Desenvolvimento de Ferramenta em Python para Análise Comportamental no Blender: Uma Proposta Aplicada ao Design Ergonômico de Playgrounds

Desenvolvimento de Ferramenta em Python para Análise Comportamental no Blender: Uma Proposta Aplicada ao Design Ergonômico de Playgrounds

Lopes, Fernando Azevedo; Pasquarella, Luis Carlos

Artigo:

1. Introdução Este trabalho apresenta o desenvolvimento de uma ferramenta para análise comportamental em vídeos criada em linguagem Python para o software Blender, surgida pela necessidade de uma metodologia que facilitasse a categorização de ações de usuários em playgrounds, garantindo maior velocidade na análise e tratamento dos dados, e parâmetros confiáveis para o Design Ergonômico destes equipamentos. A revisão teórica revelou que metodologias empregadas apresentam limitações quanto a mensuração do tempo de atividades, e a possibilidade de registro em vídeo como solução (Stellino e Sinclair, 2014; McKenzie et al., 2000 e Loebach; Cox, 2020). Alguns softwares de análise comportamental, como BORIS e Datavy, apresentam limitações de personalização e integração direta com processos de design. Assim, optou-se pelo uso do Blender, software de código aberto e gratuito que, além de modelagem, também oferece recursos de edição de vídeos, o Video Sequence Editor (VSE) e de programação (Scripting Editor). Essa combinação permitiu o desenvolvimento de uma ferramenta adaptada às demandas da pesquisa. 2. Materiais e Métodos Os recursos nativos de edição do Blender possibilitaram o tratamento e segmentação precisa do tempo das ações observadas. Todas as funcionalidades, painéis e comandos em Python foram desenvolvidos através do Editor de Scripts. Um painel de interface para categorização e anotação de ações observadas em vídeo (Figura 1) foi criado para associar automaticamente esses parâmetros ao trecho selecionado, além de sua duração e ordem de ocorrência automaticamente. Dessa forma, cada trecho de vídeo armazena os dados selecionados no painel que, posteriormente, podem ser exportados em formato .csv para análise estatística. A fim de revisar inconsistências na atribuição de parâmetros, foi criado o painel “Faixas do Canal”, permitindo revisão e validação visual das categorias (Figura 2). Para automatização de tarefas repetitivas como identificação e correção de erros, foram escritos comandos como exemplo de função: verificar se toda faixa com parâmetro “equipamento” = “nenhum”, possui “tipo de ação” = “não se aplica”, se encontrar, alerte. 3. Resultados e Discussões Das métricas extraídas destacam-se: diversidade de ações, tempo médio de uso, número de transições entre equipamentos e proporção de ações não pragmáticas. Além da categorização, os dados foram tratados, agrupados e estruturados para exportação em .csv possibilitando a aplicação de métodos estatísticos pelo software Jamovi. 4. Considerações Finais O desenvolvimento de uma ferramenta personalizada mostra-se uma alternativa viável para tratamento e análise de dados. Embora demande algum conhecimento em programação, a velocidade no tratamento e análise dos dados resultaram em um ganho de tempo expressivo, o que contribui para os métodos de análise de interação entre usuários e equipamentos preconizados pelo design ergonômico.

1. Introdução Este trabalho apresenta o desenvolvimento de uma ferramenta para análise comportamental em vídeos criada em linguagem Python para o software Blender, surgida pela necessidade de uma metodologia que facilitasse a categorização de ações de usuários em playgrounds, garantindo maior velocidade na análise e tratamento dos dados, e parâmetros confiáveis para o Design Ergonômico destes equipamentos. A revisão teórica revelou que metodologias empregadas apresentam limitações quanto a mensuração do tempo de atividades, e a possibilidade de registro em vídeo como solução (Stellino e Sinclair, 2014; McKenzie et al., 2000 e Loebach; Cox, 2020). Alguns softwares de análise comportamental, como BORIS e Datavy, apresentam limitações de personalização e integração direta com processos de design. Assim, optou-se pelo uso do Blender, software de código aberto e gratuito que, além de modelagem, também oferece recursos de edição de vídeos, o Video Sequence Editor (VSE) e de programação (Scripting Editor). Essa combinação permitiu o desenvolvimento de uma ferramenta adaptada às demandas da pesquisa. 2. Materiais e Métodos Os recursos nativos de edição do Blender possibilitaram o tratamento e segmentação precisa do tempo das ações observadas. Todas as funcionalidades, painéis e comandos em Python foram desenvolvidos através do Editor de Scripts. Um painel de interface para categorização e anotação de ações observadas em vídeo (Figura 1) foi criado para associar automaticamente esses parâmetros ao trecho selecionado, além de sua duração e ordem de ocorrência automaticamente. Dessa forma, cada trecho de vídeo armazena os dados selecionados no painel que, posteriormente, podem ser exportados em formato .csv para análise estatística. A fim de revisar inconsistências na atribuição de parâmetros, foi criado o painel “Faixas do Canal”, permitindo revisão e validação visual das categorias (Figura 2). Para automatização de tarefas repetitivas como identificação e correção de erros, foram escritos comandos como exemplo de função: verificar se toda faixa com parâmetro “equipamento” = “nenhum”, possui “tipo de ação” = “não se aplica”, se encontrar, alerte. 3. Resultados e Discussões Das métricas extraídas destacam-se: diversidade de ações, tempo médio de uso, número de transições entre equipamentos e proporção de ações não pragmáticas. Além da categorização, os dados foram tratados, agrupados e estruturados para exportação em .csv possibilitando a aplicação de métodos estatísticos pelo software Jamovi. 4. Considerações Finais O desenvolvimento de uma ferramenta personalizada mostra-se uma alternativa viável para tratamento e análise de dados. Embora demande algum conhecimento em programação, a velocidade no tratamento e análise dos dados resultaram em um ganho de tempo expressivo, o que contribui para os métodos de análise de interação entre usuários e equipamentos preconizados pelo design ergonômico.

Palavras-chave: Blender; Python; Design de Playground; Pesquisa em Design; Design Blender; Python; Design de Playground; Pesquisa em Design; Design

DOI: 10.5151/1JPPD-0016

Referências bibliográficas

• [1] Stellino, M. B., Sinclair, C. Examination of children's recess physical activity patterns using the Activities for Daily Living–Playground Participation (ADL-PP) instrument. Journal of Teaching in Physical Education, v. 33, n. 2, p. 282–296, 2014. DOI: https://doi.org/10.1123/jtpe.2013-0156
• [2] Loebach, J., Cox, A. Tool for Observing Play Outdoors (TOPO): a new typology for capturing children's play behaviors in outdoor environments. International Journal of Environmental Research and Public Health, v. 17, n.15, p. 5611, 2020. DOI: https://doi.org/10.3390/ijerph17155611
• [3] McKenzie, T. L.; Marshall, S. J.; Sallis, J. F.; Conway, T. L, Leisure-Time Physical Activity in School Environments: An Observational Study Using SOPLAY, Preventive Medicine, v.30, n. 1, p.70-77, 2000. DOI: https://doi.org/10.1006/pmed.1999.0591
• [4] McKenzie, T. L.; Cohen, D. A.; Sehgal, A.; Williamson, S.; Golinelli, D. System for Observing Play and Recreation in Communities (SOPARC): reliability and feasibility measures. Journal of Physical Activity and Health, v. 3, n. 1, p. S208–S222, 2006. DOI: https://doi.org/10.1123/jpah.3.s1.s208

Como citar:

Lopes, Fernando Azevedo; Pasquarella, Luis Carlos; "Desenvolvimento de Ferramenta em Python para Análise Comportamental no Blender: Uma Proposta Aplicada ao Design Ergonômico de Playgrounds", p-44-46. In: 1º JPPD. São Paulo: Blucher, 2026.
ISSN 23186968, DOI 10.5151/1JPPD-0016