Um transformer de dupla atenção explicável para prever o impacto sociocultural de eventos esportivos globais

Por que os grandes momentos esportivos importam além do placar

Quando bilhões de pessoas sintonizam as Olimpíadas ou a Copa do Mundo, os efeitos vão muito além de medalhas e audiência televisiva. Esses megaeventos moldam como as nações se veem, como são vistas por outros e como questões como igualdade de gênero, diversidade e responsabilidade ambiental ganham espaço no foco global. Este artigo apresenta uma nova ferramenta de inteligência artificial que busca medir essas ondulações sociais difíceis de apreender em uma única pontuação comparável, oferecendo a governos, organizadores e ao público uma imagem mais clara do que realmente ganhamos — ou perdemos — com os maiores eventos esportivos do mundo.

Transformando reações sociais complexas em uma pontuação clara

Os autores começam definindo uma “Pontuação de Impacto Social” para cada grande evento esportivo realizado no mundo entre 2000 e 2024. Em vez de olhar apenas para dinheiro ou audiência de TV, eles combinam múltiplas dimensões: engajamento cultural, diversidade, representação de gênero, humor público, sustentabilidade ambiental e atenção da mídia. Cada um desses elementos é primeiro normalizado para que tipos muito diferentes de dados — como sentimento em pesquisas, atividade em redes sociais ou indicadores de eventos verdes — possam ser comparados de forma justa. Pesos cuidadosamente escolhidos e suavização ao longo do tempo transformam essa mistura em uma pontuação contínua entre impacto baixo e alto, destinada a refletir o quanto um evento ressoa social e culturalmente, sem alegar qualquer relação de causa e efeito estrita.

Construindo uma lente mais inteligente para os dados de eventos

Para prever essa Pontuação de Impacto Social, os pesquisadores montam um grande conjunto de dados com cerca de 70.000 registros ao nível do evento, cobrindo competições como Olimpíadas, Copa do Mundo da FIFA, Jogos Asiáticos e torneios regionais. Cada registro inclui contexto econômico (como renda nacional), indicadores culturais (como medidas de diversidade e participação pública em programas culturais), cobertura na mídia e volume em redes sociais, equilíbrio de gênero na participação e cobertura, e métricas de sustentabilidade. Eles enriquecem essas entradas brutas com recursos “compostos” que combinam fatores — por exemplo, um índice cultural conjunto, um sinal de sustentabilidade mais mídia e medidas de como o sentimento interage com o equilíbrio de gênero — para que o modelo possa captar padrões sutis que contagens simples deixariam passar.

Uma IA de dupla atenção que aprende contexto além dos números

Modelos estatísticos padrão têm dificuldades com a maneira confusa e não linear como esses ingredientes interagem. Por isso os autores projetam uma nova arquitetura de aprendizado profundo chamada Sociocultural Dual‑Attention TabTransformer. Em termos simples, esse modelo trata cada característica (como diversidade ou alcance da mídia) como um token e aprende como elas se relacionam entre si. Um caminho de “atenção” observa as variáveis numéricas e como elas se influenciam — por exemplo, como o sentimento público e a cobertura da mídia se movem em conjunto. Um segundo caminho injeta contexto a partir de informações categóricas como tipo de evento, região anfitriã e modalidade esportiva. Juntos, esses caminhos permitem que o modelo compreenda tanto interações finas entre características quanto o cenário cultural mais amplo. Truques adicionais de treinamento incentivam um comportamento razoável — por exemplo, garantindo que maior sustentabilidade ou maior igualdade de gênero não reduzam o impacto social previsto.

Verificando confiabilidade, equidade e o que realmente impulsiona o impacto

O novo modelo é testado contra ferramentas familiares, incluindo regressão linear, métodos de vizinho mais próximo e um robusto modelo de árvores com gradiente impulsionado. Ao longo de uma bateria de medidas de erro e comparações baseadas em ranking, o transformer de dupla atenção prevê consistentemente as Pontuações de Impacto Social com maior precisão e intervalos de confiança mais estreitos. Testes baseados em tempo (treinar em anos anteriores e prever os posteriores) e experimentos de “leave‑one‑region‑out” mostram que a abordagem se mantém robusta quando aplicada a novos anos ou diferentes partes do mundo. Para abrir a caixa‑preta, os autores destilam o comportamento do transformer em um modelo mais simples e usam SHAP, um método popular de explicabilidade, para ver quais características importam mais. De forma consistente, engajamento cultural, diversidade, representação de gênero, sentimento público e sustentabilidade emergem como os contribuintes positivos mais fortes, enquanto indicadores puramente econômicos e audiência bruta desempenham um papel de apoio, mas menos decisivo.

O que isso significa para o futuro dos jogos globais

No geral, o estudo sugere que o valor social dos megaeventos é moldado menos pelo tamanho ou riqueza e mais por quão inclusivos, inspiradores e responsáveis eles são. Eventos que promovem ativamente participação diversa, equilíbrio de gênero, práticas ambientalmente amigáveis e um humor público positivo tendem a alcançar pontuações de impacto social mais altas, especialmente em regiões onde esses temas já estão ganhando tração. Ao mesmo tempo, os autores enfatizam que seu modelo capta padrões, não causas: ele não pode provar que qualquer mudança de política isolada transformará a sociedade. Ainda assim, ao transformar um emaranhado de sinais culturais em um índice transparente e testável, sua estrutura oferece um ponto de partida poderoso para organizadores e formuladores de políticas que desejam projetar eventos esportivos que realmente fortaleçam as comunidades, em vez de apenas entreter.

Citação: Chen, W., Syed Ali, S.K.B., Zulnaidi, H. et al. An explainable dual-attention transformer for predicting the sociocultural impact of global sports events. Sci Rep 16, 12812 (2026). https://doi.org/10.1038/s41598-026-43247-8

Palavras-chave: análise esportiva, impacto social, inteligência artificial, sentimento público, diversidade cultural