Aplicación web para la asignación automática de horarios docentes mediante algoritmos genéticos

César Octavio González- Camargo; Justmary Del Carmen Anderson Fermín; José Chiru-Figueroa

doi:10.48204/j.colonciencias.v13n2.a9267

Enviado enero 23, 2026

Publicado 2026-07-07

Artículos

Vol. 13 Núm. 2 (2026): Revista Colón Ciencias, Tecnología y Negocios

Aplicación web para la asignación automática de horarios docentes mediante algoritmos genéticos

César Octavio González- Camargo⁺⁻
Justmary Del Carmen Anderson Fermín ⁺⁻
José Chiru-Figueroa⁺⁻

DOI https://doi.org/10.48204/j.colonciencias.v13n2.a9267

PDF

Citas

DOI: 10.48204/j.colonciencias.v13n2.a9267

Publicado: 2026-07-07

Cómo citar

González- Camargo, C. O., Anderson Fermín , J. D. C., & Chiru-Figueroa, J. (2026). Aplicación web para la asignación automática de horarios docentes mediante algoritmos genéticos. Revista Colón Ciencias, Tecnología Y Negocios, 13(2), 17–37. https://doi.org/10.48204/j.colonciencias.v13n2.a9267

Derechos de autor 2026 Revista Colón Ciencias, Tecnología y Negocios

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Resumen

En las instituciones de educación superior, la planificación de horarios docentes es un proceso clave para garantizar la continuidad académica. En este contexto, el presente estudio abordó la problemática de la asignación manual de horarios docentes en estos entornos, caracterizada por alta complejidad combinable, predisposición a errores y consumo elevado de tiempo administrativo. El objetivo fue desarrollar y validar una aplicación web para la asignación automática de horarios docentes mediante algoritmos genéticos. La metodología aplicada fue de tipo experimental y cuantitativa, estructurada en fases de análisis, diseño, implementación y evaluación. El sistema fue desarrollado utilizando una arquitectura dockerizada basada en Python y SQL Server, integrando una función de aptitud multiobjetivo para gestionar restricciones duras (disponibilidad) y blandas (equidad). Los resultados obtenidos tras las pruebas con datos reales evidenciaron que el sistema redujo el tiempo de planificación en más de un 95%, eliminó los conflictos de horario en el escenario evaluado y mejoró el equilibrio de la carga académica entre los docentes. En consecuencia, la solución propuesta es viable, eficiente y escalable para optimizar la gestión académica.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Abdipoor, S., Yaakob, R., Goh, S. L., & Abdullah, S. (2023). Meta-heuristic approaches for the University Course Timetabling Problem. Intelligent Systems with Applications, 19, 200253. https://doi.org/10.1016/j.iswa.2023.200253
Agbolade, S. J., Ayinla, B. I., Odeniyi, L. A., & Akinola, S. O. (2024). Optimisation of University Examination Timetable Using Hybridised Genetic and Greedy Algorithms: A Case Study of Computer Science Department, University of Ibadan. International Journal of Computer, 51(1), 1–16. https://ijcjournal.org/InternationalJournalOfComputer/article/view/2230
Ahumada Ahumada, J. A. (2014). Generación de horarios académicos en INACAP utilizando algoritmos genéticos [Tesis de Magíster, Universidad de Chile]. https://repositorio.uchile.cl/handle/2250/131461
Alghamdi, H., Alsubait, T., Alhakami, H., & Baz, A. (2020). A Review of Optimization Algorithms for University Timetable Scheduling. Engineering, Technology & Applied Science Research, 10(6), 6410–6417. https://doi.org/10.48084/etasr.3832
Babaei, H., Karimpour, J., & Hadidi, A. (2015). A survey of approaches for university course timetabling problem. Computers & Industrial Engineering, 86, 43–59. https://doi.org/10.1016/j.cie.2014.11.010
Bensky, T., & Saunders, K. (2025). Use of a genetic algorithm in university scheduling for equitable and efficient determination of teaching assignments. In Department of Physics, California Polytechnic State University. https://doi.org/10.48550/arXiv.2509.06981
Ceschia, S., Di Gaspero, L., & Schaerf, A. (2023). Educational timetabling: Problems, benchmarks, and state-of-the-art results. European Journal of Operational Research, 308, 1–18. https://doi.org/10.1016/j.ejor.2022.07.011
Diallo, F. P., & Tudose, C. (2024). Optimizing the Scheduling of Teaching Activities in a Faculty. Applied Sciences, 14(20), 9554. https://doi.org/10.3390/app14209554
Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley Professional.
Lewis, R., & Thompson, J. (2015). Analysing the effects of solution space connectivity with an effective metaheuristic for the course timetabling problem. European Journal of Operational Research, 240, 637–648. https://doi.org/10.1016/j.ejor.2014.07.041
Liao, J., Zheng, J., & Chiru-Figueroa, J. (2026). Evaluación del rendimiento de un prototipo de aplicación web con mecánica gacha basado en microservicios para la promoción de la cultura panameña. Revista Colón Ciencias, Tecnología y Negocios, 13(1), 90–108. https://doi.org/10.48204/j.colonciencias.v13n1.a9113
Lulu, I., Alowais, H., Turky, A., Harous, S., & Hussain, A. (2024). Efficient Solution for Exam Timetabling Problem: A Case Study of the University of Sharjah. 2024 17th International Conference on Development in ESystem Engineering (DeSE), 101–106. https://doi.org/10.1109/DeSE63988.2024.10911922
Ramadhani, P., Nasir, A., Abdullah, Z. M., Novianty, A., & Setianingsih, C. (2025). Telkom Bandung Vocational School Scheduling Application Using a Website-Based Genetic Algorithm. CEPAT Journal of Computer Engineering: Progress, Application and Technology, 2, 80–91. https://doi.org/10.25124/cepat.v3i01.6709
Salmasnia, A., Mokhtari, H., & Abadi, I. (2011). A robust scheduling of projects with time, cost, and quality considerations. The International Journal of Advanced Manufacturing Technology, 60(1–4), 631–642. https://doi.org/10.1007/s00170-011-3627-5
Valverde Calderón, L. A. (2019). Sistema basado en algoritmo genético para mejorar la gestión académica de horarios universitarios en el año 2019 [Universidad César Vallejo]. https://hdl.handle.net/20.500.12692/41736
Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Artificial intelligence in education: A systematic literature review. Expert Systems with Applications, 252(Part A), 124167. https://doi.org/10.1016/j.eswa.2024.124167
Yakovlev, S., Kartashov, O., & Yarovaya, O. (2018). On Class of Genetic Algorithms in Optimization Problems on Combinatorial Configurations. 2018 IEEE 13th International Scientific and Technical Conference on Computer Sciences and Information Technologies (CSIT), 374–377. https://doi.org/10.1109/STC-CSIT.2018.8526746
Zhu, K., Li, L. D., & Li, M. (2021). A Survey of Computational Intelligence in Educational Timetabling. International Journal of Machine Learning and Computing, 11, 40–47. https://doi.org/10.18178/ijmlc.2021.11.1.1012