RECONOCIMIENTO DE TEXTO EN
IMÁGENES USANDO APRENDIZAJE
PROFUNDO PARA PERSONAS CON
DISCAPACIDAD VISUAL
TEXT RECOGNITION IN IMAGES USING DEEP LEARNING
FOR PEOPLE WITH VISUAL IMPAIRMENTS
Mirko Martin Manrique Ronceros
Universidad Nacional del Santa
Juan Pablo Sánchez Chávez
Universidad Nacional del Santa
Carlos Alfredo Gil Narvaez
Universidad Nacional del Santa
Guillermo Edward Gil Albarrán
Universidad Nacional del Santa
Camilo Ernesto Suárez Rebaza
Universidad Nacional del Santa
pág. 9666
DOI: https://doi.org/10.37811/cl_rcm.v10i4.26005
Reconocimiento de texto en imágenes usando aprendizaje profundo para
personas con discapacidad visual
Mirko Martin Manrique Ronceros1
mmanrique@uns.edu.pe
https://orcid.org/0000-0002-0364-4237
Universidad Nacional del Santa
Perú
Juan Pablo Sánchez Chávez
jsanchez@uns.edu.pe
https://orcid.org/0000-0002-3521-7037
Universidad Nacional del Santa
Perú
Carlos Alfredo Gil Narvaez
cagil@uns.edu.pe
https://orcid.org/0000-0003-0137-9545
Universidad Nacional del Santa
Perú
Guillermo Edward Gil Albarrán
ggil@uns.edu.pe
https://orcid.org/0000-0003-3782-6765
Universidad Nacional del Santa
Perú
Camilo Ernesto Suárez Rebaza
csuarez@uns.edu.pe
https://orcid.org/0000-0002-6870-4296
Universidad Nacional del Santa
País Perú
RESUMEN
El acceso a la información escrita constituye una dificultad para las personas con discapacidad visual,
debido a que los textos presentes en documentos, imágenes y señalizaciones pueden limitar su
independencia y generar dependencia de terceros. La investigación tuvo como objetivo mejorar la
accesibilidad y autonomía de las personas con discapacidad visual mediante el desarrollo de un sistema
de reconocimiento de texto en imágenes basado en aprendizaje profundo. Se realizó una investigación
aplicada, de nivel explicativo y diseño cuasiexperimental con pretest y postest, en una muestra de 30
participantes seleccionados mediante muestreo por conveniencia. Para el desarrollo de la solución
tecnológica se empleó la metodología CRISP-DM. Los resultados mostraron que la precisión del
reconocimiento aumentó de 41.82 % a 80.19 %, el tiempo de procesamiento disminuyó de 15.39 a 2.98
segundos, el número promedio de tareas realizadas sin asistencia externa aumentó de 5.93 a 14.93 y la
satisfacción del usuario se incrementó de 2.02 a 4.57 puntos. Se concluyó que el sistema basado en
aprendizaje profundo mejoró significativamente la accesibilidad y autonomía de las personas con
discapacidad visual, favoreciendo el reconocimiento de información escrita, la eficiencia del
procesamiento y la realización independiente de tareas.
Palabras clave: Aprendizaje profundo, reconocimiento de texto, discapacidad visual, accesibilidad,
autonomía.
1 Autor principal.
Correspondencia: mmanrique@uns.edu.pe
DOI: https://doi.org/10.37811/cl_rcm.v10i4.26005
Reconocimiento de texto en imágenes usando aprendizaje profundo para
personas con discapacidad visual
Mirko Martin Manrique Ronceros1
mmanrique@uns.edu.pe
https://orcid.org/0000-0002-0364-4237
Universidad Nacional del Santa
Perú
Juan Pablo Sánchez Chávez
jsanchez@uns.edu.pe
https://orcid.org/0000-0002-3521-7037
Universidad Nacional del Santa
Perú
Carlos Alfredo Gil Narvaez
cagil@uns.edu.pe
https://orcid.org/0000-0003-0137-9545
Universidad Nacional del Santa
Perú
Guillermo Edward Gil Albarrán
ggil@uns.edu.pe
https://orcid.org/0000-0003-3782-6765
Universidad Nacional del Santa
Perú
Camilo Ernesto Suárez Rebaza
csuarez@uns.edu.pe
https://orcid.org/0000-0002-6870-4296
Universidad Nacional del Santa
País Perú
RESUMEN
El acceso a la información escrita constituye una dificultad para las personas con discapacidad visual,
debido a que los textos presentes en documentos, imágenes y señalizaciones pueden limitar su
independencia y generar dependencia de terceros. La investigación tuvo como objetivo mejorar la
accesibilidad y autonomía de las personas con discapacidad visual mediante el desarrollo de un sistema
de reconocimiento de texto en imágenes basado en aprendizaje profundo. Se realizó una investigación
aplicada, de nivel explicativo y diseño cuasiexperimental con pretest y postest, en una muestra de 30
participantes seleccionados mediante muestreo por conveniencia. Para el desarrollo de la solución
tecnológica se empleó la metodología CRISP-DM. Los resultados mostraron que la precisión del
reconocimiento aumentó de 41.82 % a 80.19 %, el tiempo de procesamiento disminuyó de 15.39 a 2.98
segundos, el número promedio de tareas realizadas sin asistencia externa aumentó de 5.93 a 14.93 y la
satisfacción del usuario se incrementó de 2.02 a 4.57 puntos. Se concluyó que el sistema basado en
aprendizaje profundo mejoró significativamente la accesibilidad y autonomía de las personas con
discapacidad visual, favoreciendo el reconocimiento de información escrita, la eficiencia del
procesamiento y la realización independiente de tareas.
Palabras clave: Aprendizaje profundo, reconocimiento de texto, discapacidad visual, accesibilidad,
autonomía.
1 Autor principal.
Correspondencia: mmanrique@uns.edu.pe
pág. 9667
Text Recognition in images using deep learning for people with Visual
Impairments
ABSTRACT
Access to written information represents a significant challenge for people with visual impairments, as
text contained in documents, images, and signs may limit their independence and increase their reliance
on external assistance. This study aimed to improve accessibility and autonomy for people with visual
impairments through the development of a deep learning-based text recognition system for images. An
applied research approach with an explanatory level and a quasi-experimental pretest-posttest design
was employed. The sample consisted of 30 participants selected through convenience sampling. The
CRISP-DM methodology was used to develop the technological solution. The results showed that text
recognition accuracy increased from 41.82% to 80.19%, processing time decreased from 15.39 to 2.98
seconds, the average number of tasks completed without external assistance increased from 5.93 to
14.93, and user satisfaction increased from 2.02 to 4.57 points. It was concluded that the deep learning-
based system significantly improved accessibility and autonomy for people with visual impairments by
enhancing text recognition, reducing processing time, and promoting independent task completion.
Keywords: deep learning, text recognition, visual impairment, accessibility, autonomy.
Artículo recibido 20 julio 2026
Aceptado para publicación: 20 agosto 2026
Text Recognition in images using deep learning for people with Visual
Impairments
ABSTRACT
Access to written information represents a significant challenge for people with visual impairments, as
text contained in documents, images, and signs may limit their independence and increase their reliance
on external assistance. This study aimed to improve accessibility and autonomy for people with visual
impairments through the development of a deep learning-based text recognition system for images. An
applied research approach with an explanatory level and a quasi-experimental pretest-posttest design
was employed. The sample consisted of 30 participants selected through convenience sampling. The
CRISP-DM methodology was used to develop the technological solution. The results showed that text
recognition accuracy increased from 41.82% to 80.19%, processing time decreased from 15.39 to 2.98
seconds, the average number of tasks completed without external assistance increased from 5.93 to
14.93, and user satisfaction increased from 2.02 to 4.57 points. It was concluded that the deep learning-
based system significantly improved accessibility and autonomy for people with visual impairments by
enhancing text recognition, reducing processing time, and promoting independent task completion.
Keywords: deep learning, text recognition, visual impairment, accessibility, autonomy.
Artículo recibido 20 julio 2026
Aceptado para publicación: 20 agosto 2026
pág. 9668
INTRODUCCIÓN
El acceso a la información escrita constituye un componente esencial para la participación educativa,
laboral y social; sin embargo, para las personas con discapacidad visual, los textos contenidos en
documentos, imágenes, etiquetas, carteles y señalizaciones continúan representando una barrera para el
desenvolvimiento independiente. En el contexto peruano, esta situación se agrava cuando el acceso a
tecnologías adaptadas es limitado y las personas deben recurrir al apoyo de terceros para interpretar
información visual o escrita. El Instituto Nacional de Estadística e Informática (INEI, 2022) ha
documentado las condiciones de vida de la población con discapacidad en el país, mientras que la
Comisión Económica para América Latina y el Caribe (CEPAL, 2022) ha señalado que persisten
desafíos de inclusión y acceso a oportunidades para esta población.
Frente a estas limitaciones, el desarrollo de tecnologías de asistencia constituye una alternativa para
mejorar la accesibilidad y favorecer una mayor autonomía. Yataco Marín (2022) sostiene que la
tiflotecnología facilita el acceso de las personas con discapacidad visual a distintos formatos de
información, mientras que Sebastiani Ronquillo et al. (2023) destacan la importancia de las
competencias y herramientas digitales para favorecer procesos de inclusión. Del mismo modo, Kumar
et al. (2024) plantean soluciones auditivas orientadas a ampliar la accesibilidad de las personas con
discapacidad visual, lo que evidencia que el valor de la tecnología no depende únicamente de su
capacidad computacional, sino también de su utilidad para facilitar la interacción del usuario con el
entorno.
En este escenario, la inteligencia artificial y, particularmente, el aprendizaje profundo ofrece
posibilidades relevantes para procesar imágenes y reconocer automáticamente patrones visuales. Los
modelos de aprendizaje profundo emplean arquitecturas neuronales capaces de extraer características
de los datos y resolver tareas complejas de visión por computadora. Kantipudi et al. (2021), mediante
una combinación de redes neuronales profundas y redes BiLSTM, alcanzaron una precisión de 96.69 %
en reconocimiento de texto en escenas, evidenciando el potencial de estas técnicas para procesar
información textual contenida en imágenes. De manera complementaria, Dasari y Mehta (2022)
abordaron la detección y reconocimiento de texto mediante una arquitectura neuronal de fusión, mientras
INTRODUCCIÓN
El acceso a la información escrita constituye un componente esencial para la participación educativa,
laboral y social; sin embargo, para las personas con discapacidad visual, los textos contenidos en
documentos, imágenes, etiquetas, carteles y señalizaciones continúan representando una barrera para el
desenvolvimiento independiente. En el contexto peruano, esta situación se agrava cuando el acceso a
tecnologías adaptadas es limitado y las personas deben recurrir al apoyo de terceros para interpretar
información visual o escrita. El Instituto Nacional de Estadística e Informática (INEI, 2022) ha
documentado las condiciones de vida de la población con discapacidad en el país, mientras que la
Comisión Económica para América Latina y el Caribe (CEPAL, 2022) ha señalado que persisten
desafíos de inclusión y acceso a oportunidades para esta población.
Frente a estas limitaciones, el desarrollo de tecnologías de asistencia constituye una alternativa para
mejorar la accesibilidad y favorecer una mayor autonomía. Yataco Marín (2022) sostiene que la
tiflotecnología facilita el acceso de las personas con discapacidad visual a distintos formatos de
información, mientras que Sebastiani Ronquillo et al. (2023) destacan la importancia de las
competencias y herramientas digitales para favorecer procesos de inclusión. Del mismo modo, Kumar
et al. (2024) plantean soluciones auditivas orientadas a ampliar la accesibilidad de las personas con
discapacidad visual, lo que evidencia que el valor de la tecnología no depende únicamente de su
capacidad computacional, sino también de su utilidad para facilitar la interacción del usuario con el
entorno.
En este escenario, la inteligencia artificial y, particularmente, el aprendizaje profundo ofrece
posibilidades relevantes para procesar imágenes y reconocer automáticamente patrones visuales. Los
modelos de aprendizaje profundo emplean arquitecturas neuronales capaces de extraer características
de los datos y resolver tareas complejas de visión por computadora. Kantipudi et al. (2021), mediante
una combinación de redes neuronales profundas y redes BiLSTM, alcanzaron una precisión de 96.69 %
en reconocimiento de texto en escenas, evidenciando el potencial de estas técnicas para procesar
información textual contenida en imágenes. De manera complementaria, Dasari y Mehta (2022)
abordaron la detección y reconocimiento de texto mediante una arquitectura neuronal de fusión, mientras
pág. 9669
que Feilong (2021) desarrolló un sistema de reconocimiento de texto en escenas naturales basado en
aprendizaje profundo.
La aplicación del aprendizaje profundo adquiere especial relevancia cuando se orienta a tecnologías de
asistencia. Ganesan et al. (2022) desarrollaron un lector basado en aprendizaje profundo dirigido a
personas con discapacidad visual, mientras que Hussan et al. (2022) abordaron el reconocimiento de
objetos en tiempo real para esta misma población. Asimismo, Alsultan y Mohammad (2023) plantearon
un sistema de asistencia basado en YOLO-V7, y Ben Atitallah et al. (2023) desarrollaron un sistema
eficiente de reconocimiento de texto en imágenes complejas orientado a personas con discapacidad
visual. Estos trabajos muestran que la combinación de visión por computadora, reconocimiento
automatizado y mecanismos de accesibilidad constituye una línea de desarrollo con aplicaciones directas
en la vida cotidiana.
Los antecedentes específicamente relacionados con reconocimiento y lectura de texto muestran
resultados favorables. Langde et al. (2024) desarrollaron un sistema de narración automática de
documentos basado en aprendizaje profundo que integró OCR, redes neuronales convolucionales,
ResNet50, LSTM y conversión de texto a voz, alcanzando 94 % de precisión en reconocimiento textual.
Ouali et al. (2023) aplicaron una red neuronal convolucional al reconocimiento de texto manuscrito
árabe y obtuvieron una precisión de 95 %, mientras que Rafael Rosales et al. (2025) implementaron un
dispositivo de asistencia para lectura de textos impresos mediante visión computacional, obteniendo una
precisión de reconocimiento de 97.79 %. En conjunto, estos estudios evidencian la capacidad de los
sistemas inteligentes para transformar contenido visual en información accesible.
No obstante, el problema no se limita exclusivamente a alcanzar elevados niveles de precisión. Una
tecnología dirigida a personas con discapacidad visual debe responder también a criterios relacionados
con rapidez, accesibilidad, facilidad de interacción y autonomía. Nasir et al. (2021) desarrollaron una
aplicación móvil basada en aprendizaje profundo capaz de reconocer elementos del entorno y
proporcionar información auditiva, concluyendo que la solución favorecía la independencia de sus
usuarios.
Asimismo, Hussan et al. (2022) señalan que las soluciones de reconocimiento destinadas a esta
población deben orientarse a incrementar su independencia, mientras que los planteamientos sobre
que Feilong (2021) desarrolló un sistema de reconocimiento de texto en escenas naturales basado en
aprendizaje profundo.
La aplicación del aprendizaje profundo adquiere especial relevancia cuando se orienta a tecnologías de
asistencia. Ganesan et al. (2022) desarrollaron un lector basado en aprendizaje profundo dirigido a
personas con discapacidad visual, mientras que Hussan et al. (2022) abordaron el reconocimiento de
objetos en tiempo real para esta misma población. Asimismo, Alsultan y Mohammad (2023) plantearon
un sistema de asistencia basado en YOLO-V7, y Ben Atitallah et al. (2023) desarrollaron un sistema
eficiente de reconocimiento de texto en imágenes complejas orientado a personas con discapacidad
visual. Estos trabajos muestran que la combinación de visión por computadora, reconocimiento
automatizado y mecanismos de accesibilidad constituye una línea de desarrollo con aplicaciones directas
en la vida cotidiana.
Los antecedentes específicamente relacionados con reconocimiento y lectura de texto muestran
resultados favorables. Langde et al. (2024) desarrollaron un sistema de narración automática de
documentos basado en aprendizaje profundo que integró OCR, redes neuronales convolucionales,
ResNet50, LSTM y conversión de texto a voz, alcanzando 94 % de precisión en reconocimiento textual.
Ouali et al. (2023) aplicaron una red neuronal convolucional al reconocimiento de texto manuscrito
árabe y obtuvieron una precisión de 95 %, mientras que Rafael Rosales et al. (2025) implementaron un
dispositivo de asistencia para lectura de textos impresos mediante visión computacional, obteniendo una
precisión de reconocimiento de 97.79 %. En conjunto, estos estudios evidencian la capacidad de los
sistemas inteligentes para transformar contenido visual en información accesible.
No obstante, el problema no se limita exclusivamente a alcanzar elevados niveles de precisión. Una
tecnología dirigida a personas con discapacidad visual debe responder también a criterios relacionados
con rapidez, accesibilidad, facilidad de interacción y autonomía. Nasir et al. (2021) desarrollaron una
aplicación móvil basada en aprendizaje profundo capaz de reconocer elementos del entorno y
proporcionar información auditiva, concluyendo que la solución favorecía la independencia de sus
usuarios.
Asimismo, Hussan et al. (2022) señalan que las soluciones de reconocimiento destinadas a esta
población deben orientarse a incrementar su independencia, mientras que los planteamientos sobre
pág. 9670
accesibilidad tecnológica resaltan la necesidad de transformar la información visual en formatos que
puedan ser utilizados de manera inclusiva.
A pesar de estos avances, persiste la necesidad de estudiar soluciones que articulen el desempeño técnico
con los efectos concretos producidos en los usuarios. Muchos trabajos previos centran su evaluación en
métricas como exactitud o precisión, pero resulta igualmente relevante analizar cuánto tiempo requiere
el procesamiento, cómo valoran los usuarios la solución y en qué medida esta les permite realizar tareas
sin asistencia externa. En tal sentido, la presente investigación aborda el reconocimiento de texto en
imágenes desde una perspectiva integral, considerando simultáneamente precisión, eficiencia,
satisfacción y autonomía, de modo que la evaluación trascienda el funcionamiento computacional y se
relacione directamente con la utilidad de la tecnología para las personas con discapacidad visual. Esta
orientación coincide con la relevancia científica y social planteada en el informe de investigación.
En consecuencia, el problema de investigación se centró en determinar cómo un sistema de
reconocimiento de texto en imágenes basado en aprendizaje profundo podía mejorar la accesibilidad y
autonomía de las personas con discapacidad visual. Esta relación consideró como variable independiente
el sistema de reconocimiento de texto basado en aprendizaje profundo y como variable dependiente la
accesibilidad y autonomía de los usuarios. Se planteó como hipótesis que el uso de dicho sistema mejora
significativamente ambas condiciones.
Por tanto, el objetivo general de la investigación fue mejorar la accesibilidad y la autonomía de las
personas con discapacidad visual mediante un sistema de reconocimiento de texto en imágenes basado
en aprendizaje profundo. Para alcanzar este propósito se establecieron cuatro objetivos específicos:
evaluar la precisión del reconocimiento de texto, analizar el tiempo de procesamiento desde la captura
de la imagen hasta la generación del resultado, determinar el nivel de satisfacción de los usuarios y
medir la autonomía mediante el número de tareas realizadas sin asistencia externa. De esta manera, el
estudio buscó aportar evidencia sobre la aplicación práctica del aprendizaje profundo en tecnologías de
asistencia, considerando conjuntamente el desempeño del sistema y los beneficios alcanzados por sus
usuarios.
accesibilidad tecnológica resaltan la necesidad de transformar la información visual en formatos que
puedan ser utilizados de manera inclusiva.
A pesar de estos avances, persiste la necesidad de estudiar soluciones que articulen el desempeño técnico
con los efectos concretos producidos en los usuarios. Muchos trabajos previos centran su evaluación en
métricas como exactitud o precisión, pero resulta igualmente relevante analizar cuánto tiempo requiere
el procesamiento, cómo valoran los usuarios la solución y en qué medida esta les permite realizar tareas
sin asistencia externa. En tal sentido, la presente investigación aborda el reconocimiento de texto en
imágenes desde una perspectiva integral, considerando simultáneamente precisión, eficiencia,
satisfacción y autonomía, de modo que la evaluación trascienda el funcionamiento computacional y se
relacione directamente con la utilidad de la tecnología para las personas con discapacidad visual. Esta
orientación coincide con la relevancia científica y social planteada en el informe de investigación.
En consecuencia, el problema de investigación se centró en determinar cómo un sistema de
reconocimiento de texto en imágenes basado en aprendizaje profundo podía mejorar la accesibilidad y
autonomía de las personas con discapacidad visual. Esta relación consideró como variable independiente
el sistema de reconocimiento de texto basado en aprendizaje profundo y como variable dependiente la
accesibilidad y autonomía de los usuarios. Se planteó como hipótesis que el uso de dicho sistema mejora
significativamente ambas condiciones.
Por tanto, el objetivo general de la investigación fue mejorar la accesibilidad y la autonomía de las
personas con discapacidad visual mediante un sistema de reconocimiento de texto en imágenes basado
en aprendizaje profundo. Para alcanzar este propósito se establecieron cuatro objetivos específicos:
evaluar la precisión del reconocimiento de texto, analizar el tiempo de procesamiento desde la captura
de la imagen hasta la generación del resultado, determinar el nivel de satisfacción de los usuarios y
medir la autonomía mediante el número de tareas realizadas sin asistencia externa. De esta manera, el
estudio buscó aportar evidencia sobre la aplicación práctica del aprendizaje profundo en tecnologías de
asistencia, considerando conjuntamente el desempeño del sistema y los beneficios alcanzados por sus
usuarios.
pág. 9671
METODOLOGÍA
La investigación se desarrolló bajo un enfoque cuantitativo, debido a que se analizaron mediciones
numéricas obtenidas antes y después de la utilización de la aplicación web de reconocimiento de texto
en imágenes. El estudio fue de tipo aplicado y nivel explicativo, puesto que se orientó al desarrollo de
una solución tecnológica destinada a atender una problemática concreta y a determinar el efecto de su
implementación sobre la accesibilidad y autonomía de las personas con discapacidad visual. En este
sentido, la investigación aplicada busca trasladar el conocimiento científico hacia soluciones prácticas,
mientras que el nivel explicativo permite examinar relaciones de causa y efecto derivadas de una
intervención.
Se empleó un diseño cuasiexperimental de un solo grupo con pretest y postest, debido a que se evaluaron
los mismos participantes antes y después de implementar la solución, sin realizar asignación aleatoria.
Este tipo de diseño resulta pertinente cuando una intervención se aplica en condiciones reales y no es
factible conformar grupos mediante aleatorización, permitiendo valorar los cambios asociados a la
intervención (Gopalan et al., 2020; Nianogo et al., 2023). El informe final estableció precisamente que
el sistema fue evaluado mediante un diseño cuasiexperimental sin asignación aleatoria de los
participantes.
La población estuvo conformada por personas con discapacidad visual, incluyendo usuarios con
diferentes grados de pérdida de visión, desde baja visión hasta ceguera total. La muestra estuvo
constituida por 30 participantes, seleccionados mediante muestreo no probabilístico por conveniencia,
de acuerdo con su disponibilidad y accesibilidad para participar en el estudio. Como criterios de
inclusión se consideraron personas que aceptaron participar voluntariamente, que podían desarrollar las
actividades de manera presencial o remota y que disponían de acceso básico a un teléfono inteligente o
computadora. Se excluyeron aquellos participantes que no completaron las mediciones pretest y postest
o cuyos registros resultaron incompletos para alguno de los indicadores evaluados.
