Revista científica

Mecanismos de autenticación accesibles en sistemas web y móviles para personas con discapacidad: una revisión sistemática de la literatura

Abstract In the digital age, authentication is essential for accessing the web and mobile platforms, yet many mechanisms still overlook the accessibility challenges faced by people with disabilities. In this work, a systematic literature review was conducted, considering studies published between 2014 and the first quarter of 2025. To this effect, the Kitchenham guidelines were followed. An automated search strategy was implemented to identify relevant studies addressing authentication mechanisms, accessibility, and disability. The data extraction process was systematically guided by six research questions. The findings were synthesized through a narrative approach in order to facilitate their organization and interpretation. A total of 50 studies was selected, addressing diverse authentication methods, accessibility considerations, disability types, and system contexts (web and mobile). The literature shows a predominant focus on visual impairments and usability aspects, while other types of disability remain underrepresented. Passwords and PINs continue to be the most widely used mechanisms, although there is a growing adoption of biometric alternatives. The limitations are mainly related to user capabilities, system design, and process complexity. These results highlight the need to design and evaluate more inclusive authentication solutions, ensuring accessibility validation with representative user groups.

Resumen En la era digital, la autenticación es esencial para acceder a la web y a las plataformas móviles. Sin embargo, muchos mecanismos aún pasan por alto los desafíos de accesibilidad que enfrentan las personas con discapacidad. En este trabajo se realizó una revisión sistemática de la literatura, considerando estudios publicados entre 2014 y el primer trimestre de 2025. Para ello, se siguieron las directrices de Kitchenham. Se implementó una estrategia de búsqueda automatizada para identificar estudios relevantes que abordan mecanismos de autenticación, accesibilidad y discapacidad. El proceso de extracción de datos fue guiado de manera sistemática por seis preguntas de investigación. Los hallazgos se sintetizaron mediante un enfoque narrativo para facilitar su organización e interpretación. Se seleccionó un total de 50 estudios, que abordan diversos métodos de autenticación, consideraciones de accesibilidad, tipos de discapacidad y contextos de sistema (web y móvil). La literatura muestra un enfoque predominante en las discapacidades visuales y en aspectos de usabilidad, mientras que otros tipos de discapacidad permanecen subrepresentados. Las contraseñas y los PIN continúan siendo los mecanismos más utilizados, aunque se observa una adopción creciente de alternativas biométricas. Las limitaciones se relacionan principalmente con las capacidades de los usuarios, el diseño del sistema y la complejidad de los procesos. Estos resultados ponen de relieve la necesidad de diseñar y evaluar soluciones de autenticación más inclusivas, garantizando la validación de la accesibilidad con grupos de usuarios representativos.

Resumo Na era digital, a autenticação é essencial para acessar a web e as plataformas móveis. No entanto, muitos mecanismos ainda negligenciam os desafios de acessibilidade enfrentados por pessoas com deficiência. Neste trabalho realizou-se uma revisão sistemática da literatura, considerando estudos publicados entre 2014 e o primeiro trimestre de 2025. Para isso, seguiram-se as diretrizes de Kitchenham. Implementou-se uma estratégia de busca automatizada para identificar estudos relevantes que abordam mecanismos de autenticação, acessibilidade e deficiência. O processo de extração de dados foi sistematicamente orientado por seis questões de pesquisa. Os achados foram sintetizados por meio de uma abordagem narrativa, a fim de facilitar sua organização e interpretação. Um total de 50 estudos foi selecionado, abordando diversos métodos de autenticação, considerações de acessibilidade, tipos de deficiência e contextos de sistema (web e móvel). A literatura mostra um foco predominante em deficiências visuais e em aspectos de usabilidade, enquanto outros tipos de deficiência permanecem sub-representados. Senhas e PINs continuam sendo os mecanismos mais utilizados, embora haja uma adoção crescente de alternativas biométricas. As limitações estão principalmente relacionadas às capacidades dos usuários, ao desenho do sistema e à complexidade dos processos. Esses resultados evidenciam a necessidade de projetar e avaliar soluções de autenticação mais inclusivas, garantindo a validação da acessibilidade com grupos de usuários representativos.

