Christine Bauer

Christine Bauer (2024). Help!—Bridging the Gap Between Music Technology and Diverse Stakeholder Needs. Keynote at the 24th International Society for Music Information Retrieval Conference (ISMIR 2023). Milan, Italy, 6 November.

Music information retrieval (MIR) has become an indispensable asset in the music industry. It powers music recommendations for listeners and supports artists in mastering their crafts. While MIR has made remarkable progress, we need to improve in serving the multifaceted needs of stakeholders who rely on these technologies. Taking examples from music recommender systems, I will demonstrate the potential risks of neglecting artists’ needs and provide strategies for mitigation.

Christine Bauer (2023). K.I. in der Musikbranche: Last oder Lösung?—Ethische Fragen im Zusammenhang mit Algorithmen. Keynote at the Future Music Camp 2023. Mannheim Germany, 26 May.

Algorithmen haben längst Einzug in die Musikwirtschaft gefunden: Zum einen empfehlen sie uns ähnliche Artists oder welchen Song wir als nächstes hören sollen. Zum anderen liefern sie kreativen Output wie Sounds, Texte und Artworks. In diesem Vortrag geht Dr. Christine Bauer insbesondere auf Musikempfehlungssysteme ein: Was finden Künstler:innen fair? Wie beeinflussen die technologischen Entwicklungen die Akteur:innen der Musikwirtschaft? Sind Algorithmen eine Last oder eine Lösung?

Christine Bauer (2023). Help!—Bridging the Gap Between Music Technol-ogy and Diverse Stakeholder Needs. Keynote at the 24th International Soci-ety for Music Information Retrieval Conference (ISMIR 2023). Milan, Italy, 6 November.

Music information retrieval (MIR) has become an indispensable asset in the music industry. It powers music recommendations for listeners and supports artists in mastering their crafts. While MIR has made remarkable progress, we need to improve in serving the multifaceted needs of stakeholders who rely on these technologies. Taking examples from music recommender systems, I will demonstrate the potential risks of neglecting artists’ needs and provide strategies for mitigation.

Christine Bauer (2022). Fairness—Are algorithms a burden or a solution?. MediaFutures Seminar Series, University of Bergen, Norway, online, 21 April.

Abstract
Recommender systems play an important role in everyday life. These systems assist users in choosing products to buy, movies to watch, or news articles to read. With their wide usage, there is an increasing pressure that such systems are fair. Besides serving diverse groups of users, recommenders need to represent and serve item providers in a fair manner, too. But what is fair? In this talk, I will present research on fairness in music recommender systems taking the artists’ perspective. What do artists consider fair? Are algorithms a burden or a solution? In particular, I will zoom in on recent research on gender bias in music recommenders and how we can address this issue.

Bauer, Christine (2019). Sag mir, was du hörst – und ich sage dir, wer du bist! (Tell me what you listen to – and I tell you, who you are!). PrivacyWeek 2019: Privat, oida!. Chaos Computer Club Wien (C3W), Vienna, Austria, 27 October 2019.

Es gibt Anwendungsfelder (zB Gesundheitswesen), die sehr mit einer "Bedrohung für die Privatsphäre" verbunden werden, wenn Daten gehortet werden. Musikhören scheint dagegen harmlos zu sein. Aber was wir hören, sagt einiges über uns aus; nicht nur über Musikpräferenzen.

Es gibt Themen, die stark mit dem Thema "Privatsphäre" verbunden werden - eben weil man dabei Gefahr von ungewünschten Zugang zu sensitiven Daten erahnt. Personenbezogene Aufzeichnungen zur Kriminalitäts- oder Gesundheitshistorie einzelner Personen lassen oft die Alarmglocken läuten.
Bei all diesen Themen und deren potentiell unangenehmen Auswirkungen zieht man sich doch gerne Mal zurück und hört Musik. Zum Beispiel bei einem Streamingdienst; und lässt sich auch ein paar neue, interessante Tracks vorschlagen. Aber Moment: Woher weiß der Dienst, was mir gefallen könnte? Ich mache doch nichts Anderes außer Musikhören! Aber was sagt das über mich aus?

In diesem Vortrag werden Zusammenhänge zwischen Musikhörverhalten und beispielsweise Persönlichkeitsmerkmalen, Alter, Geschlecht und kulturellen Einflüssen aufgezeigt.

Bauer, Christine (2021). In the user is it – is it?: If you want to understand your users, you have to understand their situations. Keynote at the Workshop “Transparency and Explainability in Adaptive Systems Through User Modelling Grounded in Psychological Theory (HUMANIZE 2021), co-located with IUI 2021. Online, 13 April.

