Diseño de Experiencias Personalizadas en el Museo

En los próximos 5 años, algunas de las soluciones tecnológicas más importantes tendrán un impacto clave en la forma de mejorar sustancialmente la experiencia del visitante en el museo, sobre todo desde el punto de vista de la personalización. Falk (2009) declaró en su día que la vivencia de la visita involucra varios contextos personales, físicos y sociales, que interactúan entre sí con la identidad del visitante. El contexto físico es aquel en el que nos encontramos, pero una vez controlado, los aspectos dinámicos del mismo se pueden utilizar para mejorar la experiencia. Para ello podrían modificarse las condiciones de iluminación, o controlar cuán abarrotado y ruidoso sea el ambiente, tratando de combinarlo con aspectos personales, como la sensibilidad de los visitantes al ruido (síndrome de Asperger, autismo), o con el hecho de que la presencia de otros les perturbe, intentando guiarlos a las salas más tranquilas, por ejemplo.

Esta información puede almacenarse en los modelos de usuario de toda la vida, listos para que el sistema los aplique. El contexto personal puede nutrirse de ese modelo para conseguir la mayor parte de la información: el conocimiento previo del visitante sobre el dominio, los intereses y las preferencias actuales – que pueden representarse y actualizarse -, así como su historial de visitas a este u otros museos, logrando dar un toque más coherente a la misma. El contexto social, «per se», puede apoyarse en el conocimiento de los miembros individuales del grupo y en sus relaciones sociales de ese momento, fomentando así la interacción dentro de la experiencia actual del museo.

La aparición del «Procesamiento de la señal social» (Vinciarelli et al., 2009), basada en la medición y el razonamiento sobre los «fragmentos finos» de información que provienen del uso de la tecnología, ofrece el necesario potencial para un mejor monitoreo de los usuarios en entornos computarizados y, por lo tanto, abre una amplia gama de posibilidades para un soporte adecuado que se sustenta en una comprensión mejorada del comportamiento de los visitantes (Dim y Kuflik, 2010).

Prevemos que los usuarios llevarán consigo al museo, cada vez más, dispositivos personales bastante potentes – por lo general, sus teléfonos móviles -. Se espera de ellos que proporcionen potencia computacional, memoria y una conexión a la red (5G), contribuyendo a generar una mejor experiencia. Se trata de aparatos muy útiles para la entrega de información multimedia sobre el museo y apoyan, además, la interacción con otros visitantes, tanto dentro como fuera de éste. Los móviles tendrán el poder de almacenar un modelo de usuario (Gerber et al., 2010), proporcionando la base para lograr una alta personalización del visitante. Los teléfonos actuales presentan aún ciertas limitaciones en ambientes interiores, pero es un problema que acabará solucionándose en breve.

Otra tecnología emergente capaz de mejorar la experiencia del museo es la informática integrada de «superficie», esto es, mesas y suelos interactivos y grandes pantallas de pared. También en este caso el teléfono inteligente puede desempeñar un papel importante, especialmente para enviar archivos de datos y, posiblemente, el perfil del modelo de usuario que conecte con la interacción de la computación de superficie. Esa interacción entre el perfil del visitante (desde su dispositivo móvil) y el entorno, con sus sensores y ordenadores integrados, puede enriquecerse enormemente al conocer la experiencia acumulada de visita al museo que dicho visitante recopiló a lo largo de toda su experiencia museística. Existen desafíos técnicos clave para los modelos de usuario «de por vida»; uno es la representación del usuario. Para ello necesitaremos definir las características del modelo y los mecanismos motivadores para adquirir información y razonar a partir de esos datos. Podemos encontrar una gran labor de investigación sobre representaciones y razonamientos de modelos de usuario. Para respaldar la experiencia personalizada del museo, es preciso recurrir a enfoques que puedan abordar la interacción entre el contexto actual y las partes más estables del modelo a largo plazo, como el conocimiento y los intereses personales de cada visitante. Para completar el modelo personal, los enfoques principales que podemos utilizar son:

  • Enfoque implícito: basado en la interacción del usuario con el sistema personalizado. Como ejemplos, algunos primeros sistemas, como Alfresco (Carini et al, 1993), o el modelo de usuario superpuesto de PEACH (Stock et al., 2007) y CHIP (Wang et al. , 2009).
  • Enfoque geolocalización: se basa en observaciones de la ubicación del usuario, utilizando tecnologías de visión y geolocalización (Beacons) (Hatala y Wakary, 2005).
  • Enfoque explícito: recurre a un cuestionario, como sucede en el Hyper Audio (Sarini y Strapparava, 1998) y CHIP (Wang et al., 2008).
  • Enfoque estereotipos: que pueden ser seleccionados por el usuario, como en PEACH (Stock et al., 2007), o por el sistema, como en LISTEN (Zimmermann et al., 2005); o modelos que recogen lo que el sistema le ha dicho al usuario, para evitar la repetición, como en M-PIRO (Androutsopoulos et al., 2007), que también podría tener un papel de ayuda para encontrar cosas que le parecieron interesantes y de las que ha olvidado algunos detalles.

El cambio fundamental que conlleva un modelo de usuario de por vida es que cada uno podrá usar el suyo para siempre, en su teléfono móvil, por ejemplo (Gerber et al, 2009). Esto reduce la necesidad de generar un modelo individual en cada visita, pudiendo ser reutilizado en y desde otros museos, ofreciendo la interesante posibilidad de que un sistema ayude al usuario a observar los vínculos entre la información presentada en el museo y en otros contextos en los que participa, particularmente si incluye un modelo episódico que represente los vívidos recuerdos de episodios clave en sus visitas a los museos (Falk, 2009).

Para modelar el contexto del usuario – en particular la ubicación y los aspectos más significativos de su actividad y atención -, existen desafíos tecnológicos interesantes, tanto en la recopilación de información relevante de los sensores  (beacons, por ejemplo) como en su interpretación. Esto puede ejecutarse en el mismo dispositivo portátil del usuario y/o en una infraestructura de sensores del museo, siempre y cuando éste se enfrente ya a la transformación digital y los visitantes pueden ser monitoreados, rastreados y modelados ( en algunos museos  afrontar la transformación digital puede no estar entre sus prioridades).

Existen otros desafíos relacionados con el conocimiento del perfil del usuario. Podrian  definirse formas acordadas para representar el modelo- como sucede con userML (Heckmann y Kruger, 2003)- a fin de que su sencillez sea entendida por partes independientes de la infraestructura. La operatividad de los modelos de usuario se convierte en un desafío práctico: cada museo podría requerir información específica, en su representación única, siendo necesaria, por lo tanto, alguna forma de mediación para construir los modelos de usuario entre diferentes museos (Berkovsky et al., 2008). Desde este punto de vista, se produce la necesidad de una infraestructura efectiva capaz de administrar modelos distribuidos en el entorno informático generalizado del museo, como por ejemplo en Personis (Assad et al, 2007).

La generación de presentaciones es otro desafío importante, especialmente dada la demanda de una alta calidad. El trabajo previo para crear presentaciones coherentes en toda la visita requiere una elaboración sofisticada de lenguaje natural que puede parecer, en ocasiones, demasiado compleja para la implementación práctica. La tarea es mucho más difícil cuando consideramos las visitas a varios museos diferentes a lo largo de toda la vida; las presentaciones deberían tener en cuenta la experiencia dentro y fuera de los museos y, posiblemente, sugerir otras futuras en distintos lugares.

Estos requisitos son realmente desafiantes dada a la creciente complejidad de las diferentes formas de personalización a largo plazo. El punto clave es la unificación del modelo de usuario. Las innovaciones más determinantes requieren administrar ese modelo a largo plazo (quizás en el teléfono del usuario), mantener un historial de visitas previas, y utilizarlo después para obtener la información entregada a todos los museos.

