O Que os Países Escutam: Analisando a Rede de Gêneros Musicais ao Redor do Mundo

• Maria Luiza Botelho Mondelli LNCC
• Luiz M. R. Gadelha Jr. LNCC
• Artur Ziviani LNCC

DOI: https://doi.org/10.5753/brasnam.2018.3586

Resumo

Plataformas de streaming de música são cada vez mais populares, democratizando e facilitando o acesso ao conteúdo musical. Esse efeito amplia o alcance e a penetração de diferentes estilos musicais, incrementando a diversidade de gêneros escutados nos diferentes páıses do mundo. A fim de melhor entender essa diversidade e identificar páıses com interesses em comum, neste artigo foi construída e analisada uma rede complex de artistas, gêneros musicais e páıses utilizando dados do Spotify, uma das plataformas de streaming de música mais utilizadas atualmente. Como resultados, além de identificar comunidades de páıses com estilos musicais semelhantes, nós mostramos como a grande quantidade e diversidade de gêneros musicais pode influenciar a modelagem e análise da rede considerada. Nós também classificamos os gêneros mais comumente escutados utilizando diferentes métricas de centralidade.

Referências

Barabási, A.-L. (2016). Network science. Cambridge University Press.

Blondel, V. D., Guillaume, J.-L., Lambiotte, R., and Lefebvre, E. (2008). Fast unfolding of communities in large networks. Journal of statistical mechanics: theory and experiment, 2008(10):P10008.

Bryan, N. J. and Wang, G. (2011). Musical influence network analysis and rank of sample-based music. In ISMIR, pages 329–334.

DeNora, T. (2000). Music in everyday life. Cambridge University Press.

Gleiser, P. M. and Danon, L. (2003). Community structure in jazz. Advances in complex systems, 6(04):565–573.

IFPI (2017). IFPI facts and stats. [link]. Acessado em: 01/09/2017.

Lambiotte, R. and Ausloos, M. (2005). Uncovering collective listening habits and music genres in bipartite networks. Physical Review E, 72(6):066107.

Lambiotte, R. and Ausloos, M. (2006). On the genre-fication of music: a percolation approach. The European Physical Journal B-Condensed Matter and Complex Systems, 50(1):183–188.

Lee, C. and Cunningham, P. (2012). The geographic flow of music. In Proceedings of the International Conference on Advances in Social Networks Analysis and Mining, pages 691–695. IEEE Computer Society.

Noise, E. (2017). Every Noise at Once. [link]. Acessado em: 01/09/2017.

Rentfrow, P. J. (2012). The role of music in everyday life: Current directions in the social psychology of music. Social and personality psychology compass, 6(5):402–416.

Shakya, A., Gurung, B., Thapa, M. S., Rai, M., and Joshi, B. (2017). Music classification based on genre and mood. In International Conference on Computational Intelligence, Communications, and Business Analytics, pages 168–183. Springer.

Smith, R. D. (2006). The network of collaboration among rappers and its community structure. Journal of Statistical Mechanics: Theory and Experiment, 2006(02):P02006.

Trefzger, T., Rose, M., Baccarella, C., and Voigt, K.-I. (2015). Streaming killed the download star! how the business model of streaming services revolutionizes music distribution. Journal of Organizational Advancement (Online), Strategie and lnstitutional Studies, 7(1):29–39.

Vlegels, J. and Lievens, J. (2017). Music classification, genres, and taste patterns: A ground-up network analysis on the clustering of artist preferences. Poetics, 60:76–89.