Abstract.
-
An
accessible
website
refers
to
the
fact
that
any
person,
especially
those
with
physical
disabilities,
can
access
the
content
of
the
website
without
problems.
The
objective
of
this
research
is
the
analysis
through
literature
reviews
of
machine
learning
methods
applied
to
the
study
of
accessibility
in
the
web
portals
of
Decentralized
Autonomous
Governments.
In
addition,
a
systematic
literature
review
methodology
was
used
to
review
more
than
twenty
scientific
articles
related
to
keywords
such
as
web
accessibility,
statistics,
and
machine
learning,
among
others.
In
the
results
obtained,
several
techniques
stand
out,
especially
those
of
unsupervised
learning,
since
their
usefulness
was
observed
in
several
investigations,
improving
the
analysis
and
understanding
of
the
data.
This
research
has
shown
that
exciting
work
can
be
done
on
web
accessibility
in
institutions,
considering
that
these
studies
would
significantly
contribute
to
improving
access
to
content.
Keywords:
Web
accessibility,
machine
learning,
unsupervised
learning,
statistics.
Resumen.
-
Una
web
accesible
se
refiere
a
que
cualquier
persona
sobre
todo
las
que
tengan
alguna
discapacidad
física
puedan
acceder
al
contenido
del
website
sin
problemas.
El
objetivo
de
esta
investigación
es
el
análisis
mediante
revisiones
bibliográficas
de
los
métodos
de
machine
learning
aplicados
al
estudio
de
la
accesibilidad
en
los
portales
web
de
los
Gobiernos
Autónomos
Descentralizados.
Además,
se
utilizó
una
metodología
de
revisión
sistemática
de
literatura
a
más
de
veinte
artículos
científicos
relacionados
con
palabras
clave
como:
accesibilidad
web,
estadística,
machine
learning,
entre
otros.
En
los
resultados
obtenidos
se
destacan
varias
técnicas,
sobre
todo,
las
del
aprendizaje
no
supervisado
ya
que
se
observó
su
utilidad
en
varias
investigaciones,
mejorando
el
análisis
y
comprensión
de
los
datos.
Esta
investigación
ha
demostrado
que
se
pueden
hacer
trabajos
interesantes
de
accesibilidad
web
en
las
instituciones,
teniendo
en
cuenta
que
estos
estudios
serían
un
aporte
significativo
para
mejorar
el
acceso
a
los
contenidos.
Palabras
clave:
Accesibilidad
web,
machine
learning,
aprendizaje
no
supervisado,
estadística.
ISSN-E:
2697-3650
Minerva
Journal
Zambrano
et al.
Métodos estadísticos de machine learning aplicados en el estudio de la accesibilidad
web: una revisión de la literatura.
Zambrano
Félix
h
t
t
p
s
:
/
/
o
r
c
i
d
.
o
r
g
/
0
0
0
0
-
0
0
0
3
-
1
3
8
3
-
6
5
8
X
felix.zambrano@utm.edu.ec
U
n
i
v
e
r
s
i
d
a
d
T
é
c
n
i
c
a
d
e
M
a
n
a
b
í
Portoviejo-Ecuador
Statistical
machine
learning
methods
applied
in
the
study
of
web
accessibility:
a
literature
review.
150
Recibido
(22/08/2022),
Aceptado
(15/10/2022)
V
o
l
.
3
,
S
p
e
c
.
I
s
s
u
e
N
°
1
,
(
p
p
.
1
5
0
-
1
5
7
)
Métodos
estadísticos
de
machine
learning
aplicados
en
el
estudio
de
la
accesibilidad
web:
u
n
a
r
e
v
i
s
i
ó
n
d
e
l
a
l
i
t
e
r
a
t
u
r
a
Muñoz
Emanuel
https://orcid.org/0000-0002-0997-0578
e
m
a
n
u
e
l
.
m
u
n
o
z
@
u
t
m
.
e
d
u
.
e
c
Universidad
Técnica
de
Manabí
Portoviejo-Ecuador
https://doi.org/10.47460/minerva.v1iSpecial.90
I.
INTRODUCCIÓN
Vivimos
en
una
época
en
donde
la
tecnología
tiene
una
importancia
vital
y
el
concepto
de
accesibilidad
debe
de
ir
ligado
a
todo
lo
que
se
desarrolla
en
base
a
las
tecnologías
de
la
información
y
comunicación
(TIC).
Con
la
creación
del
internet,
también
se
desarrollaron
los
portales
web
con
el
objetivo
de
que
las
personas
n
a
v
e
g
u
e
n
y
s
e
c
o
m
u
n
i
q
u
e
n
.
E
s
t
a
t
e
c
n
o
l
o
g
í
a
h
a
e
v
o
l
u
c
i
o
n
a
d
o
a
l
p
u
n
t
o
d
e
q
u
e
h
o
y
e
n
d
í
a
t
e
n
e
r
u
n
s
i
t
i
o
w
e
b
e
s
la
presentación
al
mundo
de
una
empresa
o
institución.
Sin
embargo,
es
importante
destacar
que
no
basta
con
tener
una
web
atractiva,
hay
que
diseñarla
de
forma
que
sea
accesible
al
mayor
número
de
personas
posible,
independientemente
de
su
condición
física,
más
aún
si
se
trata
de
un
portal
en
línea
que
pretende
simplificar
los
trámites
municipales
que
todo
ciudadano
debe
de
realizar,
y
estos
sitios
web
en
el
caso
de
Ecuador,
los
tienen
los
Gobiernos
Autónomos
Descentralizados
(GAD).
