GenderDataLab

La perspectiva de gènere és fonamental, ja que actua com un corrector dels biaixos que sorgeixen durant la recol·lecció, modelatge i processament de dades. Les dades desglossades per sexe i/o per gènere tenen el potencial de revelar diferències significatives en àrees com a salaris, oportunitats laborals, accés a l’educació i atenció mèdica, diferències que podrien passar desapercebudes d’una altra manera. Aquestes dades permeten identificar variables que poden ser diferents entre homes i dones, llançant llum sobre disparitats invisibles. Això facilita la identificació de patrons i tendències que suggereixen l’existència de biaixos de gènere i permet quantificar la magnitud d’aquests biaixos. Sense aquestes dades, seria difícil reconèixer i abordar de manera efectiva les desigualtats de gènere que persisteixen en la societat.

EL PROBLEMA

La indústria musical enfronta una bretxa de gènere que es veu exacerbada per la plataformització del sector. Diversos estudis indiquen que els sistemes de recomanació musical, una part crucial dels serveis de streaming musical oferts per les plataformes, reprodueixen els biaixos de gènere. La plataforma musical més gran i utilitzada pels usuaris, Spotify, conscient dels efectes no desitjats dels seus algorismes de recomanació, ha implementat mesures per a mitigar i abordar aquest biaix. Tot i que Spotify compta amb un 44,0% d’oïdores femenines, només un 22,8% de les reproduccions corresponen a artistes femenines o mixtos. Les dones escolten un 32,0% d’artistes femenines o mixtos, mentre que els homes escolten un 18,3%. Un informe desenvolupat pel Joint Research Centre de la Comissió Europea va demostrar que l’algorisme de recomanació àmpliament utilitzat en Spotify tendeix a seleccionar música d’artistes masculins en lloc d’artistes femenines, i va proposar mesures per a corregir aquesta tendència. Pots consultar aquí els informes que documenten aquesta tendència en les plataformes musicals: Feedback Loop and Bias Amplification in Recommender: [Enllaç] Algorithmic Effects on the Diversity of Consumption on Spotify: [Enllaç]

METADATA MUSICAL: LA FALTA D’ESTÀNDARDS

L’estructura de les metadades musicals és la principal responsable d’aquesta amplificació de biaixos de gènere. Les metadades circulen a través d’una interconnexió no estandarditzada de bases de dades en tota la indústria, des de les discogràfiques, distribuïdores, serveis de reproducció en línia (*DSP), organismes de gestió de drets d’autor (PRO) fins a editors. En aquest sentit, l’estàndard més àmpliament utilitzat és el Music Metadata Style Guide desenvolupat per Digital Data Exchange (DDEX). Encara que aquest estàndard proporciona pautes i recomanacions sobre com estructurar i formatar les metadades musicals de manera consistent, no inclou atributs com el gènere. L’absència d’aquests atributs dificulta la identificació automatitzada de la identitat de gènere de l’artista.

PROPOSTES INNOVADORES

A través de la col·laboració entre GenderDataLab i MusicData en tallers durant 2023 i 2024, es té la intenció de concebre i desenvolupar un sistema algorítmic beta musical amb enfocament de gènere, de codi obert. Aquest sistema busca promoure la creació de tecnologia que no amplifiqui els biaixos de gènere. Amb aquest sistema, s’exploraran nous mètodes de metadades, modelatge i processament de dades en formats oberts i de codi obert, amb l’objectiu d’oferir alternatives tecnològiques que fomentin la igualtat de gènere.