Bluetooth tracking in het Van Gogh Museum
J.R. Bruil
10670718
Universiteit van Amsterdam
Faculteit der Natuurwetenschappen, Wiskunde en Informatica Bachelor thesis Informatiekunde
18 juli 2019
Abstract
Door de ontwikkeling van bluetooth technologie en de groei van smartphonebezit zijn er nieuwe mogelijkheden ontstaan voor het onderzoeken van bezoekersgedrag in musea. In meerdere onderzoeken zijn de smartphones van museumbezoekers gevolgd om zo, hoofdzakelijk door de beperking van drukte, de bezoekerservaring te verbeteren. In dit onderzoek worden verzamelde gegevens aangeleverd door het Van Gogh Museum vergeleken met eerdere onderzoeken. De data aangeleverd door het Van Gogh Museum zijn uniek doordat enkel de multimediatour tablets werden gevolgd, dit leverde waardevolle informatie over de taalkeuze van de bezoeker op. Naast de vergelijking met eerder onderzoek wordt in dit onderzoek voor het eerst clusteranalyse in de context van een museum toegepast. Uit deze analyse bleek een duidelijke verdeling tussen bezoekers op basis van taal. Op basis van de resultaten van de clusteranalyse en de vergelijking met eerder onderzoek worden concrete suggesties gedaan voor het verbeteren van de kwaliteit van het museumbezoek.
Scriptiebegeleider: dr. F. Nack
Inleiding 2
Literatuur verkenning 3
Klassiek onderzoek naar bezoekersgedrag 3
Bluetooth 5
Bluetooth toepassing musea 6
Bezoekersgedrag onderzoek Louvre 6
Vervolg bezoekersgedrag onderzoek Louvre 7
Bezoekersgedrag onderzoek fysiologische responsen 8
Methode 8
Dataverzameling 8
Databeschrijving 10
Resultaten 10
Factoren naar aanleiding van eerder onderzoek 10
De volgorde van bezochte kunstwerken 11
Het verband tussen moment van binnenkomst en de bezoekduur 13
Het verband tussen drukte en de bezoekduur 14
Clusteranalyse voor het Van Gogh Museum 15
Discussie 19 Conclusie 19 Beleidssuggesties 20 Beperkende factoren 21 Vervolgonderzoek 22 Literatuuropgave 23
Inleiding
De afgelopen jaren is het gebruik van bluetooth tracking en vergelijkbare methodes voor onderzoek zoals wifi tracking toegenomen. Dit blijkt uit de vele recente toepassingen in de wetenschap (Phua & Bogomolova, 2015; Park, Kim, & Cho , 2016; Lin, Chang, Chou, & Lin , 2014). Door deze toename komt er steeds meer informatie beschikbaar over de beweegpatronen van de groepen die gevolgd worden en het is daardoor een waardevolle toevoeging op de bestaande onderzoeksmethoden. De toename in de toepassing van deze tracking methode is vooral te verklaren door technologische ontwikkelingen die de apparatuur goedkoper en handelbaarder gemaakt hebben, daarnaast draagt de gestage groei van smartphonebezit ook bij aan de toepasbaarheid van deze moderne tracking methoden. De beweegpatronen die geanalyseerd kunnen worden met deze technologie kunnen op diverse manieren worden benut voorbeelden hiervan zijn: crowd management, marketing, en consumentenonderzoek (Oosterlinck, Benoit, Baecke, & Van de Weghe, 2017). Traditionele onderzoeksmethoden voor het analyseren van deze beweegpatronen zijn meer kwalitatief van aard en kunnen aan validiteit gebrekkig zijn. Met de komst van bluetooth tracking neemt enerzijds de betrouwbaarheid van de data toe door de afwezigheid van bias en aan de andere kant is de hoeveelheid data enorm toegenomen. Alle moderne smartphones beschikken over bluetooth en van al deze devices blijkt uit onderzoek (Versichele et al., 2012) dat circa 9,81% van de gebruikers de smartphones op detecteerbaar hebben staan, wat de apparaten vervolgens geschikt maakt voortracking toepassing. Deze ontwikkelingen leiden ertoe dat de beweegpatronen van smartphone bezitters op veel verschillende fysieke locaties geanalyseerd kunnen worden. Dit maakt de technologie voor toepassing bij onderzoek interessanter voor steeds meer andere onderzoeksgebieden.
In dit onderzoek wordt in de context van een openbaar museum de toepassing van bluetooth tracking onderzocht. Als geschikte partner kwam het Amsterdamse Van Gogh Museum naar1 voren. Het Van Gogh Museum is actief bezig met het moderniseren van het klassieke museumbezoek. In lijn met deze ambities van het Van Gogh museum is er in het museum een netwerk van bluetooth beacons geplaatst, deze zijn vooralsnog enkel geactiveerd in de tijdelijke tentoonstelling vleugel. Bezoekers die de multimediatour volgen krijgen een Android tablet waarmee audiofragmenten van geselecteerde werken beluisterd kunnen worden. Tijdens de bezichtiging van de expositie worden de multimediatour tablet via de bluetooth beacons gevolgd om zo te bepalen waar en hoe lang de bezoekers zich in de ruimte bevinden. Het volgen van de multimediatour tablet heeft hoofdzakelijk tot doel om bezoekersstromen in kaart te brengen zonder afhankelijk te zijn van het handmatig verzamelen van deze informatie. Hierbij wordt de data voornamelijk gebruikt voor een heatmap van de ruimtes die drukte visualiseert, anonieme live tracking van individuele bezoekers, en een goed inzicht van afname van multimediatours. In dit onderzoek zal deze data verder toegepast en geanalyseerd worden om uiteindelijk de volgende onderzoeksvraag te beantwoorden:
Hoe kan bluetooth tracking data gebruikt worden om de bezoekerservaring te verbeteren? De analyses om deze vraag te beantwoorden worden in eerste instantie onderbouwd door bestaande literatuur uiteentezetten. Uit deze eerdere onderzoeken worden relevante factoren uitgelicht en vervolgens geanalyseerd met de data van het Van Gogh Museum. Deze factoren vormen de basis van de data analyse waar vervolgens op wordt uitgebreid met een nieuwe data analyse techniek. Deze methode sluit goed aan bij de doelstelling van het Van Gogh Museum om bezoekersgedrag in kaart te brengen en op basis van deze informatie de kwaliteit van het bezoek te verbeteren. In dit onderzoek is daarom gekozen om een clusteranalyse toe te passen, met deze analyse kunnen de bezoekers gesegmenteerd worden om zo verschillende categorieën bezoekers te identificeren. De factoren afkomstig uit eerdere onderzoeken in combinatie met deze nieuwe toepassing van clusteranalyse, beide toegepast op de data van het Van Gogh Museum, zullen antwoord geven op de onderzoeksvraag.
De motivatie voor de wens voor segmentatie is dat de profielen die hieruit volgen van grote hulp kunnen zijn voor musea. Een museum zoals het Van Gogh Museum kan op basis van deze profielen voor zaken als organisatie van het museum in algemene zin, tot het indelen van museumzalen in specifieke zin effectiever beleid kan opstellen. Om de resultaten tastbaar te maken worden in de conclusie suggesties gedaan voor dergelijk beleid. Deze suggesties kunnen tevens als inspiratie functioneren voor andere musea en andere onderzoeken naar museumbezoek ervaring.
