Individualized Visits to Foster the Engagement and the re-visit in Museums
Notice bibliographique
Résumé
Museums have become places that, besides conserving and storing artefacts, provide visitors with education and amusement. They now have to compete with the entertainment industry to attract visitors and expand their audience. The use of digital technology is emerging as a solution.While many studies focus on the visitor side, we are interested in tools for museum staff. To understand their needs and processes, we adopted a participatory and iterative design process, involving museum professionals as end-users at each step (i.e. user observation, design, prototyping, users tests). We conducted 7 meetings, 4 interviews studies and 2 experimental observations with 12 museum experts (communication, IT, public and content experts) from 5 institutions (Exhibition Centres, Science Centre, Archaeological Museum, Museum of Fine Arts).Our analysis revealed two issues faced by these museums. First, despite the recommendation of institutional documents, visitors service is almost never involved before the end of the exhibition design process. Thus, they have no mean to shape the scenography in order to adapt it to visitors. Second, we identified a strong need for encouraging local visitors’ engagement and revisit. Diversifying the visits is a solution considered by museums, but relying on temporary exhibits is too costly for small museums and creating thematic visits is not participatory enough.The creation of individualized visits, allowing visitors to explore existing exhibition on their own depending on their needs and desires, meets both challenges. We thus focus on the design of tools that empower museum professionals to create such visits. We identified that museums need, first, to collect more information about their visitors and, second, to be able to create, evolve and maintain the solutions on their own according to visitors needs. Our aim is to design a tool which respects these two key points and could enable the creation of personalized and dynamic museum visits.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».