Terapia breve de voz em RV com feedback do clínico suscitou prosódia docente em futuros professores - mas aumentou o desconforto vocal

Contexto

Os professores estão entre os utilizadores de voz profissional mais comuns a desenvolver perturbações de voz - aproximadamente 57% dos professores norte-americanos reportam problemas de voz, e 20-35% dos professores pré-profissionais já mostram sintomas de perturbações de voz antes de entrar na carreira. A maioria dos programas de bem-estar vocal é administrada em contextos clínicos que não replicam as pistas auditivas e visuais de uma sala de aula real, o que contribui para um desafio de transferência de longa data na terapia da voz. Nudelman e Bottalico propuseram-se testar em piloto uma breve intervenção preventiva de voz em RV com professores pré-profissionais, combinando elementos da Conversation Training Therapy (CTT) com feedback de clínico em tempo real administrado dentro de uma sala de aula de RV imersiva.

A intervenção situa-se na interseção de três linhas anteriores: as demonstrações de Remacle e colaboradores de que as salas de aula em RV podem elicitar características de voz de estilo de sala de aula dos professores (2021, 2023); o desenvolvimento por Gartner-Schmidt/Gillespie de CTT como terapia de voz focada na generalização (2016, 2019, 2021); e a literatura mais ampla de aprendizagem motora que enfatiza a relevância contextual para a transferência de competências.

O que os investigadores fizeram

Dez estudantes universitários de educação da Faculdade de Educação da UIUC foram recrutados via folheto e palavra de boca. Todos passaram triagens de voz (VHI-10, V-RQOL, VFI, estroboscopia) e triagem auditiva (audiometria de tom puro 250-8000 Hz). Todos os dez eram do sexo feminino, com idades 18-19 (M=18,5, DP=0,7). A experiência decorreu num único dia numa Whisper Room de parede dupla com atenuação de som (226 × 287 × 203 cm) na UIUC.

Três condições em ordem fixa (sem contrabalançamento - os autores assinalam isto como limitação):

1. Condição de controlo (5 minutos): Participante sentada a um metro de um membro da equipa de investigação na Whisper Room. Falou sobre si própria e descreveu um dia típico. Concebida para elicitar fala de conversação.

2. Condição de estilo de ensino (20 minutos): Mesmo arranjo de assento individual. A participante ensinou uma aula ao membro da equipa de investigação como se estivesse numa sala de aula real. O SPL vocal da participante foi monitorizado via medidor de nível de som NTi XL2 calibrado (amostragem de 1 segundo). Esta foi uma elicitação de estilo clínico de fala de ensino, NÃO uma simulação completa de sala de aula.

3. Condição de intervenção de ensino em RV (20 minutos): Participante em headset Meta Quest 2 a correr software Ovation, com auscultadores abertos Sennheiser HD600 a correr software de auralização Reaper (auralização capturada de uma sala de aula real utilizando um Simulador de Cabeça e Torso). A vista da participante: uma sala de aula virtual com múltiplos avatars de alunos virtuais. O clínico (Nudelman) controlou um avatar virtual na cena; um medidor de nível de som NTi XL2 (transmitido em direto via webcam Logi C270 HD para um membro da equipa de investigação fora da Whisper Room) monitorizou o SPL vocal da participante. Quando o SPL excedeu o percentil 85 basal da participante derivado da condição de estilo de ensino, o investigador monitor sinalizou ao avatar de clínico para levantar a mão dentro do display de RV, indicando à participante que trouxesse consciência para a produção de voz usando sinais de fala clara CTT. Mínimo 1 minuto entre sinais. Pré-intervenção: ensaio de estimulabilidade para sinais de fala clara CTT. A própria intervenção foi concebida de acordo com o Rehabilitation Treatment Specification System (RTSS) e reportada por lista de verificação TIDieR.

