Este artigo foi originalmente publicado na edição nº 166 da Edifícios e Energia (Julho/Agosto 2026)
O AUTOR
Dejan Mumovic
Special Issue Editor, Professor, MEng MSc PhD CEng FCIBSE FIBPSA
REHVA Journal Board Member
A resiliência climática não se resume apenas a resistir a fatores físicos de stress, mas também a garantir que o edifício apoia a saúde e o bem-estar humanos. Isto significa dar prioridade à qualidade do ambiente interior – ou seja, garantir uma boa qualidade do ar interior e condições confortáveis de temperatura, iluminação e acústica -, aspetos fundamentais em edifícios escolares, onde estão em causa a saúde cognitiva e física dos ocupantes.
As políticas de resiliência climática centradas nos edifícios escolares ilustram uma abordagem multinível: os organismos europeus e nacionais definem os quadros estratégicos e as prioridades de financiamento, enquanto a implementação ocorre localmente, com soluções adaptadas para responder aos desafios únicos enfrentados pelas escolas em diferentes regiões. Para apoiar os governos nacionais, é necessária uma mudança de paradigma na formulação de políticas, incorporando todos os princípios de resiliência climática: (a) mitigação, (b) adaptação e (c) qualidade do ambiente interior favorável à aprendizagem.
Este artigo apresenta uma abordagem multifacetada para desenvolver um quadro de investigação que combina a experimentação física sobre o efeito da qualidade do ambiente interior no desempenho cognitivo em ambiente controlado com modelos bem definidos do parque escolar edificado. O que alcançámos até agora no UCL – Institute for Environmental Design and Engineering na última década? Já atingimos os nossos objetivos?
Descarbonização
Ao analisar a modelação do parque escolar edificado, existem duas abordagens principais: modelação baseada em arquétipos e modelação individual (edifício a edifício), cada uma com vantagens e desvantagens complementares.
Modelação baseada em arquétipos:
Esta abordagem agrupa os edifícios escolares em categorias representativas com base em características comuns, tais como o período de construção, o tipo de edifício e os perfis de utilização. Em vez de simular cada edifício individualmente, desenvolvem-se alguns arquétipos que captam o desempenho “médio” de cada subgrupo.
Em Inglaterra, poucas escolas foram construídas antes da revolução industrial no século XIX, quando foi estabelecido o sistema de ensino de massas. Estas escolas são conhecidas como escolas vitorianas. O início do século XX traz a influência do movimento alemão Bauhaus, seguido por dois períodos distintos do pós-guerra, incluindo as pouco apreciadas escolas pré-fabricadas CLASP.
No final da década de 1970, foram introduzidos os primeiros requisitos regulamentares térmicos para escolas e, progressivamente, a forma dos edifícios escolares tornou-se menos prescrita. As vantagens incluem: (a) menores requisitos de dados e computação, (b) simplicidade para análise de políticas ou avaliações gerais de parques escolares regionais ou nacionais, e (c) facilidade de comunicação, pois os resultados resumidos usando arquétipos são frequentemente mais fáceis de passar a partes interessadas que podem não estar familiarizadas com detalhes técnicos. Para mais detalhes sobre a modelação por arquétipos, consulte o artigo escrito pela Dr. Jie Dong.
A desvantagem introduzida pela média e agrupamento pode ocultar as características únicas de cada escola. A variabilidade no desempenho energético, design e orientação da escola, meio edificado circundante, microclimas locais ou nuances operacionais específicas podem perder-se na tradução. Isto é especialmente crítico quando se testam medidas de reabilitação ótimas com o objetivo de aumentar a resiliência climática.
Modelação individual (edifício a edifício):
Em contraste, a modelação individual envolve a criação de uma simulação detalhada para cada edifício escolar. Este método utiliza dados granulares, desde detalhes específicos de construção, sistemas do edifício, densidade e padrões de ocupação. As principais características incluem: (a) maior precisão, (b) potencial para melhor exatidão e, pelo lado negativo, (c) exigências elevadas de dados e computação. A seguinte figura apresenta o enquadramento individual denominado Modelling Platform for Schools (MPS).
A MPS é um enquadramento automatizado concebido para gerar modelos
de simulação térmica dinâmica para edifícios escolares individuais. Desenvolvido por investigadores do UCL, a MPS integra diversas fontes de dados, como geometria do edifício, dimensão e número de edifícios no recinto escolar, recolhidos de bases de dados como Edubase, Condition Data Collection (CDC) e Ordnance Survey (OC). A National Calculation Methodology (NCM) e os Display Energy Certificates (DEC) são usados para determinar padrões de ocupação, densidade de ocupantes e intensidade real de utilização de energia para validar a MPS.