Literatuur verkenning
Klassiek onderzoek naar bezoekersgedrag
De term museologie beslaat het onderzoek doen naar musea en omvat verschillende onderwerpen. Deze onderwerpen zijn onder andere het museum in de rol van onderwijsinstelling, de vernieuwe maatschappelijke rol die het museum vervult sinds de jaren ‘70, het exposeren van een specifieke collectie of de representatie van een relevant tijdvak, en tot slot het onderzoek naar de bezoekerservaring (Vergo, 1997). In de literatuur uiteenzetting door Kirchberg & Tröndle (2012) komt naar voren dat dit laatste onderwerp relatief weinig behandeld is maar zeker van groot belang. De analyse van bezoekersgedrag is het aspect dat in dit onderzoek behandeld wordt en de motivatie hiervoor is maken van aanbevelingen op basis van de analyse en heeft als doel het verbeteren van de bezoekerservaring en potentieel als informatiebron te dienen bij het samenstellen van toekomstige tentoonstellingen.
In de uiteenzetting door Kirchberg & Tröndle komt naar voren dat het gebrek aan studies naar bezoekerservaring te maken heeft met de belangen van leidinggevenden die hun eigen positie afhankelijk zien van hun inzicht en sturing in het vormen van het museum. De vrees is dat bij het uit handen geven van deze verantwoordelijkheid het belang van deze leidinggevende rollen te vervallen komt. Daarnaast geldt ook dat klassieke methoden doorgaans kostbare
gespecialiseerde kennis vereisen, moeilijk schaalbaar zijn, ingrijpend zijn voor de bezoeker, en onderhevig zijn aan de bias van de onderzoeker (Oosterlinck et al., 2017). Enkele van dit soort veel gebruikte klassieke methoden zijn: vragenlijsten voor, tijdens, en na het bezoek, het actief schaduwen van bezoekers om zo het gedrag vast te leggen, en logboeken die de bezoekers zelf gedurende het museumbezoek invullen (Versichele et al., 2014). Tot slot blijft de bezoekerservaring een moeilijk meetbare variabele, hoofdzakelijk in de context van de laboratoria kan gekeken worden naar fysiologische responsen op kunstwerken.
In het verdere artikel (Kirchberg & Tröndle, 2012) worden vijf belangrijke werken behandeld om de huidige stand van ontwikkeling in het gebied van bezoekerservaring te analyseren. In deze werken is een duidelijke overeenkomst zichtbaar waarbij onderscheid gemaakt wordt tussen drie facetten waar de waardering voor een museumbezoek uit bestaat (zie figuur 1). Deze facetten zijn het pre-bezoek, het daadwerkelijke bezoek, en het post-bezoek. De redenering is dat een bezoeker altijd beïnvloed wordt door factoren als eerdere bezoeken, de persoonlijke context van het bezoek, of verwachtingen van de te bezoeken afdelingen. Vervolgens worden tijdens het bezoek verschillende indrukken opgedaan die uiteindelijk vertaald worden naar een staat van voldoening, mate van lering, of zelfverrijking in het algemeen. Van belang voor dit onderzoek naar de bezoekerservaring in het Van Gogh Museum is om deze keten aan te houden als kapstok bij het vormen van suggesties ter verbetering van deze bezoekerservaring.
Figuur 1 ‘Museum bezoekerservaring literatuur model door Kirchberg & Tröndle’
Bluetooth
De data aangeleverd door het Van Gogh Museum is verzameld met behulp van Bluetooth Low Energy (BLE) lokalisatie (Faragher & Harle, 2015). Dit is een sterk systeem met noemenswaardige voordelen ten opzichte van geautomatiseerde alternatieven zoals: mobiele netwerken, wifi, en Global Navigation Satelite System (GNSS, de overkoepelende term voor systemen vergelijkbaar met GPS). Voor mobiele netwerken en GNSS geldt dat beide niet de nauwkeurigheid behalen die bluetooth en wifi kunnen leveren. Dit gebrek in precisie blijkt voornamelijk wanneer er gelokaliseerd moet worden in een afgesloten ruimte. Daarnaast is uit privacy overwegingen een mobiel netwerk ongeschikt doordat verbinding met het netwerk simkaart- en daarmee persoonsgebonden is. Bluetooth was ten tijde van de vergelijkbare onderzoeken een toegestane methode voor live tracking. Bij de communicatie via Bluetooth wordt enkel het MAC-adres geïdentificeerd, dit adres is een uniek adres dat verschilt voor ieder stuk hardware met netwerkverbinding mogelijkheden en uitsluitend toegewezen wordt aan netwerkapparaten zoals telefoons en laptops. Sinds 24 mei 2016 is de Algemene verordening gegevensbescherming (AVG) in werking gegaan en sinds 25 mei 2018 wordt deze gehandhaafd (Art. 6 AVG, 2016). Deze verordening is door de Europese Unie ingevoerd
met als doel persoonsgegevens te beschermen en heeft hierdoor ook invloed op de onderzoeksopzet uit eerdere onderzoeken. Sinds deze verordening worden MAC-adres gezien als registratienummers die speciale toestemming van de gebruiker nodig hebben om te verwerken. Voor de dataverzameling in het Van Gogh Museum is deze verordening echter niet van toepassing doordat de apparaten die gevolgd worden bezit zijn van het Van Gogh Museum.
Wat betreft de vergelijking met wifi lokalisatie ten opzichte van Bluetooth lokalisatie blijkt uit onderzoek door Faragher & Harle (2014) dat bluetooth de voorkeur heeft ten opzichte van wifi vanwege de grotere nauwkeurigheid en duurzaamheid. Deze voorkeur is afhankelijk van de introductie van bluetooth 4 die BLE mogelijk maakt. BLE is sneller in het vinden en is bovendien zuiniger bij het verbinden met andere apparaten. Door deze verbeteringen is het makkelijker en goedkoper geworden kleine bluetooth beacons te maken. Deze afweging van technologieën resulteert in de conclusie dat het Van Gogh Museum een goed overwogen keuze heeft gemaakt bij het bepalen van een tracking methode.
Bluetooth toepassing musea
Bezoekersgedrag onderzoek Louvre
De toepassing van BLE heeft veel potentie voor het analyseren van bezoekersgedrag in musea. In het volgende stuk wordt aan de hand van een drietal onderzoeken besproken op welke manier deze onderzoeksmethode is toegepast in de context van een museum en wat de resultaten hiervan waren.
Het belangrijkste onderzoek hiernaar op het moment van schrijven is gedaan in het Louvre in Parijs door Yoshimura et al. (2014). In dit onderzoek werden negen belangrijke ruimtes in het museum gedurende 24 dagen voorzien van bluetooth beacons om zo een beeld te krijgen van het bezoekersgedrag. De motivatie voor dit onderzoek was de negatieve invloed van drukte in het museum op de bezoekerservaring, dit terwijl in de overtuiging van het Louvre en de onderzoekers deze drukte verminderd kan worden door een betere spreiding van de bezoekers. Op basis van de volgorde van de bezochte ruimtes en de relatie tot de indeling van deze ruimtes heeft het onderzoek getracht de eigenschappen van verschillende soorten bezoekers te onderscheiden. In het onderzoek werd onderscheid gemaakt tussen bezoekers op basis van de totale duur van het bezoek aan het museum, vervolgens werd de tien procent kortste bezoeken geclassificeerd als korte duur bezoeken en de tien procent langste bezoeken als lange duur bezoeken. Uit de resultaten van het onderzoek bleek dat het gedrag van bezoekers die onder lange duur bezoeken vielen niet veel verschilde van de bezoekers die onder korte duur bezoeken vielen. De consequentie hiervan is dat tijdens lange duur bezoeken niet evenredig meer afstand afgelegd werd. Een vergelijkbare waarneming werd gedaan bij het aantal uniek bezochte knooppunten en de volgorde waarin deze knooppunten bezocht werden. Gemiddeld genomen werden er tijdens korte duur en lange duur bezoeken nagenoeg evenveel knooppunten bezocht. Wat betreft de volgorde bleek de meest voorkomende
waarneming uit een nagenoeg gelijk aandeel korte duur en lange duur bezoeken te bestaan. De verklaring voor de kleine verschillen tussen verschillende bezoekers wordt verklaard door de mate van populariteit van specifieke werken en de sterke voorkeur voor bepaalde routes onder alle bezoekers. Er wordt een suggestie gedaan voor het verbeteren van de bezoekerservaring die voornamelijk gebaseerd is op het feit dat er weinig diversiteit in de routes is. Geopperd wordt dat het Louvre met data zoals tijdens dit onderzoek verzameld dynamisch het publiek door het museum kan sturen. Dit is mogelijk door actuele drukte te meten op knooppunten en de voorkeuren voor routes in te schatten op basis van data zoals tijdens dit onderzoek verzameld. Hiertoe wordt zelfs specifiek een audiotour genoemd die deze data dynamisch kan verwerken om zo een gepersonaliseerde rondleiding door het museum te geven.
