Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Autores:
Asesor:
Lima - Perú
2022
IMPLEMENTACIÓN
DEDICATORIA
Roberto Flores
A mis padres, porque me dieron un gran apoyo emocional durante el desarrollo de este informe y me
dieron la oportunidad de estudiar esta carrera.
Diego Luque
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 2
IMPLEMENTACIÓN
AGRADECIMIENTO
A nuestros Padres.
Por darnos la oportunidad de estudiar esta carrera y brindarnos su apoyo durante este proceso de
aprendizaje.
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 3
IMPLEMENTACIÓN
Tabla de contenidos
DEDICATORIA 2
AGRADECIMIENTO 3
CAPÍTULO I. INTRODUCCIÓN 5
1.1.3.3.1. Definición de ML 17
1.1.3.3.2. Objetivo de ML 18
1.1.3.3.3. Ventajas de ML 18
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 4
1.2. Formulación del Problema IMPLEMENTACIÓ
22
1.3. Objetivos 22
1.4. Hipótesis 23
1.5. Justificación 23
2.2. Población 26
2.3. Muestra 26
2.5. Procedimiento 28
4.1. Discusión 42
4.1.1. Limitaciones 42
4.1.3. Implicancias 43
4.2. Conclusiones 44
4.3. Recomendaciones 45
REFERENCIAS 46
ANEXOS 48
6
IMPLEMENTACIÓ
CAPÍTULO I. INTRODUCCIÓN
1.1. Realidad Problemática:
En los últimos años la tecnología avanza de forma rápida a tal punto que hoy los
realizar una actividad en el menor tiempo posible. Esto es muy favorable para sus usuarios,
ya que llegan a cumplir con sus expectativas generando confianza y satisfacción con los
estos avances tecnológicos sino también el sector de salud ya que existen sistemas que han
estará dirigida nuestro trabajo de investigación y determinamos que las personas con
señas no es exigente en el ámbito laboral. Debido a ello, estas personas son incapaces de
comunicación de las personas con deficiencia auditiva o oral y el oyente, nos muestra
mucha relevancia social y de salud puesto a que hay mucha gente que desconoce sobre el
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 7
IMPLEMENTACIÓ
lenguaje de señas, ya sea en cualquier ambiente que se encuentre esta persona con dicha
deficiencia. Por otro lado, también presenta una característica tecnológica, debido a que la
Según Aguilar R.M et al. (2019) El sistema utiliza algoritmos de predicción para la
identificación de los gestos realizados por el usuario y en base a lo que capture la cámara
en tiempo real, las imágenes capturadas pasarán a un proceso de análisis dentro del sistema
para proporcionar los datos obtenidos. La predicción para una nueva entrada se da como
una función de los puntos de datos utilizados para el entrenamiento del modelo.
Según Mathieu De Coster et al. (2021) los lenguajes de señas no tienen una forma
lenguaje de señas utilizado en el Perú. Se utilizará una cámara que captura las imágenes en
tiempo real para la traducción en texto en la pantalla del ordenador. Este sistema busca
objetivo determinar qué tan exactos pueden ser los modelos construidos con aprendizaje de
máquina, más específicamente con Deep Learning (DL) o Aprendizaje Profundo para
reconocer imágenes de señas empleadas por personas sordas en Colombia y si pueden ser
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 8
IMPLEMENTACIÓ
usados en la industria para dar apoyo a esta población en sus necesidades, especialmente
cuando requieren servicios públicos y/o privados de las diferentes entidades a nivel
privado. El estudio se desarrolló con una población de 6 personas para realizar el modelo,
en el que 1 era un intérprete. De los resultados obtenidos, el mejor modelo tuvo una
este trabajo pueda ser usado para construir no solo reconocimiento de imágenes, sino que
además posibilite que las palabras o etiquetas obtenidas permitan obtener una semántica
con Procesamiento Natural de Lenguaje PLN con el fin de mejorar la comunicación entre
automática del idioma árabe al lenguaje de señas árabe (ASL) a través de una arquitectura
Deep Learning popular: la red neuronal recurrente (RNN). Este sistema estaba basado en
Mendoza, Darío J. realizaron un sistema de visión artificial eficiente y de fácil acceso para
la interpretación del alfabeto y los números en el lenguaje de señas ecuatoriano, con el fin
de ser ejecutado por diferentes usuarios en distintos ambientes, como una herramienta que
también contribuya en el aprendizaje sobre el lenguaje de señas. Para ello se utilizó una
cámara web que fue la entrada para el procesamiento de las imágenes, como también se
utilizaron diferentes técnicas de visión artificial para combatir los efectos de la luz y
anomalías. El sistema ha sido probado en tiempo real por distintos usuarios y ha mostrado
material educativo para este sector de la población peruana. A raiz de los resultados
asistente virtual genere letreros virtuales bien hechos, cambiando palabras sin sentido en
signos a palabras u oración con signos explicativos del significado principal. Así mismo, la
traducción permite una mejor comprensión del contexto de las oraciones, cambiando
palabras sin sentido en signos a palabras u oración con signos explicativos del significado
principal.
