Revista Ibérica de Sistemas e Tecnologias de Informação Recebido/Submission: 11/05/2022

Iberian Journal of Information Systems and Technologies Aceitação/Acceptance: 10/07/2022

Revisión Sistemática: Sistemas de Inteligencia

Artificial para Personas con Discapacidad
Visual entre los Años 2012-2022

Joel E. Grados-Zubieta1, Elizabeth K. Bravo-Huivin1, Segundo E. Cieza-Mostacero1

jgradoszu @ucvvirtual.edu.pe; [email protected]; [email protected]

1
Grupo de Investigación Tendencia e Innovación en Ingeniería de Sistemas-Trujillo, Universidad César
Vallejo, Trujillo, La Libertad 13001, Perú.
Pages: 354-366

Resumen: La presente investigación desarrolla una revisión sistemática en 6

fases: preguntas de investigación, fuentes de búsqueda, criterios de selección,
selección de estudios, evaluación de calidad, estrategias de extracción de datos y
síntesis de hallazgos. Se investigó sobre las tendencias de la inteligencia artificial en
este campo, el tipo de dispositivos de ayuda usados para aplicar IA, y los ámbitos
de la vida de los discapacitados visuales en los que se aplicaron estas soluciones
tecnológicas. Las fuentes de datos consultadas fueron: EBSCO, PubMed y Scopus;
donde se halló una muestra de 169473 estudios, de los cuales se seleccionó 12.
Los resultados fueron que la principal tendencia de la inteligencia artificial en
este campo es la Computer Vision, el dispositivo más usado en este campo son los
Smartphones, y el ámbito al que más se aplican estas soluciones es la movilidad de
las personas con discapacidad visual.
Palabras-clave: Inteligencia Artificial; Discapacidad Visual; Revisión Sistemática.

Systematic Review: Artificial Intelligence System for People with

Visual Impairment between the Years 2012-2022

Abstract: This research develops a systematic review in 6 phases: research

problems, search sources, selection criteria, study selection, quality assessment,
data extraction strategies and foundation synthesis. The trends of artificial
intelligence in this field, the type of assistive devices used to apply AI, and the life
environments of the visually impaired in which these technological solutions will be
applied were investigated. The data sources consulted were: EBSCO, PubMed and
Scopus; where a sample of 169473 studies was found, of which 12 were selected. The
results were that the main trend of artificial intelligence in this field is Computer
Vision, the most used device in this field are Smartphones, and the field that most
applies these solutions is the mobility of people with visual disabilities.
Keywords: Artificial intelligence; Visual disability; Systematic review.

354 RISTI, N.º E54, 11/2022

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

1. Introducción
La inteligencia artificial es el campo que estudia a los agentes computacionales que se
desempeñan de forma inteligente en sus tareas. Un agente inteligente se puede distinguir
porque actúa conforme a sus circunstancias y objetivos, tiene un comportamiento
flexible cuando su entorno y objetivos cambian, sumado a que pueden aprender de sus
experiencias pasadas (Chintalapati & Pandey, 2022).
La calidad de vida de alguien que padece una discapacidad visual, disminuye por la gran
dificultad de movilizarse por las ciudades con seguridad, enfrentando muchos obstáculos
como: postes mal ubicados, huecos, desniveles, espacio público limitado, salientes en los
andenes, escaleras, entre otros; lo que termina obligándolos a ir con un acompañante,
sin embargo, esto reduce de forma significativa su nivel de independencia; sin embargo,
es posible remediar esta situación con ayuda de dispositivos apoyados por técnicas de
inteligencia artificial, que a través de algoritmos y hardware que emulen el sistema
visual, puedan interpretar los datos del entorno para informárselos al discapacitado
(Aldana-Porras & Montes-Mora, 2017).
En el artículo se recopiló información de estudios publicados entre los años 2010 a 2020
sobre la aplicación de la inteligencia artificial, para mejorar la calidad de vida de personas
que padecen de alguna discapacidad visual, con el fin de conocer las tendencias en este
campo, los dispositivos en los que esta tecnología es aplicada, además de los ámbitos de
la vida de los discapacitados visuales en los que se aplican estas soluciones tecnológicas.
El documento está organizado de la siguiente manera: en el punto 2 se presentan los
trabajos relacionados, mientras en el punto 3 se detalla el método de revisión, el punto
4 presenta los resultados y discusiones de la revisión sistemática; finalmente, el punto 5
presenta las conclusiones.

