Convocatoria para Dossier Especial: Género y Teoría de los Sistemas: articulaciones conceptuales y aplicaciones empíricas. La Red Latinoamericana de Sistemas Sociales y Complejidad (RELASSC) a través de la coordinación del Seminario Latinoamericano de Género y Diferenciación Funcional convoca a la presentación de artículos e investigaciones para el Número Especial de la Revista MAD, publicación electrónica bianual del Magíster en Análisis Sistémico Aplicado a la Sociedad, (perteneciente a la Facultad de Ciencias Sociales de la Universidad de Chile) que será publicado en Julio del 2026.
Alcance y justificación: En las últimas décadas, el debate sobre el género se ha ampliado más allá de los enfoques normativos e identitarios, incorporando análisis de operaciones comunicativas, mecanismos organizacionales y sistemas sociales (derecho, política, ciencia, educación, medios, salud, economía). En diálogo con la teoría de los sistemas (especialmente la tradición luhmanniana y sus desarrollos contemporáneos), emergen perspectivas que describen cómo los códigos, programas, formas de diferenciación, inclusión y exclusión, y estructuras organizacionales producen asimetrías de género e interactúan con marcadores de raza, clase, sexualidad y territorio.
Este dossier busca consolidar un campo de investigación que articule género y teoría de los sistemas, explorando conceptos, métodos y evidencias capaces de proponer una nueva manera de tensionar la teoría de género y aportar avances a las discusiones sobre la teoría del sistema social.
Se invita al envío de artículos teóricos, conceptuales y/o empíricos que: 1. Dialoguen explícitamente con la teoría de los sistemas sociales (por ejemplo: comunicación, diferenciación funcional, acoplamientos, organización/interacción/sociedad, programas/códigos, inclusión y exclusión); y 2. Analicen problemas de género en contextos específicos (instituciones, políticas públicas, medios, organizaciones, educación, justicia, salud, ciencia y tecnología, trabajo, cultura).
Temas de interés (no exhaustivos, sólo deben tener como referencia de análisis la teoría de sistema sociales) • Género como observable sistémico: semánticas, códigos y expectativas de rol. • Organizaciones y sesgos: reclutamiento, evaluación, promoción, métricas y cumplimiento normativo. • Derecho y justicia: decisiones, procedimientos, protocolos, producción de desigualdades y mecanismos de inclusión/exclusión. • Política y políticas públicas: programas, implementación, aprendizaje organizacional y gobernanza. • Ciencia, universidad y conocimiento: autoría, gatekeeping, peritajes, evaluación por pares. • Medios y plataformas: circulación de sentidos, escándalos, observación de segundo orden, desinformación y género. • Salud y asistencia: rutinas clínicas, expedientes, protocolos, tecnologías del cuidado, salud mental. • Educación: currículos, evaluación, disciplina, comunicación pedagógica y marcadores de diferencia. • Economía y trabajo: formalización/informalidad, plataformas digitales, cuidado y reproducción social. • Tecnología e IA: modelado algorítmico, sesgos, regulación y acoplamientos con el derecho/política. • Interseccionalidades (género/raza/clase/territorio) como programas que reconfiguran operaciones sistémicas. • Metodología: estrategias para observar comunicaciones, decisiones y estructuras de expectativa en contextos organizacionales.
Enfoques y métodos: • Contribuciones teóricas/analíticas (reconstrucciones conceptuales, debates, síntesis). • Estudios empíricos cualitativos, cuantitativos o mixtos (documentos, decisiones, etnografía organizacional, análisis de redes/comunicaciones, métodos computacionales). • Ensayos metodológicos sobre cómo observar operaciones sistémicas en investigaciones de género.
Ámbito regional y comparaciones: • Se alientan trabajos con casos de América Latina, así como comparaciones y diálogos con otras regiones.
Idiomas: • Se aceptan envíos en portugués o español
Fechas importantes: Los artículos serán recibidos en el correo electrónico: relassc.genero@gmail.com • Recepción de artículos hasta el 31 de marzo del 2026. • Notificación de propuestas seleccionadas 30 de abril del 2026
Política editorial https://revistamad.uchile.cl/index.php/RMAD/politicas. La coordinación del dossier y la recepción de artículos será responsabilidad del Seminario Latinoamericano de Género y Diferenciación Funcional: Dra. Carolina Busco Ramírez (Universidad Diego Portales-Chile), Doctoranda Kamila Carino Machado (Universidade Estadual do Norte Fluminense Darcy Ribeiro-Brasil), Dra. Elisa López Miranda (UNAM-México), Dra. Mayra Rojas Rodríguez (UNAM-México).
