Humanidades

Examinando a ligação entre imagem corporal e renda
Os resultados empíricos encontraram que maior estatura no sexo masculino se correlacionou com maior renda familiar, enquanto maior obesidade no sexo feminino foi correlacionada com menor renda familiar.
Por Lucie Rutherford - 04/09/2021


Domínio público

O que começou como uma conversa casual durante um jantar entre dois pesquisadores muito diferentes em 2016 - um cientista de dados e engenheiro, o outro um especialista em modelos econômicos - se transformou em um artigo de jornal quantificando os efeitos do "prêmio de beleza", a noção de que aqueles que são fisicamente mais atraentes tendem a ter uma renda maior.

O engenheiro da equipe de pesquisa é Stephen Baek, professor associado de ciência de dados da 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 inicialmente imaginavam, fazendo surgir uma ideia inesperada.

Baek começou sua colaboração com Song como pesquisador em Iowa antes de ingressar no corpo docente da UVA School of Data Science em agosto de 2021. Em seu trabalho anterior, Baek analisou e modelou formas do corpo humano para aplicações de engenharia, como design de produto, moda virtual, design de vestuário e ergonomia. Song, por outro lado, trouxe expertise no estudo de modelos econômicos que sofrem com erros de mensuração e relato.

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, provenientes do projeto 2002 Civilian American and European Surface Anthropometry Resource, ou CAESAR. Além de medidas de altura e peso autorreferidas - que foram usadas em estudos anteriores - o projeto também reuniu dados escaneados em 3D do corpo, extensas informações sobre renda demográfica e familiar , bem como medidas corporais de fita métrica e paquímetro de cerca de 2.400 civis. Com esses dados, os dois pesquisadores poderiam fornecer uma história mais rica sobre aparência física e variáveis ​​socioeconômicas.

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

Usando um novo algoritmo de aprendizado de máquina chamado de "autoencoder 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.
 
Para as subamostras masculina e feminina, estatura e obesidade foram características importantes, enquanto a proporção quadril-cintura foi uma característica única adicional na aparência física das mulheres. Os resultados empíricos encontraram que maior estatura no sexo masculino se correlacionou com maior renda familiar, enquanto maior obesidade no sexo feminino foi correlacionada com menor renda familiar.

Além de suas descobertas com relação ao prêmio de beleza, a experiência de Song em modelos econômicos acrescentou outra camada às suas descobertas: o papel negativo que a pesquisa e o erro de 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 autorelatadas - Song descobriu que o erro de relato estava altamente correlacionado com o peso e a altura reais. Em média, indivíduos mais leves tendem a relatar seu peso em excesso, enquanto indivíduos mais pesados ​​tendem a relatar menos. Os resultados provaram que os erros de pesquisa em relação a essas medições são substanciais, e que estudos anteriores que utilizaram dados de pesquisa autorelatados provavelmente sofrem 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,

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

Inicialmente, Song antecipou um público-alvo de economistas e estatísticos, mas com essas descobertas, percebeu o impacto mais amplo do tópico em campos como engenharia, ciência da computação, biologia e ciências sociais.

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 .

Com o aumento da 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 chamar a atenção para a questão dos prêmios de beleza.

 

.
.

Leia mais a seguir