We have learned that a one-size-fits-all system is frequently not the ideal solution. So we want our systems to be intelligent. They shall intelligently adapt to the users, to each user individually. We want to learn from the users’ behavior to create one user model per user. Then we “understand” each individual user and the system can adapt to the individual user models. And so, our system is intelligent. No, it is not! Compared to a one-size-fits-all solution, an adaptive system considering user models may be more advanced and capable to address a wider scope of users more adequately. Yet, that is not the end of the story. While some user characteristics, preferences, or needs may be rather stable for a long period of time, others are highly volatile. Each user encounters various situations throughout a lifetime, even throughout a day. If we want to understand users, we need to understand their situations. And situational models could have more in common across users than our user-model thinking may suggest.

KI und Algorithmen als ethische Herausforderungen für eine mediatisierte Gesellschaft. Symposium Medienethik, Fachhochschule St. Pölten, Austria, 31 March 2022.

Abstract
KI und menschliche Arbeit; Algorithmen in Geschäftsmodellen; Autonome KI-Entscheidungsprozesse: wie und wo? Unter dem Titel “KI und Algorithmen als ethische Herausforderungen für eine mediatisierte Gesellschaft” sollen technologische, wirtschaftliche und ethische Implikationen der immer öfter in unserer Gesellschaft verwendeten künstlichen Intelligenz und Algorithmen-basierter Geschäftsmodelle beleuchtet werden. Künstliche Intelligenz und Algorithmen sind bereits ein Teil unseres Lebens und werden in einem noch größeren Ausmaß unser gesellschaftliches Zusammenleben betreffen. Beispiele hierfür sind KI und menschliche Arbeit (s. automatisierte Personalbeschaffung oder der AMS-Algorithmus), Algorithmen in Geschäftsmodellen (s. digitale Plattformen) oder autonome KI-Entscheidungsprozesse (s. selbstfahrendes Auto). Auch Medien und die Werbewirtschaft bedienen sich zur zielgenaueren Ansprache des Publikums verschiedener Algorithmen. Im Zentrum des diesjährigen Symposiums Medienethik stehen die Auswirkungen des Einsatzes von künstlicher Intelligenz sowie mögliche ethisch gerechtfertigte Einsatzgebiete von Algorithmen in verschiedenen gesellschaftlichen Teilbereichen.

Dr. Christine Bauer, Senior Post-Doc am Institute of Computational Perception an der JKU Linz, ging der Frage nach, wie AI unsere Wahrnehmung und unseren Umgang mit Computern verändern wird.

Bei der Allgegenwärtigkeit unserer Smart Phones vergessen wir nur allzu leicht, dass in ihnen jede Menge AI steckt, weil uns die winzigen, digitalen Helfer längst zur Routine geworden sind.

AI polarisiert – die einen sprechen vom Ende der Menschheit, für die anderen ist alles super. Doch weder für den extremen AI-Hype, noch für eine Schwarzmalerei gibt es eine sachliche Grundlage. Was aber evident ist, ist die Tatsache, dass Anwendungsbereiche, in denen sensitive Daten analysiert und tiefgreifende und negative Folgen durch den AI-Einsatz zu erwarten sind, besonders im Fokus stehen. Dazu zählen bspw. die Einsatzszenarien Kriminalitätsbekämpfung, der Gesundheitsbereich und das Recruiting.

Es muss einer Gesellschaft zu denken geben, wenn man die Beurteilung der Rückfall-Wahrscheinlichkeit verurteilter Personen alleine einem Algorithmus überlässt. Im Gesundheitsbereich bildet das Phänomen der kognitiven Verzerrung, die sogenannte „Overconfidence“ eine bekannte Gefahrenquelle; speziell, wenn veraltete Trainingsdaten Änderungen in Krankheitsbildern bzw. neuere empirische Befunde und Medikationsmöglichkeiten außer Acht lassen. Auch tritt bspw. im Recruiting verstärkt das Problem eines Bias auf, da mit historischen Trainingsdaten Fehler aus der Vergangenheit nachgeahmt werden.

Es braucht also beim AI-Einsatz immer eine sorgfältige Prüfung der Basisdaten durch die Änderungen im Zeitverlauf erkannt und berücksichtigt werden können.

HIT-„PRODUZIERENDE“ ALGORITHMEN

Zum Abschluss ihres Vortrages zeigte Christine Bauer anhand eines Beispiels aus ihrem Kernforschungsgebiet, dem AI-Einsatz im Entertainment, auf, dass es sich bei AI immer auch um ein breit gefächertes Ökosystem mit diversen Playern handelt, die bei einem Fehlverhalten der AI mit unterschiedlichen Konsequenzen konfrontiert sind.

