosmovisão progressista (^{Gonçalves; Coitinho, 2023}, p. 24-25).

Nessa linha, a fim de problematizar as respostas fornecidas pelo ChatGPT a partir das descrições das imagens, as interpretações não foram tratadas “como conjuntos de signos (elementos significantes que remetem a conteúdos ou a representações), mas como práticas que formam sistematicamente os objetos de que falam” (^{Foucault, 2009}, p. 55). Neste caso, optou-se por desenvolver uma análise de discurso que implica em perceber que “relações históricas, de práticas muito concretas, que estão vivas nos discursos” (^{Fischer, 2001}, p. 198-199). As discussões acerca das análises discursivas empreendidas estão desenvolvidas na seção a seguir.

O racismo algorítmico nas interpretações do ChatGPT

Para iniciar a discussão das análises empreendidas nas interpretações realizadas pelo ChatGPT a partir das descrições das imagens obtidas no Google, recorre-se a ^{Zuboff (2020)}, por entendermos que há um componente significativo que não pode ser desprezado, qual seja: a expressão majoritária de imagens de mães brancas, jovens e economicamente favorecidas obtidas pelo buscador Google. “Na nossa era, o Google tornou-se o pioneiro, descobridor, desenvolvedor, experimentador, principal praticante, exemplo e centro de difusão do capitalismo de vigilância”, explica ^{Zuboff (2020}, p. 100).

No capitalismo de vigilância, a matéria-prima é a experiência humana traduzida em dados comportamentais, que são comercializados em “mercados de comportamentos futuros” (^{Zuboff, 2020}, Parte I, Cap. I). Nessa lógica, todo o tipo de dados capturados a partir das nossas interações na internet, inclusive dados que reforçam preconceitos historicamente presentes em nossa sociedade, acabam sendo utilizados para treinar os algoritmos que operacionalizam o aprendizado de máquina. Assim, compreende-se que o fato de as dez primeiras imagens apresentadas pelo Google reproduzirem modelos de mães estereotipados não é uma ação injustificada, pois o capitalismo de vigilância “despe a ilusão de que a forma conectada em rede tem algum tipo de conteúdo moral inerente, que estar “conectado” seja, de alguma forma, intrinsecamente pró-social e inclusivo ou com uma tendência natural à democratização do conhecimento” (^{Zuboff, 2020}, p.23, grifos da autora).

Nessa linha, e ao falar da internet como um todo e não de uma plataforma específica, Crary (2023) explica que a disseminação social da internet encarna toda uma lógica estadunidense de consumo, o que desencadeia uma reprodução de comportamentos, de formas de ser sujeito, o que resultou no desprezo a outras culturas, em especial àquelas de origem africana. Colonialismo de dados é a referência a esta nova forma de dependência surgida com o capitalismo de dados, que combina as práticas predatórias do colonialismo histórico com a abstração de métodos computacionais. Da mesma forma, como ocorreu no caso do colonialismo histórico, o colonialismo de dados impõe “modelos de pensamento, de agenciamentos, de comportamentos que negam ou desvalorizam epistemes, modos de aprender e conhecer das comunidades e das sociedades não ricas” (^{Silveira, 2024}, p. 33).

Dessa maneira, o padrão massificado de figura materna imprime uma imagem de classe social e raça que contradiz as características da maioria das mães brasileiras. Segundo os dados do Censo 2010, divulgados pelo Instituto Brasileiro de Geografia e Estatística (IBGE), 38,7% das mães brasileiras são pretas ou pardas, enquanto 35,6% são brancas (^{IBGE, 2024, s/p.}). Ademais, no Brasil, 40,8% das mães ganham menos de meio salário-mínimo, enquanto 32,7% ganham mais de dois (^{IBGE, 2024, s/p.}). Embora os dados do censo brasileiro demonstrem a prevalência de mães pretas e pardas e economicamente desfavorecidas, as imagens retornadas pelo Google vão na contramão das estatísticas, pois a imensa produção de dados, “seja na forma de imagem seja na de linguagem, produz uma cacofonia e uma desorientação entorpecedoras (Crary, 2023, p. 70).

Ao considerar que o consumo de imagens disponíveis no Google é feito por milhares de pessoas e até mesmo por produtores de conteúdos, as bolhas algorítmicas acabam por reforçar um modelo estereotipado de mãe e filho(a). Para além disso, as imagens também compõem o conjunto de matéria-prima utilizada para treinar IAs. ^{Carrera (2020)} discute como bancos de imagens como Shutterstock, Stockphotos Getty Images deixam pouco transparente o processo algorítmico que utilizam para o tagueamento das representações, e acrescenta que “os bancos de imagens digitais apresentam funcionamento semelhante aos mecanismos de busca de informações como o Google (^{Carrera, 2020}, p. 141).

