Tune that Radio! Matthias Snellings Begelijder: Sten Govaerts Promotor: Erik Duval Blog: matthiassnellings.wordpress.com 1. Situering en Probleemstelling De originele opdracht van de thesis luidde om een mobiele applicatie te maken waarop een playlist generator te maken al dan niet gegenereerd door een muzikale context die snel aan te passen is zonder uitgebreide gebruikersinteracties. Voor deze thesis zal samengewerkt worden met Aristo Music. Samen met de KU Leuven hebben zij al een technologie ontwikkeld die de juiste muziek aanbiedt op de juiste moment, tunify. Deze applicatie is vooral ontwikkeld voor horecazaken. Een mobiele applicatie die zich meer richt op individuele gebruikers zal aan heel andere vereisten moeten voldoen. In een horecazaak helpt een automatische playlist generator het personeel om een uitgebreid aanbod van gevarieerde muziek bij een gepaste sfeer aan te bieden zonder dat het personeel zelf veel kennis van muziek moet hebben en veel tijd in de muziek moet steken. Individuele gebruikers gebruiken een playlist generator om hen te helpen de muziek te laten horen die zij op dat moment willen horen zonder dat zij de tijd of moeite willen steken in zelf een afspeellijst maken. Een goede afspeellijst maken kost veel tijd en moeite. Veel meer dan op publieke plaatsen willen individuele gebruikers naar muziek luisteren die hen enigszins bekend in de oren klinkt. Ze willen de playlist generator dus gebruiken om muziek te luisteren die ze goed kennen en bekend mee zijn, maar ook muziek die ze van ergens kennen en waarbij ze denken: Wat is dit nu weer? Dit klinkt goed. Het kan ook zijn dat ze actief op zoek zijn naar muziek die ze nog nooit hebben gehoord, de playlist generator kan dan helpen hen de juiste muziek aan te raden. Er kan aangenomen worden dat het doelpubliek voor de mobiele applicatie geïnteresseerd is in muziek en er dus waarschijnlijk een grotere kennis van heeft dan de horeca uitbater die de playlistgenerator wilt gebruiken om zijn klanten zo goed mogelijk van muziek te voorzien zonder dat hij kennis en interesse in muziek moet hebben. 2. Geleverd werk en Resultaten 2.1 Onderzoek naar bestaande technologie In een eerste fase ben ik op zoek gegaan naar welke automatische playlist generators er al bestonden en welke functionaliteiten deze aanboden. Hierbij heb ik vooral gekeken naar webapplicaties en mobiele applicaties voor iphone of Android. De grootste moeilijkheid hierbij was dat alle mobiele applicaties die gebruik maken van een centrale muziekdatabank geweerd worden door sabam en dus niet verkrijgbaar zijn in de AppStore of de Android Market. Bijgevolg
was het niet mogelijk om deze te testen en moest ik gebruik maken van YouTube filmpjes en de websites die in sommige gevallen een oplijsting van de functionaliteiten gaf. De Pandora website is zelfs niet toegankelijk in België. Een vergelijking van de belangerijkste mobiele applicaties wordt samengevat in tabel1. Tabel 1: Vergelijk Mobiel Applicaties De meest populaire methode om afspeellijsten te genereren is door gebruik te maken van seed songs. Enkel Moodagent laat toe om met behulp van grafische schuifknoppen aan te geven hoe vrolijk, sensueel,enz. de muziek moet zijn in de afspeellijst en welk tempo de muziek moet hebben. Om nieuwe muziek te leren kennen bieden de meeste applicaties de mogelijkheid aan om nieuwe liedjes te leren kennen dankzij de playlist generator of de charts, de meesten bieden geen functionaliteit aan om nieuwe albums te leren kennen. Wanneer een playlist generator een liedje afspeeld dat de gebruiker nog niet kent, kan het leuk zijn dat hij hier informatie over kan krijgen over dit liedje en zijn artiest zodat hij dit kan plaatsen. De periode, het genre waartoe het behoort, gaat het hier om een one-hit-wonder of heeft deze artiest ook een goed album gemaakt vinden sommige gebruikers misschien wel interessant. Deze functionaliteit ontbreekt meestal bij de bestaande playlist generators. 2.2 Literatuurstudie In de literatuurstudie ben ik dan vooral op zoek gegaan naar papers die onderzoek deden naar het huidig luistergedrag van mensen en welke functionaliteiten van een playlist generator populair zijn. Er waren wel verschillende papers die interessante onderzoeken deden, maar veel papers hadden een beperkte onderzoeksgroep, waardoor de resultaten statisch insignificant zijn. Vaak waren de onderzochten dan nog eens allemaal computerwetenschappers. Eén van de interessantste onderzoeken met een tamelijk represantieve onderzoeksgroep is uit 2004, Digital Music Interaction Concepts: A User Study. Hieruit blijkt dat de ondervraagden vooral de album cover en de discografie van de artiest als nuttige informatie beschouwden tijdens het luisteren naar muziek. Muziek luisteren op basis van een aangegeven gemoedstoestand werd niet zo interessant bevonden. Veel populairder was muziek luisteren van gelijkaardige artiesten.
