Proyecto Final

Universidad Nacional Autónoma de México

Facultad de Ingeniería

Negocios Electrónicos y Desarrollo Web

Prof. M.I. Àngel César Govantes Saldívar

Integrantes:

- Reyes González Agustín Óscar

- Vázquez Zaragoza Jesús Arturo

Fecha de entrega 31 de mayo de 2022

pág. 1
 Objetivo

Realizar un sistema informático capaz de calificar las tareas del área de

matemáticas de los alumnos de nivel medio superior en México de forma
automática, ésto con el fin de disminuir la carga de trabajo de los profesores y
brindarle al alumno su calificación, así como la retroalimentación de manera
oportuna.

pág. 2
 Introducción

Debido al crecimiento exponencial de la población, al aumento de individuos que

toman la decisión de continuar sus estudios a nivel medio superior y que el
incremento de docentes no es de manera proporcional, se ha convertido en una
labor muy importante para los profesores brindar educación de calidad ya que
dicho crecimiento implica más tiempo, esto debido a que el profesor debe calificar
más tareas, exámenes y cualquier otro rubro que considere necesario para la
evaluación de los alumnos y, aunado a todo lo anterior, se requiere de una serie de
actividades para lograr el objetivo de brindar educación de calidad; Se requiere
preparar la clase con anticipación, actualizarse en nuevas tecnologías y estar al
tanto de las modas para brindar mejores herramientas a los estudiantes.

La manera en que esto perjudica a los estudiantes, como ya se mencionó, es que

la calidad de sus clases se ve disminuida y además no reciben de manera oportuna
sus calificaciones, mucho menos retroalimentación, lo que se puede ver reflejado
en sus boletas finales.

En la actualidad, los dispositivos móviles y el fácil acceso a internet nos ha

permitido tener una enorme gama de herramientas y apps que ayudan a los
profesores en la ardua tarea de la evaluación y la administración de sus grupos.
Hablamos de aplicaciones que pueden llevar el control de asistencias, plataformas
para subir documentos, videos o cualquier archivo multimedia y otras herramientas
que calculan los promedios finales de los alumnos pero, hoy en día no hay ninguna
herramienta que facilite la calificación del contenido de dichas tareas.
Como existen diversos tipos de tareas como reportes, diagramas y ejercicios, entre
otros, en este proyecto nos dedicaremos al análisis de las actividades matemáticas
de nivel medio superior, así como proponer herramientas y procesos para
automatizar dicha labor.

pág. 3
 Marco teórico

● Enfoque de problemática

Herramienta Problemática

Las tareas son fundamentales en la educación actual. El problema

Smartask es que consumen mucho tiempo del profesor en su calificación. La
creación de una plataforma que evalúe automáticamente trabajos
y tareas sería muy útil.

● Crecimiento y evolución del sector educativo a nivel medio superior

La educación media-superior, o bachillerato, complementa la enseñanza primaria

superior, que capacita a los alumnos para vivir útilmente en la nación, y prepara a
los alumnos para el ingreso a la universidad.

El sistema educativo mexicano sufre en 1995 una profunda reforma, tanto en su

organización administrativa como en la curricular. Aparece el currículum basado en
competencias y se intenta que los estudios cursados en el bachillerato respondan
directamente a las necesidades del mercado laboral.

La Secretaría de Educación Pública, a través de la Dirección General de

Planeación, Programación y Estadística Educativa (DGPPyEE), presenta las
principales cifras del sistema educativo nacional cada año, esta publicación está
dirigida a tomadores de decisiones, maestros, investigadores, padres de familia,
organizaciones de la sociedad civil y todo aquél interesado en el hecho educativo.

Este documento constituye un compendio de los datos más relevantes y actuales

del Sistema Educativo Nacional (SEN), como número de educandos, docentes y
escuelas, y detalla el comportamiento de los principales indicadores nacionales e
internacionales, ofreciendo un panorama sucinto de la evolución del proceso
educativo en México y un punto de referencia para la comparación con otros
países.

pág. 4
A través de las publicaciones de DGPPyEE y el INEGI logramos obtener los
siguientes datos estadísticos con respecto a la educación media superior.

Alumnos (Nivel medio superior)

Docentes (Nivel medio superior)

Comparativa

Adicional a ésto, puede acceder a los siguientes links que contienen los reportes de
los últimos 5 años donde se detalla, entre otros aspectos, cuántos alumnos

pág. 5
pertenecen a escuelas privadas, cuántos a públicas y cuántos alumnos no son
“absorbidos” del nivel medio al nivel medio superior por entidad.

Reporte 2016 - 2017

Reporte 2018 - 2019

Reporte 2019 - 2020

Reporte 2020 - 2021

● Tecnologías de la información

Plataformas educativas

Una plataforma educativa es un Sistema de Gestión de Aprendizaje, mejor

conocido como LMS (Learning Management System por sus siglas en inglés), y su
función principal es gestionar entornos de aprendizaje a distancia, administrando
recursos que faciliten la interacción entre el alumno y el profesor.

A continuación se nombran algunas plataformas y una breve descripción de los

servicios que ofrece cada una.

● Google Classroom

Las herramientas de Google Classroom están diseñadas para que el educador

organice y ejecute un completo programa académico con sus alumnos de manera
virtual.

Las funciones de Google Classroom sirven para controlar espacios de debate,

aplicar exámenes, clasificar evaluaciones y proyectos, brindar asistencia a los
alumnos o intercambiar comentarios en tiempo real. Además, su interfaz resulta
bastante intuitiva e interactiva para todos, así que puede ser una buena alternativa
para mantener a profesores y alumnos conectados.

● Luca: Plataforma Educativa de Microlearning para Niños

pág. 6
Luca, es una Plataforma Educativa de Microlearning para niños que favorece el
aprendizaje significativo porque ayuda a los alumnos a conectar los conocimientos
con su entorno. Su propósito inicial es democratizar la educación en Latinoamérica,
haciéndola accesible a todos los estudiantes de educación primaria y bachillerato o
secundaria.

● Schoology

Es un sistema especialmente pensado para la creación de contenido académico y

la evaluación sobre el progreso de los alumnos.

Toda su estructura digital está basada en la Nube y su versión de uso es gratuita

para todos, lo que le convierte en una herramienta eficiente y segura para
intercambiar ideas con tus estudiantes en cualquier momento.

Las funciones básicas de Schoology incluyen la reproducción de material

multimedia durante la lección online, adaptación de los cursos predeterminados o la
creación de nuevo contenido, mostrar informes estadísticos sobre actividades y
evaluaciones, entre muchas más herramientas.

Incluso, Schoology dispone de su propia app para sistemas operativos iOS y

Android para que nadie se quede fuera de clases.

Inteligencia artificial en el reconocimiento de texto

El reconocimiento de texto es una técnica analítica que consigue extraer y analizar

la información que se encuentra en documentos de formato imagen, por ejemplo
JPG o PNG. Se puede aplicar a cualquier imagen que contenga texto,
independientemente del idioma en el que esté el mismo.

No se deben analizar los sistemas de reconocimiento de texto como un ente

aislado con la única finalidad de detectar y extraer datos de manera automática de
documentos que a priori no son procesables. El desarrollo de estos sistemas debe
ir de la mano del desarrollo de un sistema de procesamiento de lenguaje natural

pág. 7
(NLP), a partir del cual se puedan analizar y estudiar dichos textos de manera
individual y conjunta, sacando el máximo partido posible de la información.

Redes neuronales

Su habilidad de completar tareas con infinitas combinaciones la hacen idónea

teniendo en cuenta la tendencia al alza de las aplicaciones basadas en Big Data.

No obstante, es su única capacidad para dar sentido a datos incompletos,

ambiguos o contradictorios los que lo hacen realmente valioso. Es decir, la
capacidad para usar procesos controlados cuando no existe un modelo exacto que
seguir.

Estos sistemas de algoritmia que nos ayudan a resolver problemas tienen múltiples
aplicaciones que podemos englobar en:

- Predicción de sucesos y simulaciones: Producción de los valores de salida

esperados en función de los datos entrantes.
- Reconocimiento y clasificación: Asociación de patrones y organización de
conjuntos de datos en clases predefinidas. Incluso identificando
características únicas sin datos previos.
- Procesamiento de datos y modelización: Validación, agregación y análisis de
datos. Diseño y búsqueda de fallos en sistemas de software complejos.
- Ingeniería de control: Monitorización de sistemas informáticos y manipulación
de robots. Incluida la creación de sistemas y robots autónomos.
- Inteligencia Artificial: Formando parte de las tecnologías de deep learning y
machine learning que son partes fundamentales de la inteligencia artificial

Es necesario conocer las metodologías avanzadas. Bajo la premisa del principio de

parsimonia, una metodología sencilla para un problema concreto nos aporta un
modelo falible, pero práctico en la mayoría de los casos.