Vervolg bezoekersgedrag onderzoek Louvre
In navolging van het onderzoek in het Louvre museum is met dezelfde data een tweede onderzoek gedaan in 2017 (Yoshimura et al.). Tijdens dit onderzoek werd een analyse gedaan naar vier factoren die te maken hebben met de bezoekduur.
- De eerste factor is de volgorde van de bezochte knooppunten en deze analyse is gebaseerd op het eerdere onderzoek uit 2010, aangezien deze analyse ook terug komt in het eerdere onderzoek worden de resultaten hiervan niet herhaald in de volgende alinea.
- De tweede factor is gebaseerd op de tijd van binnenkomst.
- De derde factor die in het onderzoek is geanalyseerd is de bezoekduur voor specifieke knooppunten.
- Tot slot bouwt de vierde factor verder op de derde factor door de bezoekduur aan een specifiek knooppunt in combinatie met de drukte op dit knooppunt na te gaan.
Bij de analyse van de tijd van binnenkomst ten opzichte van totale bezoekduur werden de dagen in twee groepen onderverdeeld, namelijk de dagen waarbij het museum open was tot 21:45 en de dagen waarbij het museum open was tot 18:00. Voor de beide groepen gold dat naarmate de dag vorderde de totale bezoekduur afnam, enkel laat in de middag rond 17:30 op dagen dat het museum om 21:45 sluit kwam een kleine toename naar voren in de totale bezoekduur. De derde factor die betrekking had tot het verblijf bij een specifiek knooppunt werd wederom onderverdeeld in twee groepen, namelijk knooppunten die men kort bezocht en knooppunten die men lang bezocht. Enkele knooppunten werden buiten beschouwing gelaten zoals de ingang van het museum waar de bezoekers in de rij stonden voor kaartjes, omdat deze ruimtes een andere irrelevante primaire of secundaire rol vervulden ten opzichte van klassieke museumzalen. De vierde factor beschreef de relatieve drukte in verhouding tot de bestede tijd op een knooppunt. Uit deze factor bleek een duidelijke trend waarbij in eerste instantie de bezoekduur sterk toeneemt bij een kleine toename in de drukte om vervolgens relatief constant te blijven ondanks de toenemende drukte. Er is echter een duidelijk punt te ontwaren bij een relatief hoge drukte wanneer de totale bezoekduur wel degelijk afneemt. Er wordt in het onderzoek verondersteld dat deze resultaten van nut kunnen zijn op een
vergelijkbare manier als het eerdere onderzoek. De belangrijkste suggestie die gemaakt wordt is om resultaten als deze te gebruiken bij het voorkomen van verstoppingen in het museum en het indelen van de zalen op basis van bezoekgedrag.
Bezoekersgedrag onderzoek fysiologische responsen
Het onderzoek in het Louvre zocht patronen in spatiële beweging van bezoekers om uiteindelijk de de bezoekerservaring te verbeteren met suggesties voor het voorkomen van drukte, en het efficiënt inrichten van museumzalen. Het onderzoek door Kirchberg & Tröndle (2012) richtte zich op het combineren van vergelijkbare spatiële data met fysiologische responses om zo een dieper inzicht te krijgen in het effect op de bezoekerservaring. De opzet van het onderzoek door Kirchberg & Tröndle was als volgt: in het Museum of Fine Arts in St. Gallen deden 576 bezoekers mee aan het onderzoek door twee vragenlijsten in te vullen en een biometrische handschoen aan te trekken. De eerste vragenlijst werd voorafgaand aan het toetreden tot de museumzalen afgenomen om de sociaaleconomische en sociaal demografische achtergrond van de deelnemers in kaart te brengen. Vervolgens werd met behulp van de biometrische handschoen gedurende het museumbezoek de bezoeker via een netwerk van bluetooth beacons gevolgd en werd de hartslag en de mate van wisseling in transpiratie van de deelnemer gemeten. De fysiologische kenmerken hartslag, en mate van transpiratie werden in het onderzoek gebruikt als kwantificeerbare maatstaf voor het meten van emotionele responsen ten aanzien van de geëxposeerde kunst. Tot slot werd de deelnemers een afsluitende elektronische vragenlijst voorgelegd met als doel het wederom vastleggen van responses ten aanzien van de geëxposeerde kunst. Deze vragenlijst werd dynamisch opgemaakt op basis van het specifieke bezoek om zo de fysiologische responsen te vergelijken met de emotionele responsen geregistreerd door het bewustzijn. Uit de resultaten bleek dat, rekening houdend met de vragenlijsten, een verhoogde hartslag in de context van een museumbezoek een lichte indicator is voor het meten van de eigenschappen schoonheid, verrassing, en humor voor de betreffende kunstwerken. De mate van transpiratie daarentegen bleek geen betrouwbare indicator voor emotionele responsen ten over kunstwerken.
Methode
Dataverzameling
In dit onderzoek wordt op basis van ervaringen en resultaten uit vergelijkbare onderzoeken (Kirchberg & Tröndle, 2017; Yoshimura et al., 2015; Yoshimura et al., 2017 ) een analyse gedaan van data geleverd door het Van Gogh Museum. Naast het uitbreiden op deze onderzoeken wordt ook gekeken naar specifieke wensen van het Van Gogh Museum om zo een concrete bijkomende conclusie te geven aan het eind van het onderzoek.
De gebruikte data in dit onderzoek beslaat de een deel van de duur van de tijdelijke tentoonstelling Hockney - Van Gogh: The Joy of Nature van de periode 1 maart 2019 tot en
met 30 april 2019. De gehele tentoonstelling duurde van 1 maart t/m 26 mei. De anonieme data van bezoekers die voor €5 de multimediatour gebruiken werd vanaf het moment van uitgifte geanalyseerd. De vleugel waar de tentoonstelling te bezichtigen is bestaat uit drie verdiepingen, alle voorzien van Bluetooth beacons. Op de eerste verdieping krijgt de bezoeker een introductiefilm te zien, om vervolgens de eerste werken van de tentoonstelling te bekijken. Op de tweede verdieping bevinden zich eveneens doorlopende ruimtes waar werken van de tentoonstelling te zien zijn. De derde en laatste verdieping bestaat uit een enkele kleinere zaal die is gewijd aan een andere tentoonstelling waarvan de data voor dit onderzoek niet in acht genomen is.
De multimediatour zelf bestaat uit een Android tablet waarop de speciaal ontwikkelde multimediatour applicatie draait. Deze applicatie geeft de gebruiker de mogelijkheid uit twee rondleidingen te kiezen bestaande uit: een hoogtepunten tour door de tentoonstelling Hockney - Van Gogh, en een algemene tour van de tentoonstelling Hockney - Van Gogh. Deze tours kunnen gevolgd worden in elf talen, en verschillen in omvang. De hoogtepunten tour van de tijdelijke tentoonstelling behandelt acht kunstwerken uit de tentoonstelling. En tot slot behandelt de meest volledige tijdelijke tentoonstelling tour twaalf kunstwerken in de expositie. Belangrijk is om op te merken dat de tijdelijke tentoonstelling feitelijk uit meer dan twaalf kunstwerken bestaat. Iedere tour bestaat uit een aantal vooraf geselecteerde kunstwerken, voor ieder kunstwerk kan de gebruiker één tot drie audiofragmenten selecteren om te beluisteren. Het aantal fragmenten en de invulling ervan zijn verschillend per kunstwerk, zo is er voor één van de kunstwerken als fragment een deel van een compositie stuk door Wagner dat bijna 2,5 minuut duurt.
