Lda en la Crítica Escénica: Tendencias Temáticas del Festival de Curitiba mediante Modelado de Temas

Audrey Lopes Fontana; Evandro Marcos Saidel Ribeiro

DOI: 10.22167/2675-6528-202602696

Artículo derivado del Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.

Resumen

El Festival de Curitiba se ha consolidado como un hito de las artes escénicas en Brasil, pero su vasta producción carecía de análisis cuantitativos para sistematizar tendencias temáticas. El objetivo fue aplicar el algoritmo Latent Dirichlet Allocation (LDA) a las sinopsis de las ediciones de 2024, 2025 y 2026 del Festival de Curitiba para identificar y analizar sus principales tendencias temáticas. La metodología siguió el marco CRISP-DM, empleando la biblioteca Gensim para la modelización, la Puntuación de Coherencia para definir el número ideal de tópicos y pruebas de sensibilidad para refinar hiperparámetros. Con la selección de cinco ejes temáticos por año, los resultados revelaron una estructura multifacética, que abarcó desde la celebración de la trayectoria de grupos hasta producciones orientadas al entretenimiento popular. El análisis demostró la eficacia de las técnicas de Procesamiento del Lenguaje Natural para transformar datos no estructurados en conocimiento estratégico, permitiendo identificar prioridades curatoriales y macrotendencias discursivas. Se concluyó que la sistematización de datos históricos mediante el Procesamiento del Lenguaje Natural es una herramienta valiosa para la gestión cultural y la planificación estratégica de eventos de gran envergadura.

Palabras clave: CRISP-DM; Procesamiento de Lenguaje Natural; Sinopsis Teatrales.

1. Introducción

El Festival de Curitiba, establecido en 1992, se ha consolidado como uno de los hitos más significativos de las artes escénicas en Brasil. Anualmente, el evento reúne a artistas y espectadores en la capital de Paraná, ofreciendo cientos de espectáculos en diversos espacios culturales y calles de la ciudad y la región metropolitana, con presentaciones de pago y gratuitas. Esta característica posiciona al Festival de Curitiba como uno de los mayores eventos culturales del país (Festival de Curitiba, 2025), promoviendo el acceso democrático a la cultura y contribuyendo a la formación de memorias colectivas a través de la circulación de saberes artísticos y reflexiones sobre prácticas culturales (Gobierno de Paraná, 2025).

Además de su impacto social y artístico, el festival desempeña un papel crucial en la dinamización de la economía local. La afluencia de artistas, turistas y profesionales empleados durante las semanas del evento mueve decenas de millones de reales (Exame, 2025). La 33ª edición, realizada entre marzo y abril de 2025, atrajo a más de 200 mil espectadores, un número que se mantuvo en la edición siguiente, en 2026, con un impacto financiero estimado en 50 millones de reales (Bem Paraná, 2026).

A pesar de la importancia histórica y económica bien documentada del Festival de Curitiba, la vasta producción de contenido generada por el evento carecía de análisis cuantitativos estructurados que pudieran sistematizar sus tendencias temáticas. No existían evidencias de documentación que relacionaran la evolución temática y la representación de asuntos en las artes escénicas a lo largo de las décadas de existencia del festival, resultando en la ausencia de una visión clara sobre las macrotendencias temáticas del acervo de obras.

Ante este desafío, la ciencia de datos ofrece herramientas para investigar las trayectorias temáticas de las obras presentadas en el Festival de Curitiba, especialmente a través de técnicas de Procesamiento del Lenguaje Natural (PLN). El PLN es un área interdisciplinaria que integra computación y lingüística, permitiendo a las máquinas identificar e interpretar el lenguaje humano (Caseli et al., 2022). El avance de estas técnicas ha transformado el PLN en una herramienta esencial para analizar grandes volúmenes de datos textuales no estructurados, facilitando el acceso a conocimientos y perspectivas que serían menos accesibles en análisis manuales (Falcão et al., 2022).

