博物館の成果を評価するとき、まず把握しやすいのは来館者数や展覧会の開催数、教育プログラムの実施回数、参加者数などです。こうした数字は、博物館がどの程度活動し、どれだけ利用されたのかを確認するうえで重要です。しかし、それだけでは、展示を見た人の理解が深まったのか、考え方や態度に変化が生じたのか、その後の行動につながったのかまでは分かりません。
そこで必要になるのが、活動を実施した事実だけでなく、その結果として利用者や社会にどのような変化が生じたのかを捉えるアウトカム評価です。博物館の成果を考えるうえでは、「何をしたのか」と「その活動との関係で何が変わったのか」を分けて考える必要があります。こうした博物館の成果が社会に還元される仕組みについては、outcomeやimpact、social valueなどを区別して考えることも重要です。
一方、アウトカムを測定できるようになると、次に生じるのが他館との比較です。同じ指標を用いれば、自館の成果が高いのか低いのかを判断できるように思えます。しかし、博物館ごとに使命、対象者、活動内容、規模、運営形態、地域的な条件は異なります。同じ数値を測定できることと、その数値を意味のある形で比較できることは同じではありません。では、博物館のoutcomeはどのように評価でき、その結果をどこまで他館と比較してよいのでしょうか。
アウトカム評価とは「実施したこと」ではなく「生じた変化」を確かめることである
アウトカム評価を考える出発点は、博物館が何を実施したのかと、その活動を通じて対象者に何が生じたのかを分けることです。展覧会を開催した、教育プログラムを実施した、多くの来館者を受け入れたという事実は重要ですが、それだけでは利用者にどのような変化が生じたのかまでは分かりません。
評価の流れは、一般にInput、Activity、Output、Outcome、Impactという段階に分けて整理できます。Inputは職員、予算、施設、資料など活動に投入する資源です。Activityは展示やワークショップなど実際に行う事業、Outputはそこから直接提供されたサービスや成果物を指し、開催回数や参加人数などもここに含まれます。Outcomeは、それらの活動との関係で利用者などに生じた知識、態度、技能、行動などの変化です。さらにImpactは、outcomeを超えて生じる、より長期的または広範な変化として区別して考える必要があります。
ここで注意したいのは、Outputを「量」、Outcomeを「質」と単純化しないことです。Outcomeもアンケート尺度や行動指標などを使って定量的に測ることができますし、Outputについても提供したサービスの内容や特性を定性的に検討できます。両者の違いは測定方法ではなく、「何を提供したか」と「その結果として何が変わったか」にあります。こうした活動から成果までの関係を体系的に整理する方法については、博物館評価におけるロジックモデルで詳しく扱っています。
博物館での学習成果を考える場合も、活動の実施そのものではなく、利用者の経験を通じて何が変化したのかに目を向ける必要があります。博物館、アーカイブ、図書館における学習成果を検討した研究では、利用者自身の経験からlearning outcomeの証拠を把握することの重要性が示されています（Hooper-Greenhill, 2004）。ただし、活動からoutcomeへ矢印を引いただけで、その活動が変化の原因だったと証明できるわけではありません。アウトカム評価とは、活動実績を成果とみなすのではなく、意図した変化が実際に生じたのかを、適切な証拠から確かめるための評価なのです。
博物館のアウトカムは一つの数字にはできない
利用者に「変化が生じた」といっても、その内容は一つではありません。たとえば展示を見たことで新しい知識を得ることもあれば、資料の見方を身につけたり、それまでとは異なる考え方に気づいたりすることもあります。さらに、強い関心や創作への意欲が生まれ、その後に本を読む、別の展示を訪れる、学習を続けるといった行動につながる場合もあります。したがって、博物館での学習成果を一つの数字だけで表そうとすると、こうした異なる変化を見落とす可能性があります。
博物館、アーカイブ、図書館における学習成果を検討したLearning Impact Research Projectでは、利用者に生じるlearning outcomeを捉えるための枠組みとしてGeneric Learning Outcomesが用いられました。そこでは、学習成果を「知識と理解」だけに限定せず、「技能」「態度と価値観」「楽しみ・着想・創造性」「活動・行動・進展」という側面からも捉えています（Hooper-Greenhill, 2004）。たとえば、展示内容を理解することと、展示をきっかけにあるテーマへの見方が変わること、その後に自ら調べ始めることは、同じ学習経験から生じうる異なるoutcomeとして考えられます。
このことは、来館者アンケートで「満足したか」だけを尋ねても、事業が目指した成果を十分に把握できない場合があることを示しています。満足度そのものが不要なのではありません。重要なのは、何を測るかを測定しやすさだけで決めないことです。知識の理解を目指す展示であれば理解の変化を、技能の獲得を目指すプログラムであれば技能に関する変化を確認するなど、事業が何を変えようとしているのかに応じてoutcomeを設定する必要があります。
もちろん、Generic Learning Outcomesは、博物館が生み出すすべての成果を五つに分類する普遍的なモデルではありません。ここで重要なのは、learning outcomeだけを見ても成果には複数の側面があり、評価目的に応じて適切な側面を選ぶ必要があるという点です。博物館における学習がどのような広がりを持つのかについては、博物館における学びと生涯学習の役割でも詳しく扱っています。アウトカム評価では、指標を測り始める前に、まず「この事業によって誰に何が変わることを期待しているのか」を定めること自体が、重要な評価設計になるのです。
何を「成果」とみなすかは、博物館だけでは決めきれない
アウトカムを評価するときには、「何が変わったか」だけでなく、誰にとって重要な変化なのかを考える必要があります。博物館の運営側が重視する成果と、資金提供者、来館者、地域住民などが価値を置く成果は、必ずしも同じではありません。たとえば運営側は来館者数や事業実施数を重視していても、地域住民は地域文化への理解や世代間交流の機会をより重要だと考えるかもしれません。
この点を考えるうえで参考になるのが、ニュージーランドで行われたparticipatory case studyです。そこでは、museum performance accountabilityとして実際に報告されている事項と、community stakeholdersが博物館の価値として重視している事項との対応が検討されました（Legget, 2009）。この研究は一つの事例に基づくため、ニュージーランド全体やすべての博物館へ一般化することはできません。しかし、評価指標を組織内部の都合だけで決めるのではなく、stakeholder perspectivesを確認する必要性を考える根拠にはなります。
ここで重要なのは、stakeholderの意見をそのまますべてKPIに反映すべきだということではありません。museum management、funders、visitors、local communitiesでは、博物館に期待する役割や重視する成果が異なる可能性があります。さらに「地域住民」と一括りにしても、年齢、文化的背景、居住歴、博物館との関係によって関心は異なります。こうした地域との関係設計については、博物館と地域の共創・包摂・信頼でも詳しく扱っています。
したがって、アウトカム評価では「測定しやすいKPIは何か」を最初に考えるのではなく、「誰に、どのような変化を生み出そうとしているのか」を先に明確にすることが重要です。そのうえで、どのstakeholderの視点をどのように取り入れ、どの成果を評価対象とするのかを決める必要があります。何を成果とみなすかは、単なる測定技術の問題ではなく、博物館が誰に対してどのような責任を果たそうとしているのかという評価設計そのものに関わる判断なのです。
共通指標で複数館を測ることは、一定の条件では可能である
博物館ごとに使命や来館者構成、活動内容が異なるのであれば、outcomeを共通の指標で測ることは難しいように見えます。しかし、評価対象となる概念と質問項目、測定手順をあらかじめそろえることで、異なる博物館を横断して同じoutcome領域を測定することは、一定の条件では可能です。重要なのは、各館が独自に異なる意味で「成果」を測るのではなく、何を測定対象とするのかを共通に定義することです。
その実例として、全米38館が参加したMeasurement of Museum Social Impact（MOMSI）があります。この研究では、博物館のsocial impactを測るために共通のsurvey instrumentを用い、「継続的な学びと関与」「健康とウェルビーイングの向上」「人間関係の強化」「多様なコミュニティを価値あるものと捉えること」という四つの領域を共通して測定しました（Mileham, Johnson, & Ross Nelson, 2023）。参加館には種類や規模、地域の異なる博物館が含まれており、共通のconstructとinstrumentを用いた館横断的な測定を実際に運用できることを示す事例といえます。
ただし、この結果を「どの博物館でも同じ四つのoutcomeを測ればよい」と理解するのは適切ではありません。MOMSIで扱われた四領域は、この研究で設定されたmuseum social impactの枠組みであり、すべての博物館の使命や事業目的を網羅する普遍的な分類ではありません。また、調査には訪問後に参加者自身が過去と現在の状態を振り返って回答するretrospective self-reportが含まれるため、観察された変化をそのまま博物館訪問の因果効果とみなすこともできません。
ここで区別すべきなのが、同じ方法で測定できることと、その結果を意味のある形で比較できることは別であるという点です。共通の質問票を用いれば、異なる館で同じ概念についてデータを集めることはできます。しかし、使命、利用者層、活動内容、地域的条件が異なれば、得られた数値の意味まで同じとは限りません。common measurementはbenchmarkingの前提にはなり得ますが、それだけで比較の妥当性が保証されるわけではありません。では、同じ指標を測定できたとして、その数値をそのまま他館と比較してよいのでしょうか。
