Prueba

FACULTAD DE INGENIERÍA
Carrera de Ingeniería de Sistemas Computacionales
IMPLEMENTACIÓN DE UN SISTEMA WEB

INTELIGENTE BASADO EN MACHINE LEARNING
PARA LA TRADUCCIÓN DEL LENGUAJE DE
SEÑAS EN LA ATENCIÓN DE PERSONAS CON
DISCAPACIDAD AUDITIVA DEL CENTRO DE LIMA.
Trabajo de investigación para optar al grado de:
Bachiller en Ingeniería de Sistemas Computacionales
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
A mis padres, porque me apoyaron en mi formación de Ingeniero de Sistemas.
__________________________________________________________________________________________
_
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.
A nuestro profesor de tesis, el Ing. Guido Trujillo Valdiviezo.
Por brindarnos su asesoría.
__________________________________________________________________________________________
_
IMPLEMENTACIÓN
Tabla de contenidos
DEDICATORIA 2
AGRADECIMIENTO 3
CAPÍTULO I. INTRODUCCIÓN 5
1.1. Realidad Problemática 5
1.1.1. Descripción del Problema de Investigación 5
1.1.2. Antecedentes de la Investigación 8
1.1.2.1. A nivel internacional 8
1.1.2.2. A nivel nacional 10
1.1.3. Bases Teóricas 10
1.1.3.1. Variable 1: Sistema Web Inteligente 10
1.1.3.1.1. Objetivos de un Sistema Web Inteligente 12
1.1.3.1.2. Ventajas de un Sistema Web Inteligente 12
1.1.3.1.3. Implementación de un Sistema Web Inteligente 13
1.1.3.1.4. Dimensiones de un Sistema Web Inteligente 14
1.1.3.2. Variable 2: Traducción de Lenguaje de Señas (SL) 14
1.1.3.2.1. Dimensiones de Traducción de Lenguaje de Señas (SL) 16
1.1.3.3. Metodología Machine Learning (ML) 17
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
1.1.3.3.4. ML en las empresas 19
1.1.3.3.5. Etapas de la metodología ML 19
1.1.3.3.6. Factores de éxito de ML 20
1.1.3.3.7. Pasos para la implementación de la metodología ML 21
__________________________________________________________________________________________
_
1.2. Formulación del Problema IMPLEMENTACIÓ
22
1.2.1. Problema General 22
1.2.2. Problemas Específicos 22
1.3. Objetivos 22
1.3.1. Objetivo General 22
1.3.2. Objetivos específicos 22
1.4. Hipótesis 23
1.4.1. Hipótesis General 23
1.4.2. Hipótesis Específicas 23
1.5. Justificación 23
1.5.1. Justificación Teórica 23
1.5.2. Justificación Práctica 23
1.5.3. Justificación Metodológica 24
1.5.4. Justificación Cuantitativa 24
1.5.5. Justificación Académica 24
CAPÍTULO II. METODOLOGÍA 25
2.1. Tipo de Investigación 25
2.2. Población 26
2.3. Muestra 26
2.4. Técnicas e instrumentos de recolección de datos 27
2.5. Procedimiento 28
2.6. Análisis de datos o análisis estadístico 28
2.7. Aspectos éticos 29
CAPÍTULO III. RESULTADOS 30
3.1. Análisis Descriptivo 30
3.1.1. Análisis descriptivo de objetivo general 31
3.1.2. Análisis descriptivo de objetivo específico 1 32
3.1.3. Análisis descriptivo de objetivo específico 2 33

5
IMPLEMENTACIÓ
3.2. Comprobación de hipótesis 34
3.2.1. Contrastación de hipótesis general 34
3.2.2. Contrastación de hipótesis específica 1 36
3.2.3. Contrastación de hipótesis específica 2 38
CAPÍTULO IV. DISCUSIÓN 42
4.1. Discusión 42
4.1.1. Limitaciones 42
4.1.2. Interpretación comparativa 42
4.1.3. Implicancias 43
4.1.3.1. Implicancias prácticas 43
4.1.3.2. Implicancias teóricas 44
4.1.3.3. Implicancias metodológicas 44
4.2. Conclusiones 44
4.3. Recomendaciones 45
REFERENCIAS 46
ANEXOS 48
Anexo N°1 Matriz de Consistencia 48
Anexo N°2 Operacionalización de Variables 49
Anexo N°3 Pregunta Instrumento Cuestionario 50
Anexo N°4 Ficha de Observación 51
6
IMPLEMENTACIÓ
CAPÍTULO I. INTRODUCCIÓN
1.1. Realidad Problemática:
1.1.1. Descripción del Problema de Investigación:
En los últimos años la tecnología avanza de forma rápida a tal punto que hoy los
sectores públicos y privados la usan, desde ayudar en el monitoreo y seguridad como el
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
resultados obtenidos. En la actualidad no solo el sector empresarial se ve beneficiado por
estos avances tecnológicos sino también el sector de salud ya que existen sistemas que han
ayudado al tratamiento de pacientes y a la detección de enfermedades.
Según Xi Zhang (2022) menciona que la tecnología se ha aplicado en más
industrias y campos, como la conducción no tripulada, el uso de algoritmos de
identificación para arrestar sospechosos y robots inteligentes para resolver el problema de
asignación de recursos en el sector médico. Por lo que podemos determinar que la
implementación de la tecnología dentro de las empresas es factible para realizar diversos
trabajos donde se requiera.
De acuerdo a nuestra iniciativa nos enfocamos en identificar a qué comunidad
estará dirigida nuestro trabajo de investigación y determinamos que las personas con
discapacidad auditiva se ven perjudicados en la atención ya que el estudio del lenguaje de
señas no es exigente en el ámbito laboral. Debido a ello, estas personas son incapaces de
comunicarse con las personas que no saben lenguaje de señas.
Esta investigación presenta un ámbito social y de salud debido a que al mejorar la
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
__________________________________________________________________________________________
_
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
propuesta de implementación de un sistema web de visión artificial basado en machine
learning es un producto que se ha desarrollado con los conocimientos de ingeniería con
estudios de herramientas de producción científica de educación superior.
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
escrita estandarizada, es necesario extraer información relevante de estos videos para
alimentar el modelo de traducción.
Debido a esto el sistema inteligente que se va a desarrollar estará instruido en el
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
ofrecer un buen servicio al usuario, agilizando el proceso de atención y dando satisfacción
al cliente por el servicio ofrecido por la empresa.
1.1.2. Antecedentes de la Investigación:
1.1.2.1. A nivel internacional:
Según Ortiz, N. et al. (2020) en su artículo de Modelo computacional para
reconocimiento de lenguaje de señas en un contexto colombiano el cual tuvo como
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
__________________________________________________________________________________________
_
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
nacional. Su problemática nace a raíz de problemas de comunicación entre las personas
sordas y las oyentes en diferentes entidades de servicios, ya sean de carácter público o
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
eficiencia del prototipo de software de un 68 %. Concluyendo que a futuro, se espera que
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
la población sorda y los oyentes.
En el año 2017 Mohamed A. Abdou realizó un sistema de traducción virtual
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
entrenamiento de redes neuronales profundas para ASL que convoluciona procesadores
paralelos RNN y Unidad de procesamiento gráfico (GPU).
En el año 2019 Pichucho, Javier P. Constante, Patricia N. Gordón, Andrés M .
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
la capacidad, efectividad para realizar interpretación del lenguaje de señas de forma

