Kurs (Musik-)Empfehlungssysteme und Fairness

Mag. DI Dr. Christine Bauer

Inhalte

Empfehlungssysteme (im Sinne von algorithmischen Empfehlungen) spielen im Alltag eine wichtige Rolle. „Kunden, die X kauften, gefällt auch Y.“ Diese Systeme unterstützen Benutzer*innen bei der Auswahl von Produkten, Filmen, Spielen, oder Nachrichten. Auch Musikplattformen integrieren Empfehlungssysteme und unterstützen damit Zuhörer*innen, durch die Unmengen von Musikaufnahmen zu navigieren. Ein ideales Musikempfehlungssystem schlägt „der richtigen Person im richtigen Moment die richtige Musik“ vor. Aber was passiert, wenn eine Musikempfehlung doch nicht *ideal* ist?

Plattformen müssen nicht nur unterschiedliche Benutzergruppen bedienen, sondern auch auf Angebotsseite diverse Gruppen auf faire Weise vertreten und bedienen. Aber was ist fair? Und was heißt das für Musikplattformen?

Aufbau

• Dieser Kurs beginnt mit einer Motivation: Warum verwenden bzw. benötigen wir Empfehlungssysteme? Und warum im Musikbereich?
• Darauf folgt eine Einführung in die Grundmechanismen von Empfehlungssystemen. (Es bleibt auf konzeptioneller Verständnisebene—wir werden im Rahmen dieses Kurses Empfehlungssysteme programmieren.) Auch wenn die Grundmechanismen in unterschiedlichen Domänen ähnlich funktionieren, die Erklärungen in diesem Kurs orientieren sich am Musikbereich. Dabei gibt es wohl auch Musikausschnitte zu hören. Es soll ja schließlich Spaß machen.
• Es folgt ein Überblick, wie algorithmische Empfehlungen im Musikbereich eingesetzt werden.
• Der nächste Teil widmet sich den Stakeholdern von Musikplattformen. Zum Beispiel gibt es Musikkonsument*innen und Artists. Aber es gibt noch mehr.
• In einem interaktiven Teil stellen wir uns die Fragen: Was passiert, wenn die Empfehlungen richtig gut sind? Und was sind die Auswirkungen, wenn die das Empfehlungssystem nicht ganz so *ideal* funktioniert?
• Anschließend widmen wir uns dem Themenbereich Fairness. Nach einer Vorstellung der Basiskonzepte zu Fairness beschäftigen wir uns mit aktuellen Erkenntnissen aus der Forschung—speziell aus dem Musikbereich. Was ist fair? Was bedeutet das für Musikkonsument*innen? Was bedeutet das für Artists?
• Abschließend sehen wir uns an, was wir—die Teilnehmenden—auf ihren Musikplattformen empfohlen bekommen. Funktionieren die Empfehlungen gut? Ist das Ergebnis fair? Dazu gibt es sicherlich viel zu diskutieren. Und Musik hören werden wir dabei wohl auch.

Ziele

Ziel dieses Kurses ist ein grundlegendes Verständnis über algorithmische Empfehlungen zu vermitteln, da uns solche Systeme im Alltag begleiten und damit höchstrelevant sind. Erklärt am Beispiel von Musikempfehlungssystemen soll dieses Lernen dabei Spaß machen, denn Musik ist (auch) Unterhaltung, gleichzeitig aber auch aufzeigen, dass auch der Unterhaltungsbereich nicht immer bzw. nicht für alle Beteiligte nur Spaß bedeutet, sondern tiefgreifende negative Auswirkungen mit sich bringen kann. Ziel ist mit dem auch, sich kritisch mit dem auseinanderzusetzen, was Musikempfehlungssysteme einem selbst empfehlen und zur Reflexion anregen.

Lernergebnisse

Nach Abschluss dieses Kurses sind Teilnehmende in der Lage:

• den Bedarf an (personalisierten) algorithmischen Empfehlungen zu verstehen,
• über Auswirkungen über algorithmische Entscheidungen im Musikbereich aus unterschiedlichen Perspektiven zu reflektieren,
• über ethische Fragen bezüglich Fairness von (Musik-)Empfehlungssystemen zu reflektieren.

Nach Abschluss dieses Kurses verfügen Teilnehmende über:

• ein grundlegendes Verständnis über die Grundmechanismen von Empfehlungssystemen,
• einen Überblick über Einsatzmöglichkeiten zu algorithmischen Empfehlungen im Musikbereich,
• einen Überblick über das „Digital Music Ecosystem“.