測れることと、比較できることは同じではない
複数の博物館が同じKPIを測定すれば、自館の位置を他館との比較から把握しやすくなります。来館者数や収入、参加者数など、定義と集計方法をそろえたデータは、sector-levelで傾向を把握したり、自館の実績を相対化したりするうえで有用です。しかし、同じ指標を測定できることだけで、その数値が各館にとって同じ意味を持つとは限りません。何を重要なperformanceとみなすかは、博物館が達成しようとしているstrategic aimsとも関係するからです。
この問題を考える手がかりになるのが、イングランドの6館を対象とした探索的なaction-research studyです。各館がそれぞれのstrategic aimsとの関係からKPIを検討したところ、選択された指標にはかなりの違いがあり、6館すべてに共通する指標は一つだけでした。一方、規模やoperating modelが比較的近い館では、選択する指標にも一定の共通性がみられました（Davies, 2025）。対象が6館に限られた探索的研究であるため、この結果を博物館全体へ一般化することはできませんが、各館の戦略からKPIを組み立てると、同じ指標だけでは捉えきれない違いが生じうることを示しています。
これは、sector-levelの共通KPIが不要だという意味ではありません。共通データがあれば、一定の条件のもとで他館とのbenchmarkingが可能になり、自館だけを見ていては分からない特徴を把握できます。その一方で、sector-levelの比較に適したデータが、個々の博物館のstrategic aimsを管理するためにも同じように有用とは限りません（Davies, 2025）。共通指標は比較可能性を高める一方、それだけでは各館固有の使命や戦略を十分に表せない場合があります。
したがって、KPIは単に「他館も測っているから」「数字を集めやすいから」という理由だけで選ぶのではなく、自館が何を実現しようとしているのかとの関係から設計する必要があります。こうした博物館のミッションと経営戦略を起点に考えれば、共通KPIと自館固有のKPIは必ずしも二者択一ではありません。目的に応じて使い分けることが重要です。そして他館と比較するのであれば、次に問うべきなのは指標そのものだけではありません。「どの博物館を比較相手にするのか」という条件も、benchmarkingの意味を左右することになります。
ベンチマーキングでは「何を比べるか」だけでなく「誰と比べるか」が重要になる
同じKPIを測定していても、比較する博物館の条件が大きく異なれば、数値の差をそのままperformanceの差として解釈することは難しくなります。たとえば、全国から来館者を集める大規模館と、地域住民を主な対象とする小規模館では、来館者数が持つ意味は同じではありません。アウトカムについても、対象者や事業目的が異なれば、同じ指標の数値だけを並べても適切な比較にならない可能性があります。benchmarkingでは「何を測るか」と同時に、「誰と比べるか」を検討する必要があります。
比較対象の異質性を考慮した実証例として、スペインの地域博物館76館を分析した研究があります。この研究が評価したのはsocial outcomeではなく、投入した資源と活動実績等との関係からみたtechnical efficiencyです。分析では、性格の異なる博物館を最初から一括して効率比較するのではなく、博物館の特徴を分析してhomogeneous groupsを形成したうえで、それぞれのグループについてDEA（Data Envelopment Analysis）を用いた効率評価が行われました（del Barrio et al., 2009）。したがって、この研究をoutcome benchmarkingの実証研究として扱うことはできません。
それでも、この研究設計から得られる重要な示唆があります。technical efficiencyを比較する場合でさえ、博物館の異質性を考慮して比較対象を分類しているという点です。前節でみたように、規模やoperating modelが近い博物館では、strategic aimsに対応して選択されたKPIにも比較的共通性がみられました（Davies, 2025）。つまり、共通指標を用意するだけでなく、比較対象そのものにどの程度のcomparabilityがあるのかを確認することが、数値を解釈する前提になります。
では、outcomeを比較する場合には何を確認すればよいのでしょうか。本記事では、比較可能性を検討する視点として、mission、target groups、activities、museum size、governanceやoperating model、measurement methodを区別して考えます。これはdel Barrio et al.（2009）が提示した固定的なチェックリストではなく、博物館間比較で条件の違いを見落とさないための整理です。同じoutcome指標を使っていても、誰を対象に、どのような活動を行い、どの方法で測定したのかが異なれば、単純な数値比較には慎重さが求められます。
