Sistema de evaluación visomotor preliminar con el Test de Bender

• Autores: Huertas Aldana, Juan Eduardo, Llactuahuaman Pacheco, Victor Shairut
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/153456
• Enlace del recurso: https://hdl.handle.net/20.500.12692/153456
• Nivel de acceso: acceso abierto
• Materia: Test de Bender; Precisión; Redes neuronales convolucionales; Back propagation; https://purl.org/pe-repo/ocde/ford#2.02.04

El problema de la investigación fue: ¿Cuál es el efecto del uso del sistema en la evaluación visomotor preliminar del test de Bender? el objetivo de esta investigación fue determinar el efecto del uso del sistema en la evaluación visomotor preliminar del test de Bender en evaluaciones realizadas por psicólogos. El tipo de investigación fue aplicada con enfoque cuantitativo con diseño pre-experimental ya que se analiza la evaluación de forma tradicional y después se comparó con las evaluaciones automatizadas. La investigación pretendió solucionar el problema de eficacia del uso del test de Bender realizada de manera manual por psicólogos. El objetivo fue proponer un sistema automatizado mediante la aplicación de Inteligencia artificial y el uso de algoritmos de redes neuronales convolucionales, back propagation y perceptron multicapa, además de la utilización del aprendizaje por transferencia VGG16. Para el diseño se empleó técnicas de recolección de las evaluaciones del test en la cual se realizó las calificaciones manualmente, estas luego reevaluadas con un mayor tiempo de observación. El promedio del porcentaje de los resultados de todas las evaluaciones de los 80 niños fueron las siguientes, en la sensibilidad se obtuvo un promedio de 87.66%, en la especificidad se obtuvo un porcentaje promedio del 95.27%, la exactitud un promedio de 94.13% y el tiempo promedio por evaluación fue de 2.25 segundos, mientras que después de utilizar los algoritmos del sistema y arquitectura VGG16 se obtuvo un 97.71% de sensibilidad, 97.37% de especificidad, 97.73% de precisión y tiempo de 0.16, en la cual se detona una mejora en las predicciones incrementándose la sensibilidad, especificidad, precisión y disminuyendo el tiempo, se realizó la discusión realizando una crítica a los resultados obtenidos, además se hizo la recomendación para futuras investigaciones mediante la experiencia en el desarrollo del software.