La intervención consistió en la utilización de una aplicación web de reconocimiento de texto en
imágenes basada en aprendizaje profundo, integrada con un modelo multimodal preentrenado para
procesar las imágenes y proporcionar el contenido textual reconocido. La evaluación contempló cuatro
indicadores: precisión del reconocimiento de texto, tiempo de procesamiento, número de tareas
METODOLOGÍA
La investigación se desarrolló bajo un enfoque cuantitativo, debido a que se analizaron mediciones
numéricas obtenidas antes y después de la utilización de la aplicación web de reconocimiento de texto
en imágenes. El estudio fue de tipo aplicado y nivel explicativo, puesto que se orientó al desarrollo de
una solución tecnológica destinada a atender una problemática concreta y a determinar el efecto de su
implementación sobre la accesibilidad y autonomía de las personas con discapacidad visual. En este
sentido, la investigación aplicada busca trasladar el conocimiento científico hacia soluciones prácticas,
mientras que el nivel explicativo permite examinar relaciones de causa y efecto derivadas de una
intervención.
Se empleó un diseño cuasiexperimental de un solo grupo con pretest y postest, debido a que se evaluaron
los mismos participantes antes y después de implementar la solución, sin realizar asignación aleatoria.
Este tipo de diseño resulta pertinente cuando una intervención se aplica en condiciones reales y no es
factible conformar grupos mediante aleatorización, permitiendo valorar los cambios asociados a la
intervención (Gopalan et al., 2020; Nianogo et al., 2023). El informe final estableció precisamente que
el sistema fue evaluado mediante un diseño cuasiexperimental sin asignación aleatoria de los
participantes.
La población estuvo conformada por personas con discapacidad visual, incluyendo usuarios con
diferentes grados de pérdida de visión, desde baja visión hasta ceguera total. La muestra estuvo
constituida por 30 participantes, seleccionados mediante muestreo no probabilístico por conveniencia,
de acuerdo con su disponibilidad y accesibilidad para participar en el estudio. Como criterios de
inclusión se consideraron personas que aceptaron participar voluntariamente, que podían desarrollar las
actividades de manera presencial o remota y que disponían de acceso básico a un teléfono inteligente o
computadora. Se excluyeron aquellos participantes que no completaron las mediciones pretest y postest
o cuyos registros resultaron incompletos para alguno de los indicadores evaluados.
La intervención consistió en la utilización de una aplicación web de reconocimiento de texto en
imágenes basada en aprendizaje profundo, integrada con un modelo multimodal preentrenado para
procesar las imágenes y proporcionar el contenido textual reconocido. La evaluación contempló cuatro
indicadores: precisión del reconocimiento de texto, tiempo de procesamiento, número de tareas
pág. 9672
realizadas sin asistencia externa y nivel de satisfacción del usuario. El pretest permitió establecer la
condición inicial sin la aplicación, mientras que el postest se realizó después de que los participantes
utilizaron la solución tecnológica. Esta estructura permitió determinar los cambios producidos sobre los
mismos sujetos y reducir la variabilidad asociada a diferencias individuales.
Para la recolección de información se emplearon la observación directa, pruebas funcionales, encuesta
y análisis de registros del sistema. La observación directa permitió registrar el número de actividades
realizadas sin ayuda de terceros; las pruebas funcionales permitieron medir la precisión del
reconocimiento y el tiempo de procesamiento; la encuesta se utilizó para evaluar la percepción y
satisfacción de los usuarios; y los registros del sistema proporcionaron información generada
automáticamente durante las pruebas. Como instrumentos se utilizaron fichas de observación y registro
para los indicadores técnicos y de autonomía, además de un cuestionario estructurado de satisfacción
basado en escala Likert de cinco alternativas.
Para el desarrollo tecnológico se utilizó la metodología CRISP-DM (Cross-Industry Standard Process
for Data Mining). Chapman et al. (2000) organizan este proceso en seis fases: comprensión del
problema, comprensión de los datos, preparación de los datos, modelado, evaluación y despliegue. En
el presente estudio, estas fases permitieron identificar las necesidades de los usuarios, preparar las
imágenes con contenido textual, integrar el modelo de aprendizaje profundo, evaluar el reconocimiento
obtenido y desplegar la aplicación web. Debido a que la solución utilizó un modelo multimodal
preentrenado, las imágenes fueron empleadas para las pruebas y evaluación funcional y no para entrenar
desde cero una arquitectura neuronal propia.
El procedimiento experimental comprendió tres momentos principales. Primero, se realizó el pretest,
registrándose el desempeño de los 30 participantes sin utilizar la aplicación. Posteriormente, se efectuó
la interacción con la solución web y se desarrollaron las actividades establecidas para evaluar su
funcionamiento. Finalmente, se aplicó el postest, registrándose nuevamente los cuatro indicadores bajo
las mismas condiciones generales de evaluación. La información obtenida fue revisada y organizada
antes de efectuar el análisis estadístico, verificándose previamente su integridad y consistencia.
El procesamiento estadístico se realizó mediante SPSS. Inicialmente se calcularon estadísticos
descriptivos, principalmente media y desviación estándar. Debido a que las mediciones pretest y postest
realizadas sin asistencia externa y nivel de satisfacción del usuario. El pretest permitió establecer la
condición inicial sin la aplicación, mientras que el postest se realizó después de que los participantes
utilizaron la solución tecnológica. Esta estructura permitió determinar los cambios producidos sobre los
mismos sujetos y reducir la variabilidad asociada a diferencias individuales.
Para la recolección de información se emplearon la observación directa, pruebas funcionales, encuesta
y análisis de registros del sistema. La observación directa permitió registrar el número de actividades
realizadas sin ayuda de terceros; las pruebas funcionales permitieron medir la precisión del
reconocimiento y el tiempo de procesamiento; la encuesta se utilizó para evaluar la percepción y
satisfacción de los usuarios; y los registros del sistema proporcionaron información generada
automáticamente durante las pruebas. Como instrumentos se utilizaron fichas de observación y registro
para los indicadores técnicos y de autonomía, además de un cuestionario estructurado de satisfacción
basado en escala Likert de cinco alternativas.
Para el desarrollo tecnológico se utilizó la metodología CRISP-DM (Cross-Industry Standard Process
for Data Mining). Chapman et al. (2000) organizan este proceso en seis fases: comprensión del
problema, comprensión de los datos, preparación de los datos, modelado, evaluación y despliegue. En
el presente estudio, estas fases permitieron identificar las necesidades de los usuarios, preparar las
imágenes con contenido textual, integrar el modelo de aprendizaje profundo, evaluar el reconocimiento
obtenido y desplegar la aplicación web. Debido a que la solución utilizó un modelo multimodal
preentrenado, las imágenes fueron empleadas para las pruebas y evaluación funcional y no para entrenar
desde cero una arquitectura neuronal propia.
El procedimiento experimental comprendió tres momentos principales. Primero, se realizó el pretest,
registrándose el desempeño de los 30 participantes sin utilizar la aplicación. Posteriormente, se efectuó
la interacción con la solución web y se desarrollaron las actividades establecidas para evaluar su
funcionamiento. Finalmente, se aplicó el postest, registrándose nuevamente los cuatro indicadores bajo
las mismas condiciones generales de evaluación. La información obtenida fue revisada y organizada
antes de efectuar el análisis estadístico, verificándose previamente su integridad y consistencia.
El procesamiento estadístico se realizó mediante SPSS. Inicialmente se calcularon estadísticos
descriptivos, principalmente media y desviación estándar. Debido a que las mediciones pretest y postest
pág. 9673
correspondieron a los mismos participantes, se evaluó la normalidad de las diferencias mediante la
prueba de Shapiro-Wilk, considerando normalidad cuando p > 0.05. Cumplido este supuesto, se empleó
la t de Student para muestras relacionadas con un nivel de significancia de α=0.05. Asimismo, se calculó
la d de Cohen para estimar la magnitud práctica del efecto producido por la intervención. Se aplicó este
procedimiento estadístico a los indicadores evaluados, justificando la utilización de la prueba
paramétrica después de comprobar la normalidad de las diferencias.
RESULTADOS Y DISCUSIÓN
Los resultados obtenidos evidenciaron cambios favorables en los cuatro indicadores considerados para
evaluar el efecto de la aplicación web basada en aprendizaje profundo. Para evitar la reiteración de
información y facilitar una lectura comparativa, los principales estadísticos descriptivos e inferenciales
se presentan de manera consolidada en la Tabla 1.
