Dispositivo IoT para prevenir la violencia de género usando TinyML
-
Avila Rodríguez, Mónica Tamara [1] ; Quizhpe Buñay, Elsa Marina [1] ; Chango Sailema, Wilson Gustavo [1] ; Arciniegas, Stalin [2]
-
[1] Pontificia Universidad Católica del Ecuador
Pontificia Universidad Católica del Ecuador
Quito, Ecuador
-
[2] PUCE-SI
-
- Localización: Axioma: Revista de docencia, investigación y proyección social., ISSN-e 2550-6684, ISSN 1390-6267, Vol. 1, Nº. 29, 2023 (Ejemplar dedicado a: Revista Científica de docencia, investigación y proyección social), págs. 77-84
- Idioma: español
- Enlaces
-
Resumen
- español
El estudio se enmarca en el desarrollo de una solución basada en el Internet de las Cosas (IoT) y el aprendizaje automático para prevenir y detectar situaciones de peligro relacionadas con la Violencia basada en el Género (VBG). El objetivo es proporcionar una herramienta útil y accesible para las mujeres en riesgo, contribuyendo así a la prevención y reducción de la VBG.
El problema que aborda el estudio es la violencia basada en el género, un tema de gran relevancia social y humanitaria. Se busca utilizar tecnologías digitales y aprendizaje automático para detectar palabras asociadas con situaciones de peligro y prevenir la VBG en tiempo real.
Para abordar el problema, se utiliza una data set público creado por Microsoft que contiene muestras de audio de diferentes palabras, incluyendo palabras asociadas con situaciones de peligro como "yes" y "no", así como otras palabras y ruido estático.
Se utilizan datos de audio en formato WAV, divididos en ventanas de un segundo con una frecuencia de muestreo de 16000 Hz. Se selecciona una ventana de datos homogénea con una duración de un segundo y se utiliza el coeficiente cepstral de frecuencia (MFCC) para resaltar la voz humana y reducir el ruido de fondo.
El modelo desarrollado mostró un buen desempeño en general, con una eficiencia promedio del 91.3% en el conjunto de entrenamiento y del 85.83% en el conjunto de evaluación. Se obtuvo una alta precisión en la detección de palabras asociadas con situaciones de peligro, como "yes" y "no". Se reconoce que la tecnología tiene un papel significativo en abordar la VBG, pero también se enfatiza en la necesidad de un compromiso de la sociedad y los gobiernos para lograr un cambio duradero y significativo en la erradicación de este problema a nivel mundial.
- English
The study is framed within the development of a solution based on the Internet of Things (IoT) and machine learning to prevent and detect dangerous situations related to Gender Based Violence (GBV). The goal is to provide a useful and accessible tool for women at risk, thus contributing to the prevention and reduction of GBV.
The problem addressed by the study is gender-based violence, an issue of great social and humanitarian relevance. It seeks to use digital technologies and machine learning to detect words associated with dangerous situations and prevent GBV in real time.
To address the problem, a public data set created by Microsoft containing audio samples of different words, including words associated with dangerous situations such as "yes" and "no", as well as other words and static noise, is used.
Audio data in WAV format is used, divided into one-second windows with a sampling rate of 16000 Hz. A homogeneous data window with a duration of one second is selected and the frequency cepstral coefficient (MFCC) is used to highlight the human voice and reduce background noise.
The developed model showed good overall performance, with an average efficiency of 91.3% in the training set and 85.83% in the evaluation set. High accuracy was obtained in the detection of words associated with danger situations, such as "yes" and "no". It is recognized that technology has a significant role to play in addressing GBV, but it also emphasizes the need for a commitment from society and governments to achieve lasting and significant change in eradicating this problem worldwide
- español
