Scientometric and thematic study of the production on ethics and privacy on Large Language Models of Artificial Intelligence
Abstract
As the use of AI chatbots has become more popular, gaps regarding biases, misuse of personal data, and the like have become evident. Due to their importance to society and aiming for their safe use, Large Language Models (LLMs) must res-pect ethical and privacy guidelines. The objective is to elucidate the characteristics of scientific production on ethics and privacy in LLMs, relative to the amount of articles produced in Computer Science and Information Science, and to analyze the most relevant themes and ethical approaches considered. Methodological pro-cedures: a search in international databases, computing articles by time period and area; topic analysis and clustering of abstracts using the Bertopic model. As a re-sult, a growing trend in the published volume was observed, with the majority of works in Computer Science, with timid participation from Information Science and Latin American papers. The topic analysis revealed eight clusters with varied themes, highlighting health and education. Ethical approaches prioritize a techno-cratic and micro-focused view of computing. It is concluded that greater participa-tion from Information Science (IS) in this area is necessary to bring about broader and deeper ethical discussions that remain valid in the face of the relentless evolu-tion of technology.
Downloads
References
BARCAUI, André. (2025). Guia da inteligência artificial. São Paulo: Almedina Brasil.
BERTOPIC. (2026). BERTopic – Advanced Transformer Topic Modeling Library. Recuperado de https://bertopic.org/
CAPURRO, R. (2006). Privacy. An intercultural perspective. Ethics and Infor-mation Technology, 8(1), 37–47. Recuperado de https://doi.org/10.1007/s10676-005-4407-4
CAPURRO, R. (2008). Information ethics for and from Africa. Journal of the American Society for Information Science and Technology, 59(7), 1162-1170. Recuperado de https://onlinelibrary.wiley.com/doi/full/10.1002/asi.20850
CAPURRO, R. (2020). Enculturing algorithms. Ethics and Information Technolo-gy, 22(2), 131-137. Recuperado de https://link.springer.com/article/10.1007/s11569-019-00340-9?utm_source=researchgate.net&utm_medium=article
CORREIO BRAZILIENSE. (2026, 4 maio). A nova aposta de Mark Zuckerberg: o futuro da inteligência artificial. Correio Braziliense. Recuperado de https://www.correiobraziliense.com.br/aqui/2026/05/04/a-nova-aposta-de-mark-zuckerberg-o-futuro-da-inteligencia-artificial/
DUARTE, Danieli Aparecida. (2022). A ética da informação de Floridi: aplicação aos desafios atuais da Sociedade da Informação para a formação humana (Dissertação de Mestrado Profissional em Educação Tecnológica). Institu-to Federal de Educação, Ciência e Tecnologia do Triângulo Mineiro, Cam-pus Uberaba, Uberaba.
FACELI, Katti; LORENA, Ana C.; GAMA, João; ALMEIDA, Tiago Agostinho De; CARVALHO, André C. P. L. F. De. (2025). Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina (3. ed.). Rio de Janeiro: LTC.
FEFERBAUM, Marina; SILVA, Alexandre Pacheco da; COELHO, Alexandre Z.; et al. (2023). Ética, Governança e Inteligência Artificial. São Paulo: Almedina.
GALANTE, J. P. T. (2026, 16 de junho). Regulação da IA, interferência das big techs e o futuro pro Brasil. Instituto de Estudos Avançados da Universi-dade de São Paulo. Recuperado de https://www.iea.usp.br/noticias/regulacao-da-ia-interferencia-das-big-techs-e-o-futuro-pro-brasil
GONZALEZ, Maria Nélida. (2013, jan./jun.). Luciano Floridi e os problemas filo-sóficos da informação: da representação à modelização. InCID, 4(1), 03-25. Recuperado de https://cidad.bu.ufsc.br/files/2021/10/%C3%89tica-de-Floridi-por-N%C3%A9lida-Gonzales.pdf
IBM. (2025). Risco de ataque de inferência de associação para IA. Recuperado de https://www.ibm.com/docs/pt-br/watsonx/saas?topic=atlas-membership-inference-attack
KOSINSKI, M., & SCAPICCHIO, M. (n.d.). What is the EU AI Act? IBM. Re-cuperado em maio 26, 2026, de https://www.ibm.com/think/topics/eu-ai-act
KRANTZ, Tom; JONKER, Alexandra. (2025). Jailbreak de IA: desenraizar uma ameaça em evolução. IBM Think Insights. Recuperado de https://www.ibm.com/br-pt/think/insights/ai-jailbreak
LABATE, Alice. (2025, 27 maio). Meta anuncia divisão de AGI, ‘super’ inte-ligência artificial, de olho em rivais como OpenAI e Google. O Estado de São Paulo. Recuperado de https://www.estadao.com.br/link/empresas/meta-anuncia-divisao-de-agi-super-inteligencia-artificial-de-olho-em-rivais-como-openai-e-google-nprei/
LOPES JUNIOR, José Evaldo Gonçalves et al. (2025). Tecnologias digitais e inte-ligência artificial na educação em saúde: transformações do ambiente acadêmico ao contexto hospitalar. Revista Educação & Ensino, 9. Recupe-rado de https://periodicos.uniateneu.edu.br/index.php/revista-educacao-e-ensino/article/view/882/534
MARTINELLI, Dante P. (2012). TEORIA GERAL DOS SISTEMAS. Rio de Janeiro: Saraiva.