Dentro del campo del NLP, la Modelización de Temas es una técnica que tiene como objetivo identificar y clasificar los temas abstractos presentes en una colección de documentos textuales. Para este propósito, el modelo Latent Dirichlet Allocation (LDA) es ampliamente utilizado. La LDA es un modelo estadístico generativo que asume que cada documento textual se compone de una mezcla de diversos temas, y cada tema se caracteriza por una distribución de palabras semánticamente relacionadas, revelando la complejidad y superposición de asuntos (Faleiros y Lopes, 2016). La eficacia de las técnicas de Modelización de Temas y del modelo LDA ha sido demostrada en acervos culturales y de humanidades para el mapeo de macrotendencias discursivas (Silva et al., 2021).

Este enfoque cuantitativo es valioso para transformar las sinopsis no estructuradas de las obras presentadas en el Festival de Curitiba en datos estructurados, permitiendo el estudio de la prevalencia temática y la identificación de patrones de cambio cultural y social reflejados en las artes escénicas a lo largo del tiempo. Así, el presente trabajo se justifica por la necesidad de llenar el vacío en el análisis sistemático de las tendencias temáticas del festival, ofreciendo una herramienta para la gestión cultural y la planificación estratégica de eventos de gran envergadura. El objetivo del trabajo fue aplicar el modelado de tópicos LDA a las sinopsis de los espectáculos de las ediciones de 2024, 2025 y 2026 del Festival de Curitiba para identificar y analizar las principales tendencias temáticas presentes en la programación.

2. Material y Métodos

El presente trabajo se caracterizó como una investigación de enfoque cuantitativo, centrada en la aplicación de técnicas de Procesamiento de Lenguaje Natural (NLP) para el análisis de datos textuales. El estudio se desarrolló con base en información pública referente a las 32ª, 33ª y 34ª ediciones del Festival de Curitiba, realizadas en los años 2024, 2025 y 2026, respectivamente. Las ediciones ocurrieron en las ciudades de Curitiba y región metropolitana, en el estado de Paraná, Brasil.

La metodología adoptada siguió las directrices del “Cross Industry Standard Process for Data Mining” (CRISP-DM), un framework ampliamente reconocido para proyectos de ciencia de datos. Este proceso estructuró la investigación en etapas secuenciales, que incluyeron la comprensión del negocio, la comprensión de los datos, la preparación de los datos y el modelado. Este enfoque garantizó una organización sistemática de las actividades, desde la concepción inicial hasta la fase de análisis (Gonzalez, 2019).

La unidad de análisis empírico consistió en las sinopsis de los espectáculos que compusieron la programación del Festival de Curitiba en las ediciones de 2024, 2025 y 2026. La recolección de datos se realizó mediante la extracción de información disponible en el portal online oficial del evento. Los datos se organizaron en formato de hoja de cálculo electrónica, conteniendo el título de cada obra, su ficha técnica y el texto descriptivo correspondiente a la sinopsis.

Para la etapa de preparación de los datos, los textos de las sinopsis fueron sometidos a un proceso de limpieza y normalización, implementado en lenguaje Python. Se utilizó la biblioteca “Natural Language Toolkit” (NLTK) para ejecutar los procedimientos. Inicialmente, los caracteres fueron convertidos a letras minúsculas, y puntuaciones, numerales y caracteres especiales fueron eliminados de los textos.

A continuación, se aplicó la técnica de eliminación de “stopwords”, que consistió en la eliminación de palabras semánticamente irrelevantes para la identificación de temas, como preposiciones y artículos. Adicionalmente, se eliminaron términos específicos del dominio teatral que, a pesar de su alta frecuencia, poseían baja carga informativa, como “espectáculo”, “obra”, “teatro”, “festival” y “Curitiba”. Nombres propios de grupos teatrales y variaciones lingüísticas, como “trae” y “en esta”, también fueron excluidos. Los textos resultantes fueron entonces tokenizados, transformando las oraciones en listas de términos individuales.

