1

DATOS GENERALES

Nombre del proyecto

Automatización de la distribución optima de horarios de clases mediante el
uso de un sistema Informático basado en algoritmos genéticos en la
facultad de ingeniería de sistemas e informática de la UNSM-T.

Ubicación geográfica del proyecto

Facultad de Ingeniería de Sistemas e informática de la Universidad
Nacional de San Martin.

Período de ejecución del proyecto

Julio de 2016 a Noviembre de 2016.

Facultad que presenta el proyecto

Facultad de Ingeniería de Sistemas e Informática.

Programa y línea de investigación prioritaria

Programa
Estrategias de tecnologías de información y comunicación (TIC) y
sistemas constructivos convencionales y no convencionales para el
desarrollo sostenible.
Línea de investigación
Inteligencia Artificial y recuperación de la información.
 2

ÍNDICE

CAPÍTULO I: EL PROBLEMA ................................................................................... 4

1.1. Planteamiento del problema ....................................................................... 4
1.2. Formulación del problema .......................................................................... 5
1.3. Objetivos..................................................................................................... 5
1.3.1. Objetivo General .............................................................................. 5
1.3.2. Objetivos Específicos ....................................................................... 5
1.4. Justificación de la Investigación ................................................................. 6
1.5. Limitaciones................................................................................................ 7
CAPÍTULO II: MARCO TEÓRICO CONCEPTUAL ................................................... 8
2.1. Antecedentes de la investigación ............................................................... 8
2.2. Bases teóricas ............................................................................................ 10
2.3. Definición de términos básicos ................................................................... 15
CAPÍTULO III: HIPÓTESIS Y VARIABLES ............................................................... 17
3.1. Hipótesis ..................................................................................................... 17
3.2. Sistema de variables .................................................................................. 20
3.3. Operacionalización de variables ................................................................. 18
CAPÍTULO IV: MARCO METODOLÓGICO .............................................................. 19
4.1. Tipo y nivel de investigación ....................................................................... 19
4.2. Diseño de investigación .............................................................................. 19
4.3. Población y muestra ................................................................................... 20
4.4. Técnicas e instrumentos de recolección de datos ...................................... 22
4.5. Técnicas de procedimientos y análisis de datos......................................... 23
CAPÍTULO V: ASPECTOS ADMINISTRATIVOS ...................................................... 25
5.1. Cronograma de actividades ........................................................................ 25
5.2. Recursos humanos..................................................................................... 26
5.3. Recursos materiales ................................................................................... 26
5.4. Recursos financieros .................................................................................. 26
BIBLIOGRAFÍA ......................................................................................................... 28
 3

INTRODUCCIÓN

El Proyecto de Investigación titulado “Automatización de La Distribución

Optima de Horarios de Clases Mediante El uso de un Sistema Informático
Basado en Algoritmos Genéticos En La Facultad de Ingeniería de
Sistemas e Informática de la UNSM-T”, presentado por el Autor Eduardo
Javier Pérez Cenepo en el marco del Reglamento de concurso de
Proyectos de Investigación Científica-Tecnológica e Innovación a Nivel de
Docentes y para Tesis a Nivel de Pregrado, financiados por la UNSM-T
período 2016, con el propósito de Automatizar la Optima distribución de
Horarios de Clases en la Facultad de Ingeniería de Sistemas e
Informática, a desarrollarse desde el mes de Julio a Noviembre del
presente año, Se iniciara analizando el actual proceso de distribución de
horarios de clases y las dificultades que actualmente se presenta, luego
implementando un Sistema Informático basado en algoritmos genéticos
para la óptima distribución de los horarios de clases, y finalmente
analizaremos la influencia del sistema informático en la Distribución de
horarios de clases en la Facultad de Ingeniería de Sistemas e Informática.
El Estudio será de tipo Aplicada-Transversal, a Nivel Experimental y a un
Sub-Nivel de Pre-Experimental, porque se trabajará con un solo grupo
denominado experimental, correspondiente a la muestra.
 4

CAPÍTULO I: EL PROBLEMA

1.1. Planteamiento del Problema

La creación de horarios académicos para la carrera de ingeniería de
sistemas es un proceso que se da semestralmente en el cual se busca
ordenar y distribuir en el espacio temporal las diferentes asignaturas a ser
impartidas. Es decir, se busca una hora de inicio y de fin para cada una de
las asignaturas así como un aula o laboratorio, además de un docente que
pueda hacerse cargo en un intervalo de tiempo.

