Motivados por el cambio orientado a una mayor atención al visitante en las décadas de 1960 y 1970, los museos han ido evolucionando desde instituciones que prestaban poca atención a las necesidades de la audiencia a lugares donde aprender en un ambiente agradable y donde se pretende educar sobre el arte, la ciencia y el patrimonio cultural. Esta tendencia hacia un enfoque de participación del público, viene acompañada de la provisión de acceso diferenciado a información y a servicios adaptados al perfil específico de cada visitante, tanto en el museo físico como en línea. Ver contenido personalmente interesante fomenta la participación y el aprendizaje. Los museos han visto aparecer sistemas automatizados de información autoguiada para visitantes que han evolucionado del formato audio al audiovisual. Por otro lado, y desde hace poco tiempo, se han comenzado a realizar y mejorar los primeros intentos para personalizar la presentación del contenido en función del posicionamiento en tiempo real y los intereses de cada visitante.
Los campos de investigación de la informática aplicada a los museos, la computación generalizada y el modelado de usuarios han proporcionado enfoques y tecnologías clave para ofrecer experiencias museísticas personalizadas.
Estos campos de investigación se pueden clasificar de la siguiente manera:
Tipos de servicios personalizados.
Con el objetivo de brindar una experiencia más placentera, los sistemas personalizados de apoyo al visitante ofrecen una gran variedad de servicios.
Estos servicios permiten:
- Entregar información personalizada (multimedia) sobre el contenido de las exposiciones en el museo físico.
- Brindar recomendaciones sobre exposiciones de museo personalmente interesantes.
- Estimular la interacción con el entorno del museo al vincular el contenido multimedia al del museo.
- Fomentar la interacción social con otros visitantes del museo.
Tipos de marco de tiempo de modelado de usuarios.
Los sistemas personalizados de apoyo al visitante pueden:
- Emplear modelos para el usuario de una sola visita.
- Acceder a datos de modelado de usuario que se hayan adquirido antes de una visita.
- Explotar visitas cruzadas o de larga duración.
Modelos de usuarios a largo plazo.
El desafío para los modelos de usuario de visita única es el de adaptarse a los intereses de un visitante de un modo individual. Este proceso de adaptación puede acelerarse inicializando los modelos de usuario al comienzo de la visita, p. ej., arrancando manualmente los modelos de usuario, o utilizando fuentes externas (perfiles prefijados en la nube).
Tipos de construcción de modelos de usuario.
Los sistemas personalizados de apoyo al visitante para museos físicos pueden emplear modelos de usuario adaptables que requieren que las personas declaren explícitamente sus intereses. Alternativamente, esos intereses y preferencias se pueden estimar a partir de observaciones no intrusivas y aprobadas por el usuario, utilizando modelos de adaptables que no requieren la participación explícita de la audiencia. Por lo general, los sistemas personalizados han actualizado principalmente sus modelos de usuario a partir de las interacciones de los visitantes con el sistema. Alternativamente, estas actualizaciones pueden basarse en observaciones no intrusivas de los movimientos del público a través del museo.
Tipos de representación del conocimiento del espacio.
Los sistemas de apoyo al visitante para el espacio del museo suelen utilizar una representación detallada, y diseñada a priori, del conocimiento del espacio, a fin de ofrecer experiencias museísticas personalizadas. Los enfoques alternativos incluyen técnicas de modelado estadístico de usuarios, que no requieren una representación explícita del conocimiento del espacio. Tales técnicas pueden ser ventajosas en el contexto de los grandes museos, donde podría resultar difícil lograr una representación integral del conocimiento del espacio.
Tipos de tecnología.
Las tecnologías de hardware para sistemas personalizados de apoyo a los visitantes incluyen dispositivos portátiles personales, como teléfonos inteligentes, dispositivos informáticos integrados y combinaciones de las dos tecnologías. Para los sistemas no intrusivos, aquellos basados en los movimientos del público, estas tecnologías suelen combinarse con otras herramientas para detectar el comportamiento de la audiencia (p. ej., ubicación y dirección) en el museo.
