Streamingdiensten gebruiken algoritmes die in het nadeel werken van vrouwelijke artiesten. De kans dat je muziek van een zangeres aanbevolen krijgt, is veel kleiner dan nummers van een zanger.
Onderzoeker Christine Bauer, verbonden aan de Universiteit Utrecht, bekeek samen met de Spaanse wetenschappers Andrès Ferraro en Xavier Serra de algoritmes die leiden tot nieuwe afspeellijsten.
Ze analyseerden het luistergedrag van 330.000 gebruikers van online-muziekplatforms over een periode van negen jaar. Slechts een kwart van de artiesten waarnaar werd geluisterd, was een vrouw. Bij het testen van het algoritme bleek dat gemiddeld het eerstvolgende aanbevolen nummer van een man was, samen met de volgende zes. Als gebruikers naar de aanbevolen nummers luisteren, leert het algoritme hiervan. Zo ontstaat er een feedbackcyclus die oneerlijk is tegenover vrouwelijke artiesten.
Volgens Bauer valt deze voor vrouwen negatieve spiraal gemakkelijk te doorbreken. Ze maakte een nieuwe rangschikking door mannelijke artiesten wat lager te plaatsen. Het luistergedrag bleek via dit nieuwe algoritme te veranderen in het voordeel van vrouwen. Uiteindelijke begon het algoritme hiervan te leren en begon ook zonder interventie van de onderzoekers vrouwen hoger in de nieuwe afspeellijst te plaatsen.
Volgens het onderzoek verklaren de uitkomsten voor een deel waarom vrouwen in de muziekindustrie ondervertegenwoordigd zijn. In de Billboard 100 van 2019 was nog geen kwart vrouw. Bauer is assistent professor bij Human Centred Computing in Utrecht.
