Trabalhadores da constru\u00e7\u00e3o civil mais jovens e qualificados tendem a apresentar n\u00edveis menores de fadiga e excita\u00e7\u00e3o emocional em treinamentos de seguran\u00e7a baseados em realidade virtual (VR, na sigla em ingl\u00eas). Esta \u00e9 a principal conclus\u00e3o de um estudo realizado recentemente na Coreia do Sul e publicado na revista Automation in Construction, no qual os pesquisadores utilizaram o aprendizado de m\u00e1quina para prever o desempenho de aprendizagem individual em programas virtuais de seguran\u00e7a ocupacional. Para isso, eles seguiram um m\u00e9todo baseado em respostas biom\u00e9tricas em tempo real coletadas por meio do rastreamento ocular e eletroencefalografia (EEG).<\/p>\n
Investimento em VR partiu de ag\u00eancia de seguran\u00e7a ocupacional sul-coreana<\/p>\n
<\/p>\n
Dados mostram que o n\u00famero de acidentes de trabalho na Coreia do Sul vem aumentando constantemente na \u00faltima d\u00e9cada. Dentro desse contexto, a ind\u00fastria da constru\u00e7\u00e3o civil foi apontada como a mais arriscada: somente em 2021, houve quase 30 mil acidentes com 551 fatalidades. Isso levou a Ag\u00eancia Coreana para Seguran\u00e7a e Sa\u00fade Ocupacional (KOSHA) a implementar iniciativas educacionais para combater condi\u00e7\u00f5es perigosas em canteiros de obras e ajustar o comportamento dos trabalhadores em rela\u00e7\u00e3o \u00e0 seguran\u00e7a. Entre outras medidas, as novas regulamenta\u00e7\u00f5es exigem que todos os profissionais de atua\u00e7\u00e3o di\u00e1ria completem o Treinamento B\u00e1sico de Seguran\u00e7a e Sa\u00fade Ocupacional para a Ind\u00fastria da Constru\u00e7\u00e3o Civil.<\/p>\n
Para tornar o treinamento mais eficaz, a KOSHA disponibilizou conte\u00fados de seguran\u00e7a na constru\u00e7\u00e3o civil baseados em realidade virtual. Contudo, apesar de serem pautados em VR, eles eram essencialmente passivos: os aprendizes apenas seguiam instru\u00e7\u00f5es unidirecionais com situa\u00e7\u00f5es fixas, isto \u00e9, sem nenhuma adapta\u00e7\u00e3o de acordo com as decis\u00f5es e avalia\u00e7\u00f5es dos participantes. Com o intuito de tornar as intera\u00e7\u00f5es mais ativas, alguns estudos forneceram conte\u00fados de seguran\u00e7a na constru\u00e7\u00e3o civil baseados em VR de car\u00e1ter mais imersivo.<\/p>\n
Outra quest\u00e3o \u00e9 que esse processo de treinamento baseado em VR n\u00e3o inclui nenhuma avalia\u00e7\u00e3o objetiva do desempenho de aprendizagem. \u00c0s vezes, os pesquisadores utilizam estudos e testes para avaliar os resultados dos participantes, mas eles ocorrem somente ap\u00f3s o processo de treinamento. Isso quer dizer que n\u00e3o fornecem nenhum feedback durante o programa, o que seria muito \u00fatil para os aprendizes melhorarem seu desempenho individual.<\/p>\n
Estudo envolveu t\u00e9cnicas como rastreamento ocular e eletroencefalografia<\/p>\n
<\/p>\n
O principal objetivo dos investigadores era desenvolver um m\u00e9todo para prever o desempenho de aprendizagem individual de trabalhadores sul-coreanos submetidos ao Treinamento B\u00e1sico de Seguran\u00e7a e Sa\u00fade Ocupacional para a Ind\u00fastria da Constru\u00e7\u00e3o Civil. O programa, baseado em realidade virtual, utiliza aprendizado de m\u00e1quina e respostas biom\u00e9tricas em tempo real para gerar previs\u00f5es de performance.<\/p>\n
