Lda na Crítica Cênica: Tendências Temáticas do Festival de Curitiba por Modelagem de Tópicos

Audrey Lopes Fontana; Evandro Marcos Saidel Ribeiro

DOI: 10.22167/2675-6528-202602696

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

O Festival de Curitiba consolidou-se como um marco das artes cênicas no Brasil, mas sua vasta produção carecia de análises quantitativas para sistematizar tendências temáticas. O objetivo foi aplicar o algoritmo Latent Dirichlet Allocation (LDA) às sinopses das edições de 2024, 2025 e 2026 do Festival de Curitiba para identificar e analisar suas principais tendências temáticas. A metodologia seguiu o framework CRISP-DM, empregando a biblioteca Gensim para a modelagem, Score de Coerência para definir o número ideal de tópicos e testes de sensibilidade para refinar hiperparâmetros. Com a seleção de cinco eixos temáticos por ano, os resultados revelaram uma estrutura multifacetada, que abrangeu desde a celebração da trajetória de grupos até produções voltadas ao entretenimento popular. A análise demonstrou a eficácia das técnicas de Processamento de Linguagem Natural para transformar dados não estruturados em conhecimento estratégico, permitindo identificar prioridades curatoriais e macrotendências discursivas. Concluiu-se que a sistematização de dados históricos por meio do Processamento de Linguagem Natural é uma ferramenta valiosa para a gestão cultural e o planejamento estratégico de eventos de grande porte.

Palavras-chave: CRISP-DM; Processamento de Linguagem Natural; Sinopses Teatrais.

1. Introdução

O Festival de Curitiba, estabelecido em 1992, consolidou-se como um dos mais significativos marcos das artes cênicas no Brasil. Anualmente, o evento reúne artistas e espectadores na capital paranaense, oferecendo centenas de espetáculos em diversos espaços culturais e ruas da cidade e região metropolitana, com apresentações pagas e gratuitas. Essa característica posiciona o Festival de Curitiba como um dos maiores eventos culturais do país (Festival de Curitiba, 2025), promovendo o acesso democrático à cultura e contribuindo para a formação de memórias coletivas por meio da circulação de saberes artísticos e reflexões sobre práticas culturais (Governo do Paraná, 2025).

Além de seu impacto social e artístico, o festival desempenha um papel crucial na dinamização da economia local. O afluxo de artistas, turistas e profissionais empregados durante as semanas do evento movimenta dezenas de milhões de reais (Exame, 2025). A 33ª edição, realizada entre março e abril de 2025, atraiu mais de 200 mil espectadores, um número que se manteve na edição seguinte, em 2026, com um impacto financeiro estimado em 50 milhões de reais (Bem Paraná, 2026).

Apesar da importância histórica e econômica bem documentada do Festival de Curitiba, a vasta produção de conteúdo gerada pelo evento carecia de análises quantitativas estruturadas que pudessem sistematizar suas tendências temáticas. Não existiam evidências de documentação que relacionassem a evolução temática e a representação de assuntos nas artes cênicas ao longo das décadas de existência do festival, resultando na ausência de uma visão clara sobre as macrotendências temáticas do acervo de peças.

Diante desse desafio, a ciência de dados oferece ferramentas para investigar as trajetórias temáticas das peças apresentadas no Festival de Curitiba, especialmente por meio das técnicas de Processamento de Linguagem Natural (NLP). O NLP é uma área interdisciplinar que integra computação e linguística, permitindo que máquinas identifiquem e interpretem a linguagem humana (Caseli et al., 2022). O avanço dessas técnicas transformou o NLP em uma ferramenta essencial para analisar grandes volumes de dados textuais não estruturados, facilitando o acesso a conhecimentos e insights que seriam menos acessíveis em análises manuais (Falcão et al., 2022).

Dentro do campo do NLP, a Modelagem de Tópicos é uma técnica que visa identificar e classificar os temas abstratos presentes em uma coleção de documentos textuais. Para este propósito, o modelo Latent Dirichlet Allocation (LDA) é amplamente utilizado. A LDA é um modelo estatístico generativo que assume que cada documento textual é composto por uma mistura de diversos tópicos, e cada tópico é caracterizado por uma distribuição de palavras semanticamente relacionadas, revelando a complexidade e sobreposição de assuntos (Faleiros e Lopes, 2016). A eficácia das técnicas de Modelagem de Tópicos e do modelo LDA tem sido demonstrada em acervos culturais e de humanidades para o mapeamento de macrotendências discursivas (Silva et al., 2021).