__________________________________________________________________________________________
_
adecuada y satisfactoria. IMPLEMENTACIÓ
1.1.2.2. A nivel nacional:
En el articulo “Translator System for Peruvian Sign Language Texts through 3D
Virtual Assistant” de Gamarra, G. et al (2020) declara que el objetivo general fue
desarrollar un sistema traductor de textos en lengua de señas peruana enfocados en generar
material educativo para este sector de la población peruana. A raiz de los resultados
obtenidos, concluyeron que la arquitectura implementada es sostenible para permitir que el
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.
1.1.3. Bases Teóricas:
1.1.3.1. Variable 1: Sistema Web Inteligente:
Este trabajo de investigación se basa en la iniciativa de desarrollar un sistema
inteligente que aporte directamente al sector de la salud brindando una alternativa para
mejorar la calidad de vida de una comunidad. El sistema utiliza conceptos básicos de la
inteligencia artificial, que estará orientado a un ámbito web.
Según Wang (2022), define la inteligencia artificial como una rama de la
informática. Eso busca comprender la naturaleza de la inteligencia y producir una nuevo
tipo de máquina inteligente que responde de manera similar camino a la inteligencia
humana.
__________________________________________________________________________________________
_
IMPLEMENTACIÓ
Figura 1. Campos de la Inteligencia artificial
El campo de inteligencia artificial que aborda este trabajo de investigación es el de
visión artificial el cual ofrece las funciones necesarias para la traducción de lenguaje de
señas.
Celis, B. (2021) menciona que la visión artificial se ha comenzado a utilizar en
procesos productivos, en dispositivos de seguridad para el reconocimiento facial, en
vehículos de conducción autónoma y en tecnologías militares como drones o misiles
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
lo compone un conjunto de procesos destinados a realizar el análisis de imágenes. Estos
procesos son: captación de imágenes, memorización de la información, procesado e
interpretación de los resultados.
__________________________________________________________________________________________
_
IMPLEMENTACIÓ
Figura 2. Arquitectura de Visión Artificial
1.1.3.1.1 Objetivos de un Sistema Web Inteligente:
Según Wang (2022), los objetivos de la implementación de un sistema web
inteligente son los siguientes:
● Generar más audiencia: Es necesario para la empresa que el cliente pueda
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
atraiga nuevos clientes.
● Agilizar tareas: Este sistema tendrá un inteligencia artificial implementada el
cual realiza tareas tareas en el menor tiempo posible y con buena precisión ya que
están previamente entrenadas.
● Satisfacer al cliente: Busca conocer las necesidades del cliente y ofrecer un
mejor servicio, identificando los puntos débiles de la empresa para optimizar
procesos y servicios.
1.1.3.1.2 Ventajas de un Sistema Web Inteligente:
Según Fredström, A. et al. (2022), argumenta que el sistema web inteligente es una
tecnología innovadora que causa las siguientes ventajas para las empresas:
__________________________________________________________________________________________
_
1. Son fáciles de usar. IMPLEMENTACIÓ
2. Escalables y de rápida actualización.
3. Provocan menos errores y problemas.
4. Los datos son más seguros.
5. Automatiza los procesos
6. Potencia las tareas creativas
7. Aporta precisión
8. Reduce el error humano.
9. Reduce los tiempos empleados en análisis de datos.
10. Agiliza el desarrollo de las tareas.
1.1.3.1.3 Implementación de un Sistema Web Inteligente:
Según Massaro, A. et al. (2021) redacta que la implementación de un sistema web
inteligente es un proceso que abarca toda la planificación, elaboración y diseño de un
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:
● Análisis del mercado: En esta primera etapa se realizará un análisis de una
página web en el mercado laboral, sus tendencias y objetivos que se requiere
alcanzar. Para ello desarrollamos estrategias, la tecnología innovadora que nos
diferenciara de las demás empresas y los requerimientos del usuario.
● Planificar tareas y recursos: En esta segunda etapa se planifican las actividades
que involucra el sistema, determinando el tiempo que toma realizar cada tarea y
los recursos que tenemos de por medio.
● Diseño de la página web: En esta tercera etapa se realiza el diseño de la página
web, definiendo los colores, los elementos y la tipografía que se utilizará.
● Organizar contenido: En este cuarta etapa se organiza el contenido que se