Tabla 1:
Resultados estadísticos de los indicadores evaluados
Indicador
Pretest
Media
± DE
Postest
Media ±
DE
Shapiro-
Wilk de las
diferencias
W (p)
t de
Student,
gl = 29
p Cohen
d
Mejora
promedio
(%)
Precisión del
reconocimiento
de texto (%)
41.82 ±
2.79
80.19 ±
5.54
0.968 (0.498) -65.81 <
0.001
12.02 91.81
Tiempo de
procesamiento (s)
15.39 ±
2.02
2.98 ±
0.49
0.975 (0.689) 41.37 <
0.001
7.55 80.66
Tareas realizadas
sin asistencia
externa
5.93 ±
1.70
14.93 ±
2.24
0.947 (0.143) 27.68 <
0.001
5.05 168.12
Nivel de
satisfacción del
usuario¹
2.02 ±
0.36
4.57 ±
0.33
0.974 (0.657) 35.84 <
0.001
6.54 135.18
Nota. DE = desviación estándar; gl = grados de libertad. La normalidad fue evaluada sobre las
diferencias pretest-postest mediante Shapiro-Wilk. Para el tiempo de procesamiento, una reducción
representa una mejora. ¹La satisfacción se expresó mediante la puntuación media por ítem en una escala
Likert de 1 a 5
correspondieron a los mismos participantes, se evaluó la normalidad de las diferencias mediante la
prueba de Shapiro-Wilk, considerando normalidad cuando p > 0.05. Cumplido este supuesto, se empleó
la t de Student para muestras relacionadas con un nivel de significancia de α=0.05. Asimismo, se calculó
la d de Cohen para estimar la magnitud práctica del efecto producido por la intervención. Se aplicó este
procedimiento estadístico a los indicadores evaluados, justificando la utilización de la prueba
paramétrica después de comprobar la normalidad de las diferencias.
RESULTADOS Y DISCUSIÓN
Los resultados obtenidos evidenciaron cambios favorables en los cuatro indicadores considerados para
evaluar el efecto de la aplicación web basada en aprendizaje profundo. Para evitar la reiteración de
información y facilitar una lectura comparativa, los principales estadísticos descriptivos e inferenciales
se presentan de manera consolidada en la Tabla 1.
Tabla 1:
Resultados estadísticos de los indicadores evaluados
Indicador
Pretest
Media
± DE
Postest
Media ±
DE
Shapiro-
Wilk de las
diferencias
W (p)
t de
Student,
gl = 29
p Cohen
d
Mejora
promedio
(%)
Precisión del
reconocimiento
de texto (%)
41.82 ±
2.79
80.19 ±
5.54
0.968 (0.498) -65.81 <
0.001
12.02 91.81
Tiempo de
procesamiento (s)
15.39 ±
2.02
2.98 ±
0.49
0.975 (0.689) 41.37 <
0.001
7.55 80.66
Tareas realizadas
sin asistencia
externa
5.93 ±
1.70
14.93 ±
2.24
0.947 (0.143) 27.68 <
0.001
5.05 168.12
Nivel de
satisfacción del
usuario¹
2.02 ±
0.36
4.57 ±
0.33
0.974 (0.657) 35.84 <
0.001
6.54 135.18
Nota. DE = desviación estándar; gl = grados de libertad. La normalidad fue evaluada sobre las
diferencias pretest-postest mediante Shapiro-Wilk. Para el tiempo de procesamiento, una reducción
representa una mejora. ¹La satisfacción se expresó mediante la puntuación media por ítem en una escala
Likert de 1 a 5
pág. 9674
Los cuatro indicadores presentaron valores de significancia superiores a 0.05 en la prueba de Shapiro-
Wilk, lo que permitió asumir normalidad en las diferencias y justificar el uso de la prueba t de Student
para muestras relacionadas. En todos los casos se obtuvieron diferencias estadísticamente significativas
(p<.001), acompañadas por tamaños del efecto elevados, lo que indicó que los cambios observados no
solo fueron estadísticamente significativos, sino también relevantes en términos prácticos.
Respecto al primer objetivo específico, la precisión del reconocimiento de texto mostró un incremento
significativo entre el pretest y el postest. La media pasó de 41.82 % a 80.19 %, evidenciándose una
mejora considerable después de utilizar la aplicación. Estos resultados confirmaron que la solución
incrementó la capacidad para identificar correctamente el contenido textual presente en las imágenes.
Este hallazgo fue consistente con Kantipudi et al. (2021), quienes desarrollaron un sistema de
reconocimiento de texto basado en redes neuronales profundas y BiLSTM, alcanzando una precisión de
96.69 %. Asimismo, Langde et al. (2024) reportaron una precisión de 94 % mediante una arquitectura
que integró OCR, redes convolucionales, ResNet50 y LSTM, mientras que Ouali et al. (2023) alcanzaron
95 % en reconocimiento de texto manuscrito árabe mediante CNN. Aunque los porcentajes obtenidos
en dichos estudios fueron superiores, coincidieron en demostrar la efectividad del aprendizaje profundo
para procesar información textual contenida en imágenes. Las diferencias pueden asociarse a las
características de los datos, condiciones de captura, tipo de texto y arquitectura tecnológica utilizada.
Los resultados también guardaron relación con Ben Atitallah et al. (2023), quienes desarrollaron un
sistema de reconocimiento de texto para imágenes complejas orientado a personas con discapacidad
visual, y con Dasari y Mehta (2022), quienes propusieron una arquitectura neuronal de fusión para tareas
de detección y reconocimiento textual. Estos antecedentes respaldaron la capacidad de las técnicas
basadas en aprendizaje profundo para mejorar el reconocimiento en escenarios visuales diversos.
En relación con el segundo objetivo específico, el tiempo de procesamiento disminuyó
considerablemente después de la intervención. El promedio se redujo de 15.39 segundos a 2.98
segundos, equivalente a una mejora de 80.66 %. La diferencia fue estadísticamente significativa y
presentó un tamaño del efecto elevado. Este resultado mostró que la aplicación permitió entregar el texto
reconocido en un periodo sustancialmente menor, aspecto especialmente relevante en tecnologías de
asistencia que requieren una respuesta rápida durante actividades cotidianas.
Los cuatro indicadores presentaron valores de significancia superiores a 0.05 en la prueba de Shapiro-
Wilk, lo que permitió asumir normalidad en las diferencias y justificar el uso de la prueba t de Student
para muestras relacionadas. En todos los casos se obtuvieron diferencias estadísticamente significativas
(p<.001), acompañadas por tamaños del efecto elevados, lo que indicó que los cambios observados no
solo fueron estadísticamente significativos, sino también relevantes en términos prácticos.
Respecto al primer objetivo específico, la precisión del reconocimiento de texto mostró un incremento
significativo entre el pretest y el postest. La media pasó de 41.82 % a 80.19 %, evidenciándose una
mejora considerable después de utilizar la aplicación. Estos resultados confirmaron que la solución
incrementó la capacidad para identificar correctamente el contenido textual presente en las imágenes.
Este hallazgo fue consistente con Kantipudi et al. (2021), quienes desarrollaron un sistema de
reconocimiento de texto basado en redes neuronales profundas y BiLSTM, alcanzando una precisión de
96.69 %. Asimismo, Langde et al. (2024) reportaron una precisión de 94 % mediante una arquitectura
que integró OCR, redes convolucionales, ResNet50 y LSTM, mientras que Ouali et al. (2023) alcanzaron
95 % en reconocimiento de texto manuscrito árabe mediante CNN. Aunque los porcentajes obtenidos
en dichos estudios fueron superiores, coincidieron en demostrar la efectividad del aprendizaje profundo
para procesar información textual contenida en imágenes. Las diferencias pueden asociarse a las
características de los datos, condiciones de captura, tipo de texto y arquitectura tecnológica utilizada.
Los resultados también guardaron relación con Ben Atitallah et al. (2023), quienes desarrollaron un
sistema de reconocimiento de texto para imágenes complejas orientado a personas con discapacidad
visual, y con Dasari y Mehta (2022), quienes propusieron una arquitectura neuronal de fusión para tareas
de detección y reconocimiento textual. Estos antecedentes respaldaron la capacidad de las técnicas
basadas en aprendizaje profundo para mejorar el reconocimiento en escenarios visuales diversos.