De gebruikte dataset is volledig verzameld en gelabeld door het Van Gogh Museum. De data is opgedeeld in drie verschillende datasets. De stop log data vermeldt alle kunstwerken die bezocht zijn en geeft door de specifieke toedracht het meeste informatie.Tour log data is gegroepeerd per tour waarbij een bezoeker meerdere keren terug kan komen doordat er meerdere tours geselecteerd zijn. Een tour zoals in de tour log data bestaat dus doorgaans uit meerdere rijen van de stop log data. Tot slot is de session log data een groepering van informatie per bezoek en bestaat deze data uit de samenvatting van de stop log data en tour log data. De variabelen die gebruikt worden uit de dataset zijn:
- Het aantal seconden dat een kunstwerk bezocht is - Het tour identificerende tournummer
- De totale duratie vanaf uitgifte tot inlevering van de multimediatour
- Het totaal aantal bezochte kunstwerken dat meetbaar is via de bluetooth beacons - De dag van de week
- Het dagdeel bij binnenkomst in het museum
Deze variabelen zijn de enigen uit de dataset die iets kunnen zeggen over het bezoekersgedrag. De variabelen beslaan de wijze waarop bezoekers door de tentoonstelling bewegen, en de taalkeuze levert een persoonlijke eigenschap op per bezoeker. Bovenop deze spatiële en dit beperkte demografische gegeven wordt de tijd, de dag van de week, en de datum verwerkt, dit in een poging om trends te ontwaren.
Databeschrijving
De dataset van het Van Gogh Museum beslaat 47.298 verschillende multimediatour sessies verspreid over twee maanden. Deze sessies bestaan uit één of meer van de drie eerder genoemde tours. De meest volledige tijdelijke tentoonstelling tour is 38082 maal gevolgd, de hoogtepunten van de tijdelijke tentoonstelling tour is 17085 maal gevolgd, en tot slot bevat de dataset 1914 instanties van bezoekers die via de hoogtepunten van het museum tour door de tijdelijke tentoonstelling zijn gekomen. Een belangrijk aspect van de dataset van het Van Gogh Museum is het de taalkeuze van bezoekers. Zoals eerder vermeld zijn er elf talen beschikbaar waarvan Nederlands en Engels verreweg het meest voorkomen. In figuur 2 is een overzicht te zien van het aandeel bezoekers per taalkeuze.
Taal Aandeel van het totaal Nederlands 32,04% Engels 30,823% Italiaans 9,69% Frans 5,89% Duits 5,42% Chinees 4,70% Spaans 3,93% Russisch 3,50% Portugees 2,14% Koreaans 1,25% Japans 0,61%
Figuur 2, ‘Taalkeuze voor alle multimediatours’
Resultaten
Factoren naar aanleiding van eerder onderzoek
De analyse van de dataset van het Van Gogh Museum wordt in eerste instantie gedaan aan de hand van factoren die ook onderzocht zijn in de studie in het Louvre. Van de vier factoren die in onder de kop literatuuronderzoek zijn besproken wordt de derde factor, met betrekking tot de bezoekduur aan specifieke knooppunten overgeslagen. Deze keuze is gemaakt omdat bij de onderzoeksopzet in het van Louvre de knooppunten sterk verschillend waren en ver uit elkaar lagen. De tentoonstellingsvleugel van het Van Gogh Museum heeft een eenduidige indeling waarbij minder onderscheid te maken is tussen de verschillende ruimtes waar de bezoekers gemonitord zijn.
Voor het onderzoeken van deze factoren is bij twee van de drie factoren gekeken naar het verband tussen twee variabelen. Deze variabelen die hierbij vergeleken worden zijn als volgt:
- Het moment van binnenkomst - De duur van het museumbezoek - De drukte bij een kunstwerk - De bezoekduur aan het kunstwerk - Het aantal beschikbare audiofragmenten
Om het verband te bepalen tussen variabelen wordt de Pearson R methode (Freedman, Pisani, & Purves, 2007) voor het berekenen van de correlatie gebruikt. Pearson R vereist het gebruik van variabelen op interval meetniveau. De variabele “moment van binnenkomst” stamt van een datum tijd notatie, daarom is deze variabele omgerekend naar een getal om alsnog als interval variabele te kunnen gelden.
De volgorde van bezochte kunstwerken
De eerste factor die besproken is in de literatuur uiteenzetting en in het Louvre is onderzocht is de volgorde waarin bezoekers de gemonitorde knooppunten bezochten. Voor de knooppunten in het Louvre geldt dat er meer mogelijkheden zijn tot variatie in de route. Hierdoor zou verondersteld kunnen worden dat de analyse van deze verschillende volgordes waardevoller is. Desondanks kan een analyse van de volgorde van bezoek aan het Van Gogh Museum nuttige resultaten opleveren. De volgorde van de bezochte stops in het Van Gogh Museum kan iets zeggen over de mate van mogelijkheid tot variatie in deze volgorde, alsmede over de fase of zelfs het kunstwerk waar bezoekers afhaken in het gebruik van de multimediatour. Om deze analyse uit te voeren is per bezoeker een overzicht gemaakt waarin de bezochte kunstwerken op volgorde geplaatst zijn. Hierbij is enkel de data gebruikt van de complete rondleiding van de tentoonstelling omdat de andere rondleidingen minder kunstwerken bevatten en dit zou een scheve vergelijking creëren. De kunstwerken zijn genummerd van 900 tot en met 912 en zijn ook voor zover mogelijk opvolgend in de zalen opgehangen. De vijf meest voorkomende volgordes (figuur 2) van kunstwerken tonen twee duidelijke verschijningen. De eerste verschijning blijkt uit de eerste, vierde en vijfde volgorde, deze drie volgordes vertonen een grote overeenkomst met de lineariteit die het Van Gogh Museum heeft gehanteerd bij het nummeren van de verschillende kunstwerken. De tweede verschijning komt voort uit de volgordes in rijen twee en drie, de tweede rijen omvatten enkel de introductiefilm in combinatie met één kunstwerk en de derde rij bevat één kunstwerk meer. Dergelijke volgordes die slechts enkele stops bevatten komen regelmatig terug in de volledige tabel. Een mogelijke verklaring voor het grote aantal keer dat weinig kunstwerken zijn bezocht kan zijn dat bezoekers in eerste instantie beginnen aan de tour, maar snel besluiten zonder begeleiding de tentoonstelling verder te bezichtigen. Een tweede verklaring zou kunnen zijn dat bezoekers na een enkel kunstwerk in de tentoonstelling al dan niet bewust besluiten om te wisselen van tour wat er voor zorgt dat de rest van de bezochte werken buiten de gebruikte data vallen. Bij verdere analyse blijkt deze tweede verklaring
echter niet overtuigend. Bezoekers die na twee stops afhaken en een andere tour kiezen blijken namelijk 6% uit te maken van alle bezoekers die minder dan drie stops bezoeken. Indien aangenomen wordt dat tours korter dan drie stops bewuste keuzes zijn om zonder begeleiding de tentoonstelling te bezichtigen is het relevanter te kijken naar de meest voorkomende volgordes met deze uitersten weggelaten. In figuur 3b is te zien dat de meest populaire route in dit geval door 8,05% van de gebruikers gelopen wordt, terwijl de vier opeenvolgende routes variëren van 1,16% tot 2,46%. Al met al wordt de tentoonstelling, zoals te verwachten, in overeenkomst met de multimediatour oplopend gevolgd.
