Computacion Afectiva Como Instrumento para El Manejo de La Violencia Familiar

CATVI: Computación Afectiva como Instrumento para el Manejo de la
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
Proyecto de Grado presentado como requisito para optar al título de

INGENIERO DE SISTEMAS
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
Agradecimientos especiales a nuestro director de proyecto profesor Fran Ernesto

Romero por el aporte en la información y acompañamiento al brindarnos ideas que
se pudieron implementar en el desarrollo final.
De igual modo agradecimientos al semillero de Telepsicología a cargo de la

profesora Rubby Castro que de no ser por ellos no se hubiesen culminado muchos
de los objetivos planteados para el proyecto, gracias a su apoyo y orientación en los
temas de psicología ajenos a nuestro conocimiento.
Integrantes del Proyecto
A Dios y a mi familia, principalmente a mi abuela Ana Feliciana y a mi madre

Magdalena Camargo, por su apoyo incondicional, por estar siempre
acompañándome en este largo proceso de aprendizaje. A mis compañeros que
mostraron su compromiso conmigo y me apoyaron para cumplir mis metas por
último a mi compañero de grado que desde el inicio de este camino de aprendizaje
realizamos trabajos y hoy en día estamos culminando este proyecto de grado.
Gonzalo Cucaita Camargo
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
Tabla 1 Tabla de entregables .......................................................................................... 13

Tabla 2 Variables para Medir .......................................................................................... 14
Tabla 3 Tabla comparativa de Flutter y React Native ................................................. 31
Tabla 4 Tabla comparativa TensorFlow y FireBase .................................................... 32
Tabla 5 Ejemplo 1 de Historia de usuario ..................................................................... 33
Tabla 8 Caso de uso Ingreso de datos .......................................................................... 34
Tabla 9 Caso de uso términos y condiciones ............................................................... 35
Tabla 10 Caso de uso Entablar Conversación ............................................................. 35
Tabla 11 Caso de Uso Seleccionar Personaje ............................................................. 36
Tabla 12 Caso de uso del Especialista .......................................................................... 37
Tabla 13 Ejemplo de conjunto de datos creado para el Bot conversacional ........... 43
Tabla 14 Ejemplo 1 Nuevas historias de usuarios ....................................................... 56
vi
LISTA DE FIGURAS
Figura 1. Modelo biopsicosocial y cultural del contexto ................................................ 4

Figura 2 Árbol del problema .............................................................................................. 7
Figura 3 Modelo biopsicosocial y cultural de la solución ............................................ 12
Figura 4 Estructura de trabajo ......................................................................................... 17
Figura 5 Cronograma 2020-2 .......................................................................................... 19
Figura 6 Cronograma 2021-1 .......................................................................................... 20
Figura 7 Diagrama casos de uso Paciente ................................................................... 34
Figura 8 Diagrama de casos de uso Especialista ........................................................ 37
Figura 9 Diagrama de secuencia para el paciente ...................................................... 38
Figura 10 Evidencia pantalla inicial de la aplicación ................................................... 39
Figura 11 Evidencia detección de objetos..................................................................... 41
Figura 12 Evidencia pantalla de Login ........................................................................... 42
Figura 13 Nube de palabras ............................................................................................ 44
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 ................................................ 50
Figura 19 Diseños de personajes ................................................................................... 52
Figura 20 Formulario para ingresar el nombre ............................................................. 53
Figura 21 Muestra de guardar información en Drive ................................................... 54
Figura 22 Flujograma del ChatBot .................................................................................. 57
Figura 23 Personajes de la aplicación ........................................................................... 58
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 ............................................................ 64
vii
GLOSARIO
Análisis de sentimientos: La clasificación de la orientación del sentimiento se

refiere a la determinación de la orientación de la opinión de un texto de opinión, es
decir, basándose en las palabras de opinión identificadas de un texto dado por la
identificación del sentimiento, para determinar si la orientación de la opinión en el
texto dado es positiva, negativa o neutral [1].
Aprendizaje automático: El aprendizaje automático es un subcampo de la IA

centrado en la creación de algoritmos que utilizan la experiencia con respecto a una
clase de tareas y la retroalimentación en forma de una medida de rendimiento para
mejorar su desempeño en esa tarea. El aprendizaje automático contemporáneo es
un campo extenso y en rápida evolución. Normalmente, el aprendizaje automático
se subclasifica en tres tipos de aprendizaje [2].
ChatBot: Programa informático que simula una conversación humana a través de

comandos de voz, chats de texto o ambos. Es una función de inteligencia artificial
(IA) que puede incorporarse y utilizarse a través de cualquier aplicación de
mensajería importante [3].
Computación afectiva: Campo de la computación que busca la interacción

humano-computadora buscando generar que las computadoras sean capaces de
identificar y comprender las emociones humanas [4].
Procesamiento de lenguaje natural: Es un campo de la Inteligencia Artificial que

examina cómo los sistemas informáticos sistemas informáticos pueden interpretar y
controlar el lenguaje natural en relación con el texto o del habla. Se recopila
información sobre la comprensión y el uso del lenguaje humano para crear las
técnicas adecuadas para que los sistemas informáticos sistemas informáticos para
manejar el lenguaje humano y llevar a cabo una variedad de tareas [3].
Sentimientos: Emociones particulares que impregnan o colorean la disposición

afectiva de un individuo [5].
Telemedicina: Es la provisión de servicios de salud a distancia en los componentes

de promoción, prevención, diagnóstico, tratamiento y rehabilitación, por
profesionales de la salud que utilizan tecnologías de la información y la
comunicación, que les permiten intercambiar datos con el propósito de facilitar el
acceso y la oportunidad en la prestación de servicios a la población que presenta
viii
limitaciones de oferta, de acceso a los servicios o de ambos en su área geográfica
[6].
Telesalud: Es el conjunto de actividades relacionadas con la salud, servicios y

métodos, los cuales se llevan a cabo a distancia con la ayuda de las tecnologías de
la información y telecomunicaciones. Incluye, entre otras, la Telemedicina y la
Teleeducación en salud. [Incluir referencia ley [6].
Violencia intrafamiliar: Es la manifestación más cruda del desbalance de las

relaciones de poder entre los sexos y la subordinación de la mujer en la sociedad
dentro del núcleo familiar [7].
ix
RESUMEN
CATVI: Computación Afectiva como Instrumento para el Manejo de la Violencia

Intrafamiliar
Cucaita Gonzalo, Soriano Cesar
Resumen
La violencia intrafamiliar surge de la desigualdad que hay presente entre hombres

y mujeres en Colombia. Cuando una mujer víctima de violencia intrafamiliar decide
denunciar el caso ante las autoridades competentes es asignada a un especialista,
el especialista procede a agendar una serie de citas de control con las cuales
realizar seguimiento al avance del paciente frente al tratamiento asignado.
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.
Teniendo como resultado una aplicación móvil que implementa modelos de

Inteligencia artificial testeada por el semillero de Telepsicología encontrando que
para los especialistas la aplicación puede ser utilizada como herramienta para dar
seguimiento y asesoramiento a las personas en estas circunstancias.
Palabras clave: Computación afectiva, Aplicación Móvil, Reconocimiento

Emocional, Psicología, Violencia doméstica.
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.
Keywords: Affective Computing, Mobile Applications, Emotion recognition,

Psychology, Violence domestique
xi
INTRODUCCIÓN
La violencia intrafamiliar procede de la desigualdad que hay presentes entre

hombres y mujeres, la cual se ha mantenido por las creencias y costumbres que las
personas tienen frente al abuso, generando un factor de riesgo fundamental frente
a la conducta violenta que puede presentar una persona [8].
En Colombia la primera causa de mortalidad de las mujeres en edades de 15 a 44

años es la violencia intrafamiliar, de los cuales la gran mayoría no son reportados y
aquellos que lo son generalmente registran las lesiones sin tener presentes como
se producen [7], en el caso del maltrato psicológico no se está sujeto a un reporte
por lo que en muchos casos no se logra identificar el estado que la víctima presenta.
Existen herramientas que buscan apoyar en el área de la salud, implementando

herramientas de inteligencia artificial para ser utilizados en tratamientos de
pacientes, en el área de la psicología la computación afectiva presenta avances con
aplicaciones que buscan analizar los comportamientos de los pacientes como lo
realizan Xiaoqi Liang, Yonghui Dai et al. quienes por medio de la inteligencia
emocional proponen una aplicación con la cual analizar el estado emocional de
personas de la tercera edad haciendo uso de IoT [9].
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].
El uso de la inteligencia afectiva en el campo de la salud permite recopilar datos

cruciales con los cuales realizar un mejor análisis o llevar un seguimiento a los
pacientes, de modo que implementar estas tecnologías en un contexto como la
violencia intrafamiliar puede brindar un apoyo en la recolección de información
necesaria para acompañar su tratamiento.
El objetivo de este proyecto es desarrollar una aplicación móvil que implemente

modelos de computación afectiva que en conjunto con el Semillero de Tele
psicóloga de la universidad El Bosque recopile información suficiente para que los
especialistas en psicología puedan realizar un seguimiento y asesoramiento a las
personas que se encuentran en situación de violencia intrafamiliar.
El presente documento se organiza iniciando con la descripción del contexto a

intervenir desde el modelo biopsicosocial y cultural, continuando con la presentación
de la solución tecnológica propuesta mostrando los objetivos y resultados
esperados.
Después se presentan los antecedentes y el estado del arte con el cual sustentar el
alcance de los resultados esperados, se presenta el desarrollo metodológico para
el proyecto, Se elige la metodología SCRUM de modo que el capítulo se encuentra
separado por los Sprints definidos, finalmente se describen los resultados
obtenidos, se realizan las conclusiones y se detalla en recomendaciones y futuros
trabajos que surgen a partir de este documento.
2
1. PROBLEMA
En este capítulo se va a abordar los problemas y traumas que deja la violencia

doméstica en las mujeres y como se identifican a las víctimas en Colombia. Se
presenta el modelo BPSC, el concepto de violencia intrafamiliar, contexto histórico
y el contexto presente en Bogotá.
1.1 DESCRIPCIÓN DEL CONTEXTO A INTERVENIR
La violencia intrafamiliar o violencia domestica es un problema de salud pública [11].