Análisis de modelos de ML para el reconocimiento de objetos 3D con base en datos biométricos de eye-tracking en el contexto de la UX y el diseño centrado en el usuario

Abstract Recent advances in the analysis of machine learning (ML) models for accurate prediction have led to new approaches for classifying and clustering variables related to user experience (UX). In this study, however, the focus is not only on modeling variables, but also on capturing the dynamics of visual attention in relation to object properties. We evaluate models such as KNN, SVM, and K-means, which emerge as the most relevant for classifying visual attention patterns. When combined with the principles of user-centered design, this approach enables the construction of user profiles based on their interaction capabilities with the interface. Furthermore, it examines how 3D object properties—such as shape, color, shading, direction of motion, and motion acceleration—influence the information conveyed to users, thus shaping their UX directly. This method aims to enhance UX design and enable more precise representation of target users. In 11 exploration tests, the three ML models analyzed obtained an accuracy of 44, 72, and 65%.

Resumen Los avances recientes en el análisis de modelos de aprendizaje automático (ML) para la predicción precisa han dado lugar a nuevos enfoques para clasificar y agrupar variables relacionadas con la experiencia de usuario (UX). En este estudio, sin embargo, el enfoque no se limita a modelar variables, sino también a capturar la dinámica de la atención visual en relación con las propiedades de los objetos. Se evalúan modelos como KNN, SVM y K-means, que se perfilan como los más relevantes para la clasificación de patrones de atención visual. Al combinarse con los principios del diseño centrado en el usuario, este enfoque permite la construcción de perfiles de usuario basados en sus capacidades de interacción con la interfaz. Además, se examina cómo las propiedades de los objetos 3D—como la forma, el color, el sombreado, la dirección del movimiento y la aceleración del movimiento—influyen en la información transmitida a los usuarios, configurando así su UX de manera directa. Este método tiene como objetivo mejorar el diseño de la UX y permitir una representación más precisa de los usuarios objetivo. En 11 pruebas exploratorias, los tres modelos de ML analizados obtuvieron precisiones del 44, 72 y 65 %.

Resumo Avanços recentes na análise de modelos de aprendizado de máquina (ML) para previsão precisa têm levado a novas abordagens para classificar e agrupar variáveis relacionadas à experiência do usuário (UX). Neste estudo, no entanto, o foco não se limita à modelagem de variáveis, mas também à captura da dinâmica da atenção visual em relação às propriedades dos objetos. Avaliam-se modelos como KNN, SVM e K-means, que se destacam como os mais relevantes para a classificação de padrões de atenção visual. Quando combinada com os princípios do design centrado no usuário, essa abordagem permite a construção de perfis de usuário com base em suas capacidades de interação com a interface. Além disso, examina-se como as propriedades dos objetos 3D—como forma, cor, sombreamento, direção do movimento e aceleração do movimento—influenciam a informação transmitida aos usuários, moldando diretamente sua UX. Esse método tem como objetivo aprimorar o design de UX e permitir uma representação mais precisa dos usuários-alvo. Em 11 testes exploratórios, os três modelos de ML analisados obtiveram acurácias de 44, 72 e 65%.

Análisis de la detección de code smells mediante enfoques de aprendizaje automático y aprendizaje profundo

Abstract Detecting code smells (CS) is important for preventing future problems in software development. It also helps to improve software quality and save time on maintenance. This study contributes with a systematic experiment that integrates data leakage control, rigorous preprocessing, and the comparison of machine learning (ML) and deep learning (DL) models, contributing with a replicable methodology for CS detection. To this effect, an experiment was designed which focuses on CS analysis using artificial intelligence approaches. ML and DL models were applied to the dataset based on method-level software metrics. The methodological process included comprehensive processing, which addressed variable cleaning and normalization, transformations, and feature reduction. In addition, the issue of data leakage was controlled to ensure the validity of the results. Multiple ML models (random forest, support vector machines, decision trees, k-Nearest Neighbors, Naive Bayes, and logistic regression) and an DL model based on a multilayer perceptron (MLP) were trained and evaluated. The results showed remarkable performance in most models, achieving accuracy between 94 and 98% after cross-validation with ten folds. However, the MLP stood out with an accuracy close to 99%, positioning it as the best-performing classifier for CS detection.

