Clasificación de aplicaciones móviles para personas con discapacidad mediante modelos de aprendizaje supervisado

Los dispositivos móviles son actualmente la industria de más rápido crecimiento, ha permitido el desarrollo de aplicaciones móviles acordes a las necesidades de los usuarios, aun así, existe un grupo vulnerable que son las personas con discapacidad que no pueden acceder a las mismas aplicaciones por...

Πλήρης περιγραφή

Αποθηκεύτηκε σε:
Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Chicaiza Jami, Paola Elizabeth (author)
Μορφή: masterThesis
Γλώσσα:spa
Έκδοση: 2021
Θέματα:
Διαθέσιμο Online:http://repositorio.espe.edu.ec/handle/21000/28117
Ετικέτες: Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
Περιγραφή
Περίληψη:Los dispositivos móviles son actualmente la industria de más rápido crecimiento, ha permitido el desarrollo de aplicaciones móviles acordes a las necesidades de los usuarios, aun así, existe un grupo vulnerable que son las personas con discapacidad que no pueden acceder a las mismas aplicaciones por sus limitaciones. Además, no hay evidencia de que haya una calificación inclusiva como se demuestra en la App Store: Android Google Play y para iOS App Store. El objetivo de este proyecto es clasificar aplicaciones móviles mediante el uso de modelos de aprendizaje supervisado para determinar las aplicaciones inclusivas disponibles en Google Play. La metodología aplicada al proyecto es CRISP-DM son las siguientes fases: Fase 1 - Entendimiento del negocio: Comprender el desarrollo de las tecnologías aplicaciones para las personas con discapacidad, definición de palabras claves enfocadas a cada discapacidad existente. Fase 2 - Entendimiento de los datos: fuente de información se tomó la página de Google Play realizando la búsqueda con las palabras claves. Fase 3 - Preparación de los datos: Se lleva a cabo el proceso de minería de texto aplicada a la descripción de las aplicaciones obtenida de la fase 2. Fase 4 - Desarrollo y evaluación de los modelos: proceso de entrenamiento y test, se valida los modelos de acuerdo a los parámetros de medición: precision, recall, f1-score, accuracy, para los modelos : Naive Bayes, Máquina de vector de soporte lineal, Regresión logística, Nearest-neighbor. La evaluación de los modelos permitió obtener los mejores resultados en cuanto a métricas de precision, recall, f1-score al modelo de máquina de vector de soporte lineal. El modelo Máquina de vector de soporte lineal propuesto para la clasificación de aplicaciones móviles para personas con discapacidad obtuvo los mejores resultados clasificando correctamente en un 70%.