En relación con el segundo objetivo específico, el tiempo de procesamiento disminuyó
considerablemente después de la intervención. El promedio se redujo de 15.39 segundos a 2.98
segundos, equivalente a una mejora de 80.66 %. La diferencia fue estadísticamente significativa y
presentó un tamaño del efecto elevado. Este resultado mostró que la aplicación permitió entregar el texto
reconocido en un periodo sustancialmente menor, aspecto especialmente relevante en tecnologías de
asistencia que requieren una respuesta rápida durante actividades cotidianas.
pág. 9675
El hallazgo fue concordante con Hussan et al. (2022), quienes desarrollaron un sistema de detección y
reconocimiento en tiempo real para personas con discapacidad visual, destacando la importancia de una
respuesta eficiente durante la interacción con el entorno. De igual manera, Ganesan et al. (2022)
plantearon un lector basado en aprendizaje profundo orientado a facilitar el acceso inmediato a
información visual, mientras que Feilong (2021) evidenció la aplicabilidad del aprendizaje profundo en
reconocimiento de texto de escenas naturales. En conjunto, estos estudios sugieren que el desempeño
de una solución de reconocimiento no depende únicamente de su exactitud, sino también del tiempo
requerido para generar una respuesta útil.
Respecto al tercer objetivo específico, referido a la satisfacción del usuario, se obtuvo un incremento
estadísticamente significativo después de utilizar la aplicación. La puntuación media por ítem pasó de
2.02 a 4.60 puntos en una escala de 1 a 5. La prueba de Shapiro-Wilk confirmó la normalidad de las
diferencias (W=.974, p=.657) y la t de Student mostró una diferencia significativa, t(29)=35.84, p<.001,
con un tamaño del efecto de d=6.54.
Este resultado evidenció una valoración favorable de aspectos relacionados con facilidad de uso,
eficiencia percibida, utilidad y satisfacción general. El hallazgo coincidió con Yataco Marín (2022),
quien destacó que las tecnologías de asistencia contribuyen al acceso a diferentes formatos de
información y pueden favorecer una mayor autonomía informativa. Asimismo, Kumar et al. (2024)
resaltaron la importancia de desarrollar interfaces y mecanismos auditivos que permitan una interacción
accesible con la información, mientras que Sebastiani Ronquillo et al. (2023) subrayaron la relevancia
de las herramientas digitales para favorecer procesos de inclusión de personas con discapacidad visual.
En cuanto al cuarto objetivo específico, relacionado con la autonomía, el número promedio de tareas
realizadas sin asistencia externa aumentó de 5.93 a 14.93. La mejora alcanzó 168.12 %, mientras que la
t de Student evidenció una diferencia estadísticamente significativa, t(29)=27.68, p<.001, con un tamaño
del efecto de d=5.05. La prueba de Shapiro-Wilk confirmó la normalidad de las diferencias (W=.947,
p=.143). Estos resultados mostraron que, después de utilizar la aplicación, los participantes pudieron
realizar una mayor cantidad de actividades relacionadas con el acceso a información textual sin depender
de terceros.
El hallazgo fue concordante con Hussan et al. (2022), quienes desarrollaron un sistema de detección y
reconocimiento en tiempo real para personas con discapacidad visual, destacando la importancia de una
respuesta eficiente durante la interacción con el entorno. De igual manera, Ganesan et al. (2022)
plantearon un lector basado en aprendizaje profundo orientado a facilitar el acceso inmediato a
información visual, mientras que Feilong (2021) evidenció la aplicabilidad del aprendizaje profundo en
reconocimiento de texto de escenas naturales. En conjunto, estos estudios sugieren que el desempeño
de una solución de reconocimiento no depende únicamente de su exactitud, sino también del tiempo
requerido para generar una respuesta útil.
Respecto al tercer objetivo específico, referido a la satisfacción del usuario, se obtuvo un incremento
estadísticamente significativo después de utilizar la aplicación. La puntuación media por ítem pasó de
2.02 a 4.60 puntos en una escala de 1 a 5. La prueba de Shapiro-Wilk confirmó la normalidad de las
diferencias (W=.974, p=.657) y la t de Student mostró una diferencia significativa, t(29)=35.84, p<.001,
con un tamaño del efecto de d=6.54.
Este resultado evidenció una valoración favorable de aspectos relacionados con facilidad de uso,
eficiencia percibida, utilidad y satisfacción general. El hallazgo coincidió con Yataco Marín (2022),
quien destacó que las tecnologías de asistencia contribuyen al acceso a diferentes formatos de
información y pueden favorecer una mayor autonomía informativa. Asimismo, Kumar et al. (2024)
resaltaron la importancia de desarrollar interfaces y mecanismos auditivos que permitan una interacción
accesible con la información, mientras que Sebastiani Ronquillo et al. (2023) subrayaron la relevancia
de las herramientas digitales para favorecer procesos de inclusión de personas con discapacidad visual.
En cuanto al cuarto objetivo específico, relacionado con la autonomía, el número promedio de tareas
realizadas sin asistencia externa aumentó de 5.93 a 14.93. La mejora alcanzó 168.12 %, mientras que la
t de Student evidenció una diferencia estadísticamente significativa, t(29)=27.68, p<.001, con un tamaño
del efecto de d=5.05. La prueba de Shapiro-Wilk confirmó la normalidad de las diferencias (W=.947,
p=.143). Estos resultados mostraron que, después de utilizar la aplicación, los participantes pudieron
realizar una mayor cantidad de actividades relacionadas con el acceso a información textual sin depender
de terceros.
pág. 9676
El hallazgo fue coherente con Nasir et al. (2021), quienes desarrollaron una aplicación móvil basada en
aprendizaje profundo orientada a reconocer elementos cotidianos y proporcionar información auditiva,
concluyendo que la tecnología podía favorecer una mayor independencia de las personas con
discapacidad visual. Asimismo, Alsultan y Mohammad (2023) propusieron un sistema de asistencia
basado en YOLO-V7, mientras que Yousif y Al-Jammas (2024) desarrollaron una solución de
comprensión visual destinada a mejorar la asistencia a personas con discapacidad visual. Estos estudios
coincidieron en que el valor de la inteligencia artificial aplicada a tecnologías de apoyo no se limita a la
automatización del reconocimiento, sino que se extiende a su capacidad para fortalecer la autonomía del
usuario.
En conjunto, los resultados mostraron que la aplicación produjo mejoras simultáneas en dimensiones
técnicas y funcionales. La precisión del reconocimiento y el tiempo de procesamiento reflejaron una
mejora del desempeño computacional, mientras que la satisfacción y el aumento de tareas realizadas sin
asistencia evidenciaron beneficios relacionados con la experiencia del usuario y la autonomía. Esta
correspondencia entre desempeño técnico y utilidad práctica constituyó uno de los principales aportes
de la investigación, ya que permitió evaluar la solución desde una perspectiva más amplia que la
utilizada en estudios centrados exclusivamente en métricas algorítmicas.
Desde el punto de vista científico, la novedad del trabajo radicó en integrar un sistema web basado en
aprendizaje profundo con una evaluación simultánea de precisión, eficiencia, satisfacción y autonomía.
Ello permitió evidenciar que una solución tecnológica destinada a personas con discapacidad visual debe
valorarse no solo por su capacidad de reconocer texto, sino también por la rapidez de respuesta, la
percepción del usuario y su contribución a reducir la dependencia de asistencia externa. Este enfoque
resulta pertinente con la línea de investigación en tecnologías de información, inteligencia artificial y
accesibilidad, al vincular métricas computacionales con efectos concretos sobre los usuarios. No
obstante, los resultados deben interpretarse considerando las limitaciones metodológicas del estudio,
particularmente el tamaño de la muestra y el empleo de muestreo por conveniencia. Asimismo, el
desempeño del reconocimiento pudo verse condicionado por características propias de las imágenes,
como iluminación, nitidez, orientación y tipo de texto. Por ello, futuras investigaciones deberían
El hallazgo fue coherente con Nasir et al. (2021), quienes desarrollaron una aplicación móvil basada en
aprendizaje profundo orientada a reconocer elementos cotidianos y proporcionar información auditiva,
concluyendo que la tecnología podía favorecer una mayor independencia de las personas con
discapacidad visual. Asimismo, Alsultan y Mohammad (2023) propusieron un sistema de asistencia
basado en YOLO-V7, mientras que Yousif y Al-Jammas (2024) desarrollaron una solución de
comprensión visual destinada a mejorar la asistencia a personas con discapacidad visual. Estos estudios
coincidieron en que el valor de la inteligencia artificial aplicada a tecnologías de apoyo no se limita a la
automatización del reconocimiento, sino que se extiende a su capacidad para fortalecer la autonomía del
usuario.
