Towards an LLM-based method for quantifying the sexual content in song lyrics
Questo articolo introduce un metodo riproducibile basato su modelli linguistici di grandi dimensioni per quantificare il contenuto tematico nei testi delle canzoni e lo applica a un corpus di 1.259 brani reggaeton per analizzare l'esplicitezza sessuale tra gli artisti, nel tempo e rispetto ai flag di contenuti espliciti di Spotify.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immaginate il mondo della musica come una gigantesca e rumorosa biblioteca dove ogni canzone è un libro. Per molto tempo, quando le persone volevano sapere cosa ci fosse dentro i libri di un genere specifico chiamato Reggaeton, dovevano leggerli uno per uno, prendendo appunti a mano. Questo è come cercare di contare il numero di auto rosse in una città stando su un angolo di strada e scrivendole mentre passano. È lento, stancante, e puoi guardare solo poche auto prima di stancarti. Questo campo di studio si chiama "analisi del contenuto", ed è il modo in cui gli scienziati cercano di trasformare sentimenti e temi — come l'amore, la rabbia o il fare festa — in numeri reali in modo da poterli confrontare. La grande domanda che tutti si sono posti è stata: "Il Reggaeton parla davvero solo di sesso, o è solo una voce?" Per rispondere a questo, abbiamo bisogno di un modo per misurare i testi senza doverli leggere tutti manualmente. È qui che entra in gioco un nuovo tipo di aiutante: un cervello informatico super intelligente chiamato Modello di Linguaggio di Grandi Dimensioni (LLM). Pensate a un LLM come a un robot che ha letto quasi tutti i libri della biblioteca e può dirvi istantaneamente: "Questa storia ha molta parte romantica", oppure "Questa è piena di violenza", assegnandole un punteggio da zero a dieci.
Questo articolo è come una ricetta per usare quel cervello robotico per misurare la "piccantezza" dei testi del Reggaeton. L'autore, Ignacio Sticco, ha costruito un metodo per alimentare il computer con 1.259 canzoni di 12 artisti famosi. Invece di chiedere semplicemente "Questa canzone è sporca?", il computer è stato istruito per cercare nove diversi "sapori" della canzone, come "vibrazioni da festa", "amore triste", "crimine di strada" e due tipi specifici di "parlare di sesso": uno che lo accenna (suggestivo) e uno che lo dice direttamente (esplicito). Il robot è stato prima addestrato su un piccolo gruppo di canzoni che erano già state valutate da esseri umani, così ha imparato a dare gli stessi punteggi che darebbe un umano. Una volta che il robot era pronto, ha valutato l'intera biblioteca di canzoni, creando un enorme foglio di calcolo di dati che mostra esattamente quanto di ogni tema appare in ogni traccia.
I risultati sono un po' sorprendenti e sicuramente non sono ciò che vi aspettereste se ascoltate semplicemente la radio. Primo, lo studio ha scoperto che, sebbene il Reggaeton sia effettivamente pieno di temi sessuali, il tipo "accennato" (suggestivo) è in realtà il doppio rispetto a quello "diretto" (esplicito). È come scoprire che la maggior parte delle canzoni da festa riguarda l'idea di una notte folle, piuttosto che descrivere la notte folle in dettagli grafici. Secondo, gli artisti non sono tutti uguali. Alcuni, come Plan B, sono come un peperoncino piccante, con punteggi molto alti sul contenuto sessuale diretto. Altri, come Camilo, sono più come un dolce dessert, con testi che sono quasi interamente dedicati all'amore romantico e con pochissimo parlare di sesso. Lo studio dimostra che trattare tutti gli artisti del Reggaeton come un unico gruppo è un errore; sono diversi tra loro quanto una band heavy metal lo è di un trio jazz.
L'articolo ha anche esaminato come le cose siano cambiate nel tempo, dal 2002 al 2025. Contrariamente all'idea che il genere stia diventando "più selvaggio" in ogni modo, lo studio ha scoperto che il tema del "crimine di strada" sta in realtà svanendo, mentre il tema dell'"emozione romantica" sta crescendo. Tuttavia, il contenuto sessuale "direttamente esplicito" è raddoppiato negli ultimi vent'anni. Ciò significa che il genere non sta solo diventando più suggestivo; sta diventando più diretto nel linguaggio, ma sta anche diventando più emotivo e meno legato alla criminalità.
Infine, l'autore ha controllato il lavoro del computer confrontandolo con l'etichetta "Explicit" di Spotify (la piccola "E" che si vede accanto a una canzone). Il computer ha scoperto che Spotify sta perdendo una grande fetta del contenuto esplicito. Su ogni quattro canzoni che il computer ha identificato come aventi testi sessuali espliciti, Spotify ne ha segnalate solo una. È come un guardiano della sicurezza che controlla solo per armi grandi e rumorose, ma ignora i coltelli più piccoli e affilati. Questo suggerisce che il modo attuale in cui i servizi di streaming etichettano la musica sia uno strumento troppo rozzo per catturare il tipo specifico di contenuto sessuale presente in queste canzoni.
In breve, questo articolo non dice solo che "il Reggaeton è sexy". Usa un metodo informatico intelligente per dimostrare che il genere è un mix complesso di romanticismo, feste e discorsi sessuali diretti, e che è cambiato in modi specifici negli ultimi 20 anni. Mostra anche che gli strumenti che usiamo attualmente per etichettare la musica (come il flag di Spotify) non sono molto bravi a catturare i dettagli specifici che i ricercatori o gli ascoltatori potrebbero ritenere importanti. L'autore ha condiviso il codice e i dati, invitando chiunque altro a usare questo stesso metodo del cervello robotico per studiare altri generi musicali o persino lingue diverse, trasformando la lenta arte di leggere i testi in una scienza veloce e misurabile.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.