Musiac Usługa Rekomendacji Muzycznych - Chia-Min Lin

Projekt Musiac Usługa Rekomendacji Muzycznych autorstwa: Chia-Min Lin zdobył cenioną i bardzo prestiżową nagrodę Srebrna Nagroda A' Design Award 2020 w kategorii konkursowej: Projektowanie Interfejsów, Interakcji i Doświadczeń Użytkownika.

SrebrnaInterfejs· 2020

Musiac Usługa Rekomendacji Muzycznych

Projektant: Chia-Min Lin

Klient: LinStudio

Zwycięzca Srebrna Nagroda A' Design Award w kategorii: Interfejs

57,305

Zweryfikowany Zwycięzca Nagrody

Zweryfikuj status nagrody dla #91014

Zobacz w A' Design Award Informacja prasowa Znaczek nagrody

Kolory

Projekt

O projekcie Musiac Usługa Rekomendacji Muzycznych

Musiac to muzyczny silnik rekomendacji, wykorzystujący aktywne uczestnictwo, aby znaleźć precyzyjne opcje dla swoich użytkowników. Jego celem jest zaproponowanie alternatywnych interfejsów, które rzuci wyzwanie autokracji algorytmu. Filtrowanie informacji stało się nieuniknionym podejściem do wyszukiwania. Jednak tworzy efekty komory echa i ogranicza użytkowników w ich strefie komfortu, ostro przestrzegając ich preferencji. Użytkownicy stają się bierni i przestają kwestionować opcje oferowane przez maszynę. Poświęcenie czasu na przegląd opcji może zwiększyć ogromne koszty biologiczne, ale to wysiłek tworzy znaczące doświadczenie.

Wyróżnienie

O nagrodzie Srebrna Nagroda A' Design Award

Musiac Usługa Rekomendacji Muzycznych to laureat Srebrnej Nagrody A' Design Award, niezwykle prestiżowego wyróżnienia przyznawanego przepięknym, imponującym projektom z najwyższej półki. Laureaci Srebrnej Nagrody to niezwykle błyskotliwe i wyjątkowo twórcze dzieła, które ukazują wybitną wiedzę, talent i przenikliwość ich twórców. Musiac Usługa Rekomendacji Muzycznych ma być wspaniałym, reprezentacyjnym dziełem, które jest niezwykle profesjonalne i głęboko innowacyjne. Ten projekt nagrodzony Srebrną Nagrodą A' Design Award to bardzo godny uwagi, podziwiany wynalazek, który przynosi korzyści i przesuwa granice sztuki, nauki, designu i technologii. Musiac Usługa Rekomendacji Muzycznych to dzieło, któremu wielu zazdrości, które budzi pragnienia, wprowadza pozytywne uczucia oraz wzbudza zdumienie i zachwyt.

Za kulisami projektu

Pakiet prasowy

Autorzy, członkowie zespołu i szczegóły techniczne podane przez projektanta.

Unikalne Cechy: 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.
Wymiary i Opakowanie: 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.
Tagi: Algorithm autocracy, Ethical interface, Information architecture, Data visualization, User empowerment, Collaborative filtering
Technologia Produkcji: 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.
Wyzwanie Projektowe: 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.
Badania: 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.
Inspiracja: 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.
Czas Trwania Projektu: Musiac was a one year project done in 2018, Detroit.
Przebieg Działania: 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.
Autorzy Zdjęć: All materials required in this project doesn't need attributions. Licenses are attached in the documentation appendix.