A Bibliometric Mapping of Airport Security: Research Trends, Thematic Structure, and Practical Implications

Cada vez que um viajante entra em um aeroporto, ele entra em um sistema complexo projetado para equilibrar duas necessidades concorrentes: a necessidade absoluta de segurança e o desejo por uma jornada suave e eficiente. Nos bastidores desses postos de controle de segurança, uma revolução silenciosa tem ocorrido na forma como os pesquisadores entendem e melhoram o processo. Por décadas, o foco foi dividido entre dois mundos distintos. De um lado, há o elemento humano: o treinamento, a psicologia e os limites cognitivos dos agentes de inspeção que observam imagens de raio-X para detectar itens perigosos. Do outro lado, há a fronteira tecnológica: o rápido desenvolvimento de computadores e softwares que podem reconhecer ameaças automaticamente em bagagens. Embora ambos os lados visem manter os céus seguros, eles têm operado frequentemente em faixas separadas, raramente conversando entre si. Essa separação levanta uma questão crítica para o futuro das viagens: como podemos combinar melhor a habilidade humana com a inteligência de máquina para criar um sistema de segurança que seja ao mesmo tempo eficaz e eficiente?

Para responder a isso, um pesquisador chamado Tarık Mildan, da Universidade de Kocaeli, na Turquia, decidiu mapear todo o panorama da pesquisa acadêmica sobre segurança aeroportuária. Em vez de ler cada um dos estudos individualmente, o que seria impossível dado o enorme volume de trabalho, ele utilizou um método chamado análise bibliométrica. Pense nisso como uma forma de tirar uma fotografia de uma biblioteca vasta e desenhar um mapa mostrando quais livros são mais lidos juntos, quais autores conversam entre si e quais tópicos estão ganhando popularidade. Ao reunir 1.207 documentos acadêmicos publicados entre 2010 e o início de 2025 de uma grande base de dados chamada Scopus, Mildan criou uma representação visual da estrutura intelectual do campo. Ele observou quem escreveu os artigos, quais palavras usaram com mais frequência e como os tópicos mudaram ao longo do tempo. O objetivo não era apenas contar artigos, mas entender os padrões ocultos que ditam como o conhecimento neste campo é construído e onde permanecem as lacunas.

O mapa revelou uma história clara de dois caminhos paralelos que têm corrido lado a lado. Um caminho está profundamente enraizado na psicologia humana. No centro deste grupo está um pesquisador chamado Adrian Schwaninger, que lidera uma rede de estudiosos focados em como as pessoas veem e interpretam imagens. Esses estudos analisam os processos mentais dos agentes de inspeção, como eles são treinados para detectar ameaças e como interagem com as máquinas que utilizam. Essa tradição tem sido constante e consistente, construindo uma base sólida de conhecimento sobre o desempenho humano e os desafios cognitivos de observar imagens de raio-X por horas a fio. O outro caminho é impulsionado pela engenharia e ciência da computação. Este lado do mapa explodiu nos últimos anos, particularmente após 2019. É dominado pela pesquisa em aprendizado profundo (deep learning), um tipo de inteligência artificial que permite aos computadores "ver" e identificar objetos. Os termos mais frequentes neste agrupamento incluem "deep learning", "detecção de objetos" e ferramentas de software específicas como YOLO, que significa "You Only Look Once" (Você Só Olha Uma Vez). Esta tecnologia permite que as máquinas escaneiem bagagens e sinalizem ameaças potenciais em uma fração de segundo, uma capacidade que se tornou um padrão na pesquisa moderna.

