Show simple item record

dc.contributor.authorHelmholz, Patrick
dc.contributor.authorMeyer, Michael
dc.contributor.authorRobra-Bissantz, Susanne
dc.date2019-06-01
dc.date.accessioned2021-03-25T13:31:05Z
dc.date.available2021-03-25T13:31:05Z
dc.date.issued2019
dc.identifier.issn2198-2775
dc.identifier.urihttp://dx.doi.org/10.1365/s40702-019-00526-5
dc.identifier.urihttp://dl.gi.de/handle/20.500.12116/35977
dc.description.abstractMusik begleitet uns den ganzen Tag bei einer Vielzahl von Aktivitäten und in unterschiedlichsten Stimmungen. Insbesondere durch Musik-Streaming-Dienste und mobile Endgeräte wurde ein allgegenwärtiges Hörerlebnis mit sofortigem Zugriff auf eine nahezu unbegrenzte Vielfalt an Musik ermöglicht. Dieser Zugang führt jedoch zu dem Kundenproblem, die richtige Musik für eine bestimmte Situation oder Stimmung auszuwählen. Der Nutzer ist bei der Musikauswahl oft überfordert. Kontextinformationen, hier im Speziellen emotionale Informationen des Nutzers, können bei der Musikauswahl helfen. Die Möglichkeiten Musik anhand der Stimmung auszuwählen sind derzeit begrenzt. Die Anbieter setzen auf vordefinierte Playlisten für unterschiedliche Situationen oder Stimmungen. Das Problem hierbei ist jedoch, dass sie sich nicht den neuen Nutzergegebenheiten anpassen. Eine einfache, intuitive und automatische Auswahl von Musik auf Basis von Emotionen wird in der IS-Praxis und -Forschung bisher wenig untersucht. Dieses Paper beschreibt das IS-Musikforschungsprojekt „Moosic“, das eine intuitive und emotionale Art der Musikempfehlung für den Alltag untersucht und iterativ umsetzt. Im Rahmen der Arbeit wird zudem auf eine erste Evaluation des Prototyps eingegangen und ein Ausblick auf die weitere Entwicklung gegeben. Music accompanies us throughout the day in a variety of activities and moods. In particular, music streaming services and mobile devices have enabled a ubiquitous listening experience with instant access to an almost unlimited variety of music. However, this access leads to the customer’s problem of choosing the right music for a special situation or mood. The user is often overwhelmed when choosing music. Context information, in particular emotional information of the user, can help in the music selection process. The possibilities to select music based on mood are currently limited. The providers rely on predefined playlists for different situations or moods. However, the problem with predefined lists is, that they do not adapt to the new user conditions. A simple, intuitive and automatic selection of music based on emotions has so far been little investigated in IS practice and research. This paper describes the IS music research project “Moosic”, which investigates and iteratively implements an intuitive and emotion-based music recommendation application for everyday life. In addition, an initial evaluation of the prototype will be discussed and an outlook on further development will be given.de
dc.publisherSpringer
dc.relation.ispartofHMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 3
dc.relation.ispartofseriesHMD Praxis der Wirtschaftsinformatik
dc.subjectClassification
dc.subjectContext
dc.subjectEmotion
dc.subjectKlassifikation
dc.subjectKontext
dc.subjectMood
dc.subjectMusic recommendation
dc.subjectMusikempfehlung
dc.subjectStimmung
dc.titleMoosic: Von der content- zur kontextbasierten Musikempfehlungde
dc.typeText/Journal Article
mci.reference.pages598-611
dc.identifier.doi10.1365/s40702-019-00526-5


Files in this item

FilesSizeFormatView

There are no files associated with this item.

Show simple item record