Respecto a los museos relacionados, todos estos elementos resultan algo más complejos. Los nuevos problemas surgen de las diferencias potenciales en cada modelo cuando no hay unificación de criterio; pero al existir una relación tópica, estos deberían ser «cercanos» y susceptibles de un mapeo automatizado y común. Con relación a los museos de diferente naturaleza – en lo que respecta a sus colecciones o acciones (museos de arte vs. arqueología o ciencia) -, el desafío al que nos enfrentamos es al de establecer enlaces útiles, aun cuando los modelos y sistemas utilizados sean muy diferentes. Así, por ejemplo, el tema de una pintura puede estar relacionado con exposiciones en un museo de ciencias. La preparación del contenido se complica debido a la necesidad de mapear la experiencia del visitante en el museo entre diferentes dominios y escenarios. Respecto a la vida cotidiana, las cosas son , nuevamente, algo más complejas. No está claro cómo la información personal puede y debe almacenarse y mantenerse para ser utilizada por múltiples sistemas a lo largo del tiempo. Quizás a este nivel, nuestra prioridad debería ser ayudar al usuario a reencontrar cosas que recuerda en parte, y una forma de búsqueda asociativa en el modelo de usuario podría ser útil en este caso (Collins et al, 2009). Con los cambios y avances tecnológicos, la información contextual también puede cambiar, haciendo que todo lo relacionado con la infraestructura sea más difícil de administrar a largo plazo. La composición de la presentación, teniendo en cuenta también la experiencia de toda la vida, se dificulta

Parece ser que tener un modelo de usuario integrado, estándar y personal «de por vida» proporciona un punto de partida para la individualización en múltiples formas, comenzando por vincular cada visita a un lugar en particular y con visitas anteriores, y terminando por relacionarla con todos los demás aspectos modelados sobre el visitante. El modelo de usuario se puede almacenar en la nube del teléfono de cada uno – quizás solo con partes disponibles para el museo, según sea necesario -. Un lenguaje y un protocolo de interacción han de admitir la solicitud y el suministro de datos personales del usuario, al tiempo que plantean las diferencias semánticas entre la mecánica del modelo de usuario y la del museo. El modelo de usuario permanente puede proporcionar la infraestructura y la información requeridas. Sin embargo, es esencial poder utilizar datos de modelado en todos los dominios, a fin de poder hablar el idioma de cada museo (y viceversa), en cuando a mostrar una representación de los visitantes, el conocimiento y sus preferencias en la visita.

Una visita al museo suele ser un evento social, donde pequeños grupos de amigos o familias exploran y experimentan juntos. Como tal, es preciso abordar ese contexto de la visita, planteándolo como una extensión natural en la propuesta del diseño de la vivencia del visitante.

Recursos bibliográficos:

Tsvi Kuflik, Judy Kay and Bob Kummerfeld (2017): Lifelong Personalized Museum Experiences.

Androutsopoulos, J. Oberlander y V. Karkaletsis. (2007): Source authoring for multilingual generation of personalised object descriptions. Natural Language Engineering. 13 (3): 191– 233.

Assad, m, D. J. Carmichael, J. Kay y B. Kummerfeld. (2007): Personis AD: Distributed, active, scrutable model framework for context-aware services, Pervasive 07, LNCS, 55-72. Springer.

Berkovsky, S., Kuflik, T. y Ricci, F. (2008): Mediation of user models for enhanced personalization in recommender systems. User modeling and User Adapted Interaction Vol. 18 (3), pp 245-286.

Bitgood, S. (2009): Museum Fatigue: A Critical Review. Visitor Studies, 12(2), 93 – 111. Collins, A, A. Bezerianos, G. McEwan, M. Rittenbruch, R. Wasinger, and J. Kay. Understanding file access mechanisms for embedded ubicomp collaboration interfaces. UbiComp, 135-144, New York, NY, EE.UU., 2009. ACM Press.

Carenini, G., Pianesi, F., Ponzi, M. y Stock. O. (1993): Natural Language Generation and Hypertext Access. Applied Artificial Intelligence, 7(2) 135-164. Hemisphere.

Dim, E. and Kuflik, T. (2010): Social signal processing: detecting small group interaction in leisure activity. In Procs Internat’l Conf on Intelligent User Interfaces, 309-312. ACM. Durbin, G. (Ed.) (1996) Developing museum exhibitions for lifelong learning. Stationery Office, Londres.

Falk, J. H. y Dierking, L. D. (1992): The museum experience. Washington D.C.: Whalesback. Falk, J. (2009) Identity and The museum visit experience. Left Coast Press.

Fleck M. Frid M. Kindberg T O’Brien-Strain E. Rajani R. y Spasojevic M. (2002). From Informing to Remembering: Ubiquitous Systems in Interactive Museums, Pervasive computing, 1, 2, 13-21.

Garzotto F. Cinotti y T. Pigozzi M. (2003): Designing multi-channel web frameworks for cultural tourism applications: the MUSE case study, Selected Papers from Museums and the Web, Toronto Archives & Museums Informatics pp. 239-354.

