Aprendizado de máquina na avaliação de desempenho de aprendizes em simuladores de realidade virtual com dispositivo háptico (2022)
- Authors:
- Autor USP: SALLABERRY, LUCAS HENNA - EP
- Unidade: EP
- Sigla do Departamento: PCS
- Subjects: AVALIAÇÃO DE DESEMPENHO; SIMULAÇÃO (APRENDIZAGEM); APRENDIZADO COMPUTACIONAL; REALIDADE VIRTUAL; ANESTESIA ODONTOLÓGICA
- Agências de fomento:
- Language: Português
- Abstract: Simuladores de Realidade Virtual (RV) voltados para a saúde possibilitam o treinamento de estudantes antes do primeiro contato com o paciente, de maneira segura e sem gasto de material. Dados coletados durante a execução do treinamento nestes simuladores favorecem a implementação de sistemas de avaliação automática, que podem tanto fornecer retorno de desempenho para o aluno durante o treinamento quanto auxiliar o professor durante avaliações de estudantes. Resultados obtidos em uma revisão sistemática da literatura apontaram que estudos que utilizam aprendizado de máquina para realizar a avaliação de aprendizes em simuladores de RV com retorno háptico ainda são escassos. Este trabalho comparou as técnicas de aprendizado de máquina Naive Bayes (NB), Random Forest (RF), Support Vector Machine (SVM), Multi Layer Perceptron (MLP) e Extreme Gradient Boosting (XGB), combinadas com técnicas de seleção e fusão de características para definir um método de avaliação automática a fim de mensurar o desempenho de estudantes a partir do uso de simuladores de realidade virtual para treinamento médico. A trajetória da seringa em um simulador odontológico usando realidade virtual foi coletada e segmentada, possibilitando a extração de 98 características relacionadas ao desempenho dos participantes durante o procedimento. Foram realizadas classificações binárias com dois tipos diferentes de rotulação: com base no nível de experiência que os participantes possuíam no procedimento simulado e com base em uma avaliação da trajetória realizada por uma especialista. Foi encontrado que, em ambos os casos, o classificador SVM apresentou o melhor resultado final, com acurácia de 0,77, especificidade de 0,60 e sensibilidade de 0,94 para a rotulação realizada com base na avaliação da especialista. Os resultados obtidos nestetrabalho se mostraram promissores e o modelo definido pode ser aplicado a simuladores hápticos usando RV que coletam dados de trajetórias.
- Imprenta:
- Data da defesa: 07.12.2022
-
ABNT
SALLABERRY, Lucas Henna. Aprendizado de máquina na avaliação de desempenho de aprendizes em simuladores de realidade virtual com dispositivo háptico. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-05052023-081351/. Acesso em: 13 fev. 2026. -
APA
Sallaberry, L. H. (2022). Aprendizado de máquina na avaliação de desempenho de aprendizes em simuladores de realidade virtual com dispositivo háptico (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3141/tde-05052023-081351/ -
NLM
Sallaberry LH. Aprendizado de máquina na avaliação de desempenho de aprendizes em simuladores de realidade virtual com dispositivo háptico [Internet]. 2022 ;[citado 2026 fev. 13 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-05052023-081351/ -
Vancouver
Sallaberry LH. Aprendizado de máquina na avaliação de desempenho de aprendizes em simuladores de realidade virtual com dispositivo háptico [Internet]. 2022 ;[citado 2026 fev. 13 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-05052023-081351/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
