Ana Paula Bortoletto, integrante do GDPP, é uma das autoras
A publicidade de alimentos – desde o rótulo com as informações sobre os ingredientes, até os elementos comerciais – impacta diretamente o consumo de alimentos não saudáveis. Por isso, é um objeto de estudo importante para pesquisadores, tomadores de decisão em âmbito das políticas públicas e órgãos reguladores.
No artigo “Revolutionizing food advertising monitoring: A machine learning-based method for automated classification of food videos”, publicado na Public Health Nutrition, um grupo de pesquisadores brasileiros relata o desenvolvimento de um método para identificar e categorizar anúncios em grande quantidade, com a criação de um modelo de algoritmo para otimizar o processo.
O estudo é de autoria de Michele Bittencourt Rodrigues (UFMG), Victória Pedrazzoli Ferreira (Unicamp) Rafael Moreira Claro (UFMG), Ana Paula Bortoletto Martins (USP e integrante do GDPP), Sandra Avila (Unicamp) e Paula Martins Horta (UFMG), e está disponível gratuitamente.
Eles coletaram 2.124 horas gravadas de programação de TV brasileira, entre 2018 e 2020 – foram 703 anúncios relacionados à alimentação, e mais de 20 mil não relacionados. O banco de dados foi categorizado pela rede neural EfficientNet, que. segundo os autores, se demonstrou precisa e eficaz na monitorização e classificação de vídeos publicitários.