Asignación óptima de horarios en una universidad para mejorar la eficiencia terminal en la carrera de matemáticas
Conferencista: Dr. Oliver Cuate
Resumen:
La programación eficiente de cursos en instituciones de educación superior es un problema complejo que impacta directamente en la retención estudiantil y la eficiencia terminal. Esta investigación explora un modelo de optimización que integra Algoritmos Genéticos (GA) y Simulación de Monte Carlo para mejorar la planeación académica. El enfoque propuesto asigna cursos de manera dinámica, considerando restricciones como la disponibilidad del profesorado, la demanda estudiantil y las políticas institucionales. Se emplean Cadenas de Markov y el Algoritmo de Metropolis-Hastings para modelar los patrones de inscripción semestral de los estudiantes. Los resultados demuestran que nuestra metodología mejoraría las Tasas de egreso estudiantil que se tienen con la programación actual. Además, nuestro enfoque proporciona un marco flexible que puede adaptarse a distintos contextos institucionales. Los hallazgos contribuyen al desarrollo de Sistemas Inteligentes de programación que respaldan la Toma de decisiones basada en datos en la administración de la educación superior.
Semblanza personal:
Doctor y Maestro en Ciencias en Computación por el Centro de Investigación y de Estudios Avanzados (CINVESTAV-IPN); y Licenciado en Ingeniería Matemática por la Escuela Superior de Física y Matemáticas del Instituto Politécnico Nacional (ESFM-IPN). Actualmente, es Profesor Asociado del Departamento de Matemáticas en la ESFM-IPN, así como Profesor Colegiado en los programas de posgrado en Ciencias Fisicomatemáticas de la ESFM-IPN, en donde se desempeña como coordinador del programa de Maestría, y de los programas institucionales de Ciencia y Tecnología en Inteligencia Artificial y Ciencia de Datos del IPN, de los que fue miembro fundador. Sus líneas de investigación incluyen la Optimización Multiobjetivo y de muchos objetivos, Computación Evolutiva e Inteligencia Artificial. Es miembro Nivel 1 del Sistema Nacional de Investigadoras e Investigadores (SNII).