Según medicinal legal en Colombia solo en el primer trimestre del 2020 se
reportaron 15.440 denuncias por violencia doméstica de los cuales el 76.7%
corresponden a mujeres [12]. Esto sin contar las personas que no denuncian por
miedos o por perjuicio social. Para 2019 Bogotá según los datos arrojados por el
SIVIM mostró que hubo 32.877 casos de violencia intrafamiliar [13].
La violencia doméstica tanto de manera física como de manera psicológica y sexual
tiene impactos en la salud física y emocional [14]. La mayoría de los agresores son
las parejas sentimentales, algunas causas son el exceso de alcohol o drogas y
diferencias entre la pareja.
Este fenómeno deteriora la integridad del victimario provocando trastornos mentales
y sociales. Las personas que denuncian estos maltratos tienen un seguimiento por
un especialista, pero la mayoría de las veces los especialistas no tienen un
seguimiento continuo hasta que el paciente llegue a una nueva cita.
Actualmente el especialista realiza una cita de seguimiento a los pacientes,
realizando una valoración que generalmente depende de los signos y emociones
que este presenta. Sin embargo, en las citas no se reconoce a fondo la situación de
la persona afectada, el control que se maneja hasta el momento son los tratamientos
que haga el especialista y cuando se tenga la siguiente cita es que se consolida el
proceso del paciente.
1.2 ANÁLISIS DEL CONTEXTO DESDE EL MODELO BIOPSICOSOCIAL Y

CULTURAL
La violencia intrafamiliar representa un problema físico y psicológico que afecta al

núcleo familiar y a sus individuos en su gran mayoría a las mujeres, alrededor del
mundo el abuso por parte de la pareja afecta un número importante de mujeres y
constituye un problema de salud debido a las consecuencias en la integridad física
y mental que la víctima sufre.
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.
Figura 1. Modelo biopsicosocial y cultural del contexto
Fuente: Elaboración Propia.
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.
Como se presenta en la figura 1 muchas mujeres tienen dificultades para reconocer

que son víctimas de abuso por parte de su pareja [7] y no buscan ayuda o tienen
miedo a revelar su abuso por temor a la falta de seguridad que el estado le puede
garantizar.
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.
1.2.2 MBSC desde la perspectiva del especialista
La denuncia de la violencia depende de que tan seguro se encuentre la victima de

contar su situación y de que tan informada esta de los medios para realizar la
denuncia, pero no solamente depende de la perspectiva de la víctima, también
depende de cómo lo perciben los doctores y especialistas.
Como se muestra en la figura 1 los médicos y los profesionales de la salud en todas

las especialidades cuentan con pacientes víctimas de violencia doméstica [7].
Cuando los médicos detectan un caso de violencia intrafamiliar deben realizar
preguntas de rutina y sospechar en todo momento que el paciente es víctima de
violencia, de modo que las preguntas que va a realizar deben ser directas y deben
evitar enjuiciar a la víctima.
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].
Muchos especialistas deciden no preguntar por el maltrato porque consideran que

pueden ofender al paciente, con la creencia de que la violencia no les ocurre a los
pacientes, otro motivo por el cual no preguntan es por el tiempo de consulta
estándar y el temor de acortar el tiempo de otras consultas
5
1.3 IDENTIFICACIÓN Y DESCRIPCIÓN DE LA PROBLEMÁTICA
En Bogotá la violencia intrafamiliar es un problema que está afectando el núcleo

familiar y la integridad de las personas. Solo en el año 2019 se presentaron 35.877
casos nuevos de violencia intrafamiliar [13], esto requiere una gran cantidad de
tiempo de las instituciones de salud para atender a las víctimas, cada persona es
importante para la sociedad y por eso cada especialista busca darle el mejor
tratamiento.
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.
Cuando el especialista identifica que el paciente presenta problemas psicológicos,

el proceso de tratamiento consiste inicialmente en abrir la historia clínica,
recopilando la información necesaria para el diagnóstico del caso, posteriormente
el especialista asigna un tratamiento y un conjunto de citas para observar el proceso
de mejora de la víctima, las cuales consisten en evaluar las repercusiones
psicológicas del maltrato físico, la evaluación del autoestima, orientar acerca de las
medidas de protección e informar los derechos de la víctima [7].
Uno de los problemas se da porque el especialista no logra percibir con certeza el

estado emocional del paciente, debido a las pocas citas y el poco tiempo que le
dedica, lo cual conlleva a no saber el proceso de mejora que la víctima presenta
frente al tratamiento.
Un motivo por el cual el especialista no logra asignar la cantidad de citas necesarias

se da porque él debe atender no solo a un paciente, de modo que debe repartir el
tiempo con el que cuenta sin dar prioridad a unos pacientes sobre otros.
Sin un seguimiento continuo y/o acompañamiento de un experto el paciente puede

presentar secuelas en su convivencia con la sociedad, un mal desarrollo en su diario
vivir por los traumas causados [4].
En la figura 2 se presenta el árbol del problema en el cual se observan las causas

y las consecuencias que se exhiben por la falta de identificación de emociones de
los pacientes que sufren violencia intrafamiliar en Bogotá. La figura 2 se puede ver
con mayor detalle el anexo 2.
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.
Cuando el paciente cuenta con deberes académicos, laborales y cotidianos o

considera que el tratamiento no lo beneficia por no ver cambios en su situación,
decide no asistir a las citas programadas por el especialista. Otra de las causas por
las que el especialista no logra identificar el estado emocional del paciente es que
el individuo no realiza los tratamientos de manera correcta lo que se puede dar por
una mala explicación del tratamiento o porque el paciente no le presta atención al
especialista.
Si el especialista no identifica correctamente el estado emocional del paciente

puede conllevar desde el abandono del tratamiento, el deterioro de las relaciones
personales, el desprestigio de la credibilidad de la institución y el aumento de
pacientes que no logran terminar el tratamiento.
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.
Si la persona presenta un deterioro de las relaciones personales esto puede

conllevar desde la pérdida del empleo, hasta el distanciamiento con su grupo
familiar, también puede afectar la credibilidad de la institución porque van a
presentar un aumento en pacientes que no logran terminar su tratamiento. De esta
forma no van a contar con los suficientes recursos para atender a los nuevos
pacientes de manera que va a ser mal visto el sistema de ayudas para pacientes
víctimas de violencia intrafamiliar en Bogotá, causando que menos personas
denuncien su situación.
8
2. SOLUCION DE INGENIERÍA
En este capítulo se va a introducir al lector sobre los objetivos generales y

específicos del proyecto y describir la solución que se va a implementar, mostrando
los resultados esperados y el cambio que va a generar en el modelo biopsicosocial
y cultural, también se presenta la metodología que se utiliza para el desarrollo de la
solución y el componente ético.
2.1 OBJETIVOS: GENERAL Y ESPECÍFICOS.
2.1.1 Objetivo general
Desarrollar una aplicación móvil con funcionalidades de inteligencia afectiva como

instrumento de soporte para el tratamiento de personas adultas víctimas de
violencia intrafamiliar, permitiéndole a los especialistas en psicología y trabajo social
realizar seguimiento y asesoramiento a las personas en estas circunstancias.
2.1.2 Objetivos específicos
a. Identificar las estrategias comúnmente utilizadas por los profesionales en

psicología y trabajo social para el seguimiento y tratamiento de personas
víctimas de violencia intrafamiliar, con el fin de implementarlas en la solución
tecnológica propuesta.
b. Identificar las tecnologías propias de desarrollo de aplicaciones móviles,
reconocimiento de rostros, sentimientos y sistemas conversacionales con el fin
de establecer cuáles son las más adecuadas para implementar en el proyecto.
c. Desarrollar una aplicación móvil que implemente las capacidades de
computación afectiva a fin de identificar el uso de la inteligencia afectiva para
que el especialista realice un seguimiento a la víctima según el comportamiento
que presente.
d. Evaluar el desempeño de la efectividad de la aplicación móvil, referido a la
capacidad de captar los sentimientos y el apoyo que tenga con el panel de
expertos. Para poder ver la utilidad que tenga la aplicación.
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.
La aplicación se va a encontrar en el móvil del paciente, donde el usuario puede

interactuar de manera hablada con CATVI, al tiempo que se realiza la conversación
se realiza un registro fotográfico del usuario y un registro textual de la conversación.
La información se va a encontrar almacenada en un directorio en la nube (Google

Drive®) de modo que el especialista puede ingresar de manera rápida, fácil y segura
para ver la información recolectada.
La información enviada al especialista esta previamente procesada por medio de un

análisis de sentimientos a partir de los textos y un análisis de expresiones faciales
para identificar el estado en que se encuentra el paciente, a la hora de realizar la
conversación con la aplicación.
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.
Para el desarrollo del proyecto es necesario realizar una investigación sobre

inteligencia artificial, computación afectiva y análisis de sentimientos, así como
adquirir conocimiento sobre tratamientos de violencia doméstica. Es necesario el
apoyo de un panel de expertos para entender cuál es el comportamiento de las
mujeres víctimas de la violencia intrafamiliar al momento de dar testimonio sobre su
caso.
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.
En conjunto con el semillero de Telepsicología de la universidad El Bosque se va a

validar que la efectividad de la aplicación referido a la capacidad de recolectar
información útil para hacer seguimiento a un paciente.
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.
Para el desarrollo de los modelos de inteligencia afectiva entrenados se debe contar

con un conjunto de datos que se enfoque en detectar los comportamientos que
presenta un paciente de violencia intrafamiliar tanto en sus expresiones faciales
como en las conversaciones que puede realizar sobre el tema.
Por el tiempo estipulado del proyecto se va a enfocar en la integración de los

modelos de inteligencia afectiva con un aplicativo móvil a modo de dejar un producto
funcional validado por el semillero de telepsicología como una herramienta que
puede ser aplicada en el contexto en un futuro.
De modo que se plantea el desarrollo de modelos de clasificación de imágenes y de

texto, los cuales serán una base para la continuidad del proyecto pero que no se
van a encontrar lo suficientemente entrenados. Así dando cabida a futuras
investigaciones y proyectos que busquen mejorar y recopilar la información con el
fin de realizar un mejor entrenamiento.
2.3 ANÁLISIS DE LA SOLUCIÓN DESDE EL MODELO BPSC
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.
Como se presenta en la figura 3 a la cual puede acceder en el anexo 3 lo que se

espera una vez implementada la solución es que el especialista pueda identificar
con mayor facilidad el comportamiento y los sentimientos que presenta la víctima,
de manera que el especialista pueda identificar el avance que presenta el paciente
frente al tratamiento asignado y de darse el caso que el paciente no presente
mejoría poder tomar la decisión de intervenir.
11
Figura 3 Modelo biopsicosocial y cultural de la solución
También se espera que la víctima de violencia intrafamiliar tenga una herramienta

con la cual pueda continuar su tratamiento de forma más personal y manejando su
tiempo. Sin tener que preocuparse por las pocas sesiones asignadas por el
especialista.
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.
2.4 TABLA DE ENTREGABLES
La siguiente tabla muestra los entregables que se van a realizar, junto con su
resultado esperado.
Tabla 1 Tabla de entregables
Resultados Esperados Entregable

Fase 1 Información consistente acerca Documento que especifique de qué modo se
Fase de de los traumas y síntomas que va a utilizar la información recolectada por la
análisis presentan las víctimas y los aplicación, la implementación de la
tratamientos que se realizan para computación artificial y el diseño de la
mitigarlo, para identificar las aplicación.
variables significativas en un
individuo que sufrió violencia
intrafamiliar
Fase 2 Diseñar los modelos, diagramas Realizar el diseño de un conjunto de datos
Diseño y diseños que permitan entender Diagrama de casos de uso
de mejor manera el desarrollo y Diagrama de Secuencia
los requerimientos del proyecto. Flujograma del ChatBot
Estos diseños nos permiten Diseño de la aplicación móvil.
entender el modelamiento de la
aplicación.
Fase 3 Hacer el desarrollo para el Aplicación móvil para Android que utiliza
Desarrollo aplicativo móvil, desarrollando y modelos de inteligencia artificial y los
estudiando lo que tiene que ver modelos entrenados en Python y TFlite
con el análisis de sentimientos y
análisis de rostros para una
correcta ayuda al personal
psicológico que lo utilice.
Fase 4 Análisis de los resultados Documento que evidencie las pruebas
Pruebas obtenidos en la implementación realizadas y los resultados obtenidos.
de la aplicación con los expertos
en la materia
Fase 5 Se realizará la conclusión y Un documento que especifique el avance del
Finalización finalización del proyecto. proyecto, su proceso de realización y su
Mostrando los avances que se posible aplicación en campo real.
realizaron y el avance tecnológico
en esta área
Metodología Se realizarán los documentos ● Product backlog: Es el documento
SCRUM descritos, para la metodología base para los demás documentos y
SCRUM describirá el proyecto en su totalidad.
● Daily meeting: Registro diario de lo
que se hizo, se va a realizar y los
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
2.5 VARIABLES PARA MEDIR