Essa abordagem quantitativa é valiosa para transformar as sinopses não estruturadas das peças apresentadas no Festival de Curitiba em dados estruturados, possibilitando o estudo da prevalência temática e a identificação de padrões de mudança cultural e social refletidos nas artes cênicas ao longo do tempo. Assim, o presente trabalho justifica-se pela necessidade de preencher a lacuna na análise sistemática das tendências temáticas do festival, oferecendo uma ferramenta para a gestão cultural e o planejamento estratégico de eventos de grande porte. O objetivo do trabalho foi aplicar a modelagem de tópicos LDA nas sinopses dos espetáculos das edições de 2024, 2025 e 2026 do Festival de Curitiba para identificar e analisar as principais tendências temáticas presentes na programação.

2. Material e Métodos

O presente trabalho caracterizou-se como uma pesquisa de abordagem quantitativa, focada na aplicação de técnicas de Processamento de Linguagem Natural (NLP) para a análise de dados textuais. O estudo foi desenvolvido com base em informações públicas referentes às 32ª, 33ª e 34ª edições do Festival de Curitiba, realizadas nos anos de 2024, 2025 e 2026, respectivamente. As edições ocorreram nas cidades de Curitiba e região metropolitana, no estado do Paraná, Brasil.

A metodologia adotada seguiu as diretrizes do “Cross Industry Standard Process for Data Mining” (CRISP-DM), um framework amplamente reconhecido para projetos de ciência de dados. Este processo estruturou a pesquisa em etapas sequenciais, que incluíram o entendimento do negócio, o entendimento dos dados, a preparação dos dados e a modelagem. Essa abordagem garantiu uma organização sistemática das atividades, desde a concepção inicial até a fase de análise (Gonzalez, 2019).

A unidade de análise empírica consistiu nas sinopses dos espetáculos que compuseram a programação do Festival de Curitiba nas edições de 2024, 2025 e 2026. A coleta de dados foi realizada por meio da extração de informações disponíveis no portal online oficial do evento. Os dados foram organizados em formato de planilha eletrônica, contendo o título de cada obra, sua ficha técnica e o texto descritivo correspondente à sinopse.

Para a etapa de preparação dos dados, os textos das sinopses foram submetidos a um processo de limpeza e normalização, implementado em linguagem Python. Utilizou-se a biblioteca “Natural Language Toolkit” (NLTK) para executar os procedimentos. Inicialmente, os caracteres foram convertidos para letras minúsculas, e pontuações, numerais e caracteres especiais foram removidos dos textos.

Em seguida, aplicou-se a técnica de remoção de “stopwords”, que consistiu na eliminação de palavras semanticamente irrelevantes para a identificação de temas, como preposições e artigos. Adicionalmente, foram removidos termos específicos do domínio teatral que, apesar de sua alta frequência, possuíam baixa carga informativa, como “espetáculo”, “peça”, “teatro”, “festival” e “Curitiba”. Nomes próprios de grupos teatrais e variações linguísticas, como “traz” e “nesta”, também foram excluídos. Os textos resultantes foram então tokenizados, transformando as sentenças em listas de termos individuais.

A análise dos temas foi conduzida por meio do algoritmo Latent Dirichlet Allocation (LDA), um método probabilístico generativo empregado para descobrir estruturas latentes em grandes coleções de textos (Blei et al., 2003). A implementação do modelo foi realizada utilizando a biblioteca Gensim. Os dados textuais processados foram convertidos em um dicionário de termos e, posteriormente, em uma matriz de representação “Bag-of-Words” (BoW), que mapeou a frequência de cada palavra em relação às sinopses.

A definição do número ideal de tópicos (K) foi estabelecida empiricamente através do cálculo do Score de Coerência, buscando maximizar a interpretabilidade semântica dos agrupamentos gerados. Realizaram-se testes de sensibilidade para o ajuste fino dos hiperparâmetros de distribuição de tópicos por documento (α) e de distribuição de palavras por tópico (β). Os valores de α analisados incluíram 0,01, 0,1, “asymmetric” e “auto”, enquanto os valores de β analisados foram 0,01, 0,05, 0,1 e “auto”. O modelo foi treinado com um parâmetro de passes igual a 30 para assegurar a convergência das distribuições de probabilidade (Castro, 2020).