Durante o estudo, 30 trabalhadores do setor da constru\u00e7\u00e3o passaram por um exerc\u00edcio em VR focado em acidentes de queda em andaimes. O participante mais jovem e o mais velho tinham, respectivamente, 18 e 66 anos, com a m\u00e9dia de idade no grupo sendo de 38 anos. O procedimento foi dividido em tr\u00eas etapas: em um momento inicial, os pesquisadores coletaram dados demogr\u00e1ficos dos participantes; em seguida, familiarizaram os trabalhadores com o equipamento de realidade virtual utilizado no estudo; por fim, coletaram respostas biom\u00e9tricas deles a partir de aparelhos de rastreamento ocular (geralmente integrados ao headset de VR) e dados de EGG. O treinamento em si durou 15 minutos.<\/p>\n
O rastreamento ocular envolve dispositivos especializados que registram o movimento dos olhos dos participantes durante o per\u00edodo estudado, possibilitando a identifica\u00e7\u00e3o do foco dos indiv\u00edduos a cada momento. Ainda que observar um elemento ou objeto espec\u00edfico nem sempre seja sin\u00f4nimo de aten\u00e7\u00e3o, esse rastreamento \u00e9 \u00fatil para determinar o ponto focal de uma pessoa. Al\u00e9m disso, padr\u00f5es e outras caracter\u00edsticas desses movimentos tamb\u00e9m podem fornecer outros dados.<\/p>\n
A EEG, por sua vez, \u00e9 um m\u00e9todo n\u00e3o invasivo usado para registrar a atividade el\u00e9trica do c\u00e9rebro por meio de eletrodos posicionados no couro cabeludo. Ela mede as flutua\u00e7\u00f5es de voltagem resultantes dos fluxos de corrente i\u00f4nica dentro dos neur\u00f4nios, oferecendo insights sobre a fun\u00e7\u00e3o cerebral e a sa\u00fade neurol\u00f3gica. De modo geral, a EEG \u00e9 utilizada para diagnosticar e monitorar quadros cl\u00ednicos como epilepsia, dist\u00farbios do sono e les\u00f5es cerebrais, bem como empregada em pesquisas sobre processos cognitivos e neurais.<\/p>\n
Duas hip\u00f3teses ligadas \u00e0 previs\u00e3o do desempenho de aprendizagem<\/p>\n
Al\u00e9m de prever o desempenho de aprendizagem dos trabalhadores utilizando dados demogr\u00e1ficos, de EEG e rastreamento ocular coletados durante a tarefa de treinamento de seguran\u00e7a, os pesquisadores tamb\u00e9m tinham o intuito de verificar se esse modelo composto (EEG + rastreamento ocular) seria capaz de gerar previs\u00f5es mais precisas em compara\u00e7\u00e3o a modelos baseados somente em informa\u00e7\u00f5es demogr\u00e1ficas.<\/p>\n
A equipe considerou duas hip\u00f3teses: por um lado, se ele realmente se mostrasse melhor, isso indicaria que utilizar dados biom\u00e9tricos em tempo real permite prever o desempenho de aprendizagem; por outro, se n\u00e3o demonstrasse uma efic\u00e1cia superior \u00e0 previs\u00e3o baseada somente em dados demogr\u00e1ficos, significaria que os dados biom\u00e9tricos n\u00e3o agregam valor \u00e0 previs\u00e3o de desempenho de aprendizagem.<\/p>\n
Caso a primeira hip\u00f3tese se comprovasse, os investigadores esperavam identificar os aspectos espec\u00edficos da atividade de EEG e movimentos oculares que contribu\u00edram para a especificidade das previs\u00f5es. Assim, eles poderiam manter apenas essas caracter\u00edsticas no sistema de previs\u00e3o e eliminar aquelas que n\u00e3o surtissem efeito significativo \u2013 o que, por consequ\u00eancia, tornaria o sistema mais simples e eficiente.<\/p>\n
Os resultados geram insights sobre o uso da VR em treinamentos<\/p>\n
Ap\u00f3s a sess\u00e3o de treinamento, a equipe de pesquisa realizou um teste escrito para avaliar o desempenho dos participantes. Em seguida, comparou os resultados obtidos \u00e0s previs\u00f5es de seu sistema utilizando os dados demogr\u00e1ficos idade, qualifica\u00e7\u00e3o, grau de forma\u00e7\u00e3o acad\u00eamica e experi\u00eancia profissional.<\/p>\n