La creación de los horarios se ha dado de la misma manera desde el

nacimiento de la carrera sin que se haya implementado una solución
informática para esta actividad que actualmente presenta deficiencias
como la dificultad Tecnológica para la elaboración de Horarios y
Distribución de Aulas que hace más engorroso al momento de asignar las
aulas y cursos tomando demasiado Tiempo, conflictos y dificultades en
publicación en los murales y portales de la Facultad. Por otro lado el
aumento de estudiantes desaprobados trae como consecuencia la
insatisfacción por parte de los docentes frente a la excesiva demanda del
alumnado en un determinado curso conllevando a no utilizar
apropiadamente las aulas y laboratorios. Así mismo el Cruce de Horarios
genera una incomodidad en los estudiantes al momento de las matrículas,
muchas veces llevando a invertir demasiado tiempo en busca de una
posible solución, que generalmente concluye en la pérdida de la asignatura
trayendo como consecuencia el retraso y desnivel académico.

Los problemas mencionados tienen su origen en la falta de un soporte

tecnológico que facilite y optimice el trabajo realizado, pero que a su vez
permita utilizar todo el conocimiento adquirido por la persona encargada de
la creación de los horarios durante los años pasados. Adicional a la
 5

naturaleza humana de la creación de los horarios la gran cantidad de

información que es necesario manipular hace que el proceso sea más
susceptible de errores.

Debido a los problemas expuestos en ocasiones existe inconformidad con

el proceso de creación de horarios por parte de las autoridades, docentes y
estudiantes.

La facultad de Ingeniería de Sistemas e informática dela UNSM-T alberga

más de 300 estudiantes matriculados por cada ciclo Académico y necesita
de una herramienta informática que Automatiza la Distribución Optima de
Horarios de Clases.

1.2. Formulación del Problema

¿Cómo Automatizar la distribución óptima de horarios de clases en la
Facultad de Ingeniería de sistemas e Informática de la UNSM-T?

1.3. Objetivos
1.3.1. Objetivo General
Automatizar la Distribución optima de horarios de clases con el uso
de un sistema informático basado en Algoritmos Genéticos.
1.3.2. Objetivos Específicos
a) Estudiar las normativas vigentes con respecto a la Asignaciones
Horarias en la Facultad de Ingeniería de Sistemas.
b) Implementar un sistema informático de gestión horaria basada
en algoritmos genéticos mediante el uso de técnicas de
inteligencia artificial.
c) Determinar en qué medida el uso de un sistema Informático
Basado en Algoritmos Genéticos incide en la distribución optima
 6

de horarios de clases en la Facultad de ingeniería de Sistemas

e Informática de la UNSM-T.

1.4. Justificación de la Investigación

La presente investigación permite utilizar los Algoritmos Genéticos
mediante un sistema Informático para garantizar una solución
Automatizada de la Optima Distribución de Horarios de clases para los
ciclos académicos programados en la Facultad de Ingeniería de Sistemas
e Informática de la UNSM-T, solucionara las incomodidades,
inconvenientes a los estudiantes y docentes permitiendo mantener un
proceso de matrícula satisfactorio, con esto contaremos con una
herramienta tecnológica que servirá para ser replicada en otras facultades.

Con esta tecnología la Facultad de Ingeniería de Sistemas e Informática de

la UNSM-T ahorrará tiempo y recursos, además la ODRA obtendrá en
forma oportuna los horarios y aulas para el proceso de matrícula. En un
futuro la Universidad Nacional de San Martin podrá utilizar esta Solución en
las demás Facultades y se pueda satisfacer a toda la comunidad
universitaria.

La creación de un sistema que resuelva y Automatice el problema de la

Distribución de horarios de clases y genere automáticamente la
programación de grupos, aulas y docentes sin violar las restricciones
fuertes, minimizando las restricciones medias y suaves, optimizando la
utilización de las aulas, cumpliendo con las restricciones de la normativa de
la Facultad traerá como consecuencia condiciones para mejor el tiempo y
la optimización de recursos, así como también la satisfacción de los
estudiantes.
 7

1.5. Limitaciones
La Poca información sobre el Uso de Algoritmos Genéticos en el Uso de
Sistemas Informáticos para la Solución de problemas. Ésta limitación se
puede superar, ejerciendo un estudio detallado sobre estos Algoritmos y su
correcto uso en la solución de problemas.
La Recopilación de información documentaria sobre los cruces de horarios
en años pasados como fuente estadística para poder comparar la
efectividad de la solución planteada respecto a los años anteriores. Esta
Limitación se puede superar con la ayuda del Departamento Informático de
la Facultad de Ingeniería de Sistemas e Informática de le UNSM-T.
 8