Según
la
Organización
Mundial
de
la
Salud
(OMS),
más
de
mil
millones
de
personas,
es
decir,
casi
el
15%
de
la
población
mundial,
sufre
algún
tipo
de
discapacidad.
El
número
de
personas
con
discapacidad
va
en
aumento,
lo
que
se
explica
por
la
creciente
prevalencia
de
dolencias
crónicas
y
el
envejecimiento
de
la
población.
En
este
sentido
se
han
hecho
muchas
investigaciones
acerca
de
la
accesibilidad
y
en
cada
una
de
ellas
se
han
implementado
diversas
técnicas
estadísticas
para
recolectar,
ordenar,
clasificar
y
analizar
los
datos.
Estos
estudios
se
han
realizado
a
diferentes
tipos
de
portales
web
como
por
ejemplo
a
los
del
área
de
s
a
l
u
d
,
e
n
e
l
á
r
e
a
d
e
l
s
e
c
t
o
r
t
u
r
í
s
t
i
c
o
,
e
n
l
a
e
d
u
c
a
c
i
ó
n
y
t
a
m
b
i
é
n
s
e
h
a
n
h
e
c
h
o
e
s
t
u
d
i
o
s
a
l
o
s
w
e
b
s
i
t
e
s
d
e
instituciones
gubernamentales.
Además,
esta
clase
de
investigación
que
se
han
realizado
en
el
Ecuador
en
su
gran
mayoría
por
lo
general
están
dirigidos
a
las
instituciones
de
educación
superior
y
hay
muy
poca
información
acerca
de
estudios
realizados
a
instituciones
públicas
gubernamentales.
Es
por
eso
que
el
objetivo
de
esta
revisión
literaria
es
descubrir
y
entender
como
se
ha
llevado
a
cabo
otras
investigaciones
aplicadas
a
la
accesibilidad
y
que
métodos
estadísticos
relacionados
a
machine-learning
son
las
más
adecuados
para
el
tratamiento
de
los
datos.
En
este
trabajo,
la
recolección
de
la
información
se
realiza
mediante
los
motores
de
búsqueda
en
bases
de
datos
especializados
en
artículos
científicos,
se
seleccionaron
veinte
documentos
que
aportan
significativamente
a
este
trabajo,
estos
pasaron
por
un
proceso
de
revisión
y
análisis
con
el
fin
de
que
el
contenido
sea
de
calidad
y
tenga
un
gran
aporte
para
el
desarrollo
de
esta
investigación.
ISSN-E:
2697-3650
Minerva
Journal
151
II.
DESARROLLO
En
esta
sección
abarcaremos
los
aspectos
teóricos
y
conceptuales
relacionados
a
la
accesibilidad
web
y
a
los
métodos
de
machine
learning
que
se
aplican
a
este
tipo
de
estudio.
A.
Accesibilidad
en
sitios
web
El
significado
de
accesibilidad
está
relacionado
con
el
concepto
de
diseño
universal,
ya
que
nos
dice
que
el
diseño
accesible
debe
ser
utilizado
por
la
mayor
cantidad
de
personas
sin
restricciones,
independientemente
de
sus
habilidades
físicas
o
intelectuales,
con
el
objetivo
de
facilitar
a
cualquiera
el
acceso
al
contenido
de
un
documento
electrónico,
incluso
al
usuario
que
tenga
una
discapacidad
física
[1].
La
accesibilidad
tiene
como
finalidad
permitir
que
muchos
individuos
usen
los
sitios
web,
independientemente
de
los
conocimientos,
las
habilidades
personales
y
las
características
técnicas
del
dispositivo,
eliminando
las
barreras
que
no
permite
que
los
adultos
mayores
y
las
personas
con
discapacidad
utilicen
esta
tecnología.
De
esta
manera
se
puede
afirmar
que,
utilizando
correctamente
los
criterios
de
accesibilidad,
un
portal
web
se
convierte
en
una
herramienta
muy
útil
porque
facilita
el
acceso
a
la
información
a
un
mayor
número
de
personas,
especialmente
aquellas
que
tienen
alguna
limitación
física
[2].
Zambrano
et al.
Métodos estadísticos de machine learning aplicados en el estudio de la accesibilidad
web: una revisión de la literatura.
V
o
l
.
3
,
S
p
e
c
.
I
s
s
u
e
N
°
1
,
(
p
p
.
1
5
0
-
1
5
7
)
152
ISSN-E:
2697-3650
Minerva
Journal
P
e
r
c
e
p
t
i
b
l
e
:
E
l
c
o
n
t
e
n
i
d
o
c
o
m
o
l
a
i
n
f
o
r
m
a
c
i
ó
n
y
c
o
m
p
o
n
e
n
t
e
s
q
u
e
c
o
n
f
o
r
m
a
n
l
a
i
n
t
e
r
f
a
z
d
e
u
s
u
a
r
i
o
se
deben
presentar
a
los
usuarios
de
forma
clara
de
modo
que
puedan
percibirlos
Operable:
Los
componentes
de
la
interfaz
de
usuario
deben
de
ser
operable
Comprensible:
La
información
que
contiene
la
página
web
y
el
manejo
de
la
interfaz
de
usuario
debe
ser
comprensible.
Robusto:
El
contenido
de
la
página
web
debe
ser
lo
suficientemente
estable
y
robusto
para
que
se
adapte
y
sea
interpretado
de
forma
confiable
por
diferentes
agentes
de
usuarios,
incluyendo
las
ayudas
técnicas.
B.
Estándares
y
normas
de
accesibilidad
Las
normas
más
utilizadas
por
los
investigadores
cuando
realizan
este
tipo
de
estudio
son
los
s
u
g
e
r
i
d
a
s
p
o
r
l
a
W
A
I
(
W
e
b
A
c
c
e
s
s
i
b
i
l
i
t
y
I
n
i
t
i
a
t
i
v
e
)
,
q
u
e
e
s
u
n
a
r
a
m
a
d
e
l
a
W
3
C
(
W
o
r
l
d
W
i
d
e
C
o
n
s
o
r
t
i
u
m
)
que
se
dedica
a
mejorar
la
accesibilidad
de
la
web
[3].
La
WAI
tiene
una
pauta
de
accesibilidad
llamada
W
C
A
G
2
.
1
(
W
e
b
C
o
n
t
e
n
t
A
c
c
e
s
s
i
b
i
l
i
t
y
G
u
i
d
e
l
i
n
e
s
,
P
a
u
t
a
s
d
e
A
c
c
e
s
i
b
i
l
i
d
a
d
d
e
l
C
o
n
t
e
n
i
d
o
W
e
b
)
,
q
u
e
n
o
s
da
especificaciones
de
cómo
debería
ser
el
contenido
que
se
publica
en
las
páginas
web
como
videos,
textos,
imágenes,
enlaces,
entre
otros
[4].
De
tal
manera,
dentro
de
la
WCAG
2.1
encontramos
cuatro
principios
que
se
describen
como:
[5].
C
a
d
a
p
r
i
n
c
i
p
i
o
e
s
t
á
f
o
r
m
a
d
o
p
o
r
p
a
u
t
a
s
q
u
e
s
o
n
l
o
s
q
u
e
s
e
d
e
b
e
n
d
e
t
o
m
a
r
e
n
c
u
e
n
t
a
p
a
r
a
q
u
e
u
n
a
página
web
sea
accesible.
Las
pautas
deben
de
estar
dentro
de
los
criterios
de
conformidad
para
comprobar
si
realmente
se
cumplen.
En
este
sentido,
los
criterios
de
conformidad
tienen
tres
niveles
el
A,
AA,
AAA,
en
donde
el
AA
es
el
que
más
se
debe
de
tener
en
cuenta
ya
que
en
este
nivel
se
podrá
alcanzar
una
accesibilidad
importante
dentro
de
los
sitios
web
[6].
C.
Métodos
y
técnicas
estadísticas
aplicados
al
estudio
de
la
accesibilidad
web
Los
métodos
y
técnicas
estadísticas
que
se
aplican
para
el
tratamiento
y
análisis
de
los
datos
cuando
se
trata
de
temas
relacionados
a
la
web
son
varios.
Por
ejemplo,
en
relación
a
la
accesibilidad
las
técnicas
utilizadas
por
los
investigadores
son
el
análisis
factorial
de
componentes
principales
[7],
las
técnicas
para
medir
la
simetría
de
los
datos
aplican
la
inferencia
estadística,
realizan
pruebas
de
normalidad
mostrándolos
en
un
gráficos
histogramas
y
diagramas
de
cajas
[2].
Otros
autores
[8],
utilizan
una
técnica
de
clasificación
para
determinar
cuál
es
el
nivel
de
accesibilidad.
Sin
embargo,
otras
investigaciones
[9],
aplican
técnicas
estadísticas
univariadas,
bivariadas
y
multivariadas
como
el
análisis
de
componentes
principales,
de
conglomerados
y
factoriales
de
correspondencias
simples.
También
se
han
aplicado
técnicas
de
machine
learning
para
el
análisis
de
la
accesibilidad
en
las
presentaciones
[10],
donde
detallan
un
nuevo
enfoque
para
valorar
los
documentos
accesibles
aplicando
el
aprendizaje
automático
con
un
modelo
construido
a
partir
de
las
características
de
la
apariencia
de
una
presentación.
D.
Machine
Learning
(Aprendizaje
automático)
El
aprendizaje
automático
o
machine
learning
nació
en
el
campo
de
la
inteligencia
artificial,
incluye
un
conjunto
de
métodos
matemáticos
y
estadísticos,
cuyas
tareas
están
relacionadas
con
el
reconocimiento,
diagnóstico,
predicción,
entre
otros.
En
este
sentido,
existen
categorías
de
aprendizaje,
de
los
cuales,
los
más
utilizados
para
el
estudio
de
la
web
son
el
supervisado
y
no
supervisado.
Algunas
investigaciones
[11],
proponen
un
método
de
aprendizaje
semisupervisado
para
evaluar
la
accesibilidad
de
todas
las
páginas
de
un
sitio
web.
Otros
métodos
[11]
son
conocidos
como
predicción
activa.
Este
procedimiento
convierte
la
evaluación
de
la
accesibilidad
web
en
un
modelo
de
aprendizaje
activo
para
luego
hacer
predicciones,
logrando
alcanzar
una
alta
precisión
en
las
evaluaciones.
Zambrano
et al.
Métodos estadísticos de machine learning aplicados en el estudio de la accesibilidad
web: una revisión de la literatura.
V
o
l
.
3
,
S
p
e
c
.
I
s
s
u
e
N
°
1
,
(
p
p
.
1
5
0
-
1
5
7
)
El
aprendizaje
supervisado
permite
deducir
patrones
e
hipótesis
a
través
de
los
datos
que
se
suministran
al
modelo,
lo
cual
lleva
a
predecir
una
instancia
correspondiente
a
los
datos
de
entrada.