El análisis de los temas se realizó mediante el algoritmo Latent Dirichlet Allocation (LDA), un método probabilístico generativo empleado para descubrir estructuras latentes en grandes colecciones de textos (Blei et al., 2003). La implementación del modelo se llevó a cabo utilizando la biblioteca Gensim. Los datos textuales procesados se convirtieron en un diccionario de términos y, posteriormente, en una matriz de representación “Bag-of-Words” (BoW), que mapeó la frecuencia de cada palabra en relación con las sinopsis.

La definición del número ideal de temas (K) se estableció empíricamente mediante el cálculo de la Puntuación de Coherencia, buscando maximizar la interpretabilidad semántica de los agrupamientos generados. Se realizaron pruebas de sensibilidad para el ajuste fino de los hiperparámetros de distribución de temas por documento (α) y de distribución de palabras por tema (β). Los valores de α analizados incluyeron 0,01, 0,1, “asymmetric” y “auto”, mientras que los valores de β analizados fueron 0,01, 0,05, 0,1 y “auto”. El modelo se entrenó con un parámetro de pases igual a 30 para asegurar la convergencia de las distribuciones de probabilidad (Castro, 2020).

Para la interpretación y visualización de los resultados del modelado, se utilizó la biblioteca pyLDAvis. Esta herramienta permitió la visualización interactiva de la distancia inter-tópica y la relevancia de las palabras clave para cada categoría temática identificada. La interpretación cualitativa de los agrupamientos semánticos de las palabras contenidas en las sinopsis fue auxiliada por la métrica de relevancia (λ) igual a 0,6, un valor considerado eficiente para la interpretación humana, por equilibrar la probabilidad de ocurrencia del término en el tópico con su exclusividad (Sievert y Shirley, 2014). Adicionalmente, cada tópico pasó por un análisis contributivo, con valor de λ igual a 0,2, para la averiguación de los términos más específicos y la corroboración de las interpretaciones de los temas propuestos.

3. Resultados y Discusión

La aplicación del algoritmo Latent Dirichlet Allocation (LDA) a las sinopsis de las ediciones de 2024, 2025 y 2026 del Festival de Curitiba permitió la identificación y análisis de las principales tendencias temáticas que atraviesan la programación del evento. La metodología empleó el framework CRISP-DM, utilizando la biblioteca Gensim para la modelización y el Score de Coherencia para la definición del número ideal de tópicos. Los resultados revelaron una estructura multifacética de ejes temáticos, que abarcó desde la celebración de la trayectoria de grupos hasta producciones orientadas al entretenimiento popular, demostrando la eficacia de las técnicas de Procesamiento del Lenguaje Natural para transformar datos no estructurados en conocimiento estratégico.

El análisis de coherencia y las pruebas de sensibilidad fueron cruciales para determinar la configuración óptima del modelo LDA. Para los datos de 2024, el modelo exhibió un crecimiento continuo de la coherencia hasta K igual a nueve, alcanzando un Score de Coherencia de 0,4697. Sin embargo, para mantener la comparabilidad longitudinal entre los años y evitar la fragmentación excesiva de los temas, se optó por K igual a cinco, resultando en un Score de Coherencia de 0,4223, conforme al método del codo. Esta elección metodológica visó un equilibrio entre la interpretabilidad y la moderación del modelo, garantizando que los tópicos fueran suficientemente abarcadores para el análisis comparativo futuro.

Las pruebas de sensibilidad para el año 2024 indicaron que el mejor rendimiento se obtuvo con los parámetros alfa en 0,01 y beta en 0,01. Estos valores sugirieron que las sinopsis de ese año presentaban una tendencia a centrarse en temas específicos y bien definidos, con menor mezcla de múltiples asuntos en un único documento. Esta configuración de los hiperparámetros es indicativa de una claridad temática en las producciones, donde cada sinopsis tendía a abordar un conjunto más restringido y cohesivo de ideas, facilitando la distinción entre los tópicos identificados por el modelo.

