Nella presente tesi si analizzano le trame dei film di maggior incasso usciti tra il 1980 e il 2025, con l’obiettivo di studiare come sia evoluta nel tempo la loro composizione tematica. A tale scopo si impiega LDATS (Latent Dirichlet Allocation coupled with Time Series), un modello bayesiano che individua i temi latenti in un insieme di testi e ne stima l’evoluzione temporale, distinguendo tra cambiamenti graduali e rotture nette (changepoint). Il modello selezionato individua 6 topic e un changepoint attorno al 2002-2003. Tuttavia, un’analisi più approfondita – basata sul confronto tra i criteri di selezione AIC e AICc e sulla diagnostica a posteriori della posizione del changepoint – mostra che l’evidenza a favore di una rottura strutturale netta è debole, e che i dati sono più coerenti con un’evoluzione tematica continua. Tale lettura è confermata da verifiche di robustezza svolte su configurazioni alternative del modello, ed è esemplificata dalla crescita prolungata del tema legato ai franchise cinematografici e agli universi narrativi condivisi.

Evoluzione dei temi narrativi nel cinema attraverso l'analisi statistica del testo

RAMBALDO, THOMAS
2025/2026

Abstract

Nella presente tesi si analizzano le trame dei film di maggior incasso usciti tra il 1980 e il 2025, con l’obiettivo di studiare come sia evoluta nel tempo la loro composizione tematica. A tale scopo si impiega LDATS (Latent Dirichlet Allocation coupled with Time Series), un modello bayesiano che individua i temi latenti in un insieme di testi e ne stima l’evoluzione temporale, distinguendo tra cambiamenti graduali e rotture nette (changepoint). Il modello selezionato individua 6 topic e un changepoint attorno al 2002-2003. Tuttavia, un’analisi più approfondita – basata sul confronto tra i criteri di selezione AIC e AICc e sulla diagnostica a posteriori della posizione del changepoint – mostra che l’evidenza a favore di una rottura strutturale netta è debole, e che i dati sono più coerenti con un’evoluzione tematica continua. Tale lettura è confermata da verifiche di robustezza svolte su configurazioni alternative del modello, ed è esemplificata dalla crescita prolungata del tema legato ai franchise cinematografici e agli universi narrativi condivisi.
2025
The evolution of narrative themes in cinema through statistical text analysis
Topic Modeling
Latent Dirichlet All
Time Series
File in questo prodotto:
File Dimensione Formato  
Rambaldo_Thomas.pdf

Accesso riservato

Dimensione 677.92 kB
Formato Adobe PDF
677.92 kB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/115411