Sistema recomendador inclusivo para materiales educativos

Abstract

Resumen: Este trabajo explora la transformación digital de la educación, impulsada significativamente por la pandemia de COVID-19, que incrementó la disponibilidad de recursos educativos digitales y modificó las formas de enseñanza y aprendizaje. La presente investigación tiene como objetivo diseñar, desarrollar e implementar un sistema digital que facilite la selección de recursos adecuados para distintos perfiles de estudiantes. La propuesta integra técnicas de inteligencia artificial para analizar características educativas específicas y generar recomendaciones personalizadas de videos, lecturas, ejercicios y simuladores, favoreciendo procesos de aprendizaje más accesibles e inclusivos. Para el desarrollo del sistema se empleó la metodología CRISP-DM, permitiendo estructurar las etapas de análisis, diseño, desarrollo y validación del prototipo. La investigación contempla la construcción de una base de datos de materiales educativos y la implementación de una interfaz conversacional que permita interactuar de manera sencilla para los usuarios. Los resultados obtenidos muestran la viabilidad de utilizar sistemas recomendadores como apoyo en la docencia, contribuyendo a la personalización del aprendizaje y a la atención de la diversidad estudiantil. Por lo cual se identifican áreas de mejora relacionadas con la ampliación de la base de materiales, la optimización de los mecanismos de recomendación y la incorporación de nuevas estrategias de inclusión educativa. Palabras clave: Inteligencia Artificial, Sistemas Recomendadores, Materiales Educativos, Personalización Del Aprendizaje

Abstract: This work explores the digital transformation of the education system, largely motivated by the COVID-19 pandemic, which increased accessibility to digital educational resources, modifying both teaching styles and learning styles. Objectively, this active research aims to design, develop, and implement a digital system that will facilitate the selection of appropriate resources for different student profiles. The proposal integrates artificial intelligence techniques in a way that analyzes specific educational features and generates personalized recommendations for video lectures, readings, exercises, and simulators, promoting more accessible and inclusive learning processes. The CRISP-DM methodology was used in the system's development, allowing for the structuring of the analysis, design, and validation stages of the prototype. The research considers the construction of an educational materials database and the implementation of a conversational interface that allows for easy interaction for users. The results obtained demonstrate the feasibility of using recommendation systems to support teaching while contributing to personalized learning and highlighting student diversity. Therefore, the areas of improvement are identified as relating to expanding the materials database, optimizing recommendation mechanisms, and incorporating new inclusive educational strategies. Keywords: Artificial Intelligence, Recommendation Systems, Educational Materials, Personalized Learning