CAPÍTULO II: MARCO TEÓRICO CONCEPTUAL

2.1. Antecedentes del investigación

a) Aranda Benitez (2007), en su tesis “Generación de Horarios Mediante
Sistemas Basados en Conocimientos” para obtener el grado de Maestro
en Ciencias de la Computación, llegó a las siguientes conclusiones:
 Los métodos de programación lineal proporcionan una solución
parcial al problema de la generación de horarios, utilizan una
“receta” predefinida para lograr la optimización de la asignación de
recursos como lo hace el método Húngaro.
 La Inteligencia Artificial soluciona el problema utilizando la
heurística, el conocimiento y la experiencia de un experto humano
para solucionar el problema de generación de horarios.

b) Pineda Arias (2011), en su tesis “Sistemas Inteligente De Soporte en la

Generación de Horarios Académicos Para La Carrera de Ingeniería de
Sistemas De la Universidad Politécnica Salesiana” para obtener el grado
de Ingeniero de Sistemas, llegó a las siguientes conclusiones:
 El uso del término timetable redefinió la investigación al encontrar la
gran cantidad de investigación realizada en esta área como
modelos matemáticos y llevó a utilizar la meta-heurística como
aproximación para la solución.
 La utilización de algoritmos genéticos fue el resultado de una
evolución constante durante el proyecto, así pues se evaluó el uso
de redes neuronales, búsquedas, sistemas expertos hasta concluir
que la mejor forma de evaluar la solución era a través de estos
algoritmos.
c) Sanz Bobi (2001), en su tesis “Control de Procesos Basado en eventos
Mediante Bases de Conocimientos Borrosas y Algoritmos Genéticos” para
obtener el grado de Doctor, llegó a las siguientes conclusiones:
 9

 El Control Óptimo de procesos, bien sea para fabricación,

programación de tareas, gestión de recursos, planificación de
movimientos, etc. plantea una naturaleza muy compleja y las
técnicas de optimización convencionales se ven reforzadas con
mecanismos de búsqueda basados en adaptación evolutiva para
encontrar la Solución.
 Se ha establecido una metodología de trabajo propia para llevar a
cabo el desarrollo de un controlador capacitado para adaptarse a
cambios de funcionalidad; basándose en la búsqueda de nuevo
conocimiento a partir de las técnicas evolutivas y en particular en
los algoritmos genéticos.
d) Sergio Morel (2010), en su Proyecto de “Optimización de Horarios de
Examen Utilizando Algoritmos Genéticos” concluye:
 Mediante este proyecto se logró solucionar el problema de creación
y optimización de horarios para la Facultad Politécnica de la UNE, a
través de la utilización de la inteligencia artificial.
e) Moya Anegón , Herrero Solana y Guerrero Bote ( 2011) en su proyecto “La
aplicación de Redes Neuronales Artificiales (RNA): a la recuperación y
organización de la información”, llegan a las siguientes conclusiones:
 De las distintas categorías de las Redes Neuronales Artificiales, la
más apropiada para resolver el problema es la familia de las Redes
Neuronales de reacción basadas en neuronas multiestado con
ecuaciones de teoría de campos con significado controlando las
dinámicas.
f) Guervaz y Beatriz (2011), en su proyecto “Un sistema experto basado en
reglas para la automatización de la elaboración de horarios para un
conjunto de restricciones particulares”, llegan a las siguientes
conclusiones:
 El conjunto de restricciones que nos han permitido realizar la
especificación del sistema EAH, se pueden aplicar sin más que
 10

ligeras modificaciones a multitud de casos. De hecho, la estrategia

propuesta por el experto se ha aplicado ya con éxito a la
elaboración de los horarios de licenciaturas correspondientes a
otras facultades.
 El sistema es factible a la introducción de nuevos prerrequisitos
fuertes (como el uso de laboratorios o de paquetes software), o la
posibilidad de elaborar de forma conjunta los horarios de todas o
algunas de las carreras que imparte la Universidad, para que no
sólo se tengan en cuenta las necesidades de los alumnos sino
también las de los docentes, de forma que también estos últimos
tengan un horario lo más compacto posible.

2.2. Bases teóricas

A continuación se exponen las bases teóricas del proyecto de
investigación:

2.2.1. Sistema Informático Experto

Bajo el término de Sistemas Informático Expertos se entiende un
nuevo tipo de software que imita el comportamiento de un experto
humano en la solución de un problema. Un Sistema Informático
Experto puede almacenar conocimientos de expertos para un
campo determinado y solucionar un problema mediante
razonamiento lógico de conclusiones.
Los Sistemas Informáticos Expertos son sistemas que buscan
modelar el conocimiento y procedimientos usados por un experto
humano para resolver un problema determinado (Sánchez, 1999).

