Ficha técnica de dataset (datasheet)
Definição
Documento padronizado que registra motivação, composição, processo de coleta, pré-processamento, usos pretendidos, distribuição e manutenção de um conjunto de dados.
A ficha técnica de dataset (datasheet), proposta por Gebru e colegas, adapta a ideia das folhas de dados da eletrônica: todo conjunto de dados deve vir com respostas a um conjunto fixo de perguntas. Quem o criou e por quê? O que cada registro representa, e há grupos ausentes ou super-representados? Como os dados foram coletados, com que consentimento, e há dados pessoais ou sensíveis? Que limpeza ou rotulagem foi feita, e quais usos seriam inadequados?
A prática torna revisáveis a qualidade e a representatividade dos dados, exatamente o que o AI Act exige dos dados de treinamento, validação e teste de sistemas de alto risco (art. 10): relevantes, representativos, examinados quanto a possíveis vieses e regidos por práticas documentadas. Também apoia a proveniência dos dados e a análise de base legal exigida pela LGPD e pelo GDPR.
Exemplo: um hospital que disponibiliza um dataset de imagens registra que todos os exames vieram de dois equipamentos de uma única região, alertando que o desempenho em outros contextos precisa ser testado.
Onde este termo é avaliado
Avaliado na Responsible AI Practitioner (RAIP), domínio 1: Ciclo de vida e inventário de sistemas de IA.
Também cobrem este termo: Responsible AI Auditor (AUDAI)
Fontes primárias
- Gebru et al., Datasheets for Datasets (2021)
- Regulation (EU) 2024/1689 (AI Act), Art. 10