Exploratory Analysis of the Relationship Between Short-Form Video Consumption and Attention Capacity Using Machine Learning Techniques

• Nícolas G. Harnisch UFC
• Samuel S. Beserra UFC
• José Levi Gonçalves de Lima Menezes UFC
• Pablo Luiz Braga Soares UFC

DOI: https://doi.org/10.5753/eniac.2026.31451

Resumo

Nos últimos anos, plataformas digitais baseadas em vídeos curtos, como TikTok, Instagram Reels e YouTube Shorts, passaram a ocupar uma parcela significativa do consumo digital dos usuários. Inseridas no contexto da Economia da Atenção, essas plataformas utilizam algoritmos de recomendação e mecanismos de recompensa variável para ampliar o engajamento e o tempo de permanência. Este trabalho realiza uma investigação computacional exploratória utilizando uma base pública de aproximadamente 12.000 registros. A integração metodológica de técnicas não supervisionadas (K-Means no espaço original e reduzido via PCA, GMM e Clusterização Aglomerativa) e supervisionadas (Random Forest e modelos alternativos) teve como objetivo investigar, de forma complementar, tanto a identificação de agrupamentos comportamentais latentes sem viés da variável-alvo quanto a capacidade preditiva real dos atributos sobre o score de atenção. Os resultados indicaram ausência de correlação linear ou monotônica (r ≈ 0,0008). Os modelos supervisionados apresentaram desempenho equivalente aos baselines ingênuos, evidenciando sobreajuste a ruído estocástico na classificação, enquanto os clusters formados não apresentaram diferenças estatisticamente significativas quanto à atenção (p > 0,05). Os achados são fortemente compatíveis com uma geração sintética de variáveis independentes na base analisada, ressaltando o papel fundamental do rigor metodológico e de modelos baseline para evitar falsas inferências em dados comportamentais.

Referências

Bartijotto, G. P. (2025). Economia da atenção nas redes sociais: estratégias para capturar e reter o consumidor nas redes sociais. Monografia de Graduação em Administração, Pontifícia Universidade Católica de São Paulo (PUC-SP).

Citton, Y. (2013). L’économie de l’attention. Revue des Livres (RdL), n. 11. Mai–juin. Disponível em: [link]. Acesso em: 15 jun. 2026.

da Silva Pereira, L., de Oliveira, F. M., and de Ávila Medeiros, T. (2025). Tiktok: sua influência e efeitos no sistema nervoso, bem como seu impacto negativo no processo de aprendizagem escolar. Ciência Atual – Revista Científica Multidisciplinar do Centro Universitário São José, 22(1).

Joshi, J. (2025). Reels/shorts consumption vs attention span. Kaggle Dataset. Disponível em: [link]. Acesso em: 29 abr. 2026.

Lash, S. (2012). Formas tecnológicas de vida. Revista Estudos de Sociologia, 8(1). Traduzido por Jonathas Ferreira.

Marengo, D., Sindermann, C., Elhai, J. D., and Montag, C. (2020). One social media company to rule them all: Associations between use of facebook-owned social media platforms, sociodemographic characteristics, and the big five personality traits. Frontiers in Psychology, 11:936.

Meng, S.-Q., Cheng, J.-L., Li, Y.-Y., Yang, X.-Q., Zheng, J.-W., Chang, X.-W., Shi, Y., Chen, Y., Lu, L., Sun, Y., et al. (2022). Global prevalence of digital addiction in general population: A systematic review and meta-analysis. Clinical Psychology Review, 92:102128.

Noronha, A. C. C. (2024). Dispersos em tempos de economia da atenção: a tecnologia e nós. Texto Livre, 17:e47843.

Rodrigues, P. S. S. and Walderrama, G. d. T. P. (2025). A neurobiologia da dependência digital: uma revisão sobre o sistema dopaminérgico, recompensa variável e o controle da atenção. RCMOS – Revista Científica Multidisciplinar O Saber, 1(2).

Schreiner, M., Fischer, T., and Riedl, R. (2021). Impact of content characteristics and emotion on behavioral engagement in social media: literature review and research agenda. Electronic Commerce Research, 21(2):329–345.

Sousa, M. C. C. (2019). Uma análise do algoritmo k-means como introdução ao aprendizado de máquinas. Monografia de Graduação em Matemática, Universidade Federal do Tocantins (UFT).