“First Week Is Editorial, Second Week Is Algorithmic”: Platform Gatekeepers and the Platformization of Music Curation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article investigates the logics that underpin music curation, and particularly the work of music curators, working at digital music streaming platforms. Based on ethnographic research that combines participant observation and a set of interviews with key informants, the article questions the relationship between algorithmic and human curation and the specific workings of music curation as a form of platform gatekeeping. We argue that music streaming platforms in combining proprietary algorithms and human curators constitute the “new gatekeepers” in an industry previously dominated by human intermediaries such as radio programmers, journalists, and other experts. The article suggests understanding this gatekeeping activity as a form of “algo-torial power” that has the ability to set the “listening agendas” of global music consumers. While the power of traditional gatekeepers was mainly of an editorial nature, albeit data had some relevance in orienting their choices, the power of platform gatekepeers is an editorial power “augmented” and enhanced by algorithms and big data. Platform gatekeepers have more data, more tools to manage and to make sense of these data, and thus more power than their predecessors. Platformization of music curation then consists of a data-intense gatekeeping activity, based on different mixes of algo-torial logics, that produces new regimes of visibility. This makes the platform capitalistic model potentially more efficient than industrial capitalism in transforming audience attention into data and data into commodities.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle