Search

Los Grados Universitarios en sus planes de estudios tienen asignados una serie de créditos optativos, en los que el estudiante tiene libertad para elegir las asignaturas que más le interesen. Esta elección suele ser bastante complicada para los estudiantes, que si bien cuentan con una guía docente de cada asignatura, que les permite conocer los contenidos teóricos y prácticos, los profesores que la imparten, la metodología y los criterios de evaluación, no suele ser suficiente para decidirse. En este contexto, los estudiantes están interesados en las valoraciones que le pueden ofrecer otros compañeros o compañeras que las cursaron, siendo una práctica habitual que los estudiantes recurran a los estudiantes de otros cursos para que les orienten en el proceso. No obstante, se debe tener cierta precaución con esta práctica, porque no todas las valoraciones que se reciban deberían tener la misma consideración. Por un lado, los intereses y propósitos del estudiante que pide opinión y los del estudiante que la proporciona puede que sean diferentes, y por otro lado, puede que la información se encuentre distorsionada por haber pasado por varios intermediarios. En este escenario, los sistemas de recomendación aparecen como herramientas para ayudar a la toma de decisiones generando recomendaciones a los estudiantes sobre un determinado objeto de estudio, a partir de preferencias y opiniones dadas por otros estudiantes que tienen unos intereses o preferencias similares a los suyos. En este proyecto se ha diseñado e implementado una aplicación móvil, fácil de manejar por los estudiantes y que permite que cualquier estudiante registrado en un determinado Grado pueda obtener una recomendación sobre las asignaturas que más le pueden interesar. University studies contain several optional subjects that can be chosen by students according to their preferences. To make this decision, student has a teaching guide of each subject which contains information about theoretical and practical contents, professors, methodology and assessment process. Despite being useful, in many cases this information is insufficient to make the best decision. In this context, students ask other peer students who have already studied the subject for advice. However, this process should be carried out cautiously. On one hand, the interests and goals of consulted students could be different to those of the student that requires the information, and on the other hand, the information could present a distorted vision of reality due to the intervention of many intermediaries. This project intends to offer recommendations that help students to choose the subjects that could be more interesting for him or her from opinions given by other peers. With this purpose, we design and develop a mobile application that allows students to obtain a recommendation about the more convenient subjects according to his/her preferences.

The unequal area facility layout problem (UA-FLP) has been addressed by many methods. Most of them only take aspects that can be quantified into account. This contribution presents a novel approach, which considers both quantitative aspects and subjective features. To this end, a multi-objective interactive genetic algorithm is proposed with the aim of allowing interaction between the algorithm and the human expert designer, normally called the decision maker (DM) in the field of UA-FLP. The contribution of the DM's knowledge into the approach guides the complex search process, adjusting it to the DM's preferences. The entire population associated to facility layout designs is evaluated by quantitative criteria in combination with an assessment prepared by the DM, who gives a subjective evaluation for a set of representative individuals of the population in each iteration. In order to choose these individuals, a soft computing clustering method is used. Two interesting real-world data sets are analysed to empirically probe the robustness of these models. The first UA-FLP case study describes an ovine slaughterhouse plant and the second, a design for recycling carton plant. Relevant results are obtained, and interesting conclusions are drawn from the application of this novel intelligent framework.