Introdução
O assédio sexual em escolas moçambicanas representa um grave entrave ao ambiente educacional seguro, afectando maioritariamente jovens do género feminino. A falta de canais seguros de denúncia e a inexistência de mecanismos preditivos dificultam intervenções eficazes (UNESCO, 2019). Este estudo apresenta a aplicação “Alerta Jovem”, que recorre à inteligência artificial (IA) para empoderar estudantes e propor acções preventivas fundamentadas em dados (Binns, 2018).

Objectivos
Desenvolver uma aplicação móvel que permita denúncias anónimas ou ocultas de assédio sexual, com acompanhamento do estado do caso, utilizando modelos de linguagem para prever padrões de assédio e recomendar acções preventivas (Hao, 2020).

Metodologia
A aplicação inclui interfaces para denúncias detalhadas (texto e mídia), perfil personalizado e visualização de casos. Denúncias ocultas garantem privacidade (Bailey & Steeves, 2015). Um modelo de linguagem (como GPT ou DeepSeek) analisará os relatos, identificará padrões (locais, horários ou agressores recorrentes) e recomendará intervenções (ex.: campanhas educativas). A segurança da informação será assegurada segundo as normas do INTIC. Os testes-piloto decorrerão na Universidade Eduardo Mondlane.

Resultados
Espera-se uma adesão significativa por parte dos estudantes, graças à confidencialidade oferecida. Os modelos de IA deverão identificar tendências relevantes e sugerir intervenções contextuais (Wang et al., 2021). Simulações iniciais indicam viabilidade técnica e potencial impacto social positivo.

Conclusão
A “Alerta Jovem” inova ao aplicar IA no combate ao assédio sexual escolar, promovendo igualdade de género e segurança. A proposta mostra forte potencial de escalabilidade e adaptação para outros contextos. Parcerias com escolas e organizações da sociedade civil serão fundamentais para operacionalizar soluções preditivas.

Palavras-chave: Assédio sexual, inteligência artificial, igualdade de género

Referências
Bailey, J., & Steeves, V. (2015). eGirls, eCitizens: Putting Technology, Theory and Policy into Dialogue with Girls’ and Young Women’s Voices. University of Ottawa Press.

Binns, R. (2018). Fairness in Machine Learning: Lessons from Political Philosophy. Proceedings of the 2018 Conference on Fairness, Accountability and Transparency (FAT), 149–159.

Hao, K. (2020). AI is now used to predict crime. But is it biased? MIT Technology Review. Retrieved from https://www.technologyreview.com/

UNESCO. (2019). Behind the Numbers: Ending School Violence and Bullying. United Nations Educational, Scientific and Cultural Organization.

Wang, X., Zhang, Y., Zhang, R., & Wang, W. (2021). Deep Learning for Intelligent Education Systems: A Survey. IEEE Transactions on Neural Networks and Learning Systems, 32(2), 403–420.