__________________________________________________________________________________________
_
IMPLEMENTACIÓ
utilizara en la página web, este contenido requiere responder todas las
necesidades del cliente con el objetivo de despertar su interés.
● Desarrollo del sistema: En esta quinta etapa se realiza la elaboración del sistema
en general, para ello es necesario utilizar los recursos e implementar las
funcionalidades que solicita la empresa.
● Pruebas y Lanzamiento: En esta sexta y última etapa se verifica el estado del
sistema, realizando pruebas para encontrar posibles errores y solucionarlos para
entregar el producto en un estado óptimo y su posterior lanzamiento.
1.1.3.1.4 Dimensiones de un Sistema Web Inteligente:
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:
● Enfoque Conceptual y Creativo: Va orientado para empresas que ofrecen
servicios de arte, arquitectura y agencia creativa. Esto va orientado más para la
parte visual de la página web donde la apariencia es lo que más importa.
● Enfoque Comercial: Ideal para exponer los productos de la empresa el cual
incluye la descripción del producto, una interfaz agradable y servicios
adicionales. Útil para exponer los productos de la empresa.
● E-commerce: Es una tienda virtual, útil para generar ganancias y atraer más
clientes, su función es la práctica de compra y venta.
● Enfoque Informativo y Convincente: Ideal para que el cliente pueda conocer
más sobre los servicios que ofrece la empresa.
1.1.3.2. Variable 2: Traducción de Lenguaje de Señas (SL):
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
lenguaje de señas se graban como videos, y estos deben traducirse a declaraciones en

__________________________________________________________________________________________
_
lenguaje escrito. IMPLEMENTACIÓ
Así mismo Mohamed A. et al. (2021) menciona que en los lenguajes de señas, los
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
tercero que pueda ser el intermediario entre ellos.
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
significativos en la evolución de la lengua de señas independientemente de su origen.
Por ello para el desarrollo de un traductor de lenguaje de señas se necesita elaborar
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.
Figura 3. Traductor de Lenguaje de Señas
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
etapas. Estas etapas son las siguientes:
● Proceso de Digitacion: En este proceso comienza la ejecución del sistema, el
sistema capturará la imagen de entrada en caso detecte una mano por medio de la
cámara, esta imagen será digitalizada.
__________________________________________________________________________________________
_
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
almacenadas en la base de datos.
● Proceso de Salida: En este proceso se entregarán los resultados del sistema, estos
resultados se obtendrán por medio de la comparación de los datos de la imagen de
entrada con los datos de la imagen de la base de datos que más se parezca. Los
resultados se podrán observar por la interfaz del sistema.
Figura 4. Componentes de la visión artificial
1.1.3.2.1. Dimensiones de Traducción de Lenguaje de Señas (SL):
Iluminación:
Hace énfasis al ambiente en el que se realiza la toma de imagen por medio de la
cámara del sistema. Según Mohamed, A. (2017) la iluminación es importante para la
captura de imágenes porque si la iluminación es demasiado alta o demasiado baja, los datos
obtenidos pueden llegar a estar erróneos.
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
__________________________________________________________________________________________
_
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
de datos de esta imagen se utilizará un algoritmo de predicción el cual facilitará la
comparativa entre la imagen capturada con cada imagen almacenada en el sistema.
Dispositivos:
Para el desarrollo del sistema es necesario tener dispositivos capaces de recolectar
los datos necesarios para recolectar los datos, esto incluye las cámaras, computador,
sensores, etc.
Figura 5. Dimensiones de Traducción de Lenguaje de Señas
1.1.3.3. Metodología Machine Learning (ML):
Para este trabajo de investigación se aplicó la metodología Machine Learning, la
cual se define como lo siguiente:
1.1.3.3.1. Definición de ML:
Según Aguilar R.M et al. (2019) define la metodología Machine Learning
(aprendizaje automático) como un conjunto de algoritmos cuyo objetivo es dotar a los
ordenadores de la capacidad de aprender sin la necesidad de ser programados
__________________________________________________________________________________________
_
IMPLEMENTACIÓ
explícitamente. Esta metodología nos ayudará para el análisis predictivo de los gestos
capturados por la cámara.
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
técnicas de identificación del sistema es que los algoritmos de ML generan modelos no
paramétricos.
1.1.3.3.2. Objetivo de ML:
Valero, E. et al. (2022) menciona que el objetivo de Machine Learning es permitir
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
información en forma de observaciones e interacciones con el mundo real.
1.1.3.3.3. Ventajas de ML:
Jara, J. et al. (2011) argumenta que las ventajas de implementar Machine Learning
en una empresa son:
● Automatización de Procesos: Los procesos son optimizados por la inteligencia
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
realizar en un tiempo determinado.
● Ciberseguridad: La seguridad de las máquinas es impenetrable por ciberataques,
ya que los malwares aplicados utilizan una codificación similar, lo cual ayuda a
realizar un análisis profundo y evitar que no se repitan.
● 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
automática lo que ayuda en la fidelización de la empresa.
● Detección de fraudes: El sistema puede detectar qué transacciones son legales o

__________________________________________________________________________________________
_
IMPLEMENTACIÓ
ilegales, esto ayuda a tener un control de ingresos monetarios si le asignamos
patrones.
1.1.3.3.4. ML en las empresas:
Según Kannan, R. et al. (2022) menciona que el aprendizaje automático sirve como
un motor computacional para la minería y el análisis de datos, en el que se utiliza para la
extracción de información, el reconocimiento de patrones de datos y las predicciones. Esto
es beneficioso para las empresas ya que pueden depender de maquinarias que realicen
labores con un margen de error mínimo.
Sari, M. et al. (2022) argumenta que los modelos predictivos que utilizan métodos
ML podrían reducir significativamente el tiempo de cálculo requerido en los procesos de la
empresa, aumentando la productividad de sus empleados. Gracias a esto, la empresa podrá
generar más ingresos.
Así mismo Kannan, R. et al. (2022) redacta que los enfoques de modelado
predictivo en la gestión de procesos comerciales proporcionan una forma de optimizar los
procesos comerciales operativos. Por ello, podemos afirmar que la implementación de
Machine Learning dentro de la empresas es útil y necesario ya que le ofrece muchos
beneficios que evitan pérdidas monetarias y da seguridad a sus datos.
1.1.3.3.5. Etapas de la metodología ML:
Alrashidi, A., Qamar, A. (2021) redactan que los algoritmos de aprendizaje
automático necesitan etapas de pre-procesamiento y limpieza de datos para preparar los
datos para el algoritmo de aprendizaje. Las etapas de Machine Learning se dividen en siete
las cuales son:
● Determinar objetivo: En esta primera etapa se realizará una planificación de lo
que queremos lograr, cómo se realizará y a que punto queremos llegar. Esta etapa
es necesaria porque determinaremos el objetivo de acuerdo al problema que se

