Sistema de recomendación de matrícula de cursos electivos para estudiantes de Ingeniería Electrónica e Ingeniería de Telecomunicaciones de la UNAD

Abstract

Los cambios en entornos competitivos de las organizaciones y las sociedades, generados por la irrupción de las TICs en diversos ámbitos de la sociedad; la globalización de las economías; la internacionalización de los mercados; y los desarrollos científicos y tecnológicos que han posibilitado y potencializado la libre movilidad de mercancías, personas y conocimientos a nivel mundial, han generado nuevos desafíos para la formación de las personas. Es importante resaltar que los cambios tecnológicos constituyen el motor que impulsa la exploración y búsqueda de nuevas opciones que posibiliten la educación de personas y la generación de condiciones para facilitar los procesos de aprendizaje en la llamada sociedad del conocimiento, dando respuesta a las necesidades de formación de comunidades y personas con dificultades para acceder a la formación tradicional con la educación a distancia, que ha evolucionado hacia la educación virtual soportado en formación E-learning (Castillo et al., 2017). E-learning usa tecnologías digitales para la generación de aprendizajes, conocida también como aprendizaje en medios electrónicos, basado en computadores, a través de internet o, basado en la web. La Universidad Nacional Abierta y a Distancia UNAD centra su formación en el modelo establecido por E-Learning, haciendo énfasis en que su misión es contribuir a la educación para todos a través de la modalidad abierta y a distancia utilizando como eje central lo que se conoce actualmente como ambientes virtuales de aprendizaje utilizando las tecnologías de la información y las comunicaciones para fomentar y acompañar el aprendizaje autónomo (Cardenas et al., 2017). De esta forma, el Modelo Pedagógico Unadista reconoce en su acción e-learning por su amplio potencial comunicativo e interactivo, y por la posibilidad de promover la construcción de sentidos y significados mediante el manejo de la información mediada por diferentes tipos de tecnologías. 6 Actualmente, para el procedimiento de matrícula, se han implementado filtros que le limitan los cursos a seleccionar cuando se trata de un estudiante nuevo y que no ingresa por convenio de homologación, pero en caso contrario, cuando el estudiante ingresa por convenio de homologación con el SENA, se presenta el inconveniente que no se ven relacionados los cursos homologados en el aplicativo de Registro y Control, y por lo tanto, en la plataforma de matrícula le presenta al estudiante una oferta completa llevando a que, en la mayoría de los casos, el estudiante matricule cursos homologados por acuerdos de convenio institucional. Adicional a esto, estudiantes de últimos periodos de matrícula deben seleccionar los cursos electivos disciplinares y de profundización y se requiere de mayor acompañamiento de parte de la universidad aumentando así la atención in situ para asesoría de matrícula, con el fin de apoyar al estudiante para que seleccione cursos de acuerdo con su perfil académico y con el enfoque laboral en el cual se ve inmerso el estudiante. Dentro del procedimiento de matrícula en periodos de 16 semanas se tiene la posibilidad de solicitar cambios de cursos, aplazamientos y/o cancelación de cursos, lo que se conoce en la UNAD como Solicitud de Novedades, estos procedimientos en los diferentes centros de la universidad generan un amplio número de solicitudes radicadas ante Registro y Control, siendo uno de los principales puntos críticos de atención en esta dependencia. Por otra parte, la Cadena de formación en Electrónica Telecomunicaciones y Redes (ETR) no cuenta con un sistema de recomendación de matrícula de cursos electivos que facilite al estudiante la selección de cursos electivos para dar cumplimiento con su respectiva malla curricular y de esta forma aportar en la disminución de los índices de novedades registradas en los diferentes centros a nivel nacional, donde solicitan cancelación, aplazamiento o cambio de cursos debido a matrícula errónea por causas diferentes, resaltando el desconocimiento de prerrequisitos, ya que actualmente la oferta de matrícula no tiene en cuenta todos los prerrequisitos de los cursos electivos. Por lo antes expuesto, vale la pena evaluar qué grado de impacto se puede generar en estudiantes y docentes de los programas académicos mencionados de la Univer7 sidad Nacional Abierta y a Distancia UNAD y, a su vez, en los indicadores de registros de novedades de matrícula en los centros, con la implementación de un sistema basado en inteligencia artificial que genere recomendaciones de cursos electivos a los usuarios para generar matrículas oportunas de acuerdo a su avance en el programa de formación y gustos académicos, de esta manera se logra una propuesta que integre la tecnología con el sector académico que forma en ciencias de ingeniería, en concordancia con los nuevos enfoques tecnológicos, así como generar el beneficio de los futuros profesionales en ramas afines. Este sistema propuesto le entrega al usuario una relación de cursos electivos a matricular teniendo en cuenta el historial académico de varios estudiantes que conforman la base de datos y con esta información, el sistema selecciona los que tendrían mayor afinidad de acuerdo con el perfil del estudiante usuario. Estos cursos corresponden a los que presentan un valor de métricas de medición con mejores características respecto a la matriz de Usuarios/Ítems que conforman el sistema. Esta matriz está conformada por 222 Usuarios (Estudiantes) y 104 Ítems (Cursos), información resultante de una base de datos inicial que contiene información de 253 estudiantes con un total de 11610 datos de cursos en su historial académico en un documento cuyo tamaño inicial era de 417 KB. Como se evidencia, dicha información es organizada y seleccionada teniendo en cuenta que contiene estudiantes matriculados por convenio institucional y eso genera calificaciones vacías en algunos de los ítems relacionados en la base de datos de Cursos. Por lo tanto, se evidencia la necesidad de optimizar la información de la base de datos para la creación del dataframe que comprende el sistema. Adicional, en el desarrollo de la propuesta se generan dos algoritmos de sistemas de recomendación que aplican la técnica de filtrado colaborativo utilizando dos metodologías enfocadas en la factorización matricial, obteniendo así que el primer modelo se enfoca en la factorización matricial no negativa, mientras el segundo modelo propuesto se enfoca en la aplicación de la factorización matricial por SVD; siendo éste último el sistema que genera los mejores resultados en métricas de medición, optimización de tiempo y recursos de máquina y precisión en la recomendación a entregar al usuario del 8 sistema. Es importante resaltar que la evaluación de los modelos propuestos se sustenta en la hipótesis que indica que la eficiencia de los algoritmos para los sistemas de recomendación por filtrado colaborativo toma como base la información relacionada en la matriz de de Usuarios/Ítems y la función de similitud utilizada para la creación del vecindario conformado por los vecinos más cercanos.