2. Trabajos relacionados
Anteriormente a la redacción de este artículo, existían algunas investigaciones
relacionadas con las TICs y la discapacidad visual, las cuales analizaron estadísticas
sobre estas áreas, bien sea alrededor del globo o concentrándose en un país en específico;
además de describir conceptos relacionados con este ámbito y sus dispositivos de ayuda,
como lo son:
Lorente (2006), realizó una revisión de los avances en tecnología que facilitan el uso de
medios de comunicación electrónicos, a usuarios que padecen de alguna discapacidad
visual, en donde se describen tecnologías tales como los sintetizadores de voz, los
magnificadores de pantalla, la telefonía móvil, la realidad virtual, la máquina de lectura
automática, las lupas de televisión, las casas domóticas y los audiolibros. Por otro
lado, Cardona y Vasquez (2019), realizaron una revisión estadística de las principales
causas de ceguera a nivel mundial y de las tecnologías de ayuda para las personas con
discapacidad visual, donde se analizó las cifras de tópicos como las causas de ceguera
más frecuentes y las tecnologías de asistencia para discapacitados visuales; concluyendo
en que a pesar de los esfuerzos, aún no se ha logrado integrar las herramientas adecuadas
a este sector de la población mundial. Zambrano et al. (2018), realizaron un estudio en el
que se compararon estudios que reportaron las métricas de la usabilidad y accesibilidad
de aplicaciones móviles para personas con deficiencias visuales; como conclusión se

RISTI, N.º E54, 11/2022 355

Revisión Sistemática: Sistemas de Inteligencia Artificial para Personas con Discapacidad Visual entre los Años 2012-2022

encontraron 6 estudios, donde se identificaron un total de 73 métricas de usabilidad,

de las cuales 40 se agruparon en 8 contextos distintos, los cuales fueron: accesibilidad,
comprensión, satisfacción, aprendizaje, eficiencia, navegabilidad, eficacia y contenido
visual. Finalmente, Beltrán Ramírez et al. (2019), recopiló datos sobre tecnologías de
apoyo al movimiento y de acceso a la información, para personas con discapacidad
visual; concluyendo que a mayor aceptación social de estas soluciones tecnológicas, más
se facilita el desarrollo de la tecnología de este campo, lo que beneficia a sus potenciales
usuarios.

3. Método de Revisión
El método de revisión ha sido desarrollado tomando en consideración las pautas para la
Revisión Sistemática de la Literatura (SLR), que es un estudio que nos permite evaluar
la calidad de los estudios empíricos encontrados en el proceso sistemático de búsqueda
y selección de revisiones, sobre dispositivos de autoayuda con Inteligencia artificial
en personas con discapacidad visual (Kitchenham & Brereton, 2013). En la Figura 1
se muestra el flujo de la SLR, la cual cuenta con siete procesos que se mencionan a
continuación: elaborar los preguntas de investigación, fuentes de búsqueda, criterios
de selección, selección de estudios, evaluación de calidad, estrategias de extracción de
datos y síntesis de datos.

Figura 1 – Descripción del Flujo de la SLR

3.1. Preguntas de Investigación

La finalidad de esta revisión sistemática de la literatura fue explicar y conocer las
propuestas que presentan diversos estudios, con respecto a la aplicación de inteligencia
artificial para mejorar la calidad de vida de las personas con alguna discapacidad visual,
en base a ello se formuló las siguientes preguntas de investigación (PIs).
PI1 ¿Cuáles son las tendencias de la inteligencia artificial en el ámbito de las
soluciones tecnológicas para personas con discapacidad visual?

