Desde o nascimento dos modernos romances em inglês nos anos 1700, os personagens masculinos e femininos de Paul Atreides a Elizabeth Bennet riram, sorriram, sentiram e agiram através de suas páginas. Um novo estudo realizado usando um algoritmo de aprendizado de máquina ofereceu uma nova perspectiva sobre suas histórias. “A transformação do gênero na ficção em língua inglesa”, publicada esta semana na revista Cultural Analytics, analisou a apresentação de gênero em mais de 100.000 romances, encontrando um paradoxo quando se tratava de romances do século XX: como os rígidos papéis de gênero parecia dissipar-se, indicando mais igualdade entre os sexos, o número de personagens femininos - e proporção de mulheres autores - diminuído.
Construído pelo autor do estudo Ted Underwood, professor de inglês e de ciências da informação na Universidade de Illinois, e seu coautor de informação David Bamman, da Universidade da Califórnia em Berkeley, o algoritmo analisou os personagens e autores de 104.000 romances - muito mais do que você vou ler em uma vida. Underwood e Bamman originalmente construíram o algoritmo para um estudo anterior sobre caracterização: eles foram unidos no estudo atual pela coautora Sabrina Lee, uma estudante de pós-graduação da Universidade de Illinois. Os romances foram selecionados principalmente da Biblioteca Digital HathiTrust e representaram uma seleção de best-sellers dos anos de 1703 a 2009. A lista inclui títulos populares como Orgulho e Preconceito, Duna e alguns dos romances de Raymond Chandler.
Ao olhar para os dados e seccioná-los pelo tempo, os pesquisadores puderam ver as tendências em determinados períodos: entre 1800 e 1970, por exemplo, um “declínio constante” na proporção de mulheres autores - de cerca de 50% a menos de 25 por cento. No mesmo período, eles viram um declínio no número de personagens mulheres nomeadas. Essas tendências começam a se reverter na última parte do século XX. E ao longo de seu estudo, mudanças dramáticas e rápidas nas palavras usadas para caracterizar o gênero - bem como uma diminuição no número de palavras especificamente marcadas pelo gênero.
Muitas dessas palavras não foram explicitamente identificadas por gênero, como "coração" ou "casa", embora palavras com potencial de gênero como "saia" ou "bigode" não fossem excluídas. Por exemplo, no século XIX, o verbo “sentiu” estava mais associado às mulheres, enquanto o verbo “got” estava mais associado aos homens. Essas tendências declinaram com o passar do tempo, até os anos 1900, outras palavras estavam mais proeminentemente associadas a homens e mulheres. Nos anos 1900, palavras relacionadas à alegria tornaram-se mais associadas às mulheres e houve um declínio correspondente no uso dessas palavras em relação aos homens. "As mulheres sorriem e riem", escrevem os autores, "mas homens de meados do século, aparentemente, só podem sorrir e rir". Da mesma forma, no século 19, há muito mais discussões sobre sentimentos, a princípio principalmente com personagens femininos. No século 20, há muito mais sobre corpos e roupas - por exemplo, os homens de meados do século estão constantemente colocando coisas nos bolsos ou tirando-as.
É o tipo de resultado que demonstra a necessidade de abordagens de aprendizado de máquina, segundo Underwood: “A realidade é que a cultura não vem com definições claras do que é gênero ou do que é mesmo um gênero literário”, diz ele. "E o aprendizado de máquina nos permite trabalhar com conceitos confusos".
O método tem sido usado com mais frequência para trabalhar com dados bancários ou para ajudar carros autônomos a permanecerem seguros, por isso pode parecer um ajuste estranho para analisar o romance. Mas Underwood, e outros estudiosos no campo das humanidades digitais, vêem um grande potencial.
Seth Long, um professor de inglês da Universidade de Nebraska que também trabalha no campo de humanidades digitais, diz que esses resultados inesperados demonstram o poder do big data para a erudição em humanidades. "A modelagem estatística vai exigir uma maneira muito diferente de entender a história literária", diz ele. Um algoritmo é um slate em branco até receber informações, mas uma vez que ele tenha essa informação, ele pode extrair coisas que as pessoas não conseguem. Nesse caso, isso interrompe as suposições acadêmicas sobre como a história da literatura deve acompanhar a história do progresso social das mulheres.
"Quando você vê [o estudo] ao lado de projetos históricos literários mais tradicionais, você pode ver conexões que você pode não ter visto de outra forma", diz Claire Jarvis, professora de inglês na Universidade de Stanford. Isso confirma alguns dos “palpites” que ela tem sobre o caminho da literatura, de maneira quantitativa. Isso inclui a diminuição na proporção de mulheres autores durante todo o período estudado, o que surpreendeu a Underwood.
"Eu esperaria ver algum progresso, apenas em termos de igualdade de representação nas mulheres na ficção", diz Underwood. “Talvez não muito progresso, mas algum progresso. E nós realmente não vemos nenhum.
Os primeiros romances a usar o inglês moderno eram vistos mais como entretenimento e menos como um esforço literário legítimo. Mas “à medida que o romance se torna mais e mais respeitável”, diz Jarvis, “ele se torna menos associado à autoria feminina”. Em outras palavras: os homens escreviam romances quando começavam a parecer uma busca “séria”.
Embora historiadores literários tenham falado sobre a saída das mulheres do romance em certos pontos antes, diz Underwood, ninguém fez o tipo de trabalho em larga escala que demonstraria tendências contínuas. É aí que entra o aprendizado de máquina.
Lee diz: "Estudiosos da literatura, estamos muito conscientes de que existem silêncios", isto é, lugares na história literária onde os livros não foram escritos. Outro silêncio que ela sente é importante é a crescente ausência de personagens mulheres nomeadas nos romances estudados. Ela é fã dos romances da autora italiana pseudônima Elena Ferrante e diz que a caracterização da amizade feminina nos livros de Ferrante destaca o “silêncio” da amizade feminina na ficção em outros lugares, tanto do passado quanto do presente. Para ela, o estudo ressalta a mesma coisa e destaca “a importância de trabalhos com mulheres vendo mulheres”. A ausência de mulheres do romance “moldou silenciosamente o modo como nos sentimos sobre a história literária”, diz Underwood.
Os autores observam que o estudo não cobre todos os romances escritos durante este período de tempo, e está faltando representação de gênero ficção, como romances e ficção policial, que se tornou popular no século XX. No entanto, os pesquisadores tomaram medidas para corrigir seu viés testando seu banco de dados em relação a outros bancos de dados. Os livros que eles selecionaram representam a literatura que foi considerada importante pelas bibliotecas acadêmicas, e os autores observam que há mais trabalho a ser feito sobre ficção de gênero. "O gênero literário pode ser construído de forma diferente em diferentes gêneros, ou em diferentes partes do campo literário", escrevem os autores.
Os métodos de aprendizado de máquina oferecem uma nova maneira de olhar para os silêncios e presenças do passado - estranhamente, pelas lentes da previsão. Geralmente, os algoritmos são usados para fazer previsões ou detectar padrões baseados em um conjunto de informações, mas Long diz que seu uso para a história é que eles podem detectar tendências de longo prazo no passado, assim como o presente ou o futuro. "Eu acho que é uma maneira tão poderosa de manter nossas próprias interpretações sob controle", diz ele.
