ART-IFICIAL INTELLIGENCE — in Support of Museums
Duration:
Principal investigator(s):
Project type:
Funding body:
Project identification number:
PoliTo role:
Abstract
Il nostro progetto di ricerca è finalizzato, da un lato, a rendere la gestione museale più efficiente e, dall'altro, a rendere l'esperienza di visita museale più coinvolgente e individualizzata. Attualmente i musei dell'area metropolitana torinese fanno scelte gestionali utilizzando un approccio qualitativo. Il nostro obiettivo è di supportarli utilizzando, invece, un approccio quantitativo avvalendoci di big data, algoritmi statistici e tecniche di machine learning. In particolare, ci poniamo l'obiettivo di fare un'analisi predittiva dei flussi di visitatori e di aumentare i profitti dei musei attraverso la discriminazione del prezzo di ingresso che, ora, tende a variare poco per tipologia di visitatori così come per giorno e orario della visita. Avere informazioni più analitiche permetterebbe ai musei di gestire in maniera ottimale il flusso di visitatori, aumentando la sicurezza e la soddisfazione dei visitatori, risparmiando tempo e risorse, offrendo servizi migliori al bookshop e alla caffetteria e, infine, permettendo di attuare il distanziamento sociale imposto dalla pandemia del COVID-19. Nel nostro progetto ci proponiamo anche di offrire ai musei la possibilità di sviluppare tour virtuali, ancora pochissimo utilizzati nei musei dell'area torinese, che permettano un' interazione tra virtuale e reale e tra musei diversi. Infine, per rendere più personalizzata l'esperienza di visita museale svilupperemo una App, I-Muse, che permetta ai visitatori, con l'ausilio di QR-code consultabili presso le singole opere museali, di approfondire la propria conoscenza, di trovare connessioni tra opere presenti in diversi musei, etc. Inoltre, I-Muse suggerirà percorsi culturali personalizzati che verranno elaborati con l'ausilio dell'intelligenza artificiale a partire dalle informazioni raccolte dall'App stessa sulle preferenze individuali (musei visitati, QR code letti, ricerche per parole chiave). Questo permetterà al visitatore/turista di affrancarsi dai suggerimenti proposti dai siti web come "TripAdvisor"”" e di visitare aree della città che sono più marginalizzate e quindi escluse dai circuiti turistici classici. Lo scopo del nostro progetto è di aiutare i musei ad affrontare vecchie e nuove sfide (tra le altre, la diminuzione dei flussi di visitatori e del budget disponibile, e i problemi di sicurezza) e di personalizzare l'esperienza di fruizione culturale con l'utilizzo di big data e intelligenza artificiale. L'approccio sistemico della nostra proposta e' una novità assoluta non solo nel panorama italiano ma internazionale. Al momento il nostro progetto coinvolge 7 musei ma potrà, nel tempo, essere facilmente esteso a tutti i musei della nostra città così come a tutto il territorio italiano.
People involved
- Giovanni Squillero (Principal Investigator)
- Sergio Pace (Responsabile Scientifico di Struttura)
Structures
Partners
- Associazione Abbonamento Musei
- Associazione per lo Sviluppo Valutazione e l’Analisi delle Politiche Pubbliche - ASVAPP
- Consorzio delle Residenze Reali Sabaude
- Fondazione Fitzcarraldo (Osservatorio Culturale del Piemonte)
- Fondazione Torino Musei
- Museo Nazionale del Cinema - Fondazione Maria Adriana Prolo
- Museo Nazionale dell’Automobile
- Pinacoteca Giovanni e Marella Agnelli
- POLITECNICO DI TORINO - AMMINISTRAZIONE CENTRALE
- POLIZIA MUNICIPALE - BIG DATA ANALYSIS LAB
- Università degli Studi di Torino - Coordinator
Keywords
ERC sectors
Budget
Total cost: | € 1,000,000.00 |
---|---|
Total contribution: | € 1,000,000.00 |
PoliTo total cost: | € 332,440.00 |
PoliTo contribution: | € 332,440.00 |