Um estudo divulgado na revista científica MDPI indica que as canções escolhidas pelos ouvintes podem oferecer indícios sobre sua capacidade de raciocínio e resolução de problemas. A equipe de pesquisadores aplicou algoritmos de inteligência artificial para examinar milhares de letras de músicas populares em plataformas de streaming e relacionou esses dados aos resultados de testes de raciocínio verbal, matemático e espacial realizados pelos participantes.
Os autores observaram que, além do ritmo, a complexidade emocional e temporal das composições está associada ao perfil intelectual dos usuários. Segundo a análise, pessoas com maior aptidão para raciocínio lógico e abstrato tendem a selecionar faixas com temáticas introspectivas, vocabulário diversificado e narrativas menos previsíveis, o que exige processamento de múltiplas camadas de significado.
O cruzamento das informações revelou que letras de tom melancólico são predominantes entre indivíduos com mentes consideradas mais ágeis. A pesquisa aponta que músicas tristes ou reflexivas demandam maior carga de empatia e processamento emocional, características frequentemente ligadas a pontuações superiores em testes de quociente de inteligência.
Os cientistas também notaram que canções focadas em situações concretas e imediatas, descritas como “centradas no presente”, costumam atrair ouvintes com elevada agilidade mental e orientação prática. Já a riqueza em metáforas, figuras de linguagem e baixa repetitividade aparece como marcador adicional de sofisticação cognitiva.
Embora o debate sobre gêneros musicais e inteligência seja recorrente, o estudo conclui que o conteúdo lírico tem peso maior do que o estilo. Um rap com versos densos e críticos, por exemplo, pode sinalizar mais inteligência do que uma peça instrumental repetitiva. Além disso, a diversidade sonora, quando acompanhada de qualidade textual, sugere flexibilidade mental e busca constante por novos estímulos.
Os pesquisadores ressaltam que as plataformas de streaming armazenam metadados capazes de identificar padrões de audição. Ao detectar preferência por termos complexos ou estruturas gramaticais variadas, sistemas de aprendizado de máquina estimam maior nível de instrução ou curiosidade intelectual nos usuários, transformando hábitos musicais em indicadores científicos de comportamento cognitivo.
Com informações de Olhar Digital
