MétaCan
Menu
Retour à la cohorte
Enregistrement W4417229704 · doi:10.1097/01.yco.0001175836.91904.33

37 OBSERVATION ON THE AUDIENCE PSYCHOLOGY OF THE AI SPECIAL EXHIBITION IN NATURAL HISTORY MUSEUMS FROM THE PERSPECTIVE OF BEHAVIORAL AND COGNITIVE SCIENCE

2025· article· en· W4417229704 sur OpenAlexaffabout
Haiyan Zhu, Tao Ma

Notice bibliographique

RevueCurrent Opinion in Psychiatry · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAesthetic Perception and Analysis
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)ExhibitionNatural historyNatural (archaeology)History of scienceCognition

Résumé

récupéré en direct d'OpenAlex

Introduction: Natural history museums are unique educational and cultural institutions that translate complex scientific knowledge into immersive, tangible experiences. Beyond their traditional educational functions, these museums can also promote psychological well-being. This study explores how artificial intelligence (AI)–enhanced special exhibitions contribute to both cognitive development and mental health, including emotional regulation, stress reduction, anxiety management, and empathy enhancement. By integrating perspectives from cognitive psychology, affective neuroscience, and museum education, the paper aims to demonstrate that AI-mediated environments can serve as informal yet effective interventions for improving emotional resilience and social connection. Methods: The study synthesizes interdisciplinary evidence from behavioral and cognitive sciences, cultural psychiatry, and human–computer interaction. It examines three representative institutions—the Canadian Museum of Nature (CMN), the Insectarium de Montréal (IDM), and the Ningbo Choulo Insect Museum (NCIM)—each of which has implemented distinctive AI technologies such as virtual reality (VR), augmented reality (AR), affective computing, and gamified adaptive systems. These cases are analyzed with respect to cognitive processes (attention, memory, flexibility), emotional mechanisms (stress regulation, anxiety modulation, positive affect), and social dimensions (empathy, cooperation, inclusion). Quantitative and qualitative data from existing reports, pilot studies, and visitor analytics are synthesized to evaluate learning outcomes and affective effects. Results: AI-enhanced exhibitions significantly improve visitor engagement, attention, and memory consolidation. More importantly, they support emotional balance and mental health by promoting relaxation, curiosity, and self-efficacy. Physiological and observational indicators suggest reductions in anxiety and stress responses, especially in bioresponsive environments that adapt content to visitors’ arousal levels. Multisensory interactions and perspective-taking tasks enhance empathy, reduce emotional blunting, and encourage pro-social behavior. Cross-cultural comparisons among Canada, Quebec, and China reveal that emotional expression, anxiety coping, and attention styles differ by context, underscoring the importance of adaptive and inclusive AI design. Conclusions: AI-enhanced natural history museums represent emerging public spaces where education, emotion, and technology converge to support collective well-being. By combining immersive design with psychological insights, these institutions not only foster curiosity and scientific literacy but also contribute to emotional stability, resilience, and mental health promotion. Integrating AI-based affective systems and behavioral analytics within museum settings holds promise for scalable, community-centered interventions that address stress, anxiety, and emotional disorders while strengthening empathy and social cohesion.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,447
Score d'incertitude au seuil0,507

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,389
Écart entre enseignants0,310 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in PsychiatryMême sujetAesthetic Perception and AnalysisTravaux en français237 207