Los Sistemas Informáticos Expertos son uno de los puntos que

componen las investigaciones en el campo de la Inteligencia
 11

Artificial Un sistema de computadoras que trabaje con técnicas de

IA deberá estar en situación de combinar información de forma
“inteligente”, alcanzar conclusiones y justificarlas (al igual que el
resultado final).
Los Sistemas Informáticos Expertos son una expresión de los
sistemas basados en el conocimiento. Con la aplicación de
técnicas de Inteligencia Artificial finaliza la transición del
procesamiento de datos al procesamiento de conocimientos
Un Sistema Experto es un sistema informático que simula el
proceso de aprendizaje, de memorización, de razonamiento, de
comunicación y de acción de un experto humano en una
determinada rama o dominio. Estas características le permiten
almacenar datos y conocimiento, sacar conclusiones lógicas, tomar
decisiones, aprender de la experiencia y los datos existentes,
comunicarse con humanos, explicar el porqué de las decisiones
tomadas y realizar acciones como consecuencia de todo lo
anterior.
La incorporación dentro de un sistema de computadoras de un
componente basado en el conocimiento, correspondiente a una
habilidad experta, de tal forma que el sistema pueda ofrecer
asesoramiento inteligente o tomar una decisión inteligente sobre
una función del proceso. Una característica adicional deseable, que
muchos consideran fundamental, es la capacidad del sistema, si se
le solicita, de justificar su propia línea de razonamiento de un modo
directamente inteligible para el interrogador. El estilo adoptado para
alcanzar estas características es la programación basada en
reglas" (Waterman, 1986).
 12

2.2.2. Algoritmos Genéticos

Un algoritmo genético es un método meta-heurístico de resolver un
problema dado, este tipo de algoritmo está inspirado en la
evolución natural para su implementación.
En 1975 el profesor universitario John Holland escribió su libro
“Adaptation in Natural and Artificial Systems”, el cual constituyó el
punto de partida para una área de investigación que hasta nuestros
días es motivo de interés y utilidad. Holland y los demás trabajos
que han seguido desarrollándose con posterioridad proponen que
un problema dado puede resolverse generando una conjunto inicial
de posibles soluciones para luego evolucionar este conjunto hasta
que una de las soluciones satisfaga el problema. La evolución a la
cual se somete al conjunto de soluciones está inspirada en la teoría
de la evolución propuesta por Darwin.
Los algoritmos genéticos han sido probados en la resolución de
varios problemas con el pasar del tiempo, entre los que se puede
mencionar:
• Tareas de calendarización
• Optimización combinatoria
• Detección de virus informáticos
• TSP (Problema del vendedor viajante)

Los algoritmos genéticos han demostrado ser una buena forma de

resolver problemas en donde el objetivo es buscar la mejor
combinación posible como respuesta. En términos generales se
puede decir que un algoritmo genético puede utilizarse para
resolver problemas del tipo COP (Combinatorial Optimization
Problem).

La teoría de la evolución por selección natural de Darwin propone

que para una población dada de seres vivos los que persisten de
 13

generación en generación son los que mejores características

poseen.

2.2.3. El proceso de la elaboración de horarios

El proceso de la elaboración de horarios abarca cada acción que
es requerida para crear el horario final, completo y correcto de los
datos iniciales. Esto incluye recibir, validar y dar formato a los
datos, generar la versión inicial, hacer las correcciones y luego
producir el condensado final de horarios.
El proceso de la generación de horarios abarca:
• La generación del dato de cuántos cursos se va a ofertar
• Asignación de horario a esos cursos
• Proporcionar aulas a los cursos
• Designar profesores para los cursos definidos
La parte difícil de esto es generar los horarios con los recursos
disponibles en cada departamento, cada etapa tiene sus
restricciones (fuertes y suaves), los recursos no son inagotables.

2.2.3.1. El Problema de Elaboración de Horarios.

La elaboración de horarios es el acto de programar cursos
a períodos de tiempo, asignar un aula a esos cursos y
asignar un catedrático a dicho curso.
A menudo se hacen afirmaciones acerca de la naturaleza
del problema que puede permitir encontrar una solución
más eficientemente. Sin embargo, cuando se trata de
construir un sistema general, se está limitado a que las
afirmaciones son el mínimo común denominador de todos
los posibles escenarios.
Una información implícita que ha sido hecha a menudo es
la independencia entre unidades académicas separadas.
 14

