Control de exámenes en línea mediante inteligencia artificial en un sistema web de postulación de trabajo

• Autores: Rodriguez Ponce, Kevin Jose, Romero Aguilar, Miller Franklin, Vela Tulumba, Erick Luis, Mendoza de los Santos, Alberto Carlos
• Formato: artículo
• Fecha de Publicación: 2025
• Institución: Universidad Nacional Tecnológica de Lima Sur
• Repositorio: UNTL-Biotech
• Lenguaje: español
• OAI Identifier: oai:ojs2.localhost:article/186
• Enlace del recurso: https://revistas.untels.edu.pe/index.php/files/article/view/186
• Nivel de acceso: acceso abierto
• Materia: Reconocimiento facial; Control de gestos faciales; Monitoreo de exámenes; Detector de objetos; Control de movimientos

El aumento de exámenes en línea para selección de laboral ha generado desafíos como la suplantación de identidad y uso de dispositivos no autorizados. Para abordar esto, nos planteamos la siguiente pregunta: ¿Cómo puede un sistema de control basado en técnicas de reconocimiento facial, control de gestos, control de movimientos y detección de objetos mejorar la integridad y seguridad en los exámenes en línea para procesos de selección de personal? Para ello presentamos un sistema que emplea inteligencia artificial que integra una cámara frontal y lateral para detectar gestos sospechosos y asegurar que el entorno del examen esté controlado. Este se desarrolló con Python 3.12.6 y Django 3.0.6, y utilizando SQL Server 2019 para la gestión de datos, además herramientas de inteligencia artificial como Face-Recognition 1.3.0, MediaPipe 0.10.4, y TensorFlow 4.22.0. Las pruebas realizadas muestran que el reconocimiento facial tuvo un 100% de éxito en la detección de un solo rostro y validación del rostro dentro del campo visual, un 90% de éxito en condiciones de iluminación adecuada y tasas de cumplimiento del 80% al 85% para el centrado del rostro, los ojos abiertos, iris centrado, tamaño del rostro adecuado y mirando al frente. La cámara lateral logró un 100% de efectividad para la detección de una sola persona, 95% en la detección de objetos no permitidos, posición de las manos y persona en el asiento, asimismo 90% en la iluminación. Estas métricas confirman la fiabilidad del sistema para mejorar la seguridad y la transparencia de los exámenes en línea.