A mineração de textos é um processo de mineração de dados que tem como objetivo extrair informações úteis de conjuntos de dados não estruturados ou semiestruturados, como e-mails, arquivos HTML ou transcrições. Este estudo propõe a utilização de técnicas de mineração de textos para avaliar a comunicação verbal em sessões de musicoterapia. Para tanto, foram transcritas sessões realizadas pelo projeto Efeitos de Intervenções Musicoterapêuticas na Qualidade de Vida de mulheres negras. As técnicas de nuvem de palavras, modelagem por tópicos e análise de sentimentos foram empregadas nesta pesquisa. A modelagem por tópicos identificou quatro agrupamentos de palavras denominados de “Mulheres Negras”, “Reflexões”, “Musicoterapia” e “Dores”. Por sua vez, a análise de sentimentos identificou uma distribuição ampla de sentimentos, com predominância de sentenças neutras ou positivas, fortemente enviesada para a direita e concentrada em torno da média, com poucas sentenças extremamente negativas ou positivas. Estes dados sugerem que as sessões trataram de questões sentimentais relacionadas às mulheres negras participantes e promoveram bem-estar para esta população. De acordo com os relatos das participantes em resposta a um questionário ao fim dos atendimentos musicoterapêuticos, os resultados da mineração de textos estão em consonância com a percepção das participantes. Neste sentido, a mineração de textos é uma técnica promissora para a compreensão da comunicação verbal em atendimentos musicoterapêuticos, e pode ser utilizada em futuras pesquisas para investigar, com mais evidências, estas e outras possibilidades para a prática clínica da musicoterapêutica.
Text mining is a data mining process that aims to extract useful information from unstructured or semi-structured data sets, such as emails, HTML files or transcripts. This study proposes the use of text mining techniques to assess verbal communication in music therapy sessions. For this purpose, sessions carried out by the project Effects of Music Therapy Interventions on the Quality of Life of black women were transcribed. Word cloud, topical modeling and sentiment analysis techniques were employed in this research. Topic modeling identified four groupings of words called “Black Women”, “Reflections”, “Music Therapy” and “Pain”. In turn, sentiment analysis identified a broad distribution of sentiments, with a predominance of neutral or positive sentences, heavily biased to the right and concentrated around the mean, with few extremely negative or positive sentences. These data suggest that the sessions dealt with sentimental issues related to the participating black women and promoted well-being for this population. According to the participants' reports in response to a questionnaire at the end of music therapy sessions, the results of text mining are in line with the participants' perception. In this sense, text mining is a promising technique for understanding verbal communication in music therapy sessions, and can be used in future research to investigate, with more evidence, these and other possibilities for the clinical practice of music therapy.
