Acceso usuarios
En el contexto de transformación digital, las instituciones de formación profesional enfrentan vacíos en la gestión educativa relacionados con la programación, el seguimiento académico y la generación de reportes para la toma de decisiones. Este artículo presenta el Sistema Automatizado de Reportes Académicos (SAR A), cuyo objetivo es describir su desarrollo técnico e implementación de inteligencia artificial, así como evaluar su aporte a la gestión académica mediante análisis bibliométrico y la percepción de instructores. La investigación es de tipo aplicada, con enfoque mixto y alcance descriptivo–exploratorio. El marco arquitectónico de SAR A se fundamenta en el patrón Modelo–Vista–Controlador (MVC) y en una base de datos NoSQL, lo que asegura escalabilidad modular y la integración eficiente de más de 140.000 registros heterogéneos (Excel, SOFIA Plus, JSON). Para el análisis bibliométrico se consultó la base de datos Scopus, identificando 4.922 documentos procesados con VOSviewer® aplicando análisis de coautoría. Adicionalmente, se aplicaron entrevistas semiestructuradas a 7 instructores, cuyo análisis se apoyó en técnicas de procesamiento de lenguaje natural para sistematizar percepciones. Los resultados destacan en la literatura la relevancia de marcos de interoperabilidad, gobernanza de datos y sostenibilidad digital, además de evidenciar una percepción positiva respecto a la facilidad de uso, la reducción de carga administrativa y la utilidad de SAR A en la toma de decisiones. En conclusión, SARA se plantea como una herramienta escalable y replicable que fortalece la gestión académica y genera implicaciones pedagógicas y organizativas desde un enfoque interdisciplinario.
In the context of digital transformation, vocational education institutions face gaps in academic management related to scheduling, learner monitoring, and the generation of reports for decision-making. This article introduces the Automated Academic Reporting System (SAR A), whose objective is to describe its technical development and implementation of artificial intelligence, as well as to assess its contribution to academic management through bibliometric analysis and instructor perceptions. The research is applied in nature, with a mixed-methods approach and a descriptive–exploratory scope. SAR A’s architectural framework is based on the Model–View–Controller (MVC) pattern and a NoSQL database, ensuring modular scalability and the efficient integration of more than 140,000 heterogeneous records (Excel, SOFIA Plus, JSON). For the bibliometric analysis, the Scopus database was consulted, identifying 4,922 documents processed with VOSviewer® using co-authorship analysis. In addition, semistructured interviews were conducted with seven instructors, whose responses were analyzed using natural language processing techniques to systematize perceptions. The findings highlight in the literature the relevance of frameworks for interoperability, data governance, and digital sustainability, while also revealing a positive perception of SAR A regarding ease of use, reduction of administrative workload, and utility in decision-making. In conclusion, SAR A is presented as a scalable and replicable tool that strengthens academic management and generates pedagogical and organizational implications from an interdisciplinary perspective.
