DIGITALMM
Scheda del progetto
Università degli Studi di Torino
Prof.ssa Nadia Campaniello
Prof. Pietro Garibaldi
Attualmente i musei adottano scelte gestionali utilizzando un approccio di tipo qualitativo. L'obiettivo del progetto è di supportarli utilizzando, invece, un approccio quantitativo avvalendoci di big data e tecniche di machine learning. La start-up che ci proponiamo di creare userà gli algoritmi che stiamo sviluppando per fornire ai musei un modello di gestione che utilizza un approccio multidisciplinare, data-driven, esportabile e scalabile. Le attività dello spin off riguarderanno, a titolo esemplificativo, la stima della domanda e del valore del bene museale, l’implementazione di modelli predittivi dei flussi di visitatori e il pricing dinamico degli ingressi basato sull’intelligenza artificiale.
Contatti:
Referente
Prof. Giovanni Mastrobuoni
Per rendere più personalizzata e coinvolgente l’esperienza di visita museale verrà sviluppata un’applicazione (IMuse) che ci permetterà di acquisire informazioni sulle preferenze dei visitatori così da poter suggerire visite museali e mostre. Inoltre, usando algoritmi di intelligenza artificiale, creeremo delle connessioni tra opere esposte in musei diversi che i visitatori potranno esplorare inquadrando dei QR code e usando l’App I-Muse. Lo scopo è di aumentare il numero di visitatori, soprattutto nella fascia di età dei più giovani che sembrano essere i grandi assenti dalle visite museali.
L’applicazione I-Muse andrà a supportare le politiche di gestione museali e trasformerà l’esperienza dei visitatori nella fruizione dei prodotti culturali offerti dai musei torinesi. Tramite la scansione di QR code, i visitatori riveleranno le proprie preferenze all’applicazione. Le informazioni raccolte saranno elaborate con tecniche di machine learning e in base all’analisi dei dati, percorsi specifici saranno consigliati al singolo fruitore delle opere d’arte. Il consiglio personalizzato dato al singolo visitatore stimolerà la fruizione di un numero maggiore di opere culturali che altrimenti sarebbero rimaste sconosciute, aumentando anche il grado di interazione con le stesse. A suggerire i percorsi saranno algoritmi che analizzeranno i dati con tecniche di machine e statistical learning, sviluppati da ricercatori del Politecnico di Torino. La personalizzazione delle visite museali porterà a un incremento nei numeri nell’affluenza e nella qualità dell’esperienza dei visitatori.
Il risultato previsto consiste nell'incremento del numero di visitatori nelle strutture museali del territorio di Torino e nei musei che si uniranno al progetto. Questo sarà reso possibile attraverso l'implementazione di nuovi metodi di gestione, supportati da avanzate tecniche di digitalizzazione che favoriranno l'ottimizzazione delle attività. Un'attenzione particolare sarà dedicata al coinvolgimento del pubblico più giovane.