El espacio del museo (en particular, su aspecto físico) ofrece desafíos de investigación específicos para los sistemas personalizados de apoyo al visitante. Los más actuales incluyen lo que explicaremos a continuación.
Lograr la no intrusividad y la adaptabilidad.
Si bien los sistemas personalizados de asistencia al visitante pueden inicializar sus modelos de usuario mediante datos de modelado de usuario externo, estos modelos también deben actualizarse dinámicamente con el progreso de una visita para incorporar información adicional específica del sitio sobre los visitantes. Las actualizaciones automáticas se pueden lograr mediante el procesamiento de información de sensores (beacons) – obtenida de forma no intrusiva – sobre los movimientos y el comportamiento del público. Ya se han propuesto modelos de usuario basados en este tipo de datos, pero lograr la adaptabilidad y la conciencia del contexto a partir de la información de ubicación aún plantea desafíos prácticos, debido a la dificultad asociada con el posicionamiento preciso de los visitantes dentro de los edificios del museo. La implementación de dichos sistemas requerirá (1) más investigación en el área de la tecnología de posicionamiento en interiores para rastrear automáticamente a los visitantes durante sus visitas, y (2) técnicas para vincular la información del sensor con la entrada del modelo del usuario, aquella que considere adecuadamente el impacto de la medición del ruido en el rendimiento de los modelos de usuario. La investigación inicial en este área incluye lo siguiente.
Creación de contenido personalizado.
Muchos proyectos de investigación han trabajado sobre los sistemas de entrega de contenido personalizado para museos. Los desafíos pendientes incluyen lograr una mayor coherencia en las presentaciones personalizadas y vincular las presentaciones in situ con el acceso directo a las colecciones del museo en línea.
Vinculación de experiencias museísticas previas a la visita, in situ y posteriores a la visita.
Si bien algunos investigadores han trabajado sobre determinados enfoques para vincular las experiencias previas a la visita, in situ y posteriores a la misma, los desarrollos tecnológicos recientes han generado desafíos adicionales, entre los que se encuentra el vincular las experiencias del museo in situ con el acceso en línea a las colecciones del museo, y la interacción del visitante in situ con las tecnologías de redes sociales en línea.
Recursos computacionales limitados.
Los dispositivos portátiles tienen capacidades de procesamiento limitadas. Las arquitecturas de cliente/servidor se han utilizado a menudo para llevar a cabo operaciones computacionalmente costosas en un servidor de alta capacidad en el backend, pero esta solución requiere conectividad inalámbrica. Las soluciones independientes del servidor precisan un software eficiente en recursos que se aplique a los dispositivos portátiles.
Resumiendo, pretendemos explicar la evaluación de las técnicas generalizadas de personalización y modelado de usuarios para individualizar las experiencias de los visitantes en nuestros museos. Si bien los proyectos de investigación anteriores ya han abordado numerosos desafíos en este dominio, quedan muchos otros por afrontar – además de que han surgido nuevas oportunidades para futuras investigaciones -. Hoy hemos hablado de algunos de esos retos y oportunidades, pero seguiremos ofreciendo más información sobre este tema que nos parece tan interesante.
Recursos bibliográficos:
Filippini-Fantoni, S. (2003): Museums with a personal touch. En: X EVA London Conf. (EVA-Londres-03), 25.1–25.10.
Falk, J.H. (2009): Identity and the Museum Visitor Experience. Left Coast Press.
Tallon, L., Walker, K., eds. (2008): Digital Technologies and the Museum Experience –Handheld Guides and Other Media. AltaMira Press.
Proctor, N., Tellis, C. (2003): The state of the art in museum handhelds in 2003. En: XII Intl. Conf. on Museums and the Web (MW-03).
