Group Members

Rene Cutura
a1102301
rene.cutura@gmail.com
Stefan Holzer
a1104769
st.holzer@gmx.net

Description

Ziel

Unser Ziel innerhalb unseres Projekts wird es sein, ein Tool zu schaffen, mit dem es möglich sein wird auf einfache unkomplizierte Art und Weise verschiedene Aspekte einer Musikdatenbank hervorzuheben, zu filtern und zu gruppieren. Es soll möglich sein, dass der Anwender verschiedene Kriterien auswählen kann und diese Daten in ausgewählter Form visuell übersichtlich dargestellt bekommt. Einfache Statistiken sollen ebenso angezeigt werden können wie Vernetzungen und Zusammenhänge innerhalb der Datenstruktur.

Die Umsetzung soll primär mittels Java Skript und d3 erfolgen. Weitere Programme, speziell die den Mockup betreffen, müssen von uns noch hinsichtlich ihrer Funktionen überprüft werden. Wir möchten uns diesen Punkt hier noch offen halten, da wir noch nicht genau wissen welches Programm sich letztendlich am besten eignet um die verschiedenen Mockups darzustellen.

Daten

Hauptsächlich möchten wir auf das Million Song Dataset zurückgreifen (wir verwenden hierfür aus Zeitgründen beim laden die kleinste Datenbank). Die Liedernamen nehmen wir aus dem Million Song Dataset und suchen mittels Spotify alle Lieder die zu dem jeweiligen Liedernamen passen. Anschließend laden wir von den gefundenen Liedern die benötigten Audio features für unsere Visualisierung herunter. Die Audio features, mit denen wir arbeiten sind folgende:

acousticness
Ein Konfidenzmaß zwischen 0.0 - 1.0. Sagt aus, ob das Lied akkustisch ist oder nicht.
danceability
Beschreibt die Tanzbarkeit eines Liedes basierend auf einer Kombination von musikalischen Elementen wie Tempo, Rhythmus, Stabilität, Beatstärke und einer allgemeinen Regelmäßigkeit. Ein Wert von 1.0 beschreibt eine hohe Tanzbarkeit gegenüber 0.0 beschreibt eine geringe Tanzbarkeit.
energy
Energy wird ebenfalls zwischen 0.0 - 1.0 gemessen und beschreibt die Intensität und Aktivität des Liedes. Energetische Lieder fühlen sich laut und schnell an. Death Metal hätte demnach eine hohe Energy und ein Stück von Bach eine eher niedere. Dieses Attribut setzt sich auch dem Dynamikbereich, empfundene Lautstärke, Klangfarbe, Ausbruchsrate und allgemeiner Entropie zusammen.
instrumentalness
Prognostiziert ob ein Lied keinen Gesang enthält. Dabei werden “Ooh” und “Aah” Töne als instrumental behandelt. Rap oder gesprochene Wörter werden “vocal” zugeordnet. Je höher der Wert bei 1.0 liegt desto eher ist die Wahrscheinlichkeit, dass kein Gesang oder Stimmen in dem Lied vorkommen. Werte über 0.5 werden eher in Instrumental-Lieder eingeordnet. Die Wahrscheinlichkeit ist dennoch höher je näher der Wert bei 1.0 liegt.
liveness
Ermittelt die Anwesenheit eines Publikums in der Aufnahme. Werte zwischen 0.0 - 1.0 sind möglich. Ein Wert über 0.8 beschreibt eine sehr hohe Wahrscheinlichkeit, dass das Lied live gespielt wurde.
loudness
Misst die Gesamtlautstärke eines Liedes in Dezibel (dB). Loudness-Werte werden über die gesamte Spieldauer des Liedes ermittelt und können zum vergleichen einer relativen Lautstärke zwischen mehreren Liedern verwendet werden. Loudness stellt die Qualität des Klangs dar, im Hinblick auf das psychische Korrelat der physischen Stärke (Amplitude). Typische Werte liegen zwischen -60 und 0 db.
tempo
Die geschätzte Gesamtgeschwindikeit eines Liedes gemessen in Schlägen pro Minute (BPM).
valence
Werte zwischen 0.0 - 1.0 werden zur Beschreibung der musikalischen Positivität verwendet. Lieder mit hoher Wertigkeit klingen positiver (glücklich, fröhlich, euphorisch) als Lieder mit geringen Werten (traurig, deprimiert, wütend).
popularity
Gibt die Popularität eines Künsterls an. Werte zwischen 0 und 100 sind möglich. Der Popularitätswert wird aus allen seinen Liedern berechnet, wobei ein Wert von 100 sehr hohe Popularität beschreibt.

