Sistema recomendador de recursos académicos para estudiantes universitarios

Autores/as

  • Giancarlo Ricardo Silva Gomez Universidad Nacional Mayor de San Marcos. Lima, Perú
  • Roberto Sifuentes Marcelo Universidad Nacional Mayor de San Marcos. Lima, Perú

DOI:

https://doi.org/10.15381/risi.v17i2.28406

Palabras clave:

Ciclo de vida de software, Sistema de recomendación, Kaggle, e-learning, aprendizaje automático

Resumen

La pandemia generó una mayor importancia a la educación online. Cientos de estudiantes se inscriben a cursos online ofertados por universidades u otras instituciones. Sin embargo, por la gran cantidad de opciones esto supone un problema al elegir el curso, además en el país existe un desbalance entre la oferta y demanda laboral. Las empresas están solicitando profesionales con más capacidades tecnológicas; por lo que el objetivo del sistema es mejorar el proceso de orientación académica a estudiantes universitarios: Recomendar cursos basándose en sus búsquedas. El sistema fue desarrollado según la metodología del ciclo de desarrollo de software que consta de 4 etapas: Análisis, Diseño, Desarrollo y Testeo, con una duración estimada de 2 meses, donde los datasets usados fueron 3 de la plataforma Kaggle basándose en plataformas de e-learning como Udemy. Para validar, se realizó una encuesta a 20 alumnos de último ciclo de la facultad de Ingeniería de Sistemas de la UNMSM porque estos alumnos están más capacitados en la carrera y tienen más definidas sus dudas sobre las competencias que desean adquirir. Los resultados mostraron que, como mínimo, un 75% de los encuestados considera que el sistema es útil; les ayuda en su orientación académica y les ahorra tiempo de búsqueda considerablemente cumpliendo con el objetivo de la investigación en un nivel considerable en la mayoría de encuestados.

Descargas

Los datos de descarga aún no están disponibles.

Descargas

Publicado

2024-12-31

Número

Sección

Artículos

Cómo citar

[1]
“Sistema recomendador de recursos académicos para estudiantes universitarios”, Rev.Investig.sist.inform., vol. 17, no. 2, pp. 25–32, Dec. 2024, doi: 10.15381/risi.v17i2.28406.