الگوریتم پشت قاب نقاشی۳ مرداد ۱۴۰۵

راهنماهای دیجیتال آرام‌آرام جای چیدمان ثابت موزه را می‌گیرند

اقتصاد دیجیتالArs Technica
میزان اهمیت:
۷/ ۱۰
الگوریتم پشت قاب نقاشی

اصل ماجرا

  • •موزه‌ها از داده راهنماهای دیجیتال، مسیر حرکت و زمان توقف بازدیدکنندگان استفاده می‌کنند تا بفهمند مردم چگونه هنر را کشف می‌کنند.
  • •پژوهش موزه ون‌گوگ نشان داده حتی تغییر ظریف ترتیب آثار در یک راهنمای دیجیتال می‌تواند جمعیت را به مسیر تازه‌ای هدایت کند.
  • •داده می‌تواند خستگی، شلوغی و سردرگمی را کاهش دهد، اما شخصی‌سازی بیش‌ازحد ممکن است فقط آثاری را نشان دهد که از قبل دوست داریم.
  • •چالش اصلی این است که فناوری به ساختن روایت‌های بهتر کمک کند، نه اینکه موزه را به ماشینی برای بیشینه‌کردن زمان و تعداد بازدید تبدیل کند.

اعداد کلیدی

۱.۵میلیون

بازدیدهای بررسی‌شده

پژوهشگران اطلاعات این تعداد بازدید از موزه ون‌گوگ را در فاصله سال‌های ۲۰۱۹ تا ۲۰۲۱ در اختیار داشتند.

۲۵هزار

نمونه پژوهش

این تعداد بازدید به‌صورت تصادفی انتخاب شد تا مسیر حرکت و تعامل کاربران راهنمای دیجیتال تحلیل شود.

۴,۶۰۰اثر

مجموعه موزه

موزه ون‌گوگ بیش از این تعداد اثر در مجموعه خود دارد، اما تنها بخش کوچکی از آن‌ها هم‌زمان در معرض دید هستند.

۲۰۰اثر

نمایش هم‌زمان

تقریباً این تعداد اثر در هر مقطع به نمایش درمی‌آید؛ بنابراین محل و ترتیب نمایش می‌تواند توجه بازدیدکننده را به‌شدت تغییر دهد.

چرا مهم است؟

تجربه بهتر، بدون جابه‌جایی دیوارها: موزه‌ها می‌توانند تنها با تغییر ترتیب پیشنهادهای یک راهنمای دیجیتال، مسیرهای متفاوتی برای خانواده‌ها، گردشگران عجول یا علاقه‌مندان جدی بسازند. این روش به آن‌ها اجازه می‌دهد ازدحام را کم کنند، آثار کمتر دیده‌شده را معرفی کنند و بدون هزینه سنگین بازسازی فضا، تجربه هر بازدید را معنادارتر سازند.

الگوریتم‌ها می‌توانند سلیقه بسازند: وقتی پیشنهادهای دیجیتال تعیین می‌کنند بعد از هر تابلو چه چیزی ببینیم، آن‌ها فقط به علاقه موجود پاسخ نمی‌دهند؛ ممکن است علاقه آینده ما را نیز شکل دهند. اگر معیار اصلی صرفاً محبوبیت باشد، آثار مشهور دائماً تقویت می‌شوند و هنرمندان کمترشناخته‌شده از میدان توجه عمومی کنار می‌روند.

حریم خصوصی وارد سالن هنر می‌شود: داده‌های مسیر حرکت، زمان توقف، انتخاب آثار و حتی جهت نگاه می‌توانند تصویری دقیق از رفتار و علایق افراد بسازند. موزه‌ها برای حفظ اعتماد عمومی باید روشن کنند چه چیزی جمع‌آوری می‌شود، چرا به آن نیاز دارند و چگونه از آن حفاظت می‌کنند؛ به‌ویژه وقتی شخصی‌سازی و هوش مصنوعی گسترده‌تر می‌شود.

شرح کامل ماجرا

در یک موزه، حتی انتخابی که کاملاً شخصی به نظر می‌رسد ممکن است از چند قدم قبل طراحی شده باشد. تابلویی که در ابتدای راهرو قرار گرفته، اثری که روی صفحه نخست راهنمای دیجیتال ظاهر می‌شود و حتی جمعیتی که مقابل یک نقاشی ایستاده‌اند، همگی می‌توانند تعیین کنند بعد از آن به کجا بروید. موزه‌ها که زمانی شبیه برج‌های باشکوه دانش بودند، اکنون می‌خواهند به فضاهایی مشارکتی‌تر برای گفت‌وگو و کشف تبدیل شوند؛ و داده به یکی از ابزارهای اصلی این تغییر بدل شده است.

