Философско-культурологические исследования

УДК 008:069

Е. А. Олейникова

Стремительное развитие информационных инструментов, подключение практически всех девайсов к Интернету, развитие сенсорных технологий привело к увеличению количества информации в геометрической прогрессии. Ежедневно человечество стало производить около 2,5 эксабайта данных, что привело к качественно новому анализу и генерированию на их основе новых решений и идей на всех управленческих уровнях и в разных сферах человеческой деятельности – образовании, экономике, культуре и др. Всю совокупность существующих в мире данных можно условно разделить на две группы: структурированные, не превышающие 10 %, и неструктурированные, так называемые Big Data, которые появляются в виде различных «цифровых следов» взаимодействия человека с электронной средой.

Сегодня термин Big Data является уже не просто объектом изучения, но представляет собой эффективный инструмент для принятия решений в различных сферах человеческой деятельности, в том числе в сфере культуры.

Музеи, библиотеки, театры и другие культурные институции создают целые отделы и лаборатории для обработки и анализа Big Data. Конечная цель работы таких лабораторий – исследование ключевых факторов, влияющих на степень вовлеченности пользователей и на улучшение их потребительских интересов, что напрямую взаимосвязано с посещением культурных институтов.

Несмотря на то, что Big Data сегодня является довольно популярным объектом изучения для отечественных и зарубежных ученых различных областей, все еще недостаточно внимания уделено исследованиям применения этой технологии в отечественной музейной практике. А именно: не выведена единая классификация инструментария для получения больших данных в музеях, недостаточно раскрыты методы сбора и анализа больших данных на примере конкретных музеев. В музейной практике отсутствует единый системный подход к сбору и анализу больших данных, имеются проблемы технического и этического характера при сборе данных.

Цель исследования – выявить роль цифровых технологий и возможности применения Big Data в работе музеев.

Кандидат культурологии, научный сотрудник Российского НИИ культурного и природного наследия им. Д. С. Лихачева М. М. Ларионцев пишет: «Культура уже стала Big Data. Это триллионы изображений, видеоконтент, сканы книг и т. д., которые мы размещаем в Сети. В то же время Big Data становится новой формой выражения культуры» [4, с. 4]. Big Data дает возможности для выработки новых способов реализации творческого потенциала, видения объектов культуры и создания нового интерфейса отношения к реальности.

Возможности применения технологии Big Data в музейной практике изучают многие зарубежные исследователи. Так, один из организаторов
1-й Международной конференции по музеям и большим данным (г. Катар, 2019 г.) доцент кафедры музейных исследований Калифорнийского университета в Катаре Г. Папайоанну в своей статье «Музейные большие данные: восприятие и практика» рассматривает понятие больших данных, их характеристику и применение в различных культурных учреждениях, в том числе в музеях. Он отмечает, что использование Big Data в музеях позволяет разрабатывать новые методы и приемы для выявления важной и полезной информации. Это потоки данных, генерируемых посетителями в Интернете, в социальных сетях, и данные, связанные с посещениями музеев [5, с. 201–215].

О различных аспектах и проблемах применения больших данных в музеях пишут китайские ученые Чжан Цзинвэнь и Ляо Линь из Юго-Западного университета г. Чунцина. Они указывают на технические ограничения при сборе и анализе данных, например такие, как проблема выборки и качество данных при сборе данных, а также ограничения при анализе данных, такие как ослабление причинно-следственной связи и неточное суждение о человеческих эмоциях. Также они рассуждают об этических вопросах, таких как человеческая субъективность и конфиденциальность при применении больших данных в исследованиях посетителей музеев [7, с. 1–12].

Р. Кинсли и Д. Портеной из Вашингтонского университета в своем исследовании «Взгляды начинающих музейных специалистов на роль больших данных в музеях» отмечают, что сотрудники музеев должны использовать Big Data для анализа данных, чтобы лучше понимать своих посетителей и совершенствовать свою работу [6, с. 2075–2084].

Например, некий музей готовится открыть большую (на несколько тысяч квадратных метров и с тысячами экспонатов) выставку. За один визит все осмотреть невозможно. Посетитель вынужден продумывать свой маршрут на несколько раз/дней. Организаторы должны проанализировать и учесть этот факт при разработке концепции выставки: отслеживать маршруты посетителей по экспозиции, фиксировать, сколько времени тратит посетитель на осмотр конкретного раздела, как он использует предоставленный музеем Wi-Fi. Полученные результаты мониторинга можно использовать при дальнейшем планировании работы, а также для расстановки акцентов в рекламе с целью увеличения аудитории. Кроме того, анализ полученных данных является одной из форм обратной связи с посетителем. Он своими действиями определяет смысловое наполнение и принципы построения будущих экспозиций. Таким образом, происходит адаптация пространств и программ под запросы пользователей [4, с. 4].

