Use este identificador para citar ou linkar para este item:
https://repositorio.ufu.br/handle/123456789/38672| ORCID: |  http://orcid.org/0009-0006-1902-2359 |
| Tipo do documento: | Trabalho de Conclusão de Curso |
| Tipo de acesso: | Acesso Aberto |
| Título: | Análise da influência de avaliações de críticos e usuários nas premiações do Oscar e do Globo de Ouro em 2023 usando aprendizado de máquina |
| Autor(es): | Oliveira, Kauê Lucas Silvério |
| Primeiro orientador: | Gabriel, Paulo Henrique Ribeiro |
| Primeiro membro da banca: | Nascimento, Marcelo Zanchetta do |
| Segundo membro da banca: | Miani, Rodrigo Sanches |
| Resumo: | A indústria do cinema é extremamente relevante e vem recebendo cada vez mais atenção com a chegada dos serviços de vídeo sobre demanda na última década. Parte da repercus- são e visibilidade das obras lançadas anualmente é impulsionado por diversas premiações e cerimônias que ocorrem durante o ano. O objetivo desse trabalho é analisar a possível relação entre a aceitação do público, se baseando nas notas providas por críticos e usuários comuns dentro da plataforma Metacritic, e os ganhadores das premiações Oscar de melhor filme, Globo de Ouro de melhor drama e Globo de Ouro de melhor comédia no ano de 2023. Foi coletado todo o conjunto de dados dos filmes indicados às três cerimônias no pe- ríodo de 2007 a 2023, de onde foi extraído as características necessárias para realizar uma análise preliminar e treinar modelos de aprendizado de máquina com os algoritmos naive bayes, floresta aleatória e KNN com o intuito de prever os vencedores do último ano. Ini- cialmente foi separado uma base de treino e de teste,a partir dos dados anteriores a 2023, onde as métricas de acurácia, precisão, revocação e pontuação F1 foram medidas. Por fim os modelos foram treinados com os dados de 2007 a 2022 e o resultado da classificação dos indicados de 2023 foi comparando com o resultado real das premiações. Ao concluir o trabalho não foi possível perceber uma ligação clara entre as notas de cada obra e seu resultado nas cerimônias. O desempenho dos algoritmos, apenas considerando a base de teste, também não foi satisfatório apresentando métricas abaixo do esperado. A análise final não demonstrou nenhuma correlação clara entre os resultados das premiações do Oscar de melhor filme e Globo de Ouro de melhor drama com as avaliações apresentadas no Metacritic, apesar de apontar possíveis candidatos mostrando que os vencedores foram sim bem avaliados. O Globo de Ouro de melhor comédia apresentou um caso a parte onde de fato o ganhador era o indicado com maior média das notas de críticos porém com uma posição mais baixa em relação ao público geral, o que possivelmente fez com que não fosse escolhidos pelos modelos de aprendizagem como favorito. |
| Palavras-chave: | Oscar Globo de Ouro Aprendizado de máquina Predição Metacritic |
| Área(s) do CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Idioma: | por |
| País: | Brasil |
| Editora: | Universidade Federal de Uberlândia |
| Referência: | OLIVEIRA, Kauê Lucas Silvério. Análise da influência de avaliações de críticos e usuários nas premiações do Oscar e do Globo de Ouro em 2023 usando aprendizado de máquina. 2023. 49 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2023. |
| URI: | https://repositorio.ufu.br/handle/123456789/38672 |
| Data de defesa: | 22-Jun-2023 |
| Aparece nas coleções: | TCC - Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| AnalideDeInfluencia.pdf | TCC | 1.47 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
