Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/45752| ORCID: |  http://orcid.org/0009-0001-5833-077X |
| Document type: | Trabalho de Conclusão de Curso |
| Access type: | Acesso Aberto |
| Title: | Previsão do vencedor do Oscar de melhor filme: uma abordagem com algoritmos de classificação |
| Author: | Vieira, Pedro Milvar |
| First Advisor: | Gabriel, Paulo Henrique Ribeiro |
| First member of the Committee: | Travençolo, Bruno Augusto Nassif |
| Second member of the Committee: | Miani, Rodrigo Sanches |
| Summary: | 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. |
| Keywords: | aprendizado de máquina machine learning Oscar Oscars premiações film awards classificação classification previsão prediction |
| Area (s) of CNPq: | 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 |
| Language: | por |
| Country: | Brasil |
| Publisher: | Universidade Federal de Uberlândia |
| Quote: | 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. |
| URI: | https://repositorio.ufu.br/handle/123456789/45752 |
| Date of defense: | 13-May-2025 |
| Appears in Collections: | TCC - Sistemas de Informação (Uberlândia) |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| PrevisaoDoVencedorDoOscar.pdf | TCC | 5.97 MB | Adobe PDF |  View/Open |
This item is licensed under a Creative Commons License
