Sistema de recomendación inteligente basado en algoritmos multicriterio para la asignación inclusiva de docentes en plataformas de educación virtual

Resumen

La educación virtual enfrenta un desafío crítico en la inclusión de estudiantes con necesidades educativas especiales (NEE): los procesos de asignación docente se realizan mediante criterios genéricos que ignoran variables como la experiencia en educación inclusiva, competencias digitales y metodologías adaptativas, generando desajustes pedagógicos que afectan el rendimiento y la motivación estudiantil. Esta investigación desarrolló un sistema de recomendación inteligente basado en algoritmos multicriterio —Proceso Analítico Jerárquico (AHP) y AHP Difuso— para optimizar la asignación de docentes a estudiantes con NEE en plataformas de educación virtual. Se adoptó un enfoque metodológico mixto, no experimental transversal, con encuestas aplicadas a 49 docentes y 27 estudiantes de Ingeniería en Software de la Universidad de Guayaquil. El modelo evaluó cinco criterios docentes diferenciados por tipo de discapacidad, obteniendo un Ratio de Consistencia de 0.0579, validando la solidez matemática del sistema. La experiencia práctica con NEE (32%) y la formación específica en inclusión (28%) concentraron el 60% del peso decisional, superando indicadores académicos tradicionales. Se concluye que la integración de algoritmos multicriterio en la gestión educativa mejora significativamente la precisión y equidad en la asignación docente, contribuyendo a una educación virtual más inclusiva.