A MPS permite a criação automática de 67 mil edifícios escolares em mais de 22 mil escolas em Inglaterra, com diferentes graus de sucesso (um sistema de semáforos é usado para descrever desde a correspondência perfeita até “prestar atenção”). Uma representação digital típica das escolas no parque escolar inglês é apresentada na Figura 2.
Ao automatizar a criação de modelos de simulação térmica, a MPS não só facilita uma análise abrangente do parque escolar existente, como também apoia decisões políticas relativas a melhorias de eficiência energética e reabilitações destinadas a reduzir as emissões de carbono.
Ao tratar cada escola individualmente, esta abordagem pode captar a heterogeneidade inerente a um parque escolar diversificado. Isto é particularmente útil ao planear melhorias de eficiência energética personalizadas ou quando existem edifícios específicos que requerem intervenções à medida.
Como considera as condições e configurações exatas de cada escola, abordagem pode potencialmente fornecer uma estimativa mais precisa do consumo de energia, desempenho térmico e impacto das reabilitações. A desvantagem é que a recolha de dados abrangentes para cada edifício é intensiva em recursos, e a execução de simulações para centenas ou milhares de edifícios pode ser computacionalmente exigente. A decisão sobre qual método utilizar depende frequentemente dos objetivos do estudo, dos dados disponíveis e do nível de detalhe requerido.
Na prática, se os dados estiverem disponíveis, frameworks como a MPS podem ser usadas em modo híbrido: (a) a abordagem baseada em arquétipos funciona bem para políticas nacionais e estratégias gerais de descarbonização do parque edificado, e (b) a modelação individual para intervenções personalizadas e análise detalhada quando o objetivo é identificar as características específicas e necessidades de reabilitação de cada escola.
Apesar de os modelos baseados em arquétipos ainda serem predominantemente utilizados, a versatilidade dos modelos individuais e a crescente disponibilidade de dados levarão à sua utilização generalizada no futuro
Desempenho cognitivo
Como referido acima, as estratégias de resiliência climática exigem uma abordagem holística para além da intensidade de utilização de energia e das emissões de carbono (operacionais e incorporadas). Vários estudos demonstraram que tanto a temperatura interior como a ventilação influenciam significativamente o desempenho cognitivo dos alunos.
A investigação indica que existe uma faixa de temperatura ótima – normalmente entre 19 e 23 °C – onde os alunos têm melhor desempenho em tarefas cognitivas. Desvios para cima podem causar desconforto, letargia e dificuldade de concentração em tarefas complexas, o que pode diminuir o desempenho académico global. Por outro lado, ambientes demasiado frios também podem perturbar a atenção e o conforto, sublinhando a necessidade de encontrar um equilíbrio para condições ótimas de aprendizagem.
Uma má ventilação leva frequentemente à acumulação de CO2 (utilizado como indicador das taxas de ventilação), o que tem sido correlacionado com sintomas como dores de cabeça, sonolência e redução da concentração – todos fatores que podem prejudicar a função cognitiva (muitos artigos académicos não diferenciam o CO2 como indicador das taxas de ventilação ou como poluente por si só; consulte o artigo do Dr. Ben Jones sobre este tema, que faz uma crítica à investigação atual na área do ambiente construído).
Ao otimizar o conforto térmico e a qualidade do ar interior, as escolas podem criar um ambiente de aprendizagem mais favorável, que apoia um desempenho cognitivo robusto, melhorando assim os resultados académicos.
O que é necessário saber? Cognição refere-se aos processos mentais relacionados com o conhecimento que ocorrem no cérebro, incluindo atenção, memória, aprendizagem, linguagem, raciocínio, resolução de problemas, tomada de decisões, perceção e muitos outros processos vitais. A medição da cognição pode ser realizada através de vários métodos, cada um com diferentes graus de objetividade e sensibilidade.
É essencial compreender que, ao contrário dos resulta dos de aprendizagem, que “pertencem” ao desempenho individual em tarefas e/ou disciplinas, o desempenho cognitivo oferece uma avaliação quantitativa mais ampla e duradoura da capacidade cognitiva de uma pessoa, transcendendo contextos de aprendizagem.
Para integrar as funções de desempenho cognitivo nos modelos do parque edificado, são necessários estudos robustos realizados em ambientes controlados, para que possamos ligar os resultados das simulações dos edifícios às funções relevantes de desempenho cognitivo.
