Revisión de literatura sobre transmedia y narrativa usando un algoritmo de aprendizaje automático no supervisado

Propósito. El objetivo principal del estudio es analizar las publicaciones sobre transmedia y narrativa en la base de datos Scopus, identificando la evolución de los términos por año, para proponer una clasificación según las grandes temáticas encontradas. Metodología. Aplicamos un algoritmo de aprendizaje automático no supervisado, denominado modelado de temas, para identificar las principales temáticas tratadas. Luego aplicamos la codificación abierta y axial de la teoría fundamentada para identificar conceptos importantes, agregarlos y proponer temas de orden superior que puedan servir para clasificar el conocimiento generado sobre transmedia y narrativa. Resultados y conclusiones. Se revelan cinco temáticas investigadas, mostradas en un modelo evolutivo: Convergencia entre plataformas: juegos, televisión y películas; Intermedialidad, autoría y universos semióticos; Análisis semiótico y multimodalidad en narrativas transmedia; Interpretaciones políticas y culturales en el periodismo transmedia; y Explorando la narrativa transmedia en el entorno digital. Además, la narrativa multimodal se destaca como un campo de investigación crucial para comprender las nuevas formas en que los usuarios interactúan con contenidos transmedia a través de diversas plataformas y formatos, resaltando la necesidad de nuevos perfiles profesionales y de nuevas estrategias de comunicación para lograr entender los efectos de la narrativa transmedia, aprovechando el potencial de la multimodalidad en la era digital, sin descuidar la historia que se quiere contar y el impacto en el usuario a través de una monitorización adecuada. Aporte original. Combina métodos cuantitativos y cualitativos para identificar cinco grandes temáticas y su evolución temporal, proponiendo una base conceptual sólida para futuras investigaciones y aplicaciones profesionales.