A compara\u00e7\u00e3o indicou que as previs\u00f5es baseadas em dados demogr\u00e1ficos e biom\u00e9tricos eram mais precisas do que aquelas baseadas somente na primeira categoria. Contudo, como o sistema que inclu\u00eda essas informa\u00e7\u00f5es dependia de muitas vari\u00e1veis, \u00e9 prov\u00e1vel que sua precis\u00e3o teria sido pior caso ele fosse aplicado a novos indiv\u00edduos n\u00e3o inclu\u00eddos no estudo (ou seja, o modelo estava sobreajustado).<\/p>\n
Para resolver esse problema, os pesquisadores realizaram an\u00e1lises adicionais com o intuito de identificar os fatores que mais contribuem para o desempenho de aprendizagem. Eles descobriram que a idade era o principal quesito, com uma tend\u00eancia de indiv\u00edduos mais jovens apresentarem um melhor desempenho. Isso vale tamb\u00e9m para um n\u00edvel elevado de qualifica\u00e7\u00e3o, menores \u00edndices de fadiga e baixa exposi\u00e7\u00e3o \u00e0 excita\u00e7\u00e3o emocional durante a atividade.<\/p>\n
\u201cEste estudo abre novos horizontes no campo do treinamento personalizado de seguran\u00e7a, uma vez que permite o monitoramento e diagn\u00f3stico em tempo real dos estados cognitivos (isto \u00e9, desempenho de aprendizagem) dos trabalhadores da constru\u00e7\u00e3o civil durante o programa baseado em realidade virtual\u201d, conclu\u00edram os autores.<\/p>\n
Apesar de o estudo contribuir para o desenvolvimento de novas formas de avalia\u00e7\u00e3o do desempenho de aprendizagem em treinamentos de seguran\u00e7a ocupacional no setor, deve-se notar que a tarefa utilizada pelos pesquisadores durou apenas 15 minutos. \u00c9 poss\u00edvel que outros fatores relevantes surjam em situa\u00e7\u00f5es de treinamento mais longas ou complexas.<\/p>\n
O artigo \u201cForecasting personal learning performance in virtual reality-based construction safety training using biometric responses\u201d \u00e9 de autoria de Dajeong Choi, Seungwon Seo, Hyunsoo Park, Taehoon Hong e Choongwan Koo.<\/p>\n","protected":false},"excerpt":{"rendered":"
Trabalhadores da constru\u00e7\u00e3o civil mais jovens e qualificados tendem a apresentar n\u00edveis menores de fadiga e excita\u00e7\u00e3o emocional em treinamentos de seguran\u00e7a baseados em realidade virtual (VR, na sigla em ingl\u00eas). Esta \u00e9 a principal conclus\u00e3o de um estudo realizado recentemente na Coreia do Sul e publicado na revista Automation in Construction, no qual os […]<\/p>\n","protected":false},"author":4,"featured_media":4107,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"footnotes":""},"categories":[36],"tags":[24,44,39],"_links":{"self":[{"href":"https:\/\/bittarneurociencia.com.br\/es\/wp-json\/wp\/v2\/posts\/4056"}],"collection":[{"href":"https:\/\/bittarneurociencia.com.br\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/bittarneurociencia.com.br\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/bittarneurociencia.com.br\/es\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/bittarneurociencia.com.br\/es\/wp-json\/wp\/v2\/comments?post=4056"}],"version-history":[{"count":1,"href":"https:\/\/bittarneurociencia.com.br\/es\/wp-json\/wp\/v2\/posts\/4056\/revisions"}],"predecessor-version":[{"id":4317,"href":"https:\/\/bittarneurociencia.com.br\/es\/wp-json\/wp\/v2\/posts\/4056\/revisions\/4317"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/bittarneurociencia.com.br\/es\/wp-json\/wp\/v2\/media\/4107"}],"wp:attachment":[{"href":"https:\/\/bittarneurociencia.com.br\/es\/wp-json\/wp\/v2\/media?parent=4056"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/bittarneurociencia.com.br\/es\/wp-json\/wp\/v2\/categories?post=4056"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/bittarneurociencia.com.br\/es\/wp-json\/wp\/v2\/tags?post=4056"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}