Recentemente abbiamo pubblicato un articolo sui chatbot nei musei sul sito della Conferenza Museums and the Web, una delle più importanti al mondo. Ci è venuta la curiosità di vedere come Google Translate avrebbe tradotto un articolo che parlava proprio di come le intelligenze artificiali capiscono (e simulano) il linguaggio umano; sarebbe stata anche l’occasione di fare il punto sul livello raggiunto da Translate nella traduzione di paper accademici. Con una complicazione in più: la destinazione è l’italiano, lingua complessa e ricca di sfumature, con un numero di parlanti abbastanza limitato, cosa che frena l’apprendimento delle Intelligenze Artificiali, che come è noto imparano dai grandi numeri.
Il risultato è impressionante. fino a 2-3 anni fa Google Translate era una barzelletta, le traduzioni andavano dall’impreciso all’assolutamente ridicolo. Oggi invece, tranne qualche occasionale defaillance (ad esempio nei titoli; curiosamente traduce “Chatbot” con “Chat” proprio nel titolo dell’articolo, mentre nel resto dell’articolo lo riporta correttamente col termine chatbot), la traduzione è quasi sempre comprensibile, e spesso perfetta.
Esageriamo? Giudicate da soli, e fateci sapere il vostro parere. Il futuro è adesso, e i musei (e non solo loro) dovranno farci i conti in fretta.
NDR: Articolo originale in inglese di Stefania Boiano (InvisibleStudio), Ann Borda (University of Melbourne), Pietro Cuomo (Art in the City), Giuliano Gaia (InvisibleStudio), Stefania Rossi (Case Museo di Milano)
Chat nei musei: hype o opportunità?
Sommario I chatbots hanno recentemente attirato l’attenzione dei titolari e le aziende hanno iniziato ad adottarli per stimolare la conversazione con i clienti. Ma quali sono i chatbot? Come funzionano? Cosa possono fare per i musei e il loro pubblico?
Introduzione
I chatbot, conosciuti anche come talkbot o chatterbots o bot, stanno crescendo in modo esponenziale nel loro utilizzo da parte dei marketer e delle aziende online per migliorare le esperienze dei clienti, spesso come applicazioni di messaggistica in grado di personalizzare l’interazione (ad esempio i sistemi di raccomandazione) (1). In poche parole, i chatbot sono programmi per computer che imitano la conversazione usando metodi uditivi o testuali. Più in particolare, la funzionalità dei chatbots utilizza l’elaborazione del linguaggio naturale che ha una storia radicata nell’intelligenza artificiale (AI).
ELISA:
Una delle prime applicazioni di tale linguaggio naturale era un chatbot chiamato ELIZA sviluppato dal 1964 al 1966 presso il MIT Computer Science and Artificial Intelligence Laboratory dall’informatica Joseph Weizenbaum. Inizialmente, ELIZA è stato creato per utilizzare la semplice corrispondenza di modelli e una risposta basata su modelli (script pre-scritti) per emulare lo stile colloquiale di uno psicoterapeuta. ELIZA ha generato un’ondata di interesse per la comunità globale nella costruzione di un bot di conversazione che potrebbe superare il test di Turing.
Test di Turing:
Pubblicata nel 1950, la Computing Machinery and Intelligence di Alan Turing affronta la domanda generale: le macchine possono pensare? (2)
Il test di Turing nella sua forma più semplice viene eseguito come una sorta di gioco di imitazione. Il test ha un interrogatore umano che parla a un numero di computer e umani attraverso un’interfaccia. Se l’interrogatore non è in grado di distinguere tra i computer e gli umani, il test di Turing è stato superato. Questa ricerca ha trovato un pubblico attraverso il Loebner Prize (iniziato nel 1991), che ha assunto la forma di una competizione annuale progettata per implementare il Test di Turing.
A.L.I.C.E.:
Basandosi sulle tecniche di abbinamento del modello utilizzate in ELIZA e sull’avanzamento delle capacità del linguaggio naturale colloquiale, lo scienziato americano Richard Wallace ha sviluppato A.L.I.C.E. (Entità di Internet Linguistic Computer) alla fine degli anni ’90. A.L.I.C.E., noto anche come Alicebot, è riconosciuto per la sua programmazione pionieristica utilizzando l’Artificial Intelligence Markup Language (AIML), uno schema XML per la creazione di agenti software per linguaggio naturale. Wallace ha rilasciato la prima versione di AIML nel luglio 2001. Da allora ha fondato la Pandorabots Inc. – una società di IA che si distingue come uno dei primi servizi di hosting di chatbot al mondo e pubblica l’API di Pandora su cui A.L.I.C.E. era basato e gli ha permesso di diventare tre volte vincitore di Loebner nel 2000, 2001 e 2004.
Jabberwacky:
Concorrente a A.L.I.C.E. gli sviluppi, Jabberwacky è stato concepito dal programmatore britannico, Rollo Carpenter. Jabberwacky aveva lo scopo di simulare “le chat umane naturali in modo interessante, divertente e umoristico”. L’emergere di Internet ha fornito a Jabberwacky un database dinamico di migliaia di interazioni umane online da cui elaborare le risposte. Jabberwacky sotto le spoglie di ‘George’ e ‘Joan’ ha vinto il Premio Loebner rispettivamente nel 2005 e nel 2006.
Cleverbot:
Nel 2008, Jabberwacky ha lanciato una nuova iterazione rinominata Cleverbot. Come Jabberwacky, Cleverbot è progettato per imparare dalle sue conversazioni con gli umani (più di 150 milioni fino ad oggi secondo Wikipedia).
Schermata di Cleverbot
Si basa sulle interazioni passate per determinare domande e risposte future. Per provare le sue capacità, puoi chattare con Cleverbot sul sito ufficiale: http://www.cleverbot.com/
IBM Watson:
Nel tentativo di estendere le capacità di risposta alle domande (QA) poste in linguaggio naturale, IBM Watson è stato concepito nel 2006 come sistema di elaborazione del QA con l’obiettivo di sovraperformare i concorrenti umani nel gioco televisivo statunitense Jeopardy! IBM Watson è stato sviluppato come parte del progetto DeepQA di IBM da un gruppo di ricerca guidato da David Ferrucci. Watson è diventato il primo computer a sconfiggere i concorrenti nel gioco televisivo Jeopardy !, in particolare in una partita speciale tra Watson e Jeopardy! Champions, Ken Jennings e Brad Rutter. Più recentemente, le funzionalità di Watson si sono evolute per sfruttare i nuovi modelli di implementazione (ad esempio Watson su IBM Cloud) e le nuove funzionalità di machine learning per “adattarsi e apprendere”.
Recenti sviluppi:
I chatbot in generale stanno raggiungendo traguardi nella capacità di intelligenza artificiale, così come la loro pervasività nei prodotti e servizi rivolti al consumatore. Per esempio, nel 2014, un chatterbot chiamato Eugene Goostman ha vinto un concorso di intelligenza artificiale per il 60 ° anniversario della morte di Turing (Turing Test 2014 organizzato dall’Università di Reading) in cui il 33% dei giudici dell’evento riteneva che Goostman fosse umano. In sviluppo dal 2001 e originario di San Pietroburgo, Goostman è ritratto come un ragazzo ucraino di 13 anni. Il robot Goostman ha partecipato a numerosi concorsi Loebner Prize sin dalla sua creazione, terminando al secondo posto nel 2005 e nel 2008.
Creato dalla tecnologia AIML dal programmatore Steve Worswick, Mitsuku è un chatbot basato sul web disponibile su Kik Messenger. È tra un numero crescente di robot sofisticati in grado di rispondere a domande, giocare e in grado di ragionare in base al QA. Mitsuku è un tre volte vincitore del premio Loebner nel 2013, 2016 e di recente nel 2017.
In generale, il termine “chatbot” si riferisce a un’applicazione software che interagisce con un essere umano usando un linguaggio naturale. La maggior parte dei primi progressi sono stati associati alla lingua scritta, ma con i progressi nel riconoscimento vocale, c’è una riduzione di queste associazioni. Un primo esempio è Naturally Speaking, sviluppato nel 1975 dal Dr. James Baker (Carnegie Mellon University), come un semplice sistema di comprensione del parlato chiamato Dragon. Il dott. Baker ha lavorato al sistema fino al 1982, quando lui e sua moglie, la dottoressa Janet Baker, hanno sviluppato il software in Dragon Systems, un sistema di riconoscimento vocale. Altri progressi nel settore del riconoscimento vocale sono stati resi possibili da VoiceXML, che è stato pubblicato in una serie di standard dal rilascio della versione 1.0 nel 2000. Il World Wide Web Consortium (W3C) ha recentemente annunciato un nuovo gruppo di comunità W3C su Voice Interaction, che mira ad esplorare oltre i dialoghi diretti avviati dal sistema delle applicazioni VoiceXML.
In appena un paio d’anni, c’è stata una crescita esponenziale di assistenti vocali come Apple Siri lanciata nel 2010, Google Now nel 2012, Alexa di Amazon e Cortana di Microsoft nel 2015 e Assistente Google nel 2016. Utilizzo dell’elaborazione del linguaggio naturale e Internet di Le piattaforme Things (IoT), questi assistenti si connettono ai servizi Web per rispondere alle domande e rispondere alle richieste degli utenti. Recentemente, Google Home e Amazon Echo hanno iniziato a diventare funzionalità di consumo in casa. Le piattaforme di social media similmente incorporano la funzionalità di chatbot. Il 2017 è stato caratterizzato da un particolare ciclo di hype quando Facebook ha aperto la sua piattaforma Messenger e API agli sviluppatori, offrendo a chiunque l’opportunità di creare un semplice chatbot su Facebook con facilità. Twitter ha seguito la suite nell’aprile 2017 aprendo il suo canale di messaggistica diretta ai chatbot. WeChat ha da qualche anno funzionalità di chatbot e Slack e altri servizi di messaggistica stanno entrando a far parte delle API aperte.
Musei e chatbots:
All’interno di questa storia informale degli sviluppi di chatbot, potrebbe non essere sorprendente che musei e gallerie abbiano una comprovata esperienza nello sperimentare nuovi modi di comunicare e con l’uso di tecnologie emergenti per raggiungere il loro pubblico (3), (4), (5) . Le piattaforme emergenti gratuite di creazione di chatbot (ad esempio Chatfuel o Sequel, tra gli altri) e la disponibilità di API aperte, ad esempio, possono offrire ai musei grandi e piccoli l’opportunità di sperimentare con i chatbot con uno sforzo relativamente basso mantenendo costi e risorse di personale a un livello basso (5), (6).
I musei hanno già la precedenza nelle tecnologie di pilotaggio che comprendono l’intelligenza artificiale e l’elaborazione del linguaggio naturale con poche risorse (4), (5). Combinando metodi di produzione interni o semplici con pratiche di progettazione, i musei possono essere messi in grado di sviluppare prodotti interessanti.
Ci sono infatti un numero crescente di musei che attualmente percorrono questa strada e usano i bot per coinvolgere il loro pubblico.
Di seguito è riportato un elenco selezionato di organizzazioni culturali, individuabili al momento di questa pubblicazione, che stanno sperimentando con i robot come parte della programmazione del coinvolgimento del pubblico:
Elenco dei musei selezionati utilizzando le applicazioni Chatbot per l’engagement del pubblico:
Museo di Heinz Nixdorf:
Il museo Heinz NixdorfForum a Paderborn Germania ha una precedente esperienza nell’uso di un avator bot introdotto come MAX. Sviluppato nel 2004, MAX è un agente di conversazione che interagisce direttamente con i visitatori attraverso uno schermo come guida di un museo virtuale.
The Cooper-Hewitt Smithsonian Design Museum, New York City:
La Cooper-Hewitt è stata un pioniere nelle tecnologie di chatbot con la creazione dell’Object Phone nel 2013, un servizio offerto da Twillio che un visitatore può inviare un messaggio o chiamare per chiedere maggiori informazioni su un oggetto del museo nella collezione. Nel 2016, Object Phone è diventato un servizio in abbonamento in modo che un visitatore possa ricevere un aggiornamento giornaliero. Chiunque può partecipare alla sperimentazione dell’Object Phone: http://objectphone.cooperhewitt.org e iscriversi. Nelle parole di Michea Walter, direttore di Digital & Emerging Media:
“Penso che istituzioni come i musei abbiano una grande opportunità nello spazio di chatbot. Semmai rappresenta un nuovo modo per ampliare la nostra portata e connetterci con le persone sulle piattaforme che già utilizzano. Ciò che è più interessante per me è che i chatbot stessi rappresentano un modo per interagire con le persone che è per sua natura, bidirezionale “. Michea Walter, 4 luglio 2016.
Inviami SFMOMA è un servizio SMS che fornisce un metodo accessibile, personale e creativo per condividere l’ampiezza della collezione di SFMOMA con il pubblico.
Send me SFMOMA
Secondo Jay Mollica, Creative Technologist, ci sono migliaia di opere d’arte invisibili (solo il 5% sono mostrate nelle Gallerie in qualsiasi momento) che possono ora essere scoperte attraverso questa applicazione scrivendo 572-51 con le parole “inviami” seguite da parola chiave, un colore o un’emoji e il visitatore riceverà un’immagine del disegno e didascalia correlati tramite messaggio di testo.
Simile all’applicazione SFMOMA, il Carnegie Museum of Art ha sviluppato un’interazione basata su SMS chiamata Muse che mira a sfruttare il processo di progettazione centrato sull’utente di Carnegie Studio e ad avvalersi di tecnologie all’avanguardia come l’elaborazione del linguaggio naturale e il riconoscimento delle immagini.
Fonte: Jeffrey Inscho, Carnegie Museum of Art, 19 maggio 2017. Fonte: https://studio.carnegiemuseums.org/introducing-muse-20a6f11c7c35
Casa di Anna Frank ad Amsterdam
A marzo 2017, la Casa di Anna Frank ad Amsterdam ha lanciato il suo chatbot Facebook Messenger che consente agli utenti di scoprire la storia di Anne Frank – sia la sua storia personale che le informazioni pratiche dei visitatori. Non solo un robot di scoperta di collezioni, questa applicazione offre vari percorsi di conversazione, consentendo agli utenti di seguire diversi percorsi nella storia di Anne Frank con informazioni concise e collegamenti a contenuti aggiuntivi, ad esempio, estratti dal suo diario al contesto della Seconda Guerra Mondiale al tempo.
Vedi: https://www.youtube.com/watch?v=YPH4vUWcN2U Casa di Anne Frank – Pubblicato il 3 aprile 2017.
Il Museo Nazionale d’Arte della Repubblica di Bielorussia
Il National Art Museum in Bielorussia ha anche utilizzato la funzionalità chatbot di Facebook Messenger per creare una guida digitale conversazionale pubblicata a maggio 2017. Un visitatore può interagire con il bot su: https://chatfuel.com/bot/The-National-Art-Museum-of-the-Republic-of-Belarus-1904070043163955.
Fonte: la prima guida chatbot di Facebook per il museo nazionale d’arte della Repubblica di Belarus disponibile su Vimeo https://vimeo.com/213855387 – pubblicato da NODUCK, maggio 2017.
Il Museo ha celebrato il suo 50 ° anniversario di un referendum storico del 1967 in cui gli australiani hanno votato in modo schiacciante per emendare la Costituzione per includere gli aborigeni nel censimento e per consentire al governo del Commonwealth di creare leggi per loro. Questo anno storico ha portato al lancio di un chatbot referendario che consente ai visitatori di conoscere gli impatti storici e attuali di questo voto attraverso la chat con Facebook Messenger. Diretto verso i bambini e accessibile agli adulti, utilizza gamification e risposte semplici, compresi gli emoji. “Utilizzare un chatbot come strumento di coinvolgimento dei visitatori è innovativo tra le istituzioni culturali australiane. Agisce come una storia in tasca e sta aiutando MoAD a suscitare una conversazione sul significato del referendum del 1967. Speriamo che sarà un modo efficace per le persone di ottenere i fatti, ascoltare le prospettive indigene sul referendum e riflettere sulla sua continua rilevanza oggi “.
Fonte: Marni Pilgrim, Digital Engagement Manager. Quando una nazione vota Sì, la storia è scritta e nasce un chatbot. Canberra Times Media Release 25 maggio 2017
Twitterbots
Non diversamente dalla rapida adozione di Facebook Messenger tra alcuni degli esempi del museo, c’è una certa tendenza nei bot di Twitter come il Museumbot che estrae le immagini ad accesso aperto da un certo numero di archivi come il Metropolitan Museum of Art. Altri bot per l’archivio dei musei sono in costante crescita su Twitter, tra cui il bot LACMA di Los Angeles County Museum of Art, il bot delle cartoline NYPL della New York Public Library e il bot MoMaR del Museum of Modern Art. Un elenco più completo può essere trovato su Twitter da John Emerson.
The House Museums of Milan Chatbot: Case Study
Questa istantanea delle innovazioni di musei e gallerie nella distribuzione di chatbot fornisce lo sfondo per un Case Study più dettagliato sul lavoro di chatbot intrapreso per The House Museums of Milan (7). Di interesse per i lettori è la duplice considerazione degli sviluppatori e dei curatori nella creazione del chatbot The House Museum – vale a dire:
attrarre e coinvolgere il pubblico di adolescenti verso questi siti – un pubblico notoriamente difficile da coinvolgere in musei che sono identificati con alti livelli di distrazione e altamente adattati all’uso dei social media (6), (7), (8) E
considerare l’interattività, come la gamification, che può interessare e sostenere l’attenzione del pubblico di adolescenti e visitatori. (7), (8)
La gamification delle applicazioni chatbot non è ancora pervasiva tra gli sviluppi dei musei. Il Bot Referendum sviluppato per il Museum of Australian Democracy è un esempio di bot gamified. Le sfide incontrate nel progetto House sono descritte di seguito come una visione interna. Il processo di sviluppo di chatbot in questo caso è stato anche inteso come modello per come utilizzare al meglio una tecnologia che è ancora agli inizi e come considerare le promettenti applicazioni che supportano l’interazione del pubblico, ad esempio, in tour autoguidati e istruzione (6), (9), (10).
Obiettivi del progetto chatbot:
The House Museums of Milan è un gruppo di 4 case storiche a Milano (Museo Poldi Pezzoli, Museo Bagatti Valsecchi, Villa Necchi Campiglio e Museo Casa Boschi Di Stefano). Quando i Musei della Casa hanno lanciato un’iniziativa strategica nel 2016 che mirava a motivare le persone a visitare i quattro musei attraverso una singola guida digitale, hanno contattato InvisibleStudio LTD (uno studio di innovazione culturale con sede a Londra) per introdurre la gamification nel processo di coinvolgimento, in particolare per attirare pubblico più giovane
I fondatori di InvisibleStudio, Stefania Boiano e Giuliano Gaia, avevano già sperimentato la precedente tecnologia chatbot nel 2002, mentre lavorava al Museo della Scienza e della Tecnologia “Leonardo da Vinci” a Milano. Puoi trovare maggiori dettagli su questo sviluppo di chatbot nel documento del MW 2003: Fai il tuo discorso nel museo: interfacce in linguaggio naturale per istituzioni culturali. (11)
Questo lavoro pionieristico ha fornito lezioni importanti nello sviluppo di questo primo chatbot. Un problema chiave era che il chatbot era stato sviluppato per imitare un personaggio di Leonardo da Vinci con cui l’utente avrebbe interagito / “chattato”. Questo ha creato grandi aspettative per l’esperienza dell’utente e ha portato a frustrazioni quando il bot non era in grado di capire l’utente oltre la semplice chat introduttiva. Di conseguenza, i problemi degli utenti si sono verificati abbastanza presto nella conversazione. (11)
Usando il chatbot game al Poldi Pezzoli
Con queste lezioni in mano, InvisibleStudio ha deciso di cambiare approccio quando ha creato un chatbot per il progetto House Museums. Il chatbot sarebbe usato solo come strumento per aiutare gli utenti a risolvere un gioco ambientato nel vero ambiente fisico del museo. Pertanto, questo approccio potrebbe spostare l’attenzione dell’utente dalla conversazione con il chatbot all’esplorazione reale delle gallerie del Museo. Il gioco chatbot è stato sviluppato utilizzando Facebook Messenger ed è rivolto principalmente a giovani utenti e adolescenti per coinvolgerli nell’esplorazione delle quattro case. L’esplorazione è incoraggiata dagli utenti nella ricerca di indizi nascosti che conducono a una scoperta finale. L’attività di gioco è ambientata nel contesto della lotta contro un misterioso mago del Rinascimento (basato su una figura storica reale) che fornisce un ulteriore incentivo per interagire con l’applicazione.
In questo modo l’attenzione degli utenti viene distolta dalle limitate capacità di conversazione del chatbot e viene invitata ad osservare le collezioni con maggiore attenzione mentre usa il chatbot come un “compagno virtuale” nel gioco. Altre caratteristiche chiave dovevano essere ottimizzate prima di pubblicare l’applicazione, come rendere le conversazioni più realistiche studiando le chat reali su Facebook Messenger, fare riferimento a oggetti che l’utente può effettivamente vedere “qui e ora” nelle gallerie e trovare la lunghezza perfetta per gioco (11), (12).
Un’altra sfida chiave è la necessità di mantenere aperta una connessione online continua tra gli utenti e il chatbot. Ciò può rivelarsi complicato nei musei delle case storiche, dove la vecchia infrastruttura è composta da layout complessi e muri spessi che possono impedire il wifi o una distribuzione uniforme delle connessioni wifi.
Usando il chatbot game alla Casa Museo Boschi Di Stefano
Il chatbot è stato testato con adolescenti tra i 16 ei 18 anni. Il pilot è stato condotto da InvisibleStudio con 80 studenti adolescenti delle scuole superiori locali di Milano. Questo pilota ha fornito i seguenti risultati:
Il 90% degli studenti è riuscito a completare il gioco
Il 30% ha avuto problemi di connessione
Il 34% era preoccupato per il traffico dati
L’88% ha trovato che la durata del gioco era giusta
Il 72% ha valutato il gioco estremamente divertente
Il 66% lo ha trovato uno strumento di apprendimento utile, specialmente se è stato utilizzato con un altro studente o in un piccolo gruppo.
Questi risultati hanno offerto indicazioni chiare per le fasi finali di sviluppo. Particolarmente interessante per gli sviluppatori è stato il fatto che agli studenti è piaciuto usare il chatbot in piccoli gruppi, piuttosto che da soli, perché il gioco ha innescato la collaborazione all’interno del team e creato un ambiente competitivo amichevole con altri team. (12)
Le sfide devono ancora essere affrontate. Questi sono principalmente legati alla piattaforma Facebook Messenger stessa. Ad esempio, gli adolescenti sembrano abbandonarlo ad un ritmo crescente. WhatsApp sembra essere molto più popolare, ma WhatsApp non ha ancora aperto la sua API a software di terze parti. Pertanto, la creazione di un chatbot in WhatsApp è molto più difficile in questa fase, anche se le voci del settore suggeriscono che WhatsApp aprirà presto la sua API (13). Quando ciò accade, i chatbot del museo possono essere sviluppati per un pubblico potenzialmente più ampio (ad esempio gli adolescenti) e potenzialmente un maggiore utilizzo che non dipende da un abbonamento (ad esempio Facebook) poiché la situazione esiste al momento.
Pensieri conclusivi:
Ciò che è emerso da questo progetto è che la convergenza dei chatbot e della gamification può essere un potente strumento per coinvolgere le giovani generazioni digitali che visitano i musei in modi nuovi e interessanti (5), (6), (7), (9), (10). ). I nostri risultati suggeriscono in particolare che gli utenti amano interagire con un chatbot in un contesto di gioco e questo impegno può fornire un modo più intelligente di condurre il pubblico più giovane a interagire con gli oggetti e gli ambienti storici con maggiore attenzione. Tuttavia, con tutti i successi di questo lancio di chatbot, rimangono anche sfide che richiedono ulteriori approfondimenti oltre lo scopo di questo documento. Come accennato in precedenza, la disponibilità di una gamma più ampia di piattaforme chatbot è una di queste sfide. Una questione più coinvolta è il ritmo e la qualità della conversazione bot che è emersa come un aspetto critico di questo progetto. L’attuale applicazione chatbot richiedeva uno sforzo maggiore da parte del team di sviluppo per creare linee narrative non lineari accattivanti e realistiche, e questo farà parte di una continua iterazione negli sviluppi futuri.
Bibliografia, riferimenti e risorse
(1) Dale, R. Il ritorno dei chatbots. Natural Language Engineering 22 (5) 2016: 811-817. doi: 10,1017 / S1351324916000243
(2) Turing, A. M. (1950) Macchine e intelligenza informatica. Mente 49: 433-460.
(3) Borda, A. e Bowen, J. Città intelligenti e beni culturali: una rassegna di sviluppi e opportunità future. IN PROCEDIMENTI. Electronic Visualization and the Arts (EVA London 2017), BCS, Londra, pp 9-18.
(4) Bordoni, L., Mele, F. e Sorgente, A. (eds). Intelligenza Artificiale per i Beni Culturali. Newcastle: Cambridge Scholars, 2016.
(5) Boiano, S., Gaia, G. e Caldarini, M. Fai il tuo discorso al museo: interfacce in linguaggio naturale per istituzioni culturali. Musei e Web 2003. URL: https://www.museumsandtheweb.com/mw2003/papers/gaia/gaia.html
(6) Boiano, S., Cuomo, P. e Gaia, G. Piattaforme di messaggistica in tempo reale per lo storytelling e la gamification nei musei: una case history a Milano. IN PROCEDIMENTI. Electronic Visualization and the Arts (EVA 2016), Londra, Regno Unito, dal 12 al 14 luglio 2016. doi.org/10.14236/ewic/EVA2016.60. URL: http://ewic.bcs.org/content/ConWebDoc/56302
(7) Fors, V. Percorsi multisensoriali di adolescenti per l’apprendimento nel museo. The Senses and Society, 8: 3, 2016, 268-289, DOI: 10.2752 / 174589313X13712175020479
(8) Endo, Tasia. “Gli adolescenti usano la tecnologia per parlare di arte: amplificazione della voce per adolescenti e dell’interpretazione artistica”. MW2016: Musei e Web 2016. Pubblicato il 10 marzo 2016. Consultato il 29 settembre 2017. http://mw2016.museumsandtheweb.com/paper/teens-use-tech-to-talk-art-amplifying-teen-voice-and-art-interpretation/
(9) Kelly, L. e Russo, A. Dalle scale di partecipazione alle reti di partecipazione: i social media e le udienze del museo. MW2008: Museum and the Web Conference, 9-12 aprile, Montreal, Canada.
(10) Cawston, Rob, Daniel Efergan e Lindsey Green. “È nel gioco: le esperienze digitali giocose aiutano le organizzazioni a connettersi con il pubblico in modi nuovi?” Musei e Web: MW 2017. Pubblicato il 31 gennaio 2017. Consultato il 29 settembre 2017. https://mw17.mwconf.org/paper/its-in-the-game-can-playful-digital-experiences-help-organisations-connect-with-audiences-in-new-ways/
(11) Boiano S. e Gaia G., 3 lezioni apprese dalla costruzione del nostro primo Museum Chatbot … 15 anni fa! Sito Web di Invisible Studio. Consultato il 28 febbraio 2018. URL: https://medium.com/@invisiblestudio/3-lessons-learnt-from-building-our-first-museum-chatbot-15-years-ago-7189c8a8fe6
(12) Boiano S. e Gaia G., 5 consigli per coinvolgere gli adolescenti nel tuo museo usando un chatbot. Sito Web di Invisible Studio. Consultato il 28 febbraio 2018. URL: https://medium.com/@invisiblestudio/5-tips-for-involving-teenagers-in-your-museum-using-a-chatbot-bf88ff3ad568
(13) Mool, T. (2018) Tendenze di Chatbot: l’anno di VoiceBot, bot di WhatsApp, MaaP. NativeMSG. Consultato l’URL del 28 febbraio 2018: https://nativemsg.com/blog/2018-chatbot-trends-the-year-of-the-voicebot-whatsapp-bots-maap
