En Corée, les risques professionnels sont en augmentation, notamment dans le secteur de la design. Selon un rapport sur le « statut des mishaps de sécurité au travail » du ministère coréen de l’Emploi et du Travail, l’industrie a été à l’origine du in addition grand nombre d’accidents et de décès parmi tous les secteurs en 2021. Pour faire deal with à cette augmentation, l’Agence coréenne de sécurité et de santé au travail a suggest aux travailleurs quotidiens du contenu sur la sécurité dans la building basé sur la réalité virtuelle (RV) dans le cadre de leurs initiatives de formation pédagogique.
Néanmoins, les méthodes de formation actuelles basées sur la réalité virtuelle se heurtent à deux limites. Premièrement, la formation à la sécurité dans la development basée sur la réalité virtuelle est essentiellement un exercice passif, dans lequel les apprenants suivent des guidelines à sens special qui ne parviennent pas à s’adapter à leurs jugements et décisions. Deuxièmement, il y a l’absence de processus d’évaluation objectif lors de la development à la sécurité basée sur la réalité virtuelle. Pour relever ces défis, les chercheurs ont introduit un contenu immersif sur la sécurité de la building basé sur la réalité virtuelle pour promouvoir l’engagement actif des travailleurs et ont effectué des assessments write-up-écrits. Ces exams post-écrits présentent cependant des limites en termes d’immédiateté et d’objectivité. En outre, parmi les caractéristiques individuelles pouvant affecter les performances d’apprentissage, notamment les aspects personnels, académiques, sociaux et cognitifs, les caractéristiques cognitives peuvent subir des modifications au cours d’une development à la sécurité basée sur la réalité virtuelle.
Pour résoudre ce problème, une équipe de chercheurs dirigée par le professeur agrégé Choongwan Koo de la Division d’architecture et de la division urbaine de l’Université nationale d’Incheon, en Corée, a proposé une approche révolutionnaire d’apprentissage automatique pour prévoir les performances d’apprentissage staff dans le cadre d’une formation à la sécurité dans la development basée sur la réalité virtuelle. utilise des réponses biométriques en temps réel. Leur write-up a été mis en ligne le 7 octobre 2023 et sera publié dans le quantity 156 de la revue Automation in Development en décembre 2023.
« Alors que les méthodes traditionnelles d’évaluation des résultats d’apprentissage qui utilisent des tests submit-écrits peuvent manquer d’objectivité, les réponses biométriques en temps réel, collectées à partir de capteurs de suivi oculaire et d’électroencéphalogramme (EEG), peuvent être utilisées pour évaluer rapidement et objectivement les performances d’apprentissage personnelles pendant la réalité virtuelle. formation en matière de sécurité », explique le Dr Koo.
L’étude a porté sur 30 ouvriers du bâtiment suivant une formation en sécurité dans la development basée sur la réalité virtuelle. Des réponses biométriques en temps réel, collectées à partir du suivi oculaire et de l’EEG pour surveiller l’activité cérébrale, ont été recueillies pendant la formation pour évaluer les réponses psychologiques des individuals. En combinant ces données avec des enquêtes préalables à la development et des tests écrits submit-formation, les chercheurs ont développé des modèles de prévision basés sur l’apprentissage automatique pour évaluer les performances d’apprentissage personnelles globales des individuals au cours d’une formation de sécurité basée sur la réalité virtuelle.
L’équipe a développé deux modèles : un modèle de prévision complet (FM) qui utilise à la fois les facteurs démographiques et les réponses biométriques comme variables indépendantes et un modèle de prévision simplifié (SM) qui s’appuie uniquement sur les principales caractéristiques identifiées comme variables indépendantes pour réduire la complexité. Bien que le FM ait montré une additionally grande précision dans la prévision des performances d’apprentissage staff que les modèles traditionnels, il a également affiché un niveau élevé de surapprentissage. En revanche, le SM a démontré une précision de prédiction supérieure à celle du FM en raison d’un nombre in addition petit de variables, réduisant ainsi considérablement le surapprentissage. L’équipe a donc conclu que le SM était le mieux adapté à une utilisation pratique.
Expliquant ces résultats, le Dr Koo souligne : « Cette approche peut avoir un affect significatif sur l’amélioration des performances d’apprentissage staff lors d’une development sur la sécurité dans la construction basée sur la réalité virtuelle, la prévention des incidents de sécurité et la promotion d’un environnement de travail sûr. » En outre, l’équipe souligne également la nécessité de recherches futures pour prendre en compte divers forms d’accidents et facteurs de risque dans la development à la sécurité basée sur la réalité virtuelle.
En conclusion, cette étude marque une avancée significative dans l’amélioration de la sécurité personnalisée dans les environnements de development et dans l’amélioration de l’évaluation des performances d’apprentissage !
