[pt] Atualmente algoritmos de aprendizado de máquina (ML) estão incrivelmente presentes no nosso cotidiano, desde sistemas de recomendação de filmes e músicas até áreas de alto risco como saúde, justiça criminal, finanças e assim por diante, auxiliando na tomada de decisões. Mas a complexidade de criação desses algoritmos de ML também está aumentando, enquanto sua interpretabilidade está diminuindo. Muitos algoritmos e suas decisões não podem ser facilmente explicados por desenvolvedores ou usuários, e os algoritmos também não são autoexplicáveis. Com isso, erros e vieses podem acabar ficando ocultos, o que pode impactar profundamente a vida das pessoas. Devido a isso, iniciativas relacionadas a transparência, explicabilidade e interpretabilidade estão se tornando cada vez mais relevantes, como podemos ver no novo regulamento sobre proteção e tratamento de dados pessoais (GDPR, do inglês General Data Protection Regulation), aprovado em 2016 para a União Europeia, e também na Lei Geral de Proteção de Dados (LGPD) aprovada em 2020 no Brasil. Além de leis e regulamentações tratando sobre o tema, diversos autores consideram necessário o uso de algoritmos inerentemente interpretáveis; outros mostram alternativas para se explicar algoritmos caixa-preta usando explicações locais, tomando a vizinhança de um determinado ponto e então analisando a fronteira de decisão dessa região; enquanto ainda outros estudam o uso de explicações contrafactuais. Seguindo essa linha dos contrafactuais, nos propomos a desenvolver uma interface com usuário para o sistema Optimal Counterfactual Explanations in Tree Ensembles (OCEAN), denominada OceanUI, através do qual o usuário gera explicações contrafactuais plausíveis usando Programação Inteira Mista e Isolation Forest. O propósito desta interface é facilitar a geração de contrafactuais e permitir ao usuário obter um contrafactual personalizado e mais aplicável individualmente, por meio da utilização de restrições e gráficos interativos. / [en] Machine learning algorithms (ML) are becoming incredibly present in our daily lives, from movie and song recommendation systems to high-risk areas like health care, criminal justice, finance, and so on, supporting decision making. But the complexity of those algorithms is increasing while their interpretability is decreasing. Many algorithms and their decisions cannot be easily explained by either developers or users, and the algorithms are also not self-explanatory. As a result, mistakes and biases can end up being hidden, which can profoundly impact people s lives. So, initiatives concerning transparency, explainability, and interpretability are becoming increasingly more relevant, as we can see in the General Data Protection Regulation (GDPR), approved in 2016 for the European Union, and in the General Data Protection Law (LGPD) approved in 2020 in Brazil. In addition to laws and regulations, several authors consider necessary the use of inherently interpretable algorithms; others show alternatives to explain black-box algorithms using local explanations, taking the neighborhood of a given point and then analyzing the decision boundary in that region; while yet others study the use of counterfactual explanations. Following the path of counterfactuals, we propose to develop a user interface for the system Optimal Counterfactual Explanations in Tree Ensembles (OCEAN), which we call OceanUI, through which the user generates plausible counterfactual explanations using Mixed Integer Programming and Isolation Forest. The purpose of this user interface is to facilitate the counterfactual generation and to allow the user to obtain a personal and more individually applicable counterfactual, by means ofrestrictions and interactive graphics.

[pt] Esta dissertação tem como objetivos mostrar como um adolescente homoerótico se constrói nas relações consigo e em redes sociais em que está inserido da infância à adolescência - a família, os amigos e pessoas estranhas presentes em contextos sociais de seu convivio e discutir categorias de sexualidade construídas entre entrevistado e entrevistador, envolvendo os conceitos de heterossexualidade, homossexualidade, gay, homerotismo e homoafetividade. O estudo está sendo feito na interface de abordagens da análise da narrativa e de construção de identidades masculinas homossexuais, em âmbito macro social e micro discursivo na ordem interacional. Os dados para análise compõem um estudo de caso, co-construído junto ao pesquisador em uma entrevista de pesquisa de natureza etnometodológia e sociolinguística. Os resultados da análise mostram que assumir ou não a homossexualidade envolve conflitos, principalmente nas relações com a família. Há posturas diferenciadas em relação a amigos e pessoas estranhas. A pesquisa realizada faz contribuições relevantes para o campo dos estudos de gêneros e sexualidade, principalmente aqueles que têm como meta investigar adolescentes cuja sexualidade seja estigmatizada pelo sociedade. / [en] this paper the narrative of an adolescent homoerotic : conflicts of his own within his socialrelations from childhood to you investigates how a homoerotic adolescent identifies in a social networking - family, friends and strangers who are living together in the same social context in which he grows up from childhood to adolescence. It also examines the types of sexuality that were buit between the interviewer and the respondent involving the concepts of heterosexuality. homosexuality, homoerotism an homofondness. The study is conducted based on the interface of narrative analysis approaches and the construction of male homosexuality identity at macro social and micro interactional discourse levels. The analyzed data making up this case study were collected and built together with the researcher in an interview of ethnological and sociolinguistic nature. The results of the analyses show that taking homosexuality for granted or not involves mainly familiar conflicts. There are different postures in relation to friends and unknown people. This research presents relevant contributions not only to investigations on gender and sexuality but mainly to those who are interested in studies related to adolescents whose sexuality is stigmatized by society.

