p O que começou como uma conversa casual durante um jantar entre dois pesquisadores muito diferentes em 2016 - um deles, um cientista de dados e engenheiro, o outro, um especialista em modelos econômicos, desde então se transformou em um artigo de jornal que quantifica os efeitos do "prêmio de beleza, “a noção de que quem é mais atraente fisicamente tende a ter uma renda maior. p O engenheiro da equipe de pesquisa é Stephen Baek, professor associado de ciência de dados na Universidade da Virgínia, enquanto o econometrista é Suyong Song, professor associado de economia e finanças da Universidade de Iowa. Cinco anos atrás, os dois descobriram que seus interesses de pesquisa se sobrepunham mais do que eles perceberam inicialmente, fazendo com que uma ideia inesperada acendesse.

p Baek começou sua colaboração com Song como pesquisador em Iowa antes de entrar para o corpo docente da UVA School of Data Science em agosto de 2021. Em seu trabalho anterior, Baek analisou e modelou as formas do corpo humano para aplicações de engenharia, como design de produtos, moda virtual, design de vestuário e ergonomia. Canção, por outro lado, trouxe expertise estudando modelos econômicos que sofrem de erros de mensuração e relatórios.

p Em comparação com publicações anteriores sobre o prêmio de beleza, Os métodos de pesquisa de Baek e Song são novos, devido à natureza de seu conjunto de dados, originado do projeto 2002 Civilian American and European Surface Anthropometry Resource, ou CAESAR. Além de medidas de altura e peso auto-relatadas, que foram usadas em estudos anteriores, o projeto também coletou dados digitalizados em 3D, informações extensas sobre renda demográfica e familiar, bem como medidas do corpo da fita métrica e do compasso de quase 2, 400 civis. Com esses dados, os dois pesquisadores podem fornecer uma história mais rica sobre a aparência física e variáveis ​​socioeconômicas.

p "O problema com trabalhos anteriores era que as pessoas estavam simplificando demais os parâmetros para descrever a forma corporal, "Baek disse." Os processos tradicionais para determinar a aparência física, como estatura, peso e IMC, são processos imperfeitos, e, portanto, não é capaz de capturar todas as dimensões da forma do corpo humano. "

p Usando um novo algoritmo de aprendizado de máquina chamado de "codificador automático gráfico" ou "aprendizado de máquina profundo, "as varreduras 3D foram inseridas para codificar características geométricas da forma do corpo humano. Depois que a máquina foi apresentada a milhares de varreduras individuais, o algoritmo reduziu a dimensionalidade dos dados - de algumas centenas de milhares de pontos para alguns recursos importantes - caracterizando cada forma do corpo humano usando valores numéricos. Baek e Song então visualizaram os recursos para determinar a quais partes do corpo o algoritmo estava se referindo e estimaram suas relações com as variáveis ​​socioeconômicas. Usando essa abordagem científica, os efeitos causais da aparência física podem ser quantificados.

p Para subamostras masculinas e femininas, estatura e obesidade foram características importantes, enquanto a relação quadril-cintura era uma característica única adicional na aparência física das mulheres. Os resultados empíricos constataram que maior estatura no sexo masculino se correlacionou com maior renda familiar, enquanto maior obesidade em mulheres foi correlacionada com menor renda familiar.

p Além de suas conclusões sobre o prêmio de beleza, A experiência de Song em modelos econômicos acrescentou outra camada às suas descobertas:o papel negativo que os erros de levantamento e medição desempenham em estudos que utilizam medidas corporais. De acordo com seus cálculos - possibilitados pelo fato de que os dados de 2002 também incluíam medidas corporais auto-relatadas - Song descobriu que o erro de relato estava altamente correlacionado com o peso e a altura reais. Na média, indivíduos mais leves tendem a relatar seu peso em excesso, enquanto os indivíduos mais pesados ​​tendem a subnotificar. Os resultados provaram que os erros de pesquisa em relação a essas medições são substanciais, e que estudos anteriores utilizando dados de pesquisas autorreferidos provavelmente sofrerão por causa disso. Song explicou que quando os modelos de regressão são executados nos quais as variáveis ​​econômicas sofrem de erro de pesquisa ou medição, a estimativa torna-se tendenciosa, borrando o relacionamento correto.

p "Para resolver o problema do erro, muitos economistas presumem que esses erros são insignificantes ou são zero em média, "Song disse." No entanto, nosso estudo mostrou que eles não são desprezíveis e não são zero em média, mas sim mostrou que eles estão correlacionados com a verdadeira altura ou peso, que alarma muitos estudos usando dados de pesquisa. "

p Inicialmente, Song antecipou um público-alvo de economistas e estatísticos, mas com essas descobertas, desde então percebeu o impacto mais amplo do tópico em áreas como engenharia, Ciência da Computação, biologia e ciências sociais.

p Três anos após sua apresentação inicial, o artigo de pesquisa, "Body Shape Matters:Evidence from Machine Learning on Body Shape-Income Relationship, "foi publicado no jornal de acesso aberto, PLOS One .

p Com maior publicidade, não apenas Baek e Song esperam apresentar a extensão do erro em estudos anteriores de forma corporal que se basearam em dados de pesquisas autorrelatados, mas também para trazer a consciência para a questão dos prêmios de beleza.