Para a interpretação e visualização dos resultados da modelagem, utilizou-se a biblioteca pyLDAvis. Esta ferramenta permitiu a visualização interativa da distância intertópica e a relevância das palavras-chave para cada categoria temática identificada. A interpretação qualitativa dos agrupamentos semânticos das palavras contidas nas sinopses foi auxiliada pela métrica de relevância (λ) igual a 0,6, um valor considerado eficiente para a interpretação humana, por equilibrar a probabilidade de ocorrência do termo no tópico com sua exclusividade (Sievert e Shirley, 2014). Adicionalmente, cada tópico passou por uma análise contributiva, com valor de λ igual a 0,2, para averiguação dos termos mais específicos e corroboração das interpretações dos temas propostos.

3. Resultados e Discussão

A aplicação do algoritmo Latent Dirichlet Allocation (LDA) às sinopses das edições de 2024, 2025 e 2026 do Festival de Curitiba permitiu a identificação e análise das principais tendências temáticas que perpassam a programação do evento. A metodologia empregou o framework CRISP-DM, utilizando a biblioteca Gensim para a modelagem e o Score de Coerência para a definição do número ideal de tópicos. Os resultados revelaram uma estrutura multifacetada de eixos temáticos, que abrangeu desde a celebração da trajetória de grupos até produções voltadas ao entretenimento popular, demonstrando a eficácia das técnicas de Processamento de Linguagem Natural para transformar dados não estruturados em conhecimento estratégico.

A análise de coerência e os testes de sensibilidade foram cruciais para determinar a configuração ótima do modelo LDA. Para os dados de 2024, o modelo exibiu um crescimento contínuo da coerência até K igual a nove, alcançando um Score de Coerência de 0,4697. Contudo, para manter a comparabilidade longitudinal entre os anos e evitar a fragmentação excessiva dos temas, optou-se por K igual a cinco, resultando em um Score de Coerência de 0,4223, conforme o método do cotovelo. Essa escolha metodológica visou um equilíbrio entre a interpretabilidade e a moderação do modelo, garantindo que os tópicos fossem suficientemente abrangentes para a análise comparativa futura.

Os testes de sensibilidade para o ano de 2024 indicaram que o melhor desempenho foi obtido com os parâmetros alfa em 0,01 e beta em 0,01. Esses valores sugeriram que as sinopses daquele ano apresentavam uma tendência a se concentrar em temas específicos e bem definidos, com menor mistura de múltiplos assuntos em um único documento. Essa configuração dos hiperparâmetros é indicativa de uma clareza temática nas produções, onde cada sinopse tendia a abordar um conjunto mais restrito e coeso de ideias, facilitando a distinção entre os tópicos identificados pelo modelo.

Para o ano de 2025, a análise de coerência revelou um primeiro pico claro em K igual a cinco, com um Score de Coerência de 0,3386, mantendo a consistência com a estrutura de comparação estabelecida para os demais anos do festival. Embora um segundo pico em K igual a dez tenha sido observado, ele não justificou uma fragmentação temática adicional, pois não representou um aumento significativo na coerência que compensasse a complexidade extra. A decisão de manter K igual a cinco para todos os anos foi fundamental para a análise comparativa longitudinal, permitindo uma visão consistente das tendências.

A otimização dos hiperparâmetros para 2025 resultou na melhor combinação de alfa e beta em 0,1 para ambos. Essa elevação nos valores dos hiperparâmetros, em comparação com o ano anterior, indicou que as peças apresentadas em 2025 possuíam uma mistura temática mais rica. As sinopses desse ano transitaram por mais de um tópico simultaneamente, sugerindo uma distribuição de palavras por tópico mais diversificada. Isso reflete uma programação com maior intersecção de temas e uma complexidade narrativa que integra diferentes abordagens em um mesmo espetáculo.