Одним из доступных инструментов для сбора и анализа больших данных являются социальные сети, в которых люди сегодня проводят большую часть времени, общаясь и узнавая там различные новости. В связи с этим все учреждения культуры: музеи, театры, библиотеки – стали активно осваивать социальные сети не только для налаживания прямого контакта с потенциальными посетителями, но и для аналитики, чтобы понять интересы современной аудитории. Так, например, персональные странички культурных институций в социальных сетях помогают привлечь больше посетителей, заинтересовывая их предстоящими событиями, информацией о выставках и кратким фотообзором. В свою очередь посетители оставляют «цифровые следы». Цифровой след (или цифровой отпечаток; англ. digital footprint) – совокупность информации о действиях пользователя, собранная в цифровой среде. Может включать в себя информацию, полученную из Интернета, мобильного Интернета, веб-пространства и телевидения. Цифровой след организует базу данных и фактов, имеющих отношение к работе в цифровой среде. Это может быть всё, что возможно отследить и проанализировать: личные профили и учетные записи в социальных сетях, информация о посещаемых веб-сайтах, геолокации, открытые и созданные файлы, личные сообщения, лайки, дизлайки, репосты и комментарии, видео, фотографии и другая цифровая активность. Исследования показывают, что машинный анализ профиля в социальных сетях определяет тип личности не менее точно, чем психологические тесты.

Практически каждый музей ведет активную деятельность в социальных сетях. Создавая группы и сообщества, музеи собирают статистические данные о наиболее частых поисковых запросах, анализируют, какой контент у пользователей вызывает наибольший интерес, изучают впечатления людей о музее в целом и наиболее интересных объектах выставки в частности. На основе полученных данных организуются новые проекты, мастер-классы, конкурсы, объединения групп людей по профессиональным интересам, сообщества, увлеченные каким-то предметом, проектом, общей идеей. Кроме того, аналитика позволяет понять, почему, например, пользователи отписываются от сообществ, проанализировать другие поведенческие паттерны и в итоге не просто сделать информационные ресурсы музеев удобнее для пользователей, но и привлечь необходимую аудиторию. Не менее важно, что аналитика позволяет видеть всю цепочку взаимодействия каждого отдельного пользователя: от первого касания и до покупки билета или картины. Речь идет не только об онлайн-, но и об офлайн-аудитории музеев. Миллионы посетителей, которые посещают крупные музеи, являются неиссякаемым источником Big Data. Аналитика этих данных позволяет узнать:

• какие маршруты посетителей на территории музея наиболее популярны;
• возле каких экспонатов посетители задерживаются дольше всего;
• каким образом посетители используют СМИ;
• каковы отличия маршрутов постоянных посетителей от маршрутов тех, кто приехал впервые.

Обезличенные данные посетителей музеев можно собирать с помощью разных инструментов, например, WI-FI-сети или интеграция мобильного приложения с соцсетями. Это позволяет изучить посетителей: узнать их пол, возраст, процент иностранцев, посещающих выставку, из каких стран они приехали, получить данные о перемещениях, а на основе этих данных составить «тепловую карту» с наиболее посещаемыми зонами выставки или локациями парка. Потенциал использования такой аналитики огромен: привлечение новых рекламных партнеров, разработка новых сервисов – это только некоторые из вариантов. Таким образом, пользователи сети Интернет становятся генераторами новых данных, которые обрабатываются искусственным интеллектом (ИИ) и нейросетями, а музеи, используя эти данные, могут лучше понять посетителей.

Рассмотрим некоторые устройства, предназначенные для поддержки посетителей как инструменты для сбора Big Data, и возможности их применения. Одним из таких устройств являются сенсорные экраны, которые используются посетителями для поиска информации и дополнительных сведений. С их помощью можно проследить и проанализировать алгоритмы поиска пользователем информации на экране: каким образом пользователи выполняют поиск, сколько времени они тратят на изучение доступной информации, используются ли одни экраны чаще, чем другие.

Мобильные приложения используются посетителями для получения дополнительных сведений об артефакте (в том числе дополненная реальность), выполняют функцию сопровождения. В аналитике они могут быть интегрированы с Bluetooth для отслеживания потоков посетителей внутри музея, например, для реконструкции маршрута посетителя на основе использованной информации, выявления наиболее запрашиваемых экспонатов в приложении.