356 RISTI, N.º E54, 11/2022

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

PI2 ¿En qué clases de dispositivos se aplicaron las soluciones tecnológicas con
inteligencia artificial para las personas con discapacidad visual?
PI3 ¿En qué ámbito de la vida de las personas con discapacidad visual se aplicó
la solución tecnológica que hace uso de inteligencia artificial?

3.2. Fuentes de Búsqueda y Estrategias de Búsqueda

Esta revisión sistemática de la literatura hizo posible conocer distintos criterios,
algoritmos y enfoques sobre el uso de inteligencia artificial, en dispositivos de ayuda para
personas con discapacidad visual. Las fuentes de datos usadas para esta investigación
fueron las siguientes bibliotecas electrónicas: EBSCO, PubMed y Scopus.
Después de un exhaustivo proceso de selección, se eligieron un total de 12 estudios que
fueron publicados entre los años 2012 al 2022; en la tabla 1 se muestran los descriptores
de búsqueda en español e inglés, que ayudaron a encontrar los estudios que cumplían
con los requisitos correctos, para la extracción de datos para esta revisión sistemática.

Español Inglés
Inteligencia Artificial Artificial intelligence
Discapacidad visual Visual disability

Tabla 1 – Descriptores de búsqueda

En la tabla 2 se muestran un total de 169473 estudios, como resultado de la búsqueda en

las fuentes consultadas; inicialmente, en todos los buscadores se realizó una búsqueda
genérica combinando el primer descriptor en inglés de búsqueda “Artificial intelligence”,
con el segundo descriptor en inglés “Visual disability”. Los resultados dieron un total de
169087 estudios en EBSCO, 231 estudio en PubMed y 155 estudios en Scopus.

Número de estudios
Fuente Ecuación de búsqueda genérica
resultantes
EBSCO “Artificial intelligence” AND “Visual disability” 169087
PubMed “Artificial intelligence” AND “Visual disability” 231
Scopus “Artificial intelligence” AND “Visual disability” 155
TOTAL 169473

Tabla 2 – Ecuaciones de búsqueda

3.3. Criterios de Selección

En este proceso se tuvo la intención de seleccionar solamente estudios relevantes para
nuestra investigación. Se consideraron los siguientes criterios principales de exclusión,
para obtener los resultados apropiados en cada consulta que fue realizada a las bibliotecas
electrónicas antes mencionadas; dichos criterios fueron:
CS1: El estudio fue publicado entre los años 2012 a 2022.

RISTI, N.º E54, 11/2022 357

Revisión Sistemática: Sistemas de Inteligencia Artificial para Personas con Discapacidad Visual entre los Años 2012-2022

CS2: El estudio fue publicado en forma de un artículo científico.

CS3: El artículo es de acceso abierto.
CS4: El título, keywords y/o abstract del artículo están específicamente relacionados con
mejorar un ámbito de la vida de las personas con discapacidad visual.
CS5: El título, keywords y/o abstract del artículo están específicamente relacionados con
la aplicación o posible aplicación de una o más soluciones tecnológicas que hagan uso de
inteligencia artificial.

3.4. Selección de Estudios

Para la selección de estudios se realizaron reuniones de consenso entre los investigadores
que se realizó vía zoom; en la Tabla 3 se tomó en cuenta los filtros que se utilizaron en
los criterios de exclusión donde se seleccionaron un total de 12 artículos, los cuales se
obtuvieron de las distintas bases de datos, donde los resultados fueron: 12 artículos de
EBSCO, 6 artículos de Scopus y 4 artículos de PubMed.

Criterios de exclusión Cantidad

Elementos totales sin filtro. 169473
Criterio 1: El estudio fue publicado entre los años 2012 a 2022. 115072
Criterio 2: El estudio fue publicado en forma de un artículo científico. 17435
Criterio 3: El artículo es de acceso abierto. 6557
Criterio 4: El título, keywords y/o abstract del artículo están específicamente relacionados
108
con mejorar un ámbito de la vida de las personas con discapacidad visual.
Criterio 5: El título, keywords y/o abstract del artículo están específicamente relacionados
con la aplicación o posible aplicación de una o más soluciones tecnológicas que hagan uso 22
de inteligencia artificial.
Filtrado de elementos duplicados. 12

Tabla 3 – Criterios de exclusión

3.5. Evaluación de Calidad

En esta etapa, se han planificado y aplicado los criterios de calidad (QA)
QA1: ¿Está claramente demostrado el propósito de este estudio?
QA2:¿Está claramente demostrado el método de investigación?
QA3:¿Ha cambiado la herramienta de recopilación?
QA4: ¿El artículo está bien estructurado?
QA5: ¿El artículo es original?
QA6: ¿Se dispone del texto completo del artículo?
QA7: En resumen, ¿fue útil el artículo?

358 RISTI, N.º E54, 11/2022

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

Los criterios de calidad fueron revisados ​​después por la Comisión Europea y se pudieron
seleccionar los artículos más apropiados para la investigación.
3.6. Estrategia de Extracción de Datos
En esta etapa, los datos extraídos de cada estudio se incluyeron en esta revisión
sistemática, que tuvo en cuenta las tres bases de datos de artículos científicos, las
cuales fueron EBSCO, PubMed y Scopus; estas propiedades han sido identificadas en la
literatura existente y en estudios seleccionados. Cada estudio recopilado se administró
y distribuyó a través del gestor de referencias bibliográficas Zotero; la Figura 2 muestra
cómo se clasifica cada estudio en una bibliografía particular según su fuente de búsqueda,
la cual facilitó el trabajo de recolección de datos.

Figura 2 – Reportes con Zotero de los artículos científicos

3.7. Síntesis de Hallazgos

En esta etapa final, se juntaron todos los datos recopilados para responder todas las
preguntas planteadas; además, se usaron tablas para presentar los datos de manera
simple y concisa.

4. Resultados y Discusiones

4.1. Panorama General de los Estudios

El proceso de selección de estudios de esta investigación arrojó un total de 12 artículos
para su análisis. En la Figura 3 se puede observar las palabras en los títulos de las
investigaciones consultadas en esta revisión, con un total de 67 términos.
Como se puede observar, los términos “impaired”, “visually”, “people” y “system” son los
que más se repiten, indicando que, las propuestas de investigaciones relacionadas con
la discapacidad visual, se centrar principalmente en ser de ayuda a las personas con este
problema, a través de diversas tecnologías que apliquen inteligencia artificial.

RISTI, N.º E54, 11/2022 359

Revisión Sistemática: Sistemas de Inteligencia Artificial para Personas con Discapacidad Visual entre los Años 2012-2022

Figura 3 – Nube de palabras de los títulos de los artículos científicos

Esta revisión sistemática de la literatura utilizó un total de 3 fuentes académicas de

donde se extrajo los 18 artículos, los cuales fueron: 12 artículos de EBSCO, 6 artículos
de Scopus y 4 artículos de PubMed, dando un total de 22 artículos; sin embargo, varios
de ellos se repetían entre fuentes, así que fueron extraídos para obtener un total de 12
artículos únicos.
Los artículos consultados en esta revisión fueron hechos en un total de 9 países
diferentes, los cuales fueron: India, con 5 artículos (41.66%); y Bangladesh, Corea
del Sur, España, Italia, Macedonia del Norte, México y Rumanía con un artículo
cada uno (8.33%); la Tabla 4 muestra los países de origen de los artículos revisados.