Algunas universidades programan preguntando a sus

departamentos los horarios de sus propios cursos. Una
unión central de dichos horarios es entonces utilizada para
asegurar que todas las restricciones relevantes son
cumplidas.
En muchos casos esta es la forma normal en que es
producido el horario de los cursos, aunque algunos
departamentos desarrollan su propio software para la
programación de cursos.
En varias universidades los alumnos pueden tomar algunos
de sus cursos en departamentos diferentes al suyo.
Obviamente la independencia no debe ser asumida
generalmente debido a que puede haber diferencia en la
programación de los cursos de cada departamento
(Aranda Benitez, B. A. (2007).
2.2.3.2. Problema del TimeTable
El timetable es un problema matemático del área de la
matemática combinatoria que busca encontrar la mejor
combinación posible para la asignación de recursos en un
horario académico en base a restricciones propias de cada
escenario.
Para el caso específico de la Universidad Politécnica
Salesiana el problema consiste en la asignación de una
combinación materia-profesor a un determinado timeslot
teniendo en cuenta las restricciones de disponibilidad del
profesor y el distributivo de la carrera.
El timetable consiste en un sistema complejo puesto que
tanto sus componentes como la relación entre los mismos
contienen información necesaria para para entender el
problema, es decir, no simplemente es una matriz en la
 15

que su elementos son independientes uno del otro, sino

que cada elemento debe estar en correcta concordancia
con los demás para que sea correcto y tenga sentido.
Uno de los principales problemas en la resolución
automatizada del problema es que se carece de un
indicador de la calidad de la solución encontrada, siendo la
única herramienta posible de utilizar la percepción humana
de la solución. Esta carencia de un indicador de calidad es
propia del timetable ya que en otros problemas similares no
se tiene este inconveniente, por ejemplo, en el problema
conocido como Job Shop Planning el indicador de calidad
es el makespan.
Otro de los problemas y retos a la hora de automatizar el
timetable es encontrar la representación adecuada del
problema en términos informático (Pineda Arias, I.G. 2011).

2.3. Definición de Términos Básicos

2.3.1. Sistema
Mora (1979), es un conjunto de elementos relacionados entre sí
funcionalmente, de modo que cada elemento del sistema es función
de algún otro elemento, no habiendo ningún elemento aislado.
2.3.2. Sistema Informático Experto
Criado Briz (2002). Introducción a los sistemas expertos. Es un
software que imita el comportamiento de un experto humano en la
solución de un problema. Pueden almacenar conocimientos de
expertos para un campo determinado y solucionar un problema
mediante deducción lógica de conclusiones.
Marcel (2002) Programas que contienen tanto conocimiento
declarativo (hechos a cerca de objetos, eventos y/o situaciones)
como conocimiento de control (información acerca de los cursos de
 16

una acción), para emular el proceso de razonamiento de los

expertos humanos en un dominio en particular y/o área de
experiencia.
2.3.3. Inteligencia Artificial
Es el estudio de las facultades mentales mediante el uso de
modelos computacionales, según Charniak y otros (1985).
2.3.4. Algoritmos Genéticos
Jhon (1975) Son métodos adaptables que se pueden usar para
resolver problemas de búsqueda y optimización. Están basados en
el proceso genético de los organismos vivos.
2.3.5. Timetable
Pineda Arias, I.G (2011). El Timetable es un problema matemático
del área de la matemática combinatoria que busca encontrar la
mejor combinación posible para la asignación de recursos en un
horario académico en base a restricciones propias de cada
escenario.
 17

CAPÍTULO III: HIPÓTESIS Y VARIABLES

3.1. Hipótesis
Una hipótesis es una suposición con la que el investigador trata de dar
respuesta con lo conocido a lo desconocido en la búsqueda de nuevos
conocimientos sobre la realidad.
En tal sentido se formula las siguientes hipótesis:
Hipótesis Alterna (Ha): “Con el Uso de un Sistema Informático basado en
algoritmos genéticos, Se Automatizara la distribución Optima de Horarios
de clases en la Facultad de Ingeniería de Sistemas e Informática de la
UNSM-T”.
Hipótesis Nula (Ho): “Con el Uso de un Sistema Informático basado en
algoritmos genéticos, No se Automatizara la distribución Optima de
Horarios de clases en la Facultad de Ingeniería de Sistemas e Informática
de la UNSM-T”.

3.2. Sistema de variables

Por el lugar que ocupan en la hipótesis las variables pueden ser
dependiente e independiente.
En tal sentido se considera las siguientes variables de estudio:
3.2.1. Variable dependiente
Y: Distribución optima de horarios de clases.
Indicadores:
Y1: Cantidad de Reducción documentaria de Cambios de Horarios.
Y2: Tiempo de Elaboración de la Distribución de Cursos y Aulas.
Y3: Nivel de la Facilidad de la Elaboración de Distribución de Cursos
y Aulas
3.2.2. Variable Independiente
X: Sistema Informático Basado en Algoritmos Genéticos.
 18

Indicadores:
X1: Efectividad del Sistema.
X2: Valoración del Sistema.

3.3. Operacionalización de variables

Cabe mencionar que las variables se clasifican “por la naturaleza de sus
valores en cualitativas y cuantitativas. Las cualitativas se presentan cuando
sus estados representan cualidades del objeto estudiado, las cuantitativas
son aquellas cuyos estados son cantidades continuas de un atributo que
posee el objeto” (Taboada Neira, 2012).

Tabla 1: Escala de medición de las variables.

Variable Escala de medición

Dependiente: Cuantitativo Discreto:
Distribución optima de horarios de clases. Unidades
 Indicadores:
a) Cantidad de Reducción documentaria de
Cambios de Horarios.
b) Tiempo de Elaboración de la Distribución
de Cursos y Aulas.
c) Nivel de la Facilidad de la Elaboración de
Distribución de Cursos y Aulas.
Independiente: Cualitativo ordinal:
Sistema Informático Basado en Algoritmos Regular (0%-25%),
Genéticos Buena (26%-50%), Muy
 Indicadores: Buena (51%-75%),
a) Efectividad del Sistema. Excelente (76%-100%)
b) Valoración del Sistema.

Fuente: Elaborado por el investigador

 19

CAPÍTULO IV: MARCO METODOLÓGICO

4.1. Tipo y nivel de investigación

4.1.1. Tipo:
El estudio que se presenta corresponde a una investigación del tipo
Aplicada - Transversal, porque los resultados obtenidos pretenden
aplicarse en forma inmediata para ayudar a resolver la situación
problemática planteada, analizando los resultados obtenidos en un
mediano plazo.
4.1.2. Nivel:
Experimental.- Porque se controlará la variable independiente con el
fin de mejorar Distribución optima de horarios de clases con el uso
de un Sistema Informático Basado en Algoritmos Genéticos.

4.1.3. Subnivel:
Pre-Experimental.- Porque se trabajará con un solo grupo
denominado experimental, correspondiente a la muestra, en donde
se aplicará el Sistema Informático Basado en Algoritmos Genéticos
para la Distribución optima de horarios de clases.
 20

4.2. Diseño de investigación

Tabla 2: Diseño Pre-Experimental

Estructura Procedimientos
GE1: O1 ---X--- O2 1) Precisión del grupo de estudio o muestra (Grupo
Donde: experimental).
GE1: Grupo 2) Evaluación pre test al grupo de estudio (Grupo
Experimental experimental).
O1: Evaluación pre 3) Aplicación o tratamiento (al grupo experimental).
test 4) Evaluación pos test.
O2: Evaluación pos 5) Comparación de los resultados de la evaluación
test pre test y evaluación pos test.
X: Sistema Utilidad: Este diseño es útil para conocer los
Informático resultados de la aplicación que se ensaya.
Fuente: Elaborado por el investigador

4.3. Población y muestra

4.3.1. Población
Representado por el Personal del Departamento Académico, la
comisión organizadora de horarios y los 328 Estudiantes
Matriculados en el ciclo 2016-I de la Facultad de Ingeniería de
Sistemas e Informática de la UNSM-T.

4.3.2. Muestra
La Muestra está conformada por el Jefe de Departamento, el
Representante de la Comisión de Horarios y un porcentaje de los
estudiantes matriculados en el 2016-I de la facultad de Ingeniería
de Sistemas e Informática de la UNSM-T.

Determinamos la cantidad de muestra para la población

estudiantil finita usando la siguiente formula:
 21

𝑁𝑍 2 𝑝. 𝑞
𝑛=
𝐸 2 𝑁 + 𝑍 2 𝑝. 𝑞

Donde:
n = Tamaño de la muestra
N = Tamaño de la población
Z = Desviación normal
p = Proposición de la población
q =1–p
E = Margen de error
N = Tamaño de la población de estudiantes.
Para la aplicación de la fórmula se puede considerar un margen
de error E del 5%, y los valores correspondientes de Zα/2 = Z0.025
= 1.96.

Se tiene:

n =?