Gerber S., Pink G, Fry M, Kay J, Kummerfeld R, Wasinger R. (2010): “PersonisJ: mobile, client-side user modelling”, User Modeling, Adaptation and Personalization (UMAP 2010), to appear.

Hatala, M. y Wakkary, R.: (2005) User Modeling and Semantic Technologies in Support of a Tangible Interface. Journal of User Modeling and User Adapted Interaction 15(3-4), Kluwer, 339-380.

Heckmann, D. y Kruger, A. (2003): A User Modeling Markup Language (UserML) for Ubiquitous Computing». In 9th International Conference on User Modeling (UM’2003), Pittsburgh, junio, pp. 393-397.

Kay, J. (2008): Pervasive personalised lifelong learning and remembering, with user model foundations. IEEE Trans on Learning Technologies, 1(4):215-228.

Kay, J., y B. Kummerfeld (2009) editors: Proceeding of the Lifelong User Modelling Wkshop at UMAP’09, Trento, Italia http://www.cs.usyd.edu.au/~llum/2009_UMAP09_llum/

Kuflik, T., Sheidin, J., Jbara, S., Goren-Bar, D., Soffer, P., Stock, O. y Zancanaro. M. (2007): Supporting Small Groups in the Museum by Context-Aware Communication Services. IUI Honolulu, Hawaii, EE.UU., pp. 305-308.

Not, E., Petrelli, D., Sarini, M., Stock, O., Strapparava, C. y Zancanaro, M. (1998): Hypernavigation in the physical space: adapting presentations to the user and to the situational context. New Rev. Hypermedia Multimedia J. 4, 33–45

Oberlander, J., O’Donnell, M., Knott, A., Mellish, C. (1998): Conversation in the museum: experiments in dynamic hypermedia with the intelligent labelling explorer. New Rev. Hypermedia Multimedia J. 4, 11–32

Oppermann, R. and Specht, M. (1999): A Nomadic Information System for Adaptive Exhibition Guidance. Archives and Museum Informatics 13(2): 127–138.

Sarini, M. and Strapparava, C. (1998) Building a User Model for a Museum Exploration and Information-Providing Adaptive System, Procs 2 Wkshop on Adaptive Hypertext and Hypermedia, Hypertext’98, Pittsburgh, USA, 20-24.

Stock, O,. Zancanaro, M., Busetta, P., Callaway, C., Krüger, A., Kruppa, M.,Kuflik, T., Not E. y Rocchi, C. (2007): Adaptive, Intelligent Presentation of Information for the Museum Visitor in PEACH. User modeling and User Adapted Interaction. 17(3), pp 257-304.

Vinciarelli, A., Maja Pantic, Herve Bourlard. (2009): Social signal processing: Survey of an emerging domain, Image and Vision Computing, 27(12) Visual and multimodal analysis of human spontaneous behaviour, 1743-1759.

Wang, Y., N. Stash, L. Aroyo, P. Gorgels, L. Rutledge, y G. Schreiber. (2008a).

Recommendations based on semantically-enriched museum collections. Journal of Web Semantics: Semantic Web Challenge 6(4): 43.50.

Wang, Y., Aroyo, L., Stash, N., Sambeek, R., Schuurmans Y., Schreiber, G. y Gorgels, P. (2009): Cultivating Personalized Museum Tours Online and On-Site, Journal of Interdisciplinary Science Reviews, Vol. 34, No. 2, Pages 141-156, June, 2009.

Zimmermann, A., Specht, M., Lorenz, A. (2005) Personalization and Context Management. User Modeling and User-Adapted Interaction 15(3-4) 275-302.


Si quieres recibir nuestro newsletter y nuestros artículos por correo electrónico, rellena y envía el boletín adjunto, por favor, completando el campo correspondiente en el formulario de inscripción que encontrarás a continuación. Tu dirección de correo electrónico (asegúrate por favor de escribirla correctamente), será utilizada exclusivamente para enviarte nuestros newsletters y artículos, pudiendo darte de baja en el momento que quieras.

Una respuesta a “Diseño de Experiencias Personalizadas en el Museo

  1. Pingback: Diseño de Experiencias Personalizadas en el Museo — EVE Museos e Innovación – Mediarteducation·

Tus comentarios son muy importantes para nosotros

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.