Además,
dentro
del
aprendizaje
supervisado
se
pueden
aplicar
varias
técnicas
como
la
de
árbol
de
d
e
c
i
s
i
ó
n
[
1
2
]
,
r
e
d
b
a
y
e
s
i
a
n
a
y
m
á
q
u
i
n
a
d
e
v
e
c
t
o
r
e
s
d
e
a
p
o
y
o
(
S
V
M
)
p
a
r
a
p
o
d
e
r
c
l
a
s
i
f
i
c
a
r
c
a
d
a
u
n
o
d
e
los
conjuntos
de
datos
de
los
sitios
web
etiquetados
como
accesibles
y
no
accesibles.
Sin
embargo,
los
r
e
s
u
l
t
a
d
o
s
c
o
n
e
s
t
a
s
t
é
c
n
i
c
a
s
p
u
e
d
e
n
s
e
r
p
r
o
m
e
t
e
d
o
r
e
s
,
p
o
r
l
o
q
u
e
a
l
g
u
n
o
s
a
u
t
o
r
e
s
s
u
g
i
e
r
e
n
u
n
a
clasificación
automatizada
de
las
páginas
web
con
respecto
a
la
accesibilidad.
Así
como
hay
estudios
aplicando
el
aprendizaje
supervisado
también
lo
hay
utilizando
el
aprendizaje
no
supervisado
[13],
donde
se
aplica
la
técnica
de
agrupamiento
clúster
a
21
portales
web,
con
lo
cual
plantean
una
técnica
estadística
para
extraer
características
de
las
URL
de
forma
no
supervisada.
La
finalidad
es
agrupar
esas
particularidades
para
construir
patrones
que
representen
los
diferentes
tipos
d
e
d
i
r
e
c
c
i
o
n
e
s
w
e
b
d
e
u
n
s
i
t
i
o
.
El
aprendizaje
no
supervisado
puede
liberarnos
de
la
necesidad
de
etiquetar
los
datos
y
también
de
aplicar
características
de
ingeniería
manualmente,
gracias
a
los
métodos
flexibles,
generales
y
a
u
t
o
m
a
t
i
z
a
d
o
s
d
e
l
a
p
r
e
n
d
i
z
a
j
e
a
u
t
o
m
á
t
i
c
o
[
1
4
]
.
T
a
m
b
i
é
n
p
o
d
e
m
o
s
e
n
c
o
n
t
r
a
r
u
n
d
i
a
g
r
a
m
a
d
e
l
a
s
técnicas
utilizados
en
los
aprendizajes
no
supervisados,
en
donde
los
investigadores
dividen
las
t
é
c
n
i
c
a
s
e
n
s
e
i
s
c
a
t
e
g
o
r
í
a
s
p
r
i
n
c
i
p
a
l
e
s
:
a
p
r
e
n
d
i
z
a
j
e
j
e
r
á
r
q
u
i
c
o
,
a
g
r
u
p
a
c
i
ó
n
d
e
d
a
t
o
s
,
m
o
d
e
l
o
s
d
e
variables
latentes,
reducción
de
dimensionalidad
y
detección
de
valores
atípicos.
A
continuación,
se
analizan
algunas
técnicas
del
aprendizaje
no
supervisado
que
han
sido
aplicadas
a
estudios
relacionados
a
portales
web,
cabe
recalcar
que
solo
se
revisaron
técnicas
que
aportaron
un
valor
significativo
para
la
accesibilidad
web.
E.
Agrupación
de
datos
(data
clustering)
La
agrupación
en
clústeres
es
un
método
de
aprendizaje
no
supervisado
que
tiene
como
objetivo
encontrar
patrones
ocultos
en
datos
de
entrada
no
etiquetados
en
forma
de
grupos,
es
decir,
abarca
la
disposición
de
los
datos
en
agrupaciones
naturales
significativas
sobre
la
base
de
la
similitud
[14].
Las
técnicas
de
agrupamiento
y
de
clasificación
son
muy
útiles
en
estos
tipos
de
estudios
porque
se
puede
partir
de
unos
pocos
ejemplos
de
entrenamiento
etiquetados
automáticamente
permitiendo
captar
características
valiosas
de
los
objetos
de
estudios
[15].
Algunas
investigaciones
muestran
que
las
metodologías
generales
permiten
el
agrupamiento
basado
en
modelos,
que
además
proporcionan
un
enfoque
estadístico
apoyados
en
los
principios
de
la
accesibilidad
web,
por
lo
tanto,
este
tipo
de
modelos
puede
ser
útil
para
otros
problemas
en
el
análisis
multivariante,
en
el
análisis
discriminante
y
la
estimación
de
densidad
multivariante
[16].
También
existen
estudios
enfocados
en
la
agrupación
basados
en
la
estructura
y
el
estilo
del
sitio
web
para
el
proceso
de
categorización,
limpieza,
detección
de
esquemas
y
extracciones
automáticas
de
los
datos
[17].
En
este
sentido
las
técnicas
de
clustering
aplican
un
enfoque
de
aprendizaje
automático
para
agrupar
según
las
barreras
detectadas
y
seleccionando
páginas
representativas,
se
pueden
obtener
buenos
resultados
y
así
confirmar
la
validez
de
los
niveles
de
accesibilidad
de
los
portales
estudiados
[18].
F.
Reducción
de
dimensiones
La
reducción
de
dimensionalidad
de
los
datos
es
una
tarea
no
supervisada,
donde
en
lugar
de
elegir
un
subconjunto
de
características,
crea
nuevas
características
(dimensiones)
como
una
función
de
todas
las
características.
Es
útil
para
modelado,
compresión
y
visualización
de
datos
[14].
153
ISSN-E:
2697-3650
Minerva
Journal
Zambrano
et al.
Métodos estadísticos de machine learning aplicados en el estudio de la accesibilidad
web: una revisión de la literatura.
V
o
l
.
3
,
S
p
e
c
.
