Ética, privacidade e LGPD¶
Os dados do Airbnb são públicos — o Inside Airbnb os coleta do site aberto e os publica sob CC BY 4.0. Público não quer dizer sem pessoas dentro. Este documento registra o que publicamos, o que deliberadamente não publicamos e por quê.
1. O que há de pessoal nas bases¶
| dado | onde | tratamento |
|---|---|---|
nome do anfitrião (host_name) |
Kaggle 2019 e Inside Airbnb 2026 | removido na limpeza — não identifica (homônimos, ver docs/02 Q3) e não é necessário para nenhuma análise |
| texto "sobre o anfitrião", foto, URLs de perfil | Inside Airbnb 2026 | removidos na limpeza |
| descrição do anúncio e do bairro (texto livre) | Inside Airbnb 2026 | removidos — texto livre pode conter nome, telefone, endereço |
host_id |
ambas | mantido só internamente, para medir concentração (anfitrião com vários anúncios); nunca publicado |
| id do anúncio | ambas | mantido internamente para ligar 2019 a 2026 (sobrevivência); não vai para o site |
| coordenada | ambas | já vem deslocada até ~150 m pelo Airbnb; no site os pontos aparecem com 4 casas decimais e sem nenhum identificador |
A invariante 9 do projeto proíbe qualquer um desses campos nas superfícies publicadas,
e tests/ verifica a ausência de colunas pessoais nas saídas da limpeza e nos JSON do site.
2. LGPD e o dado de terceiros¶
A LGPD (Lei 13.709/2018) se aplica ao tratamento de dados pessoais realizado no Brasil, inclusive de titulares estrangeiros. O tratamento aqui é acadêmico (art. 7º, IV — estudos por órgão de pesquisa; e art. 4º, II, b, para fins exclusivamente acadêmicos), mas adotamos os princípios do art. 6º como regra de projeto, não como obrigação mínima:
- Finalidade e necessidade: cada coluna mantida tem uso declarado no dicionário. O que não tem uso, sai.
- Minimização na publicação: o site recebe só agregados por célula H3 e pontos sem identificador.
- Transparência: fontes, licenças e transformações estão em Fontes externas e no código.
3. Riscos de uso indevido dos resultados¶
| resultado | uso indevido possível | o que fizemos |
|---|---|---|
| mapa de crimes por célula | estigmatizar bairros; "redlining" digital | crime entra agregado por delegacia (77–78 áreas, queixas por km² em 12 meses), nunca por ponto; o texto lembra que crime registrado ≠ crime ocorrido e que o registro depende de policiamento |
| renda do entorno (ACS) como preditor de preço | reforçar segregação ao precificar | a variável é reportada com sua contribuição medida (SHAP) e discutida — não escondida dentro do modelo |
| anúncios "abaixo do previsto" | pressionar anfitriões individuais | o site não mostra id, título nem anfitrião; o resíduo é apresentado como "abaixo do que anúncios parecidos pedem", não como erro do anfitrião |
| modelo de sobrevivência pós-LL18 | orientar evasão da fiscalização | o modelo explica quem saiu do mercado; não há recomendação de como operar sem registro |
4. Vieses conhecidos¶
- Preço anunciado ≠ preço pago. Descontos, taxas e preços dinâmicos não aparecem.
- Ocupação é estimada pelo Inside Airbnb a partir de avaliações — anúncios cujos hóspedes avaliam menos parecem menos ocupados.
- OpenStreetMap é colaborativo: bairros com mais mapeadores voluntários têm mais POIs registrados — o que pode confundir "mais comércio" com "mais mapeamento".
- Sobreviventes: avaliações de anúncios que saíram do ar antes de 2026 não estão no arquivo de avaliações atual.
5. Atribuição¶
Toda fonte é citada com a licença exigida no rodapé do site e em Fontes externas. Inside Airbnb: CC BY 4.0 — "Data from Inside Airbnb", com link. OpenStreetMap: ODbL — "© colaboradores do OpenStreetMap".