Volgorde van Kunstwerken Percentage van totaal 900, 902, 903, 904, 905, 906, 907, 908, 909, 910, 911, 912 6,62%
900 5,47%
900, 902 2,43%
900, 902, 905, 903, 904, 906, 907, 908, 909, 910, 911, 912 2,02%
900, 902, 903, 905, 904, 906, 907, 908, 909, 910, 911, 912 1,83%
Figuur 3a ‘Vijf meest voorkomende volgordes van de complete tentoonstelling tour’
Volgorde van Kunstwerken Percentage van totaal 900, 902, 903, 904, 905, 906, 907, 908, 909, 910, 911, 912 8,05%
900, 902, 905, 903, 904, 906, 907, 908, 909, 910, 911, 912 2,46%
900, 902, 903, 905, 904, 906, 907, 908, 909, 910, 911, 912 2,23%
900, 902, 903, 904, 905 1,24%
902, 903, 904, 905, 906, 907, 908, 909, 910, 911, 912 1,16%
Figuur 3b ‘Vijf meest voorkomende volgordes van de complete tentoonstelling tour, gecorrigeerd’
In het onderzoek in het Louvre is voornamelijk gekeken naar het verband tussen het aantal werken in de volgordes en de duur van het bezoek. Uit de resultaten van het Van Gogh Museum blijkt in tegenstelling tot de resultaten van het Louvre dat de 10% kortste bezoeken vaker minder kunstwerken bezoeken en de 10% langste bezoeken vaker meer kunstwerken bezoeken zie figuur 4a en 4b). Het verschil in resultaten is vermoedelijk wederom te wijten aan het verschil in opzet van de ruimtes in beide onderzoeken.
Volgorde van Kunstwerken Percentage van de kortste 10% bezoeken 900, 902, 905 5.59% 900, 902, 903, 904, 905 4.6% 900, 902, 903 4.38% 900, 902, 903, 904 2.24% 900, 902, 903, 905 2.04%
Figuur 4a ‘Vijf meest voorkomende volgordes van de kortste 10% bezoeken van de complete tentoonstelling’
Volgorde van Kunstwerken Percentage van de langste 10% bezoeken 900, 902, 903, 904, 905, 906, 907, 908, 909, 910, 911, 912 7.22%
900, 902, 903, 905, 904, 906, 907, 908, 909, 910, 911, 912 3.32%
900, 902, 905, 903, 904, 906, 907, 908, 909, 910, 911, 912 2.72%
900, 902, 905, 904, 903, 906, 907, 908, 909, 910, 911, 912 1.47%
900, 902, 905, 903, 904, 906, 907, 908, 909, 912, 910, 911 0.89%
Figuur 4b ‘Vijf meest voorkomende volgordes van de langste 10% bezoeken van de complete tentoonstelling’
Al met al zijn de volgordes zoals gepresenteerd sterk verschillend. Door het lagere aantal knooppunten in het Louvre waren de resultaten in het onderzoek aldaar waardevoller.
Het verband tussen moment van binnenkomst en de bezoekduur
De tweede factor onderzocht in het Louvre betrok de samenhang tussen het moment van binnenkomst en de duur van het museumbezoek. Uit de resultaten van het onderzoek in het Louvre bleek een zwakke correlatie aanwezig te zijn tussen de tijd van binnenkomst en de duur van het bezoek. Uit analyse van de data verzameld in het Van Gogh Museum komt een vergelijkbaar resultaat naar voren. De correlatie tussen de tijd van binnenkomst en de totale museum bezoekduur bedraagt -0,30 bij een p-waarde van 0,0 die lager ligt dan 0,05, wat het resultaat significant maakt. Deze negatieve correlatie betekent dat er een zwak verband is tussen het tijdstip waarop de bezoeker binnenkomt en de duur van het bezoek. Uit de analyse van de tijd van binnenkomst en de bezoekduur aan de tentoonstelling zelf blijkt een zeer zwakkere negatieve correlatie van -0,003 bij een p-waarde van minder dan 0,01, wat het resultaat significant maakt. Deze negatieve correlatie is dusdanig klein dat niet gesteld kan worden dat er een verband is tussen het tijdstip waarop de bezoeker binnenkomt en de duur van het bezoek aan de tentoonstelling.
Voor de tijdelijke tentoonstelling specifiek is geen verband gevonden tussen de tijd van binnenkomst en het bezoek aan de expositie, maar de overeenkomst met het Louvre qua totale bezoekduur is opvallend. Deze overeenkomst suggereert dat er een patroon is in grootschalige en populaire musea wat betreft de tijd van binnenkomst en de totale bezoekduur. Verder onderzoek naar de toedracht hiervan is nodig voor een verklaring van deze verschijning.
Het verband tussen drukte en de bezoekduur
De vierde factor uit het Louvre onderzoek was de samenhang tussen de drukte op een knooppunt en de bezoekduur aan dit knooppunt. Uit het onderzoek bleek dat er een trend is in het verband tussen drukte en de bezoekduur aan een specifiek knooppunt. Met de data van het Van Gogh Museum is dit verband op een vergelijkbare wijze onderzocht. Derhalve is gekeken naar de stop log data die opgemaakt is uit individuele bezoeken aan kunstwerken, voorts ‘stops’ genoemd. Deze stops zijn op tijd en kunstwerk vergeleken met overlappende stops om zo een indicatie te krijgen van de drukte. Het resultaat hiervan is een cijfer tussen de 0 en 1 waarbij 0 betekent dat er geen overlap is en 1 de maximale overlap is die uit de data naar voren komt. Ter illustratie: uit de data blijkt dat de bezoeker met sessionid 1552736113779 op 16 maart om 12:22 iets meer dan drie minuten bij het kunstwerk “Yorkshire” verbleef. Vervolgens zijn deze gegevens vergeleken met de andere bezoekers die tegelijkertijd dit kunstwerk bezochten, en hieruit bleek dat de drukte over de drie minuten 90% van de maximaal gemeten drukte bij dit werk bedroeg. Om de validiteit van deze resultaten ten goede te komen is de één procent hoogste waarde uit de gebruikte data verwijderd, reden zijnde dat deze data dusdanig grote uitschieters bevat dat de kans op fouten erg aannemelijk is. Zoals te zien in figuur 4 wordt er voor de meeste kunstwerken een uiterst licht positief verband waargenomen tussen de duur van een stop en de drukte tijdens een stop. In het geval van twee werken is een uiterst licht negatief verband gevonden maar de significantie van deze resultaten voldoet niet aan de standaard van p-waarde 0,05. Vermoedelijk is er geen relevant verband gevonden tussen de drukte en het bezoek van een stop doordat het Van Gogh Museum toegang tot de tentoonstellingsvleugel reguleert middels entreetickets met eens starttijd. Deze regulering zorgt dat er in de praktijk een maximum geldt voor het aantal bezoekers dat tegelijk de tentoonstellingsvleugel kan bezoeken. Dit beperkt de drukte en zorgt dat de bezoeker minder snel gedwongen wordt op een andere manier de tentoonstelling te bezichtigen.
Daarnaast beslaat de gebruikte dataset enkel bezoekers die een multimediatour doen, en het aantal audiofragmenten per werk in deze tour heeft een grotere invloed op de bezoekduur per stop. De correlatie tussen het maximaal aantal beschikbare audiofragmenten en de bezoekduur is 0,28, met een p-waarde van minder dan 0,01 maakt dit dat er een licht positief verband is tussen het aantal beschikbare audiofragmenten en de bezoekduur. Hierop aanvullend blijkt ook dat er een matig positief verband is tussen de drukte van een stop en het aantal beschikbare audiofragmenten. De correlatie bedraagt 0,47 met een P-waarde kleiner 0,01. Uit deze verbanden wordt het vermoeden bevestigd dat het aantal beschikbare audiofragmenten de drukte bij een bepaalde stop doet toenemen.
