மெய்நிகர் ரியாலிட்டி அடிப்படையிலான பாதுகாப்பு பயிற்சிக்கான தனிப்பட்ட கற்றல் செயல்திறனைக் கணிக்க விஞ்ஞானிகள் ஒரு மாதிரியை முன்மொழிகின்றனர்

கொரியாவில், தொழில்சார் ஆபத்துகள் அதிகரித்து வருகின்றன, குறிப்பாக கட்டுமானத் துறையில். கொரியாவின் வேலைவாய்ப்பு மற்றும் தொழிலாளர் அமைச்சகத்தின் “தொழில்சார் பாதுகாப்பு விபத்து நிலை” பற்றிய அறிக்கையின்படி, 2021 ஆம் ஆண்டில் அனைத்துத் துறைகளிலும் அதிக எண்ணிக்கையிலான விபத்துக்கள் மற்றும் இறப்புகளுக்கு இத்தொழில் காரணமாகும். இந்த உயர்வை எதிர்கொள்ள, கொரியா தொழில்சார் பாதுகாப்பு மற்றும் சுகாதார நிறுவனம் தினசரி தொழிலாளர்களுக்கு அவர்களின் கல்வி பயிற்சி முயற்சிகளின் ஒரு பகுதியாக விர்ச்சுவல் ரியாலிட்டி (விஆர்) அடிப்படையிலான கட்டுமான பாதுகாப்பு உள்ளடக்கத்தை வழங்குகிறது.

இருப்பினும், தற்போதைய VR-அடிப்படையிலான பயிற்சி முறைகள் இரண்டு வரம்புகளுடன் பிடிபடுகின்றன. முதலாவதாக, VR-அடிப்படையிலான கட்டுமானப் பாதுகாப்புப் பயிற்சியானது அடிப்படையில் ஒரு செயலற்ற பயிற்சியாகும், கற்றவர்கள் ஒருவழி வழிமுறைகளைப் பின்பற்றுகிறார்கள், அது அவர்களின் தீர்ப்புகள் மற்றும் முடிவுகளுக்கு ஏற்பத் தோல்வியடைகிறது. இரண்டாவதாக, VR-அடிப்படையிலான பாதுகாப்புப் பயிற்சியின் போது ஒரு புறநிலை மதிப்பீடு செயல்முறை இல்லாதது.

இந்த சவால்களை எதிர்கொள்ள, ஆராய்ச்சியாளர்கள் செயலில் உள்ள தொழிலாளர் ஈடுபாட்டை மேம்படுத்துவதற்காக அதிவேக VR-அடிப்படையிலான கட்டுமானப் பாதுகாப்பு உள்ளடக்கத்தை அறிமுகப்படுத்தியுள்ளனர் மற்றும் எழுதப்பட்ட சோதனைகளை நடத்தியுள்ளனர். இருப்பினும், இந்த பிந்தைய எழுதப்பட்ட சோதனைகள் உடனடி மற்றும் புறநிலை அடிப்படையில் வரம்புகளைக் கொண்டுள்ளன. மேலும், தனிப்பட்ட, கல்வி, சமூக மற்றும் அறிவாற்றல் அம்சங்கள் உட்பட கற்றல் செயல்திறனை பாதிக்கக்கூடிய தனிப்பட்ட குணாதிசயங்களில், VR அடிப்படையிலான பாதுகாப்பு பயிற்சியின் போது புலனுணர்வு பண்புகள் மாற்றங்களுக்கு உள்ளாகலாம்.

இதை நிவர்த்தி செய்ய, கொரியாவின் இன்சியான் நேஷனல் யுனிவர்சிட்டியின் கட்டிடக்கலை மற்றும் நகர்ப்புறப் பிரிவைச் சேர்ந்த இணைப் பேராசிரியர் சூங்வான் கூ தலைமையிலான ஆய்வாளர்கள் குழு, விஆர் அடிப்படையிலான கட்டுமானப் பாதுகாப்புப் பயிற்சியில் தனிப்பட்ட கற்றல் செயல்திறனைக் கணிக்க இயந்திர கற்றல் அணுகுமுறையை முன்மொழிந்துள்ளது. நிகழ்நேர பயோமெட்ரிக் பதில்கள். அவர்களின் கட்டுரை ஆன்லைனில் கிடைத்தது மற்றும் டிசம்பர் 2023 இல் Automation in Construction இதழில் வெளியிடப்படும்.

“பிந்தைய எழுதப்பட்ட சோதனைகளைப் பயன்படுத்தும் கற்றல் விளைவுகளை மதிப்பிடுவதற்கான பாரம்பரிய முறைகள் புறநிலைத்தன்மை இல்லாமல் இருக்கலாம், கண் கண்காணிப்பு மற்றும் எலக்ட்ரோஎன்செபலோகிராம் (EEG) சென்சார்களிலிருந்து சேகரிக்கப்பட்ட நிகழ்நேர பயோமெட்ரிக் பதில்கள், VR-ன் போது தனிப்பட்ட கற்றல் செயல்திறனை உடனடியாகவும் புறநிலையாகவும் மதிப்பீடு செய்ய பயன்படுத்தப்படலாம். அடிப்படையிலான பாதுகாப்பு பயிற்சி” என்று டாக்டர் கூ விளக்குகிறார்.

இந்த ஆய்வில் 30 கட்டுமானத் தொழிலாளர்கள் VR அடிப்படையிலான கட்டுமானப் பாதுகாப்புப் பயிற்சியில் ஈடுபட்டுள்ளனர். நிகழ்நேர பயோமெட்ரிக் பதில்கள், மூளையின் செயல்பாட்டைக் கண்காணிக்க கண் கண்காணிப்பு மற்றும் EEG இலிருந்து சேகரிக்கப்பட்டு, பங்கேற்பாளர்களின் உளவியல் பதில்களை மதிப்பிடுவதற்காக பயிற்சியின் போது சேகரிக்கப்பட்டது. இந்தத் தரவை பயிற்சிக்கு முந்தைய ஆய்வுகள் மற்றும் பயிற்சிக்குப் பிந்தைய எழுதப்பட்ட சோதனைகளுடன் இணைத்து, VR-அடிப்படையிலான பாதுகாப்புப் பயிற்சியின் போது பங்கேற்பாளர்களின் ஒட்டுமொத்த தனிப்பட்ட கற்றல் செயல்திறனை மதிப்பிடுவதற்கு இயந்திர கற்றல் அடிப்படையிலான முன்கணிப்பு மாதிரிகளை ஆராய்ச்சியாளர்கள் உருவாக்கினர்.

குழு இரண்டு மாதிரிகளை உருவாக்கியது – மக்கள்தொகை காரணிகள் மற்றும் பயோமெட்ரிக் பதில்கள் இரண்டையும் சுயாதீன மாறிகள் மற்றும் எளிமைப்படுத்தப்பட்ட முன்னறிவிப்பு மாதிரி (SM) ஆகியவற்றைப் பயன்படுத்தும் ஒரு முழு முன்னறிவிப்பு மாதிரி (FM), இது சிக்கலைக் குறைக்க சுயாதீன மாறிகள் என அடையாளம் காணப்பட்ட முதன்மை அம்சங்களை மட்டுமே நம்பியுள்ளது. பாரம்பரிய மாதிரிகளைக் காட்டிலும் தனிப்பட்ட கற்றல் செயல்திறனைக் கணிப்பதில் எஃப்எம் அதிக துல்லியத்தை வெளிப்படுத்தியிருந்தாலும், அது அதிக அளவில் பொருத்துவதையும் காட்டியது.

இதற்கு நேர்மாறாக, குறைவான மாறிகள் காரணமாக SM ஆனது FM ஐ விட அதிக கணிப்பு துல்லியத்தை நிரூபித்தது, இது அதிகப்படியான பொருத்தத்தை கணிசமாகக் குறைக்கிறது. எஸ்எம் நடைமுறை பயன்பாட்டிற்கு மிகவும் பொருத்தமானது என்று குழு முடிவு செய்தது.

இந்த முடிவுகளை விளக்கி, டாக்டர் கூ வலியுறுத்துகிறார், “இந்த அணுகுமுறை VR அடிப்படையிலான கட்டுமானப் பாதுகாப்புப் பயிற்சியின் போது தனிப்பட்ட கற்றல் செயல்திறனை மேம்படுத்துதல், பாதுகாப்பு சம்பவங்களைத் தடுப்பது மற்றும் பாதுகாப்பான பணிச்சூழலை வளர்ப்பதில் குறிப்பிடத்தக்க தாக்கத்தை ஏற்படுத்தும்.”

மேலும், VR-அடிப்படையிலான பாதுகாப்புப் பயிற்சியில் பல்வேறு விபத்து வகைகள் மற்றும் ஆபத்துக் காரணிகளைக் கருத்தில் கொள்ள எதிர்கால ஆராய்ச்சியின் அவசியத்தையும் குழு வலியுறுத்துகிறது.

முடிவில், இந்த ஆய்வு கட்டுமான சூழல்களில் தனிப்பயனாக்கப்பட்ட பாதுகாப்பை மேம்படுத்துவதிலும் கற்றல் செயல்திறனை மதிப்பிடுவதிலும் குறிப்பிடத்தக்க முன்னேற்றத்தைக் குறிக்கிறது.

Source link

Leave a Reply

Your email address will not be published. Required fields are marked *