inteligente que aporte directamente al sector de la salud brindando una alternativa para
humana.
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 10
IMPLEMENTACIÓ
visión artificial el cual ofrece las funciones necesarias para la traducción de lenguaje de
señas.
guiados autónomamente. Así mismo Zhang, X. (2022) aporta mencionando que la visión
artificial penetra en todos los aspectos de la vida y traerá grandes cambios a la sociedad
futura.
Según Aperador, W. et al. (2013) señala que este campo de la inteligencia artificial
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 11
IMPLEMENTACIÓ
conocer más información sobre su rubro y los servicios que ofrece. Por ello el
sistema web ayuda a que la empresa se haga más conocida en su entorno y que
cual realiza tareas tareas en el menor tiempo posible y con buena precisión ya que
procesos y servicios.
Según Fredström, A. et al. (2022), argumenta que el sistema web inteligente es una
tecnología innovadora que causa las siguientes ventajas para las empresas:
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 12
1. Son fáciles de usar. IMPLEMENTACIÓ
2. Escalables y de rápida actualización.
7. Aporta precisión
sistema, el cual tiene por objetivo ofrecer una información general de la empresa
especificando su rubro y qué servicios ofrece. Este proceso se divide en seis etapas:
que involucra el sistema, determinando el tiempo que toma realizar cada tarea y
● Desarrollo del sistema: En esta quinta etapa se realiza la elaboración del sistema
El sistema web inteligente cuenta con diversos enfoques que dependen del punto de
vista del usuario, Kang, K. et al. (2022) define cada uno de ellos de la siguiente manera:
● E-commerce: Es una tienda virtual, útil para generar ganancias y atraer más
Según De Coster, M. et al. (2021) redacta que la traducción del lenguaje de señas a
uno escrito es una tarea de traducción de video a texto. Por lo general, las declaraciones en
gestos con las manos, las expresiones faciales y los movimientos del cuerpo se utilizan
para la comunicación. Por lo que la comunicación entre una persona que se comunica
normalmente y una persona que tiene discapacidad auditiva puede llegar a involucrar a un
Zahid, H. et al. (2021) redacta que la diversidad de lenguas de señas que se observa
en todo el mundo indica que el idioma y la cultura locales y regionales son elementos
un sistema con visión artificial el cual está previamente entrenado con las imágenes
necesarias para comparar la imagen de entrada con la imagen de la base de datos del
sistema.
