How Museums Engage Visitors’ Self-Efficacy
Notice bibliographique
Résumé
Museums have played an educational role for over two centuries. In the last 50+ years, science centres have become particularly captivating spaces for the public to physically engage with the natural world and other learning opportunities. What is not clear is if this experience is felt as fulsomely by those with low inquiry self-efficacy. Self-efficacy is the belief in one’s abilities to be successful at a particular task (Bandura, 1977). If visitors have low inquiry self-efficacy, then, for example, they may not see any purpose in applying effort to engaging with exhibits at the museum. This study attempts to understand museum visitor experiences by collecting surveys from 100 participants and interview data from 15 participants, and uses this data to characterize the AstraZeneca Human Edge exhibits at the Ontario Science Centre. This study also explores why certain exhibits elicit engagement, and tries to identify if those exhibits and features that cause low inquiry self-efficacy visitors to engage are consistent with hospitality, an ethic of welcoming all visitors, without expectation or condition of who they should be (Derrida, 2005). The research results show that: 1) the length of a visit may vary with the visitor’s inquiry self-efficacy; 2) the types of exhibits visitors interact with, and why they choose those exhibits, varies with the visitor’s inquiry self-efficacy; and 3) by considering and interpreting these differences through a conceptual lens of hospitality, I provide suggestions for how exhibit design and arrangement fosters engagement from all visitors, including low inquiry self-efficacy visitors. Better exhibit design could lead to visitor engagement that raises their inquiry self-efficacy, with lasting impacts on achieving success with their future goals. I provide suggestions for future exhibit design that may encourage engagement by making the exhibits more hospitable, that is, open to whoever the visitor is, providing them the opportunity to make their own learning in their own context.
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 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».