No ano de 2026, o gráfico de coerência demonstrou uma tendência de crescimento mais acentuada para maiores quantidades de tópicos, atingindo um pico em K igual a nove com um Score de Coerência de 0,4001. No entanto, observou-se um patamar de estabilidade entre K igual a quatro e cinco. Apesar de o modelo com K igual a cinco ter uma coerência teórica ligeiramente menor (Score de Coerência de 0,3418) em comparação com o pico, a estratégia metodológica manteve essa quantidade de tópicos para evitar a fragmentação semântica excessiva do corpus, o que dificultaria a interpretação dos eixos centrais das peças do Festival de Curitiba.

A otimização dos hiperparâmetros para 2026 revelou uma mudança estrutural relevante, com o melhor desempenho de coerência obtido com alfa “asymmetric” e beta “auto”. Essa configuração refletiu uma realidade onde as sinopses não se distribuíram de maneira homogênea, indicando a existência de temas que concentraram a maior parte das produções. Esse comportamento sugeriu um festival com eixos temáticos mais centralizados do que nos anos de 2024 e 2025, apontando para uma curadoria que talvez tenha focado em algumas grandes narrativas ou estilos predominantes.

Mapa de distância intertópicos e interpretação semântica dos agrupamentos

Nos três anos analisados, a visualização espacial dos tópicos demonstrou uma distribuição eficiente, onde os cinco tópicos selecionados ocuparam quadrantes distintos no plano cartesiano, sem sobreposição. Isso indica que o modelo LDA aplicado foi capaz de isolar as diferentes dimensões curatoriais do Festival de Curitiba de forma clara e distinta. A ausência de sobreposição reforça a validade da categorização temática, permitindo uma compreensão mais nítida das áreas de foco de cada edição do festival.

2024 – Tópico 1 – o fazer teatral e representatividade

O primeiro tópico de 2024 revelou uma mistura de palavras relacionadas à prática do teatro e à representatividade. Termos como “oficina”, “prática” e “ator” refletem uma vertente pedagógica e de formação artística, enquanto “mulheres” e “indígenas” apontam para a importância da representação de grupos minoritários. Ao analisar os termos de maior exclusividade, com uma redução do lambda de 0,6 para 0,2, a relevância de grupos minoritários tornou-se ainda mais evidente, com a aparição de palavras que se referem a etnias indígenas, como “yepá”, “mahsã” e “tukano”, indicando um foco curatorial na diversidade e inclusão.

2024 – Tópico 2 – metalinguagem e existencialismo

Esse agrupamento temático de 2024 focou em temas universais e subjetivos, englobando termos como “amor”, “encontrar”, “busca”, “segredo” e “mundo”. Essas palavras sugerem peças com uma forte carga dramática e reflexiva. A análise dos termos mais específicos do eixo corroborou essa interpretação, incluindo “política” e “detetive”, que adicionam camadas de complexidade narrativa. Além disso, a presença de palavras como “dança” e, mais exclusivamente, “Broadway”, demonstrou uma vertente musical e de metalinguagem, indicando espetáculos que exploram a própria linguagem teatral e suas formas.

2024 – Tópico 3 – performance, educação e acessibilidade

O terceiro tópico de 2024 foi marcado pela presença de termos como “corporal”, “musical” e “sociedade”, evidenciando uma priorização das linguagens do corpo e sua relação com o contexto social. A inclusão da palavra “oficinas” e, com a redução do lambda de 0,6 para 0,2, a emergência de termos como “investigar”, “debater” e “profissionais”, sugeriu um caráter educativo e de aprofundamento. Este tópico também se destacou pela presença de “surdas” e “surdo”, fazendo referência à Mostra Surda de Teatro, uma vertente do Festival dedicada à acessibilidade e inclusão de públicos específicos.

2024 – Tópico 4 – comédia, nacionalidade e diversidade

As palavras “comédia”, “música” e “show” presentes neste tópico de 2024 sugerem que ele representa um eixo popular da programação, contemplando espetáculos de música e de humor. Esses espetáculos abordam a vivência urbana e a diversidade brasileira, uma interpretação reforçada pela presença do termo “Brasil”. Com a redução do lambda de 0,6 para 0,2 e o consequente aumento da especificidade dos termos, emergiram palavras como “hilárias”, “trupe”, “travesti”, “pop” e “vogue”, indicando um recorte de espetáculos que misturam a estética “queer” com a celebração da vida a partir do riso e da representatividade de identidades diversas.

2024 – Tópico 5 – imagético e lúdico

O quinto tópico de 2024 focou na estética e na criação de mundos imaginários nas produções. Englobou termos como “cidade”, “criação”, “sonhos”, “fada” e “memória”, sugerindo um teatro voltado para o público infantil e infantojuvenil. O aumento da especificidade de termos, ao reduzir o lambda, trouxe para a análise as palavras “brinquedos” e “lúdica”, corroborando a interpretação de um foco em narrativas e estéticas que estimulam a imaginação e o universo infantil. Este tópico destaca a importância do festival em oferecer programação para todas as idades, com um olhar especial para o público jovem.

2025 – Tópico 1 – memória e identidade negra

O primeiro tópico de 2025 concentrou-se no tempo e nas relações humanas, a partir de termos como “pessoas”, “memórias”, “passado”, “tempo”, “pai” e “relações”. Essas palavras indicam peças de dramas familiares que exploram a ancestralidade e a construção da identidade ao longo do tempo. Ao analisar as palavras mais exclusivas, os termos relacionados à identidade negra tornaram-se evidentes, com a presença de “pretos”, “negras” e “exílio”, sublinhando um forte componente de representatividade e discussão sobre questões raciais e históricas na programação do festival.

2025 – Tópico 2 – existencialismo, urbanidade e dramaturgia do cotidiano

O segundo tópico de 2025 abrangeu palavras que combinam sentimentos profundos como “medo”, “amor” e “desejo” com elementos da cena urbana, como “ruas” e “construção”. Essa combinação indica uma abordagem de questões existenciais e a exploração da ocupação da cidade e suas dinâmicas. Ao diminuir o valor do lambda de 0,6 para 0,2, a presença de termos como “máquina”, “lixo” e “questionam”, juntamente com nomes próprios de personagens, confirmou a mistura entre urbanidade e drama existencial, refletindo uma preocupação com a vida contemporânea e seus desafios.

2025 – Tópico 3 – comédia e intercâmbio cênico

Esse agrupamento de 2025 foi marcado por termos da comédia popular e técnicas circenses, como “palhaço”, “palhaçaria”, “comédia” e “humor”. A presença dessas palavras sugere uma forte vertente de espetáculos voltados para o entretenimento e o riso. Além disso, a emergência de palavras mais específicas, como “Irão” (referência ao Irã), “Colômbia” e “documentário”, indicou que este tópico também abrange espetáculos de outras nacionalidades e formatos, promovendo o intercâmbio cultural e a diversidade de linguagens cênicas no festival.

2025 – Tópico 4 – multilinguagem e cultura urbana

O presente tópico de 2025 continha termos que sugerem alta especificidade e estão relacionados com a cultura urbana. A presença de palavras como “hip hop”, “fotografia” e “colagens” indica performances experimentais ou de multilinguagem, com uma intersecção com as artes visuais e a cultura das ruas. Esse eixo temático reflete uma programação que dialoga com as expressões artísticas contemporâneas e as manifestações culturais urbanas, explorando novas formas de comunicação e interação com o público.

2025 – Tópico 5 – universo lúdico e infância

O quinto tópico de 2025 foi dedicado à imaginação e ao público infantil, a partir dos termos “mundo”, “sonho”, “brinquedos”, “brincadeiras”, “bonecos” e “mãe”. Essa constelação de palavras aponta para uma curadoria atenta às narrativas e estéticas voltadas para crianças. A exclusividade das palavras “amarelinha”, “bambolê”, “fantoches” e “peteca” reforçou essa interpretação, indicando um foco em jogos, brincadeiras e elementos que remetem diretamente ao universo lúdico e à infância, consolidando a oferta de espetáculos para esse segmento.

2026 – Tópico 1 – narrativas de vida, trajetórias culturais e ancestralidade

Esse tópico configurou-se como o eixo central da base de dados de 2026. Palavras como “trajetória”, “memória” e “narrativa” indicam um forte componente retrospectivo, onde a “vida” é lida através da lente da “cultura” e da “cidade”. Este tópico contextualiza a figura do artista em seu meio social e, ao diminuir o lambda de 0,6 para 0,2, a interpretação se confirmou como mais política, acrescentando identidade negra e ancestralidade a partir do aparecimento de palavras como “terra”, “brasileiro” e “negra”. Isso demonstra uma programação engajada com questões sociais e históricas do Brasil.

