Musiac A Zenei Ajánlás Szolgáltatás – tervező: Chia-Min Lin

Musiac A Zenei Ajánlás Szolgáltatás – tervező: Chia-Min Lin – a rendkívül rangos 2020 Ezüstdíj A' Design Award díjazottja a Felület, interakció és felhasználói élmény tervezése versenykategóriában.

EzüstFelület· 2020

Musiac A Zenei Ajánlás Szolgáltatás

tervezte: Chia-Min Lin

Megbízó: LinStudio

Ezüstdíj A' Design Award díjazott a Felület kategóriában

57,305

Hitelesített díjazott

Díj státusz ellenőrzése: #91014

Megtekintés az A' Design Awardnál Sajtóközlemény Díjjelvény

Színek

A Dizájn

A Musiac A Zenei Ajánlás Szolgáltatás bemutatása

A Musiac egy zenei ajánlásmotor, proaktív részvételt hajt végre, hogy pontos lehetőségeket találjon a felhasználók számára. Célja, hogy alternatív felületeket javasoljon az algoritmus autokráciájának megtámadására. Az információszűrés elkerülhetetlen keresési módszerré vált. Viszont visszhangkamrás effektusokat hoz létre, és korlátozza a felhasználókat kényelmi zónájukban azáltal, hogy szigorúan követik preferenciáikat. A felhasználók passzívvá válnak, és nem kérdezik a gép által kínált lehetőségeket. Az opciók áttekintésére fordított idő növelheti a hatalmas bioköltségeket, ám az erőfeszítések jelentősebb élményt teremtenek.

Az Elismerés

A Ezüstdíj A' Design Award díjról

Musiac A Zenei Ajánlás Szolgáltatás az Ezüstdíj A' Design Award győztese, óriási presztízsű elismerés a csúcskategóriás, lenyűgöző és impozáns dizájnoknak. Az ezüstgyőztesek rendkívül ragyogó és nagyon kreatív művek, amelyek szemléltetik tervezőik kiemelkedő szakértelmét, tehetségét és éleslátását. Musiac A Zenei Ajánlás Szolgáltatás-tól azt várják, hogy csodálatos, mintaszerű mű legyen, amely figyelemre méltóan professzionális és mélyen innovatív. Ez az Ezüstdíj A' Design Award kitüntetést elnyert dizájn igen figyelemre méltó, csodált találmány, amely szolgálja, és előre viszi a művészet, a tudomány, a dizájn és a technológia határait. Musiac A Zenei Ajánlás Szolgáltatás széles körben irigyelt alkotás, amely felkelti a vágyakat, pozitív érzéseket hoz, és csodálatot és ámulatot gyújt.

A Dizájn Mögött

Sajtóanyag

A tervező által megadott közreműködők, csapattagok és technikai részletek.

Egyedi tulajdonságok: Musiac is a music recommendation service aims to provide better selection mechanism. It uses a contour map to represent all musical genres in a single interface, showing the relationship across songs and genres in a 2D space. It maps out a taste bubble from the user's playlists, separating the user's prior musical taste field from the unexplored musical territory. The user can change the outline of the bubble by dragging it and expanding the scope of the recommendation algorithm.
Méretek és csomagolás: Musiac is a desktop application. It requires a user to import his/her playlists of third-party apps to build the "Taste Bubble" at the beginning. The bubble sits on an algorithmically-generated genres map, with a horizontal (electric, acoustic) and a vertical (atmospheric, bouncier) indication. The bubble separates the familiar and unexplored territory for a user so he/she could expand the recommendation (temporarily), without changing their behavior.
Címkék: Algorithm autocracy, Ethical interface, Information architecture, Data visualization, User empowerment, Collaborative filtering
Gyártástechnológia: Musiac learns from "Every Noise at Once", has a virtual database, a theoretical possible algorithmically-generated map, and an ethical interface to reduce the bio-cost of finding liked songs from enormous options. It starts with a study of recommendation engines and filters, interviews, and a pre-testing, then ideates with "what if" questions along the generative design process, run through 2 round of user-testing to validate initial concepts and iterates. The project took a year to finalize.
Design kihívás: The most difficult part of this project is to find an industry professional to talk to me. Online streaming service is a very competitive field. Hence, business and advertising dominate the final result of music recommendations, which creates intransparent and unethical algorithms. Academics and scholars provide enthusiastic feedback, but one of the business executives cancel his help after he saw my questions list.
Another major research constrains is the fuzzy relationships of million users' playlists. Single users' taste bubble might not accommodate with the overarching dimensions, even though the machine could easily map his or her playlists into an individual lump. After I consulted with the famous founder of EveryNoise, he gives me great advice that I should have customized dimensions for different users to solve this issue. The system could map out the contour map from each individual users perspective, based on what's the location of the taste bubble, then decide how to show the rest of the genres. Despite the computation power is not efficient enough for this project, but this solution is definitely feasible at the nearby future.
Kutatás: Musiac ran with a waterfall and agile hybrid methodology: research, framing, prototype, test, and reflecting. Feedback was collected along the way and therefore, multiple iterations. I did solid case studies, interviewed active and passive music online streaming users, and consulted with programmers to finalize the proper frame of this project. Multiple user testings with a clickable prototype were performed in-person, as well as online.
Inspiráció: Musiac started with a simple notion. Interface is the tangent point between our perception and reality. I believe interface reflects a subtle world of why we make choices. I ran into a website called Every Noise at Once and found it's a perfect database to test my theory. Interface has a higher-level goal of helping us to process information better. I want to design something that goes beyond data visualization and empower users to be more proactive upon the world they're seeing.
Projekt időtartama: Musiac was a one year project done in 2018, Detroit.
Működési folyamat: Musiac is a desktop application with an unusual interface, allows users to control the scope of recommendations and to manipulate the filtered results. It uses a bubble to separate the unexplored genres from the familiar genres. A user could easily change the shape of the bubble to expand the recommendation source. It also provides multiple filters, such as themes with different adjectives; numbers of views, finding songs with specific traits, and a guiding system to go beyond the comfort zone.
Képek forrása: All materials required in this project doesn't need attributions. Licenses are attached in the documentation appendix.