Desenvolvimento de Diretrizes para Classificação Automática com Foco na Identificação de Músicas Cristãs
BERT, Processamento de Linguagem Natural, Música Gospel, Análise de Sentimentos, Adoração
O estudo apresentado nesta dissertação explora a aplicação de algoritmos avançados de Processamento de Linguagem Natural (PLN) para examinar as letras de músicas gospel brasileiras. Utilizando o modelo BERT (Bidirectional Encoder Representations from Transformers), desenvolvido por Devlin et al. em 2019, esta pesquisa se propõe a decifrar padrões linguísticos e temáticos nas composições, vi- sando entender como essas refletem as crenças, valores e a identidade religiosa no contexto brasileiro. A música gospel é um componente vital da cultura brasileira, servindo como uma expressão de fé e um veículo para a construção da identidade comunitária e individual. Este estudo foca particularmente na análise de senti- mentos e na identificação de temas de adoração, usando o BERT para analisar a complexidade e a riqueza do conteúdo lírico das músicas. A dissertação deta- lha a metodologia empregada na coleta e análise dos dados, destacando o papel transformador do BERT no entendimento contextualizado de textos. Combinando técnicas quantitativas e qualitativas, a pesquisa não apenas fornece insights sobre a evolução da música gospel brasileira, mas também demonstra o potencial do uso de modelos de PLN no estudo detalhado de textos musicais. Este trabalho é signi- ficativo para os campos de estudos da música, religião e tecnologia da informação, oferecendo uma nova perspectiva sobre como a tecnologia pode ser utilizada para aprofundar a compreensão das dinâmicas culturais e espirituais contemporâneas.