En conjunto, los resultados mostraron que la aplicación produjo mejoras simultáneas en dimensiones
técnicas y funcionales. La precisión del reconocimiento y el tiempo de procesamiento reflejaron una
mejora del desempeño computacional, mientras que la satisfacción y el aumento de tareas realizadas sin
asistencia evidenciaron beneficios relacionados con la experiencia del usuario y la autonomía. Esta
correspondencia entre desempeño técnico y utilidad práctica constituyó uno de los principales aportes
de la investigación, ya que permitió evaluar la solución desde una perspectiva más amplia que la
utilizada en estudios centrados exclusivamente en métricas algorítmicas.
Desde el punto de vista científico, la novedad del trabajo radicó en integrar un sistema web basado en
aprendizaje profundo con una evaluación simultánea de precisión, eficiencia, satisfacción y autonomía.
Ello permitió evidenciar que una solución tecnológica destinada a personas con discapacidad visual debe
valorarse no solo por su capacidad de reconocer texto, sino también por la rapidez de respuesta, la
percepción del usuario y su contribución a reducir la dependencia de asistencia externa. Este enfoque
resulta pertinente con la línea de investigación en tecnologías de información, inteligencia artificial y
accesibilidad, al vincular métricas computacionales con efectos concretos sobre los usuarios. No
obstante, los resultados deben interpretarse considerando las limitaciones metodológicas del estudio,
particularmente el tamaño de la muestra y el empleo de muestreo por conveniencia. Asimismo, el
desempeño del reconocimiento pudo verse condicionado por características propias de las imágenes,
como iluminación, nitidez, orientación y tipo de texto. Por ello, futuras investigaciones deberían
pág. 9677
considerar muestras más amplias y heterogéneas, así como escenarios de uso más diversos, con la
finalidad de determinar la generalización, robustez y estabilidad de los resultados obtenidos.
CONCLUSIONES
Los hallazgos permitieron sostener que la aplicación web basada en aprendizaje profundo constituyó
una alternativa tecnológica pertinente para favorecer el acceso autónomo a información textual por parte
de personas con discapacidad visual. La evidencia obtenida mostró que el beneficio de la solución no se
limitó al reconocimiento automatizado del texto, sino que también se manifestó en una interacción más
eficiente, una valoración favorable de la herramienta y una mayor capacidad para desarrollar actividades
sin apoyo de terceros. En ese sentido, la investigación confirmó que la utilidad de una tecnología de
asistencia debe valorarse de manera integral, considerando tanto su desempeño técnico como el efecto
funcional que produce en sus usuarios.
Desde una perspectiva aplicada, se concluyó que la incorporación del aprendizaje profundo dentro de
una solución accesible puede contribuir a disminuir barreras vinculadas con la lectura e interpretación
de información escrita en imágenes. La significancia estadística obtenida en los indicadores evaluados
y la elevada magnitud de los tamaños del efecto respaldaron la existencia de cambios relevantes después
de la intervención, particularmente en precisión, eficiencia, satisfacción y autonomía. En consecuencia,
la solución desarrollada presentó potencial para su utilización como herramienta de apoyo en actividades
cotidianas que requieran identificar y comprender contenido textual.
REFERENCIAS BIBLIOGRÁFICAS
Alsultan, O. K. T., & Mohammad, M. T. (2023). A deep learning-based assistive system for the visually
impaired using YOLO-V7. Revue d’Intelligence Artificielle, 37(4), 901–906.
https://doi.org/10.18280/ria.370409
Ben Atitallah, A., Ben Atitallah, M. A., Said, Y., Albekairi, M., Boudabous, A., Alanazi, T. M.,
Kaaniche, K., & Atri, M. (2023). An efficient text recognition system from complex color image
for helping the visually impaired persons. Computer Systems Science and Engineering, 46(1),
701–717. https://doi.org/10.32604/csse.2023.035871
Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). CRISP-
DM 1.0: Step-by-step data mining guide. SPSS.
considerar muestras más amplias y heterogéneas, así como escenarios de uso más diversos, con la
finalidad de determinar la generalización, robustez y estabilidad de los resultados obtenidos.
CONCLUSIONES
Los hallazgos permitieron sostener que la aplicación web basada en aprendizaje profundo constituyó
una alternativa tecnológica pertinente para favorecer el acceso autónomo a información textual por parte
de personas con discapacidad visual. La evidencia obtenida mostró que el beneficio de la solución no se
limitó al reconocimiento automatizado del texto, sino que también se manifestó en una interacción más
eficiente, una valoración favorable de la herramienta y una mayor capacidad para desarrollar actividades
sin apoyo de terceros. En ese sentido, la investigación confirmó que la utilidad de una tecnología de
asistencia debe valorarse de manera integral, considerando tanto su desempeño técnico como el efecto
funcional que produce en sus usuarios.
Desde una perspectiva aplicada, se concluyó que la incorporación del aprendizaje profundo dentro de
una solución accesible puede contribuir a disminuir barreras vinculadas con la lectura e interpretación
de información escrita en imágenes. La significancia estadística obtenida en los indicadores evaluados
y la elevada magnitud de los tamaños del efecto respaldaron la existencia de cambios relevantes después
de la intervención, particularmente en precisión, eficiencia, satisfacción y autonomía. En consecuencia,
la solución desarrollada presentó potencial para su utilización como herramienta de apoyo en actividades
cotidianas que requieran identificar y comprender contenido textual.
REFERENCIAS BIBLIOGRÁFICAS
Alsultan, O. K. T., & Mohammad, M. T. (2023). A deep learning-based assistive system for the visually
impaired using YOLO-V7. Revue d’Intelligence Artificielle, 37(4), 901–906.
https://doi.org/10.18280/ria.370409
Ben Atitallah, A., Ben Atitallah, M. A., Said, Y., Albekairi, M., Boudabous, A., Alanazi, T. M.,
Kaaniche, K., & Atri, M. (2023). An efficient text recognition system from complex color image
for helping the visually impaired persons. Computer Systems Science and Engineering, 46(1),
701–717. https://doi.org/10.32604/csse.2023.035871
Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). CRISP-
DM 1.0: Step-by-step data mining guide. SPSS.
pág. 9678
Comisión Económica para América Latina y el Caribe. (2022). Personas con discapacidad e inclusión
laboral en América Latina y el Caribe: Principales desafíos y respuestas de política pública.
