Les scientifiques proposent un modèle pour prédire les performances d’apprentissage personnel pour la formation à la sécurité basée sur la réalité virtuelle

En Corée, les risques professionnels sont en augmentation, notamment dans le secteur de la construction. Selon un rapport sur le « statut des accidents de sécurité au travail » du ministère coréen de l’Emploi et du Travail, l’industrie a été à l’origine du plus grand nombre d’accidents et de décès parmi tous les secteurs en 2021. Pour faire face à cette augmentation, l’Agence coréenne de sécurité et de santé au travail a propose aux travailleurs quotidiens du contenu sur la sécurité dans la construction 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 construction basée sur la réalité virtuelle est essentiellement un exercice passif, dans lequel les apprenants suivent des instructions à sens unique 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 formation à la sécurité basée sur la réalité virtuelle.

Pour relever ces défis, les chercheurs ont introduit un contenu immersif sur la sécurité de la construction basé sur la réalité virtuelle pour promouvoir l’engagement actif des travailleurs et ont effectué des tests post-écrits. Ces tests 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 formation 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 division urbaine de l’Université nationale d’Incheon, en Corée, a maintenant proposé une approche d’apprentissage automatique pour prévoir les performances d’apprentissage personnel dans le cadre d’une formation à la sécurité dans la construction basée sur la réalité virtuelle et qui utilise réponses biométriques en temps réel. Leur article a été mis en ligne et sera publié dans la revue Automatisation dans la construction en décembre 2023.

« Alors que les méthodes traditionnelles d’évaluation des résultats d’apprentissage qui utilisent des tests post-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 construction 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 participants. En combinant ces données avec des enquêtes préalables à la formation et des tests écrits post-formation, les chercheurs ont développé des modèles de prévision basés sur l’apprentissage automatique pour évaluer les performances d’apprentissage personnelles globales des participants 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 plus grande précision dans la prévision des performances d’apprentissage personnel que les modèles traditionnels, il a également affiché un niveau élevé de surapprentissage.

En revanche, le SM a démontré une précision de prédiction plus élevée que le FM en raison de moins de variables, réduisant 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 impact significatif sur l’amélioration des performances d’apprentissage personnel lors d’une formation 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 types d’accidents et facteurs de risque dans la formation 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 construction et dans l’amélioration de l’évaluation des performances d’apprentissage.

Fourni par l’Université nationale d’Incheon