L’ús de la realitat augmentada i la cocreació en la museografia i el turisme creatiu: estudi sobre la realització i desenvolupament del projecte “PECT Costa Brava i Pirineu de Girona: Natura, Cultura i Intel·ligència en xarxa” amb l’aplicació Motive-ARCHE.
Bibliographic record
Abstract
El projecte PECT "Costa Brava i Pirineu de Girona: Natura, Cultura i Intel·ligència en xarxa" neix amb l'objectiu d'elaborar una nova eina de difusió del patrimoni cultural i natural, des d'una perspectiva pluridisciplinària i actual, amb l'ús de les noves tecnologies. L'objectiu d'aquest treball de final de màster es l'estudi de la utilització de la aplicació "Motiv-ARCHE" en el marc del projecte PECT "Costa Brava i Pirineu de Girona: Natura, Cultura i Intel·legència en Xarxa" Motiv-ARCHE, és una aplicació que busca incrementar la motivació de tots els públics, però en especial èmfasi dels joves, en temes relacionats al patrimoni cultural mitjançant l'ús de les noves tecnologies amb la creació de rutes i itineraris patrimonials interactius per a tots els nivells. L'objectiu d'aquesta aplicació és facilitar als gestors patrimonials la creació de continguts i de recursos educatius, i també esdevenir una eina de comunicació i interacció amb els usuaris, a través de l'espai de cocreació de continguts. Tot, fent servir tecnologies immersives, com la Realitat Augmentada, adaptades a les preferències, necessitats i característiques dels visitants. També se centrarà en analitzar els beneficis de l’ús de les noves tecnologies per educar i difondre el patrimoni de manera diferent a les tradicionals. La pròpia renovació del model de difusió del patrimoni pot fer-lo més atractiu, sobretot, per al públic que volem dirigir, els joves. Per això, l'anàlisi i estudi de desenvolupament d'itineraris culturals a través de l'ús de l'aplicació es farà en tres localitats de la Costa Brava, Cadaqués (en el Parc Natural del Cap de Creus) i Tossa de Mar. L'estudi es centrarà en l'anàlisi de cinc aspectes: 1) la plataforma desenvolupada; 2) l'acceptació de la mateixa per part dels usuaris i 3) el procés de cocreació.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.001 | 0.003 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".