User

Benutzer unseres Tools können im Prinzip alle musikliebenden Menschen sein. Angefangen bei Privatanwendern die einfach mal neugierig sind, wie ihr Lieblingssong gegenüber anderen Songs abschneidet bis hin zu Radiosendern und anderen kommerziellen Einrichtungen, die sich einen Überblick über einzelner Aspekte der von ihnen verwendeten Musik schaffen wollen. Die Anwendergruppe lässt sich hier nur schwer genau ausmachen. Für uns gilt grundsätzlich, dass sich ein Laie, der nicht so informatisch versiert ist, genauso mit unserem Tool zurechtkommen soll wie eine professionelle Anwendergruppe. Einfachheit, Struktur und Übersichtlichkeit möchten wir als Primärziel anstreben.

Aufgaben

Wie bereits weiter oben beschrieben, möchten wir eine einfache unkomplizierte Struktur schaffen die leicht anwendbar ist. Unsere Aufgaben werden darin liegen, eine Anwendung zu kreiieren, die es uns erlaubt Rohdaten zu filtern und weiter anwendbar zu machen. Danach wird mittels Mockups eine genauere Visualierungsstrategie und ein Konzept erstellt, wie unsere fertige Arbeit aussehen soll. Anschließend wird das Tool programmiert und wir werden versuchen die zu Beginn überlegte Visualisierung so präzise wie möglich umzusetzen.

Hinsichtlich der Benutzung unseres Tools lassen sich im Vorfeld Aussagen treffen, für welche Fragestellungen seitens der Anwender unser Tool nützlich sein könnte.

Mögliche Tasks bezüglich des Benutzerverhaltens können sein:

  • Ein Benutzer möchte einen direkten visuellen Vergleich von Liedern oder anderen Items haben.
  • Ein Benutzer möchte bestimmte Lieder finden die besonders tanzbar sind oder andere Merkmale aufweisen welche interessant erscheinen oder einfach den Musikgeschmack des Benutzers wiederspiegeln.
  • Ein Benutzer möchte Lieder nach bestimmten Aspekten Gruppieren oder Filtern (Lauflänge, Interpret, Genre, usw.).
  • Ein weiteres mögliches Szenario wäre gewesen, welches wir in unserer Arbeit aufgrund zeitlicher Einschränkungen nicht umsetzen können, die Analyse des Hörerverhaltens eines bestimmten Landes/bestimmter Länder.
  • Lieder können dahingehend verglichen werden, wie populär sie sind im Bezug auf ihre Positivität oder Negativität.
  • Sind negative Lieder Lauter als positive Lieder?
  • Haben Live-Songs ein höheres Tempo als Nicht-live-Songs?
  • Wie Tanzfähig sind Lieder, die live gespielt werden?

Expertise

Offengestanden sind wir, Rene Cutura und Stefan Holzer, aus dem Bereich der LehrerInnenbildung und nicht in der Medieninformatik angesiedelt. Daher haben wir beide noch ein weiteres Fach welches wir studieren und werden zukünftig eher in der Schule unseren Lebensalltag bestreiten müssen. Rene Cutura hat als Zweitfach Mathematik und Stefan Holzer Bewegung und Sport. Daher sind wir beide fast komplett unerfahren auf dem Bereich der Medieninformatik und werden versuchen, die in der Lehrveranstaltung erklärten Methoden hier einzusetzen, um die geforderte Aufgabenstellung zufriedenstellend meistern zu können.

Wir haben zwar beide HCIP im Zuge unseres Informatikstudiums absolviert, sind aber von den Anforderungen dieser Lehrveranstaltung darüber hinaus beansprucht. Hier wird schon noch etwas mehr gefordert.

Ein wenig Erfahrung konnten wir in unserer vorangegangenen Aufgabenstellungen sammeln und hoffen diese im Zuge unseres Projekts voll entfalten zu können.