在韩国，职业病危害呈上升趋势，尤其是在建筑行业。根据韩国雇佣劳动部关于“职业安全事故状况”的报告，2021年，该行业的事故和死亡人数在所有行业中最高。为了应对这一增长，韩国职业安全与健康局一直在向日常工作者提供基于虚拟现实（VR）的建筑安全内容，作为他们教育培训计划的一部分
然而，当前基于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本质上是一种被动的练习，学习者遵循单向指令，无法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的评估过程
为了应对这些挑战，研究人员引入了基于沉浸式VR的建筑安全内容，以促进工人的积极参与，并进行了书面测试。然而，这些书面后测试在即时性和客观性方面都有局限性。此外，在可能影响学习成绩的个人特征中，包括个人、学术、社会和认知方面，认知特征可能在基于VR的安全训练中发生变化
为了解决这一问题，由韩国仁川国立大学建筑与城市系Choongwan Koo副教授领导的一个研究小组现在提出了一种机器学习方法，用于预测基于VR的建筑安全培训中的个人学习表现，该方法使用实时生物识别响应。他们的论文已在网上发表，并将于2023年12月发表在《建筑自动化》杂志上
该研究涉及30名建筑工人，他们正在接受基于VR的建筑安全培训。在训练过程中，从眼动追踪和脑电图中收集实时生物特征反应，以监测大脑活动，从而评估参与者的心理反应。将这些数据与训练前调查和训练后笔试相结合，研究人员开发了基于机器学习的预测模型，以评估参与者在基于VR的安全训练中的整体个人学习表现
该团队开发了两个模型——一个是使用人口统计因素和生物特征反应作为自变量的完整预测模型（FM），另一个是仅依赖于已识别的主要特征作为自变量来降低复杂性的简化预测模型（SM）。虽然FM在预测个人学习成绩方面比传统模型表现出更高的准确性，但它也表现出高度的过拟合
相反，由于变量较少，SM比FM显示出更高的预测精度，显著减少了过拟合。研究小组因此得出结论，SM最适合实际使用
此外，该团队还强调，未来的研究需要在基于VR的安全培训中考虑各种事故类型和危险因素
总之，这项研究标志着在提高建筑环境中的个性化安全和改进学习成绩评估方面迈出了重要一步。
