Algoritmos Predictivos y la Tecnología Blockchain en la Distribución Musical: Ecosistema Más Justo y Eficiente
Resumen
El sector de la distribución musical ha evolucionado rápidamente en las últimas décadas, impulsado por avances tecnológicos. Este artículo analiza en profundidad el impacto de los algoritmos predictivos y la tecnología blockchain en la distribución musical, explorando cómo estas herramientas pueden abordar problemas críticos como la centralización, la falta de transparencia y la distribución desigual de los ingresos. Además, se presenta una evaluación de los desafíos técnicos y regulatorios que surgen al integrar estas tecnologías en el sector musical, junto con un enfoque prospectivo sobre su adopción y las oportunidades que ofrecen para artistas, productores y consumidores.
Descargas
Citas
Aguiar, L., & Waldfogel, J. (2018). "Quality Predictability and the Welfare Benefits from New Products: Evidence from the Digitization of Recorded Music". Journal of Political Economy, 126(2), 492-524.
Audius Blog. (2022). Audius Governance Takeover Post-Motem 7/23/22. Disponible: https://blog.audius.co/article/audius-governance-takeover-post-mortem-7-23-22
Choi, K., Fazekas, G., Sandler, M., & Cho, K. (2017). Convolutional recurrent neural networks for music classification. In IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP).
Dieleman, S., & Schrauwen, B. (2014). End-to-end learning for music audio. In IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP).
Ernst & Young. (2020). "Blockchain in the Media and Entertainment Industry: The Future of Music Distribution". EY Insights.
Hershey, S., Chaudhuri, S., Ellis, D. P., Gemmeke, J. F., Jansen, A., Moore, R. C., ... & Wilson, K. (2017). CNN architectures for large-scale audio classification. In IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP).
He, X., & Chua, T. S. (2017). Neural Collaborative Filtering. Proceedings of the 26th International Conference on World Wide Web.
Jaime Maestre, R. (mayo de 2019). La Blockchain revolucionarà la comunicació de l’empresa. Comunicació: Revista de Recerca i d’Anàlisis, 36(1), pp 95-116.
Jaime Maestre, R. (2020). Un ejemplo de educación financiada mediante criptomoneda: la ICO de la IEBS Business School. Tecnología, Ciencia y Educación, 15, 143-163.
Koren, Y., Bell, R., & Volinsky, C. (2009). Matrix Factorization Techniques for Recommender Systems. Computer, 42(8), 30-37.
Liang, D., Krishnan, R. G., Hoffman, M. D., & Jebara, T. (2018). Variational Autoencoders for Collaborative Filtering. Proceedings of the 2018 Web Conference, 689-698.
Maestre, R.J., Bermejo Higuera, J., Gámez Gómez, N. et al. The application of blockchain algorithms to the management of education certificates. Evol. Intel. 16, 1967–1984 (2023). https://doi.org/10.1007/s12065-022-00812-0
Matulich, E., & Currie, E. (2021). Blockchain and the Music Industry: The Future of Streaming and Royalties. Journal of Business and Economics, 12(3), 15–25.
Nguyen, Q. K. (2016). Blockchain and Its Integration with AI: Opportunities for Music Distribution. International Journal of Emerging Technology.
O'Dair, M., & Beaven, Z. (2019). Blockchain and the Music Industry: Technology, Power and Innovation. Progress in Informatics, 16(1), 21–39.
O'Dair, M. (2019). Distributed Creativity: How Blockchain Technology Will Transform the Creative Economy. Palgrave Macmillan.
OpenAI. (2020). Jukebox: A generative model for music.
Park, S. H., & Lee, J. H. (2017). Hybrid music recommendation using content-based and collaborative filtering. Expert Systems with Applications, 71, 117–128.
Pasick, A. (2016). "How Blockchain Can Fix the Music Industry". Quartz.
Raffone, G., & Bolici, F. (2020). The Promise of Blockchain for Music Distribution: Opportunities and Challenges. International Journal of Information Management, 51, 102–115.
Schafer, J. B., Frankowski, D., Herlocker, J., & Sen, S. (2007). Collaborative Filtering Recommender Systems. In The Adaptive Web (pp. 291-324). Springer.
Spotify Engineering. (2017). Discover Weekly: How Machine Learning Finds Your Next Favorite Song. Spotify Tech Blog.
Spotify Engineering. (2020). "How We Personalize Music Recommendations Using Machine Learning". Spotify Tech Blog.
Tapscott, D., & Tapscott, A. (2016). Blockchain Revolution: How the Technology Behind Bitcoin is Changing Money, Business, and the World. Penguin.
Euan Pablo, L. L. (2025). Impacto Social y Económico de la Trata de Personas en el Estado de Quintana Roo. Ciencia Y Reflexión, 4(1), 893–912. https://doi.org/10.70747/cr.v4i1.149
Del Valle Juarez, M. B. (2025). Optimización de la productividad en Anguiplast S.A. de C.V. mediante diseño de experimentos (DOE). Ciencia Y Reflexión, 4(1), 965–995. https://doi.org/10.70747/cr.v4i1.90
Tsiotsou, R. (2020). "Emerging Consumer Trends in the Music Industry". Journal of Music Business Research, 9(1), 22-39.
Van den Oord, A., Dieleman, S., & Schrauwen, B. (2013). Deep content-based music recommendation. In Advances in Neural Information Processing Systems (NeurIPS).
Xu, W., et al. (2021). "Blockchain Applications in Copyright Protection: A Case Study in the Music Industry". Future Internet, 13(3), 62.
Zhou, Y., Wilkinson, D., Schreiber, R., & Pan, R. (2008). Large-Scale Parallel Collaborative Filtering for the Netflix Prize. In Proceedings of the 4th International Conference on Algorithmic Aspects in Information and Management, 337-348.
Derechos de autor 2025 Raúl Jaime Maestre
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.png)
.png)
1.png)
