Sistema Recomendador para la Asignación de Profesores en la Universidad de Cuenca

Resumen

La asignación de docentes a materias en educación superior constituye un desafío crítico para la gestión académica, ya que impacta directamente en la calidad del proceso de enseñanza-aprendizaje. A pesar de su vigencia, los procesos manuales de asignación enfrentan retos evidentes, como la subjetividad, la falta de estandarización y una elevada carga administrativa. Frente a este escenario, este trabajo plantea un sistema recomendador que combina el análisis de sentimientos, mediante modelos de lenguaje basados en transformers adaptados localmente (RoBERTuito), con técnicas de optimización matemática, con el propósito de alinear las competencias de los docentes con los requerimientos académicos específicos. Para ello, se desarrollaron perfiles docentes enriquecidos a partir de evaluaciones históricas, comentarios estudiantiles clasificados automáticamente y competencias definidas institucionalmente bajo el marco del pentágono de competencias. Además, se incorporaron pesos dinámicos que permiten ajustar la relevancia de los factores pedagógicos y técnicos según las particularidades de cada ciclo académico. Los resultados obtenidos con el sistema recomendador muestran una alta correspondencia entre las recomendaciones generadas y las asignaciones manuales, especialmente en carreras de perfil técnico. Adicionalmente, los directores de carrera que lo utilizaron en un piloto valoraron favorablemente el sistema, indicando que no solo disminuye significativamente la carga operativa, sino que también se consolida como una herramienta estratégica con alto potencial de escalabilidad y replicabilidad en diversos contextos educativos.