2026 – Tópico 2 – investigação artística e experimentação acadêmica

Em contraste, esse tópico de 2026 deslocou o foco do “quem faz o teatro” para o “como fazer”. Os termos “processo”, “pesquisa”, “oficina” e “investiga” apontam para o fazer artístico prático e a metodologia por trás da criação. Isso é corroborado com as menções diretas à Universidade Tecnológica Federal do Paraná, “utfpr” e ao Teatro da UTFPR, “tut”. Este tópico representa a metodologia e a pedagogia das artes, focado na criação artística como um campo de experimentação contínua e na relação entre a academia e a prática teatral.

2026 – Tópico 3 – relacionamentos das personagens

Esse tópico de 2026 apresentou uma natureza abstrata e dialética, focando nas condições de existência da obra e nas interações humanas. Ao analisá-lo sob uma perspectiva de lambda igual a 0,6, termos que relacionam a dinâmica de encontro, como as palavras “encontro”, “juntos” e “lugar”, sugerem que as obras são vistas como um evento coletivo e de conexão. Ao especificar os termos a partir da análise de lambda igual a 0,2, nomes de personagens, como “Petra”, “Alberto” e “Marlene”, tornaram-se presentes, e associados a termos relacionados a tensões e embates como “conflitos”, “disputa” e “zelar”, sugerem a exploração aprofundada dos relacionamentos humanos e suas complexidades.

2026 – Tópico 4 – dimensão sensorial

Esse agrupamento de 2026 possui uma dimensão lírica e estética, aproximando-se da subjetividade das sensações. O termo “mar” ganhou destaque como simbolismo e possível metáfora para imensidão e fluidez, evocando paisagens e estados de espírito. As palavras “amor”, “poéticos” e “imagens” reforçam a carga emocional e a beleza das produções, enquanto termos como “corpo”, “gestos” e “canções” mostram que a performance conjunta entre teatro, dança e música é a linguagem prevalente, indicando espetáculos que exploram a sinestesia e a experiência sensorial do público.

2026 – Tópico 5 – cotidiano e cultura popular

Termos muito específicos presentes nesse tópico de 2026, como “palhaça”, “rádio”, “instrumentos” e “café”, sugerem uma descrição do cotidiano do artista e suas inspirações. Ao reduzir o lambda de 0,6 para 0,2, foram encontrados os termos “novelas” e “rpg”, que fazem parte da cultura popular e do imaginário coletivo. Este tópico reflete uma programação que dialoga com a vida diária, as referências midiáticas e os elementos da cultura popular, trazendo para o palco narrativas acessíveis e que ressoam com a experiência comum do público.

A análise dos 15 tópicos identificados demonstra a prevalência de temáticas recorrentes nas peças teatrais do Festival de Curitiba entre 2024 e 2026. Temas como a representatividade de grupos minoritários, incluindo negros, indígenas, mulheres e pessoas com deficiência, reforçam o compromisso do festival com a diversidade e a promoção de reflexões sociais. A pesquisa também revelou a ocorrência contínua de tópicos relacionados ao fazer teatral, como oficinas, pesquisa, investigação e educação, o que sublinha a importância do evento na circulação de saberes artísticos e na formação de novos talentos. Observou-se, ainda, uma tendência de espetáculos que utilizam metalinguagem, multilinguagem e dimensões sensoriais, explorando o corpo por meio da dança, da música e do teatro, ao lado de tópicos relacionados ao público infantil e à comédia, que estiveram presentes nos três anos analisados. Essa abrangência sugere que o festival é um evento democrático, pensado para todos os públicos e consolidado como uma importante ferramenta de criação de memórias coletivas e de diálogo cultural.