Para analizar si el programa cumple con los objetivos definidos en el documento se
va a medir las siguientes variables, las cuales se van a medir en tres etapas.
2.5.1 Validación de la academia
Lo que se busca medir en la validación de la academia es el correcto funcionamiento

de los componentes que integran la aplicación. En este apartado se va a evaluar en
un entorno controlado la aplicación.
2.5.2 Validación estática
Lo que se busca medir en la validación estática es la aceptación por parte del

especialista, respecto a la funcionalidad de la aplicación en una segunda fase de
pruebas.
2.5.3 Validación dinámica
Lo que se va a medir en la validación dinámica es la interacción de un usuario frente

a la aplicación para tratar de medir la utilidad con el que la aplicación influye. Como
los objetivos del proyecto no se encuentra realizar pruebas con pacientes reales,
las pruebas que se van a realizar van a ser junto al especialista. Tratando de simular
el uso que le daría un paciente si se aplicara esta tecnología en un caso de la vida
real.
Tabla 2 Variables para Medir
Variable a medir Descripción Validación Validación Validación

Academia estática Dinámica
Funcionalidad La funcionalidad En este apartado El especialista El especialista
de la permite calificar los va a validar que en el papel del
Conversación si un software desarrolladores las preguntas usuario validará
14
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
satisfacción en
un determinado
contexto de uso”
[17]
2.6 METODOLOGÍA
La metodología que se va a utilizar para el desarrollo tecnológico es SCRUM ya que

permite agilidad en el desarrollo, generando un entregable inicial flexible y adaptable
a las necesidades cambiantes del proyecto, permitiendo también a todos los
implicados conocer el avance y en caso de detectar algún inconveniente en el
desarrollo permite ajustar las tareas para conseguir el objetivo.
La razón fundamental del porque se utiliza esta metodología es que inicialmente no

se cuenta con un especialista que haga seguimiento acerca de las características
que presenta una paciente víctima de violencia intrafamiliar, de manera que
inicialmente se van a desarrollar los componentes de la aplicación generando un
producto final.
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.
2.6.1 Estructura de desglose de trabajo
En la figura 4 se muestra el desglose del proyecto, donde se presentan las áreas

de trabajo que se van a realizar. Como se puede evidenciar las áreas de trabajo
son:
• Análisis: esta área es parte fundamental para el desarrollo de la aplicación ya

que en esta fase se adquieren los conocimientos para la correcta identificación
de sentimientos de la persona, con el fin de conocer cuáles son los traumas y
los tratamientos más comunes.
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.
• Desarrollo e implementación: En esta área se desarrolla la capa lógica de la

aplicación, el diseño y modelo de la computación afectiva y se integran para su
correcto funcionamiento.
• 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.
Figura 4 Estructura de trabajo
2.6.2 Aplicación de la metodología
La metodología de SCRUM plantea el desarrollo de proyectos por medio de Sprints,

los cuales se caracterizan por ser un conjunto de ciclos e iteraciones en las cuales
se va a tener un ritmo de trabajo con un tiempo prefijado, lo cual beneficia el
desarrollo de la aplicación para contar con un entregable funcional el cual presentar
a los especialistas.
Para la realización de este proyecto se va a hacer seguimiento por medio de varios

documentos que propone la metodología, de los cuales se va a utilizar los siguientes
documentos product backlog, sprint backlog, Burndown chart y el Daily meeting. Los
cuales permiten tener la trazabilidad y el avance del desarrollo del proyecto. Los
documentos mencionados anteriormente podrán ser visualizados en el anexo 4.
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.
En los sprints iniciales se investiga sobre tecnologías adecuadas para realizar el

desarrollo de la aplicación y los modelos de inteligencia artificial, se investiga sobre
tratamientos para la violencia intrafamiliar a modo de identificar la manera que se
tratan los pacientes, al tiempo que se realizan los diagramas y el diseño de la
aplicación.
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.
Haciendo uso de la librería de TensorFlow, Keras y TensorFlow Lite para Python se

desarrollan el clasificador de intenciones y el modelo de reconocimiento de
expresiones faciales. De manera que se implementen directamente en la aplicación
y no como un servicio. Los problemas presentados para el modelo de expresiones
faciales fue la escases de conjunto de datos, que permitiera separar rostros con
expresiones de felicidad, tristeza, enojo y neutro. Esto dando por resultado un
modelo no muy bien entrenado, por la falta de datos para validar y entrenar.
Para el sprint final se cuenta con el apoyo del semillero de Telepsicología de la

Universidad El Bosque, para validar que la aplicación móvil en conjunto con las
funcionalidades de la computación afectiva, sirven para dar soporte para el
tratamiento de personas víctimas de violencia intrafamiliar. Realizando reuniones
de validación y ajustes para la aplicación.
2.6.3 Cronograma
El cronograma se modifica por la coyuntura actual, la razón de la modificación se

da por la búsqueda de los especialistas para apoyar en la validación de la aplicación,
por lo cual se acomodan las fechas de diseño a modo de iniciar con el desarrollo de
la aplicación para posteriormente presentarlo a los especialistas.
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”.
La figura 5 muestra el cronograma planteado para el periodo académico 2020-2,

donde se avanza hasta la fase 4. El avance es de manera paralela con otras fases
o tareas. Ya que la metodología SCRUM permite realizar tareas de manera paralela.
Figura 5 Cronograma 2020-2
La Figura 6 muestra el cronograma para el periodo académico 2021-1, en estas

fases se enfocará en documentar el proceso final del proyecto, realizar pruebas y
finalización del desarrollo. Para este periodo académico se espera estar en los
últimos ajustes de diseño y desarrollo, donde las prioridades son la documentación
final y pruebas realizadas junto al panel de expertos.
19
Figura 6 Cronograma 2021-1
2.6.4 Artefactos de la metodología
Para implementar la metodología de SCRUM en este proyecto se tiene en cuenta

el Daily meeting, Burndown chart, las historias de usuarios, product backlog y el
sprint backlog como artefactos necesarios para dar cumplimiento a los objetivos y
tener un mejor control en el proceso de creación de la aplicación.
El Daily meeting es un artefacto de control el cual permite tener un seguimiento

diario de que tareas se van a realizar. De modo que cada día se debe llenar un
formulario el cual contenía las siguientes preguntas, ¿Qué se hizo ayer?, ¿Qué se
hará hoy? Y si hay algo que bloquee el progreso. El Daily meeting del proyecto se
puede ver en el anexo 6.
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.
2.7 COMPONENTE ÉTICO
El componente ético de un proyecto en cualquier ingeniería es uno de los puntos

más importantes. Por lo cual se menciona la aplicación de los 8 principios que tiene
el artículo “Computer Society and ACM Approve Software Engineering Code of
Ethics” en el proyecto.
Aclarado lo anterior se resalta la importancia del componente ético para el proyecto

de CATVI que es alta debido a que es una herramienta con la cual se busca
implementar las tecnologías de computación afectiva y desarrollo móvil en un área
como la salud, un área que está muy ligada al tratamiento de pacientes.
2.7.1 Principio público
Este principio se tiene en cuenta en el proyecto de modo que no se realizan pruebas

con personas afectadas por violencia doméstica, generando un desarrollo que sea
seguro, cumpla con las especificaciones delimitadas en el proyecto y pase las
pruebas realizadas con los especialistas, sin dañar el medio ambiente ni la vida de
las personas [18].
2.7.2 Principio cliente y empleador
Para este principio no se va a manejar una figura de cliente o empleador, sino de

un experto que pueda evaluar la herramienta, que brinde el resultado optimo y que
pueda llevar un control a la persona afectada por la violencia intrafamiliar. Para que
así el especialista que la maneje pueda dar el mejor resultado. Esta aplicación no
será útil si la persona que lo va a manejar no da el consentimiento del tratamiento
de sus datos o de sus sentimientos según sea el caso. Sera una aplicación que
tendrá como requisito de uso la autorización del especialista y en fase de ejecución
por parte del paciente.
2.7.3 Principio del producto
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.
2.7.4 Principio de juicio
Este desarrollo va a estar bajo la supervisión de un experto en el tema, garantizando

que no se vulnere ningún derecho de algún usuario o se le realice un mal
procedimiento.
2.7.5 Principio de gestión
Se tendrá información privada según considere el experto, sin difundir información

confidencial a personas ajenas al proyecto y dañando la integridad del usuario.
Siempre se tendrá una estimación correcta del área económica del proyecto.
Tampoco se alterará el código para beneficiar o dilatar un diagnóstico. Se
manejarán los resultados como los muestre el sistema. Se tendrá el compromiso de
ajustar el modelo de la mejor manera para que pueda tener un alto porcentaje de
aceptación para un diagnóstico.
2.7.6 Principio de profesión
Se tendrá información privada según considere el experto, sin difundir información

confidencial a personas ajenas al proyecto y dañando la integridad del usuario.
Siempre se tendrá una estimación correcta del área económica del proyecto.
Tampoco se alterará el código para beneficiar o dilatar un diagnóstico. Se
manejarán los resultados como los muestre el sistema. Se tendrá el compromiso de
ajustar el modelo de la mejor manera para que pueda tener un alto porcentaje de
aceptación para un diagnóstico.
2.7.7 Principio de colegas
En este proceso de desarrollo se apoyará entre equipo, buscando un ambiente de

trabajo optimo, respetando los pensamientos y opiniones de los demás.
Reconociendo el trabajo de los demás, Teniendo una mirada objetiva e imparcial.
Tomando las mejores decisiones para el proyecto y trabajando como equipo.
2.7.8 Principio del yo
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.
2.7.9 Aplicación de componentes éticos en el proyecto
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.
En cuanto al aspecto cliente-empleador se maneja de la mejor manera con el

semillero de Telepsicología, contemplando una relación sana, de ayuda mutua y de
sana convivencia, acordando las mejoras de manera grupal y llegando a un mutuo
acuerdo.
En el principio del producto se eligen las mejores herramientas, teniendo en cuenta

que se escogieron herramientas seguras, que no se incumbe en la piratería y son
herramientas que proporcionan escalabilidad para futuras mejoras en el proyecto.
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.
En el principio de gestión se crearon términos y condiciones para el usuario,

determinando cada aspecto al cual la persona que utiliza la aplicación está
expuesta, estos términos se encuentran de manera explícita para que el usuario
final tenga en cuenta a que se expone abriendo la aplicación. Se cuentan con los
permisos de las personas que prestan su imagen para aparecer como personajes
en la aplicación.
El principio de profesión se maneja aclarando a los especialistas que los análisis

realizados no son 100% asertivos, esto quiere decir que aun implementada la
aplicación se debe contar con la validación del especialista que lleva el caso del
paciente.
En cuanto al principio de los colegas la comunicación durante todo el desarrollo del

proyecto es la adecuada, siempre acordando lo mejor para el proyecto, respetando
las opiniones opuestas y siendo receptivos a nuevas ideas y nuevos caminos.
El principio del yo se maneja en el desarrollo de la aplicación, siempre teniendo en

cuenta que maneja información vulnerable y por eso escoger las herramientas más
seguras para que el usuario se sienta tranquilo con el manejo de su información.
23
3. MARCO REFERENCIAL
Este capítulo se va a enfocar en cómo se incorpora la computación afectiva con la

violencia intrafamiliar, con el fin de crear un desarrollo tecnológico que aporte a la
sociedad. Se tendrá en cuenta varios proyectos de computación afectiva que están
trabajando en el área de la salud y las diferentes organizaciones que trabajan para
el apoyo y erradicación de la violencia doméstica y de género.
3.1 ANTECEDENTES Y ESTADO DEL ARTE
La violencia intrafamiliar es un problema muy grave que afecta a la sociedad. Este