Decisões inteligentes na sociedade 4.0
Autores/as
-
Álvaro Farias Pinheiro
Universidade Federal de Pernambuco
https://orcid.org/0000-0002-6254-7293
Resumen
A ascensão dos Algoritmos de Inteligência Artificial (AIA) e dos Algoritmos de Inteligência Computacional (AIC) marca a evolução tecnológica contemporânea, desempenhando um papel crucial na construção de sistemas inteligentes que impulsionam decisões em diversos domínios. Objetivo: Explorar como a integração de AIA e AIC na Sociedade 4.0 remodela a tomada de decisão, destacando os benefícios, desafios éticos, e a influência desses algoritmos na transformação social e organizacional. Metodologia: Análise contextual e crítica da literatura sobre a aplicação de AIA e AIC, focando nas áreas de gestão pública, jurídica e empresarial, bem como na Hiperautomação e suas implicações. Resultados: A Sociedade 4.0 se caracteriza pelo uso intensivo de tecnologias interconectadas que permitem automação e otimização globais. A rápida adoção de algoritmos levanta questões sobre transparência, explicabilidade e impactos sociais, especialmente em contextos jurídicos sensíveis. Os AIA e AIC são fundamentais para a transformação digital, promovendo análises avançadas e automatização de tarefas complexas em setores produtivos e na formulação de políticas públicas. Conclusão: A implementação de AIA e AIC está revolucionando a sociedade ao disponibilizar ferramentas para decisões mais eficientes e eficazes. No entanto, é crucial abordar os desafios éticos para garantir a confiabilidade e imparcialidade dos sistemas automatizados.Palabras clave:
sociedade 4.0 , algoritmos de inteligência artificial , algoritmos de inteligência computacional , hiperautomação , transformação digitalCitas
Amaral, F. (2016). Introdução à ciência de dados: mineração de dados e big data. São Paulo: DTP.
Bostrom, N. (2019). Superinteligência: caminhos, perigos, estratégias. São Paulo: DarkSide Books.
Brown, T. et al. (2020). Language models are few-shot learners. Advances in Neural Information Processing Systems (NeurIPS), 33.
Cazzaniga, M. (2024). Gen-AI: Artificial intelligence and the future of work. Washington, DC: International Monetary Fund.
Chen, H., Chiang, R. H. L., e Storey, V. C. (2012). Business intelligence and analytics: from big data to big impact. MIS Quarterly, 36(4), 1165–1188.
Floridi, L. (2014). The fourth revolution: how the infosphere is reshaping human reality. Oxford: Oxford University Press.
Goodfellow, I., Bengio, Y., e Courville, A. (2016). Deep learning. Cambridge, MA: MIT Press.
Grus, J. (2016). Data science do zero: primeiras regras com o Python. Rio de Janeiro: Alta Books.
Haykin, S. (2008). Neural networks and learning machines. 3. ed. Pearson.
LeCun, Y., Bengio, Y., e Hinton, G. (2015). Deep learning. Nature, 521, 436-444.
Lee, K.-F. (2018). AI superpowers: China, Silicon Valley and the new world order. Boston: Houghton Mifflin Harcourt.
Lee, K.-F. (2019). Inteligência artificial: como os robôs estão mudando o mundo, a forma como amamos, nos relacionamos, trabalhamos e vivemos. Rio de Janeiro: Globo Livros.
Murphy, K. P. (2012). Machine learning: a probabilistic perspective. Cambridge, MA: MIT Press.
O’Neil, C. (2017). Weapons of math destruction: how big data increases inequality and threatens democracy. New York: Crown Publishing Group.
Pinheiro, Á. F. (2021). Inteligência artificial: fundamentos e aplicabilidades. Recife: Centro de Formação de Servidores e Funcionários Públicos do Estado de Pernambuco – CEFOSPE.
Pinheiro, Á. F. (2022). Automação de processos através da RPA para transformação digital. Brasília: Escola Nacional de Administração Pública – ENAP.
Pinheiro, Á. F., Silveira, D. S., e Lima Neto, F. B. (2022). Use of machine learning for active public debt collection with recommendation for the method of collection via protest. In: Wyld, D. C. et al. (eds.), AIAPP, NLPML, DMA, CRIS, SEC, CoSIT, SIGL – 2022. Computer Science & Information Technology (CS & IT), 99-108.
Pinheiro, Á. F., Santos, W. B., e Lima Neto, F. B. (2023a). Intelligent framework to support technology and business specialists in the public sector. IEEE Access, 11, 15655-15662.
Pinheiro, Á. F., Santos, W. B., e Lima Neto, F. B. (2023b). Use of machine learning to validate an intelligent framework to support decision making in the public sector. Journal of Artificial Intelligence & Cloud Computing, 2(3), 1-13.
Pinheiro, Á. F. (2024). Inteligência artificial. Recife: Escola de Governo de Administração Pública de Pernambuco.
Pinheiro, Á. F. (2025). Inteligência artificial. Recife: Escola de Saúde Pública de Pernambuco.
Rosenblatt, F. (1958). The perceptron: a probabilistic model for information storage and organization in the brain. Psychological Review, 65(6), 386-408.
Rumelhart, D. E., Hinton, G. E., e Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323, 533-536.
Russell, S., e Norvig, P. (2021). Artificial intelligence: a modern approach. 4. ed. Pearson.
Santos-D’Amorim, K. et al. (2020). Dos dados ao conhecimento: tendências da produção científica sobre Big Data na Ciência da Informação no Brasil. Encontros Bibli, 25, 1–23.
Schwab, K. (2016). A quarta revolução industrial. São Paulo: Edipro.
Sharma, N. (2022). Business Process Automation: The Essential Guide to Business Process Automation Strategies. London: Routledge.
Siegel, E. (2020). Análise preditiva: o poder de predizer quem vai clicar, comprar, mentir ou morrer. 2. ed. Rio de Janeiro: Alta Books.
Surden, H. (2020). Artificial intelligence and law: an overview. Georgia Law Review, 35(3), 1–30.
Vaswani, A. et al. (2017). Attention is all you need. Advances in Neural Information Processing Systems (NeurIPS), 30.
Widrow, B., e Hoff, M. E. (1960). Adaptive switching circuits. Institute of Radio Engineers, WESCON Convention Record.
Witten, I. H., Frank, E., e Hall, M. A. (2016). Data mining: practical machine learning tools and techniques. 4. ed. Morgan Kaufmann.