Resumen Detectar code smells (CS) es fundamental para prevenir problemas futuros en el desarrollo de software. Además, contribuye a mejorar la calidad del software y a ahorrar tiempo en el mantenimiento. Este estudio aporta un experimento sistemático que integra el control de fugas de datos, un preprocesamiento riguroso y la comparación de modelos de aprendizaje automático (AA) y aprendizaje profundo (AP), lo que proporciona una metodología replicable para la detección de OC. Para ello, se diseñó un experimento centrado en el análisis de OC mediante enfoques de inteligencia artificial. Se aplicaron modelos de AA y AP al conjunto de datos en función de métricas de software a nivel de método. El proceso metodológico incluyó un procesamiento exhaustivo que abarcó la limpieza y normalización de variables, transformaciones y reducción de características. Asimismo, se controló el problema de las fugas de datos para garantizar la validez de los resultados. Se entrenaron y evaluaron múltiples modelos de AA (bosque aleatorio, máquinas de vectores de soporte, árboles de decisión, k-vecinos más cercanos, Naive Bayes y regresión logística) y un modelo AP basado en un perceptrón multicapa (MLP). Los resultados mostraron un rendimiento notable en la mayoría de los modelos, alcanzando una precisión de entre el 94 y el 98 % tras la validación cruzada con diez pliegues. Sin embargo, el MLP destacó con una precisión cercana al 99 %, posicionándose como el clasificador con mejor rendimiento para la detección de OC.

Resumo A deteção de code smells (CS) é importante para prevenir problemas futuros no desenvolvimento de software. Ajuda também a melhorar a qualidade do software e a poupar tempo na manutenção. Este estudo contribui com uma experiência sistemática que integra o controlo de fuga de dados, o pré-processamento rigoroso e a comparação de modelos de aprendizagem automática (ML) e aprendizagem profunda (DL), contribuindo com uma metodologia replicável para a deteção de CS. Para tal, foi desenhada uma experiência com foco na análise de CS utilizando abordagens de inteligência artificial. Os modelos de ML e DL foram aplicados ao conjunto de dados com base em métricas de software ao nível do método. O processo metodológico incluiu o processamento abrangente, que abordou a limpeza e normalização de variáveis, transformações e redução de recursos. Além disso, a questão da fuga de dados foi controlada para garantir a validade dos resultados. Múltiplos modelos de ML (floresta aleatória, máquinas de vetores de suporte, árvores de decisão, k-vizinhos mais próximos, Naive Bayes e regressão logística) e um modelo de DL baseado em um perceptron multicamada (MLP) foram treinados e avaliados. Os resultados mostraram um desempenho notável na maioria dos modelos, atingindo uma precisão entre 94 e 98% após validação cruzada com dez folds. No entanto, a MLP destacou-se com uma precisão próxima dos 99%, posicionando-se como o classificador com melhor desempenho para a deteção de code smells.

Análisis del tamaño de fragmentos y el solapamiento en la optimización de bases de datos vectoriales para la automatización de agentes de IA

Abstract Recent advances in language models and retrieval-augmented generation (RAG) systems have highlighted the importance of optimizing parameters such as chunk size and overlap when vectorizing unstructured data for efficient information retrieval. This study explores the impact of varying chunking configurations on the performance of a RAG system designed to answer queries regarding the Regulations of the Social Service of the Faculty of Science at UNAM. Using N8N as the integration platform and OpenAI’s gpt-4o-mini as the LLM tool, different chunking strategies were evaluated based on four key metrics: correctness, semantic similarity, context relevance, and answer relevance. The results suggest that, while the overall performance differences between chunking strategies were not statistically significant, variations in chunk size and overlap can influence the consistency and quality of responses, particularly regarding answer relevance. These findings offer practical guidelines for optimizing chunking parameters in a RAG system for retrieving information from regulations documents, in order to enhance retrieval accuracy and response reliability.

Resumen Los avances recientes en modelos de lenguaje y sistemas de generación aumentada por recuperación (RAG) han destacado la importancia de optimizar parámetros como el tamaño de los fragmentos y su solapamiento al vectorizar datos no estructurados para una recuperación de información eficiente. Este estudio explora el impacto de diferentes configuraciones de fragmentación en el rendimiento de un sistema RAG diseñado para responder consultas sobre el Reglamento del Servicio Social de la Facultad de Ciencias de la UNAM. Utilizando N8N como plataforma de integración y OPENAI gpt-4o-mini como herramienta de LLM, se evaluaron diferentes estrategias de fragmentación con base en cuatro métricas clave: corrección, similitud semántica, relevancia del contexto y relevancia de la respuesta. Los resultados sugieren que, si bien las diferencias generales de rendimiento entre las estrategias de fragmentación no fueron estadísticamente significativas, las variaciones en el tamaño de los fragmentos y su solapamiento pueden influir en la consistencia y calidad de las respuestas, particularmente en lo que respecta a la relevancia de la respuesta. Estos hallazgos ofrecen lineamientos prácticos para optimizar los parámetros de fragmentación en un sistema RAG destinado a recuperar información de documentos reglamentarios, con el fin de mejorar la precisión de la recuperación y la confiabilidad de las respuestas.