Reconocimiento de patrones

pág. 8
El reconocimiento de patrones consiste en el reconocimiento de patrones de
señales. Los patrones se obtienen a partir de los procesos de segmentación,
extracción de características y descripción donde cada objeto queda representado
por una colección de descriptores. El sistema de reconocimiento debe asignar a
cada objeto su categoría o clase (conjunto de entidades que comparten alguna
característica que las diferencia del resto). Para poder reconocer los patrones se
siguen los siguientes procesos:

● Adquisición de datos
● Extracción de características
● Toma de decisiones

El punto esencial del reconocimiento de patrones es la clasificación: se quiere

clasificar una señal dependiendo de sus características. Señales, características y
clases pueden ser de cualquiera forma, por ejemplo se puede clasificar imágenes
digitales de letras en las clases «A» a «Z» dependiendo de sus píxeles o se puede
clasificar ruidos de cantos de los pájaros en clases de órdenes aviares
dependiendo de las frecuencias.

Aplicaciones que manejan este tipo de tecnologías

● Photomath

Para poder resolver cualquier problema, Photomath primero tiene que leerlo. A lo
largo de los años, Photomath cambió el enfoque del dispositivo a la computación
en la nube. Cada imagen con un problema matemático ahora se envía a servidores
en la nube y está siendo analizada por una red neuronal muy avanzada. Esta red

pág. 9
determina la fórmula del problema escaneado. En el siguiente paso, se aplica un
algoritmo de resolución de problemas a la fórmula para proporcionar la solución y
los pasos de resolución.

Este sistema experto altamente avanzado que emula la capacidad de resolución de

problemas de un experto en matemáticas humanas está integrado en la aplicación,
proporcionando al usuario una gran experiencia de aprendizaje matemático.

● Microsoft Math Solver

La aplicación es capaz de resolver problemas matemáticos de primaria, media y

secundaria aprovechando un solucionador de matemáticas avanzado que utiliza
Inteligencia Artificial. Todo lo que tenemos que hacer es escribir un problema
matemático en la pantalla o usar la cámara para tomar una foto del problema
matemático.

● Symbolab

Symbolab es un laboratorio de matemáticas en la web, muy bien organizado y

completo, y que incluye la posibilidad de usar el castellano para hacer los cálculos.
Cuenta con múltiples menús que nos facilitan el acceso a una gran variedad de
operaciones bien implementadas.

● Mathpix

Es una aplicación que convierte imágenes y archivos PDF a LaTeX, DOCX,

Overleaf, Markdown, Excel, ChemDraw y más, con tecnología de conversión de
documentos impulsada por IA.

Desarrollo
● Temario escolar
Para el desarrollo de este proyecto, comenzamos buscando cuál es el temario que
manejan las instituciones educativas (públicas y privadas) de este nivel con
respecto al área de matemáticas. Logramos encontrar la siguiente información, la
cuál organizamos en unidades y, que consideramos, son las que tienen mayor
compatibilidad entre instituciones.

pág. 10
 1) Operaciones con números reales, complejos y expresiones algebraicas.
2) Productos notables y factorización.
3) Ecuaciones.
4) Desigualdades.
5) Sistemas de ecuaciones.
6) Funciones algebraicas.
7) Trigonometría.
8) Funciones exponenciales y logarítmicas.
9) Recta.
10) Circunferencia.
11) Parábola.
12) Elipse.
13) Hipérbola.
14) Ecuación general de segundo grado.
15) Límites.
16) La derivada.
17) La integral.

● Encuestas

Como parte fundamental para lograr los resultados deseados, fue necesario
contactar a profesores y alumnos del nivel medio superior para realizar una
encuesta y así determinar sus necesidades con respecto a la automatización de
evaluaciones por medio de la inteligencia artificial.