Аудиогид предоставляет пользователю возможность прослушать звуковую информацию о выставке или об экспонате. Анализ данных дает информацию о прочтении аудиогида (что послушал посетитель, какую информацию использовал), дает возможность исследовать маршрут посетителя на основе потребленной аудиоинформации.

Многие музеи, открывая доступ к данным, оцифровали свои коллекции и сделали их доступными для исследователей. При этом изображения сопровождаются метаданными, то есть данными о данных (заголовок, аннотация, автор, ключевые слова, формат, объем и др.). Метаданные позволяют не только создавать упорядоченные музейные коллекции и базы данных, но и анализировать поисковые запросы пользователей.

В некоторых музеях осуществляется также контроль перемещения посетителей по залам с помощью GPS-навигации и даже распознавание эмоциональных реакций на различные объекты с помощью видеокамер. Так, на базе Дарвиновского музея в Москве идёт тестирование технологии Eyetracking, благодаря которой можно отслеживать направление взгляда посетителя, для того чтобы наиболее грамотно расположить экспонаты [3, с. 35].

Музей Лувра в рамках трех исследовательских программ по Big Data также ведет большую работу. Например, исследование, проведенное группой из семи американских, швейцарских и испанских исследователей, позволило количественно оценить и визуализировать поток посетителей внутри Лувра. Для проведения данного исследования использовались Bluetooth-детекторы, которые позволяют отслеживать мобильные телефоны с активированной функцией Bluetooth. Были исследованы пути передвижения посетителей по музею в целом, маршруты, которые они выбирают в зависимости от времени, проведенного в музее, порядок, в каком они ходят по комнатам. Данные, полученные в результате такого исследования, представляют собой исключительный потенциал для анализа различных сегментов посетителей, оптимизации посещений и просто понимания того, как посетители «потребляют» произведения искусства.

Похожее исследование провели и в Нидерландах, где посетителям Музея Ван Гога были предоставлены планшеты для навигации, которые отслеживаются с помощью маяков. Этот метод также позволил проследить пути посетителей внутри музея. Маяки отправляли уведомления на подключенные к ним смартфоны и планшеты, что стало отличным способом взаимодействия с посетителями и улучшило качество обслуживания.

Ведущие мировые музеи для анализа больших данных чаще всего используют Google Analytics. Так, Нью-Йоркский музей современного искусства (англ. Museum of Modern Art, сокр. MoMA) использовал данные аналитики об аудитории их веб-ресурса для редизайна своего сайта еще в 2015 году. А Музей Ван Гога в Амстердаме благодаря этому инструменту увеличил посещаемость своего сайта вдвое.

Британский музей (англ. the British Museum) собирает и обрабатывает Big Data о посетителях с их согласия с помощью Microsoft Azure и платформы аналитики данных Power BI. Информация, собранная с помощью аудиогидов и точек доступа Wi-Fi, была применена для создания интерактивных информационных панелей, которые команда музея использовала, чтобы получить ответы о поведении посетителей. Теперь, когда сотрудникам музея необходимо принять какое-либо решение, будь то увеличение часов работы или изменение аудиогидов, они опираются на аналитику данных.

На фоне борьбы с распространением коронавируса многие музеи перенесли свои залы и экспозиции в виртуальное пространство. Пандемия послужила катализатором создания виртуальных туров в большинстве музеев. Такой формат помог музеям сохранить контакт со своей аудиторией, получить данные о ее художественных предпочтениях и востребованных сервисах; появились и новые посетители, которые пришли в музей в первый раз в виртуальном формате. Виртуальный музей – это другой сегмент аналитики данных, и он требует расширения объема и каналов коммуникации, и сценариев взаимодействия с ним.

По мнению Д. Н. Дзюбы, в виртуальном музее Big Data могут быть представлены, с одной стороны, с целью виртуального картирования туристического маршрута, а с другой – для репрезентации научных данных и артефактов в экранном изображении [2, с. 14]. Действительно, сбор данных в виртуальном пространстве музея может помочь определить самые популярные туристические маршруты, самые интересные пользователю экспонаты.

Так, например, Музей современного искусства «Гараж» создал вместе с IT-компанией «Крок» виртуальную панораму выставки Atelier Е.В. «Прохожий» с инструментами аналитики [1]. Выставка не только позволяет ознакомиться с современным искусством в режиме онлайн, но и помогает «Гаражу» более эффективно собирать данные для изучения онлайн-аудитории. Оцифрованная версия проекта содержит работы, пояснительные тексты и видеоматериалы, представленные на выставке. Аналитика Big Data в виртуальной панораме дает возможность понять, сколько уникальных посетителей познакомилось с выставкой и с конкретными объектами, какие каналы коммуникации наиболее актуальны для аудитории, какие категории посетителей больше всего взаимодействуют с панорамой. Сотрудники музея с помощью таких технологий могут анализировать эти показатели в режиме реального времени, улучшать сценарии взаимодействия, выявляя наиболее популярные элементы, и предлагать персонализированные сервисы для конкретных аудиторий.

