REPÚBLICA BOLIVARIANA DE VENEZUELA

UNIVERSIDAD JOSÉ ANTONIO PÁEZ

FACULTAD DE INGENIERÍA
ESCUELA DE COMPUTACIÓN

DISEÑO DE UN MODELO FUNCIONAL DE UN SISTEMA INTELIGENTE PARA

LA RECOMENDACIÓN DE OBJETOS DE APRENDIZAJES

Autor(es): Sebastian Salazar

Fernando Rodríguez

Tutor (a): Lic. María Silva

San Diego, diciembre 2022

 Capítulo I

El problema

Planteamiento del problema

Las herramientas más conocidas y utilizadas que proporciona el aprendizaje
automático son los sistemas de recomendación. Son tan efectivos que somos bombardeados
diariamente con recomendaciones, sugerencias y "afiliados" recomendados por varias
aplicaciones y sitios web. Los ejemplos más sonados del uso de esta tecnología son sin
duda las recomendaciones de series y películas de éxito de Netflix, las recomendaciones de
canciones y artistas de Spotify, o las ofertas de venta cruzada de Amazon, que resultan muy
atractivas para cualquier usuario.
Pero Google también recomienda búsquedas relacionadas, aplicaciones de Android
en su tienda y amigos de Facebook. O la habitual "lectura relacionada" en blogs y
periódicos. Todos los e-commerce famosos deberían estar utilizando esta herramienta, si no
lo hacen... perderán su ventaja competitiva al aumentar las ventas. Un sistema de
recomendación, es un algoritmo que intenta "predecir" dichos elementos (productos,
canciones, etc.) que comprará un usuario determinado. Antes del aprendizaje automático, lo
más común era usar "rankings" o una lista de los productos más votados o más populares.
Por lo tanto, se recomienda a todos los usuarios por igual. Es una técnica que aún
se usa y funciona en muchas situaciones, por ejemplo, las librerías tendrán una sección de
bestsellers. ¿Pero si pudiéramos hacerlo mejor? ¿Qué pasa si hay usuarios a los que no les
gusta emparejar y no los bloquearemos? Los sistemas de recomendación intentan
personalizar al máximo lo que quieren entregar a cada usuario.
Esto ahora es posible gracias a la gran cantidad de información personal que
podemos recopilar de las personas, lo que nos permite lograr más visitas y mejorar la
experiencia del usuario de Internet sin ofrecer productos a ciegas.
Los sistemas de recomendación funcionan como lo hacen, gracias a algunos
algoritmos que optimizan el análisis de datos para crear recomendaciones.
Uno de los algoritmos de gestión más utilizados para los sistemas de recomendación
es el algoritmo del vecino más próximo. Infiere patrones de gusto y preferencia a partir de
los datos proporcionados y utiliza datos de vecinos cercanos que tienen características
similares a los vecinos originales y genera recomendaciones basadas en esos datos. Estos
datos también se pueden determinar o calcular utilizando otros algoritmos reconocidos,
como la correlación de Pearson.
Este es un algoritmo de similitud que recopila datos de preferencia del usuario y
determina pesos de similitud para evaluar la relación entre dos usuarios y hacer
recomendaciones de contenido basadas en esa similitud.
En los últimos años, muchas organizaciones han desarrollado este tipo de sistemas
para mejorar sus servicios utilizando una de las aplicaciones más avanzadas de la
inteligencia artificial: el aprendizaje automático. Dados los diferentes enfoques
mencionados anteriormente para construir sistemas de recomendación, su objetivo es
seleccionar e implementar una priorización de referencia óptima para determinar la mejor
estrategia para respaldar las recomendaciones de libros en el sistema.
Estos sistemas deben tener ciertos parámetros o características que son importantes
para brindar recomendaciones que satisfagan a los usuarios. La calidad de las
recomendaciones se refleja en su relevancia para los intereses de los usuarios. Sin embargo,
los usuarios también quieren un nivel de novedad que les permita explorar nuevos intereses
y así ampliar sus gustos o necesidades.
Un hecho que se menciona a menudo cuando se habla de sistemas de
recomendación es la aleatoriedad, y aunque es muy similar a la novedad (porque te permite
encontrar nuevos productos que se adapten a un gusto particular), las recomendaciones son
sorprendentemente "listas para usar". Usar". Inesperado", pero logró llamar la atención del
usuario.
Otro factor importante es la seguridad y confidencialidad de la información
procesada por el usuario, que es probablemente la característica más importante que afecta
la confianza del usuario en el sistema. Además de las características anteriores, los sistemas
de recomendación necesitan procesar grandes cantidades de datos para ser realmente útiles.
Los sitios los recopilan específicamente cuando capturan el comportamiento del
usuario o las interacciones con las páginas web, o cuando solicitan directamente a los
usuarios información sobre sus gustos e intereses.
 Formulación del problema

¿Será necesario el diseño de un modelo funcional de un sistema inteligente para la

recomendación de objetos de aprendizajes?