O que torna este mapa tão valioso é que ele mostra como esses dois caminhos têm se ignorado amplamente. Os pesquisadores que estudam a psicologia humana raramente citam os artigos escritos pelos cientistas da computação, e vice-versa. Os dados mostram que, enquanto o grupo de fatores humanos possui uma comunidade de colaboradores muito unida, o grupo tecnológico é um campo massivo e de crescimento rápido que atraiu milhares de citações. Os autores mais prolíficos no setor tecnológico são especialistas em visão computacional e inteligência artificial, enquanto os especialistas em fatores humanos são psicólogos e pesquisadores aplicados. Essa divisão sugere que o campo está atualmente dividido em duas conversas separadas. Uma conversa é sobre como treinar uma pessoa para ser melhor em seu trabalho, e a outra é sobre como construir uma máquina que possa fazer o trabalho por ela. O estudo sugere que essa separação pode ser um problema, pois o futuro da segurança aeroportuária provavelmente depende da integração dessas duas abordagens, em vez de mantê-las separadas.

A linha do tempo da pesquisa conta outra história importante. Durante os primeiros oito anos do período de estudo, de 2010 a 2018, o número de publicações cresceu de forma lenta e constante. No entanto, a partir de 2019, a produção aumentou dramaticamente, atingindo um pico em 2023 e 2024. Esse salto repentino coincide com a adoção generalizada de técnicas avançadas de visão computacional. O surto não foi apenas um aumento geral de interesse; foi especificamente impulsionado por uma enxurrada de novos estudos sobre aprendizado profundo, imagens de raio-X e detecção automatizada de ameaças. As áreas temáticas desses artigos confirmam essa mudança. A maioria do trabalho agora provém de departamentos de engenharia e ciência da computação, com uma parte significativa também vinda de matemática e física. Embora as ciências sociais e a psicologia ainda contribuam com um número substancial de estudos, sua participação tornou-se menor em relação à crescente literatura técnica. Isso indica que o campo está se tornando cada vez mais técnico, com um foco pesado na construção de melhores algoritmos e sistemas de detecção.

Apesar do crescimento impressionante da tecnologia, o mapa também destaca o que está faltando. A pesquisa é fortemente inclinada para a mecânica da detecção: como tornar as máquinas mais rápidas, mais precisas e melhores na identificação de armas ou explosivos. No entanto, a experiência do passageiro é quase não mencionada. Há pouquíssima pesquisa conectando o processo de inspeção de segurança à forma como os viajantes se sentem, quanto tempo esperam ou quão satisfeitos estão com o serviço. Da mesma forma, os aspectos políticos e econômicos mais amplos da segurança aeroportuária são pouco explorados. Enquanto o lado técnico da equação está sendo resolvido com grande velocidade, o lado humano da equação — como esses sistemas se encaixam na vida cotidiana dos viajantes e como são regulamentados — permanece um ponto cego. O estudo sugere que pesquisas futuras precisam preencher essas lacunas, observando como a detecção automatizada pode ser integrada ao treinamento humano e como as medidas de segurança podem ser projetadas para serem seguras e amigáveis ao passageiro.

Para as pessoas que realmente administram aeroportos e desenham políticas de segurança, essas descobertas oferecem um guia claro. A persistência da tradição de pesquisa em fatores humanos sugere que as máquinas não são um substituto para os agentes de inspeção humanos, mas sim uma ferramenta que deve ser usada ao lado deles. Os dados indicam que, mesmo conforme desenvolvemos uma inteligência artificial melhor, devemos continuar a investir no treinamento de pessoas, porque a confiança entre o agente e a máquina é uma questão psicológica complexa que não pode ser presumida. Além disso, o ritmo acelerado da mudança tecnológica significa que as regras e regulamentos que regem a segurança aeroportuária precisam acompanhar esse ritmo. Se a tecnologia está avançando todos os anos, os processos de certificação para novos equipamentos não devem ficar anos atrasados. Finalmente, o estudo aponta que a estratégia de segurança mais eficaz provavelmente virá da conexão entre programas de inspeção baseados em risco, que tratam os passageiros de forma diferente dependendo de seu nível de risco, e as novas ferramentas de detecção automatizada. Ao unir esses fluxos separados de pesquisa, a indústria da aviação pode caminhar para um sistema que seja não apenas mais inteligente, mas também mais coeso e eficaz para todos os envolvidos.