Los sistemas de recomendación musical tratan injustamente a las artistas femeninas, pero podemos cambiarlo.

En los últimos años se visualiza un incremento de personas suscritas a uno de los muchos servicios de música en streaming que se están popularizando hoy en día. Basándose en las preferencias de escucha de los usuarios, estas plataformas emplean algoritmos para proponer música. Las canciones sugeridas pueden aparecer en listas de reproducción completamente nuevas o pueden empezar a reproducirse automáticamente una vez que otra lista de reproducción ha terminado.

Sin embargo, las sugerencias de los algoritmos no siempre son justas. En un estudio reciente, se descubrió que un popular sistema de recomendación favorece la música de músicos masculinos frente a la de músicas femeninas. Como respuesta, hemos desarrollado un método sencillo para promocionar a las artistas femeninas y su musica.

Las mujeres y las minorías de género están increíblemente infrarrepresentadas en la industria musical. En los Billboard 100, las mujeres y las minorías de género representaban alrededor del 29% de los músicos. Las mujeres representan el 23% o menos de los compositores y letristas registrados, mientras que los compositores masculinos representan el 98% de las obras interpretadas por las grandes orquestas.

Los servicios de streaming también muestran este sesgo. La mayoría de las mujeres y de los músicos mixtos se encuentran en los escalones más bajos de la popularidad, con unas pocas “superestrellas” femeninas predominando entre los mejores intérpretes. Las plataformas de música en línea y sus algoritmos de selección de canciones, conocidos como recomendadores, desempeñan un papel importante en este asunto, aunque no esté específicamente relacionado con la industria musical.

La investigación

Rara vez se consulta a los artistas musicales que crean los contenidos, a pesar de que en estudios anteriores se ha preguntado frecuentemente a los consumidores por su opinión.

Los artistas debían recibir una atención especial por nuestra parte. Le preguntamos a músicos para conocer su opinión sobre lo que podría mejorar la equidad en las plataformas de música en línea. Identificaron la desigualdad de género como un problema importante, por lo que decidimos investigarlo más a fondo.

Según la encuesta sobre los hábitos de escucha de 330.000 consumidores durante un periodo de nueve años, sólo el 25% de los músicos escuchados eran mujeres. Cuando pusimos a prueba el algoritmo, descubrimos que la primera canción y las seis siguientes eran, de media, recomendadas por hombres. Para escuchar una mujer, los oyentes tenían que esperar hasta la séptima o la octava canción.

Rompiendo el bucle, hackeando el algoritmo

El sistema obtiene conocimientos de las canciones que se sugieren a medida que los usuarios las escuchan. Se crea así un bucle de retroalimentación.

Se nos ocurrió una estrategia sencilla para aumentar progresivamente la exposición de las mujeres y su música y romper este ciclo de retroalimentación. Reordenamos las recomendaciones del algoritmo central rebajando a los artistas masculinos un número predeterminado de puestos.

Investigamos en una simulación cómo afectarían nuestras recomendaciones a los hábitos de escucha de los usuarios a lo largo del tiempo. Nuestro algoritmo animaría a la gente a modificar su comportamiento. Se escucharían más artistas femeninas que antes.

Con el tiempo, el recomendador empezó a tener en cuenta este cambio de comportamiento. Incluso antes de que cambiáramos la clasificación, empezó a dar una puntuación más alta a las mujeres en las playlist recomendadas. En otras palabras, el bucle de retroalimentación se había roto.

Esto demuestra lo sencillo que es. Nuestro sencillo planteamiento puede ayudar a abordar los sesgos algorítmicos que influyen significativamente en la forma en que muchas personas encuentran música y artistas nuevos. A continuación, tenemos previsto investigar cómo reaccionan los clientes reales a los ajustes de la estrategia de cambio de clasificación y cómo afecta a sus hábitos de escucha a lo largo del tiempo.

La recopilación y el uso de información sobre la diversidad de identidades de género sería otro paso fundamental. Somos conscientes de que la gama de identidades de género no está representada con exactitud por esta clasificación binaria de género. La falta de datos que vayan más allá del género binario es una barrera importante para el estudio, así como para tomar medidas y hacer avanzar a la sociedad.

Hasta ahora, nuestra simulación ha podido mostrar las ventajas de una estrategia de reordenación directa. Por supuesto, los proveedores de plataformas no son los únicos responsables. Los subrepresentadas en la industria musical están siendo representadas por programas como Keychange y Women in Music. El resto de nosotros tenemos que seguir.

Cualquier esfuerzo por retratar a más mujeres de todos los géneros de forma más igualitaria es un paso en la dirección correcta, ya que los festivales de música son criticados por la escasez de mujeres en sus alineaciones.

‘ Este Articulo puede contener información publicada por terceros, algunos detalles de este articulo fueron extraídos de la siguiente fuente: theconversation.com ’