País Cantidad Porcentaje

India 5 41.66%
Bangladesh 1 8.33%
Corea del Sur 1 8.33%
España 1 8.33%
Italia 1 8.33%
Macedonia del Norte 1 8.33%
México 1 8.33%
Rumanía 1 8.33%

Tabla 4 – Países de origen de los artículos revisados

360 RISTI, N.º E54, 11/2022

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

4.2. Respuestas a las Preguntas de Investigación

PI1 ¿Cuáles son las tendencias de la inteligencia artificial en el ámbito de las
soluciones para personas con discapacidad visual?
Como resultado del análisis estadístico, se observó que los estudios pueden utilizar
una o más técnicas diferentes que apliquen inteligencia artificial; entonces, se obtuvo
que las tendencias tecnológicas de inteligencia artificial, utilizadas para personas con
discapacidad visual son: Computer Vision, con la totalidad de los artículos aplicando
esta técnica (100%); Machine Learning, con 11 artículos aplicando esta técnica (91.66%);
Deep Learning, con 8 artículos (66.66%); Artificial Neural Networks, con 5 artículos
(41.66%); Convolutional Neural Networks y Transfer Learning, con 3 artículos cada
uno (25%) y Reinforcement Learning, con un artículo (8.33%); en la Tabla 5 se pueden
visualizar los resultados.

Tendencia Cantidad Porcentaje

Computer Vision 12 100.00%
Machine Learning 11 91.66%
Deep Learning 8 66.66%
Artificial Neural Networks 5 41.66%
Convolutional Neural Networks 3 25.00%
Transfer Learning 3 25.00%
Reinforcement Learning 1 8.33%

Tabla 5 – Tendencias de la inteligencia artificial

La tendencia más resaltante observada para la ayuda de personas con discapacidad

visual, utilizando inteligencia artificial es la Computer Vision; la cual es una rama de la
inteligencia artificial que consiste en detectar imágenes en tiempo real, a través de una
cámara digital, para luego extraer y procesar datos de estas (Chi-Yi et al., 2014).
Por otrol lado, el Machine Learning es otra rama de la inteligencia artificial, centrada
en el aprendizaje de los software, a través de la observación de datos y la experiencia
(Balasubramanian et al., 2022). El Deep Learning es una subrama de la inteligencia
artificial, derivada del anteriormente mencionado Machine Learning, centrado en
el modelado de datos de alto nivel (Huang, 2022).Las Artificial Neural Networks se
desarrollaron imitando el procesamiento de datos en el cerebro humano (Shaibani
et al., 2022); mientras que las Convolutional Neural Networks son un derivado de las
anteriores, que intentan imitar a las neuronas de la corteza visual del cerebro humano
(Shan & Chen, 2022). El Transfer Learning es una rama del Machine Learning centrada
en algoritmos que almacenen información adquirida al resolver un problema, para
resolver un problema similar, transfiriendo su aprendizaje de esta forma (Liu et al.,
2022); mientras tanto, el Reinforcement Learning, otra rama del Machine Learning, se
basa en la psicología conductista, “recompensando” la correcta conducta del software
con cada acierto (Park et al., 2021).

RISTI, N.º E54, 11/2022 361

Revisión Sistemática: Sistemas de Inteligencia Artificial para Personas con Discapacidad Visual entre los Años 2012-2022

PI2 ¿Con qué clase de dispositivos se aplicó las soluciones tecnológicas con
inteligencia artificial para las personas con discapacidad visual?
Como resultado del análisis estadístico, se obtuvo que los dispositivos de las soluciones
tecnológicas con inteligencia artificial, para las personas con discapacidad visual son:
Smartphones, con 5 artículos (41.66%); Smart Navigation System, con 4 artículos
(33.33%); Smart Glasses, con 2 artículos (16.66%); Personal Computers, Smart Cane
y Smart City con un artículo cada uno (8.33%); en la Tabla 6 se pueden visualizar los
resultados.

Dispositivo Cantidad Porcentaje

Smartphones 5 41.66%
Smart Navigation System 4 33.33%
Smart Glasses 2 16.66%
Personal Computers 1 8.33%
Smart Cane 1 8.33%
Smart City 1 8.33%

Tabla 6 – Ámbitos de influencia de los dispositivos para los discapacitados visuales

