Musiac Послуга Музичних Рекомендацій від Chia-Min Lin

Робота Musiac Послуга Музичних Рекомендацій авторства дизайнера Chia-Min Lin є високошанованим переможцем престижної нагороди 2020 Срібна нагорода A' Design Award у конкурсній категорії Інтерфейс.

СріблоІнтерфейс· 2020

Musiac Послуга Музичних Рекомендацій

автор: Chia-Min Lin

Клієнт: LinStudio

Переможець нагороди Срібна нагорода A' Design Award у категорії Інтерфейс

57,305

Підтверджений переможець

Перевірити статус нагороди для #91014

Переглянути на A' Design Award Прес-реліз Значок нагороди

Кольори

Дизайн

Про Musiac Послуга Музичних Рекомендацій

Musiac - це механізм музичних рекомендацій, використовуючи активну участь, щоб знайти точні варіанти для своїх користувачів. Він спрямований на те, щоб запропонувати альтернативні інтерфейси для виклику алгоритму автократії. Фільтрація інформації стала неминучим підходом до пошуку. Однак це створює ехо-камерні ефекти та стримує користувачів у зоні їх комфорту, суворо дотримуючись їхніх уподобань. Користувачі стають пасивними і перестають ставити під сумнів варіанти, які надає машина. Витрата часу на перегляд варіантів може збільшити величезні біологічні витрати, але саме зусилля створюють значущий досвід.

Визнання

Про Срібна нагорода A' Design Award

Musiac Послуга Музичних Рекомендацій є переможцем Срібної нагороди A' Design Award — надзвичайно престижного визнання, що присуджується першокласним дизайнам вищого ґатунку, чарівним і вражаючим. Переможці Срібної нагороди — це надзвичайно блискучі та вкрай креативні роботи, що ілюструють видатну експертизу, талант і проникливість своїх дизайнерів. Очікується, що Musiac Послуга Музичних Рекомендацій буде чудовою, взірцевою роботою, надзвичайно професійною та глибоко інноваційною. Цей дизайн-переможець Срібної нагороди A' Design Award — дуже помітний, шанований винахід, що приносить користь і розсуває межі мистецтва, науки, дизайну й технологій. Musiac Послуга Музичних Рекомендацій — це творіння, якому дуже заздрять, яке розбурхує бажання, приносить позитивні почуття та викликає здивування й подив.

За лаштунками дизайну

Прес-кіт

Відомості про авторів, учасників команди та технічні деталі, надані дизайнером.

Унікальні властивості: 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.
Розміри та упаковка: 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.
Теги: Algorithm autocracy, Ethical interface, Information architecture, Data visualization, User empowerment, Collaborative filtering
Технологія виробництва: 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.
Дизайнерський виклик: 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.
Дослідження: 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.
Натхнення: 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.
Тривалість проєкту: Musiac was a one year project done in 2018, Detroit.
Робочий процес: 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.
Авторство зображень: All materials required in this project doesn't need attributions. Licenses are attached in the documentation appendix.