Siguiendo con esta idea, De Coster, M. et al. (2021) menciona que para que el
sistema realice la traducción de lenguaje de señas a texto, tiene que transcurrir algunas
sistema capturará la imagen de entrada en caso detecte una mano por medio de la
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 15
IMPLEMENTACIÓ
● Proceso de Análisis y Comparación: En este proceso se realizará un análisis de
la imagen de entrada el cual pasará por algoritmo de predicción para obtener los
datos necesarios para realizar una comparación con las imágenes que están
● Proceso de Salida: En este proceso se entregarán los resultados del sistema, estos
entrada con los datos de la imagen de la base de datos que más se parezca. Los
Iluminación:
captura de imágenes porque si la iluminación es demasiado alta o demasiado baja, los datos
Comunicación:
El sistema está conectado a otros sistemas que ayudan a la empresa a mejorar sus
procesos y actualizar su base de datos. Esto puede ayudar a mantener un control con la
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 16
gestión de inventario y verificar el estado de los suministros. IMPLEMENTACIÓ
Procesamiento:
Se trata del análisis de la imagen capturada por el sistema, para ello es necesario
utilizar un ordenador conectado a una cámara. Según Pichuco, J. (2019) para la recolección
Dispositivos:
los datos necesarios para recolectar los datos, esto incluye las cámaras, computador,
sensores, etc.
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 17
IMPLEMENTACIÓ
explícitamente. Esta metodología nos ayudará para el análisis predictivo de los gestos
Así mismo Aguilar R.M et al. (2019) menciona que su vertiente de algoritmos de
regresión también diseña modelos con fines de predicción. La principal diferencia con las
paramétricos.
que las computadoras aprendan y actúen como lo hacen los humanos, mejorando su
aprendizaje a lo largo del tiempo de una forma autónoma, alimentándose con datos e
Jara, J. et al. (2011) argumenta que las ventajas de implementar Machine Learning
artificial que analiza cada tarea para verificar cual es necesaria y apartar las que
no aportan, así mismo la máquina tendrá un control de las actividades que debe
ya que los malwares aplicados utilizan una codificación similar, lo cual ayuda a
● Mejorar el servicio: Esta metodología ayuda a conocer más a las necesidades del
cliente y que productos son los más solicitados. Esto se realiza de forma
patrones.
Según Kannan, R. et al. (2022) menciona que el aprendizaje automático sirve como
es beneficioso para las empresas ya que pueden depender de maquinarias que realicen
Sari, M. et al. (2022) argumenta que los modelos predictivos que utilizan métodos
Así mismo Kannan, R. et al. (2022) redacta que los enfoques de modelado
datos para el algoritmo de aprendizaje. Las etapas de Machine Learning se dividen en siete
que queremos lograr, cómo se realizará y a que punto queremos llegar. Esta etapa
algoritmo con una parte de la data, el resto de la data servirá para validar que
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 20
● Factor Tecnológico: Plataforma de desarrollo. IMPLEMENTACIÓ
● Factor de Negocio: Optimizar procesos y adaptarse al cambio.
Paso 1: Visión:
quiere realizar y establecer objetivos que nos ayuden a limitar el trabajo. Es necesario
definir esto para tener una comprensión clara de lo que se desea desarrollar.
utilizar los datos ofrecidos por la empresa, a mayor cantidad de datos mejora la precisión
de los resultados.
cargo que esté dividido por roles y responsabilidades que pacte fechas para revisar el
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 21
Paso 4: Gestión de cambios: IMPLEMENTACIÓ
Es necesario que la tecnología no se vea afectada al cambio ya que con el tiempo el
modelo de proceso actual puede llegar a actualizarse más de una vez. Por ello los
algoritmos de machine learning deben estar aptos para ser rediseñados de acuerdo al
proceso actualizado.
modificar sus criterios o límites de acuerdo a los resultados y ejecutar datos a gran
cantidad.
machine learning para la traducción de lenguaje de señas ofrece una buena atención de
1.4. Objetivos:
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 22
IMPLEMENTACIÓ
traducción del lenguaje de señas en la atención de personas con discapacidad auditiva del
centro de Lima.
OE1. Agilizar el tiempo de atención de las personas con discapacidad auditiva del
centro de Lima.
