Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Violencia intrafamiliar
PG_2020-01-02
GONZALO CUCAITA
CESAR SORIANO
UNIVERSIDAD EL BOSQUE
PROGRAMA DE INGENIERÍA DE SISTEMAS
FACULTAD DE INGENIERÍA
Bogotá, 2021
CATVI: Computación Afectiva como Instrumento para el Manejo de la
Violencia intrafamiliar
PG_2020-01-02
GONZALO CUCAITA
CESAR SORIANO
Director
FRAN ERNESTO ROMERO
Máster en integración de TIC en organizaciones.
UNIVERSIDAD EL BOSQUE
PROGRAMA DE INGENIERÍA DE SISTEMAS
FACULTAD DE INGENIERÍA
Bogotá, 2021
Dedicamos este documento a todas las mujeres que han pasado por una situación
de violencia intrafamiliar, que han tenido que luchar día tras día por salir adelante
pasando por momentos oscuros. Hacemos este proyecto aportando un granito de
arena para apoyarlas en su situación
i
AGRADECIMIENTOS
Agradezco a Dios y a mi familia que de no ser por ellos no estaría culminando esta
fase de estudios y esta fase de mi vida, por estar siempre apoyándome en el largo
camino recorrido, agradezco a mis compañeros y profesores que estuvieron en los
momentos memorables de la carrera.
Cesar Steven Soriano Mosquera
ii
CONTENIDO
1. PROBLEMA ...................................................................................................... 3
1.1 DESCRIPCIÓN DEL CONTEXTO A INTERVENIR .................................... 3
1.2 ANÁLISIS DEL CONTEXTO DESDE EL MODELO BIOPSICOSOCIAL Y
CULTURAL ........................................................................................................... 3
1.2.1 MBSC desde la perspectiva de la victima ............................................ 5
1.2.2 MBSC desde la perspectiva del especialista ........................................ 5
1.3 IDENTIFICACIÓN Y DESCRIPCIÓN DE LA PROBLEMÁTICA ................. 6
2. SOLUCION DE INGENIERÍA ............................................................................ 9
2.1 OBJETIVOS: GENERAL Y ESPECÍFICOS. ............................................... 9
2.1.1 Objetivo general ................................................................................... 9
2.1.2 Objetivos específicos ........................................................................... 9
2.2 DESCRIPCIÓN DE LA SOLUCIÓN Y RESULTADOS ESPERADOS ...... 10
2.2.1 Alcances y limitaciones ...................................................................... 11
2.3 ANÁLISIS DE LA SOLUCIÓN DESDE EL MODELO BPSC ..................... 11
2.4 TABLA DE ENTREGABLES ..................................................................... 13
2.5 VARIABLES PARA MEDIR ....................................................................... 14
2.5.1 Validación de la academia ................................................................. 14
2.5.2 Validación estática ............................................................................. 14
2.5.3 Validación dinámica ........................................................................... 14
2.6 METODOLOGÍA ....................................................................................... 16
2.6.1 Estructura de desglose de trabajo ...................................................... 16
2.6.2 Aplicación de la metodología ............................................................. 17
2.6.3 Cronograma ....................................................................................... 18
2.6.4 Artefactos de la metodología .............................................................. 20
2.7 COMPONENTE ÉTICO ............................................................................ 21
2.7.1 Principio público ................................................................................. 21
2.7.2 Principio cliente y empleador ............................................................. 21
2.7.3 Principio del producto ......................................................................... 21
2.7.4 Principio de juicio ............................................................................... 22
2.7.5 Principio de gestión ............................................................................ 22
2.7.6 Principio de profesión ......................................................................... 22
2.7.7 Principio de colegas ........................................................................... 22
iii
2.7.8 Principio del yo ................................................................................... 22
2.7.9 Aplicación de componentes éticos en el proyecto .............................. 23
3. MARCO REFERENCIAL ................................................................................. 24
3.1 ANTECEDENTES Y ESTADO DEL ARTE ............................................... 24
3.1.1 Computación afectiva ......................................................................... 24
3.1.2 Datos de aprendizaje ......................................................................... 25
3.1.3 Violencia intrafamiliar ......................................................................... 26
3.1.4 Computación afectiva en la violencia intrafamiliar .............................. 26
3.2 MARCO TEÓRICO ................................................................................... 27
4. DESARROLLO METODOLÓGICO ................................................................. 29
4.1 SPRINT 1.................................................................................................. 29
4.1.1 Información sobre violencia intrafamiliar ............................................ 30
4.1.2 Selección de tecnologías ................................................................... 31
4.1.3 Historias de usuarios .......................................................................... 33
4.1.4 Fase de diseño ................................................................................... 34
4.1.5 Desarrollo tecnológico ........................................................................ 38
4.1.6 Resultados ......................................................................................... 39
4.2 SPRINT 2.................................................................................................. 40
4.2.1 Desarrollo tecnológico ........................................................................ 40
4.2.2 Resultados ......................................................................................... 43
4.3 SPRINT 3.................................................................................................. 43
4.3.1 Desarrollo del modelo del Chatbot ..................................................... 43
4.3.2 Desarrollado del modelo clasificador de rostros ................................. 46
4.3.3 Integración de modelos ...................................................................... 50
4.3.4 Resultados ......................................................................................... 51
4.4 SPRINT 4.................................................................................................. 51
4.4.1 Mejora del diseño ............................................................................... 51
4.4.2 Mejora usuario – aplicación ................................................................ 52
4.4.3 Ocultar la cámara al usuario .............................................................. 53
4.4.4 Análisis de sentimientos ..................................................................... 53
4.4.5 Métodos para subir información a Google Drive ................................ 54
4.4.6 Resultados ......................................................................................... 55
4.5 SPRINT 5.................................................................................................. 55
iv
4.5.1 Comunicación inicial con los especialistas ......................................... 55
4.5.2 Nuevas historias de usuarios ............................................................. 56
4.5.3 Cambios finales .................................................................................. 56
5. RESULTADOS ................................................................................................ 59
6. ANÁLISIS DE RESULTADOS/ DISCUSIÓN ................................................... 65
7. CONCLUSIONES ............................................................................................ 67
8. RECOMENDACIONES Y TRABAJOS FUTUROS .......................................... 69
9. LECCIONES APRENDIDAS ........................................................................... 70
9.1 CREACIÓN DE MODELOS DE INTELIGENCIA ARTIFICIAL .................. 70
9.2 APRENDIZAJE EN FLUTTER .................................................................. 70
9.3 INTEGRACIÓN DE MODELOS DE COMPUTACIÓN AFECTIVA CON
FLUTTER ........................................................................................................... 70
9.4 TRATAMIENTOS PATA LA VIOLENCIA INTRAFAMILIAR ...................... 71
9.5 APP SCRIPT ............................................................................................ 71
9.6 INTEGRACIÓN DE MODELOS IA EN FLUTTER ..................................... 71
10. REFERENCIAS BIBLIOGRÁFICAS ............................................................. 72
11. ANEXOS ...................................................................................................... 75
11.1 ANEXO 1 MODELO BPSC DEL PROBLEMA ....................................... 75
11.2 ANEXO 2 ÁRBOL DEL PROBLEMA ..................................................... 75
11.3 ANEXO 3 MODELO BPSC DE LA SOLUCIÓN ..................................... 75
11.4 ANEXO 4 DOCUMENTOS DE SCRUM ................................................ 75
11.5 ANEXO 5 CRONOGRAMA.................................................................... 75
11.6 ANEXO 6 DAILY MEETING .................................................................. 75
11.7 ANEXO 7 BURNDOWN CHART ........................................................... 75
11.8 ANEXO 8 HISTORIAS DE USUARIO ................................................... 75
11.9 ANEXO 9 PRODUCT BACKLOG .......................................................... 76
11.10 ANEXO 10 SPRINT BACKLOG............................................................. 76
11.11 ANEXO 11 DIAGRAMA DE SECUENCiA ............................................. 76
11.12 ANEXO 12 DOCUMENTO DE PRUEBAS............................................. 76
11.13 ANEXO 13 RESULTADO CUESTIONARIOS........................................ 76
11.14 ANEXO 14 MANUAL DE USUARIO ...................................................... 76
11.15 ANEXO 15 MANUAL TÉCNICO ............................................................ 76
11.16 ANEXO 16 RESULTADO DE LA APLICACIÓN .................................... 76
v
LISTA DE TABLAS
vi
LISTA DE FIGURAS
vii
GLOSARIO
viii
limitaciones de oferta, de acceso a los servicios o de ambos en su área geográfica
[6].