Toch moet er voorzichtig omgegaan worden met de resultaten van dit onderzoek. Sinds 2004 is er veel verandert op vlak van digitale muziek luisteren, mobiele applicaties en playlist generators. 2.3 Enquête Omdat ik niet meteen een paper van een goed recent onderzoek kon vinden besloot ik zelf een vragenlijst op te stellen en deze te verspreiden via facebook, twitter, mail en mijn blog. Tegen die tijd had ik ook een goed idee van welke functionaliteiten ik zou kunnen aanbieden. Deze waren gebaseerd op de functionaliteiten van bestaande applicaties. Ook wou ik onderzoek doen naar de populariteit van functionaliteiten die ik zelf mistte: Een manier om in de zoektocht naar nieuwe muziek goede albums te ontdekken. Wanneer muziek wordt afgespeeld in de playlist generator meer informatie te verkrijgen om de muziek te kunnen plaatsen. Over meer invoer kunnen beschikken dan alleen seed songs voor de playlist generator. 102 mensen vulden de enquête in. Doordat enkelen de link deelden op hun facebook wall, werd de enquête ook buiten mijn clique ingevuld. Dit is bevorderlijk voor de correlatie van de gegevens. 67 % van de ondervraagden gaf aan meer dan 1 uur naar muziek per dag te luisteren en 25% luistert ongeveer een uur per dag naar muziek. De ondervraagden waren dus matig tot zeer geïnteresseerd en lagen dus in de doelgroep. Een uitgebreide bespreking van de resultaten is terug te vinden op mijn blog (Post: Resultaten Enquête). Opvallend was dat nog steeds 50% van de ondervraagden cd s aanduidden als een vaak gebruikte methode om naar muziek te luisteren. Een muziek bibliotheek op de computer is de populairste manier met 83% en 73% gebruikt een mobiel toestel. De populairste methode om naar digitale muziek te luisteren, is naar albums luisteren (60%). Op een gedeelde tweede plaats komen op voorhand een playlist maken (46%), de hele bibliotheek shufflen (44%) en een artiest shufflen (44%). Slechts 14% gebruikt een playlist generator. De artiest blijkt de belangrijkste retrieval methode om muziek te zoeken. 85% van de ondervraagden gebruikt dit vaak, 11% soms. Titel (62%/29%) en album (25%/59%) worden ook nog geregeld gebruikt. Andere meta-data velden worden enkel soms gebruikt. Er werd aan de ondervraagden gevraagd over over welke informatie ze graag zouden kunnen beschikken terwijl ze naar muziek luisterden. Bijna alle opties vinden wel een publiek. De biografie van de artiest scoorde het slechtst, maar nog steeds 27% vindt dit nuttig of zeer leuk. De populairste informatie is op welk album het liedje staat: 47% vindt dit zeer leuk, 39% vindt dit nuttig. Vervolgens werd gevraagd over welke invoer de ondervraagden wilden beschikken om een automatische playlist te generen. Seed songs is duidelijk de meest populaire manier. Genre wordt door de meesten ook als nuttig beschouwd. Over tempo en gemoedstoestand zijn de meningen verdeeld. Periode en streek is het enige wat algemeen als minder nuttig wordt beschouwd, toch vindt 23% dit nuttig of zeer leuk. De resultaten voor seed songs, genres, gemoedstoestanden en tempo zijn samengevat in figuur 1.
