Lokalet er proppet med mennesker, og musikken brager ud af højttalerne. Stedet er Institut for Datalogi på Aalborg Universitet, hvor videnskabelig assistent Maria Magdalena Ruxanda er DJ for en dag.

Hun fører med sikker hånd musen hen over sangtitlerne på computerskærmen, mens hun hæver stemmen for at overdøve Jimi Hendrix' guitar. Alle lytter men ingen danser, for hovedpersonen er i fuld gang med at forsvare sit ph.d. projekts forskning i musik-databaser, hvor en netbaseret musik-demo med 5.000 sange indgår som et centralt element.

Demoen har undervejs i projektet også været brugt til lytterundersøgelser. Idéen bag den er, at brugeren ved at tage afsæt i en konkret favorit-sang bliver forsynet med en top 5 liste over andre anbefalede numre, som han eller hun formentlig også vil kunne lide.

Brugeren bestemmer

Brugeren kan tage udgangspunkt i en favorit-sang og derefter blive forsynet med en top 5 liste over anbefalede numre, som hun formentlig også kan lide. (Foto: colourbox)

Princippet er velkendt fra eksisterende net-butikker, men det specielle ved Maria Magdalena Ruxandas løsning er, at en slider på skærmen giver brugeren mulighed for at justere, hvordan listen med anbefalinger sammensættes. I den ene yderlighed prioriterer den meget populær og aktuel musik med tidens kendte navne. I den anden er den nede og nærstudere musikkens grundbestanddele for at finde matchende elementer, hvilket kan give langt mere overraskende forslag.

»Lyden kan beskrives med vektorer ved at analysere hastighed, rytme, tone, stemning og en masse andre parametre i en sang. Det er oplysninger, som lydingeniører helt automatisk kan trække ud af musikken via computere. Problemet er, at ligheder fundet på den måde kun vil stemme overens med brugernes egen opfattelse i 70-80 procent af tilfældene. Resten handler om følelsesmæssige og kulturelle faktorer, som maskiner ikke kan opfange,« forklarer Maria Magdalena Ruxanda.

For at få de aspekter med anvender hendes musikfinder-løsning også socialt baserede ligheder, hvor der blandt andet tages udgangspunkt i hvilke kunstnere og sange, brugerne i forvejen har liggende i deres playlister på computeren.

»Det siger noget om folks præferencer, og om hvilken musik de mener passer sammen. Alternativt kan det være baseret på såkaldte tags, hvor brugerne selv har indtastet beskrivelser af musikken. Det fanger den måde, folk tænker på, men det virker dårligt på ny musik, fordi der i sagens natur ikke er nogen registreringer om det. Derfor handler mit arbejde om at kombinere de to metoder, så de supplerer hinanden. Til ny musik kan vi bruge ligheder i selve lyden, og til velkendt musik kan vi bruge socialt baserede ligheder eller en kombination af de to,« fortæller Maria Magdalena Ruxanda.

Bedre chancer for ny musik

På den måde kan principperne fra hendes forskning få kulturel betydning, fordi de kan være med til at give ny musik en mere fair chance for opmærksomhed i konkurrencen med etablerede kunstnere. I gængse net-søgninger efter hjemmesider, billeder eller andet indhold vil de højest rangerede typisk være populære mainstream-resultater. Men Maria Magdalena Ruxanda mener, at vores behov er anderledes, når det gælder musik.

»Der er lykketræf-faktoren meget vigtig. Folk kan faktisk godt lide at finde frem til ny musik, som de ikke var klar over, at de kunne lide. Så der er en pointe i at få dem introduceret til nye navne, uden at vi af den grund ekskluderer berømte kunstnere. Ved at gøre kombinationen fleksibel tilgodeser vi brugernes forskellige behov, forklarer forskeren, som selv er stor Shakira-fan, men i øvrigt gerne lytter til både rock, ambient, jazz og klassisk.«

Maria Magdalena Ruxanda har udviklet en demo, som hun blandt andet fortæller om i videoen nedenfor. (Foto: AAU)

Klik på videoen og hør Maria Magdalena Ruxanda fortælle om sit projekt

Lavet i samarbejde med Aalborg Universitet