O movimento físico pode fazer mais do que registrar uma decisão: ele pode ajudar a moldar a própria aprendizagem. Pesquisadores da Florida Atlantic University e da Brown University relatam que participantes que faziam movimentos maiores em realidade virtual aprenderam melhor certas categorias visuais do que pessoas que respondiam com simples pressionamentos de botões.
O trabalho, publicado na Science Advances, concentra-se na aprendizagem de categorias — o processo de decidir a qual grupo pertence um novo objeto ou padrão. É uma habilidade básica por trás de julgamentos cotidianos, desde reconhecer se uma estrada parece escorregadia até avaliar uma imagem médica ou decidir se uma fruta parece madura. As explicações tradicionais geralmente trataram o movimento como o resultado final desse julgamento, e não como um fator que modifica a aprendizagem.
Testando o movimento dentro da realidade virtual
Para examinar essa suposição, os pesquisadores criaram um experimento imersivo de VR no qual os participantes aprendiam a categorizar padrões visuais. Alguns faziam pequenas respostas usando botões. Outros usavam movimentos maiores dos braços, incluindo socar uma caixa de resposta virtual ou balançar um sabre de luz virtual para atingir um alvo.
A comparação foi planejada para separar a tarefa informacional — aprender a classificar os padrões — do tamanho e da forma da ação usada para responder. O resultado não foi uma conclusão geral de que mais movimento melhora todo tipo de aprendizagem. Em vez disso, a vantagem dependia do tipo de categoria que os participantes tentavam dominar.
Segundo os pesquisadores, movimentos maiores favoreceram a aprendizagem baseada em padrões. Essa distinção é importante porque a aprendizagem de categorias não é um processo único. Algumas classificações podem ser feitas por meio de regras simples, enquanto outras exigem que as pessoas percebam relações mais amplas entre características. As novas descobertas sugerem que o papel do corpo pode ser especialmente relevante neste último tipo de aprendizagem.
Um desafio aos modelos centrados apenas na mente
O estudo desafia a tendência de longa data de apresentar a categorização como principalmente cognitiva. Em muitas tarefas de laboratório, a pessoa vê um item, faz um julgamento interno e então pressiona uma tecla. Essa sequência pode fazer a resposta parecer incidental. Mas, fora do laboratório, a aprendizagem humana frequentemente ocorre enquanto as pessoas estendem a mão, giram, apontam, manipulam objetos e se deslocam pelo espaço físico.
A equipe da Florida Atlantic e da Brown argumenta que essas ações não devem ser automaticamente tratadas como um mecanismo passivo de entrega de uma resposta. Seus resultados indicam que os movimentos de resposta podem influenciar ativamente o que é aprendido, pelo menos para algumas categorias de padrões visuais.
Isso não significa que sabres de luz virtuais sejam uma ferramenta educacional universal, nem que um gesto maior necessariamente gere melhor retenção em todos os contextos. As evidências descritas no estudo são mais restritas: movimentos maiores melhoraram o desempenho para determinadas exigências de aprendizagem em um experimento controlado de VR. O tipo de categoria aprendida continuou sendo central para determinar se o benefício do movimento aparecia.
Por que a descoberta pode ser importante
A pesquisa aponta para uma questão de design dos sistemas de treinamento imersivo. Se o movimento pode apoiar a aprendizagem baseada em padrões, experiências de VR para treinamento profissional ou educação talvez precisem considerar mais do que realismo visual e feedback. A resposta física exigida do aluno pode fazer parte do design instrucional.
Entre as tarefas potencialmente relevantes estão situações em que as pessoas precisam aprender a distinguir padrões visuais complexos. O artigo cita exemplos como identificar uma estrada escorregadia, reconhecer uma lesão potencialmente perigosa em um exame médico ou avaliar se uma fruta está madura. O estudo não estabelece que o movimento em VR melhorará o desempenho nessas aplicações do mundo real, mas oferece uma razão para testar como as ações são combinadas com a prática de reconhecimento de padrões.
O trabalho também contribui para uma visão mais ampla da cognição, na qual percepção, ação e aprendizagem estão intimamente conectadas. Em vez de tratar o corpo como um dispositivo que executa uma decisão mental já concluída, essa visão pergunta se a ação pode mudar o sistema de tomada de decisões enquanto ele se desenvolve.
O que ainda precisa ser testado
Pesquisas futuras precisarão estabelecer quão duradouro é o efeito, quais movimentos são mais úteis e se os ganhos são transferidos de um ambiente virtual para tarefas reais. Também será importante determinar em que ponto movimentos maiores se tornam impraticáveis, distrativos ou fisicamente inacessíveis para os alunos.
Por enquanto, a principal lição é mais precisa do que um endosso geral à aprendizagem ativa. Neste experimento, a forma como os participantes respondiam mudou o quanto eles aprendiam um tipo específico de categoria. Esse resultado oferece aos designers de ferramentas de aprendizagem em VR uma nova variável a considerar: não apenas o que os alunos veem e decidem, mas o que fazem fisicamente enquanto decidem.
Este artigo baseia-se em uma reportagem do Phys.org. Leia o artigo original.
Originally published on phys.org