I
s
s
u
e
N
°
1
,
(
p
p
.
1
5
0
-
1
5
7
)
154
ISSN-E:
2697-3650
Minerva
Journal
Una
de
las
técnicas
utilizadas
para
la
reducción
de
dimensiones
es
la
del
análisis
factorial,
aunque
también
forma
parte
de
la
categoría
de
modelos
de
variables
latente.
Es
diferente
de
otros
modelos
de
variables
latentes
en
términos
de
la
variación
tolerada
para
diferentes
dimensiones.
En
el
modelo
de
a
n
á
l
i
s
i
s
f
a
c
t
o
r
i
a
l
,
l
a
s
v
a
r
i
a
b
l
e
s
l
a
t
e
n
t
e
s
t
i
e
n
e
n
c
o
v
a
r
i
a
n
z
a
d
i
a
g
o
n
a
l
e
n
l
u
g
a
r
d
e
c
o
v
a
r
i
a
n
z
a
i
s
o
t
r
ó
p
i
c
a
.
Además
del
análisis
factorial
también
se
puede
aplicar
la
técnica
del
análisis
de
componentes
principales
(
P
C
A
)
.
E
l
P
C
A
e
s
u
n
a
t
é
c
n
i
c
a
e
s
t
a
d
í
s
t
i
c
a
q
u
e
u
t
i
l
i
z
a
l
a
t
r
a
n
s
f
o
r
m
a
c
i
ó
n
o
r
t
o
g
o
n
a
l
e
n
l
o
s
d
a
t
o
s
p
a
r
a
convertir
n
número
de
variables
posiblemente
correlacionadas
en
menor
número
k
de
variables
no
correlacionadas
denominadas
componentes
principales.
Usando
esta
técnica,
podemos
reconocer
las
características
más
fuertes
que
tiene
el
conjunto
de
datos,
lo
que
hace
que
los
datos
sean
más
fáciles
para
explorar
y
visualizar.
En
esta
revisión
de
la
literatura
se
encontraron
algunas
investigaciones
en
donde
se
aplicaron
las
técnicas
del
análisis
factorial
y
el
análisis
de
componentes
principales.
Los
investigadores
al
aplicar
estos
métodos
pueden
dividir
las
características
de
los
sitios
web
en
componentes
considerándolos
como
subindicadores
y
con
la
rotación
varimax
se
puede
facilitar
la
explicación
de
los
vínculos
entre
variables
y
componentes
[7].
Incluso
combinando
las
técnicas
de
clustering
y
el
PCA
se
obtiene
un
modelo
con
valores
relevantes
para
alcanzar
los
objetivos
afines
a
la
accesibilidad
del
contenido
digital
[19].
G
.
L
e
y
e
s
d
e
l
a
A
c
c
e
s
i
b
i
l
i
d
a
d
w
e
b
e
n
e
l
E
c
u
a
d
o
r
En
el
Ecuador
existe
el
Instituto
Ecuatoriano
de
Normalización,
INEN,
que
fue
creado
para
establecer
normas
técnicas
ecuatorianas
para
satisfacer
los
sectores
productivos
y
servicios.
El
INEN
en
su
Reglamento
Técnico
Ecuatoriano
RTE-INEN:
RTE-288
en
la
resolución
N°
16
008
por
el
Ministerio
de
Industria
y
Productividad
“Accesibilidad
para
el
contenido
web”,
establece
las
normas
técnicas
para
la
web,
que
toda
institución
pública
y
privada
que
brinde
algún
servicio
a
través
de
la
web
debería
cumplir
[20].
Este
Reglamento
Técnico
Ecuatoriano
aplica
para
los
contenidos
publicados
en
los
portales
web
tanto
del
sector
público
y
privado
que
brinden
servicios
por
este
medio,
garantizando
el
acceso
a
la
información
y
comunicación
de
todas
las
personas
con
y
sin
discapacidad.
En
este
sentido,
se
ha
tomado
como
referencia
la
NTE
INEN-ISO/IEC
40500,
Tecnología
de
la
información
–
Directrices
de
accesibilidad
para
el
contenido
web
del
W3C
(WCAG
2.0).
Los
requisitos
primordiales
para
que
un
sitio
web
sea
accesible
según
el
reglamento
del
INEN
son
los
siguientes:
El
contenido
publicado
y
todo
el
sitio
web,
tiene
que
cumplir
con
las
pautas
y
criterios
de
conformidad
establecidos
en
la
Norma
NTE
INEN-ISO/IEC
40500,
vigente.
Se
pide
que
los
sitios
web
cumplan
por
completo
del
nivel
de
conformidad
AA,
establecido
en
la
Norma
NTE
INEN-ISO/IEC
40500,
vigente.
III.
METODOLOGÍA
La
búsqueda
bibliográfica
de
los
artículos
citados
en
este
documento
se
la
realiza
mediante
los
sitios
web
Google
Scholar,
Scielo,
Research
Gate,
Science
Direct,
entre
otros.
Las
palabras
clave
utilizadas
para
la
búsqueda
fueron
“accesibilidad
web”,
“clúster”,
“estadística”,
“aprendizaje
automático”,
“machine
learning”,
“aprendizaje
no
supervisado”
entre
otras.
Se
encontraron
más
de
cincuenta
artículos
que
contenían
una
o
más
de
las
palabras
clave,
luego
se
escogieron
los
que
aplicaban
los
métodos
y
técnicas
del
aprendizaje
automático
o
machine
learning
para
el
tratamiento
de
los
datos,
de
los
cuales
los
seleccionados
para
este
trabajo
fueron
revisados
y
analizados
cuidadosamente,
quedando
finalmente
veinte,
desechando
los
otros
ya
que
no
se
ajustaban
a
esta
investigación.