موزه ون‌گوگ در آمستردام برای فهمیدن رفتار بازدیدکنندگان، سال‌ها با پژوهشگران دانشگاهی همکاری کرده است. تیم تحقیق به اطلاعات ۱.۵ میلیون بازدید در فاصله سال‌های ۲۰۱۹ تا ۲۰۲۱ دسترسی داشت و ۲۵ هزار بازدید را به‌صورت تصادفی برای تحلیل دقیق انتخاب کرد. این داده‌ها شامل تعامل با راهنمای چندرسانه‌ای، موقعیت آثار و ویژگی‌های هنری مجموعه‌ای با بیش از ۴,۶۰۰ اثر بود؛ مجموعه‌ای که تقریباً ۲۰۰ اثر آن در هر زمان به نمایش درمی‌آید. هدف این بود که بفهمند مردم بعد از دیدن هر اثر چه انتخابی می‌کنند: تابلوی بعدی، طبقه‌ای دیگر یا در خروج.

مدلی با نام لاجیت چندگزینه‌ای مسیر (Pathway Multinomial Logit) نشان داد بازدیدکنندگان اغلب پیشنهادهای راهنمای دیجیتال را به همان ترتیب دنبال می‌کنند. حتی تغییرهای کوچک در ترتیب نمایش آثار روی صفحه توانست الگوی حرکت جمعیت را عوض کند؛ قدرتی که خود مدیران موزه را نیز شگفت‌زده کرد. مردم معمولاً در اندازه و دوره تاریخی به‌دنبال تنوع بودند، اما در موضوع و مضمون پیوستگی می‌خواستند. هرچه زمان بازدید می‌گذشت نیز تمایلشان برای رفتن مستقیم به سراغ شاهکارهای مشهور بیشتر می‌شد. شلوغی هم همیشه عامل منفی نبود؛ تجمع محدود مقابل یک تابلو گاهی مانند صف یک رستوران محبوب عمل می‌کرد و به دیگران علامت می‌داد که چیزی ارزش دیدن وجود دارد.

پژوهشگران با شبیه‌سازی چیدمان‌های تازه دریافتند جابه‌جایی آثار جذاب از نقاطی مانند کنار پله یا آسانسور، و حتی تغییر صرفاً دیجیتال ترتیب پیشنهادها، می‌تواند مردم را به دیدن آثار بیشتری ترغیب کند و زمان حضورشان را افزایش دهد. مدل آن‌ها در داده‌های آزمایشی با دقت ۶۳ درصد مسیر حرکت به اثر بعدی و با دقت ۹۶ درصد احتمال پایان بازدید را پیش‌بینی کرد. این اعداد به معنای خواندن ذهن افراد نیستند، اما نشان می‌دهند تجربه‌ای که آزاد و خودجوش به نظر می‌رسد، تا چه اندازه با معماری فضا و ترتیب پیشنهادها شکل می‌گیرد.

با وجود این ظرفیت، بسیاری از موزه‌ها هنوز از معدن طلایی داده‌های راهنمای دیجیتال استفاده نمی‌کنند. در سال ۲۰۲۳، حدود ۳۶ درصد از میانگین ۴,۶۰۰ بازدیدکننده روزانه موزه ون‌گوگ، راهنمای چندرسانه‌ای رزرو کرده بودند؛ رقمی بالاتر از بسیاری از مؤسسات مشابه. بااین‌حال، کمبود نیروی تحلیل داده باعث می‌شود بسیاری از موزه‌ها اطلاعات را جمع کنند اما هرگز به‌طور جدی سراغ آن نروند. حالا با رشد تیم‌های دیجیتال، داده برای تنظیم ساعت ورود، کاهش ازدحام، پیشنهاد مسیرهای متفاوت و ساخت تجربه‌هایی متناسب با زمان و علاقه هر بازدیدکننده به کار گرفته می‌شود.