NIST (National Institute of Standards and Technology). (2024, jul.). Artificial Intelligence Risk Management Framework: Generative Artificial Intelli-gence Profile (NIST AI 600-1). Gaithersburg, MD: National Institute of Standards and Technology. Recuperado de https://doi.org/10.6028/NIST.AI.600-1
OCDE. (2025). How can AI help make better regional development policies in Korea (OECD Regional Development Papers). Paris: OECD Publishing. Recuperado de https://www.oecd.org/en/publications/how-can-ai-help-make-better-regional-development-policies-in-korea_be01f52d-en.html
OLFF, Sabine. (2025, 1 dez.). As alternativas europeias ao ChatGPT (vídeo). Bra-sil: Deutsch Welle [DW]. Recuperado de https://www.dw.com/pt-br/as-alternativas-europeias-ao-chatgpt/video-74962113
PELLEGRINI, Eliane; VITORINO, Elizete Vieira. (2018, abr./jun.). A dimensão ética da competência em informação sob a perspectiva da filosofia. Pers-pectivas em Ciência da Informação, 23(2), 117-133. doi: https://doi.org/10.1590/1981-5344/2953
RUSSELL, Stuart J.; NORVIG, Peter. (2022). Inteligência Artificial: Uma Abor-dagem Moderna (4. ed.). Rio de Janeiro: GEN LTC.
RUSSELL, Stuart J.; NORVIG, Peter. (2022). Inteligência Artificial - Uma Abor-dagem Moderna (4. ed., e-book). Rio de Janeiro: GEN LTC.
SANT’ANA, Ricardo César Gonçalves. (2016, maio/ago.). Ciclo de vida dos da-dos: uma perspectiva a partir da ciência da informação. Informação & In-formação, 21(2), 116-142. doi: 10.5433/1981-8920.2016v21n2p116
SANT’ANA, Ricardo César Gonçalves; MARTINS, Dayane de Oliveira. (2024, set./dez.). Contextualizando a taxonomia da privacidade de Solove no ci-clo de vida dos dados. Comun. Mídia Consumo, 21(62), 558-582. doi: 10.18568/cmc.v20162.2873
SCHAU, Kevin; CHEN, Szu Yu; TIKU, Nitasha. (2023, 19 abr.). Inside the se-cret list of websites that make AI like ChatGPT sound smart. The Wash-ington Post. Recuperado de https://www.washingtonpost.com/technology/interactive/2023/ai-chatbot-learning/
SHANAHAN, Murray; MCDONELL, Kyle; REYNOLDS, Laria. (2023, 16 nov.). Role play with large language models. Nature, 623, 493–498. doi: https://doi.org/10.1038/s41586-023-06647-8
VALENÇA, Lucas Rodrigues; SANTOS, Ronnie de Souza. (2025). Justiça algo-rítmica: instrumentalização, limites conceituais e desafios na engenharia de software. In: Anais do 6. Workshop sobre as Implicações da Computação na Sociedade (WICS), Maceió, p. 225-234. Porto Alegre: Sociedade Brasi-leira de Computação. doi: https://doi.org/10.5753/wics.2025.8032
VASWANI, A. et al. (2017). Attention Is All You Need. In: Anais da 31. Confer-ence on Neural Information Processing Systems (NIPS), Long Beach. Long Beach: NIPS. Recuperado de https://arxiv.org/abs/1706.03762
YE, Jiayuan et al. (2022). Enhanced membership inference attacks against ma-chine learning models. In: Proceedings of the 2022 ACM SIGSAC Confer-ence on Computer and Communications Security (CCS '22), Los Angeles, CA, USA, p. 1-14. New York, NY, USA: ACM. doi: https://doi.org/10.1145/3548606.3560675
ZHAO, Pinlong et al. (2025). Data Poisoning in Deep Learning: A Survey. Recuperado de https://github.com/Pinlong-Zhao/Data-Poisoning
ZOU, Andy; WANG, Zifan; KOLTER, J. Zico; FREDRIKSON, Matt. (2023). Universal and transferable adversarial attacks on aligned language models. Recuperado de https://arxiv.org/abs/2307.15043
Copyright (c) 2026 Leonardo Agostinelli Pereira Pinheiro de Souza, Ricardo César Gonçalves Sant'Ana
This work is licensed under a Creative Commons Attribution 4.0 International License.
.png)
