Explorando a importância da personalização na criação de playlists.

• Ano de defesa: 2020
• Autor(a) principal: MÉLO, Daniel Gondim Ernesto de.
• Orientador(a): ANDRADE, Nazareno Ferreira de.
• Banca de defesa: CAMPELO, Cláudio Elízio Calazans., MARINHO, Leandro Balby., CABRAL, Giordano Ribeiro Eulalio., FIGUEIREDO, Flavio Vinicius Diniz de.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande
• Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
• Departamento: Centro de Engenharia Elétrica e Informática - CEEI
• País: Brasil
• Palavras-chave em Português: Computação e Música; Computação - Metodologia e Técnicas; Músicas para Relaxamento; Música – Playlists – Personalização; Computing and Music; Computing - Methodology and Techniques; Relaxation Songs; Music - Playlists - Personalization
• Área do conhecimento CNPq: Ciência da Computação
• Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/13366

Muitas vezes ouvir música não é apenas um hobby, ou uma atividade de lazer, mas sim uma maneira de alcançar um certo estado emocional ou psicológico, ou mesmo de realizar mais facilmente, ou melhor, uma atividade, e.g. relaxar. Entender as preferências dos usuários ao escutar músicas para realizar determinadas atividades é primordial para aperfeiçoar um recomendador musical baseado em contexto. Entretanto, até o momento, os estudos desta área têm focado em identificar características gerais de músicas de acordo com determinados contextos, ou seja, consideram que uma música para, por exemplo, relaxar, possui as mes- mas características independentemente de usuário. Deste modo, a fim de explorar possíveis diferentes preferências e percepções entre usuários, ao criarem playlists para relaxamento, este trabalho realizou uma análise com aproximadamente 91.000 playlists criadas por cerca de 8.000 usuários nas plataformas 8tracks e Spotify, que são bastante utilizadas para o com- partilhamento de músicas. Neste estudo, consideramos a preferência musical de um usuário como sendo um modelo representativo das características das músicas escolhidas por ele em suas playlists. Estas características compreendem informações de alto e baixo nível das músicas e foram obtidas por meio da utilização da API do Spotify. Informações de alto nível se referem a características que seres humanos podem reconhecer ao escutar música, como por exemplo o quão dançante é uma música, se é instrumental, quão enérgica é, etc. Por outro lado, informações de baixo nível se referem a características do sinal do áudio, tais como o timbre, que é utilizado neste trabalho. Os resultados obtidos com as análises realizadas sugerem que de fato existem grandes diferenças nas percepções dos usuários ao criarem playlists para relaxamento. Foi possível identificar a existência de diferentes grupos de usuários, onde cada grupo possui um conjunto específico de características relevantes que definem suas percepções sobre músicas relaxantes. Outrossim, também foram observadas desigualdades entre os usuários quando comparamos a diferença entre suas percepções de músicas não-relaxantes e relaxantes. Dessa forma, estes resultados sugerem que deve haver um tratamento específico para cada um destes grupos de usuários, por exemplo, ao se re- comendar músicas para relaxamento. Além dos resultados obtidos, este trabalho tem como contribuição a disponibilização de um novo conjunto de dados para futuras pesquisas sobre playlists musicais para relaxamento.