A scoping review of gender bias in digital occupational health management

Imagine o local de trabalho como um mundo de videogame gigante e movimentado, onde todos estão tentando se manter saudáveis e felizes enquanto jogam. Nos últimos anos, os "mestres do jogo" (empresas e especialistas em saúde) começaram a usar ferramentas digitais superinteligentes — como aplicativos, dispositivos vestíveis e programas de computador — para ajudar os jogadores a gerenciarem sua saúde. Isso é chamado de Gestão de Saúde Ocupacional. Pense nisso como um treinador digital que monitora seus passos, lembra você de se alongar ou sugere uma pausa quando você está encarando uma tela há muito tempo. A ideia é que esses treinadores digitais podem ser super eficientes e feitos sob medida para cada jogador. No entanto, há uma pegadinha: se o treinador foi construído usando um livro de regras que olhou apenas para metade dos jogadores, ou se o cérebro do treinador (o algoritmo) foi treinado com dados antigos e incompletos, ele pode dar conselhos que funcionam muito bem para alguns, mas que deixam outros para trás. Este é o problema do viés de gênero: quando um sistema acidentalmente trata homens e mulheres de maneiras diferentes e injustas, muitas vezes porque não "vê" o quadro completo de como suas vidas e corpos são realmente diferentes.

Agora, vamos dar um zoom em um novo estudo que atua como um detetive, caçando exatamente onde esses treinadores de saúde digitais estão errando. Os pesquisadores não apenas adivinharam; eles fizeram uma busca massiva por tesouros, vasculhando bancos de dados e relatórios oficiais para encontrar 62 evidências diferentes. Eles estavam procurando pelas formas específicas pelas quais essas ferramentas digitais falham no que diz respeito ao gênero.

O que eles encontraram foi uma coleção de cinco armadilhas sorrateiras que podem fazer o sistema tropeçar. Primeiro, há o hiato de dados de gênero. Imagine tentar assar um bolo para uma multidão, mas você só tem uma receita que lista ingredientes para meninos. Você pode acabar com um bolo que tem um gosto estranho ou que não funciona para as meninas porque a receita estava faltando metade dos ingredientes. No mundo digital, isso significa que os computadores estão tomando decisões baseadas em dados que não incluem informações suficientes sobre as mulheres.

Segundo, há o viés algorítmico. Isso é como um robô árbitro que aprendeu as regras do jogo com um treinador tendencioso. Mesmo que o robô tente ser justo, ele continua fazendo as mesmas jogadas injustas porque foi ensinado a ver o mundo através de uma lente estreita.

Terceiro, o estudo aponta para o hiato de saúde de gênero. Isso não é sobre o computador; é sobre a vida real. Homens e mulheres frequentemente carregam "mochilas" diferentes de estresse laboral e fardos físicos. Se o treinador digital não souber que uma mochila é mais pesada ou tem um formato diferente, ele não poderá ajudar o jogador a carregá-la adequadamente.

Quarto, há o hiato digital de gênero. Isso é simplesmente sobre quem consegue segurar o controle. Se algumas pessoas não têm acesso à tecnologia mais recente ou não se sentem confortáveis em usá-la, o treinador de saúde digital nunca chega a ajudá-las.

Finalmente, os pesquisadores detectaram o paradoxo da saúde de gênero. Esta é uma situação confusa onde um grupo pode parecer mais doente no papel (mais relatos de dor ou cansaço), mas na verdade vive mais tempo, enquanto outro grupo parece mais saudável, mas tem um risco maior de problemas sérios. É um mistério que as ferramentas digitais frequentemente falham em resolver porque olham para os números de forma muito simplista.

O artigo sugere que, devido a essas cinco armadilhas, as medidas de saúde digital frequentemente perdem as necessidades específicas de diferentes gêneros. Os autores não estão dizendo que a tecnologia está quebrada para sempre, mas estão alertando que não podemos apenas ligá-la e esperar pelo melhor. Em vez disso, eles recomendam um grande upgrade: precisamos garantir que a "transversalidade de gênero" (pensar sobre o gênero em cada etapa do processo) e a "interseccionalidade" (entender como as diferentes partes da identidade de uma pessoa se misturam) sejam incorporadas ao sistema desde o início. Somente ao consertar a receita, treinar melhor o robô árbitro e garantir que todos tenham um controle é que poderemos construir um mundo de saúde digital que funcione para todos.