DISCUSSÕES

As discussões dos diferentes autores revelaram a existência de propostas específicas para a avaliação de HSM, aqui apresentadas por meio de uma análise geral dos trabalhos obtidos com a condução dos dois processos de RS apresentados.

Durante a análise dos trabalhos, foi possível verificar que diferentes técnicas são aplicadas em métodos de avaliação em três momentos distintos: i) no processamento de métricas ou atributos de avaliação da aquisição de HSM; ii) na

80 composição do núcleo central do processo de avaliação da aquisição de HSM; ou iii) no apoio à análise dos resultados de cada estudo proposto.

O processamento de métricas de avaliação da aquisição de HSM é justificado quando unidades de informação são processadas com o objetivo de compor um indicador quantitativo de avaliação de HSM com base na execução de uma tarefa. Após serem processados, os indicadores quantitativos passam a compor valores de parâmetros, que são utilizados para um método de avaliação da aquisição de HSM.

Além de valores quantitativos, observou-se também que há indicadores que são utilizados para informar aspectos qualitativos de avaliação. Esses indicadores normalmente são qualitativos quando apresentam atributos utilizados para caracterizar ou qualificar a execução de uma tarefa. São exemplos desses atributos: a tarefa foi executada de forma habilidosa ou não habilidosa; o executante está apto ou inapto; o movimento foi executado de forma correta ou incorreta.

Em um segundo momento, observou-se que métodos de avaliação da aquisição de HSM podem utilizar indicadores básicos, como o tempo, ou indicadores compostos que necessitam ser processados para obter-se um valor final (métricas ou atributos). Com base em atributos e métricas, métodos de avaliação passam então a processar novos indicadores, que produzem resultados utilizados na análise de determinados objetivos ou critérios estabelecidos para avaliar a aquisição de HSM.

Além disso, há a necessidade de distinguir as técnicas utilizadas para análise dos resultados de determinado estudo das que compõem, de fato, um método de avaliação. Justifica-se essa distinção porque a análise de resultados de um estudo experimental é útil na verificação da eficácia ou eficiência de determinada proposta, mas não compõe o núcleo central, que é capaz de processar resultados específicos de um método de avaliação da aquisição de HSM.

Dirigindo o foco para o núcleo central de métodos de avaliação de HSM encontrados em cada trabalho e nas três dimensões apresentadas em parágrafos anteriores, optou-se por dar importância à análise de trabalhos em diferentes abordagens de avaliação, as quais serão objeto de discussão nos próximos parágrafos.

Com o maior número de abordagens de avaliação destacou-se o campo da estatística (32%), cujos resultados indicam potenciais técnicas que podem

81 contribuir para o processamento de métricas e atributos de avaliação e para a geração de resultados de avaliação de aquisição de HSM orientada por um método específico.

Retomando a análise dos resultados dos estudos, em segundo lugar ficou a utilização de técnicas matemáticas, representando 28% no contexto dos trabalhos selecionados. Abordagens que incluem a utilização do campo da matemática possibilitam a obtenção de métricas de avaliação com base em sistemas simples de pontuação (questões objetivas e subjetivas) e em fórmulas de maior complexidade, capazes de processar métricas e atributos e de compor funções utilizadas para avaliar a aquisição de HSM.

Ocupando o terceiro lugar, está a predominância de abordagens utilizadas no campo da cinemática (16%). O potencial de técnicas originadas no campo da cinemática é destacado especialmente no processamento de métricas e atributos relacionados ao movimento humano por meio de dados capturados e processados em dispositivos eletrônicos.

Em quarto lugar, presentes em 12% dos trabalhos selecionados, estão as técnicas originadas no campo computacional. Os trabalhos encontrados apresentam discussões que transitam entre algoritmos de sistemas computacionais a métodos aplicados no campo de inteligência artificial.

No tocante a outras áreas, foram incluídas nessa categoria as abordagens de avaliação de HSM aplicadas no campo de estudos de usabilidade e também as medidas relacionadas à fisiologia humana, com 8% de representação nos trabalhos encontrados.

Justificando o estado da arte sobre métodos de avaliação da aquisição de HSM encontra-se o emprego da análise de técnicas em cada abordagem, o que possibilitou verificar que há métodos de avaliação aplicados tanto em contextos reais como em contextos virtuais de avaliação (Tabela 8). No entanto, não se verificou técnicas ou abordagens de avaliação automatizadas em AVIs 3D concebidas, de forma extensível, para avaliação de diferentes tarefas virtuais em contextos de treinamento médico, o que denota a motivação subjacente de investigar no presente trabalho um dos principais fatores de avaliação.

Além disso, a motivação para investigação no campo de treinamento médico é justificada, quando se verifica a predominância de trabalhos de avaliação da aquisição de HSM nesta área (Figura 11). O campo de treinamento médico

82 demonstra ser área potencial para a utilização de tecnologias que contribuem para a aplicação do método proposto nesta investigação, atingindo 45% de representação no universo dos trabalhos selecionados.

De forma específica, o âmbito de contribuição do método proposto ultrapassa o campo educacional ou de treinamento, podendo também servir de apoio à avaliação de HSM aplicável a processos de reabilitação humana. Esta característica está presente em 27% dos trabalhos selecionados.

Associados aos métodos de avaliação de aquisição de HSM, foram também identificados parâmetros presentes em diferentes abordagens de avaliação. Tomando como base os critérios de similaridade, diferentes parâmetros foram agrupados em sete categorias, a saber: i) erros; ii) tempo; iii) esforço e orientação; iv) percurso, destreza, sucesso ou insucesso; v) retroalimentação; vi) usabilidade ou grau de experiência; e vii) parâmetros capturados com a indicação de sinais fisiológicos humanos.

Para obtenção de valores relacionados aos parâmetros apresentados nas categorias retrocitadas, verifica-se que há diferentes formas de captura. Nota-se que há trabalhos que mencionam valores quantitativos ou qualitativos, que são obtidos por meio de questionários ou avaliações subjetivas ou capturados por meio de simuladores físicos ou dispositivos eletrônicos.

Quanto à captura de valores para parâmetros automatizados, destacam- se os dispositivos que incluem robôs (com destaque para exoesqueletos), tablets, sensores e marcadores, simuladores físicos e diversos dispositivos computacionais utilizados no campo de RV ou de sistemas multimídia.

Presentes em 45% dos trabalhos (Tabela 13) estão as formas de captura de parâmetros relacionadas ao registro de percurso em tarefas que abrangem duas dimensões específicas: por meio da captura de trajetórias e pela captura de gestos.

A captura de trajetória está presente na maior parte dos trabalhos em contextos virtuais (Tabela 8) e, como dito em parágrafos anteriores, essa técnica demonstra ter potencial para compor o processamento de diferentes métricas de avaliação de HSM. Para efeito de ilustração, é possível destacar a contribuição de Stylopoulos e Vosburgh (2007) por dois motivos: por apresentar um modelo de grande importância para a compreensão de trajetória como unidade de informação proveniente de ambientes tridimensionais e por mostrar o processamento de

83 diversas métricas como comprimento de caminho, suavidade de movimento e ambidestreza (destreza manual).

Já a captura de gestos foi objeto de estudo na maior parte de trabalhos aplicados em contextos reais (Tabela 8). Essa dimensão envolve trabalhos com marcadores ou sensores para monitorar partes do corpo humano ou instrumentos em simuladores físicos utilizados no campo de reabilitação humana.

Ainda no tocante à captura de gestos, alguns autores salientam desafios quanto à obtenção do posicionamento ideal de sensores quando estes são afixados em instrumentos ou no corpo humano. São exemplos disso o trabalho de King et al. (2009) relativo ao desenvolvimento de uma luva de sensores sem fio com tecnologia BSN e o trabalho de Raphael et al. (2009), que utiliza o posicionamento de sensores para a captura de medidas fisiológicas humanas.

Observam-se ainda parâmetros que possuem valores quantitativos (métricas) capturados diretamente de uma unidade básica de informação, como o tempo. No entanto, nem todos os parâmetros possuem valores básicos representativos de uma única dimensão da informação. Em alguns trabalhos, verificou-se a aplicação de técnicas específicas para o processamento de valores compostos por diferentes dimensões de informação, por exemplo, o processamento de suavidade envolvendo o modelo Jerk, que processa métricas envolvendo diferentes medidas como tempo, aceleração e força.

Para melhorar a compreensão, a Tabela 11 destaca diferentes parâmetros relacionados à dimensão de uma unidade básica de informação (tempo) e a Tabela 13, parâmetros relacionados a métricas processadas envolvendo diferentes dimensões de informação como trajetória, oscilação de ângulos, comprimento de caminho e suavidade (Jerk).

Com base no estudo de métodos e parâmetros de avaliação, foi possível ainda verificar que grande parte dos métodos de avaliação é concebida para processar informações em diferentes etapas, a saber: i) captura de parâmetros de avaliação (de forma automatizada ou não automatizada; ii) processamento de parâmetros de avaliação (por diversas técnicas ou abordagens discutidas na Seção 2.2.1; e iii) processamento da avaliação de aquisição de HSM.

Diante das contribuições do estudo exploratório inicial e dos processos de RS, foi possível elaborar um método de avaliação da aquisição de HSM, conforme metodologia de projeto apresentada no próximo capítulo.

84