Array
(
    [0] => stdClass Object
        (
            [journal] => stdClass Object
                (
                    [id_jnl] => 59
                )

        )

    [1] => stdClass Object
        (
            [section] => stdClass Object
                (
                    [section] => 475
                )

        )

    [2] => stdClass Object
        (
            [title] => Array
                (
                    [0] => Inteligência artificial e desigualdade de gênero entre homens e mulheres: uma análise dos vieses em processos seletivos de contratação@pt
                )

        )

    [3] => stdClass Object
        (
            [abstract] => Array
                (
                    [0] => Artificial intelligence has become an essential tool in selection and recruitment processes, promoting greater efficiency and automation in candidate screening. However, studies indicate that AI can reproduce and intensify biases, especially gender biases, compromising equity in hiring. This phenomenon arises from the way algorithms are trained, based on historical data that may contain discriminatory patterns and perpetuate inequalities. This study aims to analyze the biases of different treatment between men and women produced by AI in selection processes. The methodology adopted was designed to ensure coherence with the proposed objectives, being a qualitative, descriptive research, organized in stages. Data collection was carried out through the Consensus AI platform, which locates and synthesizes scientific evidence. Seven relevant articles were identified, with no time limit, prioritizing recent content. The results show that 75% of the reviewed studies confirm the presence of gender biases. Five articles indicated that AI reinforces discriminatory patterns, while two suggested that, when well-guided, it can reduce disparities. The analysis revealed unequal treatment driven by biased data, lack of diversity, and biased language. The work contributes to the debate on the social impacts of AI.@en
                    [1] => A inteligência artificial tem se consolidado como uma ferramenta relevante nos processos de recrutamento e seleção, promovendo maior eficiência e automação na triagem de candidatos; contudo, estudos apontam que a inteligência artificial pode reproduzir e até intensificar vieses, especialmente de gênero, comprometendo a equidade nas contratações. Esse fenômeno decorre, em grande medida, da forma como os algoritmos são treinados, uma vez que se baseiam em dados históricos que podem incorporar padrões discriminatórios e, assim, perpetuar desigualdades. Este artigo objetiva analisar os vieses de tratamento entre homens e mulheres produzidos por sistemas de inteligência artificial em processos seletivos. Para tanto, adotou-se a revisão integrativa da literatura, estruturada em etapas que incluíram a definição da pergunta de pesquisa, a aplicação de critérios de inclusão e exclusão, a seleção e organização dos estudos, a análise e a síntese dos resultados. A coleta de dados foi realizada por meio da plataforma Consensus AI, utilizada para localizar e sintetizar evidências científicas. O estudo identificou sete artigos relevantes, sem delimitação temporal prévia, com prioridade para conteúdos recentes. Os resultados evidenciam que aproximadamente 71,43% dos estudos confirmam a presença de vieses de gênero: cinco artigos indicam que a inteligência artificial tende a reforçar padrões discriminatórios, enquanto dois sugerem que, quando adequadamente orientada, pode contribuir para a redução de disparidades. A análise revela diferenças de tratamento associadas a dados enviesados, à ausência de diversidade nos conjuntos de treinamento e ao uso de linguagem tendenciosa, contribuindo, assim, para o debate sobre os impactos sociais e éticos da inteligência artificial.@pt
                )

        )

    [4] => stdClass Object
        (
            [author] => Array
                (
                    [0] => Flávia Helloysa Fontes Silva
                    [1] => Natanael Vitor Sobral
                    [2] => Daniela Eugênia Moura de Albuquerque
                    [3] => Leilah Santiago Bufrem
                    [4] => Fábio Mascarenhas e Silva
                )

        )

    [5] => stdClass Object
        (
            [subject] => Array
                (
                )

        )

    [6] => stdClass Object
        (
            [source] => stdClass Object
                (
                    [vol] => 16
                    [nr] => 1
                    [year] => 2026
                    [theme] => 
                )

        )

    [7] => stdClass Object
        (
            [datePub] => Array
                (
                    [0] => 2026-05-01
                )

        )

    [8] => stdClass Object
        (
            [DOI] => Array
                (
                    [0] => stdClass Object
                        (
                            [type] => DOI
                            [value] => Array
                                (
                                    [0] => 10.22478/ufpb.2236-417X.2026v16n1.74614
                                )

                        )

                )

        )

    [9] => stdClass Object
        (
            [http] => Array
                (
                    [0] => stdClass Object
                        (
                            [type] => HTTP
                            [value] => Array
                                (
                                    [0] => https://periodicos.ufpb.br/index.php/pgc/article/view/74614
                                )

                        )

                    [1] => stdClass Object
                        (
                            [type] => HTTP
                            [value] => Array
                                (
                                    [0] => https://periodicos.ufpb.br/index.php/pgc/article/view/74614/44073
                                )

                        )

                )

        )

    [10] => stdClass Object
        (
            [language] => Array
                (
                    [0] => pt
                )

        )

    [11] => stdClass Object
        (
            [license] => Array
                (
                    [0] => stdClass Object
                        (
                            [@xml:lang] => pt-BR
                            [#text] => Copyright (c) 2026 Perspectivas em Gestão & Conhecimento
                        )

                )

        )

)