Según los datos recolectados de la revisión de los artículos elegidos, el dispositivo

más usado para aplicar las soluciones tecnológicas experimentales, para ayudar a las
personas con discapacidad visual, es el Smartphone; el cual es un teléfono portátil, que
funge como una computadora de bolsillo con conectividad a internet (Byoung-hoon &
Hyo, 2022).
Por otro lado, un Smart Navigation System es una solución tecnológica que hace uso de
inteligencia artificial, con la finalidad de guiar espacialmente a su usuario (Joshi et al.,
2020). Los Smartglasses son dispositivos electrónicos conectados a internet, los cuales
tienen forma de gafas y tienen como función que el usuario vea en su entorno realidad
aumentada, para cumplir diversas funciones como identificación de elementos, guías
de calles, traducción de textos, entre otros (Yong et al., 2020). Los Smart Canes son
dispositivos electrónicos con forma de bastón, que sirven para detectar elementos del
entorno de sus usuarios (Hsi-Chiang & Kai-Yu, 2021). Por último, una Personal Computer
es una computadora de uso doméstico que es capaz de correr diversos programas de
software, conectarse a la Internet y compartir información con otras Personal Computer,
Smartphones, entre otros (Jawad Radhi & Ramzy Salim, 2022).Una Smart City es una
ciudad tecnológicamente eficiente y sostenible, que facilitaría la vida de sus ciudadanos
a través de las tecnologías de la información y comunicación (TICs) (Arroyo-Menéndez
et al., 2022).
PI3 ¿En qué ámbito de la vida de las personas con discapacidad visual se
aplicó la solución tecnológica?
Como resultado del análisis estadístico, se obtuvo que los ámbitos de la vida de las
personas, donde se aplicaron las soluciones tecnológicas de los artículos revisados,
fueron: Movilidad, con 7 artículos (58.33%); Identificación de objetos, con 2 artículos

362 RISTI, N.º E54, 11/2022

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

(16.66%); Identificación de textos, Medicina y Seguridad, con un artículo cada uno

(8.33); en la Tabla 7 se pueden visualizar los resultados.

Ámbito Cantidad Porcentaje

Movilidad 7 58.33%
Identificación de Objetos 2 16.66%
Identificación de Textos 1 8.33%
Médicina 1 8.33%
Seguridad 1 8.33%

Tabla 7 – Tecnologías de la inteligencia artificial aplicadas al ámbito de la discapacidad visual

De lejos el ámbito más importante de las personas con discapacidad visual, que las
aplicaciones de inteligencia artificial intentan cubrir, es el ámbito de la movilidad, puesto
que las personas con discapacidad visual experimentan una capacidad limitada para
realizar su rutina diaria, lo que afecta significativamente su calidad de vida (Zainuddin
et al., 2021).
Por otra parte, la Identificación de Objetos a través de software, consiste en la detección
de las formas y colores de diversos elementos, para mediante la Artificial Vision, poder
identificar dichos elementos (Barakat et al., 2020); mientras que la Identificación de
Textos se basa en el mismo procedimiento, pero centrada en facilitarle la lectura de
escritos en el entorno a sus usuarios (Mahajan & Rani, 2021).

5. Conclusiones
La movilidad y los sistemas de navegación implementados en Smartphones, Smart
Navigation Systems, Smart Glasses o Smart Canes, son el principal foco en el que se
concentran los esfuerzos científicos relacionados con la inteligencia artificial, en el
ámbito de la discapacidad visual.
La Computer Vision es la rama de la inteligencia artificial más usada para ayudar a las
personas con discapacidad visual, a aumentar su independencia a través de dispositivos
que capten y procesen los datos de su entorno, a través de hardwares diseñados para este
propósito, que botarán salidas de imagen o sonido, dependiendo del tipo de discapacidad
visual de su usuario.
En su mayoría, los dispositivos usados para ayudar a las personas con discapacidad visual,
entre los años 2012 a 2022, usan una cámara digital para captar datos del entorno, esto
generalmente a través de una aplicación móvil implementada en un teléfono inteligente.