Seed Songs Genre Tags Gemoedstoestanden Figuur 1: Resultaten poll invoer playlist Muzikale parameters (bv. Tempo) Ten slotte werd gevraagd wat de ondervraagden vonden van een ratingsysteem zoals imdb maar dan voor albums. Gebruikers geven een punt op 10 op een album. Op die manier kan een gemiddelde bij elk album worden weergegeven en de gebruiker krijgt een beeld of dit album algemeen goed bevonden wordt. De resultaten woden weergegeven in figuur 2. Uit de resultaten blijkt dat de ondervraagden dit een leuke functionaliteit zouden vinden. Figuur 2: Resultaat poll ratingsysteem 3 Doelstelling De doelstelling van deze thesis is om een mobiele applicatie te maken die de gebruiker zo goed mogelijk helpt de muziek te luisteren die hij op dat moment wilt horen. Er moet ook genoeg functionaliteit aanwezig zijn om nieuwe muziek te ontdekken. 3.1 Must Have Een goede retrieval methode waarbij de gebruiker kan zoeken op artiest, titel en album is belangrijk. Er moet een playlist generator op basis van seed songs aanwezig zijn. Feedback kan gegeven worden op de gegenereerde songs om de playlist generator bij te sturen. Filters helpen de gebruiker om de playlist generator bij te sturen. De volgende filters zijn interessant: Include/exclude genre Include/exclude Mood Tempo tussen x bpm en y bpm Periode tussen jaar x en jaar y Inlude/exclude plaats
Tijdens het luisteren naar muziek kan de gebruiker over de volgende informatie beschikken: Artiest Info (wanneer opgericht, land, genres,...) Artiest Biografie Artiest Discografie Gelijkaardige Artiesten Gelijkaardige Liedjes Genres Lyrics Opkomende events en concerten Een ratingsysteem helpt de gebruiker niewe albums te ontdekken. Via charts kunnen de beste albums worden weergegeven op basis van het ratingsysteem. Ook hier kunnen filters gebruikt woden om het beste album per genre, per decenium, per jaar of per land te zien. Voor liedjes kunnen ook charts getoond worden op basis van het aantal keer dat een liedje is afgespeeld. 3.2 Nice to have Enkele mogelijke uitbreidingen zijn de volgende: Last fm scrobbler Sociaal netwerk Feature die een afspeellijst genereeerd op basis van de gedeelde smaak wanneer enkele vrienden samenkomen en het eens willen geraken over de keuze van muziek 4 Planning 5 Belangrijkste Moeilijkheden Zoals al aangegeven in Sectie 2: Geleverd Werk en Resultaten kunnen veel bestaande applicaties niet getest worden omdat Sabam ze niet toelaat in ons land. Dit zorgt voor veel moeilijkheden bij het bestuderen van bespaande applicaties. Een tweede probleem was dat in vele papers een interessant onderzoek werd gedaan, maar de resultaten niet betrouwbaar waren omdat de onderzoeksgroep te klein was en niet gediversifieerd genoeg. Dit probleem is opgelost door zelf een enquête te houden die zich specifiek richtte op de applicatie die ik in mijn thesis zou ontwikkelen.
Een probleem dat vooral in de komende ontwerpfase zal opduiken is het gebrek aan een cursus gebruikersinterfaces. Deze cursus kan pas gevolgd woden in het tweede semester en in het begin van vorig jaar wist ik nog niet bij welke afdeling ik mijn thesis zou doen. Ik heb het vak ondertussen opgenomen in mijn ISP, maar tegen dan is het waarschijnlijk te laat. De grootste moeilijkheid is daarom het maken van de planning. Ik heb geen ervaring met het ontwerp van een gebruikersinterface en heb dus niet zo een goed beeld van wat hier allemaal bij komt kijken en hoe lang dit gaat duren. 6 Dit werk verdient... Dit werk verdient een 13/20. De eerste weken heb ik te weinig aan mijn thesis gewerkt. Pas sinds de laatste twee weken ben ik er serieus aan beginnen werken. Vooral de literatuurstudie is hierdoor wat beperkt. Toch ben ik tevreden van het werk van de voorbije weken. De enquête heeft mij goed op weg geholpen om tot een goed overzicht te komen van de must have functionaliteiten. 7 Bijlage 1: Statistieken Aantal blogposts 8 Aantal Comments op andere blogs 2 Aantal Tweets 11 Aantal uren gewerkt totaal 69 Andere Applicaties bestuderen 24.5 Literatuurstudie 18 Enquête 10 Verslag Schrijven 8 Meetings Begeleider 3 Andere Blogs 2 Overzicht Functionaliteiten 3.5 Opmerking: Van de 69 uur totaal gewerkt zijn 44 uur in de laatste twee weken.
8 Bijlage 2: Bestudeerde literatuur en gerelateerd werk