• 沒有找到結果。

第一章 緒論

1.1 背景與動機

第一章 緒論

1.1 背景與動機

導覽是博物館中的重要服務,根據牛津辭典中之釋義為「在博物館中引導觀 眾的工作者」,其字義起源於拉丁文「docere」,意思是教導。

在博物館中各種不同的類型的觀眾,賴明洲(1998)依據群眾可分為民眾、

學生、研究人員三種,一般民眾相對於學生及研究人員較屬於走馬看花,不論在 參與、學習、研究上都較弱。但是若想要發揮博物館中的教育價值,只有走馬看 花是較為不足的。

除了觀眾類型,陳筱筠(2002)提出成人背景類型與博物館空間之關係,大 部分的觀眾類型屬於喜歡反思觀察的類型且受教育程度較高之外,還希望能夠快 速融入陌生博物館的環境中,並強調導覽人員及手冊的重要性。而在博物館中的 導覽方式是相當多樣的,除了傳統的導覽員導覽,還有文字、語音、多媒體互動 等。

本研究研究對象為國立臺灣史前文化博物館(簡稱史前館),史前館為一考 古類型博物館。徐宏仁(2008)針對國內外考古類型博物館進行研究,考古類博 物館會針對時間或空間順序進行場館設計,並對於每個展廳進行主題規劃,在主 題展示中交互使用證據展示、情境生態展示、情境互動展示。但是吸引觀眾上,

需要有較大型展示單元或在主要動線上才具有吸引力,如果要讓觀眾持續觀看則 需要使用互動的方式。但是史前館在展場設計上有展廳過於相似的問題存在、導 覽動線也標示不清,且由於場館之特殊設計,入館中的觀眾可能會有走迷宮的感 覺(如圖 1.1、圖 1.2)。

2

圖 1.1 史前館二樓展廳,引用自史前館網站

圖 1.2 史前館地下一樓展廳,引用自史前館網站

3

目前史前館當中有提供定時導覽與 PDA 語音導覽。定時導覽是由導覽員執 行,導覽對象大多為團體,曾令全(2010)發現史前館導覽員雖然能較為生動的 描述,但缺點是較難照顧到所有觀眾的需求,可能因「觀眾注意力轉移」、「部分 觀眾看不見」及「觀眾聽不懂講解」三種因素造成導覽上的困難。PDA 語音導 覽可以讓散客自行於博物館中參觀時輸入號碼來領聽語音導覽,但缺點是語音導 覽不一定能符合觀眾的需求。

史前館中的現有問題有二,一是博物館參觀時間問題,二是博物館參觀行為 問題。依據 98、100 年所收集到的之問卷資料,顯示史前館觀眾於博物館中的停 留時間在 15 分鐘至 40 分鐘左右,觀眾平均停留的展廳數是 8 間。由於史前館的 常設展廳規模遍及三層樓 16 個展廳,若想在短時間內參觀所有展廳將會遭遇資 訊超載(Information overload)的問題,導致觀眾的興致降低。Farhoomand 和 Drury (2002)認為人們面對過多資訊時,所需要的不只是經過過濾的資訊,而是 需要更多針對該議題的有用資訊。

針對資訊超載問題可以使用推薦系統(Recommender System)作為解決方案。

推薦系統於 1992 年開始被應用於網際網路的環境中,從 2001 年至 2011 年期間,

推薦系統成功被應用於電子商務網站中,其他領域如各種商品、新聞、影音網站、

社群網站、工作亦有所發展,但在文化領域著墨較少(Park et al. ,2012)。在推薦 系統中最廣為人知的是商業網站 Amazon 在協同式過濾上之應用,推薦系統透過 評分(Rating)機制來訂定商品的評分。但是傳統協同式過濾在應用上容易產生 二種問題,第一,對於剛進入館中參觀的觀眾無法提供推薦服務。第二,顯性評 分問題,顯性評分會對觀眾造成干擾。

推薦模式中 Alabastro et al. (2010)等人建構博物館推薦系統時比較內容導向 式、內容導向式與情境感知結合、協同式過濾、協同式過濾與情境感知結合,在

4

計算時協同式過濾與情境感知結合可以達到 94%的預測準確。但在線上計算的部 分就不及內容式過濾,但協同式過濾在資料覆蓋率上較內容導向式結果佳。

除了透過資訊過濾來將資料篩選外,可進一步透過資料採礦(Data Mining)

技術將資料中有特殊價值的規則挖掘出來,在史前館中有於展廳的設計內容較為 相似,故只有計算展廳近似度是較為不足的,還需要嘗試找出可能的展廳參觀路 徑。

在博物館中可以結合不同的推薦模式來提供給使用者相關的知識項目,而在 數位學習上可以使用關聯規則或混合式推薦系統的方式作為推薦計算基礎,在旅 遊導覽上可以使用行動導覽與網際網路結合的進行 (Lu, Wu, Mao, Wang, &

Zhang, 2015)。

現今博物館經營上比過去更為艱難,雖然博物館對於人類文明及文化之影響 深遠,但在資訊發達的世代中需要更為個人化的解決方案。

相關文件