Medidas de resultado (pós cada condição):

• Acústica de voz: nível de pressão sonora (SPL), desvio padrão de SPL (SPL_dp), frequência fundamental (fo), desvio padrão de fo (fo_dp), dose de tempo (Dt%) - todos extraídos via script MATLAB personalizado + Praat 6.0.13 a partir de gravações de voz feitas num microfone NTi Audio M2211 calibrado (30 cm, 0° de azimute) através de uma placa de som Tascam UH-7000.
• Estado vocal: esforço vocal, fadiga vocal, desconforto vocal - cada um classificado de 0-100 numa escala visual analógica (EVA).
• Presença: um Questionário de Presença de Gatineau Modificado (GPQ) administrado apenas após a condição de RV - 5 itens classificados de 0-100.

Análise. Modelos lineares de efeitos mistos (LME) ajustados por REML no R 4.2.0, com ID do participante como interceto aleatório. Dentro da condição de RV, a presença de feedback foi examinada como segundo fator fixo em LMEs separados. Janela de 30 segundos pós-cada-evento-de-feedback utilizada como segmento de análise. Treze LMEs no total. Os autores explicitamente NÃO aplicaram correções de comparações múltiplas, justificando isto em bases de piloto em fase precoce.

O que encontraram

Aceitabilidade e presença. Classificações GPQ modificado (0-100): Presença M=75,0 (DP=24,6), Realismo M=65,5 (DP=29,1), Artificial M=46,0 (DP=31,3), Consciência de RV M=51,5 (DP=30,8), Voz Afetada M=50,5 (DP=22,9). Estas são descritivamente comparáveis às medidas paralelas de Remacle et al. (2023) com estudantes de professores, indicando níveis amplamente semelhantes de imersão e realismo.

Resultados acústicos de voz entre condições (vs. controlo como referência). O SPL NÃO diferiu significativamente entre qualquer uma das três condições. O SPL_dp foi mais alto em RV (+0,6 dB, p=,045) - os autores interpretam isto como estilo mais animado, percetualmente consistente com padrões de voz mais saudáveis em utilizadores de voz profissional. O fo foi mais alto na condição de estilo de ensino (+9,7 Hz, p=,020) mas NÃO na condição de RV (p=,120). O fo_dp foi mais alto em AMBAS as condições de estilo de ensino (+8,4 Hz, p=,014) E RV (+5,6 Hz, p=,007) - ambas elicitaram prosódia de estilo de ensino. O Dt% foi MENOR em RV (-5,5%, p<,001) do que na condição de controlo; o estilo de ensino não diferiu do controlo em Dt%.

Resultados acústicos de voz dentro de RV - feedback presente vs. ausente. Após cada episódio de feedback de avatar de clínico (dentro da janela de análise de 30 segundos):

• SPL: significativamente MENOR após feedback (-1,5 dB, p<,001)
• SPL_dp: significativamente MAIOR após feedback (+0,4 dB, p=,007)
• fo: significativamente MENOR após feedback (-5,6 Hz, p=,011)
• fo_dp: sem efeito de feedback (p=,332)
• Dt%: significativamente MENOR após feedback (-4,7%, p=,001)

Os autores interpretam estas como modulações de curto prazo consistentes com carga vocal reduzida, e explicitamente advertem que as magnitudes são modestas e podem não generalizar.

Estado vocal autorrelatado (EVA 0-100). A condição de estilo de ensino aumentou o esforço vocal (+18,0, p=,013), a fadiga vocal (+15,4, p=,022) e o desconforto vocal (+27,9, p=,003) vs. controlo. A condição de RV aumentou o desconforto vocal (+20,5, p=,023) vs. controlo, mas não diferiu significativamente do controlo no esforço vocal (+11,5, p=,095) ou fadiga vocal (+4,2, p=,503). O aumento de desconforto vocal na condição de RV é um achado que deve acompanhar qualquer interpretação clínica - a RV não foi ‘mais fácil’ para os participantes do que a linha de base de conversação.

