LEONARDO FREITAS SAYAO
Data: 08/04/2024, 9h, formato híbrido
Sala Zoom https://puc-rio.zoom.us/j/96735206808?pwd=RkE4WnJnZ0UyaTFLNTlsZy9JZDRSZz09#success | Sala 950L
Orientadores: Fernanda Araújo Baião Amorim | PUC-Rio
Resumo: O estudo da tomada de decisões individuais tem ganhado cada vez mais importância, desde as concepções clássicas do homem econômico até os mais recentes conceitos da racionalidade limitada e dos vieses cognitivos. Ao longo do tempo, a crescente complexidade das decisões impulsionou o desenvolvimento de tecnologias como os Sistemas de Apoio à Decisão, Sistemas Informativos e Modelos Preditivos, destacando-se a integração de Inteligência Artificial e Aprendizado de Máquina para melhorar a precisão e a eficiência das escolhas. Embora esses avanços tenham proporcionado benefícios significativos, a influência dos vieses cognitivos na tomada de decisão continua sendo um desafio relevante e pouco explorado. Esses vieses podem surgir de diversas fontes, incluindo preferências individuais, influências externas e derivações cognitivas inconscientes. Apesar dos esforços da economia comportamental em identificar e modelar esses vieses, sua aplicação em contextos de decisões individuais monetárias ainda é limitada. Portanto, este trabalho propõe uma arquitetura baseada em fundamentos ontológicos para identificar e analisar vieses cognitivos em cenários de alto risco de perdas monetárias. Através da aplicação de técnicas de Ciência de Dados e ML, o objetivo é estabelecer um módulo capaz de identificar padrões de vieses cognitivos, gerando conhecimento sobre as preferências de risco dos tomadores de decisão e seus ganhos e perdas diante das sias escolhas. O viés específico explorado neste estudo é a Busca de Risco no domínio de perdas, conforme definido no Padrão Quádruplo do Kahneman. A avaliação da eficácia dessa abordagem será realizada por meio de um estudo de caso utilizando um benchmark disponível na literatura, fornecendo insights sobre a aplicabilidade e os benefícios práticos da arquitetura proposta.