GenderDataLab
GenderDataLab es un espacio de experimentación donde, se llevan a cabo proyectos de innovación relacionados con la creación, modelado, procesamiento y análisis de datos que incorporan esta perspectiva de género.
El Problema
La industria musical enfrenta una brecha de género que se ve exacerbada por la plataformaización del sector. Diversos estudios indican que los sistemas de recomendación musical, una parte crucial de los servicios de streaming musical ofrecidos por las plataformas, reproducen los sesgos de género. La plataforma musical más grande y utilizada por los usuarios, Spotify, consciente de los efectos no deseados de sus algoritmos de recomendación, ha implementado medidas para mitigar y abordar este sesgo. A pesar de que Spotify cuenta con un 44,0% de oyentes femeninas, solo un 22,8% de las reproducciones corresponden a artistas femeninas o mixtos. Las mujeres escuchan un 32,0% de artistas femeninas o mixtos, mientras que los hombres escuchan un 18,3%. Un informe desarrollado por el Joint Research Centre de la
Comisión Europea demostró que el algoritmo de recomendación ampliamente utilizado en Spotify tiende a seleccionar música de artistas masculinos en lugar de artistas femeninas, y propuso medidas para corregir esta tendencia.
Puedes consultar aquí los informes que documentan esta tendencia en las plataformas musicales:
Feedback Loop and Bias Amplification in Recommender: [Enlace]
Algorithmic Effects on the Diversity of Consumption on Spotify: [Enlace]
Metadata musical: la falta de estándares
La estructura de los metadatos musicales es la principal responsable de esta amplificación de sesgos de género. Los metadatos circulan a través de una interconexión no estandarizada de bases de datos en toda la industria, desde las discográficas, distribuidoras, servicios de reproducción en línea (DSP), organismos de gestión de derechos de autor (PRO) hasta editores. En este sentido, el estándar más ampliamente utilizado es el Music Metadata Style Guide desarrollado por Digital Data Exchange (DDEX). Aunque este estándar proporciona pautas y
recomendaciones sobre cómo estructurar y formatear los metadatos musicales de manera consistente, no incluye atributos como el género. La ausencia de estos atributos dificulta la identificación automatizada de la identidad de género del artista.
Propuestas de innovación
A través de la colaboración entre GenderDataLab y MusicData en talleres durante 2023 y 2024, se trabajará en la concepción y desarrollo un sistema algorítmico beta musical con enfoque de género, de código abierto. Este sistema busca promover la creación de tecnología que no amplifique los sesgos de género. Con este sistema, se explorarán nuevos métodos de metadatos, modelado y procesamiento de datos en formatos abiertos y de código abierto, con el objetivo de ofrecer alternativas tecnológicas que fomenten la igualdad de género.