Se realizaron dos encuestas, una para profesores y una para alumnos cuyas
preguntas se muestran a continuación:

pág. 11
Alumnos

1) ¿Consideras adecuado el tiempo que los profesores tardan en devolverte tus

tareas/trabajos/exámenes/etc?
a) Si
b) No
c) Depende (Respuesta)

2) ¿Consideras que el no recibir tus calificaciones a tiempo perjudica tu

rendimiento escolar?
a) Si
b) No
c) Depende (Respuesta)

3) ¿Cómo consideras la aplicación de la IA para calificar tus tareas de forma

automática?
a) Muy bueno
b) Bueno
c) Regular
d) Malo
e) Muy malo

Profesores

1) ¿Considera adecuado el tiempo que tiene para calificar las

tareas/trabajos/exámenes/etc?
a) Si
b) No
c) Depende (Respuesta)

2) ¿Consideras que el no enviar las calificaciones a tiempo perjudica el

rendimiento escolar de tus alumnos?

pág. 12
 a) Si
b) No
c) Depende (Respuesta)

3) ¿Cómo consideras la aplicación de la IA para calificar las tareas de tus

alumnos de forma automática?
a) Muy bueno
b) Bueno
c) Regular
d) Malo
e) Muy malo

4) Cuando estás calificando un ejercicio, ¿Qué porcentaje le darías a cada

aspecto para calificar dicho ejercicio?
a) Que el problema corresponda al que se dejó
b) La solución sea correcta
c) El desarrollo cuente con los pasos necesarios (se requiere que el
ejercicio se resuelva con el método solicitado)
d) Que sea limpio y ordenado

● Resultados

pág. 13
pág. 14
 ● Metodología

El calificar una tarea no sólo implica ver el resultado, se requiere analizar el

proceso por el cuál se llegó a dicho resultado y, claramente, saber sobre qué
ejercicio se está calificando. Pero antes de explicar la metodología, usaremos un
ejercicio real como referencia de lo que busca el profesor.

Enunciado:

Obtener las soluciones de la siguiente ecuación: 6 x 2+ 11 x−10=0

Solución del profesor:

−b ± √ ❑
x=
❑

−11+ 19 8 2
x 1= = =
12 12 3

−11−19 −30 −5
x 2= = =
12 12 2

pág. 15
La solución que entrega el profesor va a ser estática y podría utilizarse como
referencia para compararlo con la que entreguen los alumnos pero, resulta
imposible asegurar que los alumnos entreguen una tarea idéntica ya que se puede
omitir pasos o símbolos que no perjudican el resultado final, por ejemplo:

−b ± √ ❑
x=
❑

−11+ 19 2 −11−19 −5
x 1= = ; x 2= =
12 3 12 2

Otro ejemplo:

−b ± √ ❑
x=
❑

−11+ 19 8 2 −11−19 −30 −5

x 1= = = ; x 2= = =
12 12 3 12 12 2

A pesar de que cada ejemplo es diferente, todos tienen una solución correcta y el
método para resolver la ecuación es el mismo (en este caso es resolver ecuaciones
de segundo grado por medio de la fórmula general de segundo grado). Por ellos
decidimos que la mejor opción es utilizar IA para calificar estás actividades.

Apoyados de una red neuronal entrenada por los trabajos previamente calificados
(actividades de semestres anteriores), y mediante la aplicación de reconocimiento
de patrones, el labor del sistema consistirá en realizar las siguientes tareas:

● Reconocer que cada foto es diferente.

● Reconocer cada cada elemento del desarrollo escrito por el alumno,
procesarlo por medio de la red neuronal, asignar la calificación.
● Generar un archivo pdf con la solución esperada por el profesor
(retroalimentación).
● Brindarle la opción al profesor de registrar los ejercicios para que los pueda
reutilizar en semestres posteriores mediante un catálogo (se podrá generar
un archivo pdf con los ejercicios seleccionados por el profesor.

pág. 16
 ● Mostrar al alumno cómo se verá su tarea ante el sistema, esto con el fin de
valide que la transcripción de su letra manuscrita sea correcta para brindarle
así la oportunidad de corregir su letra, tal y como se muestra en el siguiente
ejemplo:

Python y Pytesseract

Para ver la implementación de un caso real (aunque no el más óptimo), se realizó

un script en el lenguaje de programación Python apoyado de las librerías de
Pytesseract (librería para el reconocimiento de patrones).