^{Collins (2019)} problematiza como opressões criaram lugares de exclusão social para determinadas populações, como a de mulheres negras. De acordo com ^{Collins (2019}, p. 35), as imagens de controle surgidas na era da escravidão, e ainda hoje aplicadas às mulheres negras, atestam a dimensão ideológica da opressão de mulheres negras. Para a autora, a manifestação ideológica designa “um corpo de ideias que reflete os interesses de um grupo de pessoas” (^{Collins, 2019}, p. 35). A expressão Mammy, por exemplo, designa “o estereótipo da babá negra escravizada, obediente, abnegada, muitas vezes também ama de leite dos bebês de uma família branca e responsável por outras tarefas domésticas” (^{Collins, 2019}, p. 35).

Nas nossas análises observamos que, embora a expressão Mammy não seja utilizada, a referência a uma mulher que ocupa o lugar de cuidadora é enfatizada quando a cena descrita faz referência à mulher preta. O Quadro 3 traz as interpretações fornecidas pelo ChatGPT sobre a imagem 10.

De acordo com o Quadro 3, percebe-se que o léxico que descreve a relação entre o jovem e a mulher branca não deixa dúvidas sobre a maternidade e nem sobre relação de afeto estabelecida e externada na expressão transmitir conforto, afeto, segurança, carinho e um “forte laço emocional”. De outro modo, as expressões que descrevem as relações entre uma mulher preta e um jovem- seja ele branco, preto, ou sem menção a sua cor - não exprimem certeza sobre a maternidade. Frases como Eles podem compartilhar uma relação próxima e afetuosa, como mãe e filho, tia e sobrinho, ou qualquer outra relação significativa, ou Possivelmente mãe e filho, avó e neto, ou até mesmo uma figura de cuidado importante na vida do jovem colocam em dúvida a maternidade da mulher. Mais ainda, conforme as problematizações desenvolvidas por ^{Collins, 2019}) podemos relacionar palavras como cuidadora e figura de cuidado à personificação da mammy. Os excertos analisados parecem ratificar a ideia de que algumas mulheres pretas “podem ter deixado de trabalhar como domésticas em residências particulares, mas sua sobrerrepresentação como cuidadoras, auxiliares de creches [...] sugere que” tê-las “em empregos mal remunerados está longe de ser algo do passado” (^{Collins, 2019}, p. 101).

Embora o que esteja em análise sejam as interpretações fornecidas pelo ChatGPT, a pesquisa de ^{Carrera (2020)} sobre bancos de imagens aponta dados significativos para a nossa discussão, pois percebe-se aproximações significativas entre o chatbot e os bancos de imagens. Este últimos “são vetores fundamentais para a manutenção do racismo estrutural⁵, uma vez que associam indivíduos negros a determinados contextos de emprego e renda que não se igualam a indivíduos brancos” (^{Carrera, 2020}, p. 145). Nessa linha, a manutenção do racismo fica evidente nas interpretações do ChatGPT. Enquanto as expressões cuidadora e figura de cuidado são enfatizadas em cinco cenas envolvendo mulheres pretas, observamos apenas uma ocorrência dessas expressões atrelada à mulher branca. Para as cenas envolvendo mulheres brancas, além das interpretações enfatizarem de forma mais inequívoca a relação com a maternidade, outros papéis atribuídos são de professora, autoridade na vida criança, irmãs e amigas.

Cabe acrescentar ainda que a cena 5 das imagens 2 e 7, em que a relação se dá entre uma mulher branca e uma criança preta, é interpretada como uma figura de cuidado ou autoridade na vida do menino, como uma avó, tia ou mãe adotiva (imagem 2, cena 5), ou uma mãe branca com seus filhos adotivos negros (imagem 7, cena 5). As interpretações ratificam o perfil tendencioso do algoritmo que produz as respostas no ChatGPT, já que em outras situações não é feita referência à adoção. Mais do que isso, as respostas fornecidas pelo chatbot reforçam a ideia de que a pluralidade de valores, costumes, raças, etnia, gênero é excluída. ^{Dardot et al (2021}, p. 174) explicam que para o neoliberalismo a liberdade só pode ser exercida “no conformismo de todos”. Isso porque no cerne da racionalidade neoliberal há um paradoxo: a necessidade da defesa dos valores tradicionais de forma a não ameaçar o sistema normativo, no caso a branquitude, de uma sociedade livre (^{Dardot et al., 2021}). Em outras palavras, a dinâmica neoliberal, cuja conduta “coloca o mercado acima de todas as demais dimensões da vida” (^{Silveira, 2024}, p. 33), reforça a colonialidade e, por conseguinte, o colonialismo de dados.

