Lorenzo Porcaro
Lorenzo Porcaro ha conseguito la laurea triennale in Matematica per le Applicazioni nel 2014 presso La Sapienza - Università di Roma (Italia) e i master in Sound and Music Computing (2015) e Intelligent Interactive Systems (2018) presso l’Universitat Pompeu Fabra (UPF) di Barcellona (Spagna). Dal 2018 al 2022 ha svolto un dottorato di ricerca intitolato “Assessing the Impact of Music Recommendation Diversity on Listeners” presso il Music Technology Group, parte del Dipartimento di Tecnologia dell’Informazione e della Comunicazione della UPF, sotto la supervisione della Prof.ssa Emilia Gómez e del Prof. Carlos Castillo. La sua tesi si è concentrata sull’esplorazione di nuovi metodi per valutare l’impatto della diversità nelle raccomandazioni musicali sui comportamenti e sugli atteggiamenti degli ascoltatori, fornendo prove empiriche sul ruolo che la diversità gioca nel mediare la relazione tra raccomandazioni musicali e ascoltatori. Ha conseguito il titolo di dottore di ricerca presso la UPF con il massimo dei voti (“cum laude”) nel 2022.
Durante il dottorato, Lorenzo ha partecipato al progetto TROMPA (Towards Richer Online Music Public-domain Archives), un’iniziativa di ricerca internazionale finanziata dall’Unione Europea per migliorare l’accessibilità delle risorse musicali digitali di pubblico dominio. Ha inoltre collaborato al progetto MusicalAI, finanziato dal Ministero della Scienza e dell’Innovazione del Governo Spagnolo, esplorando applicazioni dell’IA per supportare esperienze musicali in un’ottica data-driven e centrata sull’utente. Prima di intraprendere il dottorato, ha acquisito esperienza nell’industria musicale in diversi ruoli di ingegneria dei dati. Nel 2015 ha svolto uno stage presso SoundCloud, una delle più grandi piattaforme di streaming musicale al mondo. Successivamente, ha lavorato presso MonkingMe, una startup catalana che sviluppava una piattaforma locale di streaming musicale, e presso BMAT, un’azienda che monitora e segnala l’uso della musica a livello globale su TV, radio, locali e piattaforme digitali.
Dopo il PhD, Lorenzo ha lavorato come Scientific Project Officer presso il Centro Comune di Ricerca (JRC) della Commissione Europea, dove è stato membro del team Human Behaviour and Machine Intelligence (HUMAINT) all’interno dell’Unità per la Trasparenza Algoritmica. In questo ruolo, ha condotto ricerche sull’affidabilità dei sistemi di raccomandazione nel contesto del Digital Service Act (DSA) e ha contribuito al Centro Europeo per la Trasparenza Algoritmica (ECAT). Le sue ricerche in questo periodo si sono focalizzate sullo sviluppo di metodi per l’auditing dei sistemi di raccomandazione.
Attualmente, Lorenzo è Marie Skłodowska-Curie Postdoctoral Fellow presso il Dipartimento di Ingegneria Informatica, Automatica e Gestionale (DIAG) de La Sapienza - Università di Roma (Italia). È il ricercatore principale del progetto intitolato Algorithmic Auditing for Music Discoverability (AA4MD), in collaborazione con la Prof.ssa Tiziana Catarci, responsabile del gruppo HCI presso il DIAG.