Objetivos de la investigación

Objetivo General
Diseñar un Modelo Funcional de un Sistema inteligente para las recomendaciones
de objetos de aprendizajes.

Objetivos Específicos
 Diagnosticar los modelos actuales de los sistemas de recomendaciones de datos.
 Evaluar las carencias de los programas ya asistentes.
 Diseñar un sistema inteligente para las recomendaciones de objetos de aprendizajes.
 Determinar los resultados obtenidos para definir la mejor técnica de Machine
Learning que serviría de apoyo para el sistema de recomendación de libros en un
ambiente.

Justificación de la Investigación

La presente investigación se centrará en uno de los pasatiempos humanos, a saber,

los libros y los sistemas de recomendación, que se deben considerar al elegir o preferir un
libro antes de comenzar a leer, como aprender los gustos de los usuarios o lectores y contar
auto historias de acuerdo con los lectores.
De igual forma, los usuarios o lectores también buscarán, escribirán y analizarán
qué tipo de autor son en los libros que leen, cómo escriben historias, su trayectoria en su
trabajo, su estética, cómo trabajan, sus métodos de escritura y sus arquetipos. Para mejorar
el servicio al usuario y mejorar la calidad de los resultados de las consultas de los usuarios,
se ofrece un sistema de recomendación de libros utilizando la información recopilada en las
transacciones.
 Cabe resaltar, que el presente trabajo de investigación puede ser referido como
apoyo documental o de campo para posteriores estudios que se realicen en la Universidad
José Antonio Páez (UJAP), relacionados a aplicaciones u software para la base de datos de
la biblioteca. Por consiguiente, la investigación en los beneficios que obtendrán estará
enmarcados en la capacitación académica y experiencia en la solución del problema,
conocimientos que servirán de base al momento de poner en práctica el diseño.
Alcance
El objetivo de este trabajo es definir un método que permita el desarrollo de
sistemas de recomendación considerando la integración con la aplicación en la fase de
despliegue comprende un desarrollo extenso y paralelo que puede comprender otras
metodologías y puede ser implementado en el marco de otro TDG (Trabajo de Grado).
Este trabajo incluyó varias fases para implementar un sistema de recomendación
como estrategia para crear ofertas profesionales para clientes de banca institucional. En este
trabajo se implementará un sistema de recomendación en el cual se analizará el negocio,
recolectarán datos, se prepararán para un posterior modelado y evaluación en el que
quedará listo para su despliegue e integración
Se explorarán varios factores, como el estudio del entorno actual, la exploración de
técnicas de análisis de datos para formular estrategias y brindar asesoramiento preciso a los
usuarios comerciales, y se utilizarán ejemplos de instituciones financieras. Es importante
enfatizar que este trabajo no implicará comentarios profundos de los clientes, ni el modelo
se implementará en un entorno de producción para brindar a los clientes ofertas a través de
los canales de distribución.
Debido a problemas legales, no se mostrarán los resultados que podrían revelar
información confidencial del cliente, ni se mostrarán los números exactos de los resultados
esperados, pero se generarán estimaciones aproximadas y conclusiones cualitativas sobre el
enfoque.
 Limitaciones
Conociendo la familia de dispositivos y teniendo en cuenta el tiempo disponible
para realizar el trabajo relacionado, solo se consideran superiores aquellos dispositivos que
entran en contacto directo con el producto, por lo que el límite se determina en función de
la información del tipo de dispositivo y el compromiso con la privacidad del usuario,
cambios de catálogo y reaprendizaje
Por otro lado, el sistema de recomendación funcionará con un inicio en frío, pero
también hay casos en que las recomendaciones para usuarios o productos inusuales pueden
afectar el sistema de filtrado colaborativo, ya que el número total de calificaciones es
siempre menor que el número total de calificaciones posibles; acerca del sistema de
recomendación en varias instalaciones educativas puede facilitar a los usuarios completar
tareas y encontrar fácilmente información relevante.
 Capitulo II

Marco teórico

El marco teórico es importante, ya que contiene la ubicación contextual del

problema en una determinada situación histórico social, sus relaciones con otros hechos; las
vinculaciones de los resultados por obtener con otros ya conseguidos; pero además, las
definiciones de nuevos tópicos que van a permitir de una manera técnica fundamentar todas
y cada una de las teorías expuestas.
Antecedentes

Se presentan algunos de los trabajos más representativos respecto a los avances

logrados y las técnicas utilizadas para desarrollar sistemas de recomendación de libros.