Referencias
Aldana-Porras, J. M., & Montes-Mora, J. F. (2017). Sistema de navegación y exploración
visual articulado por técnicas de inteligencia artificial, para la movilidad de personas
en condición de discapacidad visual. Vía innova; Núm. 4 (2017); 22 - 36 ; 2590-
7956 ; 2422-068X. https://doi.org/10.23850/2422068X.1178

RISTI, N.º E54, 11/2022 363

Revisión Sistemática: Sistemas de Inteligencia Artificial para Personas con Discapacidad Visual entre los Años 2012-2022

Arroyo-Menéndez, M., Barañano-Cid, M., & Uceda-Navas, P. (2022). Unequal in the

Smart City? Spatial Segregation and Digital Inequalities in Madrid: ¿Desiguales en
la smart city? Segregación espacial y desigualdades digitales en Madrid. Revista
Española de Investigaciones Sociologicas, 180, 19-45. https://doi.org/10.5477/cis/
reis.180.19
Balasubramanian, N., Yang Ye, & Mingtao Xu. (2022). Substituting Human Decision-
Making with Machine Learning: Implications for Organizational Learning. Academy
of Management Review, 47(3), 448-465. https://doi.org/10.5465/amr.2019.0470
Barakat, B., Steponenaite, A., Lall, G. S., Arshad, K., Wassell, I. J., & Keates, S. (2020).
Assistive technology for the visually impaired: Optimizing frame rate (freshness) to
improve the performance of real-time objects detection application. Lecture Notes
in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence
and Lecture Notes in Bioinformatics), 12189 LNCS, 479-492. Scopus. https://doi.
org/10.1007/978-3-030-49108-6_34
Beltrán Ramírez, J. Q. R., Zepeda Gómez, J. R., Maciel Arellano, M. D. R., Larios
Rosillo, V. M., Espinoza, J., & Martínez Mendoza, J. D. J. (2019). Tecnologías en
apoyo al traslado y acceso a la información destinado a personas con discapacidad
visual. INVENTUM, 14(26), Art. 26. https://doi.org/10.26620/uniminuto.
inventum.14.26.2019.70-78
Byoung-hoon, K., & Hyo, L. (2022). Associations Between Smartphone Use for Physical
Activity by South Korean College Students and Behavioral Change Constructs of the
Transtheoretical Model. Perceptual & Motor Skills, 129(4), 1270-1282. https://doi.
org/10.1177/00315125221099258
Cardona Mesa, A. A., & Vasquez Salazar, R. D. (2019). Dispositivos de asistencia para la
movilidad en personas con discapacidad visual: Una revisión bibliográfica. Revista
Politécnica, 15(28), 107-116. https://doi.org/10.33571/rpolitec.v15n28a10
Chintalapati, S., & Pandey, S. K. (2022). Artificial intelligence in marketing: A systematic
literature review. International Journal of Market Research, 64(1), 38-68. https://
doi.org/10.1177/14707853211018428
Chi-Yi, L., Shih-Wen, H., & Hui-Huang, H. (2014). A crowdsourcing approach to promote
safe walking for visually impaired people. 7-12. Scopus. https://doi.org/10.1109/
SMARTCOMP.2014.7043832
Cruz-Cárdenas, J., Guadalupe-Lanas, J., Ramos-Galarza, C., & Palacio-Fierro, A. (2022).
Factors Influencing the Consumer Tendency to Use Mobile Instant Messaging
(MIM): A Mixed Method Study. Contemporary Economics, 16(1), 32-50. https://
doi.org/10.5709/ce.1897-9254.467
Gamonales, J. M., Jiménez-Solis, J., Gámez-Calvo, L., Sánchez-Ureña, B., & Muñoz-
Jiménez, J. (2022). Lesiones deportivas en el fútbol en personas con discapacidad
visual. Revisión sistemática exploratoria: Sport injuries in football for individuals
with visual impairment. Exploratory systematic review. Retos: Nuevas Perspectivas
de Educación Física, Deporte y Recreación, 44, 816-826.