Tot slot kan er ondanks de resultaten alsnog een verband zijn tussen de drukte en de bezoekduur aan een stop als de bezoekers die geen multimediatour doen ook in acht genomen worden. De bezoekduur van bezoekers met een multimediatour worden zoals eerder uitgewezen beïnvloed door het beschikbaar aantal audiofragmenten. De afwezigheid van dit effect is reden genoeg te vermoeden dat de drukte een groter invloed heeft op bezoekers
zonder multimediatour. Deze bezoekers hebben immers geen gebondenheid aan de selectie van de betaalde multimediatour. Dit zou betekenen dat deze bezoekers flexibeler zijn in hun verplaatsing door de tentoonstelling en sneller kunstwerken overslaan die druk zijn.
Kunstwerk Kunstwerk numeriek label Correlatie P-waarde
Welcome 900 0,04 <0,001
David Hockney, May Blossom on the
Roman Road, 2009 902 0,01 0,040
David Hockney, Woldgate Woods, 6 & 9
November, 2006 903 0,02 <0,001
Vincent van Gogh, Undergrowth, 1887 904 0,02 0,029
David Hockney. The Arrival of Spring in
Woldgate, East Yorkshire, 2011 905 0,02 0,002
David Hockney, The Arrival of Spring in
Woldgate, East Yorkshire in 2011 905 0,04 <0,001
David Hockney. Midsummer: East
Yorkshire, 2004 906 - 0,01 0,900
Vincent van Gogh, The Harvest, 1888 907 -0,01 0,254
David Hockney. Yorkshire, Bridlington,
July 14 2004 909 0,02 0,001
David Hockney. The Road to York
through Sledmere, 1997 910 0,03 <0,001
David Hockney. After Hobbema (Useful
Knowledge), 2017 911 0,02 0,012
David Hockney. In the Studio, December
2017 912 0,03 <0,001
Figuur 4 ‘Correlatie tussen drukte en de bezoekduur per kunstwerk’
Clusteranalyse voor het Van Gogh Museum
Ten opzichte van andere onderzoeken die berusten op het non invasief verzamelen van data via bluetooth bevat de data van het Van Gogh Museum door de methode van verzameling een unieke variabele. Bij de dataverzameling zijn de enige apparaten die gemonitord werden in het Van Gogh Museum de multimediatour tablets. Bij het gebruik van deze apparaten kreeg de gebruiker de mogelijkheid om een taal te selecteren voor de gesproken audio fragmenten. Deze geselecteerde taal is een unieke variabele die demografisch van aard is, en daardoor kans biedt, al zijnde beperkt, om uit te breiden op bestaande factoren uit onderzoek waar demografische gegevens niet beschikbaar waren.
Naast het uitbreiden op factoren wordt in dit onderzoek ook een clusteranalyse gedaan. Clusteranalyse is een techniek waarbij gekeken wordt in hoeverre de data overeenkomsten toont en daardoor groepen ofwel clusters bevat. Indien deze clusters duidelijke vormen hebben en een groot deel van de data beschrijven kan hiermee de data geclassificeerd worden.
In het geval van de data van dit onderzoek wordt hiervoor de gegevens gebruikt van alle werken die bezocht zijn per bezoeker, en dan enkel van de bezoekers die de complete rondleiding van de tentoonstelling hebben gevolgd. De volgende variabelen met betrekking tot het bezoek zijn opgenomen in de clusteranalyse:
- De totale duratie van het bezoek - Het aantal bezochte kunstwerken - De tijd van binnenkomst
- De gemiddelde drukte tijdens het bezoek - De taal van de bezoeker
Deze samenstelling van variabelen is voortgekomen uit een afweging tussen de relevantie voor het in kaart brengen van bezoekerservaring en de variantie die resteert bij het terugschalen van het aantal variabelen met Principle Component Analysis (PCA; Wold & Geladi, 1987). De enige variabele die mogelijk verder effect zou kunnen hebben op de bezoekerservaring is de dag van de week. Deze variabele leidde echter tot een verminderde totale variatie van de PCA variabelen wat er toe leidt dat deze in mindere mate de data kunnen beschrijven. Omwille van de accuraatheid van de clusters is deze variabele bij de clusteranalyse niet in acht genomen.
Door met PCA het aantal variabelen terug te schalen naar drie samengestelde variabelen kan van de verschillende variabelen een driedimensionale visualisatie gemaakt worden (zie figuur 5).
Figuur 5 ‘Driedimensionale plot van clusters met behulp van PCA’ (Interactieve demo: https://plot.ly/~jbruil/0/#/)
De effectiviteit van de drie samengestelde PCA-variabelen blijkt uit de toepassing van de ‘elbow method’ waarbij per samengestelde variabele de variantie bekeken wordt. Het correcte aantal variabelen kan gevonden wanneer de variantie niet langer afneemt (Bholowalia & Kumar, 2014 ). In figuur 6 is te zien dat bij drie samengestelde variabelen de toegevoegde variantie niet langer substantieel afneemt en dit is daardoor het gewenste aantal variabelen aangeeft.
Figuur 6 ‘Elbow methode toepassing voor het aantal PCA variabelen’
Na het omvormen van de data wordt deze onderworpen aan het K Means algoritme (Likas et al. 2003). In eerste instantie selecteert het K means algoritme willekeurig middelpunten afhankelijk van het gespecificeerde aantal clusters. Vervolgens herhaald het algoritme de volgende twee stappen:
- De dichtstbijzijnde datapunten worden aan één van de middelpunten toegewezen, en zo worden er clusters gedefinieerd.
- In de tweede stap verplaatst het algoritme de middelpunten naar het de gemiddelde van de waarden van de datapunten van het betreffende cluster.
Deze twee stappen worden herhaald tot de clusters niet langer ander gedefinieerd worden en de middelpunten niet langer verplaatsen.
Voor het bepalen van het te gebruiken aantal cluster voor het K Means algoritme wordt wederom de ‘elbow methode’ gebruikt ( Bholowalia & Kumar, 2014 ). Ditmaal echter wordt de som van het kwadraat van de afstanden tot het gemiddelde binnen de clusters genomen, wederom met als doel om in zo min mogelijk clusters zo effectief mogelijk de verspreiding in de data te bevatten. In figuur 7 kan gezien worden dat de ‘elbow method’ uitwijst dat het effectiefste aantal clusters 4 is. Vanaf dit punt wordt er namelijk niet langer substantieel toegevoegd aan het representeren van de verspreiding in de data.
Figuur 7 ‘Som van het kwadraat van de afstanden tot het gemiddelde binnen de clusters’
De clusteranalyse resulteert dus in vier clusters die uitgedrukt kunnen worden in drie dimensies door de PCA variabelen reductie.
In figuur 9 zijn de gemiddelde genormaliseerde waarden te zien per cluster. Uit deze tabel blijkt dat de clusters voor een groot deel worden bepaald door de gekozen taal. Cluster één bevat uitsluitend de Nederlandse taal, cluster twee uitsluitend de Engelse taal, cluster drie een combinatie van verschillende talen en cluster vier bevat enkel de Italiaanse taal. Hierbij komt naar voren dat er opmerkelijke verschillen zitten tussen de verschillende soorten bezoekers van de verschillende clusters. Het eerste cluster bestaande uit de Nederlandse taal heeft namelijk de laagste bezoekduur, het minste aantal stops, de laatste starttijd en de hoogste gemiddelde drukte. Het tweede cluster bestaande uit de Engelse taal zit opvallend genoeg op de drukte na geheel tussen het Nederlandse cluster en de overige clusters. Clusters drie en vier verschillen weinig van elkaar behalve op het gebied van drukte.