problema ha sido atacado por organizaciones, fundaciones, movimientos sociales o
personas con sentido social para la ayuda contra esta violencia.
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.
A continuación, se muestra algunos aportes de la computación afectiva en temas

de la salud y además cuales son los movimientos que hay para frenar este tipo de
violencia.
3.1.1 Computación afectiva
La computación afectiva hace su apertura en el 2011, sin embargo, su auge fue en

el 2018 y 2019, con varias aplicaciones interesantes en diferentes áreas de la salud
y para el apoyo de las personas.
El objetivo de la computación afectiva es entender y procesar los sentimientos de la

persona, llegando a captar y procesar los sentimientos de la persona que lo utiliza.
La aplicación de la computación afectiva es tan amplia que puede llegar a ser
aplicada desde ayudas personales a ser aplicado en empresas para hacer análisis
de personal.
En el área de psicología la computación afectiva ha venido trabajando fuertemente

y se han visto avances con aplicaciones de calidad una de ellas fue realizada por
Xiaoqi Liang, Yonghui y Hanjian Chen and Shegqi [9]. Donde crearon una aplicación
que hace uso de la inteligencia emocional para analizar el estado emocional de
personas de la tercera edad. Tiene el objetivo de generar alertas tempranas a
cualquier problema que presente el adulto mayor que maneje la aplicación. Es un
sistema que este compuesto por hardware y software. Este incluye una capa de
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].
Sin embargo, no se trabaja solamente sobre personas de avanzada edad sino

también con personas con esquizofrenia y una de las grandes aplicaciones con
computación afectiva para tratar estos problemas. El objetivo de esta aplicación es
reconocer las diferentes emociones de una persona con esquizofrenia y así poder
ayudarla con voces generadas por la aplicación. Así la persona tiene un apoyo para
el tratamiento y ayuda de su problema mental y psicológico. Estas personas
arrancaron haciendo ensayos clínicos a pacientes con estos trastornos. El siguiente
paso fue separar a las personas dependiendo su sexo y su tipo de trastorno. Luego
implementaron el desarrollo para estas personas, estas personas fueron sometidas
a 8 sesiones [10].
La computación afectiva también tiene aplicación para el tratamiento de autismo en

los niños. Este sistema fue creado por Seong Youb y Hyun Joong Yoon. Estas
personas crearon una inteligencia afectiva con objetivo de ayudar a los niños con
autismo [19], estudiando sus comportamientos, sus acciones y sus emociones. Para
poder hacer un análisis y dar un correspondiente tratamiento, para que así el niño
pueda tener una mejor calidad de vida. Este sistema fue realizado con computación
afectiva. Estudiando los agentes que externos que afectan los comportamientos en
los niños.
Se estudió como estimular de manera física. Con el estudio sacaron un entrono

virtual interactivo, con un avatar que permite estimular a los niños que tiene un
modelo afectivo. El segundo componente es uno de bio detección sabe detectar
componentes biológicos como EEG y ECG. El último componente el de interfaz
gráfica, tiene el objetivo de mejorar la relación entre el avatar y el niño.
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].
3.1.2 Datos de aprendizaje
El reconocimiento de emociones es útil para la interacción humano máquina, con el

fin de poder identificar con mayor facilidad las emociones que presenta una persona
por medio de sus expresiones para mejorar la conciencia de sí mismo y responder
de manera adecuada los acontecimientos a su alrededor [21].
Para realizar un entrenamiento para el reconocimiento de emociones un conjunto

de datos se puede basar en un electroencefalograma (EEG) el cual suele
considerarse como una forma eficaz de identificar las emociones humanas como se
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.
EL entrenamiento con datos basados en EEG también puede estar acompañado

con datos multimedia como lo realizan en [22] donde se utiliza una red neuronal
convolucional 3D para extraer las características espaciotemporales de las señales
del EEG y los datos de videos que presentan la cara de personas con el fin de
reconocer mejor la depresión de los pacientes.
3.1.3 Violencia intrafamiliar
Según la organización mundial de la salud declaró la violencia como un problema

de salud pública [11], donde entraron varias ONG’s como ONU Mujeres y UNICEF
para incorporar en sus ramas la lucha contra la violencia de la mujer, niños y
adolescentes respectivamente. UNICEF comienza un programa en el 2015
convenio la erradicación de la violencia contra los niños y adolescentes [23]. En el
2016 UNICEF abrió 124 oficinas, realizando programas para prevenir y responder
a la violencia.
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.
3.1.4 Computación afectiva en la violencia intrafamiliar
La computación afectiva en temas para tratar o ayudar la violencia intrafamiliar tiene

un campo grande por trabajar, ya que no hay aplicaciones que se enfoquen en esta
área de la psicología y problema social. Mucho menos se ve en Colombia, porque
es muy poco el trabajo que se presenta sobre computación afectiva.
Como se ven grandes aplicaciones en diferentes áreas de la salud, se considera

necesario intervenir con la computación afectiva para ayudar a un problema tan
grande como lo es la violencia doméstica, que como ya se menciono es un problema
a nivel mundial que muchas organizaciones buscan erradicar y ayudar a la gente.
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.
Sin embargo, se han desarrollado aplicaciones para prevenir y atacar la violencia

contra la mujer. Como SOFIApp, esta aplicación permite identificar si la mujer está
en riesgo de violencia en espacios públicos o privados datos tomados de la
consejería distrital de las TIC en Bogotá [24]. Internacional funciona una aplicación
que se llama Mujeres seguras, que busca reducir la alta tasa de violencia contra la
mujer. Haciendo autodiagnósticos para así poder identificar si la mujer sufre de
violencia [25].
3.2 MARCO TEÓRICO
Las personas que presentan violencia intrafamiliar son afectadas de diferentes

formas, puede ser física, psicológica, emocional o sexual, esto conlleva a un cambio
en su diario vivir y en la convivencia con la sociedad. En un estudio de la universidad
de Ciencias Médicas en Cuba, demostró que los trastornos que sufren las personas
víctimas de violencia intrafamiliar son de alta importancia y que afecta el desarrollo
y paz de la persona afectada [26].
En las citas que cualquier paciente tenga con un especialista en tratamientos

psicológicos o de apoyo personal, el primer paso es entender el contexto y los
sentimientos que tiene la persona para así poder realizar un tratamiento. Como lo
plantean Annette McKeown y Ellen Harvey, donde buscan presentar los conceptos
psicodinámicos de la violencia contra la mujer para que sean incorporados en
procesos de comprensión, evaluación, formulación y tratamientos [27] de modo que
conociendo los aspectos de la violencia intrafamiliar se puedan desarrollar
tecnologías con las cuales intervenir en el área de la psicología.
Sentimientos como la tristeza que es común en personas violentadas por sus

familiares o parejas sentimentales, pueden ser detectadas por medio de algoritmos
de computación afectiva como lo son los modelos de clasificación. Uno de los
modelos frecuentemente utilizados son las redes neuronales convolucionales,
puesto que cuenta con una arquitectura capaz de aprender características
invariables, como lo realiza Salama, et al. [28], quienes utilizan una arquitectura de
aprendizaje profundo de una red neuronal convolucional para extraer los
sentimientos que están teniendo las personas por medio de las señales de
electroencefalograma en conjunto con videos de rostros humanos.
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].
Los algoritmos de inteligencia artificial se pueden implementar en aplicaciones

móviles de modo que se pueden desarrollar aplicaciones que interactúen con el
usuario y realicen análisis desde el dispositivo. MobileFaceNets es el desarrollo de
modelos CNN eficientes los cuales están diseñado para la verificación facial en
tiempo real en dispositivos móviles [29], de modo que se puede desarrollar una
aplicación móvil la cual pueda implementar modelos de sistemas inteligentes para
recolectar información del usuario con el fin de que el especialista pueda tomar
decisiones en el tratamiento de los pacientes.
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.
A la fecha que se redacta el documento no existen tecnologías en Colombia que

haciendo uso de la computación afectiva permitan apoyar al especialista en el
tratamiento de mujeres víctimas de violencia intrafamiliar. En este documento se
presenta el desarrollo de una aplicación móvil que en conjunto con la computación
afectiva sirva como herramienta para apoyar a los especialistas en el tratamiento de
mujeres víctimas de violencia intrafamiliar, ofreciendo información al especialista
con la cual tomar decisiones en el tratamiento de los pacientes.
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
Para la aplicación de la metodología SCRUM inicialmente se realizó una reunión

con el equipo de trabajo para dejar claro cuáles van a ser los objetivos primordiales
del proyecto.
Para el proyecto CATVI se decidió iniciar por el apartado de desarrollo de la

aplicación mientras se contaba con el aval del semillero de Telepsicología para
realizar las pruebas de la aplicación, con el fin de avanzar en las funcionalidades
primarias de la aplicación como es la interfaz y la captura de audio y video, para una
vez se cuente con los especialistas poder integrar la información suministrada por
el experto en el producto final.
Realizada la reunión de SCRUM se definieron 5 Sprints en los cuales se realizó la

indagación, diseño, desarrollo e implementación de las funcionalidades que integran
la aplicación de modo que para el Sprint final se tuvo una aplicación evaluada por
el semillero de Telepsicología.
Para el desarrollo de la aplicación se indagó y comparó en tecnologías similares

que aportaron al cumplimiento del objetivo de este proyecto de modo que se
seleccionaron aquellas que más beneficiaron en el tiempo de desarrollo.
Una vez se contó con el desarrollo funcional de la aplicación se realizaron las

pruebas en conjunto con el semillero para validar que el uso de la herramienta es
funcional para entornos de la vida real.
Se manejó un medio de trabajo para llevar un control más automatizado y ordenado,

generando alarmas y formularios para llenar los documentos de la metodología de
SCRUM. Esto con ayuda de la herramienta Microsoft Teams, Microsoft Automate,
Microsoft Planner y Microsoft Forms.
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.
Se realizó la indagación sobre la violencia intrafamiliar y los tratamientos que existen

para conocer los datos con los cuales entrenar el modelo del ChatBot y entender el
contexto al que va dirigido la aplicación.
29
4.1.1 Información sobre violencia intrafamiliar
En el caso de la información necesaria para entrenar los modelos que se van a

integrar con la aplicación se consultó inicialmente sobre datos relacionados con el
tema de la violencia intrafamiliar los cuales se tomaron como guía.
Según la información obtenida de la comisión de transición [25] en el cual se

encuentran preguntas para saber si una persona sufre de violencia intrafamiliar.
Además, de la información recopilada sobre tratamientos que se utilizan para tratar
la violencia intrafamiliar como lo son la terapia cognitiva conductual [26], terapia de
Gestalt [30] y la psicoterapia psicoanalítica [31] se buscó seleccionar cuales
técnicas se pueden implementar en la aplicación para entrenar los modelos de
computación afectiva.
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.
Realizada la investigación se logró identificar que Colombia fue presentado como

uno de los países más violentos del mundo. Una rama de la violencia en Colombia
es el maltrato intrafamiliar, por lo que el gobierno implementó mecanismos de
protección y conciliación ya que este tipo de violencia ha crecido de gran manera
[7]. De modo que se han incrementado los tratamientos y hasta el momento se
encuentran diferentes formas de tratar la violencia doméstica, los que más llamaron
la atención para la guía de este proyecto fueron:
Terapia cognitivo conductual: esta terapia se encarga de que la persona tenga

conciencia de los pensamientos negativos para que este pueda encontrar cual es el
verdadero problema que tiene [32]. Esto quiere decir que busca que la persona
encuentre que está fallando en su vida, respondiendo preguntas que le haga el
psicólogo. Esta terapia es de gran importancia para el proyecto, ya que formulando
preguntas adecuadas el usuario puede encontrar en sí mismo una respuesta a sus
problemas y poder superar más rápido sus traumas.
Terapia de Gestalt: Esta terapia permite al especialista saber cuál es el estado de

un paciente por medio de la observación de una imagen y la opinión que el paciente
tenga sobre esta [30]. En esta terapia el mayor trabajo lo tiene el especialista, ya
que debe analizar el comentario que le hizo a cada imagen, este tipo de terapia
toma su tiempo hasta el especialista logre analizar las respuestas del paciente. Es
por esto por lo que se decidió no tener en cuenta esta terapia.
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.
4.1.2 Selección de tecnologías
Las aplicaciones móviles juegan un papel importante en nuestra vida cotidiana, de

modo que en muchos casos para distribuir una aplicación móvil esta debe adaptarse
a la mayor cantidad de dispositivos, de manera que se deben considerar las
especificaciones de variedad de dispositivos [34].
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].
También existen Herramientas que facilitan el desarrollo de aplicaciones capaces

de ejecutarse en ambas plataformas sin la necesidad de tener que separar el
desarrollo, como lo son React Native y Flutter.
Tabla 3 Tabla comparativa de Flutter y React Native
Item Flutter React Native