したがって、benchmarkingでは、比較できるデータを集めるだけでなく、意味のある比較相手を設定できているかを先に確かめる必要があります。では、自館固有のoutcomeを尊重しながら、共通測定とpeer comparisonを実務のなかでどのように組み合わせればよいのでしょうか。
アウトカムはどこまで他館と比較すべきなのか
博物館のoutcomeを評価する際に重要なのは、最初から他館との比較を目的にしないことです。すべての成果を共通指標へ置き換えようとすると、自館のmissionや事業目的にとって重要な変化が見えにくくなる可能性があります。実務上は、自館内評価、共通測定、比較可能なpeerとのbenchmarkingという三つの段階に分けて考えると整理しやすくなります。
第1段階では、まず自館のoutcomeを評価します。ここで問うのは、他館より数値が高いかではなく、「誰に、どのような変化を生み出そうとしているのか」です。博物館での学習成果には知識や技能、態度、行動など複数の側面があり、何をoutcomeとして設定するかは事業目的によって変わります（Hooper-Greenhill, 2004）。また、組織が重視するperformanceとcommunity stakeholdersが価値を置く事項が一致するとは限らないため、誰の視点を評価へ取り入れるのかも検討する必要があります（Legget, 2009）。
第2段階では、複数館で共通して測定できる領域を見極めます。共通のconstruct、instrument、procedureを設定できれば、異なる博物館を横断して同じ領域のデータを集めることは可能です。全米38館で共通のsocial impact surveyを用いたMOMSIは、その実践例です（Mileham, Johnson, & Ross Nelson, 2023）。ただし、ここで可能になるのはまずcommon measurementであって、meaningful benchmarkingそのものではありません。同じ方法で数値を得られても、その数値が各館で同じ意味を持つとは限らないからです。
第3段階で初めて、他館とのbenchmarkingを検討します。その際には、mission、対象者、活動内容、規模、運営形態などが大きく異なる館を一列に並べるのではなく、比較可能なpeerを選ぶ必要があります。各館のstrategic aimsに応じて重要なKPIが異なりうることは、イングランドの6館を対象とした探索研究からも示唆されています（Davies, 2025）。また、technical efficiencyを比較した研究では、博物館の異質性を考慮し、homogeneous groupsを形成してから比較が行われています（del Barrio et al., 2009）。
この三段階は、特定の研究が提示した既成のモデルではなく、ここまでの知見を実務上の判断へつなぐための整理です。そこから導かれるのは、「共通して測定できること」と「意味のある比較ができること」は同じではないという原則です。benchmarkingの役割は、博物館を単純に順位づけすることではなく、比較可能な条件のもとで自館のperformanceを相対化し、なぜ差が生じているのか、何を改善すべきなのかという次の問いを見つけるための経営情報として活用することにあります。
評価の目的は、数字をそろえることではなく、成果を理解することにある
博物館の成果を評価するには、まずactivity、output、outcome、impactを区別し、活動を実施したことと、その結果として人や社会に変化が生じたことを分けて考える必要があります。さらにoutcomeは、知識や技能、態度、行動など複数の側面を持ち、単一の数字だけに還元できるものではありません。何を成果として評価するかを決める際には、博物館自身の目的だけでなく、関係するstakeholderの視点を検討することも重要です。
一方、共通のconstructやinstrument、測定方法を設定できる領域では、複数館を横断した測定も一定の条件で可能です。ただし、common measurementとmeaningful benchmarkingは同じではありません。各館のstrategic aimsによって経営上有用なKPIは異なりうるうえ、同じ指標を比較する場合にも、mission、対象者、活動、規模、運営形態などを踏まえたpeer comparabilityを確かめる必要があります。比較できないoutcomeまで無理に共通尺度へ置き換える必要はありません。
優れたoutcome evaluationとは、KPIを増やすことでも、他館より高い数字を示すことでもありません。自館が何を実現しようとしているのかを定め、その変化を適切な証拠で確かめ、共通して測定できる領域と自館固有に評価すべき領域を区別することが出発点です。そのうえで、比較可能な範囲だけを慎重にbenchmarkingする。評価とは順位を決めるためではなく、成果を理解し、次の経営判断をより確かなものにするための仕組みなのです。
