Compartilho um exercício de EDA onde avaliei a representação das comunidades feminina, negra e LGBT no banco de dados do Kaggle contedo 1450 heróis e heroínas. O conjunto dos dados está disponível no endereço: https://www.kaggle.com/datasets/jonathanbesomi/superheroes-nlp-dataset

As bibliotecas usadas para a análise foram: math, pandas, numpy, spacy, nltk e matplotlib.

Observamos a questão da representatividade com foco em gênero, cor de pele e sexualidade, para cada um dos três aspectos foram utilizadas abordagens diferentes de análise.

Também percebi que existem, no nosso banco de dados, mais heróis de pele azul (23), vermelha (15), verde (30) e branca (30) do que heróis de pele preta (13). O que considero ser um retrato da subrrepresentação da população negra nas mídias convencionais.

A partir dos dados dos scores, elaborei um gráfico comparativo entre scores médios de heróis de pele preta e heróis de pele branca. Me chamou a atenção o fato de que em média os heróis negros são mais fortes porém menos inteligentes do que os heróis brancos, acredito que tal dado corrobora com o estereótipo do negro como ser animalesco e bruto. As médias foram calculadas usando a biblioteca Numpy e os gráficos elaborado com a biblioteca Matplotlib.

Além disso os scores médios são bem discrepantes, como podemos ver no gráfico a seguir:

Também elaborei um gráfico para visualizar a evolução histórica da participação feminina no conjunto de heróis e notei que a partir de 1970 começam a surgir mais novas heroínas:

Os dados do surgimento de novas heroínas ao longo do tempo foi captado através da busca por numerais maiores que 1900 e menores que 2022 presentes na coluna "first_appearance" do banco de dados. Tal busca se deu através da biblioteca Spacy. Entre as 335 heroínas, 88 tinham o ano da primeira aparição.

Usando o sent_tokenize da biblioteca NLTK de Programação de Lingaugem Natural, encontrei os contextos onde apareceram os termos citados e imprimi um arquivo de texto com tais sentenças, para analisá-las e entender como era feita a referência.

Com os devidos contextos pude ver que a menção à palavra 'lesbian' na história de Morph não se trata do herói, mas de Sunfire. O mesmo caso acontece na história de Two-Face onde a menção à palavra 'lesbian' se refere à outra personagem. Mas Batwoman V e Silk Spectre são de fato lésbicas, como fica evidente, respectivamente, nos trechos: "When the relationship was discovered, however, Kate chose to come out as a lesbian"; "she was expelled from the group simply because she was a lesbian".

Da mesma forma conferimos a informação da sexualidade dos heróis cuja história contém a palavra 'gay'. Captain Stingaree e The Ray (CW) são de fato gays como fica claro nos trechos presentes em suas histórias: "Captain Stingaree was later revealed to be gay, and in a relationship with The Cavalier."; e "Ray decided to come out as gay to his parents before departing to Earth-X to face Overgirl.". Por outro lado, a história de Silk Spectre contém a palvra gay mas em referência a outro personagem. A menção à palavra 'gay' na história de Kick-Ass é para contar quando o herói se passou por gay para se aproximar da garota que era interessado

Apenas 4 heróis LGBT num banco de 1450 confirma que há uma subrrepresentação da comunidade no campo das mídias de heróis.