__________________________________________________________________________________________
_
quiere resolver. IMPLEMENTACIÓ
● Recolectar y organizar datos: En esta segunda etapa se recolectan los datos
brindados por la empresa para poder trabajar con el algoritmo de Machine
Learning, estos datos son organizados para obtener mejores resultados.
● Definir Algoritmo: En esta tercera etapa se realizará la elección del algoritmo el
cual debemos determinar si es un algoritmo supervisado o no supervisado. El cual
hace énfasis si el algoritmo necesita la supervisión de un humano o no.
● Entrenar y validar modelo: En esta cuarta etapa se realiza el entrenamiento del
algoritmo con una parte de la data, el resto de la data servirá para validar que
nuestro modelo está funcionando en óptimas condiciones.
● Realizar Predicción: En esta última etapa se realiza la predicción del modelo,
para ello debemos ingresar nuevos datos para hacer pruebas.
Figura 6. Etapas de la metodología ML.
1.1.3.3.6. Factores de éxito de ML:
De acuerdo con Valero, E. et al. (2022) para implementar la tecnología Machine
Learning a una empresa consta de los siguientes factores:
● Factor Humano: Cumplir con la necesidad de las personas.
__________________________________________________________________________________________
_
● Factor Tecnológico: Plataforma de desarrollo. IMPLEMENTACIÓ
● Factor de Negocio: Optimizar procesos y adaptarse al cambio.
● Factor de Recursos: Capacidad de realizar diversas tareas.
1.1.3.3.7. Pasos para la implementación de la metodología ML:
Según Sari, M. et al. (2022) mencionan que para la implementación de la
metodología Machine Learning en la empresas, es necesario seguir los siguientes pasos:
Figura 8. Implementación de la metodología ML.
Paso 1: Visión:
La empresa trabajará con el equipo de TI para determinar una visión de lo que se
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.
Paso 2: Requisitos de datos:
Para que el algoritmo de ML pueda realizar pruebas constantemente es necesario
utilizar los datos ofrecidos por la empresa, a mayor cantidad de datos mejora la precisión
de los resultados.
Paso 3: Roles y responsabilidades:
El desarrollo e implementación de una tecnología siempre requiere de un equipo a
cargo que esté dividido por roles y responsabilidades que pacte fechas para revisar el
progreso de dicho trabajo.
__________________________________________________________________________________________
_
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.
Paso 5: Seguimiento y revalidación:
Las empresas deben asegurarse que la implementación de ML esté apto para
modificar sus criterios o límites de acuerdo a los resultados y ejecutar datos a gran
cantidad.
1.3. Formulación del Problema:
1.3.1. Problema General:
¿De qué manera la implementación de un sistema web inteligente basado en
machine learning para la traducción de lenguaje de señas contribuye en la atención de
personas con discapacidad auditiva del centro de Lima en el año 2022?.
1.3.2. Problemas Específicos:
PE1. ¿De qué manera la implementación de un sistema web inteligente basado en
machine learning para la traducción de lenguaje de señas agiliza la atención de personas
con discapacidad auditiva del centro de Lima en el año 2022?.
PE2. ¿De qué manera la implementación de un sistema web inteligente basado en
machine learning para la traducción de lenguaje de señas ofrece una buena atención de
personas con discapacidad auditiva del centro de Lima en el año 2022?.
1.4. Objetivos:
1.4.1. Objetivo General:
Implementar un sistema web inteligente basado en machine learning para la
__________________________________________________________________________________________
_
IMPLEMENTACIÓ
traducción del lenguaje de señas en la atención de personas con discapacidad auditiva del
centro de Lima.
1.4.2. Objetivos específicos:
OE1. Agilizar el tiempo de atención de las personas con discapacidad auditiva del
centro de Lima.
OE2. Mejorar la satisfacción en la atención de las personas con discapacidad
auditiva del centro de Lima.
1.5. Hipótesis
1.5.1. Hipótesis General:
La implementación de un sistema web inteligente basado en la metodología
machine learning para la traducción del lenguaje de señas ayuda en la atención de personas
con discapacidad auditiva del centro de Lima.
1.5.2. Hipótesis Específicas:
HE1. La implementación de un sistema web inteligente basado en la metodología
machine learning para la traducción del lenguaje de señas agiliza el tiempo de atención de
personas con discapacidad auditiva del centro de Lima.
HE2. La implementación de un sistema web inteligente basado en la metodología
machine learning para la traducción del lenguaje de señas mejora la satisfacción en la
atención de personas con discapacidad auditiva del centro de Lima.
1.6. Justificación:
1.6.1. Justificación Teórica:
Se requiere implementar un sistema web con inteligencia artificial utilizando la
metodología machine learning orientado a la traducción de lenguaje de señas. De la misma
manera se desea analizar el impacto de esta implementación para gestionar la atención de
las personas con discapacidad auditiva en el centro de Lima.

__________________________________________________________________________________________
_
1.6.2. Justificación Práctica: IMPLEMENTACIÓ
Se requiere utilizar las herramientas y métodos aprendidos a lo largo del periodo de
estudio de la carrera de Ingeniería de Sistemas Computacionales para solucionar el
problema de la atención de personas con discapacidad auditiva respecto al servicio que
ofrecen los centros de salud del centro de Lima.
1.6.3. Justificación Metodológica:
Para realizar este trabajo de investigación que tiene como variables el sistema web
inteligente y la traducción de lenguaje de señas, se utilizarán dos técnicas de investigación,
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
de señas en la atención de personas con discapacidad auditiva del centro de lima.
1.6.4. Justificación Cuantitativa:
La implementación de un sistema web inteligente para la atención de personas con
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
buscará satisfacer al cliente por el servicio brindado.
1.6.5. Justificación Académica:
Este estudio servirá como antecedente para próximas investigaciones donde
también se analice el sistema web inteligente utilizando la metodología Machine Learning.
De la misma manera esta investigación cumplirá con los requerimientos académicos
establecidos.
__________________________________________________________________________________________
_
IMPLEMENTACIÓ
CAPÍTULO II. METODOLOGÍA
2.1. Tipo de Investigación:
El presente trabajo de investigación tiene un enfoque cuantitativo, ya que se
realizará una recolección de datos para realizar un análisis detallado. Este enfoque utiliza
los análisis estadísticos. Según (Hernández, Fernández y Baptista, 2010), el enfoque
cuantitativo se da a partir de la recolección, la medición de parámetros, la obtención de
frecuencias y estadígrafos de población, planteando así un problema de estudio delimitado
y concreto.
De igual manera, el tipo de investigación será aplicada, ya que nos enfocaremos en
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
caracteriza porque busca la aplicación o utilización de los conocimientos adquiridos, a la
vez que se adquieren otros, después de implementar y sistematizar la práctica basada en
investigación.
El alcance será de tipo explicativo, ya que se busca explicar detalladamente cómo
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
explicativo se encarga de buscar el porqué de los hechos mediante el establecimiento de
relaciones causa-efecto. En este sentido, los estudios explicativos pueden ocuparse tanto de
la determinación de las causas mediante la prueba de hipótesis.
Para este trabajo de investigación se utilizara un diseño cuasiexperimental según

