在一项概念验证研究中，教育和人工智能研究人员演示了如何使用机器学习模型来预测单个博物馆参观者会在给定的展览上停留多长时间。这一发现开启了一扇大门，开启了一大堆利用非正式学习工具提高用户参与度的新工作。

 

“对于大多数博物馆来说，杏耀客户端教育是其使命的重要组成部分，”Jonathan Rowe说，他是这项研究的合著者，也是北卡罗来纳州立大学教育信息中心(CEI)的研究科学家。“人们花在展览上的时间被用作参与的代理，并帮助我们评估在博物馆环境中学习体验的质量。”这和学校不一样——你不能让访客参加考试。”

 

“如果我们可以决定人们会花多长时间在一个展览,或者当一个展览开始失去他们的注意力,我们可以使用这些信息来制定和实施适应展品,响应用户行为为了让游客参与,”安德鲁·爱默生说,该研究的第一作者、博士生在数控状态。

 

“我们还可以向博物馆工作人员提供相关数据，让他们知道哪些东西在起作用，哪些东西人们没有反应，”Rowe说。“这可以帮助他们分配人员或其他资源，以塑造博物馆的体验，根据游客在任何给定的时间。”

 

为了确定机器学习程序如何能够预测用户的互动时间，研究人员密切监测了85名博物馆参观者，因为他们正在参与一个关于环境科学的互动展览。具体来说，研究人员收集了研究参与者的面部表情、姿势、他们看屏幕的位置以及他们触碰屏幕的哪个部分的数据。

 

这些数据被输入到五个不同的机器学习模型中，以确定哪些数据和模型的组合能够产生最准确的预测。

 

“我们发现一种叫做‘随机森林’的特殊机器学习方法非常有效，即使只使用姿势和面部表情数据，”爱默生说。

 

研究人员还发现，杏耀app人们与展品互动的时间越长，模型的效果越好，因为这给了他们更多的数据。例如，几分钟后做出的预测会比30秒后做出的预测更准确。对于上下文， 杏耀总代理q3451-8577谈天 ，用户与展品的交互持续时间长达12分钟。

 

“我们对此感到兴奋，因为它为研究游客在博物馆如何学习的新方法铺平了道路，”Rowe说。“最终，我们希望利用科技让学习变得更有效、更有吸引力。”