Cluster 1 2 3 4 Bezoekduur 0.059 0.074 0.089 0.087 Aantal stops 0.223 0.308 0.412 0.417 Starttijd 0.351 0.322 0.304 0.318 Drukte 0.423 0.390 0.375 0.391 Engels 0.000 1.000 0.000 0.000 Spaans 0.000 0.000 0.136 0.000 Frans 0.000 0.000 0.218 0.000 Italiaans 0.000 0.000 0.000 1.000 Japans 0.000 0.000 0.018 0.000 Koreaans 0.000 0.000 0.047 0.000 Nederlands 1.000 0.000 0.000 0.000 Portugees 0.000 0.000 0.079 0.000 Russisch 0.000 0.000 0.124 0.000 Chinees 0.000 0.000 0.190 0.000 Duits 0.000 0.000 0.187 0.000
Figuur 9 ‘Genormaliseerde gemiddelden per clusters’
Discussie
Conclusie
In dit onderzoek is aan de hand van eerder onderzoek en andere analysetechnieken een bijdrage gedaan aan onderzoek naar bezoekersgedrag en de analyse daarvan met BLE. Op basis van eerder onderzoek in het Louvre is onderzocht in hoeverre de bevindingen uit dat onderzoek ook teruggevonden worden in het Van Gogh Museum. Drie van de vier factoren onderzocht in het Louvre zijn ook onderzocht in dit onderzoek en geven deels overeenkomstige resultaten.
Voor de volgorde van bezochte knooppunten in het Louvre en de volgorde van bezochte kunstwerken in het Van Gogh Museum geldt een fundamenteel verschil. De tijdelijke tentoonstelling ‘Hockney - Van Gogh: The Joy of Nature’ van het Van Gogh Museum is namelijk minder complex en kleinschaliger dan de manier waarop de verschillende knooppunten in het Louvre zijn verbonden. Dit verklaart het verschil in de verdeling van volgordes tussen het Louvre en het Van Gogh Museum. Om in de toekomst meer informatie te ontlenen aan de volgorde van bezoek, zouden de kunstwerken gegroepeerd kunnen worden om zo de volgorde van deze groepen te vergelijken. Dit zou mogelijk een beter beeld kunnen geven van in hoeverre bezoekers onderdelen overslaan om daar later terug te komen.
De tweede factor is het verband tussen de tijd van binnenkomst en de duur van het bezoek aan de tentoonstelling. Op basis van deze analyse werd een overeenkomstig resultaat gevonden als in het onderzoek in het Louvre waarbij de tijd van binnenkomst en de museum bezoekduur negatief verbonden zijn. Opvallend genoeg echter werd een zelfde resultaat niet gevonden bij specifiek het bezoek aan de tijdelijke tentoonstelling, wat verklaard kan worden door de beperkte omvang van de tentoonstelling van het Van Gogh Museum. De overeenkomst tussen de totale bezoekduur en de tijd van binnenkomst voor beide musea lijkt op een patroon te duiden dat vermoedelijk van toepassing is op in ieder geval populaire, grootschalige musea in Europa. Deze waarneming dient echter eerst bevestigd te worden in de gegevens van vergelijkbare musea om deze aan te kunnen nemen.
De derde onderzochte factor die vergeleken is met het onderzoek in het Louvre is het verband tussen de drukte en de bezoekduur bij een gegeven kunstwerk. Hierbij kwam een ander resultaat naar voren dan in het onderzoek in het Louvre. Dit is vermoedelijk veroorzaakt door het tracken van mobiele telefoons enerzijds, en het tracken van de multimediatour tablets anderzijds. De veronderstelling voor dit verschil is dat voor gebruikers van de multimediatour een zekere gebondenheid aan de aangeboden selectie kunstwerken geldt, terwijl de reguliere bezoekers flexibeler door de tentoonstelling bewegen.
Om verder uit te breiden op de analyse van bluetooth data in musea is vervolgens een K Means clusteranalyse toegepast. Deze clusteranalyse resulteerde in vier clusters die hoofdzakelijk onderscheid maken in de gekozen taalinstelling. Hierbij zijn de talen Nederlands, Engels, en Italiaans apart vertegenwoordigd en bestaat het vierde cluster uit een combinatie van de overige talen. Uit de vergelijking van de variabelen van deze clusters blijkt dat er een verschil zit tussen met name het Nederlandstalige cluster, het Engelstalige cluster en de overige clusters. Deze verschillen uiten zich in een latere binnenkomst, een kortere bezoekduur, een kleiner aantal bezochte kunstwerken en een grotere gemiddelde drukte voor het Nederlandse cluster t.o.v. alle andere clusters. Voor het Engelstalig cluster is dit zelfde verschil aanwezig t.o.v. de overige twee clusters. Tot slot zijn de laatste twee clusters niet opmerkelijk verschillend. Op basis van deze resultaten lijkt de taalkeuze, ofwel ruim genomen, de nationaliteit van de bezoeker een belangrijke indicator voor het soort museumbezoek.
Beleidssuggesties
Om de bezoekerservaring daadwerkelijk te verbeteren dienen deze waarnemingen vertaald te worden naar concreet beleid. De bezoekerservaring kan met deze gegevens met name tijdens het bezoek zelf verbeterd worden, en dan wel door het beperken van drukte. Hierna volgen twee suggesties op basis van de waarnemingen uit dit onderzoek:
Een eerste suggestie hiervoor is om toegangskaarten dynamisch op basis van taal keuze in tijdvakken aan te bieden. Aangezien veel Nederlanders via een Museumjaarkaart het museum bezoeken zou deze bezoekers speciale timeslots aangeboden kunnen worden op basis van hun profiel. Deze bezoekers zijn relatief korter in het museum en daarom zou hen vaker toegang verleend kunnen worden op rustigere momenten. Deze zelfde methode zou toegepast kunnen
worden op Engelstalige bezoekers aangezien deze dezelfde verschijningen vertonen volgens de clusteranalyse. Voor het online reserveren van tijdvakken kan het dynamische element gerealiseerd kunnen worden door de taalinstelling van de browser te benutten.
Een tweede suggestie is om de bestaande multimediatour applicatie verder uit te breiden. Als de rest van het museum wordt voorzien van BLE is het mogelijk om een dynamische rondleiding samen te stellen op basis van de actuele drukte, de verwachte drukte, en de voorkeur van de gebruiker. De multimediatour applicatie zou daardoor fungeren als gids die behalve informatie verstrekt over de kunst ook de beste route uitstippelt zoals een navigatie systeem zou doen. De voorkeur van de gebruiker zou hierbij al kunnen worden verwerkt door enkele simpele opties te geven voor het soort rondleiding dat de gebruiker wenst te volgen.
Beperkende factoren
In dit onderzoek is uitgebreid op de beperkte hoeveelheid bestaand onderzoek voor het toepassen van BLE in musea. Derhalve is gekozen om eerdere waarnemingen te vergelijken met resultaten uit de nieuwe data van het Van Gogh Museum, om vervolgens uit te breiden met nieuwe analyse technieken. Er kon echter niet altijd goed vergeleken worden met het onderzoek in het Louvre. De reden hiertoe is dat de wijze van dataverzameling en de indeling van de gemonitorde ruimtes verschillend zijn.
Wat betreft de dataverzameling zijn er enkele positieve en negatieve punten te noemen die de resultaten kunnen beïnvloeden. Het eerste negatieve aspect is dat gebruikers van de multimediatour de tentoonstelling anders dan gebruikers zonder multimediatour bezichtigen. De volgorde van de bezichtigde werken, en de duur van het bezoek aan individuele kunstwerken, kunnen namelijk allebei beïnvloed worden door het feit dat een multimediatour een mate van gebondenheid geeft aan de tentoonstelling.
