Sistemas de recomendación personalizados: implementación de sistemas de recomendación utilizando técnicas de machine learning para mejorar la experiencia del usuario en plataformas en línea

Nelson Salgado Reyes, Graciela Elizabeth Trujillo Moreno

Resumen


Este estudio se propone indagar en la implementación de sistemas de recomendación, haciendo uso de técnicas de aprendizaje automático, con el propósito de potenciar la vivencia del usuario en plataformas digitales. Adoptando un enfoque metodológico cualitativo basado en la revisión bibliográfica, se examinan investigaciones previas centradas en la incorporación de sistemas de recomendación en diversos contextos, como comercio digital, salud, educación y gobernabilidad. La síntesis cualitativa de estos hallazgos busca identificar patrones, tendencias y desafíos comunes, proporcionando una comprensión pormenorizada de las experiencias y prácticas pasadas en distintos entornos. Los resultados obtenidos se centran en lecciones aprendidas y mejores prácticas subrayadas en la literatura, concentrándose en aspectos cualitativos inherentes a la instauración de sistemas de recomendación. Este enfoque cualitativo aspira a enriquecer la comprensión de estrategias clave y consideraciones esenciales para alcanzar una ejecución efectiva en plataformas digitales. En resumen, esta investigación contribuye a desentrañar factores cualitativos críticos que influyen en la implementación de sistemas de recomendación, proporcionando dirección valiosa para futuras instancias.


Palabras clave


Recomendación digital; Aprendizaje automático; Vivencia del usuario; Ejecución; Plataformas en línea.

Texto completo:

PDF HTML

Referencias


Álvarez Villamarin, G. D. R., & Quiñonez Castillo, M. A. (2023). Implementación de un sistema de recomendaciones para licitación de contrataciones públicas en Ecuador basado en técnicas de Machine Learning explicables (Doctoral dissertation, Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Ingeniería en Networking y Telecomunicaciones).

Arcos, M. G. (2023). Módulo de recomendaciones automáticas para un sistema de VR-Shopping.

Arévalo Jeréz, G., & Moreno Corzo, F. E. (2023). Diseño de app móvil que utiliza sistemas de filtrado de información mediante machine learning para identificar, recomendar y describir los datos de contacto de personas que laboran en el sector del calzado.

Blas, J. A. C., Cerdán, M. A., García, A. J. S., & Isidro, S. D. (2023). Inteligencia Artificial en Sistemas de recomendación Médica: Una revisión de la Literatura. ReCIBE, Revista electrónica de Computación, Informática, Biomédica y Electrónica, 12(2), C3-20.

Calderón Mendoza, B. (2023). Predicción en línea del abandono de carrito de compras de un cliente en el sitio web de un e-commerce con técnicas de machine learning.

Canta Belategui, M. (2023). Estudio sobre un sistema de recomendación avanzado: aprendizaje colaborativo de métricas.

Cueva Carmona, M. A., & Ruiz Huamani, R. J. (2022). Sistema de recomendaciones basado en E-learning para la capacitación del personal de embarcaciones en la Empresa Servicio Generales Urka EIRL 2022.

Espino Gallegos, A. S., & Meléndez Acosta, U. Sistema de recomendación con machine learning que utiliza reconocimiento facial para sugerir peinados.

Fieiras-Ceide, C., Vaz-Álvarez, M., & Túñez-López, M. (2023). Designing personalization of European public service media (PSM): trends on algorithms and artificial intelligence for content distribution. Profesional de la información, 32(3).

Galván Espinoza, A. L. A. N. (2023). Machine learning aplicado a la mercadotecnia digital.

Hernández, R., Fernández, C., & Baptista, P. (2014). Metodología de la investigación. México D.F.: McGraw-Hill.

Hortua López, Y. S. (2023). Diseño e implementación de aplicación web para la recomendación de estudios universitarios.

Isusqui, J. C. P., Villavicencio, I. E. S., Inga, C. V., Gutiérrez, H. O. C., Díaz, B. L. G., & Amaya, K. L. A. (2023). La Inteligencia Artificial al servicio de la gestión y la implementación en la educación.

Julca-Mejía, W., & Paucar-Curasma, H. (2023). Sistema de Recomendación basado en Contenido para Jueces de Programación utilizando Procesamiento de Lenguaje Natural y Aprendizaje Profundo. Revista peruana de computación y sistemas, 5(1), 25-32.

Melgarejo Paucar, R. A. (2023). Sistema de recomendación de prendas basado en reconocimiento corporal (SISCORP).

Monroy Durán, C. A. (2023). Diseñar un sistema de aprendizaje adaptativo con machine learning para estudiantes en Colombia.

Robles Ledesma, M. J. (2023). Desarrollo de un aplicativo web para sistemas de recomendación de prácticas preprofesionales en la bolsa de trabajo para los estudiantes de la Universidad Politécnica Salesiana (Bachelor's thesis).

Tenés Trillo, E. (2023). Sistema para generar recomendaciones de cursos en una plataforma de formación.

Torres-Herrera, M., Cuaya-Simbro, G., & Canales-Castillo, C. (2024). Sistemas recomendadores como herramienta en la labor docente: una revisión sistemática. Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI

Ye, C. (2023). Chatbot de recomendación musical basado en Dialogflow.




DOI: https://doi.org/10.23857/pc.v9i1.6477

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/