Um grupo de pesquisadores da Indonésia e de Taiwan desenvolveu e validou um sistema de inteligência artificial baseado em vídeo para medir automaticamente o alcance de movimento (range of motion, ROM) de estudantes em aulas de Educação Física, reduzindo a dependência de goniómetros manuais e abrindo caminho para avaliações mais objetivas, rápidas e escaláveis na escola.
O QUE HÁ DE NOVO: O estudo apresenta um sistema de avaliação de ROM que usa algoritmos de estimativa de postura, como MediaPipe e OpenPose, aplicado diretamente a vídeos captados por celulares e laptops em contexto escolar. A solução foi desenhada para a realidade da Educação Física na educação básica, com participação ativa de professores na definição das necessidades e com validação por especialistas e testes piloto em sala de aula, demonstrando viabilidade prática com turmas numerosas e infraestrutura simples.
COMO FUNCIONA: O sistema parte de uma gravação em vídeo convencional, feita com câmera de smartphone ou computador, durante a execução de movimentos específicos pelos alunos, como flexões e extensões de ombro, joelho ou tronco. Os algoritmos de visão computacional fazem a estimativa da postura corporal quadro a quadro, identificando pontos-chave do corpo (juntas e segmentos) e calculando automaticamente os ângulos articulares relevantes para o ROM em cada exercício solicitado pelo professor.
A equipe utilizou um modelo holístico de desenvolvimento em quatro etapas — definir, desenhar, desenvolver e difundir — para estruturar o projeto. Primeiro, mapeou com professores as dificuldades de usar goniómetros em turmas grandes; depois, desenhou uma interface simples, com feedback visual em tempo real e geração automática de medidas; em seguida, construiu o protótipo integrando os algoritmos de postura ao software educativo; por fim, submeteu a solução a validação por especialistas em biomecânica e Educação Física e a pilotos com alunos, refinando o sistema a partir de uso real.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Na sala de aula de Educação Física, medir o ROM sempre foi um desafio: instrumentos tradicionais exigem tempo, contato físico próximo e alta habilidade técnica, o que limita o número de alunos avaliados e favorece arbitrariedades. Com a automação via IA, o professor pode avaliar turmas inteiras com mais rapidez, registrar dados objetivos de flexibilidade e mobilidade e acompanhar a evolução dos alunos ao longo do ano, sem depender de equipamentos caros ou de laboratórios especializados.
Para o trabalho docente, a ferramenta funciona como um suporte à tomada de decisão pedagógica. Em vez de se concentrar na coleta manual de medidas, o professor pode dedicar mais tempo à correção de técnica, à adaptação de exercícios e ao planejamento de intervenções personalizadas com base em dados. Em escala de rede, registros digitais consistentes de ROM alimentam diagnósticos mais finos sobre saúde musculoesquelética e nível de aptidão física dos estudantes, contribuindo para políticas de promoção de atividade física e prevenção de lesões.
PRINCIPAIS RESULTADOS: Segundo os autores, o sistema mostrou boa precisão na medição de ângulos articulares quando comparado a referências tradicionais, em linha com evidências recentes sobre o uso de câmeras e aplicativos de goniometria em contexto clínico e esportivo. A combinação de estimativa de postura em vídeo com algoritmos de cálculo de ângulos permitiu resultados consistentes o suficiente para apoiar decisões pedagógicas em Educação Física, sem exigir dispositivos vestíveis ou marcadores físicos no corpo dos estudantes.
Nos testes em escolas, professores relataram que o uso do sistema reduziu o tempo gasto para avaliar o ROM em comparação com o método manual e facilitou a visualização de diferenças de mobilidade entre alunos. Para os estudantes, a possibilidade de ver seus próprios movimentos na tela, associados a ângulos e indicadores objetivos, aumentou a compreensão sobre o que significa ter maior ou menor alcance de movimento e reforçou a motivação para melhorar a técnica e a flexibilidade ao longo das aulas.
INSIGHT CENTRAL: O ponto-chave da pesquisa é deslocar a IA de um papel de substituição do professor para um papel de ampliação da capacidade de observação e feedback na Educação Física. Em vez de automatizar toda a avaliação física, o sistema concentra-se em uma dimensão específica — o ROM — que é crucial para desempenho motor, prevenção de lesões e reabilitação, mas historicamente difícil de medir em ambientes escolares comuns, sobretudo em países com grande número de alunos por turma.
Ao usar vídeos e algoritmos de postura, a proposta aproveita tecnologias já exploradas em contextos clínicos e de alto rendimento esportivo e as adapta para a escola, com custo relativamente baixo e processos simplificados. Isso desloca a avaliação de ROM da lógica de laboratório para o cotidiano das aulas, permitindo que a mensuração se torne parte integrada do ensino de habilidades motoras, da alfabetização física e da formação de hábitos saudáveis desde o ensino fundamental.
SIM, MAS… (limitações e riscos): A adoção de um sistema de IA baseado em vídeo em escolas traz desafios práticos. As medições dependem de condições adequadas de iluminação, posicionamento da câmera e espaço físico livre de obstruções — requisitos nem sempre disponíveis em quadras e pátios escolares, especialmente em redes públicas com infraestrutura limitada. Além disso, há a necessidade de formação docente: o uso incorreto do enquadramento ou a escolha inadequada de exercícios pode comprometer a qualidade das medições e gerar interpretações equivocadas.
Outro ponto sensível é a privacidade e a proteção de dados de crianças e adolescentes, dado que o sistema trabalha com imagens e vídeos. As escolas precisam de protocolos claros para consentimento, armazenamento, anonimização e eventual descarte dos registros, além de políticas que evitem o uso indevido das imagens para fins alheios à prática pedagógica. Sem esse cuidado, iniciativas promissoras em termos de avaliação e saúde podem acabar aprofundando a desconfiança em relação à digitalização da Educação Física.
EXEMPLOS NA PRÁTICA EDUCACIONAL: Em uma turma de anos iniciais do ensino fundamental, o professor pode organizar estações nas quais grupos de alunos realizam movimentos de flexão e extensão de ombro ou joelho enquanto um celular, fixado em tripé, registra a execução. O sistema de IA processa o vídeo e, em poucos instantes, mostra os ângulos obtidos por cada estudante, permitindo comparar os resultados com faixas de referência adequadas à idade e orientar atividades específicas de alongamento e fortalecimento ao longo do bimestre.
Em escolas com foco em esporte educacional, as medições de ROM podem ser usadas para monitorar a evolução da mobilidade em modalidades que exigem gestos complexos, como ginástica, atletismo ou esportes de raquete. Gestores de redes podem, ainda, utilizar relatórios agregados — sem identificar individualmente os estudantes — para planejar programas de prevenção de problemas posturais, dialogando com a literatura que relaciona alcance de movimento com dor musculoesquelética, desempenho e risco de lesões em jovens.
O QUE VEM DEPOIS: A pesquisa abre uma agenda de desenvolvimento e avaliação de longo prazo. Um próximo passo é testar o sistema em contextos variados — escolas públicas e privadas, áreas urbanas e rurais, diferentes países — para verificar se a precisão e a usabilidade se mantêm sob condições heterogêneas. Também há espaço para integrar a avaliação de ROM a outras soluções de IA em Educação Física, como sistemas de feedback automático de técnica, óculos inteligentes ou plataformas de acompanhamento de treino, criando ecossistemas de dados mais completos sobre o desenvolvimento motor dos estudantes.
Do ponto de vista das políticas educacionais, o desafio será transformar esse tipo de inovação em referência para diretrizes de avaliação na Educação Física escolar, conciliando rigor técnico, viabilidade orçamentária e salvaguardas éticas. Estudos futuros podem investigar impactos de longo prazo: em que medida o uso contínuo de sistemas de ROM baseados em IA melhora a alfabetização física, reduz lesões, apoia estudantes com necessidades específicas e contribui para consolidar a Educação Física como componente central da promoção de saúde na escola.
Fonte: Video-based AI system for automatic range of motion assessment in Physical Education and sport
Fonte(s): http://revistaretos.org/index.php/retos/article/view/117535
