Selección del docente en el área de programación y base de datos mediante un sistema de recomendación: revisión de literatura

Abstract

Este trabajo considera como desafío, encontrar los indicadores para el perfil docente del área de programación y bases de datos para optimizar la selección y escoger los docentes más aptos para el dictado de una asignatura, para ello se realizó una revisión de literatura sobre el uso de los sistemas de recomendación (SR) basados en inteligencia artificial (IA). Además se propone analizar los beneficios de los SR en entornos educativos, para personalizar su selección y mejorar la calidad de la enseñanza. El objetivo principal del trabajo es desarrollar una revisión de literatura de los SR que permitan evaluar y seleccionar el perfil de los docentes para el dictado de las asignaturas de programación y bases de datos, basándose en diversos indicadores de desempeño y características profesionales y personales. El método aplica una revisión de literatura sobre los SR y su aplicación en el campo educativo, considera tres categorías principales: filtrado colaborativo, basado en contenido e híbrido, así como otros enfoques de estudios previos. Se analiza el caso de AcademicSR de la Universidad de Milagro, que utiliza algoritmos de filtrado colaborativo para la asignación de docentes con un 98% de precisión. Los resultados de esta revisión sugieren que la implementación de SR puede mejorar significativamente la selección de profesores, optimizando el rendimiento académico de los estudiantes y formando profesionales más competentes. En conclusión, la innovación educativa mediante SR no solo es viable, sino también altamente beneficiosa para las instituciones académicas, porque contribuyen una educación más eficiente y personalizada.

Keywords

• sistema de recomendación, inteligencia artificial, python, filtrado de datos, educación, aprendizaje automático