Lenguaje de programación Dart Java Script
Librerías Mediana, pero en crecimiento Alta
Curva de aprendizaje Alta si no se conoce dart y C Alta si no se conoce JavaScript
Creador Google Facebook
Lanzamiento 2016 2015
Arquitectura Utiliza Skia, compila todo Utiliza Flux, El código
directamente. JavaScript se transpira a
código nativo.
Como se observa en la tabla 3 React Native es un marco multiplataforma de código

abierto desarrollado en JavaScript cuyo objetivo es resolver la problemática de
implementar dos tecnologías diferentes para cada plataforma [34], presentado por
Facebook se basa en el marco React, publicado por Facebook años antes, es una
herramienta utilizada por los desarrolladores por su simplicidad y facilidad en el
proceso de desarrollo.
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].
La tecnología que se utilizó para desarrollar la aplicación móvil es Flutter, que es un

kit de herramientas para crear aplicaciones de forma nativa para dispositivos
31
móviles, web y de escritorio a partir de un único código fuente [35], el lenguaje que
utiliza Flutter para el desarrollo es Dart.
Como esta tecnología es relativamente nueva, y es una herramienta de la cual se

tiene un conocimiento previo en temas académicos, beneficia el proyecto en la
etapa de desarrollo, además la curva de aprendizaje es baja con respecto a
desarrollar con otras herramientas gracias a la gran cantidad de librerías que se
pueden implementar en Flutter.
Para el desarrollo e implementación de modelos de inteligencia artificial se busca

herramientas que permitan el diseño y desarrollo de modelos de machine learning
además de permitir la integración con la aplicación.
Tabla 4 Tabla comparativa TensorFlow y FireBase
Ítem TensorFlow FireBase

Lenguaje de programación Python – JavaScript API, se implementa
Costo Open Source Cobro por servicio
Curva de aprendizaje Alta si no se conoce Python o Baja
JavaScript
Creador Google Google
Requiere Internet No, se implementa un modelo Si, se consume un servicio que
cargado mediante TensorFlow cobra por uso
Lite
Integración Local, directamente en la Consumir un servicio
aplicación
Como se presenta en la Tabla 4 dos de las tecnologías consideradas para el

desarrollo de los modelos son TensorFlow y FireBase las cuales permiten la
Creación o integración de modelos de machine learning.
Otra herramienta importante es TensorFlow Lite, ya que permite la implementación

de modelos de Deep Learning en aplicaciones móviles y de IoT sin la necesidad de
usar internet. Esta plataforma permite convertir los modelos desarrollados en
TensorFlow. TensorFlow es una librería de Python.
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
Como se decidió iniciar con el desarrollo de la aplicación funcional para más

adelante poder conectar con la inteligencia emocional se definieron los siguientes
requerimientos o historias de usuario con los cuales dar comienzo al desarrollo.
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.
Tabla 5 Ejemplo 1 de Historia de usuario
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.
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
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
33
4.1.4 Fase de diseño
Se diseñó el diagrama de casos de uso para el Usuario paciente que muestra el

modo de interactuar del Usuario al momento de utilizar la aplicación, como se ve en
la figura 7 el usuario es capaz de ingresar información, interactuar con las ventanas,
realizar configuraciones mientras que la aplicación recopila y almacena los datos el
usuario.
Figura 7 Diagrama casos de uso Paciente
Tabla 8 Caso de uso Ingreso de datos
Caso de uso:C001 Nombre: Ingresar datos Actor: Usuario Paciente

Objetivo en identificar la información que se recolecta del usuario usando un
contexto: identificador con el cual diferenciar los datos del usuario
Precondiciones: Tener asignado un especialista, el cual le pasa el identificador único del
especialista
Disparador: El usuario inicia la aplicación por primera vez
Escenario: 1. Usuario: Instala la aplicación

2. Usuario: Inicia la aplicación
3. Usuario: Ingresa el nombre, el identificador del especialista
Excepciones: No existe el identificador del especialista
Prioridad: Alta
Canal para el Interfaz gráfica de la aplicación, ventana de inicio

actor:
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.
De igual manera el usuario puede revisar los términos y condiciones estipulados en

la aplicación para tener conocimiento de los motivos por los cuales la aplicación
recopila la información del usuario y de igual modo la aplicación solicita los permisos
de uso de los datos como se muestra en la tabla 9.
Tabla 9 Caso de uso términos y condiciones
Caso de uso:C002 Nombre: Aceptar términos y condiciones Actor: Usuario Paciente

Objetivo en revisar los términos y condiciones de uso de la aplicación a modo de
contexto: conocer cómo se realizan los tratamientos de datos que la aplicación
recopila
Precondiciones: instalar la aplicación
Disparador: El usuario selecciona el enlace de términos y condiciones
Escenario: 1. Usuario: Instala la aplicación

2. Usuario: Inicia la aplicación
3. Usuario: Selecciona el enlace de términos y condiciones
Excepciones: No hay excepciones
Prioridad: Alta
Canal para el Interfaz gráfica de la aplicación

actor:
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.
Tabla 10 Caso de uso Entablar Conversación
Caso de uso:C003 Nombre: Entablar conversación Actor: Usuario Paciente

Objetivo en Guardar la información que ofrece el usuario de manera hablada y la
contexto: captura del rostro para
Precondiciones: haber ingresado los datos de ingreso
Disparador: El usuario selecciona el botón de micrófono para iniciar a hablar
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
Canal para el actor: Interfaz gráfica de la aplicación, ventana de diálogo
Tabla 11 Caso de Uso Seleccionar Personaje
Caso de uso:C004 Nombre: Seleccionar personaje Actor: Usuario Paciente

Objetivo en el usuario puede personalizar el personaje con el cual realizar la
contexto: conversación a modo de hacer la aplicación más agradable para el usuario
Precondiciones: haber ingresado los datos de ingreso
Disparador: El usuario selecciona el botón de configuraciones
Escenario: 1. Usuario: Inicia la aplicación

2. Usuario: Selecciona la opción de configuración
3. usuario: Selecciona el personaje
Excepciones: No se selecciona un personaje
Prioridad: Media
Canal para el Interfaz gráfica de la aplicación, ventana de configuraciones

actor:
También se diseñó el diagrama de casos de uso del especialista, el cual describe

las acciones que toma el especialista frente a la información que la aplicación
recopila. Aunque el especialista no interactúa directamente con la aplicación es
importante distinguir las acciones que realiza con los datos del usuario como se
observa en la figura 8.
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
Tabla 12 Caso de uso del Especialista
Caso de uso:C005 Nombre: Revisar Información de pacientes Actor: Especialista

Objetivo en El especialista puede revisar la información recolectada por parte de la
contexto: aplicación para realizar su análisis.
Precondiciones: Que los usuarios utilicen la aplicación para contar con información para
analizar
Disparador: No hay disparador
Escenario: 1. Usuario: utiliza la aplicación

2. Aplicación: envía los datos recopilados
3. Especialista: Revisa las respuestas del paciente
4. Especialista: Revisa las capturas del rostro del paciente
Excepciones: Las personas no han usado la aplicación
Prioridad: Media
Canal para el actor: Google Drive
Se diseña el diagrama de secuencia de la aplicación para identificar cuáles son las

secuencias y los procesos que realiza la aplicación una vez el usuario paciente
comienza a utilizarla.
37
Figura 9 Diagrama de secuencia para el paciente
Como se presenta en la figura 9, cuando el usuario inicia la aplicación por primera

vez la aplicación va a mostrar un formulario donde se debe ingresar los datos de
verificación, una vez se ingresa a la ventana de interacción la aplicación solicita los
permisos para utilizar la cámara y el micrófono.
Mientras el usuario está respondiendo las preguntas de la aplicación, de manera

interna se va a realiza la captura del rostro del usuario para que sea analizada y
almacenada.
Cuando el usuario elige la opción de conversar la aplicación realiza una pregunta la

cual el usuario debe responder, la respuesta que realiza el usuario es enviada y
analizada por la inteligencia, con el fin de identificar el estado del paciente, una vez
analizada se envía la información para ser almacenada. El lector puede revisar con
mejor detalle la Figura 9 en el siguiente anexo, anexo 11.
4.1.5 Desarrollo tecnológico
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.
También se utiliza la librería flutter_tts [37] la cual permite a la aplicación convertir

texto a dialogo, de manera que las preguntas que realice la aplicación puedan ser
leídas y escuchadas por el usuario, inicialmente la aplicación repite el texto que
aparece en pantalla.
Figura 10 Evidencia pantalla inicial de la aplicación
Como se muestra en la figura 10, la ventana inicial de la aplicación consta de dos

botones, con los cuales el usuario va a interactuar, de manera que presionando el
botón del micrófono la aplicación comienza a escuchar el dialogo del usuario, al
tiempo que presenta la información que captura en la pantalla, al presionar el botón
nuevamente la aplicación va a repetir el dialogo capturado del usuario de manera
hablada.
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.
Se realiza la recopilación de historias de usuarios con los cuales definir las

funcionalidades y los requerimientos con los cuales explicar las funcionalidades del
software desde la perspectiva del usuario, las historias recopiladas inicialmente se
enfocan en el desarrollo de las funcionalidades desde la perspectiva de los
desarrolladores.
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
El objetivo del sprint 2 fue la integración de un modelo de TensorFlow Lite con la

aplicación, de modo que logre implementar un modelo de inteligencia artificial para
más adelante poder incorporar los modelos de detección de rostros y el clasificador
para el ChatBot.
De igual modo se inició el desarrollo de la interfaz gráfica de la ventana de inicio de

la aplicación, para que en futuros Sprints se pueda almacenar los datos del usuario
con los cuales el especialista logre identificar de manera más fácil a los usuarios.
4.2.1 Desarrollo tecnológico
Se inició el desarrollo de la funcionalidad de detección de objetos utilizando la

cámara del dispositivo móvil, por lo cual se utiliza la librería Camera [38]. La cual
brinda un listado con el número de cámaras presentes en un dispositivo móvil, de
manera que se pueda utilizar la cámara frontal del dispositivo y poder capturar una
imagen del usuario, la librería cuenta con una función que permite acceder a la
cámara directamente sin la necesidad de guardarla en el dispositivo, por lo que
beneficia a la aplicación en la captura de múltiples imágenes sin la necesidad de
ocupar almacenamiento interno del dispositivo.
Como se utiliza la tecnología de TensorFlow lite para integrar los modelos de

inteligencia artificial en la aplicación, inicialmente se busca un modelo pre entrenado
40
con el motivo de poder integrar el modelo a la aplicación y que la aplicación lo
implemente en una ventana.
El modelo pre entrenado es un modelo para detección de objetos basado en YOLO

versión 3, el cual se obtuvo del repositorio [39]. De modo que se realiza el desarrollo
de una ventana que muestra la captura de la cámara en tiempo real y de igual
manera marca y clasifica los objetos que va detectando como se muestra en la
figura 11, de manera que, presionando el botón de la cámara, desarrollado en el 1
Sprint muestre la ventana que activa la funcionalidad de la cámara y el modelo.
Figura 11 Evidencia detección de objetos
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.
Figura 12 Evidencia pantalla de Login
Para el almacenamiento de los datos en el dispositivo se utiliza la librería de sqlflite