Im Hit-getriebenen Musik-Business entfaltet ein „falsch“ selektierter Song unterschiedlichste Auswirkungen. Ein mögliches Szenario könnte so aussehen: Der Endkonsument hört unpassende Musik, die Gesellschaft wird durch „Popularity Bias“ auf eine homogene Musikkonsumation eingeschworen, die Plattform-Provider werden durch konzentrierten Zugriff auf nur wenige Musikstücke vor Ressourcen-Probleme gestellt, die Labels sind von möglichen Umverteilungen am Markt betroffen, beim short head, also den wenigen Top-of-the-Top Superstars entscheidet die Anzahl der streams über die Anzahl der Werbedeals und bei der großen Menge der Long Artists ist das Vorkommen in main stream Medien der wichtigste Game changer für wirtschaftliche Unabhängigkeit.

AI hat nachweislich nicht nur eine Systemkomponente, sondern ist immer auch in einen Verwendungskontext eingebettet. Die Interaktion mit Menschen ist dabei oft der Input für den nächsten Schritt. Vielleicht als Resümee am Wichtigsten: Der Mensch ist Teil von Artificial Intelligence.

Panelist zu "Geschlechtsspezifische Vorurteile und Diskriminierung durch KI" (Gender biases and discrimination in AI). VUT Indie Days Köln 2020, co-located with c/o pop Convention 2020 (c-o-pop xoxo), Cologne, Germany, & online, 23 October 2020.
https://c-o-pop.de/convention/

Bauer, Christine & Knees, Peter (2019). Music Information Retrieval: Inside and Outside the Music. AIxMusic Festival, collocated with 2019 Ars Electronica Festival. : Ars Electronica, Linz, Austria, 8 September.

For the longest time, access to music recordings was restricted to local availability of their physical representations (e.g., vinyl, CD). Usually, there was only a certain amount of recordings available at home. Now, using online music platforms such as Spotify, Deezer, or Apple Music, people have access to tens of millions of music recordings. As music consumers are confronted with information and choice overload, industry has adopted music recommender systems where algorithms are used to prioritize, classify, and filter content. The goal is to assist consumers in navigating the catalogs of available music recordings and to serve them with suggestions of items that may fit the respective consumer’s preferences.

The two questions that we will address in this presentation are the following: First, how does algorithmic music recommendation work? Second, how do music recommender systems change the world? Addressing the first question, we will point to the data that fuel recommenders, explain the basic techniques underlying current music recommender systems, and illustrate these by vivid examples. Addressing the second question, we will discuss the implications of algorithmic music recommendation. On the one hand, we will address challenges in setting up music recommender systems and illustrate cases where algorithmic curation can go wrong. On the other hand, we will address the implications for the various stakeholders affected by music recommendations, including a wide variety of actors from artists to record companies to music platform providers to music consumers.

Using the Internet increasingly requires people to disclose personal information for various reasons such as establishing legitimacy, authentication, or providing personalized services. An enormous amount of literature analyzed various influencing variables that shape self-disclosure in online interaction. However, the range of studies considers very specific variables and therefore provides merely puzzle pieces of the field. This presentation puts the pieces together. Results suggest that, while the overall effects of demographic, environmental, person- and system-based predictors are rather weak, self-disclosure can to some extent be influenced by system design.

Ein Hörfunkprogramm wird traditionell von einer Redaktion gestaltet. Eine gute Indexierung von öffentlichen aber auch radioeigenen Informationsquellen erlaubt es, die Redaktion zu unterstützen und so können ähnliche, aktuelle oder historische Inhalte zu einzelnen Beiträgen von einem Informationssystem empfohlen werden. Aber auch Endnutzern kann der Zugang zu ähnlichen, aktuellen oder historischen Inhalte zur Verfügung gestellt werden. Empfehlungen können dabei vertiefende Informationen zu einem Beitrag sein oder das System empfiehlt eine bestimmte Aneinanderreihung von zusammenpassenden Audiobeiträgen. Eine innovative Entwicklung in diesem Bereich ist die automatische, dynamische und etwa auch personalisierte Zusammenstellung eines Hörfunkprogramms durch ein System; Radio wird dabei aktiv für einzelne Hörer gestaltet.

WU Competence Day 2011, Vienna, Austria, 17 November 2011.

Reactive Music: More than a Sonic Experience. Invited talk for the event Human-Computer Confluence Research Challenges, HC2 VISIONS. Vienna, Austria, 14-15 May 2012.

Panel discussion: What makes a good pop star? 15 minutes of fame on the Internet…?!. Vienna University of Economics and Business, Austria, 28 May 2010.