Otero P. Pedraza. E (2021) ¨ Sistemas de recomendación en educación: una

reseña de los mecanismos de recomendación en entornos de aprendizaje virtual (E-
learning) ¨ dicha investigación realizada por la Revista de Ingenierías: Universidad de
Medellín, ISSN 1692-3324, Vol. 20, Nº. 38, 2021, págs. 147-158. Recientemente, han
emergido nuevas tendencias y metodologías que han favorecido enormemente al sector
educativo. Se propuso el e-learning como alternativa a los procesos de enseñanza y
aprendizaje regulares ha transformado las dinámicas educativas debido a la inclusión de los
MOOC, entornos personales de aprendizaje, permitiendo que el proceso educativo sea
llevado a cabo en un nivel personalizado en donde el foco esté puesto en los estilos de
aprendizaje y el perfil del estudiante. En relación al presente trabajo, la investigación
propone una revisión de trabajos actuales alrededor de mecanismos de aprendizajes de
máquina para hacer recomendaciones en el entorno educativo, en donde se encuentra que,
aparte del descubrimiento del estilo de aprendizaje del estudiante, es importante conocer su
nivel de conocimiento y su velocidad de aprendizaje, así como las herramientas usadas por
el estudiante para llevar a cabo sus estudios. Finalmente, se hace énfasis en la oportunidad
de implementar y seguir investigando estas cuestiones en el país.
 Así mismo, los autores  Andrea Otero, Wilfred Rivera Martínez, Camilo Pedraza, José Raúl
Canay Pazos (2019) ¨Sistema adaptativo basado en mecanismos de aprendizaje
automático para la apropiación de tecnologías en estudiantes de educación media¨ este
artículo de investigación de Telos: Revista de Estudios Interdisciplinarios en Ciencias
Sociales, ISSN-e 1317-0570, Vol. 21, N.º. 3 (Septiembre-Diciembre 2019), págs. 526-543,
va dirigido en base a los sistemas analíticos y bases de datos de mecanismos de aprendizaje
automático integrado a una de las plataformas digitales de aprendizaje más usadas en el
mundo (open EDX) como aporte al mejoramiento de los procesos de aprendizaje en
estudiantes de educación media de municipios de Colombia. Metodológicamente con base
en Creswell y Plano Clark (2007) y Clements et al. (2017), este proyecto propone
estrategias de mejoramiento a los sistemas que posibilita la recomendación de contenidos
educativos adecuados a las características individuales de estudiantes teniendo en cuenta las
limitaciones en el uso y apropiación social de las tecnologías en las instituciones
educativas, se realizaron entrevistas con docentes y grupos focales con estudiantes de
grados 10 y 11 de media vocacional; como resultado se generó una propuesta de
arquitectura funcional que permite la generación de recomendaciones iniciales de
contenidos administrados según el desempeño de los estudiantes y las características
propias del territorio.
 Bases teóricas

En base al propósito del trabajo el cual es ¨Diseño de un modelo funcional de un

sistema inteligente para la recomendación de objetos de aprendizajes¨, se citan las
siguientes bases teóricas que fundamentan la investigación.

Sistema Recomendador

El sistema de recomendación SR está asociado a un conjunto de elementos I = {i1..., in}

y tiene como objetivo recomendar elementos I que puedan ser de interés para el usuario.
Por ejemplo, SR puede ser para recomendar películas; de hecho, a lo largo de la
literatura encontramos muchos ejemplos de SR de cine, como FilmConseil,
MovieFinder, Reel o MetaLens, etc. En el caso de Recuperación de documentos SR, el
elemento será un documento guardado.

La implementación de las técnicas utilizadas para el desarrollo de RS está

estrechamente relacionada con el tipo de información a utilizar. La primera fuente de
información a tener en cuenta es el tipo de proyecto que vamos a abordar. En algunos
casos, solo conocemos un identificador para cada elemento.

En otros casos, obtendremos más información sobre el elemento utilizando múltiples

propiedades. En el caso de las recomendaciones de películas, pueden ser el año en que
se realizó la película, su género, director, personajes principales, etc.

En caso de recuperación de documentos, la información de la que disponemos serán los

términos del índice utilizados en su nombre.

