Blank Charts

O processo de análise segue três etapas fundamentais:

• Coleta de dados: os dados brutos dos charts (em formato CSV) são extraídos de fontes públicas. Este processo é executado offline, onde os dados são enriquecidos com informações da API do Spotify (como imagens de artistas e capas de singles) e armazenados em um banco de dados local (SQLite) para análise histórica.
• Categorização de gênero: o artista principal de cada faixa é categorizado seguindo um processo rigoroso para garantir respeito e precisão.
  • Critério principal: a identidade de gênero é baseada na autodeclaração da artista ou nos pronomes utilizados em sua comunicação pública.
  • Validação: as informações são verificadas em fontes confiáveis, como entrevistas, artigos e perfis oficiais em redes sociais.
  • Princípio de não suposição: nenhum gênero é presumido. Um esforço considerável é dedicado a não supor identidades, respeitando a individualidade de cada artista.
  • Casos complexos: para artistas com múltiplos pronomes ou informações não conclusivas, uma pesquisa aprofundada é realizada para assegurar a máxima precisão.
• Visualização: a apresentação dos dados no Blank Charts é projetada para oferecer uma análise comparativa e clara da representatividade feminina.
  • Estrutura dos rankings: a lista final exibe apenas as artistas que atendem aos nossos critérios, com sua posição apresentada em duas colunas: posição original e posição no Blank Charts. A comparação entre as duas quantifica visualmente o impacto da disparidade.
  • Conteúdo por tipo de chart: o detalhe exibido se adapta à natureza do ranking (capa do single, nome da música e artista para charts de canções; foto, nome da artista e ouvintes mensais para charts de artistas).
  • Performance: para garantir a máxima velocidade, os dados filtrados são pré-gerados em arquivos estáticos (JSON), que são lidos pelo site, resultando em um carregamento quase instantâneo para o usuário final.

Complexidade de gênero: a metodologia do Blank Charts lida com a complexidade de gênero da seguinte forma:

• Modelo de visualização: o projeto opera com uma classificação binária (mulheres/homens) por uma necessidade de simplificação para a visualização de dados.
• Inclusão de pessoas trans: nossa política é explícita: mulheres trans são mulheres e homens trans são homens, e são categorizados de acordo com sua autodeclaração.
• Artistas não-binários: para não simplificar indevidamente suas identidades, optamos, no momento, por não incluí-los na visualização final.
• Compromisso futuro: esta abordagem está em constante revisão e estamos pesquisando metodologias mais inclusivas.

Colaborações (featurings): a análise foca no artista principal (o primeiro nome listado na faixa), o que pode invisibilizar o trabalho de mulheres em faixas lideradas por homens.

Precisão das fontes: o projeto depende da acurácia de dados fornecidos por terceiros (Spotify, Kworb.net).