Een positief aspect is dat bij de multimediatour in de huidige vorm er onderscheid gemaakt kan worden tussen bezoekers op basis van de taalinstellingen van de gebruikers. Dit is een waardevol aspect dat in de clusteranalyse doorslaggevend bleek.
Nog een negatief aspect is dat de indeling van de ruimtes de tentoonstellingsvleugel geen mogelijkheid biedt om sterk af te wijken van de route. Dit zorgt dat de vergelijking met het onderzoek in het Louvre niet goed gemaakt kan worden. Een opzet waarbij het hele museum gemonitord wordt zou daarom waardevoller zijn om mee te vergelijken.
De clusteranalyse die gedaan is in een poging de bezoekers te segmenteren geeft duidelijke resultaten. Problematisch echter aan deze techniek is dat in het geval van dit onderzoek de resultaten niet gecontroleerd kunnen worden met fysieke waarnemingen. Tot een fysieke steekproef gedaan wordt kan de accuraatheid van deze techniek daarom onzeker blijven. Er kan gesteld worden dat de aard van een clusteranalyse exploratief kan zijn of bevestigend ten aanzien van vermoedens over bezoekersgedrag.
Een tweede aanmerking voor de clusteranalyse is de data die gebruikt is en de clusters die hieruit volgen. In de huidige resultaten speelt de taalkeuze een leidende rol terwijl het goed mogelijk is dat het aantal clusters en de aard van de clusters sterk verandert in een ander onderzoek. In het geval dat het hele museum in acht genomen wordt zou de grotere mate in
variatie van gekozen routes een sterke impact kunnen hebben op de clusters. Dit zou bijvoorbeeld kunnen leiden tot clusters op basis van drukte verschillen, of misschien clusters op basis van een groter onderscheid in de duur van bezoeken.
Vervolgonderzoek
In dit onderzoek is getracht de bezoekers te segmenteren op de beschikbare variabelen. Om een beter resultaat te krijgen waarbij duidelijker wordt wat voor profielen in deze segmenten voorkomen zijn meer demografische gegevens nodig. Een kans om dergelijke data te verzamelen zou liggen in het publiek beschikbaar stellen van de multimediatour applicatie en deze uit te breiden met een vereiste voor basale demografische gegevens. Dit zou eveneens kans bieden de bezoekerservaring te verbeteren in de fase voorafgaand en achteraf aan het museumbezoek door grotere communicatiemogelijkheden van een publieke applicatie. Tot slot is dit onderzoek breed begonnen door af te vragen hoe de museumbezoek ervaring verbeterd kon worden in het algemeen, maar leveren de resultaten uiteindelijk hoofdzakelijk informatie voor het beperken van drukte en op de tweede plaats voor personaliseren van rondleidingen. Er liggen echter ook mogelijkheden voor het verbeteren van de museumbezoek ervaring op andere vlakken. Voorbeelden hiervan zijn het informeren bij individuele kunstwerken en het overbrengen van een grotere boodschap voor het museum of een afdeling. Deze aspecten zijn gestoeld op de wijze van communicatie met de bezoeker en hierdoor komt wederom de mobiele applicatie voor de multimediatour als geschikt medium naar voren.
Suggestie voor vervolgonderzoek richt zich daarom hoofdzakelijk op het uitbreiden van de multimediatour applicatie, om zo meer informatie te verzamelen en de bezoeker meer te kunnen bieden. Voor een optimale onderzoeksopzet zou het BLE netwerk uitgebreid kunnen worden om zo de verzamelde data vollediger te maken.
Literatuuropgave
Abedi, N., Bhaskar, A., & Chung, E. (2013). Bluetooth and Wi-Fi MAC address based crowd data collection and monitoring: benefits, challenges and enhancement. Australasian Transport Research Forum 2013 Proceedings.
Algemene verordening Gegevensverwerking 2016. (2016, 24 mei). Geraadpleegd op 3 juli 2019, van https://autoriteitpersoonsgegevens.nl/sites/default/files/atoms/files/verordening_2016_-_679_definitie f.pdf
Bholowalia, P., & Kumar, A. (2014). EBK-means: A clustering technique based on elbow method and k-means in WSN. International Journal of Computer Applications, 105(9).
Ensworth, J. F., & Reynolds, M. S. (2015). Every smart phone is a backscatter reader: Modulated backscatter compatibility with bluetooth 4.0 low energy (ble) devices.IEEE International Conference
on RFID, (78-85).
Faragher, R., & Harle, R. (2014). An analysis of the accuracy of bluetooth low energy for indoor positioning applications. Proceedings of the 27th International Technical Meeting of The Satellite
Division of the Institute of Navigation (ION GNSS+ 2014), (Vol. 812).
Faragher, R., & Harle, R. (2015). Location fingerprinting with bluetooth low energy beacons. IEEE
journal on Selected Areas in Communications, 33(11), 2418-2428.
Freedman, D., Pisani, R., & Purves, R. (2007). Statistics (international student edition). Pisani, R. Purves, 4th Edn. WW Norton & Company, New York.
Kirchberg, V., & Tröndle, M. (2012). Experiencing exhibitions: A review of studies on visitor experiences in museums. Curator: the museum journal, 55(4), 435-452.
Kirchberg, V., & Tröndle, M. (2015). The museum experience: Mapping the experience of fine art.
Curator: The Museum Journal, 58(2), 169-193.
Likas, A., Vlassis, N., & Verbeek, J. J. (2003). The global k-means clustering algorithm. Pattern
recognition, 36(2), 451-461.
Lin, Z. M., Chang, C. H., Chou, N. K., & Lin, Y. H. (2014). Bluetooth Low Energy (BLE) based blood pressure monitoring system.International Conference on Intelligent Green Building and Smart
Grid (IGBSG), (1-4).
Oosterlinck, D., Benoit, D. F., Baecke, P., & Van de Weghe, N. (2017). Bluetooth tracking of humans in an indoor environment: An application to shopping mall visits. Applied geography, 78, 55-65. Park, J., Kim, K., & Cho, Y. K. (2016). Framework of automated construction-safety monitoring using cloud-enabled BIM and BLE mobile tracking sensors.Journal of Construction Engineering and
Management, 143(2).
Phua, P., Page, B., & Bogomolova, S. (2015). Validating bluetooth logging as metric for shopper behaviour studies. Journal of Retailing and Consumer Services, 22, 158-163.
Poushter, J. (2016). Smartphone ownership and internet usage continues to climb in emerging economies. Pew Research Center, 22, 1-44.
Vergo, P. (1997). New museology. Londen, Engeland: Reaktion books.
Versichele, M., Neutens, T., Delafontaine, M., & Van de Weghe, N. (2012). The use of bluetooth for analysing spatiotemporal dynamics of human movement at mass events: A case study of the Ghent Festivities. Applied Geography, 32(2), 208-220.
Versichele, M., De Groote, L., Bouuaert, M. C., Neutens, T., Moerman, I., & Van de Weghe, N. (2014). Pattern mining in tourist attraction visits through association rule learning on bluetooth tracking data: A case study of Ghent, Belgium. Tourism Management, 44, 67-81.
Yoshimura, Y., Sobolevsky, S., Ratti, C., Girardin, F., Carrascal, J. P., Blat, J., & Sinatra, R. (2014). An analysis of visitors' behavior in the Louvre Museum: A study using bluetooth data. Environment
and Planning B: Planning and Design, 41(6), 1113-1131.
Yoshimura, Y., Krebs, A., & Ratti, C. (2017). Noninvasive Bluetooth Monitoring of Visitors' Length of Stay at the Louvre. IEEE Pervasive Computing, 16(2), 26-34.
Wold, S., Esbensen, K., & Geladi, P. (1987). Principal component analysis. Chemometrics and
