Personalización No Intrusiva en Museos

En los últimos años, una de las áreas de mayor crecimiento en los museos modernos es la personalización de contenidos, que busca adaptar la visita a los intereses individuales de cada usuario. No obstante, muchos sistemas actuales exigen al visitante introducir datos o interactuar con dispositivos, lo que puede resultar invasivo o interrumpir el flujo natural del recorrido. Ante este desafío, investigadores del ámbito de la inteligencia artificial han desarrollado modelos de personalización «no intrusiva», capaces de ofrecer recomendaciones basadas en la simple observación del comportamiento del usuario.

Esta aproximación propone una alternativa innovadora para museos que desean mejorar la relevancia de sus contenidos sin imponer barreras tecnológicas ni requerir un esfuerzo adicional por parte del visitante. El objetivo es simple pero ambicioso: anticiparse a los intereses individuales de cada persona con base en lo que hace durante la visita, sin necesidad de preguntar directamente.

¿Por Qué Personalizar?

La visita a un museo supone enfrentarse a una gran cantidad de información, limitada por el tiempo disponible, el nivel de conocimiento del público y la complejidad de los contenidos. En este contexto, muchos visitantes abandonan el museo sin haber descubierto partes que podrían haber sido muy significativas para ellos. La personalización pretende resolver este problema, sugiriendo contenidos relevantes en el momento oportuno, aumentando así la satisfacción, el aprendizaje y la conexión emocional con las colecciones.

Un Enfoque No Intrusivo.

A diferencia de los sistemas basados en encuestas o preferencias expresadas, la personalización no intrusiva se basa en el «seguimiento anónimo del comportamiento del visitante», especialmente del tiempo que pasa frente a determinadas exposiciones. La premisa es que cuanto más tiempo dedica una persona a una sección, mayor es su interés en ella. Este dato se convierte en la base para predecir otros intereses potenciales dentro del museo.

Para desarrollar esta idea, se creó un proyecto piloto muy destacado en el Melbourne Museum, donde se analizaron 158 recorridos de visitantes adultos. A través de herramientas digitales como el GECKOtracker, se registraron los movimientos y tiempos de estancia en cada espacio. Con estos datos se construyeron modelos capaces de estimar qué otras secciones del museo podrían haber resultado atractivas para cada persona.

Modelos Predictivos para Museos.

Los investigadores probaron dos enfoques principales:

1. Filtrado Colaborativo: un sistema que compara los intereses del visitante con los de otros usuarios similares. Si varias personas con comportamientos parecidos disfrutaron de una exposición no visitada por el usuario actual, es probable que también sea de su interés.

2. Modelo Espacial Gaussiano: un sistema que tiene en cuenta la ubicación física de las exposiciones. La lógica es que áreas cercanas en el espacio tienden a compartir temáticas o estilos, y por tanto, el interés por una puede predecir el interés por otra.

Ambos sistemas utilizaron técnicas estadísticas avanzadas para transformar los datos de tiempo en predicciones útiles, evitando depender de estructuras predefinidas como categorías temáticas o taxonomías museográficas.

Resultados y Aplicaciones.

Los modelos mostraron una capacidad significativa para predecir con precisión los intereses de los visitantes, incluso con poca información inicial. Esto permite que las recomendaciones se generen rápidamente, lo cual es esencial en entornos de visita libre donde las decisiones se toman en segundos.

Además, se comprobó que estas recomendaciones eran más útiles al inicio del recorrido, cuando los usuarios aún no habían definido su ruta. Una vez que el visitante sigue un patrón, el sistema puede reforzar su experiencia sugiriendo contenido adyacente o complementario.

Este enfoque ofrece un enorme potencial para:

• Diseñar Audioguías Inteligentes que se ajusten al ritmo del visitante.

• Sugerir Recorridos Alternativos durante la visita, optimizando el tiempo disponible.

• Evaluar el Impacto de las Exposiciones, analizando qué partes generan más atención sin requerir encuestas.

• Hacer Accesible la Personalización incluso para públicos no familiarizados con la tecnología.

Ética y Sostenibilidad.

Un aspecto clave de este sistema es su carácter anónimo y no invasivo. No se recopilan datos personales ni se interrumpe la experiencia con formularios o decisiones constantes. Esto respeta la privacidad del visitante y reduce el rechazo que muchas personas sienten ante tecnologías que rastrean su comportamiento de forma explícita.

Además, estos modelos pueden integrarse fácilmente en sistemas ya existentes, utilizando sensores de presencia, cámaras anónimas o análisis de dispositivos móviles, sin necesidad de inversión excesiva ni rediseños drásticos del espacio museográfico.

La Museografía Digital.

La personalización no intrusiva representa una frontera prometedora en la museografía digital. Gracias a ella, los museos pueden acercarse a cada visitante de forma respetuosa, ofreciendo una experiencia más significativa y accesible. Este enfoque sitúa al visitante en el centro del diseño museográfico, no solo como receptor de contenidos, sino como agente activo cuyas decisiones modelan en tiempo real la experiencia.

Lejos de sustituir la visita libre y espontánea, estas tecnologías la complementan, guiando sin imponer, sugiriendo sin condicionar. En un mundo donde la atención es limitada y la competencia por el tiempo del visitante es alta, ofrecer contenidos relevantes en el momento justo puede marcar la diferencia entre una visita superficial y una experiencia transformadora.

Recursos Bibliográficos:

Camacho Cordón, H. (2020): Tecnología y museos: Nuevas experiencias digitales para el visitante. Revista de Museología, (76), páginas 12–25.

Rueda, C. (2019): Modelos de atención y personalización en museos digitales. Cuadernos de Patrimonio Cultural, 15(1), páginas 33–46.

García López, M. (2022): Museografía sensible: diseño, tecnología y públicos. Editorial UCM.

Bohnert, F. y Zukerman, I. (2009): Non-Intrusive Personalisation of the Museum Experience. En: Lecture Notes in Computer Science, vol. 5535.

Falk, J.H. y Dierking, L.D. (2013): The Museum Experience Revisited. Routledge.

Marty, P.F. (2007): Museum Visitors and the Internet. Museum Management and Curatorship, 22(1), páginas 81–99.

Simon, N. (2010): The Participatory Museum. Museum 2.0.