4. Conclusão

O estudo visou aplicar a modelagem de tópicos Latent Dirichlet Allocation (LDA) às sinopses das edições de 2024, 2025 e 2026 do Festival de Curitiba para identificar e analisar suas principais tendências temáticas. Por meio da aplicação sistemática do framework CRISP-DM e das técnicas de Processamento de Linguagem Natural, verificou-se uma estrutura multifacetada de cinco eixos temáticos em cada ano. Identificou-se a prevalência de temas como a representatividade de grupos minoritários, incluindo negros, indígenas, mulheres e pessoas com deficiência, o que reforça o compromisso do festival com a diversidade e a promoção de reflexões sociais. Observou-se, ainda, a recorrência de tópicos relacionados ao fazer teatral, como oficinas, pesquisa e educação, sublinhando o papel do evento na circulação de saberes artísticos. A programação também revelou uma tendência de espetáculos que exploram metalinguagem, multilinguagem e dimensões sensoriais, integrando dança, música e teatro, ao lado de temas voltados ao público infantil e à comédia, que estiveram presentes nos três anos analisados. A ausência de sobreposição entre os tópicos demonstrou a capacidade do modelo em isolar as distintas dimensões curatoriais do festival.

A análise demonstrou a eficácia das técnicas de Processamento de Linguagem Natural para transformar dados textuais não estruturados em conhecimento estratégico, permitindo a identificação de prioridades curatoriais e macrotendências discursivas. Essa sistematização de dados históricos constitui uma ferramenta valiosa para a gestão cultural e o planejamento estratégico de eventos de grande porte, validando percepções qualitativas e estabelecendo uma base para futuras análises. Sugere-se que a aplicação contínua desta abordagem, ano após ano, poderá identificar padrões de mudança cultural e social refletidos nas artes cênicas, contribuindo para a preservação da memória e para um planejamento mais aprofundado das práticas culturais no Brasil.

Referências Bibliográficas

Blei et al., 2003 [Referência completa não encontrada no documento original]

Caseli, H.; Freitas, C.; Viola, R. Processamento de Linguagem Natural. In: Short courses of the 37th Brazilian Symposium on Data Bases. Búzios, RJ, Brasil, 2022.

Castro, B. Y. S. 2020. Como modelar tópicos através de Latent Dirichlet Allocation (LDA) através da biblioteca Gensim.

Ehlert, Ana. Festival de Curitiba 2026: R$ 50 mi e 200 mil pessoas. Bem Paraná, 14 abr 2026. Disponível em < https://www.bemparana.com.br/noticias/economia/festival-de-curitiba-2026-50-milhoes-economia/>. Acesso em: 19 abr. 2026.

Falcão, L. C. J.; Lopes, B; Souza, R. R. Absorção das tarefas de processamento de Linguagem Natural (NLP) pela Ciência da Informação (CI): uma revisão da literatura para tangibilização do uso de NLP pela CI. Em Questão, v. 28, n. 1, p. 283-305, 2021.

Faleiros, T. P.; Lopes, A. A. Modelos probabilísticos de tópicos: desvendando o latent Dirichlet allocation. Relatórios Técnicos ICMC-USP, n. 409, 2016.

Festival de Curitiba. 2025. Linha do Tempo História. Disponível em <https://festivaldecuritiba.com.br/historia/>. Acesso em: 16 out. 2025.

Garrett Jr., Gilson. R$ 50 mi de impacto e 200 mil espectadores: maior festival de teatro do país muda cidade brasileira. Exame, São Paulo, 26 mar. 2025. Disponível em: <https://exame.com/casual/r-50-milhoes-e-200-mil-espectadores-maior-festival-de-teatro-do-pais-transforma-cidade-brasileira/>. Acesso em: 14 out. 2025.

Gonzalez, Μ. 2019. CRISP-DM na prática. Disponível em: <https://medium.com/@mgonzaleze/crisp-dm-na-pr%C3%A1tica-65be0ee92ada>. Acesso em: 18 out. 2025.

Governo do Paraná. 2025. Maior do Brasil, Festival de Curitiba terá 350 espetáculos nas próximas semanas. Disponível em: <https://www.parana.pr.gov.br/aen/Noticia/Maior-do-Brasil-Festival-de-Curitiba-tera-350-espetaculos-nas-proximas-semanas>. Acesso em: 14 out. 2025.

Sievert, C; K. E. Shirley. 2024. LDAvis: A method for visualizing and interpreting topics. Proceedings of the Workshop on Interactive Language Learning, Visualization, and Interfaces. p. 63-70.

Silva, Nádia Felix Felipe da et al. Inferência de tópicos para identificação de subáreas temáticas de projetos culturais. Perspectivas em Ciência da Informação, Belo Horizonte, v. 26, n. 1, p. 57-79, jan./mar. 2021.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy