Resumo

Em 2015, a Organização das Nações Unidas apresentou os 17 Objetivos de Desenvolvimento Sustentável (ODS), orientando as políticas nacionais. As propostas devem mobilizar o governo, a sociedade civil organizada, o setor privado e os cidadãos. O século XXI é marcado pelos avanços das tecnologias da informação e comunicação e, com eles, novas formas de participação social. O uso de crowdsourcing urbano (CSU) permite que comunidades gerem dados sobre o ambiente em que vivem e pode auxiliar no cumprimento das metas dos ODS, visto que as cidades conectam todos os outros objetivos de alguma forma.

Ainda que a gestão dos espaços urbanos seja essencial para o desenvolvimento sustentável e o crowdsourcing possa atuar para a participação cidadã, a qualidade dos dados gerados é um critério importante para o sucesso das ações. Garantir a veracidade e a qualidade dos dados inseridos pelos usuários é fundamental. Tendo isso em vista, esse trabalho se propôs a investigar os mecanismos de mitigação para qualidade de dados inseridos por usuários em experiências de CSU. A fim de atingir esse objetivo, foi realizada uma revisão integrativa referente aos últimos 5 anos.

O crowdsourcing é a divisão de problemas em micro tarefas, resolvidas por uma grande quantidade de participantes conectados via internet. Essa prática se destaca no setor público ao proporcionar a comunicação bidirecional entre órgão público e cidadão. Proporcionando engajamento em torno de um problema ao terceirizar aos cidadãos a função de levantar dados e discutir temas de interesse público, a prática já é aplicada para monitorar indicadores de diversos ODS. Este artigo trata de projetos em que há uso de Crowdsourced Geographic Information em contextos urbanos, aqui denominados CSU.

Essa revisão intergrativa de literatura seguiu os passos descritos no fluxograma PRISMA-Scr. Foram realizadas buscas por artigos revisados por pares indexados nas bases ACM Digital Library, Scopus e Scielo. A busca recuperou 238 artigos únicos, dos quais 29 estavam relacionados ao tema. A leitura completa desses 29 resultou no corpo final de 12 artigos, que foram então dispostos em uma matriz de síntese para coleta de dados. A análise possibilitou a identificação de 5 categorias de desafios de qualidade de dados, e 13 estratégias de controle de qualidade adotadas.

A revisão integrativa permitiu identificar cuidados com inconsistências causadas por imperícia ou mau uso das plataformas pelos usuários e por limitações técnicas dos dispositivos. Identificamos 5 categorias de desafios de qualidade de dados: confiabilidade dos usuários, veracidade dos dados produzidos, verificação da localização, repetição de tarefas e acessibilidade dos apps ou websites. Embora o uso de crowdsourcing não garanta, por si, o cumprimento da Agenda 2030, isso permite a participação ativa da população na discussão, planejamento ou acompanhamento de ações vinculadas aos ODS.

A revisão da literatura proposta nos permitiu averiguar 13 estratégias de mitigação para garantir a qualidade dos dados inseridos por usuários de apps de CSU. Medidas como estas são fundamentais para evitar que decisões públicas sejam tomadas com base em dados inconsistentes. TICs são ferramentas, e devem ser usadas em prol de construirmos um mundo mais sustentável e próspero para todos. Dessa forma, contribuímos para a reflexão e prática dos processos participativos de pesquisa e gestão urbana.

CERTOMÀ, C.; CORSINI, F.; FREY, M. Hyperconnected, receptive and do-it-yourself city. An investigation into the European “imaginary” of crowdsourcing for urban governance. Technology in Society, v. 61, n. 101229, 2020 RESTUCCIA, F. et al. Quality of Information in Mobile Crowdsensing: Survey and Research Challenges. ACM Trans. Sen. Netw., New York, NY, USA, v. 13, n. 4, 2017. SEE, L. et al. Crowdsourcing, Citizen Science or Volunteered Geographic Information? The Current State of Crowdsourced Geographic Information. ISPRS International Journal of Geo-Information, v. 5, n. 5, p. 55, 2016.