A aproximação do ChatGPT com a racionalidade neoliberal não surpreende, uma vez que Gonçalves e Coitinho (²⁰²³, p. 19), ao travar um diálogo com o chat, demonstraram que “o texto produzido pela IA parte de uma polifonia de vozes que reverbera, sobremaneira, discursos do campo neoliberal”. As constatações dos autores corroboram sobre as aproximações do ChatGPT com valores tradicionais pregados pelo neoliberalismo, ao identificarem que “a proposta pedagógica progressista libertadora de Paulo Freire é utilizada pelo ChatGPT como justificativa para a “ênfase na educação moral, cívica e ética” (^{Gonçalves, Coitinho, 2023}, p. 22).

Ao assumirmos que a educação escolarizada tem papel fundamental na formação para viver em uma sociedade digitalizada, torna-se condição inegociável que discussões sobre o caráter preconceituoso reproduzido pelos algoritmos sejam tema transversal nos currículos. Neste sentido, a formação de sujeitos para sociedades regidas pelas relações digitais requer a compreensão de que as interações com tecnologias baseadas em IA podem ser pensadas como práticas “nas quais os seres humanos são capacitados na medida em que passam a se considerar de modos específicos: se entender, se expressar, atuar e julga-se em função das maneiras pelas quais suas forças, energias, propriedades e ontologias são constituídas e modeladas ao serem conectadas, utilizadas, inscritas e atravessadas por várias composições” (^{Rose; 2011}, p. 238).

Assim, os resultados obtidos com a pesquisa e aqui problematizados nos levam a pensar sobre a necessidade de levar para a Educação Básica e, por conseguinte, para a formação de professores, discussões e questionamentos sobre os usos da IA. Indagações sobre como se dá a composição das respostas fornecidas pelos sistemas do tipo chatbots, redes sociais, mecanismos de buscas são fundamentais de serem travadas. A partir disso, entendemos que é função da escola promover momentos de reflexões sobre estereótipos, imposições culturais, formas de ser sujeito e sobre os usos éticos tanto das ferramentas de IA quanto sobre o funcionamento das diferentes plataformas de buscas na internet. Levar para as salas de aulas discussões sobre os atravessamentos que levam um chatbot a emitir interpretações racistas é uma das formas de compreender como nos tornamos o que somos enquanto sujeito e enquanto sociedade.

Considerações finais

Neste artigo demonstramos, a partir de descrições de fotos coletadas do Google, como o racismo que impregna a nossa sociedade é reproduzido por meio da IA que cria as respostas devolvidas pelo ChatGPT aos seus usuários. É fato que o algoritmo será tanto melhor quanto maior for o seu banco de dados que, por sua vez, é alimentado por nós, usuários da internet, e, portanto, expressam os nossos comportamentos e crenças.

Ao tomar por base os estudos de ^{O’Neil (2020)}, partimos da hipótese de que os algoritmos reproduzem as discriminações sociais e analisamos as interpretações oferecida pelo ChatGPT sobre as descrições das imagens que retratavam “mães com filhos”. Identificamos que o ChatGPT, tal como era esperado, reproduz vieses algorítmicos característicos do capitalismo de vigilância e do colonialismo de dados. Neste sentido, evidenciamos que há um modelo normativo de mãe que reproduz os estereótipos eurocêntricos e norte-americanos. As evidências são ratificadas pela racionalidade neoliberal que tem na centralidade do mercado a lógica de condução das condutas. Neste sentido, há uma conformidade nos modos de vida que tem como base o padrão normativo pautado na branquitude.

Todavia, importa esclarecer que as ferramentas tecnológicas sempre apresentarão algum viés, muito provavelmente da cultura dominante que a produziu. Porém, não é objetivo deste trabalho contraindicar o uso do ChatGPT e demais tecnologias. Todavia, conforme demonstrado, as respostas geradas pelo ChatGPT possuem vieses indesejados, de forma que o uso da tecnologia deve ser acompanhado de reflexão e pensamento crítico, pois a ferramenta reproduz o posicionamento da cultura dominante em nossa sociedade. Tal viés pode ter sido gerado, muito provavelmente, pelas bases de dados utilizadas, dada a predominância na disponibilidade de dados e as assimetrias no uso de recursos das Tecnologias da Informação e Comunicação (TICs) no mundo.

Assim, a Educação no mundo das plataformas, da conectividade e da IA torna a função da escola ainda mais relevante, tanto como locus de compartilhamento democrático de saberes quanto como espaço formativo para viver na Cultura Digital. Isso quer dizer que se formar para viver em sociedade é uma das funções da escola, então é preciso que professores e estudantes sejam preparados para viver na e a Cultura Digital, não apenas como exímios manipuladores de ferramentas tecnológicas, mas como sujeitos capazes de entender o funcionamento da tecnologia de forma que elas não se imponham “tiranicamente a nós” (^{Laval; Vergne, 2023}, p. 148). É fundamental aprender a questionar o que nos é apresentado de forma automática, a superar a oposição entre saberes maiores e menores e se utilizar deles para compor repertórios que nos permitam identificar contradições, reprodução de preconceitos e injustiças socais, contrapor qualquer tipo de discriminação e transformar a informação em conhecimento.