Atores, tomem nota: seu futuro pode não estar tão escrito nas estrelas
como nas estatísticas, de acordo com uma nova pesquisa publicada neste mês.

Uma equipe do Reino Unido desenvolveu um método que prevê, com 85% de precisão, se um ator já teve o ano mais produtivo de sua carreira, ou se o melhor ainda está por vir.

A equipe da Universidade Queen Mary de Londres analisou as carreiras de mais de 2,4 milhões de atores na Internet Movie Database (IMDb) de 1888 até o início de 2016, e planejou como suas carreiras progrediram ao longo do tempo.

Eles queriam ver se os altos e baixos da carreira de um ator são aleatórios ou se seu sucesso poderia ser previsto, explicou Oliver Williams, principal autor de um novo artigo na revista Nature Communications .

Ao contrário de outros estudos que analisaram a “ciência do sucesso” para ocupações tão diversas quanto cientistas e gerentes de investimento, a busca por ações exigia definir uma medida diferente de sucesso.

“Atuar não necessariamente funciona exatamente da mesma maneira para alguns desses outros sistemas”, disse Williams.

Para começar, em uma indústria em que aproximadamente 90% dos trabalhadores estão desempregados, ser capaz de ganhar a vida com a atuação é uma maneira melhor de definir o sucesso do que alcançar aclamação da crítica.

Os pesquisadores analisaram em quais anos os atores tiveram pelo menos um crédito no IMDb e quantos créditos tiveram nesses anos, e encontraram alguns resultados interessantes.

As chances de sucesso são baixas

Quase 70% dos atores tiveram carreiras que começaram e terminaram no mesmo ano. “A maioria das pessoas, pelo menos no IMDb, só tem um crédito”, disse Williams.

E para aqueles que puderam aparecer várias vezes no cinema ou na televisão, as mulheres tiveram carreiras mais curtas do que os homens. Os pesquisadores não tiveram nenhuma razão conclusiva sobre o porquê disso, no entanto, apenas 35% dos filmes de maior bilheteria em 2018 apresentaram 10 ou mais personagens femininos em papéis falados, contra 82% que apresentavam 10 ou mais personagens masculinos falantes, de acordo com o Centro para o Estudo das Mulheres na Televisão e no Cinema.

Os atores também passam por estrias quentes e frias – vezes em que recebem muitos trabalhos, seguidos de momentos em que não estão conseguindo nenhum. A pesquisa também revelou que os trabalhos de ator pareciam ser atribuídos de uma maneira rica e cada vez mais rica.

“As pessoas mais populares tendem a atrair mais empregos”, disse Williams.

Alcançando um pico

Quando os pesquisadores analisaram atores que tiveram mais de um emprego, eles encontraram padrões atraentes.

“O número de empregos ao longo dos anos segue esse bom perfil que atinge um pico e depois volta para baixo”, disse Williams. Este pico era mais provável que seja em direção ao início de suas carreiras. O próximo passo foi desenvolver um método de prever quando esse pico ocorreria.

Usando um subgrupo de 20.000 atores que tinham carreiras com duração de pelo menos 20 anos, os pesquisadores criaram um algoritmo de aprendizado de máquina que poderia prever o ano de pico em 85% dos casos. Isso não significa necessariamente que você não pode ter um período calmo de sua carreira por um tempo, e então ter um período ocupado novamente, disse Williams.

Conselhos para atores de um matemático

Williams acredita que é importante que os atores cujos dias de pico estão por trás não sejam desestimulados.

Networking também foi crucial. Uma vez iniciada a carreira, a popularidade parecia levar a mais trabalho do que ao mérito.E, acrescentou, os atores não devem se preocupar se tiverem alguns anos lentos – eles são uma característica de muitas carreiras atuantes.

Richard Garner, matemático da Universidade Macquarie que não esteve envolvido na pesquisa, disse que os algoritmos de aprendizado de máquina oferecem uma maneira interessante de entender o que está acontecendo no mundo. “Os padrões são bem claros”, disse Garner, acrescentando que é possível ajustar o algoritmo para obter uma precisão ainda maior na previsão. “Este talvez seja o primeiro passo para aplicar técnicas de aprendizado de máquina a este conjunto de dados. Você provavelmente poderia ir muito além.”

FONTE