Hur Spotifys algoritm för rekommenderade låtar upplevs av användare

Sammanfattning: Musikstreamingtjänster som Spotify erbjuder en omfattande mängd musik online jämfört med innan digitaliseringen. Trots detta förändrade musiklandskap, kvarstår fortfarande önskan att samla, byta ut och dela musik. Däremot har musikstreamingtjänster medfört ett ökat behov av att navigera användarna genom de omfattande låtarkiven. Spotifys spellista Discover Weekly syftar till att tillhandahålla användarna med 30 nya låtar varje måndag. Låtarna är personanpassade utifrån användarnas smakprofiler, som är kalibrerade av rekommendationsalgoritmer. Musikstreamingtjänsten konstaterar att de vill erbjuda en explorativ användarupplevelse med hjälp av rekommendationsalgoritmerna. I denna studie valde vi att utvärdera hur användarna själva upplever de personanpassade låtarna på Discover Weekly. Tidigare studier om Spotify, musikupptäckter i en digital era, rekommendationsalgoritmer, och effekterna av algoritmer ansågs vara relevanta för att utforska hur låtarna på Discover Weekly upplevs vara. Frågeställningen undersöktes genom inledande intervjuer, en veckas lyssningsperiod av Discover Weekly samt uppföljande intervjuer med en testgrupp bestående av studenter från KTH. Resultatet från intervjuerna visade att låtarna på spellistan upplevdes vara ensidiga där användarna gillade låtarna som stack ut från mängden i stil av tempo eller genre. Majoriteten av testpersonerna uppskattar ändå rekommendationsalgoritmen. Flera testpersoner förklarade att de önskade mer explorativa alternativ på spellistan för att stödja det givna löftet om utforskande av nya musikupptäckter vilket namnet, Discover Weekly, indikerar på. Deltagarna ansåg dock fortfarande att icke-datordrivna rekommendationer var att föredra och mer pålitliga. Vårt resultat kan därmed jämföras med tidigare studiers teorier där algoritmer