Música para la salud: desarrollo de musicoterapia con las herramientas de análisis de sentimiento Spotify Web API y Genius API

Serrano Esquinas, Luis (2019). Música para la salud: desarrollo de musicoterapia con las herramientas de análisis de sentimiento Spotify Web API y Genius API. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S. de Ingenieros Informáticos (UPM), Madrid, España.

Description

Title: Música para la salud: desarrollo de musicoterapia con las herramientas de análisis de sentimiento Spotify Web API y Genius API
Author/s:
  • Serrano Esquinas, Luis
Contributor/s:
  • Pérez Sobrino, Paula
Item Type: Final Project
Degree: Grado en Ingeniería Informática
Date: January 2019
Subjects:
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Lingüistica Aplicada a la Ciencia y a la Tecnología
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (734kB) | Preview

Abstract

El propósito de este trabajo consiste en utilizar métodos computacionales para desarrollar sesiones de musicoterapia. Actualmente, el musicoterapeuta es el encargado de diseñar bajo su propio criterio las piezas musicales para utilizar en las sesiones terapéuticas. Esto conlleva dos riesgos cruciales: por un lado, un alto grado de subjetividad y preferencias personales en el proceso de diseño de la sesión de musicoterapia, y por otro lado, una gran heterogeneidad entre las sesiones musicales elegidas por diferentes terapeutas. En vista de esta necesidad de investigación, lo que se pretende hacer en este TFG es optimizar la selección de las piezas musicales por medios computacionales a través del uso de las APIs de Spotify y Genius. De este modo, se seleccionarán automáticamente aquellas canciones que mejor funcionen para cada tipo de enfermedad. La API de Spotify permite obtener parámetros asociados a las canciones como la valencia musical (parámetro que mide lo positiva o negativa que es la melodía de una canción), el ritmo, la instrumentalidad, etc. Mediante la API de Genius se pueden obtener las letras de las canciones para analizar el grado de positividad o negatividad con la ayuda de las normas de la valencia (parámetro comprendido entre 1 y 9, siendo 9 una palabra que nos puede hacer sentir muy positivo como la palabra libertad, con un valor de 8.85, y 1 para una palabra que nos puede hacer sentir muy negativo, como entierro, con un valor de 1.15). Con el uso de librerías del lenguaje de programación R es posible acceder a las APIs y obtener esos parámetros. Una vez se obtengan estos parámetros se hará una selección de canciones de manera computacional eligiendo las canciones que mejor se puedan adaptar a un tipo de enfermedad. En concreto, este trabajo estará centrado en desarrollar tres listas de música seleccionadas por medios computacionales en función a su grado de positividad para utilizarlas en sesiones terapéuticas con enfermos de tres tipos diferentes de enfermedades neurológicas: Alzheimer, párkinson y esquizofrenia. Por ejemplo, en el caso del párkinson, se primarán las canciones que sean muy rítmicas, porque un ritmo marcado puede ayudar al enfermo a estabilizar su ritmo y controlar mejor los movimientos involuntarios. En cambio, para el Alzheimer y la Esquizofrenia, se buscarán melodías con valencias más positivas y ritmos suaves para estimular las áreas del cerebro del paciente que pueden estar más dañadas e inducir un estado de relajación. La búsqueda de música se centrará en listas predefinidas por Spotify de la década de los 60 en España. Ya que los pacientes que utilizarán esta terapia serán personas de 65 a 80 años, se primarán canciones que les sean familiares y les evoquen buenos recuerdos.--ABSTRACT--The purpose of this research consists in applying computational methods to develop sessions of music therapy. Currently, music therapists are the ones in charge of choosing the musical pieces to be used during therapeutic sessions following their own criteria. This entails two crucial risks: on one hand, a high degree of subjectivity and personal preferences in the process of designing a session of music therapy, and on the other hand, a great heterogeneity among the musical works chosen by different therapists. In the light of this research problems, what is intended to do in this case is to optimize the selection of songs by computational means through the use of Spotify and Genius APIs. Spotify’s API allows us to obtain parameters associated to songs such as valence (a measure that describes how positive or negative a melody can make us feel), rhythm, instrumentalness, etc. Through Genius’ API we can obtain a song’s lyrics to analyze their degree of positivity or negativity with the help of valence norms (a measure defined between 1 and 9, being 9 a word that could make us feel very positive such as the word free, with a value of 8.85, and 1 for a word that could make us feel very negative, such as burial, with a value of 1.15). With the use of libraries from the programming language R we will be able to access the APIs and obtain those parameters. Once we have these parameters a selection of songs will be made computationally choosing the ones that work the best for each type of disease. In particular, this research will be focused on developing three playlists adapted to different diseases, so they can be used in therapeutic sessions with patients with three different types of neurological illnesses: Alzheimer, Parkinson and schizophrenia. For example, in the case of Parkinson, songs with strong rhythm will be prioritized, as very rhythmic songs can be useful for patients to stabilize their own inner rhythm and thus to better control involuntary movements. In turn, in the case of Alzheimer and schizophrenia, melodies with positive valence and soft rhythms will be used to stimulate areas of the patient's brain that may be more damaged to induce a state of relaxation. The search of music will be centered on playlists made by Spotify from the 60s in Spain. Because patients that will use this therapy will be between 65 and 80 years old, we look for songs that are familiar to them and evoke good memories.

More information

Item ID: 54212
DC Identifier: http://oa.upm.es/54212/
OAI Identifier: oai:oa.upm.es:54212
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 08 Mar 2019 10:58
Last Modified: 08 Mar 2019 11:00
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM