Sistema de recomendación neutrosófico multicriterio para personalización de cursos en entornos e-learning

Resumen

Este artículo describe el desarrollo de un prototipo funcional de sistema de recomendación para plataformas e-learning, fundamentado en lógica neutrosófica y técnicas de decisión multicriterio. El objetivo consistió en diseñar una herramienta capaz de personalizar recomendaciones de cursos de acuerdo con las preferencias individuales de los estudiantes. Se utilizaron los algoritmos AHP y TOPSIS en sus versiones neutrosóficas, donde se modelaron los criterios de relevancia, dificultad y tiempo mediante tripletas (T, I, F) para representar el grado de verdad, indeterminación y falsedad en la evaluación. La metodología implementada permitió capturar las preferencias del estudiante desde una interfaz web, generar automáticamente la matriz de comparación AHP neutrosófica y calcular los pesos relativos para cada criterio. Posteriormente, se aplicó TOPSIS para determinar el orden óptimo de los cursos. La aplicación fue desarrollada con Python (Flask), incorporando visualizaciones dinámicas, carga de datasets en formato CSV y generación automática de recomendaciones justificadas. Los resultados obtenidos demuestran que el sistema puede generar rankings coherentes y adaptativos, incluso en condiciones de incertidumbre. Se concluye que la lógica neutrosófica es adecuada para mejorar la personalización en entornos educativos, permitiendo representar mejor la subjetividad de las preferencias estudiantiles y la ambigüedad inherente a los datos disponibles.