Resumo Avanços recentes em modelos de linguagem e sistemas de geração aumentada por recuperação (RAG) têm destacado a importância de otimizar parâmetros como o tamanho dos fragmentos e sua sobreposição ao vetorizar dados não estruturados para uma recuperação eficiente de informação. Este estudo explora o impacto de várias configurações de fragmentação no desempenho de um sistema RAG projetado para responder a consultas sobre o Regulamento do Serviço Social da Faculdade de Ciências da UNAM. Usando o N8N como plataforma de integração e o OpenAI gpt-4o-mini como ferramenta de LLM, diferentes estratégias de fragmentação foram avaliadas com base em quatro métricas-chave: correção, similaridade semântica, relevância do contexto e relevância da resposta. Os resultados sugerem que, embora as diferenças gerais de desempenho entre as estratégias de fragmentação não tenham sido estatisticamente significativas, variações no tamanho dos fragmentos e na sobreposição podem influenciar a consistência e a qualidade das respostas, particularmente no que diz respeito à relevância da resposta. Esses achados oferecem diretrizes práticas para otimizar os parâmetros de fragmentação em um sistema RAG destinado à recuperação de informações a partir de documentos regulamentares, a fim de melhorar a precisão da recuperação e a confiabilidade das respostas.

Identificación de atributos de calidad de software para entidades muy pequeñas

Abstract Nowadays, software systems are increasingly important and are rapidly growing in complexity and size. Their development involves large, medium, small, and very small entities (VSEs). The latter play a critical role in the supply chain, so developing high-quality software in accordance with established standards is fundamental to ensure the success of their software products. Applying standards such as ISO/IEC 29110 supports VSEs by providing efficient processes and increased productivity. However, standards such as ISO/IEC 25010, which provide a quality model for software products and quality in use, are not intended for implementation in VSEs. This paper presents an exploratory study that identifies the relevant quality characteristics and sub-characteristics in VSEs, as well as the practices they use to achieve product quality.

Resumen En la actualidad, los sistemas de software son cada vez más importantes hoy en día y su complejidad y tamaño aumentan rápidamente. Su desarrollo involucra a entidades grandes, medianas, pequeñas y muy pequeñas. Estas últimas desempeñan un papel fundamental en la cadena de suministro, por lo que desarrollar software de alta calidad conforme a los estándares establecidos resulta clave para garantizar el éxito de sus productos. La aplicación de estándares como ISO/IEC 29110 apoya a las Entidades Muy Pequeñas (EMP) al proporcionar procesos más eficientes y mayor productividad. Sin embargo, estándares como ISO/IEC 25010, que proporcionan un modelo de calidad para productos de software y para la calidad en uso, no están destinados a su implementación en EMP. Este artículo presenta un estudio exploratorio que identifica las características y subcaracterísticas de calidad relevantes en las EMP, así como las prácticas que emplean para lograr la calidad del producto.

Resumo Atualmente, os sistemas de software são cada vez mais importantes e estão crescendo rapidamente em complexidade e tamanho. Seu desenvolvimento envolve grandes, médias, pequenas e microempresas (EMPs). Estas últimas desempenham um papel crucial na cadeia de suprimentos, portanto, o desenvolvimento de software de alta qualidade, em conformidade com padrões estabelecidos, é fundamental para garantir o sucesso de seus produtos. A aplicação de normas, como a ISO/IEC 29110, auxilia as EMPs, proporcionando processos mais eficientes e maior produtividade. No entanto, normas como a ISO/IEC 25010, que fornecem um modelo de qualidade para produtos de software e qualidade em uso, não são destinadas à implementação em EMPs. Este artigo apresenta um estudo exploratório que identifica as características e subcaracterísticas de qualidade relevantes em EMPs, bem como as práticas que utilizam para alcançar a qualidade do produto.