Para el año 2025, el análisis de coherencia reveló un primer pico claro en K igual a cinco, con un Score de Coherencia de 0,3386, manteniendo la consistencia con la estructura de comparación establecida para los demás años del festival. Aunque se observó un segundo pico en K igual a diez, este no justificó una fragmentación temática adicional, ya que no representó un aumento significativo en la coherencia que compensara la complejidad extra. La decisión de mantener K igual a cinco para todos los años fue fundamental para el análisis comparativo longitudinal, permitiendo una visión consistente de las tendencias.

La optimización de los hiperparámetros para 2025 resultó en la mejor combinación de alfa y beta en 0,1 para ambos. Esta elevación en los valores de los hiperparámetros, en comparación con el año anterior, indicó que las piezas presentadas en 2025 poseían una mezcla temática más rica. Las sinopsis de este año transitaron por más de un tópico simultáneamente, sugiriendo una distribución de palabras por tópico más diversificada. Esto refleja una programación con mayor intersección de temas y una complejidad narrativa que integra diferentes enfoques en un mismo espectáculo.

En el año 2026, el gráfico de coherencia demostró una tendencia de crecimiento más acentuada para mayores cantidades de tópicos, alcanzando un pico en K igual a nueve con un Score de Coherencia de 0,4001. Sin embargo, se observó una meseta de estabilidad entre K igual a cuatro y cinco. A pesar de que el modelo con K igual a cinco tuvo una coherencia teórica ligeramente menor (Score de Coherencia de 0,3418) en comparación con el pico, la estrategia metodológica mantuvo esta cantidad de tópicos para evitar la fragmentación semántica excesiva del corpus, lo que dificultaría la interpretación de los ejes centrales de las piezas del Festival de Curitiba.

La optimización de los hiperparámetros para 2026 reveló un cambio estructural relevante, con el mejor rendimiento de coherencia obtenido con alfa “asymmetric” y beta “auto”. Esta configuración reflejó una realidad donde las sinopsis no se distribuyeron de manera homogénea, indicando la existencia de temas que concentraron la mayor parte de las producciones. Este comportamiento sugirió un festival con ejes temáticos más centralizados que en los años 2024 y 2025, apuntando a una curaduría que quizás se centró en algunas grandes narrativas o estilos predominantes.

Mapa de distancia intertópicos e interpretación semántica de los agrupamientos

En los tres años analizados, la visualización espacial de los temas demostró una distribución eficiente, donde los cinco temas seleccionados ocuparon cuadrantes distintos en el plano cartesiano, sin superposición. Esto indica que el modelo LDA aplicado fue capaz de aislar las diferentes dimensiones curatoriales del Festival de Curitiba de forma clara y distinta. La ausencia de superposición refuerza la validez de la categorización temática, permitiendo una comprensión más nítida de las áreas de enfoque de cada edición del festival.

2024 – Tópico 1 – el hacer teatral y representatividad

El primer tema de 2024 reveló una mezcla de palabras relacionadas con la práctica teatral y la representatividad. Términos como “taller”, “práctica” y “actor” reflejan una vertiente pedagógica y de formación artística, mientras que “mujeres” e “indígenas” apuntan a la importancia de la representación de grupos minoritarios. Al analizar los términos de mayor exclusividad, con una reducción del lambda de 0,6 a 0,2, la relevancia de los grupos minoritarios se hizo aún más evidente, con la aparición de palabras que se refieren a etnias indígenas, como “yepá”, “mahsã” y “tukano”, lo que indica un enfoque curatorial en la diversidad y la inclusión.

