Dans cet article, Kristina Matrosova (Géographie-cités, CNRS ; LIPN, USPN, France) et al. explorent et confrontent les définitions du goût musical issues de la sociologie, de la psychologie et des systèmes de recommandation musicale, en se basant sur les morceaux de musique diffusés en  streaming et recommandés par un grand nombre d’utilisateurs.

Auteurs

Kristina Matrosova (Géographie-cités, CNRS ; LIPN, USPN, France)
Manuel Moussallam (Deezer Research, France)
Thomas Louail (Géographie-cités, CNRS ; PACTE, CNRS, Sciences Po Grenoble, France)
Olivier Bodini (LIPN, USPN, France)

Cet article a été réalisé dans le cadre de la subvention ‘RECORDS’ (ANR-2019-CE38-0013) financée par l’ANR (Agence nationale de la recherche).

RECORDS (2020 – 2024)

Le projet RECORDS propose d’articuler enquête et big data pour étudier la diversité des consommations et des pratiques d’écoute sur les plateformes de streaming, les effets mesurables de la recommandation, des contextes et des lieux sur les écoutes sur plateforme. Financé par l’ANR, RECORDS est une recherche collaborative conduite par des chercheur.e.s et des ingénieur.e.s qui travaillent au sein de trois laboratoires du CNRS et des départements R&D de Deezer et d’Orange. Le projet est coordonné par Thomas Louail, chargé de recherche CNRS à Géographie-cités, Camille Roth, chargé de recherche CNRS au Centre Marc Bloch (CMB) à Berlin, Philippe Coulangeon, directeur de recherche CNRS à l’Observatoire Sociologique du Changement, Jean-Samuel Beuscart, chercheur chez Orange R&D, et Manuel Moussallam, responsable de l’équipe R&D de Deezer.

Kristina Matrosova, Manuel Moussallam, Thomas Louail et Olivier Bodini (2024) Depict or Discern? Fingerprinting Musical Taste from Explicit Preferences. In Transactions of the International Society for Musical Information Retrieval,  7, 15–29

Lire aussi :

Quentin Villermet, Jérémie Poiroux, Manuel Moussallam, Thomas Louail, Camille Roth. Follow the guides: disentangling human and algorithmic curation in online music consumption. RecSys ’21: Proceedings of the 15th ACM Conference on Recommender Systems, September 2021, pages 380–389