[40]. la cual permite realizar consultas de inserción actualización y eliminación de
datos en el dispositivo, de manera que se almacenan los datos del usuario para ser
usados posteriormente por la aplicación.
Las ventanas se diseñaron de modo que la interacción con el usuario no sea

demasiado compleja, por lo que la ventana de inicio no solicita demasiada
información.
Por el lado de la ventana que implementa el modelo de detección de objetos el

usuario solo debe presionar el botón de cámara e inmediatamente le muestra una
ventana con la cámara activada, que al momento de detectar un objeto lo enmarca
y encierra en un cuadro.
Se plantea el formulario de manera que el usuario ingrese un identificador, con el

cual distinguir los datos recopilados para facilitar al especialista la búsqueda de la
información del usuario.
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.
Se cuenta con dos nuevas ventanas adicionales para la aplicación, la primera

ventana el formulario de inicio de la aplicación donde el usuario debe ingresar los
datos con los que va a ser identificado los cuales se almacenan en el dispositivo y
la segunda ventana con la cual el usuario interactúa con el modelo de clasificación
de objetos y la cámara.
Como la aplicación logra implementar un modelo pre entrenado de TensorFlow Lite

en tiempo real haciendo uso de la cámara del dispositivo. El siguiente paso es
realizar el diseño y desarrollo de modelos entrenados, que se enfoquen mejor en
cumplir los objetivos de la aplicación, una vez se cuente con los modelos se debe
de ajustar el código para su implementación.
4.3 SPRINT 3
4.3.1 Desarrollo del modelo del Chatbot
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.
Para entrenar el modelo del ChatBot se diseñó un conjunto de datos en el cual se

almacena información relevante relacionada con la violencia intrafamiliar. Este
conjunto de datos se crea con formato CSV, el cual costa de dos columnas; la
primera columna corresponde a las preguntas o respuestas que el usuario puede
dar en la conversación, la segunda columna corresponde a la respuesta esperada
según el dialogo que se tiene como se muestra en la tabla 13.
Tabla 13 Ejemplo de conjunto de datos creado para el Bot conversacional

Pregunta Respuesta
Hola Saludo
Nos vemos después Despedida
Que es violencia intrafamiliar Definición
Creo que soy víctima de violencia Identificación
intrafamiliar
Mi pareja no presenta malestares Falsa alarma
cómo se clasifica la violencia intrafamiliar Tipos
¿qué puedo hacer? Prevención
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.
Luego se realizó la estetización de cada palabra; con el objetivo de solo dejar

únicamente la palabra tallo [41]. Por ejemplo, para la palabra “corriendo” su tallo es
“corr”. Para la “estemización” se utiliza el stemm_test_corpus.txt, que contiene un
listado de palabras junto con su raíz[42], esto con el fin de poder implementar
posteriormente en la aplicación de Flutter a falta de una librería que permita
realizarlo.
Realizada la bolsa de palabras, se realiza una nube de palabras para identificar

cuáles son las que más se encuentran presentes en los datos de entrenamiento,
como se muestra en la figura 13.
Figura 13 Nube de palabras
En la figura 13 se puede observar que, en los datos de entrenamiento inicial, el

modelo puede identificar cuando en el texto se encuentren palabras como violencia,
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.
El siguiente procedimiento es crear una bolsa de palabras, para extraer segmentos

de palabras para cada una de las oraciones presentes en el conjunto de datos.
Generando una matriz con cada palabra no repetida presente en los documentos y
colocando el valor de 1 si esta se encuentra, en caso contrario se obtiene el valor
de 0.
Para finalizar se creó un modelo de red neuronal de clasificación utilizando

TensorFlow. Al cual se le pasa la información reprocesada y se entrenó con el 80%
del conjunto de datos y se probó con el 20%. Una vez entrenado el modelo se creó
un archivo Tflite para pasar el modelo a la aplicación y se crea un archivo que
contiene la bolsa de palabras con las cuales realizar el preprocesamiento del dialogo
del usuario.
Por el lado de la aplicación se desarrollaron los métodos de preprocesamiento de

texto, para que el dialogo capturado por la aplicación sea transformado acorde a los
valores que recibe el modelo, de modo que los métodos de preprocesamiento de
entrenamiento del modelo como los de la aplicación realizan los mismos cambios
en el texto.
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.
Como se muestra en la figura 14, la aplicación responde a la pregunta “que es

violencia intrafamiliar” de manera que se muestra la respuesta en pantalla y se logra
escuchar el mensaje de forma hablada.
45
Figura 14 Evidencia del chat conversacional
4.3.2 Desarrollado del modelo clasificador de rostros
Para el desarrollo del clasificador de imágenes, se tiene en cuenta las redes

neuronales convolucionales, estas redes se utilizan para analizar imágenes y su
trabajo es clasificar o detectar una imagen, estas redes trabajan con vectores de
pixeles donde cada píxel de salida es una combinación lineal de un píxel de entrada.
Como se muestra en la figura 15 la red convolucional funciona de esta manera
pasando por diferentes capas hasta llegar al clasificador el cual evalúa cual es la
salida con más valor.
46
Figura 15 Explicación de una red neuronal convolucional
Fuente: Elaboración De Diego Calvo [43]
Para entrenar el modelo de redes neuronales convolucionales se presentó un

problema el cual fue encontrar un conjunto de datos adecuado para entrenar el
modelo. En el proceso de búsqueda no se logra encontrar un conjunto de imágenes
el cual tenga fotos a color de personas sonriendo, estando tristes, enojados y con
una expresión facial neutra. De manera que se utiliza un set de datos obtenido de
kaggle [44] el cual cuenta con un conjunto de datos a blanco y negro de 48x48
pixeles separados en sentimientos 7 sentimientos, felicidad, enojo, miedo, asco,
triste y neutral.
Esto causó que el entrenamiento de este modelo no fuera el mejor y la perdida de

información fuera muy alta como se muestra en la figura 16, su mayor promedio de
asertividad es de un 60%.
47
Figura 16 Resultado del modelo de clasificación de rostros
Se tiene la convicción de que en otras fases del proyecto se pueda conseguir un

mejor set de datos, para así poder mejorar el modelo de expresiones faciales y que
tenga un porcentaje de asertividad más alto.
Al ver que no se lograba un alto porcentaje de asertividad, se desarrollaron 3

modelos y se seleccionaron 3 sentimientos para clasificar, separando así el modelo
inicial para que cada modelo clasifique por dos sentimientos, de manera que se
suba el porcentaje de asertividad de la clasificación, el primer modelo clasifica si la
persona está feliz o enojada, el segundo modelo clasifica si la persona está enojada
o triste y el último modelo clasifica si la persona esta triste o feliz. Esto con la idea
de poder comparar con mayor asertividad cual sentimiento encuentra con mayor
porcentaje. El sentimiento que al final tenga mayor porcentaje es el seleccionado
para mostrarle al especialista.
Una vez separado el modelo anterior se realiza la prueba de clasificación de los

modelos donde se revisan los análisis de detección de rostros y se compara con el
resultado de los demás modelos, como se muestra en la figura 17 un ejemplo de
cómo el modelo clasifico una imagen, arrojando que la persona está feliz.
48
Figura 17 Evidencia de foto con su respectiva clasificación de sentimiento
Realizando estos tres modelos por separados, se aumenta el nivel de asertividad

como se muestra en la figura 18, que es el modelo de tristeza y enojo, estos modelos
muestran un mejor resultado. Por esta razón es que se cambió la línea en la que se
iba a analizar las expresiones faciales de las personas y se incorpora a la aplicación
tres modelos y el resultado que se envía es el que tenga mayor porcentaje.
49
Figura 18 Mejora del modelo de expresiones faciales
4.3.3 Integración de modelos
La integración de los modelos desarrollados en TensorFlow y aplicados a la

aplicación móvil, fue realizado gracias a TensorFlow Lite con la librería tflite_flutter
[45] en conjunto con la librería tflite_flutter_helper [46], esta librería permite integrar
modelos creados y guardados con la extensión tflite. Como en el sprint anterior se
había integrado un modelo anterior, la integración de estos nuevos modelos no
significaron un desafío.
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.
Para la integración de modelos de expresiones faciales que utiliza la cámara para

identificar el rostro, lo que se realizo fue utilizar la misma implementación del sprint
anterior cambiando la cámara trasera por la cámara frontal y realizar capturas de
imagen cada cierto tiempo.
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
Finalizado el Sprint se cuenta con un modelo de TensorFlow que clasifica texto

relacionado con violencia intrafamiliar, de manera que clasifica el texto entre si la
persona está hablando sobre violencia o no.
Igualmente se cuenta con el desarrollo de 3 modelos de clasificación de rostros

entrenados para clasificar las expresiones faciales en una imagen, considerando
que el entrenamiento con los datos puede mejorar.
Se realiza la integración de los modelos en la aplicación a modo de realizar pruebas

de integración, teniendo como resultado que la aplicación detecte las intenciones
del dialogo del usuario y muestre en pantalla la respuesta según la intención
detectada.
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
4.4.1 Mejora del diseño
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.
Se crearon varias figuras como se muestra en la figura 19. Estos personajes

cuentan con dos animaciones una es la intensión de escuchar, realizar movimientos
de escuchar y la otra intensión es la de hablar, hacer gestos de estar hablando. Para
51
que así el usuario tenga una mejor experiencia y simule una conversación real con
la aplicación.
Figura 19 Diseños de personajes
Estos personajes que se muestran en la figura 14 se lograron gracias a la cámara

de Huawei, la cual permite cambiar el rostro de la persona por las figuras animadas
que selecciona.
4.4.2 Mejora usuario – aplicación
Teniendo ya los personajes lo que se realiza es el cambio del diseño de la

aplicación, el primer paso fue cambiar el color azul que se tenía por un color morado,
luego se añadió un apartado para poder seleccionar los personajes ya creados
anteriormente. Esta ventana cuenta con la posibilidad de elegir entre 4 personajes
para que el usuario pueda interactuar con el que más le parezca amigable.
El paso siguiente fue modificar la ventana de inicio de la aplicación, en esta etapa

ya no pregunta por usuario y contraseña, sino que va a preguntar cuál es su nombre
y así sea más fácil el uso de la aplicación para la persona que utilice la aplicación,
así como se muestra en la figura 20.
52
Figura 20 Formulario para ingresar el nombre
4.4.3 Ocultar la cámara al usuario
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.
4.4.4 Análisis de sentimientos
Se realiza un análisis de sentimientos en Python, gracias a la librería TextBlob, esta

librería trabaja fuertemente en el procesamiento de lenguaje natural para realizar
análisis de sentimientos.
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.
Ya montado el servicio el siguiente paso es enviar una petición cuando la persona

responda a la aplicación. Para finalizar recibir la respuesta del servidor y esta es la
que se guarda.
4.4.5 Métodos para subir información a Google Drive
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.
Para realizar el guardado de la información se crea una cuenta en Google con el

nombre de catvisoporte@gmail.com, esta cuenta permite almacenar 15 GB en drive
lo cual para esta etapa del proyecto es favorable y suple las necesidades que se
tienen del proyecto, se escoge Google drive también por los servicios que tiene
Google para poder manipular carpetas y subir archivos por medio de App Script.
Este proceso se desarrolla mediante el lenguaje de scripting de Google Cloud, el

cual permite utilizar se servicio recibiendo peticiones y enviando la información al
drive según se programe. Como se muestra en la figura 16, el resultado de cómo
se guarda la información en el directorio en la nube, como primera medida se crea
una hoja de cálculo, en el cual se guarda información de la interacción del usuario
con la aplicación y como segunda medida se crea una carpeta donde se está
guardando las fotos del usuario.
Figura 21 Muestra de guardar información en Drive
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.
4.5.1 Comunicación inicial con los especialistas
Para el proyecto se contacta con el semillero de Tele psicología a cargo de la