Código

import pytesseract
import cv2

imagen = cv2.imread('img.jpg')
texto = pytesseract.run_and_get_output(imagen)
print(texto)

pág. 17
 Foto tomada por el alumno

Foto del resultado de la interfaz

● Flujo de trabajo (Profesor)

pág. 18
● Aplicación de las redes neuronales

pág. 19
Para que Mathex pueda calificar una tarea lo primero que tiene que hacer es leer la
tarea. Cada imagen es la solución a un problema propuesto por el profesor, estas
imágenes se envían a servidores en la nube para posteriormente ser analizadas
por una red neuronal muy avanzada. Esta red determinará si la resolución del
ejercicio es la correcta tanto en resultados como en procesos.

¿Qué son las redes neuronales?

Las redes neuronales son un subconjunto de machine learning y están en el

corazón de los algoritmos del deep learning. Reflejan el comportamiento del
cerebro humano, permitiendo que los programas informáticos reconozcan patrones
y resuelvan problemas comunes en los campos de la IA, el machine learning y el
deep learning.

Las redes neuronales están compuestas por capas de nodos, que contienen una
capa de entrada, una o más capas ocultas, y una capa de salida. Cada nodo se
conecta a otro y tiene un peso y un umbral asociados. Si la salida de cualquier
nodo individual está por encima del valor de umbral especificado, dicho nodo se
activa, enviando datos a la siguiente capa de la red. De lo contrario, no se pasan
datos a la siguiente capa de la red.

pág. 20
Las redes neuronales dependen de los datos de entrenamiento para aprender y
mejorar su precisión con el tiempo. Sin embargo, una vez que estos algoritmos de
aprendizaje se ajustan a la precisión, son potentes herramientas en la ciencia de
computación e inteligencia artificial, lo que nos permite clasificar y agrupar los datos
a una alta velocidad. Las tareas en reconocimiento de voz o reconocimiento de
imagen pueden tardar minutos frente a horas en comparación con la identificación
manual de expertos humanos.

Actividad Multidisciplinaria
Descripción

Somos una empresa que diseña e implementa soluciones por medio de tecnologías
de la información para mejorar el negocio de nuestros clientes, empresas
dedicadas a la educación. Nuestro trabajo consiste en analizar sus necesidades, y
de manera conjunta, crear arquitecturas de solución basadas en productos de
vanguardia que el negocio demanda. La experiencia, especialización,
reconocimiento del mercado de nuestros servicios profesionales, así como las
alianzas con los fabricantes líderes, nos dan la confianza y respaldo para garantizar
proyectos exitosos que generen valor a nuestros clientes.

A continuación, se nombran a algunos de nuestros clientes:

● Universidad del Valle de México.

● Colegio Nacional de Matemáticas.
● Colegio Nacional de la Educación Profesional Técnica.

Actualmente estamos trabajando en un proyecto cuyo objetivo es realizar un

sistema informático capaz de calificar las tareas del área de matemáticas de los
alumnos de nivel medio superior en México de forma automática, esto con el fin de
disminuir la carga de trabajo de los profesores y brindarle al alumno su calificación,
así como la retroalimentación de manera oportuna.

pág. 21
Para la versión beta, estamos trabajando con aplicaciones de uso gratuito que
cubren distintos aspectos necesarios para lograr el éxito del proyecto, aunado a
esto anterior, trabajamos con tecnologías para el reconocimiento de patrones
basadas en la inteligencia artificial cuyo porcentaje de confiabilidad supera el 90%.

Este proyecto pertenece a un nuevo ámbito que nosotros, como empresa, nunca
habíamos trabajado. Es por ello que acudimos a ustedes en su calidad de
despacho legal con el objeto de despejar las siguientes dudas:

● Al realizar un sistema remunerado que utiliza una aplicación externa y de

uso gratuito, ¿Se tiene que notificar al creador de dicha aplicación externa?,
¿Se le tiene que pagar alguna regalía?

● Al trabajar con algoritmos de inteligencia artificial que garantizan el 90% de

efectividad, si por diferentes circunstancias obtenemos un resultado no
deseado (comprendido en el 10% restante), ¿El cliente puede reclamar
como “defectuoso” el sistema que nosotros desarrollamos, aun siendo
notificado previamente sobre el margen de error?