[pt] A escolha de uma entre um conjunto de opções disponível normalmente requer a resolução de trade-offs, contudo esperar que as pessoas avaliem cada uma das opções de um grande conjunto pode ser inviável devido ao tempo e ao esforço cognitivo necessários para realizar tal análise, fazendo com que elas fiquem freqüentemente insatisfeitas com suas escolhas. Sistemas de software podem dar suporte à tomada de decisão humana ou mesmo automatizar esse processo, entretanto existem muitos desafios que estão associados com o oferecimento de tal suporte. Esta tese lida, em particular, com três destes desafios: (i) como representar preferências dos usuários; (ii) como raciocinar sobre estas preferências e tomar decisões; e (iii) como justificar tais decisões. Diferentes abordagens têm sido propostas para a representação e raciocínio sobre preferências qualitativas, mas estas abordagens lidam com um conjunto restrito de tipos de preferências, e portanto não são capazes de processar preferências fornecidas por usuários em muitos cenários realistas. Nesta tese, apresentam-se três principais contribuições. A primeira delas consiste de um novo metamodelo de preferências, o qual foi desenvolvido de acordo com um estudo sobre a expressão de preferências, permitindo a representação de preferências em alto-nível. Segundo, uma nova técnica de tomada de decisão automatizada é proposta, a qual escolhe uma opção de um conjunto de opções disponível baseada em preferências expressas em uma linguagem construída de acordo com o metamodelo proposto, explorando termos da linguagem natural, tais como atos de fala expressivos. A técnica vai além das preferências fornecidas para tomar a decisão através da incorporação de princípios da psicologia, que focam como os humanos tomam decisões, já que as preferências fornecidas tipicamente não são suficientes para resolver trade-offs entre as opções disponíveis. Terceiro, apresenta-se uma técnica de geração de explicação, que utiliza modelos construídos pela técnica de tomada de decisão para justificar escolhas, e segue diretrizes e padrões que foram derivados de um estudo sobre explicações a respeito de escolhas, também realizado no contexto desta tese. Um estudo com usuários foi feito para avaliar a abordagem, o qual mostra que (i) a linguagem de preferências é adequada para usuários expressarem suas preferências, que (ii) a técnica de tomada de decisão faz escolhas que os usuários consideram de alta qualidade, e que (iii) as explicações fornecidas permitem que usuários entendam por que a escolha foi feita, bem como melhora a confiança na decisão tomada. / [en] Choosing from a set of available options often requires resolution of trade-offs but it can be unfeasible for humans to carefully evaluate each option of a large set due to the required time and cognitive effort. Consequently, they are often unsatisfied with their choices. Software systems can support human decision making or even automate this process, but there are many challenges associated with the provision of such support. In this thesis we deal in particular with three of them: (i) how to represent user preferences; (ii) how to reason about preferences and make decisions; and (iii) how to justify such decisions. Different approaches have been proposed for representing and reasoning about qualitative preferences, but they address a restricted set of preference types, and therefore are not able to process preferences provided by users in many realistic scenarios. This thesis provides three main contributions. First, we introduce a new preference metamodel founded on a study of how humans express preferences, allowing the representation of high-level preferences. Second, we propose an automated decision making technique, which chooses an option from a set available based on preferences expressed in a language based on our metamodel, exploiting natural-language terms. Our technique goes beyond the provided preferences to make a decision with the incorporation of psychology principles, which concern how humans make decisions, as the provided preferences are typically not enough to resolve trade-offs among available options. Third, we present an explanation generation technique, which uses models built by our decision making technique to justify choices, and follows guidelines and patterns that we derived from a study of choice explanation. A user study was performed to evaluate our approach, which shows that (i) our preference language is adequate for users to express their preferences, (ii) our decision making technique makes choices that users consider as having good quality, and (iii) the provided explanations allow users to understand why the choice was made and improves the confidence in the decision.