Melhorando o desenvolvimento infantil monitorando creches barulhentas

Durante alguns de seus anos mais formativos, muitas crianças vão para creches fora de casa. Enquanto estiverem lá, eles precisam de um ambiente saudável e de apoio que inclua fala e conversa significativas. Isso depende da paisagem sonora da creche.

Em sua apresentação no 183º Encontro da Acoustical Society of America, Kenton Hummel, da Universidade de Nebraska-Lincoln, descreveu como a pesquisa de paisagem sonora em creches pode melhorar os resultados e experiências de crianças e provedores. A apresentação é intitulada “Aplicando técnicas de clustering de aprendizado de máquina não supervisionado a paisagens sonoras de cuidados infantis”.

“Poucos estudos examinaram rigorosamente o interior som qualidade das creches”, disse Hummel. “A escassez de pesquisa pode privar provedores e engenheiros de fornecer a mais alta qualidade de atendimento possível. Este estudo visa entender melhor o ambiente saudável das creches para preparar o caminho para um melhor cuidado infantil.”

O objetivo da pesquisa é entender a relação entre o ruído e as pessoas. Altos níveis de ruído e longos períodos de som alto e flutuante podem afetar negativamente crianças e equipe, aumentando o esforço necessário para se comunicar. Em contraste, um baixo nível de ruído de fundo permite uma fala significativa, o que é essencial para Línguacerebral, cognitivo e social/desenvolvimento emocional.

Hummel é membro do UNL Soundscape Lab liderado por Erica Ryherd. Sua equipe colaborou com especialistas em engenharia, detecção, cuidados infantis e saúde para monitorar três creches por períodos de 48 horas. Eles também pediram aos funcionários que avaliassem o som em seu local de trabalho. A partir daí, eles usaram o aprendizado de máquina para caracterizar o ambiente acústico e determinar quais fatores influenciam a experiência da criança e do provedor.

“Trabalhos recentes em escritórios, hospitais e escolas utilizaram o aprendizado de máquina para entender seus respectivos ambientes de uma forma que vai além das análises acústicas típicas”, disse Hummel. “Este trabalho utiliza técnicas de aprendizado de máquina semelhantes para construir e expandir esse trabalho”.