Ce qui a commencé comme une conversation décontractée entre deux chercheurs très différents en 2016, l'un scientifique et ingénieur des données, l'autre expert en modèles économiques - s'est depuis transformé en article de revue quantifiant les effets de la « prime beauté, " l'idée que ceux qui sont plus attirants physiquement ont tendance à avoir un revenu plus élevé.

L'ingénieur de l'équipe de recherche est Stephen Baek, professeur agrégé de science des données à l'Université de Virginie, tandis que l'économètre est Suyong Song, professeur agrégé d'économie et de finance à l'Université de l'Iowa. Il y a cinq ans, les deux ont constaté que leurs intérêts de recherche se chevauchaient plus qu'ils ne le pensaient initialement, provoquant l'étincelle d'une idée inattendue.

Baek a commencé sa collaboration avec Song en tant que chercheur à l'Iowa avant de rejoindre la faculté UVA School of Data Science en août 2021. Dans ses travaux précédents, Baek a analysé et modélisé les formes du corps humain pour des applications d'ingénierie telles que la conception de produits, mode virtuelle, conception et ergonomie des vêtements. Chanson, d'autre part, a apporté son expertise dans l'étude des modèles économiques qui souffrent d'erreurs de mesure et de déclaration.

Par rapport aux précédentes publications sur le premium beauté, Les méthodes de recherche de Baek et Song sont nouvelles, en raison de la nature de leur ensemble de données, provenant du projet 2002 Civilian American and European Surface Anthropometric Resource, ou CÉSAR. En plus des mesures de taille et de poids autodéclarées, qui ont été utilisées dans des études précédentes, le projet a également collecté des données de scan du corps en 3D, des informations détaillées sur les revenus démographiques et familiaux, ainsi que des mesures corporelles au mètre ruban et à l'étrier de près de 2, 400 civils. Avec ces données, les deux chercheurs pourraient fournir une histoire plus riche de l'apparence physique et des variables socio-économiques.

"Le problème avec les travaux précédents était que les gens simplifiaient à l'excès les paramètres pour décrire la forme du corps, " a déclaré Baek. " Les processus traditionnels pour déterminer l'apparence physique, comme la stature, poids et IMC, sont des processus imparfaits, et donc incapable de capturer toutes les dimensions de la forme du corps humain."

À l'aide d'un nouvel algorithme d'apprentissage automatique appelé « auto-encodeur graphique » ou « apprentissage automatique en profondeur, " les scans 3D ont été entrés pour coder les caractéristiques géométriques de la forme du corps humain. Après que la machine a été introduite dans des milliers de scans individuels, l'algorithme a réduit la dimensionnalité des données, de quelques centaines de milliers de points à quelques caractéristiques importantes, caractérisant chaque forme de corps humain à l'aide de valeurs numériques. Baek et Song ont ensuite visualisé les caractéristiques pour déterminer les parties du corps auxquelles l'algorithme faisait référence et ont estimé leurs relations avec les variables socio-économiques. En utilisant cette approche scientifique, les effets causaux de l'apparence physique pourraient être quantifiés.

Pour les sous-échantillons masculins et féminins, la stature et l'obésité étaient deux caractéristiques importantes, tandis que le rapport hanches-taille était une caractéristique unique supplémentaire dans l'apparence physique des femmes. Les résultats empiriques ont révélé qu'une plus grande stature chez les hommes était corrélée à un revenu familial plus élevé, tandis qu'une plus grande obésité chez les femmes était corrélée à un revenu familial plus faible.

En plus de leurs conclusions concernant la prime beauté, L'expertise de Song dans les modèles économiques a ajouté une autre couche à leurs conclusions :le rôle négatif que jouent les erreurs d'enquête et de mesure dans les études utilisant des mesures corporelles. Selon ses calculs, rendus possibles par le fait que les données de 2002 comprenaient également des mesures corporelles autodéclarées, Song a découvert que l'erreur de déclaration était fortement corrélée avec le poids et la taille réels. En moyenne, les individus plus légers avaient tendance à surestimer leur poids, tandis que les individus plus lourds avaient tendance à sous-déclarer. Les résultats ont prouvé que les erreurs d'enquête concernant ces mesures sont substantielles, et que les études précédentes utilisant des données d'enquête autodéclarées en souffrent probablement. Song a expliqué que lorsque des modèles de régression sont exécutés dans lesquels les variables économiques souffrent d'erreurs d'enquête ou de mesure, l'estimation devient biaisée, brouiller la relation correcte.

"Pour résoudre le problème de l'erreur, de nombreux économistes supposent que ces erreurs sont négligeables ou qu'elles sont nulles en moyenne, " Song dit. " Cependant, notre étude a montré qu'ils ne sont pas négligeables et qu'ils ne sont pas nuls en moyenne, mais ont plutôt montré qu'ils sont corrélés à la taille ou au poids réels, ce qui alarme de nombreuses études utilisant des données d'enquête."

Initialement, Song a anticipé un public cible d'économistes et de statisticiens, mais avec ces découvertes, a depuis réalisé l'impact plus large du sujet sur des domaines comme l'ingénierie, l'informatique, biologie et sciences sociales.

Trois ans après sa soumission initiale, le document de recherche, « La forme du corps compte :preuves de l'apprentissage automatique sur la relation entre la forme du corps et le revenu, " a été publié dans la revue en libre accès, PLOS Un .

Avec une publicité accrue, non seulement Baek et Song espèrent présenter l'étendue de l'erreur dans les études antérieures sur la forme du corps qui reposaient sur des données d'enquête autodéclarées, mais aussi de sensibiliser à la problématique des primes beauté.