364 RISTI, N.º E54, 11/2022

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

Hsi-Chiang, C., & Kai-Yu, H. (2021). Developing a smart walking cane with remote
electrocardiogram and fall detection. Journal of Intelligent & Fuzzy Systems, 40(4),
8073-8086. https://doi.org/10.3233/JIFS-189630
Huang, J. (2022). Personalized College English Learning Based on Deep Learning
under the Background of Big Data. Computational Intelligence & Neuroscience, 1-9.
https://doi.org/10.1155/2022/7361746
Jawad Radhi, M., & Ramzy Salim, A. (2022). Personal computer/programmable logic
controller based variable frequency drive training platform using WxPython and
PyModbus. International Journal of Electrical & Computer Engineering (2088-
8708), 12(4), 3564-3571. https://doi.org/10.11591/ijece.v12i4.pp3564-3571
Joshi, R. C., Yadav, S., Dutta, M. K., & Travieso-Gonzalez, C. M. (2020). Efficient Multi-
Object Detection and Smart Navigation Using Artificial Intelligence for Visually
Impaired People. Entropy, 22(9), 941. https://doi.org/10.3390/e22090941
Kitchenham, B., & Brereton, P. (2013). A systematic review of systematic review process
research in software engineering. ELSERVIER.
Liu, Z. B., Wang, Q., Li, H., Wang, C. Y., & Fei, J. Y. (2022). Insulation Resistance
Measurement of Airport Navigational Lighting System Based on Deep Learning
and Transfer Learning. Mathematical Problems in Engineering, 1-16. https://doi.
org/10.1155/2022/7754356
Lorente Barajas, J. L. (2006). Recursos tecnológicos y acceso a la información para
usuarios con discapacidad visual. Revista general de información y documentación,
16(1), 105-127.
Mahajan, S., & Rani, R. (2021). Text detection and localization in scene images: A broad
review. Artificial Intelligence Review, 54(6), 4317-4377. https://doi.org/10.1007/
s10462-021-10000-8
Park, J., Chun, J., Kim, S. H., Kim, Y., & Park, J. (2021). Learning to schedule job-shop
problems: Representation and policy learning using graph neural network and
reinforcement learning. International Journal of Production Research, 59(11),
3360-3377. https://doi.org/10.1080/00207543.2020.1870013
Shaibani, M. J., Emamgholipour, S., & Moazeni, S. S. (2022). Investigation of robustness
of hybrid artificial neural network with artificial bee colony and firefly algorithm
in predicting COVID-19 new cases: Case study of Iran. Stochastic Environmental
Research & Risk Assessment, 36(9), 2461-2476. https://doi.org/10.1007/s00477-
021-02098-7
Shan, C., & Chen, X. (2022). Multichannel concat-fusional convolutional neural
networks. Journal of Intelligent & Fuzzy Systems, 43(1), 957-969. https://doi.
org/10.3233/JIFS-212718
Yong, M., Pauwels, J., Kozak, F. K., & Chadha, N. K. (2020). Application of augmented
reality to surgical practice: A pilot study using the ODG R7 Smartglasses. Clinical
Otolaryngology, 45(1), 130-134. https://doi.org/10.1111/coa.13460

RISTI, N.º E54, 11/2022 365

Revisión Sistemática: Sistemas de Inteligencia Artificial para Personas con Discapacidad Visual entre los Años 2012-2022

Zainuddin, A., Zubir, N. A., Aminuddin, N. A., Ashar, N. D. K., & Mahadan, M. E. (2021).
Appliance Control with IOT-Arduino of Voice Command Detection for Mobility
Impaired People. International Journal of Interactive Mobile Technologies, 15(23),
164-177. https://doi.org/10.3991/ijim.v15i23.22147
Zambrano, E., Ch, R. P. R., & Castro, J. W. (2018). Métricas que podrían usarse en el
Desarrollo de Aplicaciones Móviles para Personas con deficiencias Visuales: Una
Revisión de Literatura Preliminar. 16.

366 RISTI, N.º E54, 11/2022

 © 2022. This work is published under
https://creativecommons.org/licenses/by-nd/4.0/(the
“License”). Notwithstanding the ProQuest Terms and
Conditions, you may use this content in accordance with the
terms of the License.