ix
RESUMEN
Resumen
Por lo anterior este proyecto propone una herramienta que en conjunto con la
computación afectiva de soporte en el tratamiento de las personas víctimas de
violencia intrafamiliar, permitiéndole a los especialistas en psicología dar
seguimiento y asesoramiento a las mujeres en esas circunstancias con la cual la
víctima pueda continuar con su tratamiento sin la necesidad de asistir a todas las
sesiones presenciales con el especialista, como metodología se implementó la
metodología ágil SCRUM que permite tener una aplicación funcional para realizar
cambios según los cambios solicitados por los especialistas.
x
Abstract
Domestic violence arises from the inequality that exists between men and women in
Colombia. When a woman victim of domestic violence decides to report the case to
the competent authorities, she is assigned to a specialist, the specialist proceeds to
schedule a series of control appointments with which to monitor the patient's
progress against the assigned treatment.
Therefore, this project proposes a tool that together with the affective computing
support in the treatment of victims of domestic violence, allowing psychology
specialists to provide follow-up and advice to women in these circumstances with
which the victim can continue with their treatment without the need to attend all
sessions with the specialist, as methodology was implemented agile SCRUM
methodology that allows to have a functional application to make changes according
to the changes requested by the specialists.
The result is a mobile application that implements artificial intelligence models tested
by the Telepsychology seedbed, finding that for the specialists the application can
be used as a tool to provide follow-up and advice to people in these circumstances.
xi
INTRODUCCIÓN
De igual manera la inteligencia afectiva puede ser utilizada para identificar las
emociones de pacientes con esquizofrenia por medio de una aplicación pueden
detectar las diferentes emociones de los pacientes y poder ayudar al paciente con
voces generadas por la aplicación [10].
2
1. PROBLEMA
3
En Colombia tanto los pacientes como los especialistas en salud tienden a tomar la
decisión de reportar el abuso dependiendo en muchos casos de las creencias que
tienen acerca de la violencia intrafamiliar y de cómo repercute en su cotidiano vivir,
de modo que en muchos casos no se realiza la correcta evaluación para identificar
si hay presencia de violencia intrafamiliar como se muestra en la figura 1 la cual
puede ser vista mejor en el anexo1.
4
1.2.1 MBSC desde la perspectiva de la victima
Cuando se identifica que un paciente sufre de maltrato el caso debe ser evaluado
por equipos interdisciplinarios que estén sensibilizados en el tema y capacitados
para su manejo, el diagnostico no presenta dificultades cuando la víctima solicita la
atención, pero resulta más compleja cuando la persona no comenta su situación lo
cual depende de cómo esta percibe que va a ser tratada por el médico.
En algunos casos la victima siente vergüenza y humillación y teme ser juzgado por
sus doctores o consideran que se merecen el maltrato y que no merecen recibir
ayuda.
Pero son pocos los que preguntan de manera rutinaria sobre el abuso y en muchos
casos no saben cómo responder cuando el paciente afirma ser víctima de violencia
intrafamiliar [1].
5
1.3 IDENTIFICACIÓN Y DESCRIPCIÓN DE LA PROBLEMÁTICA
Todas estas personas que sufren de este tipo de violencia presentan consecuencias
físicas, psicológicas, sexuales o emocionales causando traumas que marcan a una
persona de por vida.
6
Figura 2 Árbol del problema
Las causas por las cuales los especialistas no logran identificar correctamente las
emociones que presentan los pacientes, se dan por la falta de tiempo en cada
tratamiento. Gracias a la alta cantidad de pacientes que el especialista debe atender
y también por la falta de información que el paciente proporciona al momento del
tratamiento, debido a que no cuenta con la suficiente confianza o tiene miedo a ser
juzgado.
7
Cuando el paciente decide abandonar el tratamiento puede presentar un aumento
en los problemas psicológicos los cuales repercuten en que el paciente caiga en el
consumo de drogas y alcohol, aumente la depresión y llegue a considerar el suicidio
como una opción.
8
2. SOLUCION DE INGENIERÍA
9
2.2 DESCRIPCIÓN DE LA SOLUCIÓN Y RESULTADOS ESPERADOS
La solución propuesta consiste en una aplicación móvil para Android la cual permita
identificar los sentimientos de una persona, para apoyar al especialista en el
tratamiento asignado a las víctimas de violencia intrafamiliar, ofreciendo información
de la persona.
Así el especialista que atiende a las víctimas va a poder llevar un seguimiento más
profundo sobre el tratamiento de los pacientes. De manera que si el paciente no
muestra un avance positivo se pueden tomar medidas en el tratamiento.
Se espera del proyecto una aplicación móvil, la cual permita tener una conversación
con un usuario. Que realice el análisis de la información recolectada, la guarde para
luego ofrecerla al especialista.
10
2.2.1 Alcances y limitaciones
El alcance del proyecto es contar con una aplicación inicial, con la cual integrar
tecnologías de inteligencia Afectiva, que en conjunto con los expertos se va a validar
que la información que recopila puede ser de utilidad para el tratamiento de
pacientes víctimas de violencia intrafamiliar.
Tomando en cuenta las creencias y hábitos que presentan los pacientes y los
especialistas anteriormente mencionados en el apartado 1.2 se busca implementar
una aplicación móvil capaz de apoyar a los especialistas a detectar como los
sentimientos de los pacientes se ven afectadas por el tratamiento, de manera que
el especialista pueda tomar la decisión de modificar el tratamiento para ayudar a las
víctimas en su proceso de mejora.