● El sistema trabaja con los siguientes datos:

- Nombre completo y correo institucional del alumno.
- Nombre completo y correo institucional del profesor.
- Archivos proporcionados por el profesor (Tareas).
- Archivos proporcionados por el alumno (Tareas).

● ¿Qué políticas tenemos que cumplir con respecto a la confidencialidad y

manejo de la información?

● Al desarrollar este proyecto, ¿necesitamos hacer algún registro para

proteger nuestra propiedad intelectual?, en caso de ser así ¿Cuáles son los
pasos a seguir?

pág. 22
 ● Por último, ¿Hay algún otro rubro importante que estemos ignorando y
requiera atención?

Sin más por el momento, agradecemos su atención y esperamos su respuesta para

arreglar temas de cotización, fechas y cualquier otro tema que deba tomar en
cuenta con el Ing. Agustín Reyes cuyos datos de contacto se muestran a
continuación:

Teléfono: 55-5555-5555
Email: contact@nexxusitsolutions.com

● Limitaciones

1) Aceptación del público objetivo.

2) Se deben establecer estándares para mejorar la calidad del sistema.
3) Aunque los algoritmos de inteligencia artificial ya cuentan con una precisión
que supera el 90%, al estar trabajando con las tareas escritas a mano de los
alumnos, es posible que alguno pueda solicitarle al profesor la revisión de su
tarea.
4) Se requiere de una buena cantidad de tareas de cursos anteriores para
poder entrenar las redes neuronales.
5) Se requiere desarrollar la tecnología capaz de poder obtener la información
a través de los archivos proporcionados por los alumnos.

Conclusiones

Reyes González Agustín Óscar

En conclusión es tenemos un proyecto factible, sólo que contamos con algunos

pág. 23
problemas ya que necesitamos entrenar las redes neuronales con la información de
ejercicios realizados por los profesores y desarrollar nuestra propia aplicación para
que el alumno pueda ver el transcrito sus ejercicios y así asegurar que se está
recibiendo la misma información que se envía. Aunado a todo lo anterior, si
queremos escalar el proyecto a futuro y proporcionar retroalimentación
personalizada a los usuarios, será necesario realizar un traductor de lenguaje
LaTex para tener un mayor control en las operaciones de los alumnos. Por último,
podemos asegurar que, una vez descubriendo la fórmula para calificar tareas de
matemáticas, podemos saltar a otras asignaturas como física, química, historia, etc.

Referencias
- ¿Cómo usar Photomath? (s. f.). photomath. Recuperado 23 de mayo de 2022,
de https://photomath.es/uso-de-photomath
- Mathpix Snip. (s. f.). Https://Mathpix.Com/. Recuperado 23 de mayo de 2022,
de https://mathpix.com/
- Figueiras, S., & Figueiras, S. (2022, 4 marzo). ¿Cómo funcionan las Redes
Neuronales? https://www.ceupe.mx/. Recuperado 23 de mayo de 2022, de
https://www.ceupe.mx/blog/como-funcionan-las-redes-neuronales.html#:
%7E:text=Una%20red%20neuronal%20es%20un,las%20neuronas%20en
%20un%20organismo.
- Meneses, N. (2020, 23 septiembre). âAppsâ educativas para rediseñar la
educaciÃ3n del futuro. El PaÃs. Recuperado 23 de mayo de 2022, de
https://elpais.com/economia/2020/09/23/actualidad/1600864548_666566.htm
l
- Reconocimiento de texto: ¿qué es y cómo funciona? (2022, 20 abril). Decide.
Recuperado 23 de mayo de 2022, de
https://decidesoluciones.es/reconocimiento-de-texto/#:%7E:text=El
%20reconocimiento%20de%20texto%20es%20una%20t%C3%A9cnica
%20anal%C3%ADtica%20que%20consigue,el%20que%20est
%C3%A9%20el%20mismo.

pág. 24
- CienciaClip Challenge - ¿Qué son las redes neuronales? (2017, 10 abril).
[Vídeo]. YouTube. https://www.youtube.com/watch?v=rTpr6DuY4LU

pág. 25