Investigating Visitor Engagement in Interactive Science Museum Exhibits with Multimodal Bayesian Hierarchical Models
Investigating Visitor Engagement in Interactive Science Museum Exhibits with Multimodal Bayesian Hierarchical Models
复制标题
使用多模态贝叶斯分层模型调查游客对互动科学博物馆展览的参与度
DOI：
10.1007/978-3-030-52237-7-14
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Lester, James.
中科院分区：
文献类型：
--
作者：
Emerson, Andrew;Henderson, Nathan;Rowe, Jonathan;Min, Wookhee;Lee, Seung;Minogu, James;Lester, James.
参与在博物馆的游客学习中起着至关重要的作用。设计游客参与的计算模型显示出显着的承诺，使适应性支持，以提高游客的学习经验，并为博物馆教育工作者提供分析工具。科学博物馆的一个显著特点是能够吸引不同的游客群体，这些游客群体在年龄、兴趣、先前知识和社会文化背景方面都有很大的不同，这会显著影响游客与博物馆展品的互动方式。在本文中，我们介绍了贝叶斯分层建模框架预测学习者参与未来世界，桌面科学展览环境的可持续性。我们利用多通道数据（例如，眼动跟踪、面部表情、姿势、交互日志），这些都是从游客与完全仪器化版本的FutureWorlds的交互中捕获的，以模拟游客在科学博物馆中与展览的停留时间。我们证明了所提出的贝叶斯分层建模方法优于竞争基线技术。这些发现指出了丰富我们对多模态学习分析的科学博物馆游客参与的理解的重要机会。
Engagement plays a critical role in visitor learning in museums. Devising computational models of visitor engagement shows significant promise for enabling adaptive support to enhance visitors’ learning experiences and for providing analytic tools for museum educators. A salient feature of science museums is their capacity to attract diverse visitor populations that range broadly in age, interest, prior knowledge, and socio-cultural background, which can significantly affect how visitors interact with museum exhibits. In this paper, we introduce a Bayesian hierarchical modeling framework for predicting learner engagement with FutureWorlds, a tabletop science exhibit for environmental sustainability. We utilize multi-channel data (e.g., eye tracking, facial expression, posture, interaction logs) captured from visitor interactions with a fully-instrumented version of FutureWorldsto model visitor dwell time with the exhibit in a science museum. We demonstrate that the proposed Bayesian hierarchical modeling approach outperforms competitive baseline techniques. These findings point toward significant opportunities for enriching our understanding of visitor engagement in science museums with multimodal learning analytics.
登录
查看更多内容
DOI：
10.1109/tpami.2018.2798607
发表时间：
2019-02-01
影响因子：
23.6
作者：
Baltrusaitis, Tadas;Ahuja, Chaitanya;Morency, Louis-Philippe
通讯作者：
Morency, Louis-Philippe
影响因子：
3.2
作者：
Zhang, Zhengyou
通讯作者：
Zhang, Zhengyou
在博物馆学习
DOI：
--
发表时间：
2015
期刊：
影响因子：
--
作者：
B. Anderson;L. Seelye;Barbara Hammersberg;Sarah D. Bair;M. Bauermeister
通讯作者：
M. Bauermeister
使用贝叶斯分层模型对玩家参与度进行建模
DOI：
--
发表时间：
2018
期刊：
Proceedings of the Fourteenth AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment
影响因子：
--
作者：
Sawyer, R.;Rowe, J.;Azevedo, R.;Lester, J.
通讯作者：
Lester, J.
影响因子：
4
作者：
Halverson, Lisa R.;Graham, Charles R.
通讯作者：
Graham, Charles R.