2024 – Tema 2 – metalenguaje y existencialismo

Este agrupamiento temático de 2024 se centró en temas universales y subjetivos, abarcando términos como “amor”, “encontrar”, “búsqueda”, “secreto” y “mundo”. Estas palabras sugieren obras con una fuerte carga dramática y reflexiva. El análisis de los términos más específicos del eje corroboró esta interpretación, incluyendo “política” y “detective”, que añaden capas de complejidad narrativa. Además, la presencia de palabras como “danza” y, más exclusivamente, “Broadway”, demostró una vertiente musical y de metalenguaje, indicando espectáculos que exploran el propio lenguaje teatral y sus formas.

2024 – Tópico 3 – desempeño, educación y accesibilidad

El tercer tema de 2024 estuvo marcado por la presencia de términos como “corporal”, “musical” y “sociedad”, evidenciando una priorización de los lenguajes del cuerpo y su relación con el contexto social. La inclusión de la palabra “talleres” y, con la reducción del lambda de 0,6 a 0,2, la emergencia de términos como “investigar”, “debatir” y “profesionales”, sugirió un carácter educativo y de profundización. Este tema también se destacó por la presencia de “sordas” y “sordo”, haciendo referencia a la Muestra Sorda de Teatro, una vertiente del Festival dedicada a la accesibilidad e inclusión de públicos específicos.

2024 – Tema 4 – comedia, nacionalidad y diversidad

Las palabras “comedia”, “música” y “show” presentes en este tópico de 2024 sugieren que representa un eje popular de la programación, contemplando espectáculos de música y de humor. Estos espectáculos abordan la vivencia urbana y la diversidad brasileña, una interpretación reforzada por la presencia del término “Brasil”. Con la reducción del lambda de 0,6 a 0,2 y el consecuente aumento de la especificidad de los términos, emergieron palabras como “hilarantes”, “trupe”, “travesti”, “pop” y “vogue”, indicando un recorte de espectáculos que mezclan la estética “queer” con la celebración de la vida a partir de la risa y de la representatividad de identidades diversas.

2024 – Tópico 5 – imagético y lúdico

El quinto tema de 2024 se centró en la estética y la creación de mundos imaginarios en las producciones. Englobó términos como “ciudad”, “creación”, “sueños”, “hada” y “memoria”, sugiriendo un teatro dirigido al público infantil y juvenil. El aumento de la especificidad de los términos, al reducir el lambda, aportó al análisis las palabras “juguetes” y “lúdica”, corroborando la interpretación de un enfoque en narrativas y estéticas que estimulan la imaginación y el universo infantil. Este tema destaca la importancia del festival en ofrecer programación para todas las edades, con una mirada especial al público joven.

2025 – Tópico 1 – memoria e identidad negra

El primer tema de 2025 se centró en el tiempo y las relaciones humanas, a partir de términos como “personas”, “recuerdos”, “pasado”, “tiempo”, “padre” y “relaciones”. Estas palabras indican piezas de dramas familiares que exploran la ancestralidad y la construcción de la identidad a lo largo del tiempo. Al analizar las palabras más exclusivas, los términos relacionados con la identidad negra se hicieron evidentes, con la presencia de “negros”, “negras” y “exilio”, subrayando un fuerte componente de representatividad y discusión sobre cuestiones raciales e históricas en la programación del festival.

2025 – Tópico 2 – existencialismo, urbanidad y dramaturgia de lo cotidiano

El segundo tema de 2025 abarcó palabras que combinan sentimientos profundos como “miedo”, “amor” y “deseo” con elementos de la escena urbana, como “calles” y “construcción”. Esta combinación indica un enfoque de cuestiones existenciales y la exploración de la ocupación de la ciudad y sus dinámicas. Al disminuir el valor del lambda de 0,6 a 0,2, la presencia de términos como “máquina”, “basura” y “cuestionan”, junto con nombres propios de personajes, confirmó la mezcla entre urbanidad y drama existencial, reflejando una preocupación por la vida contemporánea y sus desafíos.

