Un estudio realizado por investigadores austríacos y neerlandeses descubrió que las apps de música que utilizan algoritmos para recomendar canciones o bandas no tienen el mismo éxito con todos los géneros musicales. De acuerdo con los resultados de la investigación, estas plataformas lograrían dar en la tecla con los consumidores de música mainstream mientras que el asesoramiento a oyentes de hip hop o hard rock dejaría, en cambio, bastante que desear.

El sistema que utilizan las apps de streaming (similar a lo que ocurre con las de series y películas) se basa en un filtrado colaborativo: las plataformas registran los artistas y géneros que escucha un usuario, cotejan estos resultados con oyentes afines para conocer qué les gusta a otros, y a partir de eso hacen recomendaciones. 

Con el objetivo de poner a prueba estas recomendaciones, investigadores de la Universidad Tecnológica de Graz, de la Universidad Johannes Kepler de Linz, la Universidad de Innsbruck (Austria) y de la Universidad de Utrecht (Países Bajos) tomaron los resultados generados por algoritmos de la llamada música dominante o mainstream y los cotejaron con la no convencional.

Para este análisis, que fue publicado en el último número de la revista EPJ Data Science, utilizaron un conjunto de datos que contenía los historiales de 4.148 usuarios de la plataforma Last.fm. Basándose en los artistas que los usuarios escuchaban con más frecuencia, los autores utilizaron un modelo para predecir la probabilidad de que a estos les gustara la música que sugerían cuatro algoritmos diferentes.

"Nuestros resultados sugieren que muchas de las técnicas de recomendación musical más avanzadas pueden no ofrecer recomendaciones de calidad a los oyentes de música no convencional", señaló Elisabeth Lex, autora del estudio.

Música no convencional

En la investigación, los autores categorizaron a los oyentes de música no comercial en cuatro géneros: con instrumentos acústicos, como el folk o los cantautores; ritmos de "alta energía", como el punk o el hip-hop; acústica vocal, como los sonidos ambientales; y la electrónica.

A partir de esa clasificación, compararon los historiales de cada grupo e identificaron, con el modelo computacional, qué usuarios eran más propensos a escuchar música fuera de sus preferencias y la diversidad de géneros musicales dentro de cada grupo.

Según los resultados del estudio, los que escuchaban música ambiental eran más propensos a oír también hard rock, folk o electrónica. Sin embargo, los oyentes de "alta energía" eran los menos proclives a escuchar la música preferida por los oyentes de folk, electrónica o ambiental, aunque escuchaban la mayor variedad de géneros, por ejemplo, hard rock, punk, cantautor y hip-hop.

En este grupo no convencional, quienes escuchaban rock duro o rap recibían sugerencias musicales menos exactas que los demás.

Según concluyeron, esto se explica porque los algoritmos están sesgados hacia la música más popular, lo que hace que los géneros no convencionales tengan menos probabilidades de ser recomendados con eficacia. Los hallazgos a los que llegaron, sostuvieron los investigadores, podrían servir de base para crear sistemas de recomendación musical más precisos.