11
Figura 3 Modelo biopsicosocial y cultural de la solución
12
De esta manera el tratamiento que se le asigne a un paciente va a estar mayormente
ligado a los avances o descensos que el paciente pueda presentar y el especialista
va a llevar un mejor control del tratamiento.
La siguiente tabla muestra los entregables que se van a realizar, junto con su
resultado esperado.
13
problemas que presenta durante el
día
● Burndown Chart: muestra de manera
fácil los avances que se tienen en el
proyecto
● Sprint backlog: documento de la
planeación del sprint que se va a
llevar a cabo.
● Sprint review: Un documento que
nos permita ver el sprint terminado.
Documentaci Documentación necesaria para ● Manual técnico
ón entender el uso y desarrollo de la ● Manual del usuario
aplicación. ● Documento SAD
Fuente: Elaboración Propia
14
Variable a medir Descripción Validación Validación Validación
Academia estática Dinámica
maneja de forma van a validar la que realiza la la aplicación y
adecuada el aplicación en aplicación responderá un
conjunto de segundos, permiten cuestionario de
funciones que teniendo en recoger la experiencia
satisfagan las cuenta que tan información con la app
necesidades rápida es la necesaria para
para las que respuesta de la el análisis.
fueron diseñados aplicación.
[15]
Tiempo de El tiempo de Los El especialista El especialista
respuesta al ejecución de un desarrolladores va a llenar un en el papel del
usuario software permite van a probar la cuestionario, usuario va a
medir la rapidez aplicación y van a respondiendo responder un
y fluidez en validar que la que tan rápido cuestionario
respuesta del aplicación es la respondiendo
software, es muy responda en corto conversación como es la
importante ya tiempo, con la interacción con
que un software midiéndolo en aplicación. la aplicación y
con tiempos de segundos. que tan rápido
ejecución altos es su
es muy poco útil respuesta.
[16]
Confiabilidad de La confiabilidad Los El especialista El especialista
la información se refiere a la desarrolladores va a llenar un en el papel de
recogida capacidad que van a validar que cuestionario usuario va a
debe tener el sea confiable el respondiendo llenar un
software de envío de reportes que tan seguro cuestionario,
mantener su para estar es el envío de comentando
nivel de seguros de que la información, como le parece
ejecución bajo información no que tan fiable el tratamiento
condiciones resulte en es la de sus datos.
normales en un terceros. información
periodo de
tiempo
establecido [15]
Usabilidad de la Según el Los El especialista El especialista
aplicación estándar ISO desarrolladores calificara la en el papel del
9241, la van a validar que aplicación de 1 usuario va a
usabilidad se la aplicación sea a 10 midiendo calificar la
define como “el fácil de usar e que tan fácil es aplicación de 1
grado en el que intuitiva, con una ver la a 10 que tan
un producto calificación de 1 a información del fácil es usar la
puede ser 10 usuario. aplicación.
utilizado por
usuarios
específicos para
conseguir
objetivos
específicos con
efectividad,
eficiencia y
15
Variable a medir Descripción Validación Validación Validación
Academia estática Dinámica
satisfacción en
un determinado
contexto de uso”
[17]
Fuente: Elaboración Propia
2.6 METODOLOGÍA
Una vez se cuente con el panel de expertos los cuales consideren pertinente realizar
una serie de cambios, estos no van a afectar el avance presentado.
Para este proyecto resulta de manera óptima trabajar por Sprint en los cuales se va
a trabajar los requisitos más prioritarios.
Esta es una metodología ágil que nos permite hacer entregas de resultados de
manera periódica aumentando la productividad y calidad del producto final.
16
• Diseño: Esta área va a permitir modelar la aplicación diseñando la interfaz del
usuario para la aplicación móvil, estructurar el programa con diagramas que
permitan evidenciar la utilidad de la aplicación y diseñar los conjuntos de datos
que los modelos de computación afectiva van a utilizar.
• Pruebas: Esta es la última área, una de las más importantes ya que nos va a
permitir evaluar los modelos realizados, si es funcional o si presenta errores.
17
La implementación de la metodología SCRUM se realiza definiendo tareas de
manera alterna, entre las diferentes áreas de trabajo estipuladas en la estructura de
trabajo. Que se muestra en la figura 4, de manera que en los primeros sprints se
trabaja en el de diseño inicial de la aplicación y en la investigación de las
herramientas de desarrollo. Para posteriores sprints trabajar en el diseño y
desarrollo de los modelos, para culminar el proyecto en conjunto con los
especialistas para ajustar las modificaciones presentadas por estos.
Una vez definidas las tecnologías a utilizar, junto con un prototipo de la aplicación
en los siguientes sprints se inicia el diseño y desarrollo de los modelos de
inteligencia artificial, como lo son los modelos de clasificación para el ChatBot, el
modelo de clasificación para reconocimiento de expresiones faciales con redes
neuronales convolucionales, con el fin de integrar el prototipo de la aplicación con
estos modelos.
2.6.3 Cronograma
En este apartado se explica el nuevo cronograma y las 5 fases en las cuales está
dividido el proyecto CATVI. El cronograma se puede evidenciar en la figura 5 donde
18
se presenta el cronograma para el periodo 2020-2 y en la figura 6 en la que se
puede observar el cronograma para el periodo 2021-1, el cronograma puede ser
evidenciado con mayor detalle en el anexo 5, en la hoja “Cronograma Nuevo”.
19
Figura 6 Cronograma 2021-1
El Burndown chart es un artefacto de importancia que permite ver cuáles son las
tareas faltantes, las tareas que están en proceso y cuáles son las tareas finalizadas.
De igual modo permite tener un mejor control de los tiempos y saber el progreso del
proyecto. Este artefacto se desarrolló gracias a la herramienta de Microsoft
Planner®. Para poder acceder al Burndown ingresar al anexo 7.
Las historias de usuario recolectadas inicialmente son propias de los creadores del
proyecto teniendo en cuenta las reuniones con el director y la investigación previa
sobre el contexto del problema, la idea principal es contar con una aplicación
funcional base la cual presentar al especialista y realizar las correcciones
necesarias para crear una aplicación funcional y cumplir con el objetivo del proyecto.
Para poder acceder a las historias del usuario ingresar al anexo 8.
El product backlog permite tener un control más específico de todas las tareas a
realizar necesarias para desarrollar el producto, permite ver el detalle y lo que se
20
debe realizar en el proceso de creación. Para poder acceder al producto backlog
puede ingresar al anexo 9.
El sprint backlog permite tener el control de las tareas por cada sprint de manera
que se definen cuáles son las tareas que se van a realizar en cada sprint y tener de
manera más acotada lo que se debe realizar. Se realiza cada inicio de Sprint para
verificar que falta por realizarse una vez se finaliza cada sprint y poder seguir
avanzando al otro. Para poder acceder al Sprint Backlog se puede ingresar al anexo
10.
21
El desarrollo va a contar con servicios de terceros, de los cuales se va a utilizar los
mejores para aplicación, identificando el beneficio costo – uso. Que funcione de la
mejor manera, para que el usuario final reciba un resultado excelente y de calidad.
