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

• Salgado Reyes, Nelson ^[1] ; Trujillo Moreno, Graciela Elizabeth ^[1]
  1. [1] Instituto Tecnológico Superior Japón, Quito, Ecuador.
• Localización: Polo del Conocimiento: Revista científico - profesional, ISSN-e 2550-682X, Vol. 9, Nº. 1 (ENERO 2024), 2024, págs. 1986-1997
• Idioma: español
• Títulos paralelos:
  • Personalized recommendation systems: implementation of recommendation systems using machine learning techniques to improve user experience on online platforms
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    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.

  • English

    This study proposes to investigate the implementation of recommendation systems, using automatic learning techniques, with the purpose of enhancing the user's experience on digital platforms. Adopting a qualitative methodological approach based on bibliographic review, previous investigations focused on the incorporation of recommendation systems in different contexts, such as digital commerce, health, education and governance, are examined. The qualitative synthesis of these hallmarks seeks to identify common patrons, trends and challenges, providing a detailed understanding of experiences and practices spent in different environments.

    The results obtained are centered on lessons learned and best practices based on literature, concentrating on qualitative aspects inherent to the establishment of recommendation systems. This qualitative approach aspires to enrich the understanding of key strategies and essential considerations to achieve effective execution on digital platforms. In summary, this investigation contributes to uncovering critical qualitative factors that influence the implementation of recommendation systems, providing valuable guidance for future instances