1.5. Hipótesis
machine learning para la traducción del lenguaje de señas ayuda en la atención de personas
machine learning para la traducción del lenguaje de señas agiliza el tiempo de atención de
1.6. Justificación:
Para realizar este trabajo de investigación que tiene como variables el sistema web
que son encuesta y observación. Estos instrumentos serán necesarios para recolectar los
datos para el estudio. Luego de recolectar los datos, se analizaran los datos por medio de
bizagi para corroborar la validación de estos y organizarlos por medio de excel con el
objetivo de precisar la influencia del sistema web inteligente con la traducción de lenguaje
discapacidad auditiva del centro de Lima, mejorará la calidad del servicio brindado por la
empresa. Además agiliza el tiempo que implica realizar dicha atención como también
establecidos.
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 24
IMPLEMENTACIÓ
CAPÍTULO II. METODOLOGÍA
2.1. Tipo de Investigación:
realizará una recolección de datos para realizar un análisis detallado. Este enfoque utiliza
y concreto.
proponer una alternativa de solución a la atención de las personas que se comunican por
lenguaje de señas en los centros de salud. Para (Murillo, 2008), la investigación aplicada se
investigación.
las personas que padecen de problemas auditivos no reciben una buena atención en el
sector de salud por falta de conocimiento sobre el lenguaje de señas por parte del personal.
Ya que este tipo de lenguaje no tiene mucha demanda en el área laboral, ocurren ciertos
casos en el que el paciente no logra ser atendido o necesita una persona que tome el rol de
traductor que lo ayude a comunicarse. De acuerdo con (Arias, 2006), el alcance de tipo
relaciones causa-efecto. En este sentido, los estudios explicativos pueden ocuparse tanto de
de acuerdo con (Dwyer, 1983) en los diseños transversales, la conducta de los sujetos se
registra en un punto de corte en el tiempo. De ahí el porqué, a veces, estos diseños son
2.2. Población:
La población para este trabajo de investigación serán las atenciones de las personas
que se comunican con lenguaje de señas, ya que podremos trabajar con estos casos para un
análisis más detallado. Según (Arias, 2006), define la población como un conjunto finito o
infinito de elementos con características comunes para los cuales serán extensivas las
Por otro lado, el tipo de muestreo que se aplicará será un muestreo sistemático,
debido a que se usará para la selección de muestras probabilísticas de una población, para
muestra deseado.
consideró como población a 610 personas que se comunican por lenguaje de señas en la
Ciudad de Lima.
2.3. Muestra:
accesible (Arias, 2006). Esta se calcula a través de una fórmula predeterminada, la cual
Larry, 2005):
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 26
2
Z .O . N
2 IMPLEMENTACIÓ
n= 2 2 2
e (N −1)+ Z . O
2 2 ❑
(1.96) .(0.5) .(610)
n=
(0.05)2 (610−1)+( 1.96)2 .(0.5)2
n=229.1093252
En donde:
lo general se tienen dos valores dependiendo el grado de confianza que se desee siendo
99% el valor más alto (este valor equivale a 2.58) y 95% (1.96) el valor mínimo
casos de atención.
primaria existen diversos instrumentos los cuales son, los más apropiados para el estudio
premeditación”.
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 27
IMPLEMENTACIÓ
En relación a lo mencionado en el párrafo anterior se puede decir que la técnica y el
instrumento de recolección de datos que se utilizará será por medio la observación la cual
está delimitada por los siguientes elementos, comenzando por el sujeto observador el cual
será designado como el investigador, lo observado que es aquello sobre lo que se desea
significativos que tienen que ser visualizados, los objetos de la observación, el contexto o
situación donde se dan los hechos observados, y por último los medios utilizados por el
observador que serán los sentidos vista, oído, etc. (Miguel Ángel, O. M., 2018).
2.5. Procedimiento
especificar la forma e instrumentos con los que se van registrar los datos, que en este caso
contextualizar los aspectos observados, tener medios de control necesarios para garantizar
responsable y sistemática.
de la voluntad y competencia para facilitar por parte de los individuos que forman el
los hechos se estudian de manera real en el misma lugar donde se están dando y se aborda
simular los casos de atención de acuerdo los parámetros otorgados por la empresa
y así poder comparar los resultados obtenidos con los datos brindados por la
empresa.