Porque é relevante

Este piloto é um dos primeiros estudos a integrar feedback de clínico estilo Conversation Training Therapy com uma sala de aula de RV imersiva para trabalho preventivo de voz com professores pré-profissionais. Os achados acústicos - particularmente o fo_dp aumentado em ambas as condições de estilo de ensino e RV (indicando prosódia de estilo de ensino) e as modulações de curto prazo em SPL, fo e Dt% após feedback de avatar de clínico - apoiam a viabilidade do modelo de administração e fornecem um sinal inicial de que a RV + CTT pode produzir ajustes fonatórios mensuráveis.

Mas três ressalvas são críticas para a interpretação clínica:

1. A condição de RV AUMENTOU significativamente o desconforto vocal autorrelatado vs. controlo. Isto não é mencionado no enquadramento atual do Evidence Hub, que se foca nos achados acústicos positivos. Qualquer citação clínica deve emparelhar os desvios acústicos com o achado de desconforto - os participantes não experienciaram a RV como mais fácil do que a linha de base de conversação.

2. Os autores são explícitos ao afirmar que significância estatística ≠ significância clínica. Escrevem: ‘A significância estatística neste estudo piloto não equivale a significância clínica. Dada a amostra pequena e a breve intervenção de sessão única, a magnitude das alterações acústicas observadas nos presentes resultados não deve ser assumida como traduzindo-se em resultados vocais clinicamente significativos.’ Esta ressalva deve ser preservada quando o estudo for citado.

3. Ordem das condições fixa, amostra exclusivamente feminina, fonte de universidade única, participantes apenas vocalmente saudáveis. Os 20-35% de professores pré-profissionais que já têm sintomas de perturbação de voz não estão representados; o design não pode descartar efeitos de ordem/prática/aquecimento.

Limitações

Os autores assinalam as seguintes explicitamente:

• Amostra pequena, vocalmente saudável, exclusivamente feminina de estudantes universitárias de uma única universidade. Não representa a população mais ampla de professores pré-profissionais, particularmente os 20-35% que já reportam sintomas de perturbação de voz antes de entrar no ensino.
• Ordem das condições fixa (controlo → estilo de ensino → RV) sem contrabalançamento. Os participantes podem ter experienciado efeitos de aquecimento vocal, e a familiaridade crescente com a tarefa experimental entre condições não pode ser descartada.
• Durações de tarefas desiguais entre condições (o controlo foi 5 min; o estilo de ensino e a RV foram 20 min cada). Os autores referem que isto pode contribuir para diferenças aparentes entre condições.
• Validade ecológica da sala de aula de RV: os avatars de alunos virtuais não encenaram comportamentos interativos (sem perguntas espontâneas de alunos, interrupções ou trocas comunicativas bidirecionais), pelo que a interação de ensino refletiu apenas um subconjunto das exigências vocais autênticas de sala de aula.
• Separação do componente CTT vs. RV: a condição de RV combinou sinalização estilo CTT com RV imersiva; o design piloto não pode separar qual contribuiu para os desvios acústicos observados.
• Ingrediente de volição não medido. A intervenção incluiu instruções e justificação concebidas para apoiar a adesão dos participantes à abordagem de voz na vida diária, mas não foram capturados dados longitudinais para avaliar se isto foi transferido.
• O feedback de limiar quantitativo de SPL é distinto do feedback clínico típico - os clínicos fornecem mais comummente feedback dirigido ao doente com base na avaliação auditivo-percetual da qualidade da voz, não num limiar de SPL personalizado.
• Significância estatística ≠ significância clínica. Os autores advertem explicitamente que a magnitude das alterações acústicas nesta amostra pequena não deve ser assumida como traduzindo-se em resultados vocais clinicamente significativos.
• Estatuto Article-in-Press na altura desta auditoria (aceite a 10 de março de 2026). Atribuição de volume/número/página pendente.
• Relação de fundo relevante. O autor correspondente Charles J. Nudelman é também o primeiro autor da revisão de escopo Nudelman, Niu, Hutz e Edwards (2026) AJSLP de RV imersiva em TFL já neste Evidence Hub - ambos os artigos foram escritos em 2026 a partir do seu trabalho de doutoramento em curso.