Il Sistema museale in Toscana
Grafico 8: Cosa la spingerebbe a visitare maggiormente un museo?
Le domande della sezione A che vanno dalla A18: “Ha mai visitato una città d’arte della Regione Toscana?” in poi, sono rivolte a tutti i rispondenti. Come si può evincere dalla domanda ho voluto constatare se i rispondenti avessero mai visitato una delle bellissime città toscane ed è emerso dall’analisi che il 67% (290 individui) ha visitato almeno una città, il restante 37% (144 individui) ha risposto di no. A seguire ho domandato per chi avesse risposto positivamente di indicare quali con la domanda A19: “Quale tra queste?”
0 4 5 6 11 11 11 12 16 0 2 4 6 8 10 12 14 16 18 Altro
Differenziazione di prezzo (biglietto… Iniziative Servizi a disposizione Tecnologie a disposizione Location Tempo libero Prezzi più contenuti Tipologie di mostre proposte
102 Grafico 9: Quale tra queste?
Il trend principale è dato da Firenze con 270 preferenze, questo è giustificato dal fatto che oltre essere il capoluogo della regione Toscana è probabilmente una delle città col patrimonio artistico culturale più alto d’Italia, è una meta molto ambita non solo dagli italiani ma anche e soprattutto dagli stranieri. La seconda città col trend maggiore è Pisa con 203, seguita da Siena con 140 e Lucca 121, questi dati sono giustificati anche dal fatto che in queste città vi siano i tre principali Atenei universitari della Toscana. A seguito ho chiesto con la domanda A20: “Ha mai visitato almeno un museo tra le varie città toscane in cui è stato?” e dall’analisi è emerso che su 290 rispondenti ha risposto positivamente per l’87% è una percentuale molto alta considerato il numero di individui.
4.3.2 Sezione B
La sezione B del questionario tratta dell’utilizzo dell’app museale, il compito delle domande della sezione era quello di far emergere determinati aspetti di queste app museali, chiedendo anche cosa vorrebbero ottenere i visitatori da esse.
La domanda B1:”Il fattore tecnologia, sottoforma di facilitazione della visita come guida, informazioni, servizi, pagamenti veloci, ti avvicina maggiormente ai musei?” è stata ideata con l’intenzione di constatare se il campione fosse interessato o meno all’argomento. Da una prima analisi è emerso che 345 (79%) rispondenti sono interessati, i restanti 89 non sono interessati. Questi dati fanno emergere come la tecnologia viene percepita dalle persone e se in qualche modo potrebbe spingere le persone a visitare un museo. Nonostante la percentuale che ha risposto positivamente sia intorno all’80% c’è ancora un'altra buona percentuale che non la pensa così, sono magari individui più tradizionalisti e che non vedono la tecnologia come un valido mezzo per migliorare i servizi erogati da un’organizzazione.
0 50 100 150 200 250 300 350 400 Percentuale Conteggio
103
Oltretutto tra questi 345 rispondenti “interessati” il 54,78% rientra in un’età compresa tra i 20/39 anni, ovvero rientrano nella generazione Millennials, infatti risultano quelli più inclini all’utilizzo della tecnologia.
Tabella Pivot 1: B1-D2
Nella domanda successiva B2:” Possiede uno smartphone/tablet?” dato lo scopo dell’indagine era opportuno sapere se il soggetto rispondente avesse un dispositivo mobile, nonostante ormai la maggioranza delle persone ne possegga almeno uno dei due. Infatti, dall’analisi è emerso che solo l’1% non possiede uno smartphone o un tablet. La domanda B3: “Ha mai utilizzato un’applicazione per visitare il museo?” è stata di fondamentale importanza perché dall’analisi è emerso che solo il 23% ha risposto positivamente, il restante 77% ha risposto di no.
Tabella Pivot 2: B3-D2
Come si può vedere dalla tabella soprastante, il 56% di coloro che hanno risposto si, rientra nella fascia generazionale dei millennials, un'altra buona percentuale (25%) rientra invece nella fascia dei giovanissimi della “generazione Z”.
Alla seguente domanda ho ritenuto opportuno applicare un filtro coloro che hanno risposto “Si” hanno sono passati direttamente alla domanda B4:” È stata utile per la visita?” di questi 102 rispondenti il 95% (n° 97) ha risposto positivamente, il 5% (n° 5) no, questi dati sono rassicuranti perché quasi la totalità dei rispondenti ha ritenuto utile l’applicazione museale utilizzata. Per coloro che alla B3 hanno risposto “No” hanno saltato la domanda B4 per andare esclusivamente alla domanda B5: “Perché?”. Dall’analisi è emerso un elemento fondamentale, i rispondenti in prevalenza hanno
Somma di Rispondenti B1: D2: No Si Totale complessivo 14/19 25 90 115 20/39 38 189 227 40/54 6 28 34 55/70 17 35 52 oltre 70 3 3 6 Totale complessivo 89 345 434 Somma di Rispondenti B3: D2: No Si Totale complessivo 14/19 89 26 115 20/39 170 57 227 40/54 23 11 34 55/70 45 7 52 oltre 70 5 1 6 Totale complessivo 332 102 434
104
affermato che non ne sapevano l’esistenza, questo deve fare riflettere sulla campagna comunicativa svolta dal museo in questione.
Grafico 10: Perché?
Il restante 14% ha risposto che non aveva a disposizione una Wi-Fi al momento della visita, nonostante i musei si stiano attrezzando ancora molti non offrono questi servizi, l’8% ha dichiarato che non gli interessava l’app e il 7% ha risposto “non mi serviva” Per quanto riguarda la risposta “Altro”: le evidenze che ne sono uscite sono le seguenti:
▪ Preferisco il contatto umano e la passione che trasmette la guida; ▪ Mancanza di memoria;
▪ Preferisco utilizzare i dispositivi in dotazione al museo; ▪ Non ce ne era una a disposizione;
▪ Preferisco le guide tradizionali;
▪ Non mi interessava utilizzare una guida sul telefono, bensì una cartacea ; ▪ Preferirei il cartaceo o una guida;
▪ Preferisco il cartaceo;
▪ Non mi piace controllare lo smartphone; ▪ Non sono interessata alla troppa tecnologia; ▪ Non amo particolarmente applicazioni; ▪ Non la ritengo necessaria;
▪ Preferisco il contatto umano; ▪ Non vado spesso a visitare musei; ▪ Non la ritengo necessaria; ▪ Poca attenzione;
▪ Poca attenzione; ▪ Non c'era;
▪ I musei visitati non disponevano di applicazioni per le visite; ▪ Preferisco il contatto diretto con le guide;
▪ Non la ritengo necessaria
60% 5% 3% 12% 8% 7% 5%
Perché? Non ne sapevo l’esistenza
Non sapevo come scaricarla Non avevo abbastanza internet Non avevo a disposizione una wi-fi al momento della visita
Non mi interessava Non mi serviva Altro
105
Come si può vedere le voci che sono emerse maggiormente sono che non era necessaria, che preferivano una guida cartacea, e che preferivano una guida fisica, questo ha fatto emergere che vi sono ancora affezionate ai metodi “tradizionali”.
Alla domanda B6:” Se esistesse un’applicazione per ogni museo che vuole visitare, la utilizzerebbe?” il tasso di risposta di coloro che hanno risposto “Si” è stato molto elevato 347 rispondenti (81%) il fatto che la maggioranza del campione abbia risposto positivamente conferma come un’app museale potrebbe essere utilizzata dai visitatori. Ai restanti 82 rispondenti (19%) è stato chiesto con la domanda B7:”Perché?” e il 45% di questi 82, ha dichiarato di preferire una guida, il 20% ha dichiarato che un museo non ha bisogno di un’applicazione e il 17% non la ritiene utile.
Grafico 11: Perché?
Per tutti coloro che hanno risposto positivamente alla domanda B6 ho ritenuto opportuno porre un’ulteriore domanda B8: “Quali vantaggi ritiene più importanti per questa applicazione? Esprima un giudizio da 1 a 7”.
Nella domanda è stata inserita una scala di Likert per valutare l’importanza dei vantaggi che l’app dovrebbe avere secondo l’utilizzatore. È stato chiesto di esprimere un giudizio da 1 (poco importante) a 7 (molto importante). Nella seguente tabella viene illustrato il giudizio medio sui singoli aspetti ritenuti importanti che dovrebbe avere l’app. Come si
6% 20% 8% 45% 17% 4% Perché? Troppo complicata
Un museo non ha bisogno di un’applicazione
Ho già le informazioni prima della visita
Meglio una guida Non la ritengo utile Altro Poco importante 2 3 4 5 6 Molto importante Prezzo ridotto Ingresso prioritario Guida compresa
Accesso illimitato a tutte le mostre Eventi organizzati dal museo Pagamento tramite smartphone/tablet
106
può vedere in media tutte le dimensioni sono valutate positivamente, l’unica che è stata valutata meno positivamente rispetto alle altre è “Pagamento tramite smartphone/tablet 4,37”, complessivamente in base a questi dati si può affermare che le componenti sopra descritte sono ritenute davvero importanti per l’utilizzatore dell’app.
Tabella 1: Media giudizi domanda B8
4.3.3 Sezione C
La seguente sezione parte con una breve introduzione sulle tecnologie on site: «Realtà Aumentata, Realtà Virtuale e Realtà Mista sono tecnologie digitali che, attraverso dispositivi di visione, ascolto e manipolazione, consentono di ricreare un'opera di un museo o la scena sito archeologico perduto. Queste tecnologie consentono al visitatore di poter vivere in prima persona delle esperienze uniche.»
La domanda C1: “Riguardo quanto letto sopra esprima sulle seguenti affermazioni un giudizio da 1 a 7 in base al suo grado d’accordo o disaccordo” dove 1 equivale ad “assolutamente in disaccordo”, 4 equivale ad un giudizio neutro vale a dire “Né in accordo Né in disaccordo” e dove 7 equivale ad “assolutamente d’accordo”.
Anche questa volta la domanda è stata formulata con una scala Likert con 6 items (affermazioni), per valutare appunto, l’accordo o il disaccordo del rispondente. Gli items sono stati formulati in modo tale da esprimere un atteggiamento favorevole da un lato e sfavorevole dall’altro.
Al fine di poter valutare il grado d’accordo o disaccordo su queste esperienze ad alto coinvolgimento presenti nei musei ho deciso di svolgere un’analisi delle componenti principali. Questo metodo di analisi multidimensionale consiste nella riduzione delle dimensioni di una matrice di dati (n x p) costituita da un collettivo di unità rispetto ad un insieme numeroso di variabili quantitative correlate tra loro. Essa trasforma un insieme di variabili quantitative correlate tra loro in nuove variabili, denominate componenti principali non correlate tra loro. Esse sono ottenute come combinazioni lineari delle
Giudizio Voto Medio SQM
Prezzo ridotto 5,40 1,675827853
Ingresso prioritario 5,05 1,914320579
Guida compresa 5,82 1,549680361
Accesso illimitato a tutte le mostre 5,82 1,511302942
Eventi organizzati dal museo 5,34 1,634060511
107
variabili originali e ne rappresentano una sintesi (𝐶𝑃𝑣=𝑎𝑣1𝑧1+𝑎𝑣𝑝𝑧𝑃)194, ognuna spiega una quota decrescente di varianza totale contenuta nei dati originari. La riduzione delle dimensioni può avvenire con una perdita limitata delle informazioni, quando le prime consentono di spiegare una buona parte della varianza totale. Nelle ricerche di mercato questa analisi serve a valutare la possibile esistenza di dimensioni sottostanti ad una scala attitudinale complessa e nell’analisi di posizionamento. La varianza di ciascuna delle componenti principali è nota come “autovalore” ed è indicata col simbolo greco (λi
), i
coefficienti delle componenti principali invece sono noti come “autovettori” e sono indicati con (a
vs).∑𝑝𝑖=1𝜆𝑣=∑𝑛𝑖=0𝜎(𝑧𝑖)
Determinate le componenti principali, è necessario stabilire quante componenti utilizzare ed esistono tre criteri in base ai quali effettuare la scelta:
▪ Primo metodo: considerare un numero k di componenti principali tali per cui la percentuale di varianza spiegata sia almeno tra il 70/80% della varianza totale: 0,95𝑃×100.
▪ Secondo metodo: Considerare tutte le componenti maggiori di 1 (λv ˃1), se le variabili sono standardizzate, la logica è quella di mantenere le componenti che spiegano più variabilità di quella di una sola variabile.
▪ Terzo metodo: analizzare la forma dello scree plot, un grafico che assume la forma di una spezzata con pendenza negativa, dove gli autovalori sono rappresentati in funzione delle componenti.
Mediante gli autovalori e i coefficienti delle componenti principali (avi) è possibile ottenere i coefficienti di correlazione tra le variabili e le componenti principali, 𝜌(𝐶𝑃𝑣,𝑧𝑖̇)=𝑎𝑣𝑖×√𝜆𝑖, e vengono utilizzati per evidenziare l’influenza delle variabili sulle componenti principali, consentendo a queste ultime di attribuire un significato.
Un altro possibile strumento per valutare la qualità di una soluzione è la “comunalità”, rappresenta la proporzione di varianza di ciascuna variabile spiegata dalle componenti principali considerate; questa consente di stabilire se le variabili originali sono ben rappresentate nel nuovo sistema considerando un numero limitato di dimensioni (𝑘<<𝑝). Ipotizzando un sistema cartesiano su due dimensioni, l’analisi delle componenti principali tra le infinite rotazioni ortogonali consente di trovarne, una che permette di ottenere il
194 Dove av
i rappresenta l’autovettore, ovvero il coefficiente che lega la v-esima componente e la i-esima
108
migliore accostamento alla nube dei punti, in modo da ottenere un nuovo sistema di coordinate. Lo spazio generato dalla combinazione lineare è individuato dal vettore che si muove nella direzione principale, di massima variabilità, mentre l’altro è ortogonale al primo. La correlazione tra le variabili influenza la possibilità di trovare una rotazione ortogonale che permette di ottenere il miglior accostamento alla nube dei punti e la direzione principale. Proiettando nello spazio bidimensionale definito dalle prime due componenti principali, è possibile comprendere la relazione tra le variabili e le componenti principali. L’angolo tra due vettori definisce la correlazione tra due variabili, invece l’angolo tra un vettore e gli assi definisce la correlazione tra le variabili e le componenti, la comunalità è data dalla lunghezza del vettore. Infine, il biplot (diagramma congiunto) consente di rappresentare congiuntamente elementi e variabili nel medesimo spazio dimensionale evidenziandone la relazione.
Risultati ottenuti dall’analisi delle componenti principali:195
Tabella 2: Matrice di correlazione C1.
La scelta della matrice dei dati è fondamentale perché influenza i risultati e l’interpretazione dei dati. L’analisi della matrice di correlazione mi ha consentito di poter procedere con l’analisi, perché le variabili risultano ben correlate tra di loro. Se non lo fossero, non sarebbe stato utile effettuare l’analisi in quanto si avrebbero tante componenti principali quante sono le variabili osservate. La varianza complessiva contenuta nella matrice infatti è pari al numero di variabili. Mediante la scomposizione algebrica della matrice di correlazione è stato possibile ricavare la tabella degli autovalori
(λ
i), e la matrice degli autovettori (a
vs)
al fine di capire se l’analisi permette di realizzare una sintesi efficace della matrice dei dati iniziale.195 La seguente analisi è stata effettuata mediante il software JMP.
Queste esperienze valorizzano le opere esposte
1,0000 0,7006 0,6172 0,6761 0,6300 0,5875
Queste esperienze invogliano a visitare un museo
0,7006 1,0000 0,7155 0,7312 0,6956 0,6173 Queste esperienze mi
avvicinano al mondo dei musei
0,6172 0,7155 1,0000 0,7447 0,6719 0,5685 Sono attratto da questa
tipologia di esperienze
0,6761 0,7312 0,7447 1,0000 0,8162 0,6923 Sono curioso di provare queste
esperienze
0,6300 0,6956 0,6719 0,8162 1,0000 0,7953 Sono disposto a provare queste
esperienze
109
Grazie alla matrice degli autovalori è stato possibile individuare quali fossero le componenti principali più importanti.
Tabella 3: Matrice autovalori
Il primo autovalore è quello più grande in valore assoluto e sintetizza la maggior parte dell’informazione contenuta dalla prima componente principale. La riduzione delle dimensioni si può ottenere trascurando le componenti meno importanti. In questo caso la prima componente principale sintetizza il 73,783% dell’informazione. La prima componente principale soddisfa il primo metodo precedentemente citato ovvero: 0,95𝑃×100, in questo caso infatti sarà sufficiente considerare un numero di componenti principali pari a 1. Il secondo metodo ovvero considerare autovalori maggiori di 1 è rispettato solo dalla prima componente. Analizzando la forma dello scree plot invece è stato possibile vedere che la spezzata presenta una brusca variazione di pendenza, questo vuol dire che la quantità di informazione associata alla prima componente è molto elevata rispetto alle altre. I tre metodi vengono rispettati solamente dalla prima componente principale.