Значимым элементом деятельности музеев, предполагающим эффективное обслуживание его экскурсантов, научных сотрудников, управленцев культурной сферы разного уровня, сегодня является прежде всего использование аналитических данных, полученных посредством Big Data. Сбор и обработка этих данных с помощью цифровых технологий помогает лучше понять аудиторию музеев: узнать, какой контент наиболее интересен посетителям музея, как они воспринимают те или иные экспонаты, каким образом строят свой маршрут по экспозициям музея. Многие музеи мира уже активно используют цифровые технологии и осуществленную на их основе аналитику для оптимизации своей деятельности, но в российских музеях систематический численный анализ данных пока не так широко распространён. Однако, учитывая тот факт, что Big Data сегодня является одним из самых перспективных направлений IT-отрасли и затрагивает все сферы человеческой деятельности, внимание музеев к этой технологии стремительно возрастает.

ЛИТЕРАТУРА

1. Atelier, E. B. «Прохожий» : [сайт]. – URL: https://passer-by-360.garagemca.org/ru/ (дата обращения: 12.05.2023).
2. Дзюба, Д. Н. Виртуальный музей в контексте цифровой культуры : специальность 24.00.01 «Теория и история культуры» : диссертация на соискание ученой степени кандидата культурологии / Дзюба Дарья Николаевна ; Вятский государственный университет. – Киров, 2018. – 241 с. – Текст : непосредственный.
3. Калачев, М. А. Новейшие технологии в музейном пространстве / М. А. Калачев. – Текст : электронный // Молодой ученый. – 2018. – № 6 (192). – С. 34–36. – URL: https://moluch.ru/archive/192/48263/ (дата обращения: 11.05.2023).
4. Ларионцев, М. М. Big data в сфере культуры: тренды и проблемы / М. М. Ларионцев. – Текст : электронный // Культурологический журнал. – 2020. – № 2 (40). – URL: https://cyberleninka.ru/article/n/big-data-v-sfere-kultury-trendy-i-problemy (дата обращения: 10.05.2023).
5. Papaioannou, G. Museum Big Data: Perceptions and Practices / G. Papaioannou. – Text : electronic // Big Data in Education: Pedagogy and Research. – 2021. – Р. 201 – 215. – URL: https://www.researchgate.net/publication/355072723_Museum_Big_Data_Perceptions_and_Practices (дата обращения: 11.05.2023).
6. Kinsley, R. Perspectives of Emerging Museum Professionals on the Role of Big Data in Museums / Kinsley, J. Portenoy. – Text : electronic // Proceedings of the annual Hawaiian International Conference on Systems Science. – 2015 – Р. 2075-2084. – URL: https://www.computer.org/csdl/proceedings-article/hicss/2015/7367c075/12OmNApculv (дата обращения: 11.05.2023).
7. Jingwen, Z. Limitations and ethical reflection on the application of big data in museum visitor research // Z. Jingwen, L. Liao. – Text : electronic // Museum Management and Curatorship. – 2022. – Р. 1–12. – URL: https://www.researchgate.net/publication/362753315_Limitations_and_ethical_reflection_on_the_application_of_big_data_in_museum_visitor_research (дата обращения: 17.05.2023).
8. Тоффлер Э. Третья волна / Э. Тоффлер ; перевод Барабанова С. (гл. 18–19), Бурмистрова К. (гл. 1–4), Бурмистровой Л. [и др.]. – Москва : ACT, 2004. – 345 с. – URL: http://read.virmk.ru/present_past_pdf/Toffler_Tretiya_volna.pdf (дата обращения: 18.05.2023). – Текст : электронный.

Олейникова Е. А. Big Data в деятельности музея

В статье исследуется понятие Big Data, ее технология и аспекты применения в деятельности современных музеев. Внимание уделяется методам сбора неструктурированных данных, продуцируемых музеями и их аналитике. Представлены примеры использования больших данных для усовершенствования работы музея.

Ключевые слова: музеи, Big Data, аналитика, социальные сети, коммуникация.

 

Oleinikova E. A. Big Data in the Museum’s Activities

The article explores the concept of Big Data, its technology and aspects of application in the activities of modern museums. Attention is paid to the methods of collecting unstructured data produced by museums and their analytics. Examples of using big data to improve the work of the museum are presented.

Key words: museums, Big Data, analytics, social networks, communication.