BHP na budowie. Zaskakującą pomocą może okazać się technologia

Raport Ministerstwa Zatrudnienia i Pracy w Korei Południowej z 2021 r. wskazuje, że sektor budowlany jest najbardziej narażony na wypadki, w tym te śmiertelne. Liczba takich zdarzeń rośnie z roku na rok. W odpowiedzi na ten niepokojący trend, Koreańska Agencja Bezpieczeństwa i Higieny Pracy opracowała szkolenia BHP oparte na technologii VR.

Obecnie stosowane szkolenia VR mają jednak pewne ograniczenia. Po pierwsze, są to ćwiczenia pasywne, gdzie uczestnicy postępują zgodnie z jednostronnymi instrukcjami, które nie dostosowują się do ich indywidualnych osądów i decyzji. Po drugie, brakuje obiektywnego procesu oceny podczas szkolenia.

Aby sprostać tym wyzwaniom, zespół badawczy z INU pod kierownictwem profesora Choongwana Koo z Wydziału Architektury i Urbanistyki wprowadził angażujące treści dotyczące bezpieczeństwa budowlanego, mające na celu zwiększenie zaangażowania pracowników. Przeprowadzono również testy pisemne, jednak ich bezpośredniość i obiektywność były ograniczone. Dodatkowo, cechy poznawcze uczestników mogą ulegać zmianom w trakcie szkolenia.

Zespół naukowy pod kierownictwem dr Koo postanowił rozwiązać ten problem, proponując nowy model przewidywania wyników uczenia się podczas szkoleń BHP. Model ten opiera się na wykorzystaniu odpowiedzi biometrycznych w czasie rzeczywistym. Dzięki temu, skuteczność nauczania ma wzrosnąć, co powinno skutkować zmniejszeniem liczby wypadków.

Dr Koo, który jest jednym z autorów artykułu w Automation in Construction, wyjaśnia: "Chociaż tradycyjne metody oceny efektów uczenia się wykorzystujące testy pisemne mogą nie być obiektywne, odpowiedzi biometryczne w czasie rzeczywistym, zebrane z czujników śledzenia wzroku i elektroencefalogramu (EEG), można wykorzystać do szybkiej i obiektywnej oceny osobistych wyników w nauce".

W ramach eksperymentu, wzięło udział 30 pracowników budowlanych, którzy przeszli szkolenie z zakresu bezpieczeństwa na budowie z wykorzystaniem VR. Podczas szkolenia zbierano w czasie rzeczywistym odpowiedzi biometryczne, za pomocą śledzenia wzroku i EEG, aby monitorować aktywność mózgu i ocenić reakcje psychologiczne uczestników. Te dane, w połączeniu z ankietami przeprowadzanymi przed szkoleniem i pisemnymi testami po szkoleniu, posłużyły do opracowania modeli prognostycznych opartych na uczeniu maszynowym.

Zespół opracował dwa modele: pełny model prognozy (FM), który uwzględnia zarówno czynniki demograficzne, jak i odpowiedzi biometryczne, oraz uproszczony model prognozy (SM), który opiera się wyłącznie na zidentyfikowanych głównych cechach. Mimo że FM wykazywał większą dokładność w przewidywaniu wyników w nauce niż modele tradycyjne, miał również wysoki poziom nadmiernego dopasowania. SM natomiast wykazał większą trafność przewidywania niż FM, dzięki mniejszej liczbie zmiennych, co znacznie ograniczyło nadmierne dopasowanie. Zespół doszedł zatem do wniosku, że SM jest najlepszym modelem do praktycznego zastosowania.

Zespół badawczy z Korei Południowej podkreśla potrzebę przyszłych badań, które uwzględnią różne typy wypadków i czynniki ryzyka w szkoleniach z zakresu bezpieczeństwa opartych na rzeczywistości wirtualnej.