Publicação: Previsão do vencedor do Oscar de melhor filme: uma abordagem com algoritmos de classificação
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::REGRESSAO E CORRELACAO, CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::MATEMATICA DA COMPUTACAO::MODELOS ANALITICOS E DE SIMULACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Este trabalho apresenta uma abordagem quantitativa para prever o vencedor do Oscar
de Melhor Filme utilizando técnicas de aprendizado de máquina supervisionado. A partir
da coleta de dados históricos de premiações relevantes como BAFTA, DGA, PGA e SAG,
entre os anos de 2004 e 2023, foram construídas variáveis indicadoras da performance dos
filmes nas etapas anteriores da temporada de premiações. Com base nesse conjunto de
dados estruturado, foram aplicados os algoritmos de Regressão Logística, Árvore de Decisão e Floresta Aleatória, os quais foram avaliados por métricas como acurácia, precisão,
recall e F1-score. Além disso, foram realizadas análises estatísticas como correlação, teste
Qui-Quadrado e coocorrência para identificar padrões de associação entre as premiações.
A aplicação prática dos modelos para prever o Oscar 2025 demonstrou resultados consistentes, com destaque para a Floresta Aleatória, que apresentou o melhor desempenho.
Os resultados indicam que, mesmo em eventos de natureza subjetiva como o Oscar, é
possível identificar padrões históricos com potencial preditivo, ampliando o uso da ciência
de dados em contextos culturais.
Abstract
This work presents a quantitative approach to predict the Academy Award for Best Picture winner using supervised machine learning techniques. Based on historical data from
major awards such as BAFTA, DGA, PGA, and SAG, covering the years from 2004 to
2023, binary variables were created to indicate each film’s performance during the awards
season. Using this structured dataset, Logistic Regression, Decision Tree, and Random
Forest algorithms were applied and evaluated through accuracy, precision, recall, and F1-
score metrics. In addition, statistical analyses such as correlation, Chi-Square test, and
co-occurrence were conducted to identify association patterns between awards. The practical application of the models for predicting the 2025 Oscars showed consistent results, with
Random Forest achieving the best performance. The findings suggest that even in subjective contexts such as film awards, it is possible to identify predictive historical patterns,
expanding the role of data science in cultural domains.
Palavras-chave
aprendizado de máquina, machine learning, Oscar, Oscars, premiações, film awards, classificação, classification, previsão, prediction
Citação
VIEIRA, Pedro Milvar Santos.Previsão do vencedor do Oscar de Melhor Filme: Uma abordagem com algoritmos de classificação. 2025. 50 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2025.
DOI
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto