@article{Battiston2023,
title = { Strategie per la divulgazione scientifica nei social network a confronto: un esperimento museale sull’efficacia della comunicazione digitale},
author = {Roberto Battiston and Federico Boscato},
editor = {Associazione Amici del Museo - Museo Civico “G. Zannato”},
url = {https://www.museozannato.it/wp-content/uploads/2024/06/06_Battiston_Boscato.pdf},
isbn = {1127-3100},
year = {2023},
date = {2023-12-31},
urldate = {2023-12-31},
journal = {Studi e Ricerche},
volume = {30},
pages = {43-48},
abstract = {RIASSUNTO
I social network sono oggi uno dei principali canali di informazione per il grande pubblico, pur presentando dei limiti intrinseci in termini di durata e sviluppo dei contenuti, solitamente volti alla semplificazione e immediatezza, per massimizzare l’attenzione. Anche la divulgazione scientifica tradizionale si sta adattando a questi canali riflettendo sulle strategie migliori per non perdere attrattività pur conservando la qualità e la complessità dei contenuti. Di particolare interesse è la Generazione Z, adolescenti e giovani adulti, un vastissimo pubblico che al momento sembra penalizzato in questo senso dall’utilizzo preferenziale di social network, come Instagram, volti più alla rappresentazione dei contenuti che al loro approfondimento, ponendo alla divulgazione scientifica, in particolare quella istituzionale dei Musei, una notevole sfida comunicativa. Questo lavoro ha messo a confronto le statistiche di utilizzo degli utenti di Facebook ed Instagram in risposta a due campagne di comunicazione sulle pagine social del Museo Zannato: una di informazione scientifica generalista e una specialistica su un progetto di ricerca. Non sono state rilevate differenze significative tra Instagram e Facebook, probabilmente dovute ad un pubblico condiviso tra le due piattaforme. È invece emersa una differenza significativa tra le due strategie di comunicazione, dimostrando come sia possibile comunicare temi complessi su canali istituzionali sui social network, calibrando opportunamente il messaggio. Sono state infine discusse alcune strategie per migliorare la comunicazione scientifica museale rivolta alle le nuove generazioni, anche utilizzando le Intelligenze Artificiali.
ABSTRACT
Strategies for science communication in social networks in comparison: a museum experiment on the efficacy of digital communication
Social networks are now one of the main channels of information for the general public, although they have inherent limitations in terms of duration and content development, usually aimed at simplification and immediacy in order to maximize attention. Traditional science popularization is also adapting to these channels by reflecting on the best strategies for not losing attractiveness while retaining the quality and complexity of content. Of particular interest is Generation Z, teenagers and young adults, a very large audience that currently seems to be penalized in this regard by the preferential use of social networks, such as Instagram, aimed more at the representation of content than its in-depth study, posing a considerable communicative challenge to science communication, particularly the institutional communication of Museums. This paper compared the usage statistics of Facebook and Instagram users in response to two communication campaigns on the Zannato Museum’s social pages: one of generalist scientific information and one specialized on a research project. No significant differences were found between Instagram and Facebook, probably due to a shared audience between the two platforms. A significant difference emerged between the two communication strategies, demonstrating how it is possible to communicate complex issues on institutional channels on social networks by appropriately calibrating the message. Finally, some strategies for improving museum science communication aimed at the younger generation, involving also Artificial Intelligences, were discussed.},
keywords = {Artificial Intelligence, education, GenZ, museums, science communication, social-network},
pubstate = {published},
tppubtype = {article}
}