Se garantiza las pruebas realizadas por el equipo de desarrollo, equipo experto en
tema de violencia intrafamiliar y pruebas controladas con ejemplos de la vida real.
Se tiende una curva de aprendizaje alta, pero se tomará provecho de esto para
sacar la mejor experiencia del proyecto. No solo aprendiendo en el área de
desarrollo, también en el área personal, de trabajo en equipo, documentación y
todas las áreas relacionadas en este proyecto. Sacando el mejor provecho de cada
22
error y triunfo. Siempre con un espíritu de aprendizaje. Para poder entregar al
usuario final un producto de calidad.
Para este proyecto se aplica el componente ético en todos los aspectos ya que en
el componente de principio público no se aplicaron pruebas en personas víctimas
de violencia intrafamiliar, pero se piensa en todo momento en poder tener una
aplicación que pueda contribuir a la sociedad y a estas personas para que superen
su trauma de la manera más rápida.
El principio del juicio esta evaluado por el panel de expertos que está encabezado
por el semillero de Telepsicología, el cual se encuentra capacitado para dar el mejor
apoyo para que la aplicación sea funcional.
23
3. MARCO REFERENCIAL
En los últimos años se ha visto como la tecnología entra en esta área para ayudar,
pero lo hace de una manera de seguridad, de vigilancia a mensajes de texto o
llamadas. También se han creado líneas de atención a mujeres maltratadas, sin
embargo, aún falta más apoyo de la tecnología en la violencia doméstica.
24
datos, un sistema de IA y un sistema de interfaz. El aplicativo como tal cuenta con
diferentes sensores, tecnología de internet y computación afectiva [9].
Pero como se mencionó antes, la computación afectiva no solo se encarga del área
de la salud y la psicología, sino también trata de temas empresariales como lo hace
Huawei cuando este año 2020, una tienda en Wuhan la atienden robots, con la
capacidad de poder dar información correspondiente y poder sugerir productos
según los deseos de los clientes [20].
25
menciona en [21] donde proponen un nuevo algoritmo de optimización integrado en
luciérnagas el cual puede realizar múltiples tareas como la selección de
características optimas, el ajuste de parámetros y la selección de clasificar de
acuerdo al conjunto de datos que se basan en EEG.
La organización UNICEF tiene varios programas para esta lucha contra la violencia
[23]. Con fin de fortalecer los compromisos nacionales con planes multisensoriales
y de acciones prioritarias, lo que intenta este programa es que se unan los países
para tener tratamiento prioritario a los niños y adolescentes. Otra iniciativa que tiene
es brindar apoyo a los sectores de la salud, sectores de la información y la
comunicación junto otros sectores.
Por parte de ONU Mujeres tiene una campaña llamada ÚNETE que busca crear una
red de mujeres unidas en contra de la violencia. El objetivo es poder erradicar la
pandemia de la violencia contra la mujer en el 2030, conjunto con varias
organizaciones, empresas del sector privado o sociedades civiles. Este es el trabajo
que tiene esta ONG para la prevención y lucha de la violencia contra la mujer.
26
Pero con esfuerzos personales y profesionales de forma psicológica y con
campañas. Sin embargo, no se tiene el apoyo tecnológico necesario para poder
ayudar a las personas que sufren este tipo de violencia con ayuda de computación
afectiva.
Del mismo modo los algoritmos de inteligencia artificial pueden ser implementados
en diferentes áreas de la Salud. Como lo proponen Xiaogi Liang, et al, quienes
27
plantean un marco para la construcción de un sistema de servicios de inteligencia
emocional para las personas de la tercera edad basados en IoT [9] o como lo
plantean los autores Seong Youb y Hyun Joong Yoon los cuales implementan una
aplicación web para el tratamiendo de niños que sufren autismo estudiando los
comportamientos, acciones y emociones de los niños [19].
Para desarrollar una aplicación con la cual una mujer víctima de violencia
intrafamiliar pueda interactuar de manera personal se debe contar con el apoyo de
un grupo con conocimientos sobre la violencia intrafamiliar, de modo que se pueda
ajustar la aplicación, para el proyecto se cuenta con el apoyo del semillero de tele
psicología de la universidad El Bosque con los cuales se pueda apoyar y guiar en
temas de violencia de genero para que la aplicación realice las preguntas
adecuadas para recolectar información.
Por último, se tiene apoyo por parte del semillero de tele psicología el cual aporta al
seguimiento y asesoramiento de la aplicación a nivel de calidad en la conversación,
para que pueda apoyar de mejor manera al especialista. Se logran estas mejoras
con reuniones, en las cuales los principales comentarios fueron el mejoramiento de
la conversación y el cambio de personajes en aplicación, brindando ideas de
preguntas que debe hacer la aplicación y apoyando con la imagen de algunas
especialistas para que fueran personajes en CATVI.
28
4. DESARROLLO METODOLÓGICO
4.1 SPRINT 1
El objetivo del sprint 1 fue que la aplicación pueda detectar la voz del usuario, para
que en futuros Sprints el usuario interactúe de manera hablada sobre un tema en
específico y la aplicación pueda responder de manera coherente.
29
4.1.1 Información sobre violencia intrafamiliar
Se espera contar con un especialista que brinde más información sobre los
tratamientos que se utilizan para la violencia intrafamiliar con el fin de entrenar el
Bot y mejorar los algoritmos de reconocimiento de expresiones faciales.
Tratamiento de Micucci, Este tratamiento tiene como objetivo que se vea a la familia
como un sistema integro [33]. Esto quiere decir que este tratamiento intenta mejorar
la relación de la familia en el caso que la violencia no sea tan grave. Lo cual se
30
concluyó que este tratamiento no se va a realizar en la aplicación ya que se quiere
abordar a la mayoría de las mujeres violentadas por su pareja.
De igual manera se debe considerar que las aplicaciones puedan adaptarse a dos
plataformas completamente separadas como lo son Android y IOS, de modo que
para desarrollar una aplicación para ambas plataformas se requiere conocimientos
de diferentes conjuntos de herramientas para el desarrollo, como lo son Java/Kotlin
para Android y Object-C/Swift para IOS [34].
Por otra parte, se encuentra el SDK de Flutter, lanzado por Google a finales de
2016, permite el desarrollo de aplicaciones para Android y IOS reduciendo el costo
de producción de aplicaciones [35].
31
móviles, web y de escritorio a partir de un único código fuente [35], el lenguaje que
utiliza Flutter para el desarrollo es Dart.
Para el SDK de Flutter existen varias librerías las cuales permiten la integración de
modelos de TensorFlow lite facilitando la implementación de los modelos de manera
nativa en la aplicación.
Por esta razón las tecnologías elegidas para el desarrollo de los modelos fueron
TensorFlow para la creación de los modelos en la aplicación en conjunto con
TensorFlow lite para integrar los modelos a la aplicación móvil.
32
4.1.3 Historias de usuarios
Para definir las historias de usuario iniciales se realizó análisis de las principales
funcionalidades de la aplicación, de manera que se inició con varias historias de
usuario vistas desde la perspectiva del equipo de desarrollo, de las cuales se
pueden observar varios ejemplos (ver tabla 5, tabla 6, tabla 7). Para revisar las
historias de usuario con más detalle puede dirigirse al anexo 8.