N = 328

Z = 1.96

p = 0.9 (90%, que darían la información esperada)

q = 0.1 (10%, que no darían la información esperada)

E = 5%

Aplicando la fórmula:

328𝑥1.962 𝑥0.9𝑥0.1
𝑛=
0.052 𝑥328 + 1.962 𝑥0.9𝑥0.1

𝑛 = 97.28
𝑛 = 97
 22

𝑛
Comprobando, mediante la relación 𝑛0 = 𝑁 ≤ 0.1, si es mayor se
𝑛
ajusta mediante: 𝑛0 = 𝑛
1+
𝑁

97
Veamos: 𝑛0 = 328 = 0.295

97
Entonces la muestra corregida será: 𝑛0 = 97 = 74.861 ≅ 75
1+
328

En conclusión la muestra definitiva estará conformada por: el Jefe

de Departamento, el Representante de la Comisión de Horarios y
75 Estudiantes que representan el 22,86% de la población
Estudiantil.

4.4. Técnicas e instrumentos de recolección de datos

Tabla 3: Técnicas e instrumentos a utilizar en el estudio.

Técnica Justificación Instrumentos Aplicado en…

1. Encuesta 1. Permite 1. Cuestionario. 1. A la muestra que
conocer la es parte del
efectividad de la estudio.
Distribución de
los Horarios de
Clase.
2. Registros 2. Proporciona la 2. Sistema 2. Procesos que se
información del Informático desarrollan dentro
sistema. del sistema.
3. Análisis 3. Para obtener la 3. Fichas 3. La bibliografía
de información de bibliográficas. necesaria para
documentos las fuentes Subrayado. desarrollar el marco
secundarias teórico y la
referentes a información
temas de la complementaria.
investigación.
Fuente: Elaborado por el investigador.
 23

4.5. Técnicas de procedimiento y análisis de datos

4.5.1. Técnicas de procedimiento

Para hallar que hay en los datos:
La media aritmética o promedio (M): Es el estadístico de
tendencia central más significativo y corresponde variables de
cualquier nivel de medición pero particularmente a las mediciones
de intervalo y de razón.
𝑿𝟏 + 𝑿𝟐 + 𝑿 …
𝐌=
𝑵

Dónde: M, media aritmética; X, frecuencia de un valor cualquiera de

la variable y N, número total de los valores considerados.

La mediana (Me): Es el estadístico que determina el valor de la

variable que se ubica en una escala ordinal de manera que deja
debajo y encima suyo igual número de los valores con frecuencias
mayores y menores respectivamente. Corresponde típicamente a las
variables de medición ordinal, establece valores de clasificación y
distinción jerárquica de una variable.

La moda (Mo): Se define como el valor estadístico de la variable

que tiene o reúne mayor frecuencia. También corresponde a las
variables de medición nominal.

Programa de computador.- IBM SPSS Statistics, este software

proporciona herramientas que permite consultar datos y formular
hipótesis para pruebas adicionales de forma rápida, así como
ejecutar procedimientos para ayudar a aclarar las relaciones entre
 24

variables, genera estadísticos descriptivos, identifica tendencias y

realiza predicciones.

Presentación de datos
 Tablas: Para un mejor entendimiento de los datos se presentarán
en tablas distribuyéndolos en columnas y filas, agrupando los
datos evitando duplicidades y superando el desorden. Servirán de
ayuda visual que permitirán organizar los resultados de la
investigación.
 Figuras: Importantes para expresar la tendencia de un hecho o
fenómeno. Se usarán figuras estadísticas como barras, líneas,
áreas, etc.

4.5.2. Análisis e interpretación de datos

En esta parte se identificará la información correspondiente a cada
variable. El análisis se hará mediante la inducción, se establecerá la
relación entre cada dato obtenido en la información y entre
variables.
Se establecerá la interrelación entre la información obtenida y las
variables, unida a un buen manejo del marco teórico, se hará un
análisis completo de la información y poder comprobar las preguntas
planteadas en la investigación. Finalmente se hará un análisis para
responder y explicar si se cumplen o no los objetivos planteados en
correspondencia con el problema y la hipótesis.
 25

CAPÍTULO V: ASPECTOS ADMINISTRATIVOS

5.1. Cronograma de actividades
JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIENBRE
ACTIVIDAD
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
1. Sistema Informático basado en Algoritmos Genéticos.
1.1. Análisis y Estudio de los Algoritmos Geneticos
1.2. Afianzamiento de conocimientos en Algoritmos Genéticos
1.3. Análisis de la construcción
1.4. Desarrollo de protótipo
1.5. Diseño del Sistema Informático
1.6. Desarrollo del sistema Informático
1.7. Implementación del Sistema Informatico
1.9. Capacitación a los usuarios del sistema informático
1.10. Puesta en producción del sistema informático
2. Análisis de Resultados.
2.1. Procesamiento de Datos
2.2. Verificaciòn de Hipotesis
2.3. Análisis e interpretaciòn de Datos
3. Elaboración y presentación de informe final del proyecto
3.1. Elaboración de informe final
3.2. Presentación de informe final
 26

5.2. Recursos humanos

Los recursos humanos que participarán en el proyecto, serán:
1 Analista Programador.
1 Diseñador de Sistemas.
1 Experto en Algoritmos Genéticos.
1 Estadista.
5.3. Recursos materiales
Los recursos materiales necesarios en el proyecto, serán desagregados de
la siguiente forma:
Papel Bond.
Tintas negras para Impresora.
Tintas a color para Impresora.