Na minha opinião, os estudos baseados em resultados de aprendizagem não devem ser acoplados aos modelos do parque escolar, pois a aprendizagem é um fenómeno muito mais complexo. Um processo experimental típico é apresentado na Figura 3.
O desenvolvimento da tecnologia informática levou ao aparecimento de várias baterias de testes cognitivos informatizados. Estes testes foram criados e validados para avaliar regiões cerebrais específicas, oferecendo inúmeras vantagens em relação aos métodos tradicionais em papel. Para além de permitirem distinguir diferentes domínios cognitivos, a recolha de dados pode ser automática, minimizando potenciais erros e a influência do avaliador.
Os computadores permitem registos precisos, como a medição exata dos tempos de resposta. A implementação de avaliações padronizadas e a flexibilidade para ajustar os níveis de dificuldade dos testes informatizados minimizam eficazmente os efeitos de teto e de chão.
Embora o desempenho cognitivo não tenha “unidades” padrão como as medições físicas (por exemplo, temperatura), a velocidade (tempo de resposta por unidade de tempo) e a precisão (percentagem de erros possíveis) são normalmente usadas como principais indicadores para caracterizar o desempenho dos alunos em diferentes tarefas cognitivas. Muitas vezes, são expressos como um valor relativo, como CPL (Cognitive Performance Loss, ver artigo da Dr. Jie Dong).
No UCL utilizamos o Behavioural Assessment and Research System (BARS), mas, em princípio, as vantagens das baterias de testes cognitivos (SMS, BARS, NATB) sobre os testes tradicionais são: (a) validade comprovada na medição do desempenho cognitivo em vários domínios, (b) frequentemente padronizados, tornando-os menos suscetíveis a enviesamentos, (c) podem ser administrados por pessoal com formação limitada, e (d) abrangem uma gama mais ampla de domínios associados à educação.
A Figura 3 propõe um conjunto de testes de desempenho cognitivo adequados a ambientes de aprendizagem (algumas simplificações podem ser possíveis, mas são necessárias mais evidências). Para uma descrição detalhada, consulte o artigo do Dr. Didong Chen nesta edição.
Com base na nossa experiência na avaliação do desempenho cognitivo de alunos em ambientes controlados (com base nos trabalhos de doutoramento da Dr. Riham Ahmed, 2016, Dr. Didong Chen, 2025 e Dr. Zeyu Zhao, 2025), para permitir a integração na simulação do parque escolar, os estudos experimentais devem:
1. Ser bem documentados, incluindo a conceção do estudo, aprovação ética, execução, análise de dados e acesso aos dados criados através de plataformas de acesso aberto como o GitHub;
2. Realizar um cálculo robusto do tamanho da amostra antes da experiência para garantir o poder estatístico suficiente dos resultados;
3. Implementar uma bateria de testes cognitivos validada, medindo uma ampla gama de domínios cognitivos relevantes para a aprendizagem;
4. Controlar fatores como idade, género, exercício físico recente, sono e cafeína, que há muito estão associados ao funcionamento cognitivo dos indivíduos;
5. Considerar fatores de confusão, garantindo que a temperatura, taxas de ventilação e/ou qualquer outro parâmetro sejam a única variável independente. Se tal não for possível, os estudos devem quantificar e divulgar a variabilidade nos fatores de confusão, permitindo aos investigadores determinar se estes fatores podem afetar os resultados do desempenho
cognitivo;
6. Testar um indivíduo de cada vez na câmara pode ser uma melhor solução, pois um participante pode ser influenciado por outro durante o teste cognitivo.
Ao comparar os resultados de investigações anteriores, diferentes testes cognitivos foram usados para medir o desempenho cognitivo, sendo que cada teste pode estar associado a vários domínios cognitivos, o que dificulta a obtenção de conclusões definitivas ao comparar resultados de diferentes testes. É necessário interpretar os resultados de uma perspetiva agregada antes de a comunidade académica chegar a um consenso.
Técnicas como eletroencefalografia (EEG), monitorização da frequência cardíaca e fMRI (functional Magnetic Resonance Imaging) fornecem aos investigadores meios para compreender e avaliar profundamente o desempenho cognitivo, avaliando mecanismos de resposta fisiológica e psicológica.
Não são frequentemente aplicadas à investigação do ambiente construído, pelo que uma abordagem mais transdisciplinar poderá tornar-se norma nos próximos anos. Embora não sejam diretamente necessárias para integração nos modelos de simulação de edifícios, estas técnicas podem melhorar ainda mais a robustez das funções de desempenho cognitivo necessárias.