Identificador HU-0001
Rol Como usuario de la aplicación
Característica/ funcionalidad Necesito una ventana con la cual interactuar de
forma hablada
Razón/ Resultado Con el fin de entablar una conversación por
medio de preguntas.
Fuente: Elaboración Propia
Identificador HU-0002
Rol Como desarrollador de la aplicación
Característica/ funcionalidad Necesito integrar una herramienta como lo es
TensorFlow lite para dar respuesta a las
preguntas realizadas por el usuario
Razón/ Resultado Con la finalidad de entablar una conversación
respondiendo las preguntas que plantea el
usuario
Fuente: Elaboración Propia
Identificador HU-0003
Rol Como usuario de la aplicación
Característica/ funcionalidad Necesito una aplicación sencilla que no
contenga muchos botones ni configuraciones
Razón/ Resultado Con la finalidad de poder interactuar con la
aplicación de manera sencilla
Fuente: Elaboración Propia
33
4.1.4 Fase de diseño
Prioridad: Alta
34
Como se muestra en la tabla 8 el usuario paciente puede ingresar los datos de
acceso de manera que la aplicación los almacena para llevar un identificador con el
que diferenciar los datos que recopila.
Prioridad: Alta
Una vez ingresados los datos en la aplicación, se observa una ventana en la cual el
usuario puede interactuar de manera que puede entablar una conversación como
se muestra en la tabla 10 y realizar una configuración básica como es la de cambiar
el personaje con el cual interactuar como se muestra en la tabla 11, estas ventanas
le permiten a la aplicación recopilar datos que el especialista puede utilizar para
tomar decisiones frente al tratamiento del paciente.
35
Escenario: 1. Aplicación: Realiza el saludo y la pregunta inicial
2. Usuario: Presiona el botón del micrófono responder
3. Usuario: Presiona el botón del micrófono para finalizar la
conversación
Excepciones: No se logra entender el diálogo del usuario, no se dan permisos de la
cámara y el micrófono
Prioridad: Alta
Prioridad: Media
Las acciones que realiza el especialista para determinar el estado del usuario
paciente son la revisión y el análisis de los datos que se almacenan, como se
observa en la tabla 11, puede revisar la información del especialista de manera que
revisa las respuestas del usuario y los resultados de los análisis que la aplicación
realiza, de igual modo puede revisar las capturas del rostro que la aplicación realiza,
de modo que pueda tener conocimiento del estado que presenta el paciente.
36
Figura 8 Diagrama de casos de uso Especialista
Prioridad: Media
37
Figura 9 Diagrama de secuencia para el paciente
Para el desarrollo inicial del proyecto se descargó el SDK de Flutter, con el cual
desarrollar la aplicación. se inicia con el diseño de una ventana inicial con la cual el
usuario pueda interactuar presionando un botón que le permita hablar al usuario.
El dialogo debe ser capturado por la aplicación para que se muestre en la pantalla,
de igual modo la aplicación debe repetir el mensaje capturado y pronunciarlo.
38
Para hacer que la aplicación capture la voz del usuario se utiliza la librería
speech_to_text [36] de Flutter, que permite el reconocimiento de voz del usuario, de
forma que detecte las palabras el usuario pronuncia y las convierta en texto.
El segundo botón se agrega para el uso de la cámara del dispositivo móvil, para
empezar con la integración de la cámara y la captura de la imagen en posteriores
sprint.
4.1.6 Resultados
Para la finalización del primer sprint se cuenta con el diseño de los diagramas de
casos, con los cuales entender las interacciones que van a realizar tanto el usuario
especialista, como el usuario Paciente y el diagrama de secuencia para definir las
acciones que pueden realizar en el uso de la aplicación y la secuencia de los
procesos internos de la aplicación.
39
De igual manera se realizó la investigación de las tecnologías con las cuales iniciar
el desarrollo de la aplicación, de manera que se puedan integrar las funcionalidades,
las librerías y los modelos con los cuales realizar el análisis de la información que
la aplicación capture. También se realizó la indagación inicial de técnicas y
tratamientos para el tratamiento de la violencia intrafamiliar, para conocer los
tratamientos que se realizan a los pacientes y lograr identificar como la aplicación
puede interactuar con el usuario.
Al final se cuenta con una aplicación inicial desarrollada en Flutter la cual es capaz
de capturar el dialogo del usuario y hablar repitiendo el dialogo mencionado por el
usuario. Gracias a la integración de la librería de Speech_to_text la captura de la
conversación con la aplicación se realiza en un corto tiempo, mostrando el dialogo
mencionado en pantalla en un tiempo considerable.
4.2 SPRINT 2
40
con el motivo de poder integrar el modelo a la aplicación y que la aplicación lo
implemente en una ventana.
Para utilizar la cámara de la aplicación se debe otorgar los permisos necesarios del
dispositivo para que la aplicación pueda realizar la captura de imágenes en tiempo
real.
Por otro lado, se realiza el diseño de la ventana inicial para el ingreso de los
usuarios, de modo que se puedan ingresar datos en la aplicación y que estos se
almacenen en el dispositivo, así iniciando el diseño de una ventana de inicio en la
que el usuario pueda ingresar datos con los cuales identificarlo en el tratamiento.
41
Como se muestra en figura 12, se diseña una ventana inicial con un formulario el
cual solicita dos datos iniciales, de manera que se almacenan en el dispositivo para
que el usuario pueda realizar el ingreso una única vez y se conserven los datos.
42
4.2.2 Resultados
Para la finalización del Sprint 2 se contó con una aplicación capaz de utilizar un
modelo de TensorFlow Lite desde el propio dispositivo, de modo que no utiliza algún
servicio externo, mejorando el tiempo de respuesta de la aplicación.
4.3 SPRINT 3
Para el sprint 3 se plantó el desarrollo de los modelos con TensorFlow para el chat
conversacional, de modo que cuando la persona interactúe con la aplicación esta
va a identificar el dialogo del usuario y va a responder según la clasificación
obtenida. Dando respuesta a la conversación por medio de audio.
43
Para entrenar el modelo del chat conversacional se realizó un previo
preprocesamiento a la información almacenada en el conjunto de datos, el
preprocesamiento que se realiza inicialmente es separar las palabras de cada frase
a fin de poder trabajar palabra por palabra como se muestra en la figura 8.
44
maltrato y dolor, con el Semillero de Telepsicología se va a analizar si los datos de
entrenamiento de la aplicación sirven de base para que la aplicación identifique si
el usuario está contando sobre su estado.
También se incorporan las respuestas que puede realizar la aplicación según las
intenciones que detecte la aplicación, de manera que si detecta que se está
hablando de violencia intrafamiliar la aplicación va a responder con información
sobre la violencia intrafamiliar.