Además,
también
se
considera
la
relevancia
en
los
resultados
obtenidos,
las
conclusiones
y
trabajos
futuros.
Zambrano
et al.
Métodos estadísticos de machine learning aplicados en el estudio de la accesibilidad
web: una revisión de la literatura.
V
o
l
.
3
,
S
p
e
c
.
I
s
s
u
e
N
°
1
,
(
p
p
.
1
5
0
-
1
5
7
)
ISSN-E:
2697-3650
Minerva
Journal
La
accesibilidad
de
los
sitios
web
es
cada
vez
más
necesaria
ya
que
aporta
con
herramientas
de
utilidad
a
una
gran
diversidad
de
personas,
que
deben
incorporarse
a
las
actividades
online
de
diferente
í
n
d
o
l
e
,
d
e
a
h
í
q
u
e
r
e
s
u
l
t
e
d
e
g
r
a
n
i
n
t
e
r
é
s
l
a
g
e
s
t
i
ó
n
a
p
r
o
p
i
a
d
a
d
e
s
i
t
i
o
s
w
e
b
a
c
c
e
s
i
b
l
e
s
.
L
o
s
m
o
d
e
l
o
s
d
e
a
p
r
e
n
d
i
z
a
j
e
s
a
u
t
o
m
á
t
i
c
o
s
b
a
s
a
d
o
s
e
n
l
a
s
t
é
c
n
i
c
a
s
d
e
m
a
c
h
i
n
e
l
e
a
r
n
i
n
g
p
e
r
m
i
t
e
n
enriquecer
en
gran
medida
el
estudio
de
la
accesibilidad
de
los
contenidos
en
los
portales
web,
sin
embargo,
hay
que
saber
escoger
cuál
técnica
o
método
aplicar
y
va
a
depender
del
objetivo
que
se
quiera
alcanzar
y
del
tipo
de
datos
que
se
recolecte
de
los
objetos
de
análisis.
Además,
se
debe
de
tener
en
consideración
las
características
que
están
normalizadas
para
que
una
web
cumpla
con
los
requisitos
mínimos
y
sea
de
fácil
acceso.
La
diferencia
más
importante
entre
las
técnicas
del
aprendizaje
supervisado
y
el
aprendizaje
no
supervisado
es
que
el
primero,
necesita
que
los
datos
estén
etiquetados,
es
decir
que
la
información
sea
identificada
o
procesada
previamente,
pero
en
el
caso
del
aprendizaje
no
supervisado
no
hace
falta
que
los
datos
sean
etiquetados,
lo
que
significa
que
no
es
necesario
procesarlos
previos
a
la
aplicación
de
la
técnica.
L
a
t
é
c
n
i
c
a
d
e
a
g
r
u
p
a
m
i
e
n
t
o
o
c
l
u
s
t
e
r
i
n
g
e
s
u
n
a
d
e
l
a
s
m
á
s
u
t
i
l
i
z
a
d
a
s
e
n
l
a
s
i
n
v
e
s
t
i
g
a
c
i
o
n
e
s
d
e
l
a
accesibilidad
web,
porque
facilita
la
clasificación
de
acuerdo
a
características
relevantes
que
tienen
los
individuos
de
estudio.
Además,
si
va
acompañado
con
la
aplicación
de
otra
técnica
como
la
del
PCA
que
permite
comprender
cuáles
son
las
variables
más
relevantes
que
influyen
en
el
proceso
de
agrupación,
se
logra
mejorar
el
desarrollo
y
la
obtención
de
los
resultados.
Otra
de
las
técnicas
que
destaca
en
estos
tipos
de
investigaciones
es
la
de
reducción
de
dimensiones
que
ayudan
a
entender
cuál
es
la
correlación
de
las
variables
de
estudio
y
aplicando
modelos
basados
en
agentes
inteligentes
se
logra
comprender
los
niveles
de
accesibilidad
establecidos
en
las
normas
estandarizadas.
En
este
sentido,
con
las
herramientas
del
aprendizaje
no
supervisado
se
pueden
descubrir
falencias
que
permitan
proponer
nuevos
enfoques
a
favor
de
la
accesibilidad
web.
155
Es
bien
sabido
que
los
métodos
estadísticos
permiten
el
análisis
de
los
datos
de
una
manera
muy
eficiente
y
de
la
misma
manera
se
puede
observar
en
el
análisis
de
las
relaciones
que
tienen
las
variables
de
estudio.
Es
importante
señalar
que
el
investigador
tiene
la
libertad
de
elegir
las
técnicas
y
métodos
estadísticos
que
crea
conveniente,
pero
esta
elección
es
uno
de
los
principales
puntos
que
marcan
la
calidad
de
los
resultados,
es
por
eso,
que
conocer
las
ventajas,
desventajas
y
escenarios
de
la
aplicación
de
las
técnicas
es
muy
relevante
en
un
proyecto
de
investigación.
Las
técnicas
o
métodos
de
machine
learning
tienen
una
gran
importancia
en
la
aplicación
cuando
en
la
investigación
hay
que
evaluar
un
gran
número
de
variables.
Las
técnicas
de
clasificación,
agrupamiento
y
reducción
de
dimensiones
son
las
protagonistas
si
se
aplican
para
el
tratado
de
los
datos
y
para
la
obtención
de
respuestas
en
lo
que
es
accesibilidad
web.
Sin
embargo,
se
debe
de
tener
presente
que
cuando
se
habla
de
la
web
tenemos
que
tener
claro
cuál
es
el
tipo
de
contenido
que
se
va
a
evaluar
y
dependiendo
de
eso
aplicamos
los
métodos.