مرز حساس از جایی آغاز می‌شود که پیشنهاد مفید به هدایت سلیقه تبدیل می‌شود. اگر الگوریتم فقط آثاری را نشان دهد که احتمالاً دوست داریم، موزه نیز مانند شبکه‌های اجتماعی در حلقه تکرار علاقه‌های قبلی گرفتار می‌شود و آثار مشهور باز هم مشهورتر می‌شوند. برخی متخصصان معتقدند وظیفه هنر فقط راضی‌کردن نیست؛ باید مخاطب را با چیزی ناآشنا، دشوار یا حتی ناخوشایند روبه‌رو کند. در موزه مونک، فناوری مسیر متفاوتی پیمود: بازدیدکنندگان نمایشگاه نیو اسنو بیش از ۷۰ هزار نقاشی کشیدند و سامانه هر تصویر را با نزدیک‌ترین طرح ادوارد مونک تطبیق داد. اینجا داده و یادگیری ماشین جای هنر را نگرفتند؛ پلی ساختند میان مخاطب و آثاری شکننده که به‌ندرت از مخزن خارج می‌شوند. آینده مطلوب موزه‌ها نیز احتمالاً همین است: داستان و خلاقیت در جلو، فناوری در پشت صحنه.

مطالعه در منبع اصلی

آنچه کمتر دیده می‌شود (زوایای پنهان)

۱

موزه‌ها با داده فقط تجربه بازدید را بهینه نمی‌کنند؛ آن‌ها می‌توانند به‌تدریج تصمیم بگیرند کدام آثار فرصت تبدیل‌شدن به شاهکارهای نسل بعد را پیدا کنند و کدام آثار در گوشه‌های کم‌رفت‌وآمد باقی بمانند.

۲

شلوغی که معمولاً دشمن تجربه فرهنگی تصور می‌شود، گاهی نقش یک الگوریتم انسانی را بازی می‌کند: جمعیت مقابل یک اثر به دیگران می‌گوید این تابلو ارزش توقف دارد و همین توجه، توجه بیشتری تولید می‌کند.

میزان اهمیت

اهمیت کلی
۱۰از۷
فرصت۶/۱۰
ارتباط با ایران۵/۱۰
زمان‌بندی۷/۱۰
ریسک رقبا۵/۱۰

چه کسانی باید توجه کنند؟

مدیران موزه، هنرمندان و پژوهشگران فرهنگی.

✨ تبدیل تحلیل با AI

بازنویسی آماده برای انتشار در شبکه‌های اجتماعی

Lensora AI
موزه‌ها با داده فقط مسیر بازدید را بهتر نمی‌کنند؛ ممکن است سلیقه هنری ما را هم شکل دهند.

پژوهشگران با تحلیل داده‌های موزه ون‌گوگ دریافتند حتی تغییر کوچک ترتیب آثار در یک راهنمای دیجیتال می‌تواند مسیر حرکت مردم را عوض کند. مدل آن‌ها توانست با دقت ۶۳ درصد مقصد بعدی بازدیدکنندگان و با دقت ۹۶ درصد احتمال خروجشان را پیش‌بینی کند.

اما چرا این موضوع مهم است؟ چون شخصی‌سازی می‌تواند ازدحام را کم کند، آثار کمترشناخته‌شده را پیش چشم مخاطب بیاورد و بازدید را برای هر فرد معنادارتر کند. در عین حال، همان سیستم ممکن است فقط چیزهایی را پیشنهاد دهد که از قبل دوست داریم و موزه را به نسخه فرهنگی شبکه‌های اجتماعی تبدیل کند.

زاویه پنهان: موزه‌ها همیشه به بعضی آثار مشروعیت و شهرت بیشتری داده‌اند، اما داده این قدرت را دقیق‌تر و نامرئی‌تر می‌کند. یک تغییر ساده در ترتیب پیشنهادها شاید تعیین کند کدام اثر توسط هزاران نفر دیده شود و کدام اثر همچنان در حاشیه بماند.

آیا وظیفه موزه نشان‌دادن چیزی است که دوست داریم یا روبه‌روکردن ما با چیزی که هنوز نمی‌دانیم دوستش داریم؟

🔗 جزئیات بیشتر در لنزورا:
/news/راهنماهای-دیجیتال-آرامآرام-جای-چیدمان-ثابت-موزه-را-میگیرند
🖼️ وقتی موزه قبل از شما مسیر را انتخاب می‌کند

📊 چه اتفاقی افتاده؟ موزه ون‌گوگ با تحلیل داده‌های حرکت و راهنمای دیجیتال فهمیده حتی تغییر ظریف ترتیب آثار می‌تواند بازدیدکنندگان را به مسیرهای کاملاً متفاوت هدایت کند.

