Maldonado Mahauad, Jorge JavierQuito Urgilés, Pablo EstebanValdiviezo Armijos, Juan Javier2025-09-252026-03-012025-09-252025-09-24https://dspace.ucuenca.edu.ec/handle/123456789/47460La asignación adecuada de docentes a materias en educación superior constituye un desa- fío clave para la gestión del talento académico, ya que impacta de forma directa en la calidad del proceso de enseñanza-aprendizaje. Actualmente, este procedimiento suele realizarse de manera manual, lo que introduce limitaciones como subjetividad, falta de estandarización y una alta carga administrativa, derivando en asignaciones subóptimas. Para enfrentar esta problemática, el presente estudio propone y valida un sistema recomendador que optimiza el proceso de asignación docente. El sistema combina el análisis de sentimientos, mediante modelos de lenguaje tipo transformer adaptados al contexto local, con modelos matemáticos que permiten una alineación precisa entre las competencias docentes y los requerimientos académicos de cada asignatura. La generación de perfiles integró evaluaciones históricas, comentarios estudiantiles categorizados automáticamente y competencias definidas en el Pentágono de Competencias Docentes institucional. Además, se incorporaron pesos diná- micos que ajustan la relevancia de los factores según el ciclo académico, favoreciendo la coherencia con las expectativas institucionales. Los resultados muestran que el sistema cumplió los objetivos planteados, generando asignaciones consistentes con los criterios de los directores de carrera de la facultad de ingeniería. La evaluación piloto con tres directores evidenció alta aceptación y valoración positiva de los perfiles y asignaciones propuestas. Si bien las limitaciones del piloto impiden generalizar los hallazgos, los comentarios sugieren un notable potencial de aplicación en contextos similares. En conjunto, el sistema reduce la carga operativa y se posiciona como herramienta estratégica, escalable a otros entornos educativos.The proper allocation of faculty to courses in higher education represents a key challenge in academic talent management, as it directly affects the quality of the teaching–learning process. Currently, this procedure is often carried out manually, introducing limitations such as subjectivity, lack of standardization, and high administrative workload, which frequently lead to suboptimal assignments. To address this issue, the present study proposes and va- lidates a recommender system designed to optimize the faculty assignment process. The system combines sentiment analysis, through transformer-based language models adapted to the local context, with mathematical models that enable precise alignment between faculty competencies and the specific academic requirements of each course. Faculty profiles were generated by integrating historical evaluations, automatically categorized student feedback, and competencies defined by the institutional Faculty Competency Pentagon. In addition, dynamic weights were incorporated to adjust the relevance of factors according to the aca- demic term, ensuring consistency with institutional expectations. The results demonstrate that the system met the proposed objectives, producing assignments consistent with the cri- teria of program directors in the faculty of engineering. A pilot evaluation with three directors revealed high acceptance and positive assessments of the proposed profiles and assign- ments. Although the limitations of the pilot study prevent broad generalization, the feedback suggests significant potential for application in similar contexts. Overall, the system reduces operational workload and positions itself as a strategic tool with scalability and applicability to other educational environments.application/pdf112 páginasspahttps://creativecommons.org/licenses/by-nd/4.0Ingeniería en ComputaciónMotor predictivoPerfil docenteIngeniería InformáticabachelorThesisopenAccess