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 28
IMPLEMENTACIÓ
● Después se realizó la organización y esquematización de los datos utilizando el
En las encuestas realizadas a cada uno de los pacientes del centro de salud del
principios éticos:
datos que el centro de salud nos brinde. Dichos datos no serán divulgados sin el permiso y
Manejo de riesgos: Se debe mantener un control de los datos para evitar riesgos y
Por otro lado, en la encuesta no se pedirán los datos personales de los encuestados
ya que no es necesario y para mantener confidencialidad con ellos. Al igual se respetará las
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 29
IMPLEMENTACIÓ
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 30
CAPÍTULO III. RESULTADOS IMPLEMENTACIÓ
3.1. Análisis Descriptivo:
empresa en la que se está trabajando el estudio, por ello se aplicó una ficha de observación
muestra a continuación:
Tabla 1
Después de realizar la tabulación de los datos obtenidos se realizó una gráfica para
del centro de lima se puede apreciar que el 14.85% del total de personas con discapacidad
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 31
IMPLEMENTACIÓ
auditiva se sienten conformes con la atención, mientras que el 85.15% del total no se
con un plan de por medio para resolver estos casos, sin embargo este plan cuenta con
personas con problemas auditivos no se siente conforme con la atención del mismo.
funcional para operaciones principales como documentación del historial del paciente,
formulario de receta, etc. Este sistema también cuenta con una base de datos que almacena
los expedientes de los pacientes con información básica como el número de dni, nombre y
apellidos, más no una información importante que ayude a enfocar mejor sus estrategias en
sus pacientes. Por otro lado, es necesario que el centro de salud replantee su plan de
atención a las personas que tienen discapacidad auditiva y examinar cuales lograrán que
exista un mejor contacto con los pacientes. Teniendo en cuenta esta información, el centro
Tabla 2
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 32
IMPLEMENTACIÓ
Tabla 3
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 33
IMPLEMENTACIÓ
15 personas consideran que la atención brindada por la empresa es rápida antes de aplicar
el sistema web, de igual manera se demuestra la variación del tiempo de atención entre el
Tabla 4
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 34
IMPLEMENTACIÓ
aplicar el sistema web, de igual manera se demuestra la variación del tiempo de atención
recolectados de ambas variables cuantitativas cuentan con una distribución normal, puesto
Kolmogorov-Smirnov.
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 35
Regla de decisión para el análisis de normalidad: IMPLEMENTACIÓ
paramétrico.
Tabla 4
Prueba de normalidad del Sistema Web Inteligente y la atención de las personas con
discapacidad auditiva
esto quiere decir que es mayor a 0.05, conforme a lo mencionado en la regla de decisión
indicada en los puntos anteriores, se puede dejar ver que la prueba de normalidad
Ho: µP.a. Pd
Tabla 5
Sistema
La traducción del
Web
lenguaje de señas
Inteligente
Coeficiente de
0.952 0.814
Sistema Web correlación
0.277 0.010
Inteligente Sig. (bilateral)
229 229
N
Rho
Spearman
Coeficiente de
La traducción 0.814 0.952
correlación
del lenguaje 0.010 0.277
Sig. (bilateral)
de señas 229 229
N
Según la tabla 5, muestra una significancia de 0.010, el cual es menor a 0.277. por
lo que se puede entender que si, se tiene una correlación positiva entre las variables. A
recolección hecha con anterioridad y si después de esta mejora tienen o no cambios una
paramétrico, tomando en cuenta que tiene 229 datos, que se corresponde a analizar a través
de la normalidad de Kolmogómv-Smirnov.
Regla de Decisión:
paramétrico.
Tabla 6
significancia de 0.421 que es mayor a 0.05, por lo que nos demuestra distribución es
paramétrico y con este resultado se puede decir que aceptamos la Ho y rechazamos la Ha,
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 38
IMPLEMENTACIÓ
Ho: De qué manera la implementación de un sistema web inteligente basado en
Tabla 7
Sistema
La traducción del
Web
lenguaje de señas
Inteligente
Coeficiente de
0.933 0.800
Sistema Web correlación
0.155 0.012
Inteligente Sig. (bilateral)
229 229
N
Rho
Spearman
Coeficiente de
La traducción 0.800 0.933
correlación
del lenguaje 0.012 0.255
Sig. (bilateral)
de señas 229 229
N
por lo que se puede entender que, si existe una correlación positiva entre las variables. A
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 39
IMPLEMENTACIÓ
atención de personas con problemas auditivos en la ciudad de Lima en el año 2022.
machine learning para la traducción de lenguaje de señas ofrece una buena atención de
recolección, de igual manera se tendrá que saber si, se tiene una distribución normal, dado
Smirnov.
Regla de Decisión:
paramétrico.
Tabla 8
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 40
IMPLEMENTACIÓ
significancia es de 0.457 que es mayor a 0.05, por lo que nos demuestra distribución es
paramétrico y con este resultado se puede decir que aceptamos la Ho y rechazamos la Ha,
machine learning para la traducción de lenguaje de señas ofrece una buena atención de
Ho: µP.a. Pd
Tabla 9
Sistema
La traducción del
Web
lenguaje de señas
Inteligente
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 41
IMPLEMENTACIÓ
Coeficiente de
La traducción 0.810 0.943
correlación
del lenguaje 0.020 0.111
Sig. (bilateral)
de señas 229 229
N
por lo que se puede entender que, si existe una correlación positiva entre las variables. A
señas ofrece una buena atención de personas con problemas auditivos en la ciudad de
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 42
CAPÍTULO IV. DISCUSIÓN IMPLEMENTACIÓ
4.1. Discusión:
4.1.1. Limitaciones:
Por el estado actual del covid-19 y sus variantes no hemos podido realizar
reuniones presenciales en el centro de salud del centro de Lima ya que dicha organización
se dedica a la atención de las personas afectadas por este virus. Por ello se realizaron
reuniones virtuales por zoom con el representante que nos facilite los datos necesarios para
dificulto la interpretación de los datos. Por ello se tomó un tiempo para ordenar y filtrar la
base de datos.
eran relevantes ya que eran del rubro del centro de salud que estamos utilizando para este
trabajo de investigación.
Por último, el tiempo en que se realizó cada actividad fue limitada para el desarrollo
de este trabajo, además, el poco acceso de materiales complementarios para reforzar los
trabajo, sin embargo, con esfuerzo y persistencia se logró realizar esta investigación.
inteligente basado en machine learning para la traducción del lenguaje de señas en las
personas con discapacidad auditiva del centro de Lima, se logró observar una variación de
un sistema web agiliza el tiempo de atención de las personas con discapacidad auditiva del
que se encuentran conformes, por ello este hecho ha dado como resultado un aumento del
89.96% siendo un resultado provechoso para agilizar el tiempo de atención de las personas
Rho Spearman para ratificar dicha información, en la que se pudo determinar una
correlación positiva por lo cual se puede decir que la implementación de un sistema web
agiliza el tiempo de atención de las personas con discapacidad auditiva del centro de Lima.
con discapacidad auditiva del centro de Lima, se pudo demostrar que se tiene un aumento
del 91.27% de las personas que se encuentran conformes con satisfacción en la atención
brindada, del mismo modo para corroborar esta información se hizo uso de la prueba no
encuentra correcta, con lo cual se definió una correlación positiva por lo cual se puede
4.1.3. Implicancias:
manejo básico sobre un navegador web. Además de contar con un dispositivo móvil o de
escritorio. Por otra parte, se considera que el presente trabajo de investigación puede ser
implementado en diferentes distritos, empresas, entre otros. Por lo cual solo es necesario
saber que personas cuentan con esta discapacidad para que se utilice este sistema web.
inteligente basado en machine learning para la traducción del lenguaje de señas ayuda a las
personas con discapacidad auditiva ubicadas en el centro de Lima. Asimismo, este trabajo
de investigación queda como precedente para futuras investigaciones que quieran ayudar,
profundizar y llevar más investigaciones sobre este tema, puesto a que este enfoque va
orientado a ayudar las personas que cuentan con una discapacidad auditiva y ubicadas en el
centro de Lima.
también el diseño realizado a los instrumentos usados. Deja claro que la metodología
de manera satisfactoria, puesto a que ello muestra variaciones esperadas sin errores. Por
otro lado, ciertamente se puede enfatizar más sobre la metodología utilizada haciendo la
4.2. Conclusiones:
Primero la aceptación de la atención brindada por la empresa para las personas con
agiliza el tiempo de atención de personas con discapacidad auditiva en las empresas del
a 96.07%, por ello, la implementación del sistema web inteligente aumenta la satisfacción
de los clientes con respecto a la atención brindada por la empresa de sector salud o
comercial.
4.3. Recomendaciones:
facilita al ser humano realizar tareas complejas con la finalidad de generar resultados en
poco tiempo y a gran cantidad. De la misma forma las empresas actuales necesitan de esta
También se sugiere implementar un sistema web a las empresas para generar más
clientes que se interesen en sus productos ya que ayuda a dar una explicación general del
Por último es necesario que la empresa se preocupe más por satisfacer las
necesidades del cliente generando mejores opciones que agilicen la atención sobre todo
para las personas que tienen una discapacidad para fortalecer mas la relación entre empresa
y cliente.
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 46
IMPLEMENTACIÓ
REFERENCIAS
Abdou, M. (2018). An enhanced training- Based Arabic Sign Language virtual interpreter
using parallel Recurrent Neural Networks. Journal of Computer Science. Volume 14
(15493636). Pages 228 - 237.
Aguilar, R., Torres, J., Martín, C. (2019). Automatic learning for the system identification.
A case study in the prediction of power generation in a wind farm. RIAI - Revista
Iberoamericana de Automatica e Informatica Industrial. Volume 16 (16977912).
Pages: 114 - 127.
Alrashidi, A., Qamar, A. (2021). Data-Driven Load Forecasting Using Machine Learning
and Meteorological Data. Computer Systems Science and Engineering. Volume 44
(02676192). Pages 1973 - 1988.
Amin, M., Hefny, H., Mohammed, A. (2021). Sign Language Gloss Translation using
Deep Learning Models. International Journal of Advanced Computer Science and
Applications. Volume 12 (2158107X). Pages 686 - 692.
Aperador, W., Bautista, J. (2013). Computer vision for determination of degradation factor
in biocompatible alloys. Informacion Tecnológica. Volumen 24 (07180764). Pages:
109 - 120
Arias, F. (2006). El proyecto de Investigación. Introducción a la metodología científica.
Caracas, Editorial Episteme.
Bueno, C.(2021). Image And Power In The Age Of Computer Vision: An Interpretation
Using Gilbert Simondon And Gilles Deleuze. Atenea. Volumen 523 (07180462).
Pages: 193 - 211.
Camargo, J., Ortiz, N. (2020). Modelo computacional para reconocimiento de lenguaje de
señas en un contexto colombiano. Tecnologías. Volume 23 (22430). Pages: 197 -
232.
De Coster, M., Dambre, J. (2022). Leveraging Frozen Pretrained Written Language
Models for Neural Sign Language Translation. Information (Switzerland). Volumen
13 (20782489). Pages: 5 - 27.
Fredström, A., Parida, V., Wincent, J., Sjödin, D., Oghazi, P. (2022). What is the Market
Value of Artificial Intelligence and Machine Learning? The Role of Innovativeness
and Collaboration for Performance. Technological Forecasting and Social Change.
Volume 180 (00401625).
Hernández, R. Fernández C. y Baptista P. (2010). Metodología de la Investigación.
México DF: Mc Graw Hill.
Jara, J. (2011). Empirical evaluation of three machine learning method for automatic
classification of neoplastic diagnoses. Ingeniare. Volumen 19 (07183291). Pages
359-368.
Kang, K., Wang, Z., Zhang, H.(2022). Media Content Mining Based on Artificial
Intelligence and Network Interaction. Mobile Information Systems. Volumen 2022
(1574017X).
