Um novo estudo do Music Technology Group (MTG) e da Universidade de Utrecht, mostra que o algoritmo de recomendação amplamente usado pelas plataformas de streaming têm mais probabilidade de escolher músicas de artistas homens do que mulheres. De acordo com a pesquisa, estes algoritmos de recomendação de música podem estar ampliando o problema de preconceito de gênero existente na indústria.
A existência de uma discrepância de gênero na indústria da música não é desconhecida. No último relatório “Por Elas Que Fazem a Música“ divulgado pela União Brasileira de Compositores (UBC), o valor recebido por mulheres no Brasil em 2020 representa 9% do total, ou seja, a cada R$ 100 reais distribuídos, o valor destinado a elas é de apenas R$ 9 reais. Já sobre o valor arrecadado no exterior, dentre os 100 titulares com maiores rendimentos, 12 são mulheres.
Outro bom exemplo dessa disparidade é que um estudo das cinco maiores paradas musicais no Reino Unido entre os anos 1960-1995 mostrou como a música popular é afetada por uma grande desigualdade de gênero com um viés nas preferências de escuta em relação aos artistas homens.
Recentemente o The Guardian analisou os line-ups de festivais de música e percebeu que, em geral, são escados mais artistas do sexo masculino e esse preconceito também é prevalente em aplicativos de streaming de música como, por exemplo, o Spotify.
A Pesquisa
Desenvolvido por Andrés Ferraro (MTG) e Christine Bauer (Universidade de Utrecht), inicialmente, o trabalho buscava entender o que tornaria as plataformas de música online mais justas do ponto de vista dos artistas. Em entrevistas com artistas musicais, eles identificaram que a justiça de gênero era uma das principais preocupações da classe.
Em seguida, eles testaram um algoritmo de recomendação comumente usado com base na filtragem colaborativa e analisaram os resultados de dois conjuntos de dados. Em ambos os casos, eles viram que:
- O algoritmo reproduz o viés do conjunto de dados, onde apenas 25% dos artistas são mulheres;
- Em média, a primeira recomendação de uma artista feminina está na posição 6 ou 7, enquanto um o artista masculino ocupa a primeira posição. Isso significa que as mulheres têm menos exposição.
Conforme os usuários ouvem as músicas recomendadas, o algoritmo aprende com elas. Isso cria um ciclo de feedback. Como uma solução potencial, os autores propuseram uma nova abordagem para dar gradualmente mais exposição às artistas femininas: aplicar uma reclassificação nas recomendações, movendo os artistas masculinos um número específico de posições para baixo.
Em uma simulação, eles estudaram como as recomendações re-classificadas podem afetar o comportamento de escuta dos usuários a longo prazo. Com a ajuda do algoritmo re-classificado, os usuários começariam a mudar seu comportamento. Eles iriam ouvir mais artistas mulheres do que antes e, eventualmente, o recomendador começou a aprender com essa mudança de comportamento.
“Simulando o loop de feedback, mostramos que o gênero pode ser mais bem equilibrado em um prazo mais longo ao aumentar gradualmente a exposição das artistas femininas nas recomendações. Esse equilíbrio é alcançado sem afetar seriamente o desempenho”, revelaram os cientistas.
O estudo, apresentado na Conferência de 2021 sobre Interação e Recuperação de Informação Humana, avaliou o comportamento auditivo de cerca de 330.000 usuários em um período de nove anos. Embora os autores reconheçam que a classificação binária de gênero não reflete a multiplicidade de identidades de gênero, eles disseram que o conjunto de dados atual disponível em aplicativos de streaming não vai além dessa classificação.
Eles acreditam que mais pesquisas serão necessárias para avaliar como os consumidores percebem as mudanças de longo prazo introduzidas pela estratégia de reclassificação e como o novo método pode impactar o comportamento de consumo de música das pessoas.