CEPAL. https://repositorio.cepal.org/handle/11362/48735
Dasari, S. K., & Mehta, S. (2022). Text detection and recognition using fusion neural network
architecture. In 2022 8th International Conference on Advanced Computing and
Communication Systems (ICACCS). IEEE.
https://doi.org/10.1109/ICACCS54159.2022.9785137
Feilong, L. (2021). Design and implementation of natural scene text recognition system based on deep
learning. In 2021 3rd International Conference on Artificial Intelligence and Advanced
Manufacture. ACM. https://doi.org/10.1145/3495018.3495323
Ganesan, J., Azar, A. T., Alsenan, S., Kamal, N. A., Qureshi, B., & Hassanien, A. E. (2022). Deep
learning reader for visually impaired. Electronics, 11(20), 3335.
https://doi.org/10.3390/electronics11203335
Gopalan, M., Rosinger, K., & Ahn, J. (2020). Use of quasi-experimental research designs in education
research: Growth, promise, and challenges. Review of Research in Education, 44, 218–243.
https://doi.org/10.3102/0091732X20903302
Hussan, M. I. T., Saidulu, D., Anitha, P. T., Manikandan, A., & Naresh, P. (2022). Object detection and
recognition in real time using deep learning for visually impaired people. International Journal
of Electrical and Electronics Research, 10(2), 80–86. https://doi.org/10.37391/IJEER.100205
Instituto Nacional de Estadística e Informática. (2022). Perú: Caracterización de las condiciones de vida
de la población con discapacidad, 2020. INEI. https://www.gob.pe/institucion/inei/informes-
publicaciones/6025488-peru-caracterizacion-de-las-condiciones-de-vida-de-la-poblacion-con-
discapacidad-2020
Kantipudi, M. P., Kumar, S., & Jha, A. (2021). Scene text recognition based on bidirectional LSTM and
deep neural network. Computational Intelligence and Neuroscience, 2021, Article 2676780.
https://doi.org/10.1155/2021/2676780
Kumar, L., Kushwaha, A. S., & Jain, A. (2024). An auditory system interface for augmented
accessibility: Empowering the visually impaired. Engineering Proceedings, 62(1), 8.
Comisión Económica para América Latina y el Caribe. (2022). Personas con discapacidad e inclusión
laboral en América Latina y el Caribe: Principales desafíos y respuestas de política pública.
CEPAL. https://repositorio.cepal.org/handle/11362/48735
Dasari, S. K., & Mehta, S. (2022). Text detection and recognition using fusion neural network
architecture. In 2022 8th International Conference on Advanced Computing and
Communication Systems (ICACCS). IEEE.
https://doi.org/10.1109/ICACCS54159.2022.9785137
Feilong, L. (2021). Design and implementation of natural scene text recognition system based on deep
learning. In 2021 3rd International Conference on Artificial Intelligence and Advanced
Manufacture. ACM. https://doi.org/10.1145/3495018.3495323
Ganesan, J., Azar, A. T., Alsenan, S., Kamal, N. A., Qureshi, B., & Hassanien, A. E. (2022). Deep
learning reader for visually impaired. Electronics, 11(20), 3335.
https://doi.org/10.3390/electronics11203335
Gopalan, M., Rosinger, K., & Ahn, J. (2020). Use of quasi-experimental research designs in education
research: Growth, promise, and challenges. Review of Research in Education, 44, 218–243.
https://doi.org/10.3102/0091732X20903302
Hussan, M. I. T., Saidulu, D., Anitha, P. T., Manikandan, A., & Naresh, P. (2022). Object detection and
recognition in real time using deep learning for visually impaired people. International Journal
of Electrical and Electronics Research, 10(2), 80–86. https://doi.org/10.37391/IJEER.100205
Instituto Nacional de Estadística e Informática. (2022). Perú: Caracterización de las condiciones de vida
de la población con discapacidad, 2020. INEI. https://www.gob.pe/institucion/inei/informes-
publicaciones/6025488-peru-caracterizacion-de-las-condiciones-de-vida-de-la-poblacion-con-
discapacidad-2020
Kantipudi, M. P., Kumar, S., & Jha, A. (2021). Scene text recognition based on bidirectional LSTM and
deep neural network. Computational Intelligence and Neuroscience, 2021, Article 2676780.
https://doi.org/10.1155/2021/2676780
Kumar, L., Kushwaha, A. S., & Jain, A. (2024). An auditory system interface for augmented
accessibility: Empowering the visually impaired. Engineering Proceedings, 62(1), 8.
pág. 9679
https://doi.org/10.3390/engproc2024062008
Langde, P., Patil, S., & Langde, P. (2024). Automating document narration: A deep learning-based
speech captioning system for visually impaired person. International Journal of Intelligent
Systems and Applications in Engineering, 12(23s), 2794–2810.
Nasir, H. M., Brahin, N. M. A., Aminuddin, M. M. M., Mispan, M. S., & Zulkifli, M. F. B. (2021).
Android-based application for visually impaired using deep learning approach. IAES
International Journal of Artificial Intelligence, 10(4), 879–888.
https://doi.org/10.11591/ijai.v10.i4.pp879-888
Nianogo, R., Benmarhnia, T., & O’Neill, S. (2023). A comparison of quasi-experimental methods with
data before and after an intervention: An introduction for epidemiologists and a simulation
study. International Journal of Epidemiology. https://doi.org/10.1093/ije/dyad032
Ouali, I., Ben Halima, M., & Wali, A. (2023). An augmented reality for an Arabic text reading and
visualization assistant for the visually impaired. Multimedia Tools and Applications, 82, 43569–
43597. https://doi.org/10.1007/s11042-023-14880-6
Rafael Rosales, C. K., Salazar Minchan, J. E., & Ortiz Porras, J. E. (2025). Diseño e implementación de
un dispositivo electrónico para asistencia de lectura de textos impresos mediante visión
computacional para personas con discapacidad visual. Ingeniería Industrial, 48, 241–261.
https://doi.org/10.26439/ing.ind2025.n48.7607
Sebastiani Ronquillo, M. R., Bazualdo Fiorini, E. R., & Sánchez Soto, J. M. (2023). Competencias
digitales en escolares peruanos con discapacidad visual: Análisis y perspectivas. Horizontes.
Revista de Investigación en Ciencias de la Educación, 7(28), 942–957.
https://doi.org/10.33996/revistahorizontes.v7i28.565
Yataco Marín, R. M. (2022). Tiflotecnología y el acceso a la información de las personas con
discapacidad visual. Fénix, 50, 76–90. https://doi.org/10.51433/fenix-bnp.2022.n50.p76-90
Yousif, A. J., & Al-Jammas, M. H. (2024). A lightweight visual understanding system for enhanced
assistance to the visually impaired using an embedded platform. Diyala Journal of Engineering
Sciences. https://doi.org/10.24237/djes.2024.1731071
https://doi.org/10.3390/engproc2024062008
Langde, P., Patil, S., & Langde, P. (2024). Automating document narration: A deep learning-based
speech captioning system for visually impaired person. International Journal of Intelligent
Systems and Applications in Engineering, 12(23s), 2794–2810.
Nasir, H. M., Brahin, N. M. A., Aminuddin, M. M. M., Mispan, M. S., & Zulkifli, M. F. B. (2021).
Android-based application for visually impaired using deep learning approach. IAES
International Journal of Artificial Intelligence, 10(4), 879–888.
https://doi.org/10.11591/ijai.v10.i4.pp879-888
Nianogo, R., Benmarhnia, T., & O’Neill, S. (2023). A comparison of quasi-experimental methods with
data before and after an intervention: An introduction for epidemiologists and a simulation
study. International Journal of Epidemiology. https://doi.org/10.1093/ije/dyad032
Ouali, I., Ben Halima, M., & Wali, A. (2023). An augmented reality for an Arabic text reading and
visualization assistant for the visually impaired. Multimedia Tools and Applications, 82, 43569–
43597. https://doi.org/10.1007/s11042-023-14880-6
Rafael Rosales, C. K., Salazar Minchan, J. E., & Ortiz Porras, J. E. (2025). Diseño e implementación de
un dispositivo electrónico para asistencia de lectura de textos impresos mediante visión
computacional para personas con discapacidad visual. Ingeniería Industrial, 48, 241–261.
https://doi.org/10.26439/ing.ind2025.n48.7607
Sebastiani Ronquillo, M. R., Bazualdo Fiorini, E. R., & Sánchez Soto, J. M. (2023). Competencias
digitales en escolares peruanos con discapacidad visual: Análisis y perspectivas. Horizontes.
Revista de Investigación en Ciencias de la Educación, 7(28), 942–957.
https://doi.org/10.33996/revistahorizontes.v7i28.565
Yataco Marín, R. M. (2022). Tiflotecnología y el acceso a la información de las personas con
discapacidad visual. Fénix, 50, 76–90. https://doi.org/10.51433/fenix-bnp.2022.n50.p76-90
Yousif, A. J., & Al-Jammas, M. H. (2024). A lightweight visual understanding system for enhanced
assistance to the visually impaired using an embedded platform. Diyala Journal of Engineering
Sciences. https://doi.org/10.24237/djes.2024.1731071