__________________________________________________________________________________________
_
IMPLEMENTACIÓ
(Manterola y Otzen, 2015) la investigación cuasi-experimental proviene del ámbito
educativo y de la psicología, donde la investigación de ciertos fenómenos no podía llevarse
a cabo siguiendo los procedimientos experimentales. Se utilizó una estrategia transversal,
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
conocidos con el nombre de diseños trans-seccionales.
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
conclusiones de la investigación. Este queda delimitado por el problema de investigación y
los objetivos de estudio.
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
posteriormente utilizarlos en intervalos fijos o sistemáticos y así alcanzar el tamaño de
muestra deseado.
Finalmente, de acuerdo a los resultados obtenidos en INEI el presente estudio
consideró como población a 610 personas que se comunican por lenguaje de señas en la
Ciudad de Lima.
2.3. Muestra:
La muestra es un subconjunto representativo y finito que se extrae de una población
accesible (Arias, 2006). Esta se calcula a través de una fórmula predeterminada, la cual
utilizaremos en este trabajo. Para calcular la muestra utilizaremos la fórmula de (Murray y
Larry, 2005):
__________________________________________________________________________________________
_
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:
❖ n = Es el tamaño de la muestra poblacional a obtener.
❖ N = Es el tamaño de la población total.
❖ O = Es la desviación estándar de la población. En caso de desconocer este dato se
utilizará el valor de 0.5.
❖ Z = Es el valor obtenido mediante niveles de confianza. Su valor es una constante, por
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
aceptado para considerar la investigación como confiable.
❖ e = Es el límite aceptable de error muestral, generalmente va del 1% (0.01) al 9%
(0.09), siendo 5% (0.5) el valor estándar usado en las investigaciones.
Como resultado se obtendrá el valor del tamaño de la muestra la cual es de 229
casos de atención.
2.4. Técnicas e instrumentos de recolección de datos
Según Yolanda, G. P., Adonay, M. G. (1999). “Para la obtención de información
primaria existen diversos instrumentos los cuales son, los más apropiados para el estudio
que se va emprender en la recolección de datos, “En esta oportunidad, la técnica que se
utilizara será la metodología de la observación, ya que es una buena forma para la
obtención de datos, llevando una correcta búsqueda deliberada con cuidado y
premeditación”.
__________________________________________________________________________________________
_
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
obtener información, el contenido de la observación en el que se verá los aspectos
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
Para la recolección de datos se necesitará tener un objetivo bien determinado,
especificar la forma e instrumentos con los que se van registrar los datos, que en este caso
será a través de la captura de imágenes en tiempo real, observar cuidadosamente,
contextualizar los aspectos observados, tener medios de control necesarios para garantizar
la fiabilidad y validez de lo observado, analizar los datos y realizar un trabajo de manera
responsable y sistemática.
Las ventajas de la recolección de estos datos son el conseguir información indistinta
de la voluntad y competencia para facilitar por parte de los individuos que forman el
objetivo de estudio, la observación de hechos que se muestran normalmente en su contexto,
los hechos se estudian de manera real en el misma lugar donde se están dando y se aborda
la realidad desde una perspectiva sistemática.
2.6. Análisis de datos o análisis estadístico:
● Primero se realizó la validación de los datos utilizando la herramienta bizagi para
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.
__________________________________________________________________________________________
_
IMPLEMENTACIÓ
● Después se realizó la organización y esquematización de los datos utilizando el
programa Excel el cual fue necesario para realizar un análisis estadístico.
● Para obtener la población con la que trabajaremos durante todo el proyecto se
utilizó el algoritmo general de muestra y se determinó el límite en Bizagi para
simular las pruebas y obtener los resultados necesarios para trabajar.
● Por último, se realizó un programa en excel que almacena los resultados
obtenidos para aplicar filtros y esquematizarlos en diagramas.
2.7. Aspectos éticos:
En las encuestas realizadas a cada uno de los pacientes del centro de salud del
cercado de Lima con discapacidad auditiva, se tomó consideración de los siguientes
principios éticos:
Confidencialidad: Para el presente trabajo, se considera la confidencialidad de los
datos que el centro de salud nos brinde. Dichos datos no serán divulgados sin el permiso y
consentimiento del centro de salud.
Consentimiento: Se solicita la aprobación del centro de salud para la recolección
de datos para poder desarrollar de forma óptima el estudio.
Manejo de riesgos: Se debe mantener un control de los datos para evitar riesgos y
generar los beneficios establecidos para la implementación del sistema.
Reuniones: Se respeta el horario pactado por la empresa y el equipo de desarrollo
del sistema para verificar el progreso de esta investigación.
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
opiniones de los encuestados con respecto al desarrollo del sistema web.
__________________________________________________________________________________________
_
IMPLEMENTACIÓ
__________________________________________________________________________________________
_
CAPÍTULO III. RESULTADOS IMPLEMENTACIÓ
3.1. Análisis Descriptivo:
En todo trabajo de investigación es importante tener una visión interna de la
empresa en la que se está trabajando el estudio, por ello se aplicó una ficha de observación
(Anexo 6) para la recopilación de datos.
Esta información recolectada fue tabulada mediante el programa Excel como se
muestra a continuación:
Tabla 1
Tabulación de la ficha de observación
Después de realizar la tabulación de los datos obtenidos se realizó una gráfica para
mejor apreciación de los resultados.
Gráfico 1. Datos obtenidos mediante la ficha de observación en el centro de salud