2025 – Tópico 3 – comedia e intercambio escénico

Este agrupamiento de 2025 estuvo marcado por términos de la comedia popular y técnicas circenses, como “payaso”, “payasada”, “comedia” y “humor”. La presencia de estas palabras sugiere una fuerte vertiente de espectáculos orientados al entretenimiento y la risa. Además, la emergencia de palabras más específicas, como “Irán” (referencia a Irán), “Colombia” y “documental”, indicó que este tema también abarca espectáculos de otras nacionalidades y formatos, promoviendo el intercambio cultural y la diversidad de lenguajes escénicos en el festival.

2025 – Tópico 4 – multilinguismo e cultura urbana

El tema actual de 2025 contenía términos que sugerían alta especificidad y estaban relacionados con la cultura urbana. La presencia de palabras como “hip hop”, “fotografía” y “collages” indica performances experimentales o multilingües, con una intersección con las artes visuales y la cultura de las calles. Este eje temático refleja una programación que dialoga con las expresiones artísticas contemporáneas y las manifestaciones culturales urbanas, explorando nuevas formas de comunicación e interacción con el público.

2025 – Tópico 5 – universo lúdico e infancia

El quinto tema de 2025 se dedicó a la imaginación y al público infantil, a partir de los términos “mundo”, “sueño”, “juguetes”, “juegos”, “muñecos” y “madre”. Esta constelación de palabras apunta a una curaduría atenta a las narrativas y estéticas dirigidas a los niños. La exclusividad de las palabras “rayuela”, “hula hoop”, “títeres” y “palo de lazo” reforzó esta interpretación, indicando un enfoque en juegos, actividades y elementos que remiten directamente al universo lúdico y a la infancia, consolidando la oferta de espectáculos para este segmento.

2026 – Tópico 1 – narrativas de vida, trayectorias culturales y ancestralidad

Este tema se configuró como el eje central de la base de datos de 2026. Palabras como “trayectoria”, “memoria” y “narrativa” indican un fuerte componente retrospectivo, donde la “vida” se lee a través de la lente de la “cultura” y la “ciudad”. Este tema contextualiza la figura del artista en su medio social y, al disminuir el lambda de 0,6 a 0,2, la interpretación se confirmó como más política, añadiendo identidad negra y ancestralidad a partir de la aparición de palabras como “tierra”, “brasileño” y “negra”. Esto demuestra una programación comprometida con cuestiones sociales e históricas de Brasil.

2026 – Tópico 2 – investigación artística y experimentación académica

En contraste, este tema de 2026 desplazó el foco de “quién hace el teatro” a “cómo hacerlo”. Los términos “proceso”, “investigación”, “taller” e “investigar” apuntan a la práctica artística y la metodología detrás de la creación. Esto se corrobora con las menciones directas a la Universidad Tecnológica Federal de Paraná, “utfpr” y al Teatro de la UTFPR, “tut”. Este tema representa la metodología y la pedagogía de las artes, centrado en la creación artística como un campo de experimentación continua y en la relación entre la academia y la práctica teatral.

2026 – Tópico 3 – relaciones de los personajes

Este tema de 2026 presentó una naturaleza abstracta y dialéctica, centrándose en las condiciones de existencia de la obra y las interacciones humanas. Al analizarlo desde una perspectiva de lambda igual a 0,6, términos que relacionan la dinámica de encuentro, como las palabras “encuentro”, “juntos” y “lugar”, sugieren que las obras se ven como un evento colectivo y de conexión. Al especificar los términos a partir del análisis de lambda igual a 0,2, nombres de personajes, como “Petra”, “Alberto” y “Marlene”, se hicieron presentes, y asociados a términos relacionados con tensiones y enfrentamientos como “conflictos”, “disputa” y “velar”, sugieren la exploración profunda de las relaciones humanas y sus complejidades.

2026 – Tópico 4 – dimensión sensorial

Este agrupamiento de 2026 posee una dimensión lírica y estética, acercándose a la subjetividad de las sensaciones. El término “mar” ganó destaque como simbolismo y posible metáfora para inmensidad y fluidez, evocando paisajes y estados de ánimo. Las palabras “amor”, “poéticos” e “imágenes” refuerzan la carga emocional y la belleza de las producciones, mientras que términos como “cuerpo”, “gestos” y “canciones” muestran que la performance conjunta entre teatro, danza y música es el lenguaje prevalente, indicando espectáculos que exploran la sinestesia y la experiencia sensorial del público.