Kannan, R., Abdul, H., Ramakrishnan, K., Ismail, S., Wijaya, D. (2022). Machine learning
approach for predicting production delays: a quarry company case study. Journal of
Big Data. Volume 9 (21961115).
Massaro, A., Giannone, D., Birardi, V., Galiano, A. (2021). An innovative approach for
the evaluation of the web page impact combining user experience and neural
network score. Future Internet. Volumen 13 (19995903).
M. R. V. Pardo, J. A. H. Tapia, A. S. G. Moreno, and L. F. V. Sánchez, “Comparación de
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 47
tendencias tecnológicas en apli-caciones web,” 2018. IMPLEMENTACIÓ
Miguel Ángel, O. M., (2018). Técnicas de investigación en la intervención social. En
Contextos sociales de intervención comunitaria(220 ). Antequera Málaga: IC
Editorial.
Murillo, W. (2008). La investigación científica. Consultado el 18 de abril de 2008 de
http//www.monografias.com/trabajos15/invest-científica/investcientífica.shtm
Ortiz, N., & Camargo, J. (2020). Modelo computacional para reconocimiento de lenguaje
de señas en un contexto colombiano TecnoLógicas, Volumen 23(48), Pages 197-
232.
Pichuco, J., Constante, P., Gordón, A., Mendoza, D. (2018). Interpretación de lenguaje de
señas ecuatoriano empleando visión por computador. Revista Ibérica de Sistemas y
Tecnologías de Información. Volume 2019 (16469895). Pages: 960 - 971.
Rinalduzzi, M., De Angelis, A., Santoni, F., Buchicchio, E., Moschitta, A., Carbone, P.,
Bellitti, P., Serpelloni, M.(2021). Gesture recognition of sign language alphabet
using a magnetic positioning system. Applied Sciences (Switzerland). Volume 11
(20763417). Pages: 12 - 27.
Sari, M., Berawi, M., Zagloel, T., Triadji, R. (2022). Machine learning model for green
building design prediction. IAES International Journal of Artificial Intelligence.
Volume 11 (2252-8938). Pages: 1525-1534.
Valero, E., Navarro, F., Larios, C., Julca, D. (2022). Deserción universitaria: Evaluación
de diferentes algoritmos de Machine Learning para su predicción. Revista de
Ciencias Sociales. Volumen 28 (13159518). Pages: 362-375.
Wang, P. (2022). The Influence of Artificial Intelligence on Visual Elements of Web Page
Design under Machine Vision. Computational Intelligence and Neuroscience.
Volumen 2022. (16875265). Page 13.
Yolanda, G. P., Adonay, M. G. (1999).La observación. En Serie Aprender a
Investigar(152). Santa Fe de Bogotá: Arfo Editores Ltda.
Zahid, H., Rashid, M., Hussain, S., Azim, F., Syed, S., Saad, A. (2022). Recognition of
Urdu sign language: a systematic review of the machine learning classification.
PeerJ Computer Science. Volumen 8 (23765992). Pages 883-897.
Zhang, X. (2022). Application of Artificial Intelligence Recognition Technology in Digital
Image Processing. Wireless Communications and Mobile Computing. Volumen
2022 (15308669). Pages 1-10.
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 48
Anexos: IMPLEMENTACIÓ
Anexo N°1 Matriz de Consistencia
____________________________________________________________________________________________________________________________________
Flores Cardozo, R., Luque Crisanto, D. Pág. 49
IMPLEMENTACIÓ
Anexo N°2 Matriz de operacionalización de variables
____________________________________________________________________________________________________________________________________
Flores Cardozo, R., Luque Crisanto, D. Pág. 50
IMPLEMENTACIÓ
Anexo 3: Pregunta instrumento cuestionario
CUESTIONARIO
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 51
IMPLEMENTACIÓ
Anexo 4: Ficha de Observación
__________________________________________________________________________________________
_
Flores Cardozo, R., Luque Crisanto, D. Pág. 52