Stock, O., Zancanaro, M., Busetta, P., Callaway, C., Kru ̈ger, A., Kruppa, M., Kuflik, T., Not, E. y Rocchi, C. (2007): Adaptive, intelligent presentation of information for the museum visitor in PEACH. UMUAI 18(3), pags. 257–304.
Hatala, M. y Wakkary, R. (2005): Ontology-based user modeling in an augmented audio reality system for museums. UMUAI 15(3-4), pags. 339–380.
Petrelli, D. y Not, E. (2005): User-centred design of flexible hypermedia for a mobile guide: Reflections on the HyperAudio experience. UMUAI 15(3-4), pags. 303–338.
Bohnert, F. y Zukerman, I. (2009): Non-intrusive personalisation of the museum experi- ence. En: XVII Intl. Conf. on User Modeling, Adaptation, and Personalization (UMAP-09). Pags. 197–209.
Bohnert, F. (2009): Personalising the Museum Experience. Faculty of Information Technology, Monash University Clayton, VIC 3800, Australia.
Wang, Y., Aroyo, L., Stash, N., Sambeek, R., Schuurmans, Y., Schreiber, G. y Gorgels, P. (2009): Cultivating personalized museum tours online and on-site. Interdisciplinary Science Reviews 34(2), pags. 141–156.
van Hage, W.R., Stash, N., Wang, Y. y Aroyo, L. (2010): Adaptation step-by-step: Challenges for real-time spatial personalization. En: 2010 Workshop on Pervasive User Modeling and Personalization (PUMP-10 en UMAP-10).
Wakkary, R., Muise, K., Tanenbaum, K., Hatala, M. y Kornfeld, L. (2007): Situating approaches to museum guides for families and groups. En: 10th Intl. Cultural Heritage Informatics Meeting (ICHIM-07).
Kuflik, T., Kay, J. y Kummerfeld, B. (2010): Life-long personalised museum experiences. In: Proc. of the 2010 Workshop on Pervasive User Modeling and Personalization (PUMP-10 at UMAP-10).
Bohnert, F. y Zukerman, I. (2010): Personalised pathway prediction. En: XVIII Intl. Conf. on User Modeling, Adaptation, and Personalization (UMAP-10), pags. 363–368
Bohnert, F., Schmidt, D.F. y Zukerman, I. (2009): Spatial processes for recommender systems. En: XXI Intl. Joint Conf. on Artificial Intelligence (IJCAI-09), pags. 2022–2027
Zukerman, I. y Albrecht, D.W.: Predictive statistical models for user modeling UMUAI 11(1-2), pags. 5–18.
Carmichael, D.J., Kay, J. y Kummerfeld, B. (2005): Consistent modelling of users, devices and sensors in a ubiquitous computing environment. UMUAI 15(3-4), pags. 197–234
Schmidt, D.F., Zukerman, I. y Albrecht, D.W. (2009): Assessing the impact of measurement uncertainty on user models in spatial domains. En: XVII Intl. Conf. on User Modeling, Adaptation, and Personalization (UMAP-09), pags, 210–222
Berkovsky, S., Baldwin, T. y Zukerman, I. (2008): Aspect-based personalized text summarization. In: Proc. of the 5th Intl. Conf. on Adaptive Hypermedia and Adaptive Web-Based Systems (AH-08), pags. 267–270.
Fleck, M., Frid, M., Kindberg, T., O’Brien-Strain, E., Rajani, R. y Spasojevic, M. (2002): Rememberer: A tool for capturing museum visits. En: IV Intl. Conf. on Ubiquitous Computing (Ubicomp-02), pags. 379–385.
Fotografía: Winnipeg Press. CMHR wins four innovation awards.
Si quieres recibir nuestro newsletter y artículos por correo electrónico, puedes solicitarlo rellenando y enviando el formulario de inscripción que encontrarás más abajo. Tu dirección de correo electrónico será utilizada exclusivamente para enviarte nuestros newsletters y/o artículos, pudiendo darte de baja en el momento que quieras.
