Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Oliva, Jefferson Tales | - |
Autor(es): dc.contributor | Casanova, Dalcimar | - |
Autor(es): dc.contributor | Teixeira, Marcelo | - |
Autor(es): dc.contributor | Oliva, Jefferson Tales | - |
Autor(es): dc.creator | Godoi, Weber Cordeiro | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:12:00Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:12:00Z | - |
Data de envio: dc.date.issued | 2023-09-15 | - |
Data de envio: dc.date.issued | 2023-09-15 | - |
Data de envio: dc.date.issued | 2022-11-17 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/32395 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1090830 | - |
Descrição: dc.description | Currently, the digital format is the main music’s distribution channel and the spotify platform stands out as the main distributor. The revenues generated by the songs are shared between distributors, artists, composers and record studios, being proporcional to the number of streams. In this scenario, distributors that adopt methods capable of predicting song’s popularity before their release are more competitive as they can optimize the allocation of financial resources to songs that are more likely to reach high popularity. This work have the main goal to the influence of musical characteristics on the performance of songs on Spotify’s Brazilian charts in 2021, using random forest classification model and interpretability techniques of black box models such as features importance, permutation importance and SHAP feature Importance. Other techniques not dependent on machine learning models such as pearson’s correlation and information value are also applied. Data regarding the number of streams, artist characteristics and musical characteristics of songs that reached the top 200 of brazilian Spotify charts in 2021 were collected and a popularity index was calculated for labeling the songs between popular and common songs. The results show that artist characteristics such as the number of followers, the artist’s popularity index and the musical genres assigned to the artist are the three most important characteristics for determining the popularity of a song, followed by musical characteristics such as speechiness, acousticness, energy, tempo and liveness. | - |
Descrição: dc.description | Atualmente, o formato digital é o principal canal de distribuição de músicas e a plataforma do Spotify se destaca como a principal distribuidora. As receitas geradas pelas músicas são compartilhadas entre distribuidoras, artistas, compositores e gravadoras, sendo proporcionais ao número de reproduções. Nesse cenário, distribuidoras que adotam métodos capazes de prever o potencial de popularidade de canções antes de seu lançamento são mais competitivas à medida que podem otimizar a alocação de recursos financeiros em músicas mais propensas a atingir altos índices de popularidade. Dessa forma, esse trabalho tem por objetivo avaliar a influência de características musicais sobre o desempenho das canções nas charts brasileiras do Spotify em 2021, valendo-se da utilização de modelos de classificação de aprendizado de máquina floresta aleatória e da utilização técnicas de interpretabilidade de modelos caixa preta como Feature Importance, Permutation Importance e o SHAP Feature Importance. Também são aplicadas, nesse trabalho, técnicas não dependentes de modelos de aprendizado de máquina como a correlação de Pearson e o Information Value. Os dados referentes ao número de reproduções, características de artistas e características musicais de canções que atingiram o top 200 do Spotify brasileiro no ano de 2021 foram coletados e um índice de popularidade foi calculado para rotulação das canções entre músicas populares e comuns. Os resultados mostram que as características dos artistas como o número de seguidores, o índice de popularidade do artista e os gêneros musicais atribuídos ao artista são as três características mais importantes para determinação da popularidade de uma canção, seguidas pelas características musicais como a proporção de palavras faladas na canção, acusticidade, energia, tempo e o índice relativo à presença de audiência. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Dois Vizinhos | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Especialização em Ciência de Dados | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-sa/4.0/ | - |
Palavras-chave: dc.subject | Música - Análise, apreciação | - |
Palavras-chave: dc.subject | Algorítmos computacionais | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Music appreciation | - |
Palavras-chave: dc.subject | Computer algorithms | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Avaliação da influência de características musicais sobre a popularidade de canções nas charts do spotify brasileiro em 2021 | - |
Título: dc.title | Evaluation of the influence of musical characteristics on the popularity of songs on the brazilian spotify charts in 2021 | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: