Visitor engagement with a digital science museum exhibit about Earth’s history and the geologic time scale: Implications for research methods and exhibit design
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Positive experiences when visiting science museums have been identified as a key life experience in STEM career pathways. Science museums are increasingly including digital exhibits, but their impact is an understudied topic. In order for museum personnel to effectively choose and design digital exhibits to engage visitors and develop visitor interest in science, more research on digital exhibits in museums is needed. This study sheds light on natural science museum visitor engagement patterns with digital interactive exhibits that can inform exhibit designers and educators seeking to engage the general public in science learning. Over one thousand observations of visitors in proximity of an interactive digital geologic time exhibit at a collections-based natural science museum in western Canada were collected using an observation protocol adapted from Serrell, resulting in a subdataset of 71 visitor interactions of behavioral engagement with the exhibit. These observed interactions were analyzed using a parallel convergent mixed methods approach that involved an examination of the frequency of visitor behaviors through an engagement framework and a thematic analysis of other observations (e.g., display navigation, social interactions). The majority of visitor interactions that involved behavioral engagement with the digital exhibit (n = 71) included evidence of cognitive and/or affective engagement, suggesting conditions for learning. Results from this work can inform exhibit developers and decision-makers, researchers and exhibit evaluators examining learning in informal, free choice learning environments, and instructors taking students to science museums.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle