Seguro que te has sorprendido alguna vez escuchando una balada melancólica en momentos tristes o un tema cañero cuando te sentías eufórico. No es nada nuevo que, en muchos casos, la música que escuchamos es un reflejo de nuestro estado de ánimo. Sin embargo, de ahí a saber en qué situación económica está un país por el número de veces que se reproduce a Niki Jam o Pablo Alborán parece que hay un trecho. Nada más lejos de la realidad.
El psicólogo y economista Hisam Sabouni, de la Universidad de Claremont (Estados Unidos) ha desarrollado un método basado en herramientas de inteligencia artificial para relacionar las listas más escuchadas a través de plataformas de streaming musical como Spotify y Apple Music con la situación económica del paísstreaming.
Todo parte de las relaciones que se pueden establecer con nuestro estado de ánimo. Por un lado, conectando nuestros momentos de alegría, tristeza o ira con determinadas canciones y, por otro, vinculando esos estados con la situación económica por la que atraviesa una nación. Sin duda, asociaciones que no siempre se cumplen al 100 % pero que, si se estudian a gran escala, sí nos pueden conducir a conclusiones generales interesantes.
De hecho, no es la primera vez que se establecen estas relaciones entre la música y los índices económicos. En 1991, el psicólogo Harold M. Zullow estudió las 40 canciones más escuchadas en Estados Unidos entre 1955 y 1981 y analizó cómo el aumento de las reflexiones pesimistas en esta música produjo cambios en un plazo de uno o dos años en el comportamiento de los consumidores, influyendo en su forma de gastar dinero. Además, detectó que el tono pesimista de las canciones afectaba al PNB del país, lo que puede interpretarse como “una alerta temprana de las recesiones”, en palabras de Zullow.
Ahora, los avances tecnológicos han hecho que contemos con muchos más datos para estudiar y establecer relaciones más rápidas gracias al big data y la inteligencia artificial.
De reflejar nuestros sentimientos a ser un indicador económico
Para realizar esta investigación, Sabouni comenzó por establecer conexiones entre las emociones y diferentes atributos de la música como la energía, el tempo o el volumen de las cancionestempo. Algo que ya utilizan los propios servicios de Spotify para categorizar los temas o recomendar nuevas canciones a los usuarios en función de sus escuchas previas.
Además, los actuales sistemas inteligentes pueden comprender las emociones analizando las letras. Esto se consigue gracias a las técnicas de procesamiento del lenguaje natural y se puede hacer de varias formas. La más sencilla es atribuir una carga emocional positiva o negativa a cada palabra. De una manera más compleja, se pueden emparejar palabras con ocho emociones básicas: alegría, tristeza, ira, miedo, pena, sorpresa, confianza e ilusión. Luego el software cuenta el número de veces que cada emoción aparece en las letras de una canción.
De este modo, el experto pudo obtener un perfil emocional de la población en base a las canciones más escuchadas antes y después de la crisis mundial de 2008. Así descubrió que, tras la recesión, la frecuencia de las palabras asociadas con la ira y la pena aumentaban, mientras que las relacionadas con la confianza disminuían. Además se vio que los estados mentales de los consumidores influían significativamente en la música que escogían en estas plataformas y, por tanto, se podían establecer conexiones con el momento económico por el que atravesaba la población.
Así lo hicieron, y comprobaron que había una correlación significativa con otros indicadores económicos como, por ejemplo, el índice del sentimiento del consumidor desarrollado por la Universidad de Michigan y que se encarga de medir el nivel de confianza de los consumidores en la actividad económica.
En sus conclusiones, Sabouni no solo vio que las canciones más populares de cada momento se podían utilizar para predecir el sentimiento económico de un país, sino que también podían condicionar los movimientos bursátiles a corto plazo.
Sin ser una tendencia general, en algunos casos se vio que al analizar los índices NASDAQ y Dow Jones entre enero de 2000 y diciembre de 2016 había picos elevados cuando triunfaban canciones alegres y con mensajes de ilusión. Incluso influía si la música más escuchada era bailable o no: si su capacidad para mover el cuerpo aumentaba en un 1 % por ciento, también lo hacían los números del Dow Jones en un 0,542% y del NASDAQ en 0,973%.
Este estudio también muestra cómo la presencia de plataformas como Spotify y Apple Music y su música a la carta permite hacer análisis mucho más profundos que, por ejemplo, a partir de las listas canciones más escuchadas de la radio. No solo permite ajustar al máximo cuál es la música que se escucha en cada momento del día, sino que estas empresas cuentan con datos sobre los usuarios que también sirven para establecer conexiones económicas en una determinada región o en un grupo de personas con características profesionales semejantes.
Además Sabouni cree que las investigaciones futuras para determinar relaciones económicas deberían ampliarse a otros sectores más allá de la música, como los guiones de películas, programas de televisión o incluso best sellers de la literatura. Por el momento, ya sabemos que todo lo que escuchamos en Spotify puede estar condicionando el devenir de nuestra economía.
-------------------------
Las imágenes son propiedad, según orden de aparición, de Pexels y downloadsource.fr/Flickr