45
Figura 14 Evidencia del chat conversacional
46
Figura 15 Explicación de una red neuronal convolucional
47
Figura 16 Resultado del modelo de clasificación de rostros
48
Figura 17 Evidencia de foto con su respectiva clasificación de sentimiento
49
Figura 18 Mejora del modelo de expresiones faciales
Esta librería se utiliza para leer los 4 modelos, los cuales son el modelo del ChatBot
y los 3 modelos de expresiones faciales para identificar si una persona está feliz,
triste o enojada.
50
Se ajusta la funcionalidad para que clasifique la misma imagen con los tres modelos
y de los resultados obtenidos seleccione el que mayor porcentaje de detección
tenga.
4.3.4 Resultados
De igual manera se utiliza la cámara para capturar el rostro del usuario, realiza el
preprocesamiento de la imagen para pasarla a los modelos de clasificación.
Como resultado se tiene una aplicación que integra modelos de inteligencia artificial
desarrollados en Python. Esto demostrando que las aplicaciones móviles pueden
integrar e implementar modelos de inteligencia artificial de manera local sin la
necesidad de consumir un servicio lo cual mejora los tiempos de respuesta de la
aplicación.
4.4 SPRINT 4
Para este sprint se plantea cambiar la interfaz del usuario, mejorar la vista y que sea
más amigable con el usuario, Se quiere trabajar también sobre el login del usuario.
Para el cambio de la interfaz se propone cambiar el color, incorporar personajes
animados que puedan interactuar con el usuario, así el usuario no siente que está
hablando a una pantalla, sino que tiene alguien que lo pueda escuchar.
51
que así el usuario tenga una mejor experiencia y simule una conversación real con
la aplicación.
52
Figura 20 Formulario para ingresar el nombre
Para tener una aplicación con todas las características que se requieren, es
necesario que el teléfono pueda captar el rostro de la persona, para esto era
necesario que mientras el usuario interactuara con la persona fuera sacando un
banco de imágenes, el reto era poder captar la imagen mientras la persona
respondía las preguntas y que la cámara estuviera activa todo ese tiempo.
El desarrollo que se realizo fue gracias a la librería camera de flutter, la cual permite
realizar captura de imágenes cada determinado tiempo y sin necesidad de que la
cámara se mostrara en uso. Esto fue de gran utilidad ya que el usuario puede
responder las preguntas sin distraerse viendo su propio rostro.
Pero también por la utilización de esto se debe realizar los términos y condiciones,
para que la persona sepa que se le van a tomar fotos.
Para poder realizar este análisis se utiliza Django para en un futuro conectarlo con
un servidor. Se requirió aprender este framework de manera rápida para poder
implementar el código del análisis de sentimientos. Cuando se tenía realizado el
53
código y ya recibía peticiones. Se procedió a crear una cuenta en la herramienta de
uso libre Heroku, el cual nos permite tener un servidor y subir el código en Python
por medio de Django.
El ultimo desarrollo que se realiza para este sprint es el poder guardar información
recolectada por la aplicación en un directorio en la nube (Google Drive), esto se
realiza por requerimiento de los especialistas, para que estos pudieran encontrar la
información más rápida y con un nivel se seguridad alto.
54
4.4.6 Resultados
Para la finalización del Sprint 4 se cuenta con una aplicación más agradable en la
interacción con el usuario, con personajes que hacen a la aplicación más amigable
para interactuar, se ajusta la funcionalidad de captura de rostros para que funcione
de manera interna y que el usuario no perciba la captura, a modo de obtener datos
no alterados por el usuario.
De modo que se cuenta con la aplicación para presentar a los especialistas con el
fin de entrar a validar sus funcionalidades y recolectar los cambios sugeridos por el
especialista.
4.5 SPRINT 5
Para el Sprint 5 se tiene el desarrollo de la aplicación móvil la cual implementa dos
modelos de inteligencia artificial, los cuales son capaces de recopilar y almacenar
información del usuario. Así que se organizan las reuniones con el semillero de tele
psicología para presentar el desarrollo realizado a modo de realizar los ajustes,
validar las funcionalidades y ajustar la aplicación.
55
4.5.2 Nuevas historias de usuarios
Se cambió también el modelo del ChatBot para mejorar las preguntas como se
había estipulado en las reuniones con los especialistas, se agregaron nuevas
preguntas y se cambia el flujo de la conversación, el nuevo flujo quedo con dos
56
intenciones, identificando si la persona está sufriendo de violencia intrafamiliar o si
la persona está superando su tratamiento de manera satisfactoria. Estas
intenciones del ChatBot se muestran en la figura 24. Esta figura muestra que el
usuario debe responder 5 preguntas ya sean que este superando el tratamiento o
de una persona que hasta ahora está iniciando. Cuando finalice estas 5 preguntas
la aplicación le avisara que termino la sesión por el día de hoy.
57
Figura 23 Personajes de la aplicación
58
5. RESULTADOS
Una vez validados todos los cambios solicitados por el semillero de Telepsicología
se logra desarrollar una aplicación móvil para Android, capaz de implementar
modelos de inteligencia afectiva. Con el fin de recopilar y analizar información del
usuario que puede ser ofrecida a los especialistas para que puedan realizar un
seguimiento y asesoramiento.
La aplicación realiza preguntas validadas por los expertos con las cuales el usuario
puede ofrecer más información necesaria para que el especialista pueda identificar
el estado en que se encuentra. Mientras que va capturando imágenes de su rostro
las cuales clasifica y almacena.
59
Se mide la usabilidad de la aplicación en términos de que tan complejo es realizar
el dialogo con la aplicación obteniendo una aplicación que permite al usuario
ingresar información y entablar una conversación fluida, de igual modo no se percibe
demora en el tiempo de respuesta que realiza la aplicación. con cada interacción
que se realiza.
60
Figura 24 Resultado de cuestionario primera parte
61
Figura 25 Resultado de cuestionario segunda parte
62
Figura 26 Resultado de cuestionario tercera parte
63
Figura 27 Resultado cuestionario Cuarta parte
Como se observa en las encuestas se puede concluir que la aplicación móvil puede
ser útil para hacer seguimiento y asesoramiento por parte de los especialistas.
Sin embargo, en las reuniones realizadas con el semillero los comentarios que
tienen las estudiantes y la docente es que la aplicación puede brindar un gran apoyo
al especialista, ya que esta herramienta le da al usuario mayor confianza a la hora
de contar sus problemas por la privacidad que genera el no estar siendo observado
por una persona, comentan que es una aplicación de gran utilidad si se llegase a
utilizar en el área de la Telepsicología.
64
6. ANÁLISIS DE RESULTADOS/ DISCUSIÓN
Para este proyecto fue esencial investigar sobre los tratamientos que se usan para
el seguimiento de pacientes que sufren violencia intrafamiliar, entendiendo así que
para tratar a estas personas es necesario tener citas con especialistas de manera
seguida y que este pueda identificar los sentimientos.
65
clasificación para validar en que ítem puede entrar para dar la respuesta más
acertada al usuario.