del centro de Lima.
A base de lo analizado y observado anteriormente, en uno de los centros de salud
del centro de lima se puede apreciar que el 14.85% del total de personas con discapacidad
__________________________________________________________________________________________
_
IMPLEMENTACIÓ
auditiva se sienten conformes con la atención, mientras que el 85.15% del total no se
sienten conformes. Para el desarrollo de este cuestionario se tomó en cuenta las
dimensiones que corresponden al sistema web inteligente.
De acuerdo a los resultados obtenidos se identificó que el centro de salud cuenta
con un plan de por medio para resolver estos casos, sin embargo este plan cuenta con
consideraciones básicas que no aportan mucho al centro de salud y que la mayoría de
personas con problemas auditivos no se siente conforme con la atención del mismo.
El centro de salud cuenta con herramientas informáticas como un sistema operativo
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
de salud tiene una oportunidad de mejorar su situación actual mediante la implementación
de un sistema web inteligente, pues esto ayudará a agilizar el tiempo de la atención y
satisfacer a los pacientes con capacidad auditiva.
3.1.1. Análisis descriptivo de objetivo general:
Tabla 2
Comparación de la atención de personas con discapacidad auditiva antes y
después del uso del sistema web inteligente.
__________________________________________________________________________________________
_
IMPLEMENTACIÓ
Gráfico 2. Comparación de la atención de personas con discapacidad auditiva antes y

después del uso del sistema web inteligente
De acuerdo a la demostración de la Tabla 2 y al Gráfico 2, se pudo identificar que
34 personas se muestran conformes con la atención brindada por la empresa antes de
aplicar el sistema web, de igual manera se demuestra la variación de la atención entre el
antes y después de la implementación de un sistema web, se aprecia una variación de
34(14.85%) a 203(88.65%) pacientes, es decir un aumento de 73.8%.
3.1.2. Análisis descriptivo de objetivo específico 1
Tabla 3
Comparación del tiempo de atención de personas con discapacidad auditiva antes
y después del uso del sistema web inteligente.
__________________________________________________________________________________________
_
IMPLEMENTACIÓ
Gráfico 3. Comparación del tiempo de atención de personas con discapacidad auditiva

antes y después del uso del sistema web inteligente
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
antes y después de la implementación de un sistema web, se aprecia una variación de
15(6.55%) a 221(96.51%) pacientes, es decir un aumento de 89.96%.
3.1.3. Análisis descriptivo de objetivo específico 2
Tabla 4
Comparación de satisfacción de atención de personas con discapacidad auditiva
antes y después del uso del sistema web inteligente.
__________________________________________________________________________________________
_
IMPLEMENTACIÓ
Gráfico 4. Comparación de satisfacción de atención de personas con discapacidad

auditiva antes y después del uso del sistema web inteligente
11 personas se muestran satisfechos con la atención brindada por la empresa antes de
aplicar el sistema web, de igual manera se demuestra la variación del tiempo de atención
entre el antes y después de la implementación de un sistema web, se aprecia una variación
de 11(4.80%) a 220(96.07%) pacientes, es decir un aumento de 91.27%.
3.2. Comprobación de hipótesis:
3.2.1. Contrastación de hipótesis general
HG: De qué manera la implementación de un sistema web inteligente basado en
machine learning para la traducción de lenguaje de señas contribuye en la atención de
personas con problemas auditivos en la ciudad de Lima en el año 2022.
Para comprobar la hipótesis general establecida, se deberá saber si los datos
recolectados de ambas variables cuantitativas cuentan con una distribución normal, puesto
a que esta característica nos ayudará a conocer si responden a un comportamiento
paramétrico o no paramétrico, así mismo dado que la muestra de investigación contiene
229 elementos que se analizarán correspondientemente mediante la normalidad de
Kolmogorov-Smirnov.
__________________________________________________________________________________________
_
Regla de decisión para el análisis de normalidad: IMPLEMENTACIÓ
Si p valor 0.05, el contenido de los datos muestran un comportamiento no paramétrico.
Si p valor > 0.05, el contenido de los datos muestran un comportamiento
paramétrico.
Tabla 4
Prueba de normalidad del Sistema Web Inteligente y la atención de las personas con
discapacidad auditiva
Estadístico gl Sig. Estadístic gl Sig.

o
Sistema Web 0.967 229 0.561 0.961 229 0.438

Inteligente
La traducción 0.858 229 0.003 0.872 229 0.005

del lenguaje de
señas
Como se puede observar en la Tabla 4 la significancia es igual a 0.561(sig.=0.003 ),
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
corresponde a un análisis paramétrico.
Hipótesis General estadístico
Ho: De qué manera la implementación de un sistema web inteligente basado en
machine learning para la traducción de lenguaje de señas no contribuye en la atención de
Ha: De qué manera la implementación de un sistema web inteligente basado en
machine learning para la traducción de lenguaje de señas si contribuye en la atención de

__________________________________________________________________________________________
_
IMPLEMENTACIÓ
Ho: µP.a. Pd
Ha: µP.a. < μPd
Tabla 5
Prueba Rho de Spearman: Sistema Web Inteligente y la atención de las personas
con discapacidad auditiva
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
razón de lo explicado, se acepta la hipótesis, la implementación de un sistema web
inteligente basado en machine learning para la traducción de lenguaje de señas contribuye
en la atención de personas con problemas auditivos en la ciudad de Lima en el año 2022.
3.2.2. Contrastación de hipótesis especifica 1
HE: De qué manera la implementación de un sistema web inteligente basado en