2026 – Tópico 5 – vida cotidiana y cultura popular

Términos muy específicos presentes en este tema de 2026, como “payasa”, “radio”, “instrumentos” y “café”, sugieren una descripción del cotidiano del artista y sus inspiraciones. Al reducir el lambda de 0,6 a 0,2, se encontraron los términos “telenovelas” y “rpg”, que forman parte de la cultura popular y del imaginario colectivo. Este tema refleja una programación que dialoga con la vida diaria, las referencias mediáticas y los elementos de la cultura popular, trayendo al escenario narrativas accesibles y que resuenan con la experiencia común del público.

El análisis de los 15 temas identificados demuestra la prevalencia de temáticas recurrentes en las obras de teatro del Festival de Curitiba entre 2024 y 2026. Temas como la representatividad de grupos minoritarios, incluyendo negros, indígenas, mujeres y personas con discapacidad, refuerzan el compromiso del festival con la diversidad y la promoción de reflexiones sociales. La investigación también reveló la ocurrencia continua de tópicos relacionados con el hacer teatral, como talleres, investigación, indagación y educación, lo que subraya la importancia del evento en la circulación de saberes artísticos y en la formación de nuevos talentos. Se observó, además, una tendencia de espectáculos que utilizan metalenguaje, multilinguaje y dimensiones sensoriales, explorando el cuerpo a través de la danza, la música y el teatro, junto a tópicos relacionados con el público infantil y la comedia, que estuvieron presentes en los tres años analizados. Esta amplitud sugiere que el festival es un evento democrático, pensado para todos los públicos y consolidado como una importante herramienta de creación de memorias colectivas y de diálogo cultural.

4. Conclusión

El estudio tuvo como objetivo aplicar el modelado de tópicos Latent Dirichlet Allocation (LDA) a las sinopsis de las ediciones de 2024, 2025 y 2026 del Festival de Curitiba para identificar y analizar sus principales tendencias temáticas. Mediante la aplicación sistemática del framework CRISP-DM y las técnicas de Procesamiento del Lenguaje Natural, se verificó una estructura multifacética de cinco ejes temáticos en cada año. Se identificó la prevalencia de temas como la representatividad de grupos minoritarios, incluyendo negros, indígenas, mujeres y personas con discapacidad, lo que refuerza el compromiso del festival con la diversidad y la promoción de reflexiones sociales. Se observó, además, la recurrencia de tópicos relacionados con el hacer teatral, como talleres, investigación y educación, subrayando el papel del evento en la circulación de saberes artísticos. La programación también reveló una tendencia de espectáculos que exploran la metalingüística, la multilingüística y las dimensiones sensoriales, integrando danza, música y teatro, junto a temas orientados al público infantil y a la comedia, que estuvieron presentes en los tres años analizados. La ausencia de superposición entre los tópicos demostró la capacidad del modelo para aislar las distintas dimensiones curatoriales del festival.

El análisis demostró la eficacia de las técnicas de Procesamiento del Lenguaje Natural para transformar datos textuales no estructurados en conocimiento estratégico, permitiendo la identificación de prioridades curatoriales y macrotendencias discursivas. Esta sistematización de datos históricos constituye una herramienta valiosa para la gestión cultural y la planificación estratégica de eventos de gran envergadura, validando percepciones cualitativas y estableciendo una base para futuros análisis. Se sugiere que la aplicación continua de este enfoque, año tras año, podrá identificar patrones de cambio cultural y social reflejados en las artes escénicas, contribuyendo a la preservación de la memoria y a una planificación más profunda de las prácticas culturales en Brasil.

Referencias 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.

Artículo originado del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy