Immersive Virtual Reality in Education: A Systematic Review of Learning Outcomes, Challenges, and Future Directions

Resumo Técnico: Realidade Virtual Imersiva na Educação: Uma Revisão Sistemática de Resultados de Aprendizagem, Desafios e Direções Futuras

Declaração do Problema
A Realidade Virtual (RV) emergiu como uma tecnologia educacional transformadora, capaz de converter ambientes de aprendizagem convencionais em experiências imersivas, interativas e centradas no aluno. Embora a literatura existente sugira que a RV potencializa o desenvolvimento cognitivo, a motivação e o desempenho acadêmico por meio da aprendizagem experiencial e simulações realistas, as evidências permanecem fragmentadas em diversos domínios educacionais. Revisões sistemáticas anteriores concentraram-se, em grande parte, em disciplinas específicas (ex: ensino superior, enfermagem ou engenharia), tornando difícil estabelecer uma compreensão abrangente da eficácia geral da RV imersiva. Além disso, há uma carência de síntese em relação às barreiras de implementação, tendências tecnológicas e direções de pesquisa futuras em todo o espectro de configurações educacionais, desde o K–12 até o treinamento profissional.

Metodologia
Este estudo apresenta uma revisão sistemática aderindo à estrutura PRISMA 2020 (Preferred Reporting Items for Systematic Reviews and Meta-Analyses).

• Estratégia de Busca: Uma busca abrangente foi realizada em importantes bibliotecas digitais científicas (IEEE Xplore, ACM Digital Library, SpringerLink, ScienceDirect, Wiley, MDPI, Taylor & Francis, Frontiers, Nature Portfolio) e no Google Scholar.
• Período de Tempo: As publicações foram restritas ao período entre janeiro de 2020 e junho de 2026.
• Critérios de Seleção: A revisão incluiu artigos de periódicos revisados por pares, revisões sistemáticas, meta-análises e artigos de conferências de alta qualidade escritos em inglês. A inclusão exigiu a investigação da RV imersiva em contextos educacionais (ensino superior, treinamento, saúde, STEM, reabilitação, K–12) com avaliações de resultados de aprendizagem, engajamento, motivação ou retenção de conhecimento.
• Critérios de Exclusão: Foram excluídos estudos focados exclusivamente no desenvolvimento de hardware sem avaliação educacional, aqueles que investigavam Realidade Aumentada (RA) sem um componente de RV imersiva, editoriais, resumos e relatórios não revisados por pares.
• Processo: De um conjunto inicial de 639 registros, 86 duplicatas foram removidas. Após a triagem de título/resumo e a avaliação de elegibilidade do texto completo, 115 estudos revisados por pares foram retidos para síntese qualitativa.
• Análise: Devido à significativa heterogeneidade nos desenhos de estudo, populações de participantes e medidas de resultado, uma síntese temática qualitativa foi empregada em vez de uma meta-análise estatística. A síntese focou em cinco temas: domínios de aplicação, benefícios de aprendizagem, tendências tecnológicas, desafios de implementação e direções futuras.

Principais Contribuições
O artigo apresenta cinco contribuições primárias para o campo:

1. Síntese Cross-Domain: Sintetiza evidências de 115 estudos em seis distintos cenários educacionais (ensino superior, treinamento, saúde, STEM, reabilitação e K–12), indo além das limitações de domínio específico de revisões anteriores.
2. Análise Comparativa: Fornece uma comparação cross-domain de padrões de aplicação e resultados de aprendizagem relatados, vinculando benefícios específicos aos seus contextos instrucionais.
3. Identificação de Barreiras: Identifica barreiras de implementação recorrentes, incluindo cybersickness (enjoo tecnológico), custos de hardware, limitações de acessibilidade, treinamento insuficiente de professores e preocupações com privacidade.
4. Análise de Tendências: Analisa tendências de publicação e distribuições geográficas, destacando a maturidade da pesquisa em setores específicos versus áreas emergentes.
5. Roteiro Futuro: Esboça direções de pesquisa futuras específicas, incluindo aprendizagem adaptativa assistida por IA, análise de aprendizagem multimodal, avaliação longitudinal e considerações éticas.

Resultados

• Tendências de Publicação: A atividade de pesquisa acelerou significativamente entre 2020 e 2023, atingindo o pico com 31 estudos em 2023. A atividade permaneceu alta em 2024 (25 estudos) antes de declinar em 2025–2026, uma tendência atribuída em parte à cobertura parcial de dados dos anos.
• Distribuição por Domínio: O ensino superior dominou o corpus com 48 estudos, seguido por treinamento (33), educação em saúde (31), STEM (10), reabilitação (8) e educação K–12 (7). Esta distribuição reflete o duplo papel da RV no aprendizado conceitual e no treinamento procedimental para tarefas de alto risco.
• Distribuição Geográfica: Os Estados Unidos lideraram com 22 estudos, seguidos pela China (11), Alemanha (9), Reino Unido (7) e Austrália e Espanha (6 cada).
• Resultados de Aprendizagem: Os benefícios mais frequentemente relatados incluíram melhoria no engajamento do aluno, motivação, compreensão conceitual, confiança procedimental e retenção de conhecimento. A RV foi considerada particularmente eficaz para tarefas que exigem raciocínio espacial, interação incorporada ou exposição segura a cenários complexos/perigosos (ex: ensaio cirúrgico, resposta a emergências).
• Desafios: Persistem barreiras significativas, incluindo cybersickness (especialmente no K–12), altos custos para implantação em larga escala, questões de acessibilidade, falta de metodologias de avaliação padronizadas e preocupações com a privacidade em relação à coleta de dados biométricos e comportamentais.
• Qualidade da Evidência: Embora o engajamento e a motivação sejam consistentemente relatados, a revisão observa uma escassez de estudos longitudinais e comparações rigorosas com métodos tradicionais, o que limita as afirmações sobre retenção de conhecimento e transferência a longo prazo.

Significância e Alegações
Os autores posicionam esta revisão como uma visão abrangente do estado atual da educação baseada em RV, esclarecendo onde a base de evidências é madura e onde permanece limitada. O artigo alega que a RV imersiva é mais eficaz não como um substituto universal para a instrução tradicional, mas como uma tecnologia habilitadora para atividades de aprendizagem que são difíceis, inseguras, caras ou impossíveis de realizar em salas de aula físicas.

A significância dos achados reside na mudança do foco da novidade tecnológica para a integração pedagógica. A revisão argumenta que a eficácia educacional depende mais do design instrucional, da prontidão do professor e da capacidade institucional do que da sofisticação do hardware isoladamente. Ela defende uma transição em direção a "ecossistemas de aprendizagem inteligentes" que integrem Inteligência Artificial (IA) para tutoria adaptativa e análises multimodais para feedback personalizado.

Crucialmente, o artigo mantém uma postura modesta em relação a alegações causais. Ele reconhece que os benefícios observados podem refleter, em parte, efeitos de novidade ou medições imediatas pós-teste. Portanto, defende que pesquisas futuras priorizem avaliações longitudinais, estruturas de avaliação padronizadas e governança ética para estabelecer evidências robustas capazes de guiar a implementação e as políticas em larga escala. A revisão conclui que, embora a RV possua um potencial substancial, sua adoção responsável requer o enfrentamento de inconsistências metodológicas, equidade no acesso e o desenvolvimento de designs instrucionais específicos para o contexto e apropriados para a idade.