66
7. CONCLUSIONES
Para este proyecto se concluye que se cumplió con todos los objetivos propuestos
de manera satisfactoria. Se logra crear una aplicación móvil que integra modelos de
computación afectiva para apoyar a los especialistas en el tratamiento de pacientes
sufren violencia intrafamiliar. Aportando más información al especialista, como se
evidencia en los cuestionarios realizados mostrados en los resultados. De acuerdo
con la percepción de los especialistas se logra una aplicación en la cual se pueden
guiar para dar un diagnóstico más claro y a su vez esta aplicación brinda mayor
confianza a una persona víctima, para que pueda contar lo que le sucede,
permitiéndole usar a la aplicación a la hora que quiera y donde él quiera.
Adicionalmente vale la pena recalcar que la aplicación fue bien valorara por el área
de psicología tanto que lo presentaron en el conversatorio “Inteligencia Artificial y
Salud Mental”. Se postulo al encuentro nacional de semilleros y se presentó en el
taller PEAS de ONU Mujeres Colombia.
Por otro lado, se concluye que se puede integrar modelos de inteligencia artificial a
aplicaciones móviles, creando así desarrollos más potentes, logrando para este
proyecto una aplicación que converse con el usuario de una manera rápida, a su
vez realizando análisis de sentimientos y en esta fase realizando una predicción de
sentimiento a la expresión facial de máximo un 80%. El impacto de esta aplicación
según los especialistas es alto cuando se termine de entrenar y completar las
preguntas, pero hasta el momento en esta fase el desarrollo mostro un gran apoyo
para los psicólogos en cuanto la información recolectada.
67
el paciente, pero no va a lograr asignar nuevas terapias con esta aplicación, que era
un hábito que se pensaba lograr.
Para finalizar se desarrolla una aplicación para Android validada por los
especialistas, con la cual un usuario víctima de violencia intrafamiliar puede
interactuar de manera hablada respondiendo las preguntas que la aplicación realiza.
Según los resultados de los cuestionarios realizados se cuenta con una aplicación
fácil de usar, que es útil para los especialistas y que a futuro se pueda aplicar en la
Telepsicología, el lector puede observar el resultado revisando el anexo 16.
68
8. RECOMENDACIONES Y TRABAJOS FUTUROS
El trabajo que queda en la siguiente fase de este proyecto es con ayuda más
profunda del semillero de Telepsicología crear modelos más precisos, con
preguntas más profundas que puedan ayudar al psicólogo a entender el estado del
paciente.
69
9. LECCIONES APRENDIDAS
En este capítulo se tiene encuentra los nuevos aprendizajes que se han tenido hasta
la fecha, entre esos esta; modelos de inteligencia artificial, aprendizaje en lenguaje
Dart e integración de modelos en TensorFlow a Flutter así como las lecciones
aprendidas a lo largo del proyecto.
El aprendizaje de este lenguaje se puede ver reflejado en los avances del proyecto.
Entendiendo como funciona los permisos de cámara, micrófono e interacción de los
usuarios con una aplicación móvil.
Este ítem fue uno de los más difíciles de aprender pero que al final causo gran
satisfacción y avance en el proyecto. Fue difícil ya que no se encuentra tanta
información para poder guiarse. Sin embargo, se logró integrar múltiples modelos a
la aplicación sin afectar el rendimiento de la aplicación. Este es uno de los ítems
que logra evidenciar el trabajo transcurrido a la fecha ya que se cuenta con modelos
propios y una integración desarrollada desde 0.
70
9.4 TRATAMIENTOS PATA LA VIOLENCIA INTRAFAMILIAR
Con el apoyo del semillero de Telepsicología se logró aterrizar los tratamientos para
la violencia intrafamiliar y cual se podría aplicar en la aplicación. Fue de gran
importancia las reuniones que se lograron con este semillero. Ya que con expertos
en el tema es más fácil crear una aplicación aterrizada a un problema de la vida
real. Se sacaron preguntas en las cuales apoyan al especialista a diagnosticar en
qué estado está el paciente.
71
10. REFERENCIAS BIBLIOGRÁFICAS
[1] T. Luo, S. Chen, G. Xu, and J. Zhou, “Trust-based Collective View Prediction,”
Trust. Collect. View Predict., no. June, 2013, doi: 10.1007/978-1-4614-7202-
5.
[2] R. Ashri, “What Is AI?,” AI-Powered Work., pp. 15–29, 2020, doi: 10.1007/978-
1-4842-5476-9_2.
[3] E. Adamopoulou and L. Moussiades, “Chatbots: History, technology, and
applications,” Mach. Learn. with Appl., vol. 2, no. November, p. 100006, 2020,
doi: 10.1016/j.mlwa.2020.100006.
[4] S. C. Satapathy, B. N. Biswal, S. K. Udgata, and J. K. Mandal, Suresh Chandra
Satapathy Bhabendra Narayan Biswal Siba K. Udgata J.K. Mandal, vol. 1.
2014.
[5] O. Rosas, “La estructura disposicional de los sentimientos,” Ideas y Valores,
vol. 60, no. 145, pp. 5–31, 2011.
[6] Congreso de la Republica de Colombia, “Ley 1419 de 2010,” Congr. Colomb.,
vol. 2010, no. 47, pp. 1–6, 2010, [Online]. Available:
http://wsp.presidencia.gov.co/Normativa/Leyes/Documents/ley14191312201
0.pdf.
[7] Ministerio De Salud, “Guia De Atencion De La Mujer Maltratada,” p. 14, 2013,
[Online]. Available:
https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/VS/PP/15A
tencion de la Obesidad.pdf.
[8] V. M. Romero Mendoza and J. Amar Amar, “Integral Attention Model for
Women, Girls and Boys Victims of Intra-Family Violence Developed in
Attention Centers of Barranquilla [Colombia] TT - Modelo de atencion integral
a mujeres, ninas y ninos victimas de violencia intrafamiliar llevado a cabo en
,” Investig. y Desarro., vol. 17, pp. 26–61, 2009, [Online]. Available:
https://www.lib.uwo.ca/cgi-
bin/ezpauthn.cgi?url=http://search.proquest.com/docview/856404148?accou
ntid=15115 http://vr2pk9sx9w.search.serialssolutions.com/?ctx_ver=Z39.88-
2004&ctx_enc=info:ofi/enc:UTF-
8&rfr_id=info:sid/ProQ%3Asocabsshell&rft_val_fmt=info:
[9] X. Liang, Y. Dai, H. Chen, and S. Lu, “Construction of emotional intelligent
service system for the aged based on Internet of things,” Adv. Mech. Eng., vol.
11, no. 3, pp. 1–10, 2019, doi: 10.1177/1687814019833799.
[10] M. Lado-Codesido Id, C. Mé Ndez Pé Rez, R. Mateos, J. M. Olivares, and A.
G. Caballero, “Improving emotion recognition in schizophrenia with ‘VOICES’:
An on-line prosodic self-training,” 2019, doi: 10.1371/journal.pone.0210816.
[11] World report on violence. .
[12] C. Forenses, “Subdirección de Servicios Forenses Boletín estadístico
mensual,” 2019.
[13] “Tasa de violencia intrafamiliar en Bogotá D.C. | SALUDATA.”
http://saludata.saludcapital.gov.co/osb/index.php/datos-de-salud/salud-
72
mental/tasaviolenciaintrafamiliar/ (accessed Oct. 04, 2020).