__________________________________________________________________________________________
_
con problemas auditivos en la ciudad de Lima en el año 2022. IMPLEMENTACIÓ
En este apartado se desea saber si los datos de la dimensión agilizan el tiempo de la
recolección hecha con anterioridad y si después de esta mejora tienen o no cambios una
distribución normal, como también se busca el determinar si posee un comportamiento
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
Prueba de normalidad de los tiempos en la atención de las personas con
discapacidad auditiva antes y después de usar el Sistema Web Inteligente.
Estadístico gl Sig. Estadístico gl Sig.
Tiempo antes 0.967 229 0.561 0.961 229 0.438
Tiempo después 0.858 229 0.003 0.871 229 0.005
De acuerdo a la tabla anteriormente descrita se logra observar que el valor de la
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,
en otras palabras, que los datos tienen una distribución normal.
Hipótesis específica 1 estadístico:
__________________________________________________________________________________________
_
IMPLEMENTACIÓ
machine learning para la traducción de lenguaje de señas no agiliza la atención de personas
con problemas auditivos en la ciudad de Lima en el año 2022.
con problemas auditivos en la ciudad de Lima en el año 2022.
Ho: µP.a. Pd H: µP.a. < Pd
Tabla 7
Prueba Rho de Spearman: Los tiempos en la atención de las personas con
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
correlación
Sig. (bilateral)
de señas 229 229
N
En la tabla 7, la significancia muestra un valor de 0.012, el cual es menor a 0.155,
por lo que se puede entender que, si existe una correlación positiva entre las variables. A
razón de lo expuesto, se acepta la hipótesis, de que la implementación de un sistema web
inteligente basado en machine learning para la traducción de lenguaje de señas agiliza la
__________________________________________________________________________________________
_
IMPLEMENTACIÓ
atención de personas con problemas auditivos en la ciudad de Lima en el año 2022.
3.2.3. Contrastación de hipótesis especifica 2
HE: De qué manera la implementación de un sistema web inteligente basado en
Para constatar la hipótesis mencionada, se deberá saber si los datos satisfacen la
recolección, de igual manera se tendrá que saber si, se tiene una distribución normal, dado
que se desea determinar si tiene un comportamiento paramétrico y aclarando que se tiene
229 datos, a esto se le corresponde analizar a través de la normalidad Kolmogómv-
Smirnov.
Regla de Decisión:
paramétrico.
Tabla 8
Prueba de normalidad de la satisfacción en la atención de las personas con
Estadístico gl Sig. Estadístico gl Sig.
Tiempo antes 0.935 229 0.457 0.850 229 0.303
Tiempo después 0.810 229 0.005 0.811 229 0.014
De acuerdo a la tabla anteriormente descrita se logra observar que el valor de la
__________________________________________________________________________________________
_
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,
en otras palabras, que los datos tienen una distribución normal.
Hipótesis específica 2 estadístico:
machine learning para la traducción de lenguaje de señas de no ofrecer una buena
atención de personas con problemas auditivos en la ciudad de Lima en el año 2022.
Ho: µP.a. Pd
Hₐ: µP.a. < μPd
Tabla 9
Prueba Rho de Spearman: La satisfacción en la atención de las personas con
Sistema
La traducción del
Web
lenguaje de señas
Inteligente
Rho Sistema Web Coeficiente de 0.833 0.900

Spearman Inteligente correlación 0.555 0.012
Sig. (bilateral) 229 229
N
__________________________________________________________________________________________
_
IMPLEMENTACIÓ
Coeficiente de
correlación
Sig. (bilateral)
de señas 229 229
N
En la tabla 7, la significancia muestra un valor de 0.020, el cual es menor a 0.555,
por lo que se puede entender que, si existe una correlación positiva entre las variables. A
razón de lo expuesto, se quiere decir que acepta la hipótesis, de la implementación de un
sistema web inteligente basado en machine learning para la traducción de lenguaje de
señas ofrece una buena atención de personas con problemas auditivos en la ciudad de
Lima en el año 2022.
__________________________________________________________________________________________
_
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
realizar nuestra investigación.
La información brindada por el centro de salud carecía de organización, por lo que
dificulto la interpretación de los datos. Por ello se tomó un tiempo para ordenar y filtrar la
base de datos.
Para la búsqueda de los antecedentes, se mostraron algunos inconvenientes en la
búsqueda y adquisición de estos documentos, debido a que muchos de ellos no tienen
acceso libre o su base de datos no estaba publicada completamente, estas investigaciones
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
conceptos y no poder realizar consultas presenciales a docentes afectó la realización de este
trabajo, sin embargo, con esfuerzo y persistencia se logró realizar esta investigación.
4.1.2. Interpretación Comparativa:
Según el objetivo general, luego de realizar la implementación del sitio web
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 73.8% entre el antes y después de la implementación, así mismo se empleó la prueba no

__________________________________________________________________________________________
_
IMPLEMENTACIÓ
paramétrica de correlación de Rho Spearman el cual entregó como resultado una
correlación positiva de 0.814, lo cual afirma que la implementación de un sistema web
inteligente basado en machine learning influye positivamente en la traducción del lenguaje
de señas en las personas con discapacidad auditiva del centro de Lima.
De acuerdo al objetivo específico 1, en el que menciona que la implementación de
un sistema web agiliza el tiempo de atención de las personas con discapacidad auditiva del
centro de Lima, se pudo apreciar una variación de 15(6.55%) a 221(96.51%) de personas
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
con discapacidad auditiva, igualmente se utilizó la prueba no paramétrica de correlación de
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.
Por último, de acuerdo al objetivo específico 2, en el cual dice que la
implementación de un sistema web mejora la satisfacción en la atención de las personas
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
paramétrica de correlación de Rho Spearman para asegurar que dicha información se
encuentra correcta, con lo cual se definió una correlación positiva por lo cual se puede
admitir que la implementación de un sistema web mejora la satisfacción en la atención de
las personas con discapacidad auditiva del centro de Lima.
4.1.3. Implicancias:
4.1.3.1. Implicancias prácticas
Los resultados obtenidos en el presente trabajo de investigación precisan que las