En cualquier caso, algunos aspectos que debemos considerar sobre las recomendaciones en
el diseño de SR son:

 Representación de las recomendaciones: Los contenidos de una evaluación

pueden venir dados por un único bit (recomendado o no) o por comentarios
de texto sin estructurar.
 Expresión de las recomendaciones: Las recomendaciones pueden ser
introducidas de forma explícita o bien de forma implícita.
  Aspectos de identificación de la fuente: Las recomendaciones pueden
realizarse de forma anónima, identificando la fuente, o bien usando un
pseudónimo.
 Forma de agregar las evaluaciones: Se refiere a cómo vamos a ir agregando
las evaluaciones disponibles sobre los ítems de cara a generar las
recomendaciones. Más adelante entraremos en más detalle sobre este aspecto
que es de suma importancia de cara a clasificar los SR.
 Uso de las recomendaciones: Las recomendaciones se pueden usar de
distintas formas. Por ejemplo, se podrían mostrar los ítems en forma de lista
ordenada según las recomendaciones de cada uno, o a la hora de visualizar
los ítems que se muestre también su recomendación.

Modelo Funcional

Es una herramienta que hace bien su trabajo y trae alegría a sus usuarios. Un buen
modelo de trabajo tiene en cuenta todos los aspectos básicos e ignora por completo los
detalles más finos. Por esta razón, es muy importante tener un objetivo muy claro y
preciso antes de desarrollar el modelo.

Técnica de Retroalimentación de Información

Un sistema de recomendación debe proporcionar un mecanismo para recopilar la

mayor cantidad de información posible sobre los perfiles de usuario para descubrir sus
preferencias e intereses para ciertos objetos y luego generar mejores recomendaciones.
Este proceso se llama retroalimentación. Como se muestra en el proceso de
retroalimentación, se divide en dos tipos: retroalimentación implícita y
retroalimentación explicita.
Retroalimentación Implícita

Este proceso implica evaluar objetos sin la intervención del usuario. En otras palabras,
esta evaluación se realiza sin el conocimiento del usuario, capturando información
obtenida de las acciones del usuario en la aplicación. Cuando el usuario, p. acceder a
noticias o leer un artículo en línea, el sistema puede inferir si el contenido es interesante
en función del tiempo dedicado a leerlo.

Retroalimentación Explicita

En el proceso de revisión, los usuarios califican el contenido asignándole una

puntuación. La retroalimentación clara proporciona un mecanismo para que los usuarios
expresen claramente su interés en un objeto.

Sistema de Recomendación Híbridos

Debido a la complementariedad de los dos, los sistemas híbridos se benefician de las

características de los sistemas colaborativos y basados en contenido. Se están realizando
esfuerzos para abordar las deficiencias de ambos sistemas para obtener mejores
recomendaciones. Para crear un sistema de colaboración híbrido basado en contenido,
los perfiles de usuario se mantienen en función del análisis de contenido de elementos y
estos perfiles se comparan directamente para determinar la similitud de los usuarios
para la recomendación colaborativa.
Bases legales

En este proyecto se reúnen las leyes, normas, resoluciones, decretos y ordenanzas

posibles que involucran los medios digitales.

La Constitución de la República en el artículo 108 establece “El Estado garantizará

servicios públicos de radio, televisión y redes de bibliotecas y de informática, con el fin de
permitir el acceso universal a la información. Los centros educativos deben incorporar el
conocimiento y aplicación de las nuevas tecnologías, de sus innovaciones, según los
requisitos que establezca la ley” y para satisfacer la creciente demanda que existe en el país.

En el marco legal, Venezuela se fundamenta de manera concreta en nuestra Carta

Magna de 1999, donde establece en los artículos 108, 109 y 110, que el Estado venezolano
garantizará y designará recursos suficientes para el servicio de información mediante los
servicios de informática y medios de comunicación en pro del conocimiento y al derecho a
acceder a la información.

Por consiguiente, uno de los objetivos que persigue el estado según el decreto 825 y
conforme al artículo 110 de dicha constitución son: incluir el uso de Internet en el progreso
social y económico del país, en la generación de conocimientos, en el incremento de la
eficiencia empresarial, en la calidad de los servicios públicos, económico, social, cultural y
político de la República.

Definición de términos básicos

Explícito: Es aquello que expresa una cosa con claridad y determinación. Cuando algo
es explícito, puede ser apreciado o advertido de manera evidente, sin lugar a dudas.
Implícito: Se refiere a todo aquello que se entiende que está incluido, pero sin ser
expresado de forma directa o explícitamente.
Recomendación: Es la acción y la consecuencia de recomendar (sugerir algo, brindar
un consejo). Una recomendación, por lo tanto, puede tratarse de una sugerencia referida
a una cierta cuestión.
Retroalimentación: La retroalimentación incluye una serie de elementos relacionados
entre sí, y se designa para mencionar el regreso de una parte de la salida a la propia
entrada, es un concepto muy utilizado en el ámbito de la comunicación.
Sistema: Es un conjunto de elementos interrelacionados que trabajan juntos. Aunque
cada elemento de un sistema puede funcionar de forma independiente, siempre es parte
de una estructura más grande. Además, un sistema puede ser parte de otro sistema.