[14] L. Casique Casique and A. R. F. Furegato, “Violence against women:
theoretical reflections,” Rev. Lat. Am. Enfermagem, vol. 14, no. 6, pp. 950–
956, 2006, doi: 10.1590/s0104-11692006000600018.
[15] M. A. Abud Figueroa, “Calidad en la Industria del Software . La Norma ISO-
9126,” Calid. en la Ind. del Software. La Norma ISO-9126, p. 255, 2012,
[Online]. Available: javier8a.com/itc/bd1/Normas iso 9126.pdf.
[16] S. Verona Marcos, Y. Pérez Díaz, L. Torres Pérez, M. Delgado Dapena, and
C. Yáñez Márquez, “Pruebas de rendimiento a componentes de software
utilizando programación orientada a aspectos,” Ing. Ind., vol. 37, no. 3, pp.
278–285, 2016.
[17] M. A. Mascheroni, C. L. Greiner, G. N. Dapozo, and M. G. Estayno, “Ingeniería
de Usabilidad. Una Propuesta Tecnológica para Contribuir a la Evaluación de
la Usabilidad del Software,” Rev. Latinoam. Ing. Softw., vol. 1, no. 4, p. 125,
2014, doi: 10.18294/relais.2013.125-134.
[18] D. Gotterbarn et al., “Engineering Code of Ethics,” 1997.
[19] S. Y. Chung and H. J. Yoon, “A framework for treatment of autism using
affective computing,” Stud. Health Technol. Inform., vol. 163, pp. 132–134,
2011, doi: 10.3233/978-1-60750-706-2-132.
[20] “Robot Arms Selling Huawei Phones in New Unmanned Store | Synced.”
https://syncedreview.com/2020/01/11/robot-arms-selling-huawei-phones-in-
new-unmanned-store/ (accessed Nov. 08, 2020).
[21] H. He, Y. Tan, J. Ying, and W. Zhang, “Strengthen EEG-based emotion
recognition using firefly integrated optimization algorithm,” Appl. Soft Comput.
J., vol. 94, p. 106426, 2020, doi: 10.1016/j.asoc.2020.106426.
[22] X. Li et al., “Depression recognition using machine learning methods with
different feature generation strategies,” Artif. Intell. Med., vol. 99, no. July, p.
101696, 2019, doi: 10.1016/j.artmed.2019.07.004.
[23] P. Contin, A familiar face, vol. 69, no. 8. 2012.
[24] S. Martínez Medina, “Alta Consejería Distrital de TIC Bogotá,” 2016.
[25] F. D. Castellano, C. Nieto-Morales, A. C. Lozano, and M. del Rosario Torres
Reviriego, “Normativa Contra La Violencia De Género,” Guía Interv. Judic.
sobre Violencia Género, pp. 19–26, 2018, doi: 10.2307/j.ctt1k232vs.6.
[26] S. Mayor and C. Salazar, “La violencia intrafamiliar. Un problema de salud
actual,” Gac. Médica Espirituana, vol. 21, no. 1, pp. 96–105, 2019.
[27] A. McKeown and E. Harvey, “Violent women: treatment approaches and
psychodynamic considerations,” J. Criminol. Res. Policy Pract., vol. 4, no. 2,
pp. 124–135, 2018, doi: 10.1108/JCRPP-08-2017-0025.
[28] E. S. Salama, R. A. El-Khoribi, M. E. Shoman, and M. A. Wahby Shalaby, “A
3D-convolutional neural network framework with ensemble learning
techniques for multi-modal emotion recognition,” Egypt. Informatics J., no.
xxxx, 2020, doi: 10.1016/j.eij.2020.07.005.
[29] S. Chen, Y. Liu, X. Gao, and Z. Han, “MobileFaceNets: Efficient CNNs for
accurate real-time face verification on mobile devices,” Lect. Notes Comput.
Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol.
73
10996 LNCS, pp. 428–438, 2018, doi: 10.1007/978-3-319-97909-0_46.
[30] B. Prazic, “Gestalt therapy,” Neuropsihijatrija, vol. 20, no. 3–4, pp. 281–285,
1972, doi: 10.4324/9780203157763.
[31] J. D. Lopera Echavarría, “Psicoterapia psicoanalítica,” CES Psicol., pp. 83–
98, 2017, doi: 10.21615/cesp.10.1.6.
[32] Y. Hayashi et al., “How was cognitive behavioural therapy for mood disorder
implemented in Japan? A retrospective observational study using the
nationwide claims database from FY2010 to FY2015,” BMJ Open, vol. 10, no.
5, pp. 1–8, 2020, doi: 10.1136/bmjopen-2019-033365.
[33] M. González Álvarez, “Violencia intrafamiliar,” Plan Nac. Educ., p. 12, 2012,
[Online]. Available: https://es.slideshare.net/dracrm/violencia-intrafamiliar-
41485365.
[34] W. Wu, “React Native vs Flutter, cross-platform mobile application
frameworks,” Metrop. Univ., no. March, p. 28, 2018.
[35] L. Dagne, “Flutter for Cross-Platform App and SDK Development,” Metrop.
Univ. Appl. Sci., no. May, 2019, [Online]. Available:
https://www.theseus.fi/bitstream/handle/10024/172866/Lukas Dagne
Thesis.pdf?sequence=2&isAllowed=y.
[36] “speech_to_text | Flutter Package.” https://pub.dev/packages/speech_to_text
(accessed Oct. 12, 2020).
[37] “flutter_tts | Flutter Package.” https://pub.dev/packages/flutter_tts (accessed
Nov. 24, 2020).
[38] “camera | Flutter Package.” https://pub.dev/packages/camera (accessed Oct.
12, 2020).
[39] “GitHub - ravindu9701/Real-Time-Object-Detection-Mobile.”
https://github.com/ravindu9701/Real-Time-Object-Detection-Mobile
(accessed Apr. 28, 2021).
[40] “sqflite | Flutter Package.” https://pub.dev/packages/sqflite (accessed Apr. 28,
2021).
[41] “Stemmers.” https://www.nltk.org/howto/stem.html (accessed Nov. 08, 2020).
[42] “Spanish stemmer / Lematizador para español.” http://stemmer-
es.sourceforge.net/ (accessed Nov. 08, 2020).
[43] “Red Neuronal Convolucional CNN - Diego Calvo.”
https://www.diegocalvo.es/red-neuronal-convolucional/ (accessed May 11,
2021).
[44] “Face expression recognition dataset | Kaggle.”
https://www.kaggle.com/jonathanoheix/face-expression-recognition-dataset
(accessed May 10, 2021).
[45] “tflite_flutter | Flutter Package.” https://pub.dev/packages/tflite_flutter
(accessed Apr. 28, 2021).
[46] “tflite_flutter_helper | Flutter Package.”
https://pub.dev/packages/tflite_flutter_helper (accessed May 02, 2021).
74
11. ANEXOS
75
11.9 ANEXO 9 PRODUCT BACKLOG
76
77