Quella che è iniziata come una cena informale tra due ricercatori molto diversi nel 2016:uno scienziato dei dati e un ingegnere, l'altro un esperto di modelli economici, da allora si è trasformato in un articolo di giornale che quantifica gli effetti del "premio di bellezza, "l'idea che coloro che sono fisicamente più attraenti tendono ad avere un reddito maggiore.

L'ingegnere del gruppo di ricerca è Stephen Baek, un professore associato di scienza dei dati presso l'Università della Virginia, mentre l'econometrico è Suyong Song, professore associato di economia e finanza presso l'Università dell'Iowa. Cinque anni fa, i due hanno scoperto che i loro interessi di ricerca si sovrapponevano più di quanto inizialmente si rendessero conto, facendo nascere un'idea inaspettata.

Baek ha iniziato la sua collaborazione con Song come ricercatore in Iowa prima di entrare a far parte della facoltà della UVA School of Data Science nell'agosto 2021. Nel suo lavoro precedente, Baek ha analizzato e modellato le forme del corpo umano per applicazioni ingegneristiche come la progettazione di prodotti, moda virtuale, design ed ergonomia del capo. Canzone, d'altra parte, ha portato competenze nello studio di modelli economici che soffrono di errori di misurazione e segnalazione.

Rispetto alle precedenti pubblicazioni sul premio di bellezza, I metodi di ricerca di Baek e Song sono nuovi, a causa della natura del loro set di dati, proveniente dal progetto Civilian American and European Surface Anthropometry Resource del 2002, o CESARE. Oltre alle misure di altezza e peso auto-riportate, che sono state utilizzate in studi precedenti, il progetto ha anche raccolto dati scansionati in 3D del corpo, ampie informazioni sul reddito demografico e familiare, così come misurazioni del corpo del metro a nastro e del calibro da quasi 2, 400 civili. Con questi dati, i due ricercatori potrebbero fornire una storia più ricca di aspetto fisico e variabili socio-economiche.

"Il problema con i lavori precedenti era che le persone stavano semplificando eccessivamente i parametri per descrivere la forma del corpo, " Baek ha detto. "I processi tradizionali per determinare l'aspetto fisico, come la statura, peso e indice di massa corporea, sono processi imperfetti, e quindi non in grado di catturare tutte le dimensioni della forma del corpo umano."

Utilizzando un nuovo algoritmo di apprendimento automatico chiamato "autoencoder grafico" o "apprendimento automatico profondo, " le scansioni 3D sono state inserite per codificare le caratteristiche geometriche della forma del corpo umano. Dopo che la macchina è stata introdotta per migliaia di scansioni individuali, l'algoritmo ha ridotto la dimensionalità dei dati, da poche centinaia di migliaia di punti fino a poche caratteristiche importanti, caratterizzando ogni forma del corpo umano utilizzando valori numerici. Baek e Song hanno quindi visualizzato le caratteristiche per determinare a quali parti del corpo si riferiva l'algoritmo e hanno stimato le loro relazioni con le variabili socio-economiche. Utilizzando questo approccio scientifico, gli effetti causali dell'aspetto fisico potrebbero essere quantificati.

Per i sottocampioni maschili e femminili, statura e obesità erano entrambe caratteristiche importanti, mentre il rapporto fianchi-vita era un'ulteriore caratteristica unica nell'aspetto fisico delle donne. I risultati empirici hanno scoperto che una maggiore statura nei maschi era correlata a un reddito familiare più elevato, mentre una maggiore obesità nelle donne era correlata a un reddito familiare più basso.

Oltre alle loro scoperte sul premio di bellezza, L'esperienza di Song nei modelli economici ha aggiunto un altro livello alle loro scoperte:il ruolo negativo che l'indagine e l'errore di misurazione svolgono negli studi che utilizzano le misurazioni del corpo. Secondo i suoi calcoli, resi possibili dal fatto che i dati del 2002 includevano anche misurazioni del corpo autodichiarate, Song ha scoperto che l'errore di segnalazione era altamente correlato con il peso e l'altezza reali. In media, gli individui più leggeri tendevano a sovrastimare il loro peso, mentre gli individui più pesanti tendevano a sottostimare. I risultati hanno dimostrato che gli errori di indagine relativi a queste misurazioni sono sostanziali, e che studi precedenti che utilizzano dati di sondaggi auto-riportati probabilmente ne risentono. Song ha spiegato che quando vengono eseguiti modelli di regressione in cui le variabili economiche soffrono di errori di rilevamento o di misurazione, la stima diventa distorta, offuscando la relazione corretta.

"Per affrontare il problema dell'errore, molti economisti presumono che questi errori siano trascurabili o che siano in media zero, " Song ha detto. "Tuttavia, il nostro studio ha mostrato che non sono trascurabili e non sono in media zero, ma piuttosto hanno mostrato che sono correlati con l'altezza o il peso reali, che allarma molti studi che utilizzano i dati dell'indagine".

Inizialmente, Song ha anticipato un target di economisti e statistici, ma con questi risultati, da allora ha realizzato l'impatto più ampio dell'argomento su campi come l'ingegneria, informatica, biologia e scienze sociali.

Tre anni dopo la sua presentazione iniziale, il documento di ricerca, "La forma del corpo è importante:prove dell'apprendimento automatico sulla relazione tra forma del corpo e reddito, " è stato pubblicato sulla rivista ad accesso aperto, PLOS One .

Con una maggiore pubblicità, non solo Baek e Song sperano di presentare l'entità dell'errore nei precedenti studi sulla forma del corpo che si basavano su dati di sondaggi auto-riportati, ma anche per sensibilizzare al tema dei premi di bellezza.