Musik, Emotionen, Algorithmen - werden wir den Künstler:innen gerecht?

Wenn individuell angepasste Algorithmen verwendet werden, um das Musikhörverhalten der Nutzer:innen zu beeinflussen, müssen sowohl die Nutzer:innen und ihre Emotionen als auch die Songs durch entsprechende Attribute passend repräsentiert werden. Je besser die Repräsentation eines Songs durch passende Attribute, desto besser kann der individuelle Algorithmus Songs zuteilen. Bisher nutzen Musikstreamingdienste für die Kategorisierung von Songs Eigenschaften wie z.B. Danceability. Wir wollen mit den Anwesenden der Veranstaltung eine kleine Umfrage starten: Welche Eigenschaften beschreiben einen Song am besten?

Wir (Larissa, Matthias, Tibebu und Habiba) arbeiten gemeinsam mit unseren Studierenden im Rahmen eines Seminars an der Universität Hamburg an einem interdisziplinären Projekt (Psychologie trifft Informatik), bei dem wir den Einfluss des Musikhörverhaltens auf die psychische Gesundheit untersuchen. Dabei greifen wir auch auf Machine Learning Algorithmen zurück. Algorithmen zum Vorschlagen von Musik werden bereits von bekannten Musikstreamingdiensten genutzt. Aber wie gut sind diese? Können sie unsere Musikpräferenzen gut wiedergeben und werden die Songs und Artists gut repräsentiert?