Profesora Ruby, que en conjunto con sus integrantes se les presenta la aplicación
con el fin de recibir retrospectiva del producto y realizar los ajustes necesarios.
La presentación con el especialista se realiza mediante una reunión en la cual se

presenta la aplicación a los especialistas. Para que revisen y validen si la aplicación
cumple con los objetivos estipulados en el proyecto, se comienza explicando las
funcionalidades de ingreso de datos del usuario, se presenta la ventana inicial de la
aplicación, para así poder mostrar cuales son los datos que el usuario debe ingresar
al momento de registrarse en la aplicación.
Se presenta de igual manera la ventana de conversación, donde se muestra el Bot

conversacional, el cual realiza las preguntas necesarias para analizar la y recopilar
la información, también se comenta sobre la capacidad de capturar imágenes del
rostro durante la interacción del usuario con la aplicación, de igual manera se
presenta la ventana de selección de personajes en la cual los usuarios pueden elegir
los personajes con los cuales interactuar de manera que se pueda hacer más
personal la aplicación.
55
4.5.2 Nuevas historias de usuarios
En conjunto con las especialistas al momento de revisar la aplicación inicial se

recaba en nuevos requerimientos, con los cuales ajustar la aplicación para que
interactúe con el usuario de la mejor manera. Entre los requerimientos recopilados
en conjunto con el semillero se encuentran (ver tabla 14, tabla 15, tabla 16).
Tabla 14 Ejemplo 1 Nuevas historias de usuarios

Rol Como Especialista
Característica/ funcionalidad Requiero preguntas que el usuario pueda
responder y sean de utilidad para mi como
especialista
Razón/ Resultado Con la finalidad de analizar muy bien al paciente

Característica/ funcionalidad Quiero que la aplicación tenga personajes más
Humanos
Razón/ Resultado Necesito una ventana con la cual interactuar de
forma hablada

Característica/ funcionalidad Requiero preguntas que el usuario pueda
responder y sean de utilidad para mi como
especialista
Razón/ Resultado Necesito una ventana con la cual interactuar de
forma hablada
4.5.3 Cambios finales
Los cambios que se realizaron al final fueron cambios de personajes, estos

personajes nuevos son integrantes del semillero de Telepsicología y una persona
externa al semillero quienes prestaron su imagen voluntariamente. Esto según los
especialistas para que el usuario sienta que tiene más afinidad con la aplicación al
momento de usarla.
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.
Figura 22 Flujograma del ChatBot
57
Figura 23 Personajes de la aplicación
En la figura 23 se muestran los personajes finales que hacen parte de la aplicación,

acorde a las reuniones con el semillero de Telepsicología se buscaron mujeres que
cedieron su imagen para que sea parte de la aplicación, de manera que el personaje
sea más humano y el usuario se sienta más cómodo hablando con ella, según la
perspectiva de los especialistas. Las mujeres que cedieron su imagen firmaron un
contrato de cesión de derechos de imagen. En este documento no se muestran
estos contratos por temas éticos y conservar los datos de estas personas de manera
anónima.
Finalizado el Sprint 5 se realizaron las pruebas a la aplicación entre las que se

encuentran las pruebas unitarias donde se evaluó las funcionalidades de la
aplicación, las pruebas de integración con las que se mide la integración de los
modelos de computación afectiva con el desarrollo móvil y las pruebas de
funcionalidades que se desarrollaron en conjunto con el Semillero de telepsicología
para validar la utilidad de CATVI.
El lector puede acceder al documento de pruebas ingresando al anexo 12.
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.
Sobre la funcionalidad de la aplicación referido a la capacidad de capturar el dialogo

del usuario y dar respuesta a la conversación, se midió sobre el tiempo que le toma
a la aplicación en detectar el dialogo del usuario y dar respuesta de manera hablada.
Se realizaron pruebas en las cuales la aplicación ofrece una respuesta al usuario
de manera rápida entre cada conversación, de modo que no se percibe una demora
en la respuesta que devuelve la aplicación de manera hablada.
Se mide la confiabilidad de la información recolectada analizando la cantidad de

información que se pierde al momento de iniciar la conversación, de modo que se
miden la cantidad de palabras que el usuario menciona y que la aplicación no
captura, midiendo la cantidad de frases incompletas que almacena la aplicación.
Teniendo como resultado que la aplicación no captura en un 5% las palabras que el
usuario menciona.
Se desarrolla un servicio con el cual analizar la información que el usuario suministra

para realizar el análisis de sentimientos a cada dialogo que la persona tiene con la
aplicación, de igual modo se desarrolla un servicio haciendo uso de App script de
Google de modo que se almacena la información del dialogo, el análisis y la imagen
del rostro.
El análisis y clasificación de las imágenes que captura la aplicación se midió

teniendo en cuenta la cantidad de imágenes que la aplicación captura en un tiempo
establecido de 10 segundos, de modo que se compara la cantidad de imágenes
capturadas y analizadas en comparación con la cantidad de imágenes esperadas.
Teniendo como resultado que la aplicación recopila 17 imágenes junto con su
análisis en el tiempo establecido.
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.
Se realiza una serie de cuestionarios a los integrantes del semillero de

Telepsicología, los cuales pueden observarse en el anexo 13, para evaluar el
desempeño de la efectividad de la aplicación móvil. Referido a la capacidad de
captar los sentimientos y el apoyo que tenga con el panel de expertos y poder ver
la utilidad que tenga la aplicación. El semillero se encuentra conformado por 3
estudiantes de psicología quienes descargaron la aplicación para realizar pruebas
y dar su calificación a modo de usuarios y de especialistas, y una docente quien
reviso la información que la aplicación recopilaba y respondió el cuestionario desde
la perspectiva de un especialista.
Como se observa en la figura 24 desde la perspectiva de los especialistas la

aplicación presenta una rápida respuesta frente al dialogo del usuario, teniendo en
cuenta que el 50% de los especialistas calificaron que el tiempo de respuesta era
rápido. Mientras que el otro 50% percibió que podía mejorar. Por otro lado, el 75%
de los especialistas consideraron que la conversación se debe mejorar en cuanto a
la cantidad de preguntas que realiza y que estén más enfocadas en conocer el
estado anímico de la persona y no en realizar un diagnóstico.
60
Figura 24 Resultado de cuestionario primera parte
Sobre la confiabilidad de la información que la aplicación almacena se obtuvo que

100% de los especialistas está conforme con el modo en que se almacena la
información, mientras que en la evaluación de la facilidad de uso de la aplicación en
50% considera que es fácil de usar mientras que el otro 50% considera que se
pueden realizar ajustes en la aplicación como se muestra en la figura 25.
61
Figura 25 Resultado de cuestionario segunda parte
En conjunto con las estudiantes del semillero de psicología se realizan pruebas de

la aplicación simulando su uso como si fueran usuarios finales. Respondiendo el
cuestionario se logra identificar que desde la perspectiva de un usuario la aplicación
responde de manera rápida y fluida a la conversación y de igual manera se sintieron
cómodas al momento de interactuar con la aplicación como se muestra en la figura
26.
62
Figura 26 Resultado de cuestionario tercera parte
Como se observa en la figura 27, la evaluación obtenida sobre la comodidad sobre

el manejo de los datos fue de un 100%. Considerando que la aplicación no se siente
invasiva al momento de querer sacar información al usuario y de igual modo se
obtuvo como resultado que para los usuarios el uso de la aplicación es sencillo y no
se presenta problemas al momento de usarlo.
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.
Se redactó el manual de usuario de la aplicación donde se describen las

funcionalidades y el modo de uso de la aplicación, el cual puede ser accedido en el
anexo 14. De igual modo se redactó el manual técnico de la aplicación donde se
describen las herramientas que se usaron para el desarrollo de la aplicación para
aquellas personas que continúen el desarrollo de la aplicación. Para tener
conocimiento de los requisitos y continuar con el desarrollo, el lector puede acceder
al manual técnico a través del anexo 15.
64
6. ANÁLISIS DE RESULTADOS/ DISCUSIÓN
Para comenzar es importante resaltar que hasta el momento no se ha realizado un

estudio o aplicación que permita unir la computación afectiva con el tratamiento para
la violencia intrafamiliar. Con este proyecto se busca innovar integrando la
computación afectiva al área de la psicología por medio de una aplicación móvil,
capaz de comprender lo que dice el usuario y realizando un análisis de sentimientos
a lo que el usuario responde, al tiempo que se va teniendo una conversación fluida
con el usuario. De igual manera la aplicación es capaz de capturar las expresiones
faciales identificando los sentimientos a los que la imagen corresponde.
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.
Encontrando que sin un seguimiento continuo y/o acompañamiento de un experto

el paciente puede presentar secuelas en la convivencia con la sociedad, un mal
desarrollo en su diario vivir, por los traumas causados.
Es aquí donde entra el desarrollo CATVI a ayudar a los especialistas ya que un

paciente tiene citas con un psicólogo en un promedio de 15 días o 20 días, en estas
semanas el paciente no presenta un seguimiento por parte del especialista y es
donde muchas veces las personas no pueden superar sus traumas ya que el
tratamiento no es continuo.
Con el apoyo de los especialistas se logra concluir que el desarrollo de una

herramienta como CATVI tiene sentido porque la salud mental no necesariamente
se debe trabajar desde la presencialidad, siendo un desarrollo interesante el cual
ofrece un servicio que por medio de la lectura de expresiones faciales es fantástico
porque cuando se habla con la gente hay cosas que se pierden de vista, de modo
que la aplicación puede intervenir y apoyar al especialista.
Esta aplicación tiene un gran nivel en la parte de la ingeniería ya que aporta un

análisis de sentimientos según las respuestas del usuario, también cuenta con un
análisis de expresiones faciales para identificar el sentimiento de la persona, un
modelo que fue creado desde 0, por medio de modelos de clasificación
programados en Python y TensorFlow, para luego ser exportados a TFlite y poderlos
usar en la aplicación.
Otro apartado grande de la aplicación es el ChatBot desarrollado por los creadores

del proyecto, siguiendo unos pasos como lo fue un preprocesamiento del lenguaje
del español, la “estematización” de las respuestas y finalizando con un modelo de
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.
Como se evidencia en la sección de desarrollo metodológico el tratamiento más

adecuado para ayudar a una persona que sufre violencia intrafamiliar desde el
manejo de la Telepsicología, fue el tratamiento de la terapia cognitiva conductual.
Para así poder simular este tratamiento a la aplicación móvil y que fuera validada
por 4 especialistas.
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.
A nivel de trabajo interdisciplinar se logra la integración de dos ramas como es la

