科学家提出一种模型来预测基于虚拟现实的安全培训的个人学习表现

在韩国，占领危险本身就是一种危险，尤其是在建筑领域根据韩国就业和劳工部发布的《职业安全事故法令》，该行业在2021年是所有行业中事故和死亡人数最多的行业为了应对这一增长，韩国职业安全和健康机构一直在提供基于虚拟现实（VR）的建筑安全内容，作为其教育培训举措的一部分

然而，目前基于VR的训练方法有两个局限性首先，基于虚拟现实的建筑安全培训是一种有针对性的被动练习，学习者遵循单向指导，以适应他们的判断和决定其次，基于虚拟现实的安全培训缺乏客观评价过程为了应对这些挑战，研究人员引入了基于商业VR的建筑安全内容，以促进积极的工人参与管理，并进行书面测试然而，这些后写的测试消除了直接客观性之间的限制此外，在基于虚拟现实的安全培训中，由于影响学习成绩的个人特征，包括个人、学术、社会和认知方面，认知特征可能会发生变化

要解决这个问题，请联系建筑部的ChoongwanKoo教授；韩国首尔国立大学城市分部现在提出了一种开创性的机器学习方法，用于预测基于VR的建筑安全培训中的个人学习性能，该培训使用实时生物识别响应该报告于23年10月7日在线发布，并将于2023年12月发布在《自动化施工》杂志第156卷中

“让传统的评估学习结果的方法，包括最新的书面测试——从眼动追踪和脑电图（EEG）传感器收集的实时生物特征反应——可以用来轻松客观地评估基于VR的安全训练中的个人学习表现，”Dr解释道顾

该研究涉及30名正在进行基于VR的建筑安全培训的建筑工人从眼动追踪和脑电图监测大脑活动中收集的实时生物特征反应，在第四阶段进行了收集，以评估参与者的心理反应将这些数据与培训前的调查和培训后的书面测试相结合，研究人员开发了基于预测模型的机器学习，以评估参与者在基于VR的安全培训中的整体个人学习表现

该团队开发了两个模型——一个完全预测模型（FM），它使用人口统计因素和生物特征响应作为依赖变量，以及一个简化的预测模型（SM），它只将已识别的主要特征作为独立变量，以降低复杂性尽管FM在预测个人学习性能方面表现出比传统模型更高的准确性，但它也表现出更高的拟合度相反，由于变量数量较小，SM表现出比FM更高的预测率，这对过度拟合有重要的教育意义该团队得出结论认为，SM最适合实践

解释这些结果，DrKoo强调，“在基于VR的建筑安全培训、预防安全事件和营造安全工作环境期间，这种方法可以对提高个人学习表现产生重大影响。”此外，该报告还强调了未来在基于虚拟现实的安全培训中考虑各种事故类型和危险因素的学习方法的必要性

结论是，这项研究显著提高了建筑环境下的个性化安全性，并提高了对学习性能的评估