Aplicar
las
técnicas
de
agrupamiento
como
el
PCA,
k-means,
agrupación
jerárquica,
las
técnicas
de
clasificación
o
de
reducción
de
dimensiones,
facilitan
el
proceso
de
interpretar
y
mostrar
los
datos
en
gráficos
minimizando
la
incertidumbre
para
determinar
conclusiones.
En
este
sentido,
cuando
se
estudia
la
accesibilidad
web
se
maneja
un
conjunto
amplio
de
variables
que
al
utilizar
cualquier
técnica
o
métodos
de
machine
learning,
los
resultados
se
convierten
en
parte
primordial
teniendo
incidencia
en
la
efectividad
del
análisis.
IV.
RESULTADOS
CONCLUSIONES
Zambrano
et al.
Métodos estadísticos de machine learning aplicados en el estudio de la accesibilidad
web: una revisión de la literatura.
Vol.3,
Issue
9,
(pp.
150-157)
ISSN-E:
2697-3650
Minerva
Journal
156
Los
modelos
de
aprendizajes
automáticos
basados
en
las
técnicas
de
machine
learning
son
usados
por
los
investigadores
después
de
tratar
los
datos,
por
lo
general
con
alguna
técnica
de
análisis
factorial
o
de
reducción
de
dimensiones
que
forman
parte
del
aprendizaje
no
supervisado.
Luego
de
ese
procedimiento
se
c
r
e
a
u
n
m
o
d
e
l
o
p
a
r
a
l
o
g
r
a
r
p
r
e
d
e
c
i
r
l
o
s
n
i
v
e
l
e
s
d
e
a
c
c
e
s
i
b
i
l
i
d
a
d
q
u
e
t
i
e
n
e
n
l
o
s
p
o
r
t
a
l
e
s
w
e
b
y
d
e
e
s
t
a
manera
estos
métodos
permiten
que
al
estudiar
la
accesibilidad
sea
mucho
más
fácil
comprender
los
l
i
n
e
a
m
i
e
n
t
o
s
d
e
l
a
s
n
o
r
m
a
s
a
p
l
i
c
a
d
a
s
a
l
c
o
n
t
e
n
i
d
o
w
e
b
.
REFERENCIAS
[
1
]
M
.
C
a
m
p
o
v
e
r
d
e
-
M
o
l
i
n
a
,
S
.
L
u
j
á
n
-
M
o
r
a
,
a
n
d
L
.
V
a
l
v
e
r
d
e
,
“
A
n
á
l
i
s
i
s
d
e
a
c
c
e
s
i
b
i
l
i
d
a
d
w
e
b
d
e
l
a
s
u
n
i
v
e
r
s
i
d
a
d
e
s
y
escuelas
politécnicas
del
Ecuador
aplicando
la
norma
NTE
INEN
ISO/IEC
40500:2012,”
pp.
53–68,
2019.
[2]
A.
Ismail
and
K.
S.
Kuppusamy,
“Web
accessibility
investigation
and
identification
of
major
issues
of
higher
education
websites
with
statistical
measures:
A
case
study
of
college
websites,”
J.
King
Saud
Univ.
-
Comput.
Inf.
Sci.,
vol.
34,
no.
3,
pp.
901–911,
2022,
doi:
10.1016/j.jksuci.2019.03.011.
[3]
The
World
Wide
Web
Consortium,
“Home
|
Web
Accessibility
Initiative
(WAI)
|
W3C.”
https://www.w3.org/WAI/
(accessed
Jul.
31,
2022).
[4]
D.
Naranjo-Villota,
J.
Guaña-Moya,
P.
Acosta-Vargas,
and
V.
Muirragui-Irrazábal,
“Evaluación
de
la
accesibilidad
web
en
institutos
acreditados
de
educación
superior
del
Ecuador,”
Rev.
Espac.,
vol.
41,
no.
4,
p.
5,
2020,
[Online].
Available:
http://revistaespacios.com/a20v41n04/20410405.html
[5]
T.
Acosta,
P.
Acosta-Vargas,
J.
Zambrano-Miranda,
and
S.
Lujan-Mora,
“Web
Accessibility
Evaluation
of
Videos
Published
on
YouTube
by
Worldwide
Top-Ranking
Universities,”
IEEE
Access,
vol.
8,
pp.
110994–
1
1
1
0
1
1
,
2
0
2
0
,
d
o
i
:
1
0
.
1
1
0
9
/
A
C
C
E
S
S
.
2
0
2
0
.
3
0
0
2
1
7
5
.
[
6
]
N
.
K
.
E
s
p
a
r
z
a
C
r
u
z
,
Z
.
M
e
r
i
n
o
A
c
o
s
t
a
,
a
n
d
H
.
G
u
e
r
r
e
r
o
T
o
r
r
e
s
,
“
A
c
c
e
s
i
b
i
l
i
d
a
d
W
e
b
e
n
l
a
s
I
n
s
t
i
t
u
c
i
o
n
e
s
d
e
Educación
Superior
del
Ecuador:
Año
2016,”
J.
Sci.
Res.
Rev.
Cienc.
e
Investig.,
vol.
1,
no.
CITT2016,
pp.
44–48,
2016,
doi:
10.26910/issn.2528-8083vol1isscitt2016.2016pp44-48.
[7]
Ó.
R.
G.
López,
T.
M.
B.
Palacios,
and
M.
B.
Mateos,
“El
índice
cuantitativo
de
calidad
web
como
instrumento
objetivo
de
medición
de
la
calidad
de
sitios
web
corporativos,”
Investig.