__________________________________________________________________________________________
_
IMPLEMENTACIÓ
personas que desean implementar el sistema web inteligente para la traducción del
lenguaje de señas en la atención de personas con discapacidad auditiva, necesitan un
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.
4.1.3.2. Implicancias teóricas:
Posteriormente luego de verificar los estudios efectuados con los antecedentes
identificados anteriormente se puede decir que la implementación de un 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.
4.1.3.3. Implicancias metodológicas
Los métodos cuantitativos utilizados en el presente trabajo de investigación, como
también el diseño realizado a los instrumentos usados. Deja claro que la metodología
empleada para el desarrollo y la obtención de resultados en la investigación se ha aplicado
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
inclusión de diferentes métodos o instrumentos en el estudio.
4.2. Conclusiones:
Primero la aceptación de la atención brindada por la empresa para las personas con
discapacidad auditiva se ha incrementado a 88.65%, de esta manera la implementación de

__________________________________________________________________________________________
_
IMPLEMENTACIÓ
un sistema web inteligente influye positivamente en la atención de personas con
discapacidad auditiva en las empresas del sector salud y comercial.
Segundo, se agilizo el tiempo de atención de personas con discapacidad auditiva
incrementando a 96.51%, de esta forma la implementación del sistema web inteligente
agiliza el tiempo de atención de personas con discapacidad auditiva en las empresas del
sector salud o comercial.
Tercero, la satisfacción de las personas con discapacidad auditiva ha incrementado
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:
Se recomienda crear sistemas innovadores utilizando inteligencia artificial ya que
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
tecnología que pueden ser fácilmente aplicadas en maquinarias y sistemas de seguridad.
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
rubro de la empresa, los productos y el servicio que ofrece, contacto y ubicación de la
empresa siendo uno de los principales beneficios generar más ingresos.
Además se recomienda optimizar los procesos de la empresa incorporando un
sistema inteligente para realizar las actividades en el menor tiempo posible.
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.
__________________________________________________________________________________________
_
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
__________________________________________________________________________________________
_
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.
__________________________________________________________________________________________
_
Anexos: IMPLEMENTACIÓ
Anexo N°1 Matriz de Consistencia
____________________________________________________________________________________________________________________________________
IMPLEMENTACIÓ
Anexo N°2 Matriz de operacionalización de variables
____________________________________________________________________________________________________________________________________
IMPLEMENTACIÓ
Anexo 3: Pregunta instrumento cuestionario
CUESTIONARIO
Objetivo: El presente cuestionario tiene como objetivo demostrar los principales

problemas que el centro de salud tiene al momento de atender a una persona con
discapacidad auditiva.
Instrucciones: Marque la opción que exprese su conformidad en cada una de las
afirmaciones siguientes: SI o NO
__________________________________________________________________________________________
_
IMPLEMENTACIÓ
Anexo 4: Ficha de Observación
__________________________________________________________________________________________
_

Prueba

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Prueba

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE INGENIERÍA

Carrera de Ingeniería de Sistemas Computacionales

IMPLEMENTACIÓN DE UN SISTEMA WEB

Bachiller en Ingeniería de Sistemas Computacionales

A mis padres, porque me apoyaron en mi formación de Ingeniero de Sistemas.

A nuestro profesor de tesis, el Ing. Guido Trujillo Valdiviezo.

Por brindarnos su asesoría.

1.1. Realidad Problemática 5

1.1.1. Descripción del Problema de Investigación 5

1.1.2. Antecedentes de la Investigación 8

1.1.2.1. A nivel internacional 8

1.1.2.2. A nivel nacional 10

1.1.3. Bases Teóricas 10

1.1.3.1. Variable 1: Sistema Web Inteligente 10

1.1.3.1.1. Objetivos de un Sistema Web Inteligente 12

1.1.3.1.2. Ventajas de un Sistema Web Inteligente 12

1.1.3.1.3. Implementación de un Sistema Web Inteligente 13

1.1.3.1.4. Dimensiones de un Sistema Web Inteligente 14

1.1.3.2. Variable 2: Traducción de Lenguaje de Señas (SL) 14

1.1.3.2.1. Dimensiones de Traducción de Lenguaje de Señas (SL) 16

1.1.3.3. Metodología Machine Learning (ML) 17

1.1.3.3.4. ML en las empresas 19

1.1.3.3.5. Etapas de la metodología ML 19

1.1.3.3.6. Factores de éxito de ML 20

1.1.3.3.7. Pasos para la implementación de la metodología ML 21

1.2.1. Problema General 22

1.2.2. Problemas Específicos 22

1.3.1. Objetivo General 22

1.3.2. Objetivos específicos 22

1.4.1. Hipótesis General 23

1.4.2. Hipótesis Específicas 23

1.5.1. Justificación Teórica 23

1.5.2. Justificación Práctica 23

1.5.3. Justificación Metodológica 24

1.5.4. Justificación Cuantitativa 24

1.5.5. Justificación Académica 24

CAPÍTULO II. METODOLOGÍA 25

2.1. Tipo de Investigación 25

2.4. Técnicas e instrumentos de recolección de datos 27

2.6. Análisis de datos o análisis estadístico 28

2.7. Aspectos éticos 29

CAPÍTULO III. RESULTADOS 30

3.1. Análisis Descriptivo 30

3.1.1. Análisis descriptivo de objetivo general 31

3.1.2. Análisis descriptivo de objetivo específico 1 32

3.1.3. Análisis descriptivo de objetivo específico 2 33

3.2.1. Contrastación de hipótesis general 34

3.2.2. Contrastación de hipótesis específica 1 36

3.2.3. Contrastación de hipótesis específica 2 38

CAPÍTULO IV. DISCUSIÓN 42

4.1.2. Interpretación comparativa 42

4.1.3.1. Implicancias prácticas 43

4.1.3.2. Implicancias teóricas 44

4.1.3.3. Implicancias metodológicas 44

Anexo N°1 Matriz de Consistencia 48

Anexo N°2 Operacionalización de Variables 49

Anexo N°3 Pregunta Instrumento Cuestionario 50

Anexo N°4 Ficha de Observación 51

1.1.1. Descripción del Problema de Investigación:

sectores públicos y privados la usan, desde ayudar en el monitoreo y seguridad como el

resultados obtenidos. En la actualidad no solo el sector empresarial se ve beneficiado por

ayudado al tratamiento de pacientes y a la detección de enfermedades.

Según Xi Zhang (2022) menciona que la tecnología se ha aplicado en más

industrias y campos, como la conducción no tripulada, el uso de algoritmos de