Prevención de riesgos laborales en Corea del Sur usando realidad virtual

Un equipo de investigadores coreanos propone un nuevo enfoque para aumentar la eficacia de la formación en seguridad en el trabajo en el sector de la construcción usando realidad virtual

En Corea, los riesgos laborales van en aumento, sobre todo en el sector de la construcción. Según un informe sobre la «Situación de los Accidentes Laborales» del Ministerio de Empleo y Trabajo de Corea, en 2021 este sector registró el mayor número de accidentes y muertes de todos los sectores. Para hacer frente a este aumento, la Agencia Coreana de Seguridad y Salud en el Trabajo ha estado proporcionando contenidos de seguridad en la construcción basados en realidad virtual (RV) a los trabajadores como parte de sus iniciativas de formación educativa.

Sin embargo, los actuales métodos de formación basados en la RV se enfrentan a dos limitaciones. En primer lugar, la formación en seguridad en la construcción basada en la RV es esencialmente un ejercicio pasivo, en el que los alumnos siguen instrucciones unidireccionales que no se adaptan a sus juicios y decisiones. En segundo lugar, no existe un proceso de evaluación objetiva durante la formación en seguridad basada en la RV. Para hacer frente a estos retos, los investigadores han introducido contenidos de seguridad en la construcción basados en la RV inmersiva para promover la participación activa de los trabajadores y han realizado pruebas escritas.

Sin embargo, estas pruebas escritas tienen limitaciones en términos de inmediatez y objetividad. Además, entre las características individuales que pueden afectar al rendimiento del aprendizaje, incluidos los aspectos personales, académicos, sociales y cognitivos, las características cognitivas pueden sufrir cambios durante la formación en seguridad basada en la RV.

Para solucionar este problema, un equipo de investigadores ha propuesto un innovador método de aprendizaje automático para predecir el rendimiento personal en la formación sobre seguridad en la construcción basada en la RV que utiliza respuestas biométricas en tiempo real. Su artículo se publicó en línea el 7 de octubre de 2023 y se publicará en el volumen 156 de la revista Automation in Construction en diciembre de 2023.

«Mientras que los métodos tradicionales de evaluación de los resultados del aprendizaje que utilizan pruebas escritas pueden carecer de objetividad, las respuestas biométricas en tiempo real, recogidas a partir de sensores de seguimiento ocular y electroencefalograma (EEG), pueden utilizarse para evaluar de forma rápida y objetiva los resultados del aprendizaje personal durante la formación en seguridad basada en RV», explica el Dr. Koo, director del estudio.

En el estudio participaron 30 trabajadores de la construcción que recibieron formación sobre seguridad en la construcción basada en la RV. Durante la formación se recogieron respuestas biométricas en tiempo real, obtenidas mediante el seguimiento ocular y el EEG para controlar la actividad cerebral, con el fin de evaluar las respuestas psicológicas de los participantes. Combinando estos datos con encuestas previas a la formación y pruebas escritas posteriores a la formación, los investigadores desarrollaron modelos de previsión basados en aprendizaje automático para evaluar el rendimiento general del aprendizaje personal de los participantes durante la formación en seguridad basada en RV.

El equipo desarrolló dos modelos: un modelo de previsión completo (FM), que utiliza factores demográficos y respuestas biométricas como variables independientes, y un modelo de previsión simplificado (SM), que se basa únicamente en las características principales identificadas como variables independientes para reducir la complejidad. Si bien el FM mostró una mayor precisión en la predicción del rendimiento del aprendizaje personal que los modelos tradicionales, también mostró un alto nivel de sobreajuste. Por el contrario, el SM demostró una mayor precisión de predicción que el FM debido a un menor número de variables, lo que redujo significativamente el sobreajuste. El equipo llegó así a la conclusión de que el SM era el más adecuado para su uso práctico.

Explicando estos resultados, el Dr. Koo subraya: «Este enfoque puede tener un impacto significativo en la mejora del rendimiento del aprendizaje personal durante la formación en seguridad en la construcción basada en la RV, la prevención de incidentes de seguridad y el fomento de un entorno de trabajo seguro». Además, el equipo también subraya la necesidad de que en futuras investigaciones se tengan en cuenta diversos tipos de accidentes y factores de peligro en la formación sobre seguridad basada en la RV.

REFERENCIA

Forecasting personal learning performance in virtual reality-based construction safety training using biometric responses