Eur.
Dir.
y
Econ.
la
Empres.,
vol.
19,
no.
1,
pp.
16–30,
2013,
doi:
10.1016/j.iedee.2012.07.004.
[8]
Y.
S.
Rodríguez,
E.
Á.
Calderón,
L.
B.
Pérez,
and
C.
A.
S.
Anlas,
“State
of
web
accessibility
of
e-government
portals
in
Latin
America,”
Bibl.
An.
Investig.,
vol.
16,
no.
1,
pp.
7–22,
2020.
[9]
L.
Olsina
and
M.
Bérnabe,
“Técnicas
Estadísticas
para
el
Análisis
de
la
Calidad
de
Sitios
Web,”
no.
July,
2019.
[10]
D.
Sato,
H.
Takagi,
and
C.
Asakawa,
“Accessibility
evaluation
based
on
machine
learning
technique,”
Eighth
Int.
ACM
SIGACCESS
Conf.
Comput.
Access.
ASSETS
2006,
vol.
2006,
pp.
253–254,
2006,
doi:
10.1145/1168987.1169041.
[11]
M.
Zhang,
C.
Wang,
Z.
Yu,
C.
Shen,
and
J.
Bu,
“Active
learning
for
web
accessibility
evaluation,”
Proc.
14th
Web
All
Conf.
W4A
2017,
2017,
doi:
10.1145/3058555.3058559.
[12]
S.
Bahram,
D.
Sen,
and
R.
S.
Amant,
“Prediction
of
Web
page
accessibility
based
on
structural
and
textual
features,”
W4A
2011
-
Int.
Cross-Disciplinary
Conf.
Web
Access.,
pp.
5–8,
2011,
doi:
10.1145/1969289.1969329.
[13]
I.
Hernández,
C.
R.
Rivero,
D.
Ruiz,
and
R.
Corchuelo,
“A
statistical
approach
to
URL-based
web
page
clustering,”
WWW’12
-
Proc.
21st
Annu.
Conf.
World
Wide
Web
Companion,
pp.
525–526,
2012,
doi:
10.1145/2187980.2188109.
[14]
M.
Usama
et
al.,
“Unsupervised
Machine
Learning
for
Networking:
Techniques,
Applications
and
Research
Challenges,”
IEEE
Access,
vol.
7,
pp.
65579–65615,
2019,
doi:
10.1109/ACCESS.2019.2916648.
[15]
J.
P.
Bigham,
“Increasing
web
accessibility
by
automatically
judging
alternative
text
quality,”
Int.
Conf.
Intell.
User
Interfaces,
Proc.
IUI,
pp.
349–352,
2007,
doi:
10.1145/1216295.1216364.
[16]
P.
Taylor,
C.
Fraley,
and
A.
E.
Raftery,
“Journal
of
the
American
Statistical
Association
and
Density
Estimation
Model-Based
Clustering
,
Discriminant
Analysis
,
and
Density
Estimation,”
no.
May,
pp.
37–41,
2012.
Zambrano
et al.
Métodos estadísticos de machine learning aplicados en el estudio de la accesibilidad
web: una revisión de la literatura.
V
o
l
.
3
,
S
p
e
c
.
I
s
s
u
e
N
°
1
,
(
p
p
.
1
5
0
-
1
5
7
)
ISSN-E:
2697-3650
Minerva
Journal
157
[17]
T.
Gowda
and
C.
Mattmann,
“Clusteringweb
pages
based
on
structure
and
style
similarity,”
Proc.
-
2016
I
E
E
E
1
7
t
h
I
n
t
.
C
o
n
f
.
I
n
f
.
R
e
u
s
e
I
n
t
e
g
r
.
I
R
I
2
0
1
6
,
p
p
.
1
7
5
–
1
8
0
,
2
0
1
6
,
d
o
i
:
1
0
.
1
1
0
9
/
I
R
I
.
2
0
1
6
.
3
0
.
[18]
J.
Mucha,
M.
Snaprud,
and
A.
Nietzio,
“Web
page
clustering
for
more
efficient
website
accessibility
evaluations,”
Lect.
Notes
Comput.
Sci.
(including
Subser.
Lect.
Notes
Artif.
Intell.
Lect.
Notes
Bioinformatics),
vol.
9758,
pp.
259–266,
2016,
doi:
10.1007/978-3-319-41264-1_35.
[19]
M.
D.
Olvera
Lobo,
M.
Aguilar
Soto,
and
E.
Ruíz
de
Osma,
“Evaluación
de
sitios
web
de
postgrados
b
i
o
m
é
d
i
c
o
s
e
n
E
s
p
a
ñ
a
E
v
a
l
u
a
t
i
o
n
o
f
w
e
b
s
i
t
e
s
f
o
r
b
i
o
m
e
d
i
c
a
l
,
”
v
o
l
.
2
4
,
n
o
.
1
,
p
p
.
4
7
–
6
0
,
2
0
1
2
.
[20]
Servicio
Ecuatoriano
de
Normalización
(INEN),
“Reglamento
Técnico
Ecuatoriano
RTE
INEN
288
‘Accesibilidad
para
el
Contenido
Web,’”
pp.
1–6,
2016,
[Online].
Available:
http://www.normalizacion.gob.ec/wp-content/uploads/downloads/2016/02/RTE-288.pdf.
Zambrano
et al.
Métodos estadísticos de machine learning aplicados en el estudio de la accesibilidad
web: una revisión de la literatura.
V
o
l
.
3
,
S
p
e
c
.
I
s
s
u
e
N
°
1
,
(
p
p
.
1
5
0
-
1
5
7
)