5.4. Recursos financieros

El proyecto de investigación será financiado íntegramente por la Oficina de
Investigación y Desarrollo de la UNSM-T, a través de los fondos del FEDU.

1. Bienes y Servicios cuentas: 2.3.1 y 2.3.2 MEF

Valor Valor
Descripción Nro. Cuenta Cantidad Unitario Total Justificación
S/. S/.
BIENES
1.1. Materieles de
oficina:
2 millares 20 40
1.1.1 Papel Bond A4.
Para reproducción de
2 unid. 65 130 informes, manuales y otros
1.1.2. Tinta negra
2 . 3 . 2 . 7 . 4 .1 documentos como
impresora
resultado de la
2 unid. 65 130 investigación.
1.1.3. Tinta a color
impresora.

SERVICIOS
 27

1.2. Servicio de Asesoría de un Experto

Asesoría sobre Para el correcto uso de los
2 . 3 . 2 . 7 . 3 .1 1 500 500
Algoritmos genéticos Algoritmos Genéticos en la
y su Aplicación. solución del problema.

1.3 Servicios de Para la Programación y

desarrollo del Sistema 2 . 3 . 2 . 7 . 3 .2 1 1500 1500 desarrollo del Sistema
Informático Informático.

1.4 Servicio Técnico

Para la Instalación e
Para la Instalación e
2 . 3 . 2 . 7 . 3 .3 1 350 350 Implementación del
Implementación del
Sistema Informático.
Sistema

Ayudará a procesar los

1.4 Servicio de
datos obtenidos con el
procesamiento 2 . 3 . 2 . 7 . 4 .3 1 500 500
sistema para así poder
estadístico de datos.
comprobar la hipótesis.

Para mantenerse la
comunicación con el
1.5 Telefonía móvil 2 . 3 . 2 . 7 . 4 .4 5 20 100 asesor y otros
participantes que ayudaran
a la ejecución del proyecto

Para movilizarse a realizar

las operaciones de
1.6 Movilidad 2 . 3 . 2 . 7 . 4 .2 5 50 250
levantamiento de
información.

Total S/. 3500

3. SUBVENCIÓN
Valor Valor
Descripción Cantidad
Mensual S/. Total S/.

3.1. Subvención para investigador 5 -- meses S/. 300 S/. 1500

 28

REFERENCIAS BIBLIOGRÁFICAS

Aranda Benitez, B. A. (2007). Generacion de Horarios Mediante SIstemas

Basados en Conocimientos. Mexico. Obtenido de
http://tesis.ipn.mx:8080/xmlui/handle/123456789/3654.
Criado Briz, J. M. (2002). Introducción a los Sistemas Expertos.
Efraim, T. (1995). Desarrollo de Sistemas Experto.
Guervaz, P., & Beatriz, S. (2011). Sistema Experto basado en reglas para la
Automatización de la elaboración de horarios para un conjunto de
restricciones particulares. Madrid.
Sanchez (1999) .Construyendo y aprendiendo con el computador. Santiago de
Chile-Chile. Centro Zonal Universidad de Chile.
Waterman (1986). A guide to expert systems. Addison-Wesley.
Jhon, H. (1975). Adaptation in Natural and Artificial Systems.
Jose, G. M. (1986). La Arquitectura General de Un Sistema Experto.
Marcel, C. (2002). Sistemas Expertos.
Mora, J. F. (1979). Diccionario de filosofía. Madrid: Alianza Editorial.
Moya Anegón , F., Herrero Solana , V., & Guerrero Bote, V. (2011). La aplicación
de Redes Neuronales Artificiales (RNA).
Pineda Arias, I. G. (2011). Sistema inteligente de soporte en la generación de
horarios académicos para la carrera de ingeniería de sistemas de la
Universidad Salesiana.
Sanz Bobi, J. d. (2001). Control de procesos basado en eventos mediante bases
de conocimiento borrosas y algoritmos genéticos.
Sergio Morel, G. B. (2010). Optimización de Horarios de Examen Utilizando
Algoritmos Genéticos. Mexico DF.
Taboada Neira, M. (2012). Metodología de la investigación científica. Trujillo,
Perú: Universidad Nacional de Trujillo.