Abseits des Mainstreams versagen Algorithmen

Ein Team von Forschenden der Technischen Universität Graz, der Johannes Kepler Universität Linz, der Universität Innsbruck und der Universität Utrecht hat die Treffsicherheit von Algorithmus-basierten Musikempfehlungen für Hörerinnen und Hörer von Mainstream- und Nicht-Mainstream-Musik untersucht. Dafür wurde ein Datensatz des bisherigen Hörverhaltens von 4148 Nutzerinnen und Nutzern der Musikstreaming-Plattform Last.fm verwendet, von denen die eine Hälfte vorwiegend Nicht-Mainstream- und die andere Hälfte vorwiegend Mainstream-Musik hörte.

Die Forschenden verglichen die Hörgewohnheiten der einzelnen Gruppen miteinander und ermittelten, welche Personen am häufigsten Musik ausserhalb ihrer bevorzugten Genres hörten und wie breit gestreut die gehörten Musikgenres innerhalb jeder Gruppe waren.

Wer hauptsächlich Musik wie Ambient hörte, wies am ehesten eine Bereitschaft auf, sich auch auf Musik einzulassen, die eigentlich von Hardrock-, Folk- oder Electronica-Fans bevorzugt wurde. Personen mit einer Vorliebe für energiegeladene Musik waren am wenigsten geneigt, Musik zu hören, die von der Folk-, Electronica- oder Ambient-Anhängerschaft bevorzugt wurde. Sie hörten stattdessen die größte Vielfalt an Genres, zum Beispiel Hardrock, Punk, Singer/Songwriter und Hip-Hop.

Anhand des Computermodells prognostizierten die Forschenden, wie wahrscheinlich es ist, dass den verschiedenen Gruppen Nicht-Mainstream-Hörender die von den vier gängigen Algorithmen generierten Empfehlungen tatsächlich gefielen. Die Empfehlungen für Liebhabende von überwiegend energiegeladener Musik schienen am wenigsten zutreffend zu sein, während sie bei Ambient-Hörenden die höchste Treffsicherheit erreichten.

Mehr Infos:
https://www.know-center.tugraz.at/epj-data-science-algorithmus-basierte-musikempfehlungen/