🚶 نتیجه پژوهش: یک مدل توانست مقصد بعدی بازدیدکنندگان را با دقت ۶۳ درصد و احتمال خروج آن‌ها را با دقت ۹۶ درصد پیش‌بینی کند.

⚖️ چرا مهم است؟ داده می‌تواند شلوغی و سردرگمی را کاهش دهد و آثار کمتر دیده‌شده را معرفی کند، اما شخصی‌سازی بیش‌ازحد ممکن است فقط علایق قبلی ما را تکرار کند.

🔍 زاویه پنهان: الگوریتم‌های موزه فقط کمک نمی‌کنند چه چیزی را ببینیم؛ شاید در بلندمدت تعیین کنند کدام آثار مشهور شوند و سلیقه فرهنگی جامعه به چه سمتی حرکت کند.

🔗 جزئیات بیشتر در لنزورا:
/news/راهنماهای-دیجیتال-آرامآرام-جای-چیدمان-ثابت-موزه-را-میگیرند
ادامه مطالعهپیشنهاد مطالعه
کمبود مسکن یا بازی با آگهی‌ها؟
۸۰درصدسهم ادعایی بازار
کمبود مسکن یا بازی با آگهی‌ها؟Ars Technica

وقتی ویترین اجاره نیویورک خلوت شد

چرا مهم است؟

یک شکایت تازه می‌گوید پنهان‌کردن آگهی‌های مسکن، کمبود مصنوعی ساخته و قدرت انتخاب مستأجران نیویورک را کاهش داده است.

۳۰ مرداد ۱۴۰۵
میزان اهمیت
۶ از ۱۰
پهپادها وارد محله می‌شوند
۵۰۰محلههدف پوشش آمازون
پهپادها وارد محله می‌شوندArs Technica

تحویل سریع‌تر کالا با پهپادهای آمازون، آرامش خانه‌ها را به آزمون می‌گذارد

چرا مهم است؟

آمازون می‌خواهد تحویل پهپادی را به صدها محله برساند؛ سرعت بیشتر، اما با پرسش‌هایی جدی درباره صدا، ایمنی و حریم خصوصی.

۲۸ مرداد ۱۴۰۵
میزان اهمیت
۷ از ۱۰
سازندگان و جایزه تازه استریم
۳۲۵میلیون مشترکمقیاس نتفلیکس
سازندگان و جایزه تازه استریمسردبیر

یوتیوب حاضر است پول بدهد تا سازندگان اول سراغ نتفلیکس نروند

چرا مهم است؟

یوتیوب با برخی سازندگان بزرگ مذاکره می‌کند تا در ازای دریافت پول، ویدیوهایشان برای مدتی ابتدا در یوتیوب منتشر شود و همزمان روی نتفلیکس قرار نگیرد.

۳۱ مرداد ۱۴۰۵
میزان اهمیت
۷ از ۱۰
شکاف پنهان حساب‌های ترامپ
۷میلیونکودکان ثبت‌نام‌شده
شکاف پنهان حساب‌های ترامپFast Company

حسابی برای همه کودکان، اما نه الزاماً با فرصت برابر

چرا مهم است؟

یک برنامه سرمایه‌گذاری برای کودکان می‌تواند فرصت بسازد، اما اگر دسترسی واقعی نابرابر باشد، شکاف ثروت بیشتر می‌شود.

۲۴ مرداد ۱۴۰۵
میزان اهمیت
۶ از ۱۰
روایت‌های مشابه کسب‌وکار
پایان داشبوردهای بی‌مصرف؛ وقتی اتوماسیون جایگزین توصیه‌های سئو می‌شود
مسیر یک رشدفعال
MyZia

پایان داشبوردهای بی‌مصرف؛ وقتی اتوماسیون جایگزین توصیه‌های سئو می‌شود

بنیان‌گذار MyZia با درک تغییر رفتار موتورهای جستجو به سمت هوش مصنوعی، ابزاری ساخت که به جای پیشنهاد دادن کلمات کلیدی، محتوا را مستقیماً روی سایت مشتری منتشر می‌کند.

مشتری پولی در دو ماه اول۱۵۰