Alterações climáticas
As escolas existentes em Inglaterra continuarão a funcionar durante muitos anos, muitas das quais não consideram as alterações climáticas na sua construção e operação. O CIBSE (Chartered Institution of Building Services Engineers) fornece ficheiros de dados meteorológicos especializados, essenciais para a conceção de edifícios resilientes ao clima no Reino Unido.
O CIBSE disponibiliza ficheiros meteorológicos futuros baseados nas projeções climáticas do Reino Unido (UKCIP09), cobrindo (a) períodos: 2020s, 2050s, 2080s, (b) cenários de emissões: baixo, médio, alto, e (c) percentis: P10 (mais frio), P50 (mediano), P90 (mais quente). Estes estão atualmente disponíveis para 14 localizações no Reino Unido e são estruturados para apoiar simulações sob diferentes futuros climáticos.
Para dados meteorológicos de alta resolução (2,2 km) sobre alterações climáticas no Reino Unido, o CIBSE está a testar um novo conjunto de ficheiros meteorológicos baseados nas projeções locais UKCP18 (2,2 km), que deverão ser implementados no futuro.
Com base no modelo arquétipo do parque escolar inglês desenvolvido no UCL, a Dr. Jie Dong estimou as distribuições de frequência das perdas horárias de desempenho cognitivo, Cognitive Performance Losses (CPLs), nas escolas inglesas por região durante dias letivos sem aquecimento (Figura 4).
Note-se que as escolas no sul de Inglaterra têm um número mínimo de horas categorizadas como ‘sem perda’ e ‘sem perda significativa’ em climas futuros, ambos muito superiores aos das outras duas regiões. Tendo isto em conta, todas as políticas de mitigação e adaptação devem considerar as diferenças regionais.
Por fim, a Figura 5 mostra o potencial do ar condicionado como medida ativa de adaptação na redução da perda de desempenho cognitivo dos alunos em escolas isoladas. Os valores medianos de perda de desempenho cognitivo e as cargas de arrefecimento correspondentes a temperaturas de referência de 21 °C e 25 °C em escolas das três regiões de Inglaterra evidenciam um aumento significativo da carga de arrefecimento na região sul de Inglaterra com as alterações climáticas, caso se pretenda manter a perda de desempenho cognitivo em níveis favoráveis à aprendizagem.
Infelizmente, à data da redação deste artigo, o impacto da descarbonização nas alterações climáticas e no desempenho cognitivo ainda não foi analisado, mas a modelação por arquétipos definiu as tendências e desafios que enfrentaremos na transição para a neutralidade carbónica.
Promover uma mudança de paradigma em políticas baseadas em evidências
A resiliência e adaptação climática têm vindo a ganhar interesse não só por parte de especialistas em edifícios, mas também de educadores e decisores políticos do setor da educação. Para apoiar os governos nacionais, é necessária uma mudança de paradigma na formulação de políticas, incorporando todos os princípios de resiliência climática: (a) mitigação, (b) adaptação e (c) qualidade ambiental interior favorável à aprendizagem.
A abordagem de modelação individual é versátil, permitindo tanto intervenções personalizadas e análises detalhadas quando o objetivo é identificar as características e necessidades de reabilitação de cada escola, como, se agregada a nível nacional e regional, formar a base para políticas e estratégias baseadas em evidências.
No entanto, as partes interessadas sem conhecimentos técnicos em edifícios podem ter dificuldade em compreender plenamente os resultados das avaliações de desempenho baseadas em indicadores tradicionais de engenharia, como taxas de ventilação, temperatura operativa, do ar ou radiante, e as implicações destes resultados no desempenho cognitivo das crianças nas salas de aula.
Utilizar a perda de desempenho cognitivo como indicador de desempenho facilita a comunicação dos resultados da investigação ao público-alvo, usando uma linguagem compreensível por não especialistas.
Agradecimentos
Este artigo de reflexão baseia-se na síntese do trabalho realizado por uma grande equipa de colegas e investigadores doutorados nos últimos 15 anos. Um agradecimento especial à Dr. Jie Dong, Dr. Duncan Grassie, Dr. Didong Chen, Dr. Zeyu Zhao, Dr. Riham Ahmed, Dr. Greig Paterson, Dr. Sung Min Hong, que obtiveram os seus doutoramentos em vários aspetos do trabalho sobre edifícios escolares que serviram de base às ideias aqui apresentadas. Também agradeço à equipa principal de académicos e investigadores pós-doutorados com quem trabalhei nestes temas, especialmente aos membros principais: Dr. Ivan Korolija, Dr. Yair Schwartz e Daniel Godoy Shimizu.
Fotografia de destaque: © Shutterstock
As conclusões expressas são da responsabilidade dos autores.