rama de la psicología y la rama de ingeniería de sistemas. Uniendo estas dos
disciplinas se desarrolla una aplicación móvil que interviene en el área de la salud
para obtener un artefacto tecnológico funcional que hasta el momento en Colombia
no se ha realizado y se espera que en un futuro pueda ayudar a miles de personas
que sufren violencia intrafamiliar.
En cuanto al modelo biopsicosocial se concluye que la aplicación cambia el hábito

del usuario en cuento a la confianza para hablar sobre sus problemas ya que con la
aplicación se va a sentir más seguro, esto según la perspectiva de los especialistas.
En cuanto al psicólogo con este artefacto va a lograr obtener más información sobre
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
A la fecha de redactado el documento no se cuenta con librerías las cuales permitan

realizar el preprocesamiento de datos en Flutter, para desarrollar una aplicación
móvil con Flutter que sea capaz de implementar modelos de machine learning. Se
debe considerar las técnicas de procesamiento de datos con las cuales se entrena
el modelo y lograr que esas mismas técnicas se puedan aplicar a los datos que van
a ser analizados por el modelo.
La captura de imágenes en tiempo real es un proceso que la librería camera permite

realizar en Flutter pero presenta un inconveniente porque la imagen se encuentra
codificada en YUV420, por lo que es complejo tratar de trabajar con los datos, tratar
de transformar los datos es una tarea tan complicada que en muchos casos significa
arriesgar rendimiento lo cual no es beneficioso en una aplicación móvil.
La idea de poder implementar la inteligencia afectiva en el dispositivo móvil para

intervenir un contexto como lo es el tratamiento a pacientes víctimas de violencia
intrafamiliar el cual se encuentra dentro del área de la salud, abre paso a la idea de
estas tecnologías pueden ser implementadas en otros ámbitos de la salud.
Se invita a crear tecnologías que aporten al área de la salud, creando tecnología

que apoye a la salud de las personas, trabajando de la mano con otras áreas como
lo puede ser personas especialistas de la salud, de psicología, de enfermeros,
médicos, etc. Es de gran importancia trabajar con otras áreas para poder realizar
proyectos que de verdad aporten a la sociedad. Este proyecto tuvo el apoyo del
semillero de Telepsicología. Los cuales fueron de gran importancia para el
mejoramiento de la aplicación y poder entregar un artefacto funcional, que sirva para
el apoyo para tratar la violencia intrafamiliar.
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.
9.1 CREACIÓN DE MODELOS DE INTELIGENCIA ARTIFICIAL
La creación de modelo de computación afectiva fue de gran importancia y muy

relevantes para la realización del proyecto. Logrando entender cómo funcionan las
redes neuronales convolucionales, el funcionamiento de un ChatBot, los
preprocesamientos que se deben realizar para que la maquina entienda el lenguaje
humano.
También fue de gran importancia la creación de estos modelos ya que siendo de

autoría propia no es necesario que el usuario utilice internet para que la aplicación
muestre resultados.
9.2 APRENDIZAJE EN FLUTTER
Para crear la aplicación se utilizó el lenguaje de programación Dart, muy parecido a

Java y a C. Este aprendizaje fue de suma importancia a la vez que obligatorio ya
que para poder crear la aplicación en Flutter se debe conocer Dart. Fue una curva
de aprendizaje media, en la cual a medida de avanzar en el proyecto se iba
aprendiendo cada vez más.
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.
9.3 INTEGRACIÓN DE MODELOS DE COMPUTACIÓN AFECTIVA CON

FLUTTER
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.
9.5 APP SCRIPT
Por medio de app scripts se realiza el proceso de guardado de información. Esto

toma importancia ya que sin aprender cómo funciona este servicio, no se hubiese
podido guardar la información. Son servicios de Google el cual nos permite
manipular el drive y poder crear archivos y carpetas. El aprendizaje de este servicio
no fue tan complejo ya que Google cuenta con buena explicación de este y es fácil
implementar este servicio por medio de peticiones.
9.6 INTEGRACIÓN DE MODELOS IA EN FLUTTER
El aprendizaje de esto logro crear una aplicación con inteligencia artificial

incorporada. Sin hacer llamados a servicios para que analice el proceso del ChatBot
o el proceso de análisis de expresiones faciales. Fue complejo al comienzo saber
cómo implementar esto. Ya que la información sobre este tema es muy escasa y la
única guía son los ejemplos que tiene TensorFlow Lite.
Al final se logró implementar un modelo de reconocimiento de objetos el cual fue de

gran guía para poder realizar luego el clasificador por intenciones del ChatBot y al
final realizar varios cambios para que identificara el rostro y se ejecutara el modelo.
Esta aplicación es el ejemplo de cómo implementar inteligencia artificial a
aplicaciones móviles, la cual tiene gran escalabilidad ya que si se quiere volver a
entrenar el modelo es simplemente volver a rehacer el modelo y poner el nuevo
archivo a los assets de Flutter.
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
Toda la información que sirva de sustento a los cálculos, diseños o desarrollo de la

parte práctica del proyecto, así como las normas aplicadas o un resumen de ellas
como metodología si fuere el caso.
11.1 ANEXO 1 MODELO BPSC DEL PROBLEMA
Se puede ingresar al modelo BPSC del problema dando clic aquí.
11.2 ANEXO 2 ÁRBOL DEL PROBLEMA
Se puede ingresar al Árbol del problema dando clic aquí.
11.3 ANEXO 3 MODELO BPSC DE LA SOLUCIÓN
Se puede ingresar al modelo BPSC del problema dando clic aquí.
11.4 ANEXO 4 DOCUMENTOS DE SCRUM
Se puede ingresar a los documentos de SCRUM dando clic aquí.
11.5 ANEXO 5 CRONOGRAMA
Se puede ingresar a los documentos de SCRUM dando clic aquí.
11.6 ANEXO 6 DAILY MEETING
Se puede ingresar al Daily meeting de SCRUM dando clic aquí.
11.7 ANEXO 7 BURNDOWN CHART
Se puede ingresar al Burndown chart dando clic aquí.
11.8 ANEXO 8 HISTORIAS DE USUARIO
Se puede ingresar a las historias de usuario dando clic aquí.
75
11.9 ANEXO 9 PRODUCT BACKLOG
Se puede ingresar al producto backlog dando clic aquí.
11.10 ANEXO 10 SPRINT BACKLOG
Se puede ingresar al sprint backlog dando clic aquí.
11.11 ANEXO 11 DIAGRAMA DE SECUENCIA
Se puede ingresar al diagrama de secuencia dando clic aquí.
11.12 ANEXO 12 DOCUMENTO DE PRUEBAS
Se puede ingresar al documento de pruebas dando clic aquí.
11.13 ANEXO 13 RESULTADO CUESTIONARIOS
Se puede ingresar a los resultados de los cuestionarios dando clic aquí.
11.14 ANEXO 14 MANUAL DE USUARIO
Se puede ingresar al manual de usuario dando clic aquí.
11.15 ANEXO 15 MANUAL TÉCNICO
Se puede ingresar al manual técnico dando clic aquí.
11.16 ANEXO 16 RESULTADO DE LA APLICACIÓN
Se puede ingresar al video que presenta la aplicación dando clic aquí.
76
77

Computacion Afectiva Como Instrumento para El Manejo de La Violencia Familiar

Cargado por

Información del documento

Título original

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

Computacion Afectiva Como Instrumento para El Manejo de La Violencia Familiar

Cargado por

Copyright:

Formatos disponibles

CATVI: Computación Afectiva como Instrumento para el Manejo de la

Proyecto de Grado presentado como requisito para optar al título de

Agradecimientos especiales a nuestro director de proyecto profesor Fran Ernesto

De igual modo agradecimientos al semillero de Telepsicología a cargo de la

A Dios y a mi familia, principalmente a mi abuela Ana Feliciana y a mi madre

Tabla 1 Tabla de entregables .......................................................................................... 13

Figura 1. Modelo biopsicosocial y cultural del contexto ................................................ 4

Análisis de sentimientos: La clasificación de la orientación del sentimiento se

Aprendizaje automático: El aprendizaje automático es un subcampo de la IA

ChatBot: Programa informático que simula una conversación humana a través de

Computación afectiva: Campo de la computación que busca la interacción

Procesamiento de lenguaje natural: Es un campo de la Inteligencia Artificial que

Sentimientos: Emociones particulares que impregnan o colorean la disposición

Telemedicina: Es la provisión de servicios de salud a distancia en los componentes

Telesalud: Es el conjunto de actividades relacionadas con la salud, servicios y

Violencia intrafamiliar: Es la manifestación más cruda del desbalance de las

CATVI: Computación Afectiva como Instrumento para el Manejo de la Violencia

Cucaita Gonzalo, Soriano Cesar

La violencia intrafamiliar surge de la desigualdad que hay presente entre hombres

Teniendo como resultado una aplicación móvil que implementa modelos de

Palabras clave: Computación afectiva, Aplicación Móvil, Reconocimiento

Keywords: Affective Computing, Mobile Applications, Emotion recognition,

La violencia intrafamiliar procede de la desigualdad que hay presentes entre

En Colombia la primera causa de mortalidad de las mujeres en edades de 15 a 44

Existen herramientas que buscan apoyar en el área de la salud, implementando

El uso de la inteligencia afectiva en el campo de la salud permite recopilar datos

El objetivo de este proyecto es desarrollar una aplicación móvil que implemente

El presente documento se organiza iniciando con la descripción del contexto a

En este capítulo se va a abordar los problemas y traumas que deja la violencia

1.1 DESCRIPCIÓN DEL CONTEXTO A INTERVENIR

La violencia intrafamiliar o violencia domestica es un problema de salud pública [11].

1.2 ANÁLISIS DEL CONTEXTO DESDE EL MODELO BIOPSICOSOCIAL Y

La violencia intrafamiliar representa un problema físico y psicológico que afecta al

Figura 1. Modelo biopsicosocial y cultural del contexto

Fuente: Elaboración Propia.

Como se presenta en la figura 1 muchas mujeres tienen dificultades para reconocer

1.2.2 MBSC desde la perspectiva del especialista

La denuncia de la violencia depende de que tan seguro se encuentre la victima de

Como se muestra en la figura 1 los médicos y los profesionales de la salud en todas

Muchos especialistas deciden no preguntar por el maltrato porque consideran que

En Bogotá la violencia intrafamiliar es un problema que está afectando el núcleo

Cuando el especialista identifica que el paciente presenta problemas psicológicos,

Uno de los problemas se da porque el especialista no logra percibir con certeza el

Un motivo por el cual el especialista no logra asignar la cantidad de citas necesarias

Sin un seguimiento continuo y/o acompañamiento de un experto el paciente puede

En la figura 2 se presenta el árbol del problema en el cual se observan las causas

Fuente: Elaboración Propia.

Cuando el paciente cuenta con deberes académicos, laborales y cotidianos o

Si el especialista no identifica correctamente el estado emocional del paciente

Si la persona presenta un deterioro de las relaciones personales esto puede

En este capítulo se va a introducir al lector sobre los objetivos generales y

2.1 OBJETIVOS: GENERAL Y ESPECÍFICOS.

2.1.1 Objetivo general

Desarrollar una aplicación móvil con funcionalidades de inteligencia afectiva como

2.1.2 Objetivos específicos

a. Identificar las estrategias comúnmente utilizadas por los profesionales en

La aplicación se va a encontrar en el móvil del paciente, donde el usuario puede

La información se va a encontrar almacenada en un directorio en la nube (Google

La información enviada al especialista esta previamente procesada por medio de un

Para el desarrollo del proyecto es necesario realizar una investigación sobre

En conjunto con el semillero de Telepsicología de la universidad El Bosque se va a

Para el desarrollo de los modelos de inteligencia afectiva entrenados se debe contar

Por el tiempo estipulado del proyecto se va a enfocar en la integración de los