Reconocimiento facial para prevenir suplantaciones en exámenes de admisión utilizando tensorflow para la UNTRM

• Autor: Villalobos Sanchez, Brayan Smith
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas
• Repositorio: UNTRM-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.untrm.edu.pe:20.500.14077/4822
• Enlace del recurso: https://hdl.handle.net/20.500.14077/4822
• Nivel de acceso: acceso abierto
• Materia: Sistema con reconocimiento facial; Suplantación; Fraude; Examen de admisión; https://purl.org/pe-repo/ocde/ford#1.02.00; https://purl.org/pe-repo/ocde/ford#1.02.01; https://purl.org/pe-repo/ocde/ford#1.02.02

El propósito de esta investigación es crear un sistema biométrico de control basado en reconocimiento facial para mejorar el proceso de ingreso a los exámenes de admisión de la Universidad Nacional Toribio Rodríguez de Mendoza (UNTRM). Se utilizó un enfoque cuantitativo, con diseño descriptivo y cuasi experimental, y una muestra de 23 estudiantes del curso de Ingeniería de Software I. El sistema desarrollado emplea TensorFlow como algoritmo de reconocimiento facial, operando en un entorno en línea sin requerir modificaciones previas en el hardware o software del postulante. Los resultados indican que el sistema es altamente efectivo, con un 100% de los encuestados afirmando que detecta correctamente a quienes intentan suplantar identidades. Además, el 82.6% considera que mejora la detección de suplantaciones, mientras que el 91.3% destaca su capacidad para reducir errores en la autenticación. La fiabilidad y seguridad del sistema fueron calificadas como “altas” por todos los participantes, quienes también perciben la rapidez operativa como adecuada. Estos hallazgos validan la hipótesis de que el reconocimiento facial puede disminuir significativamente los intentos de suplantación en los exámenes de admisión, optimizando recursos y proporcionando un proceso más seguro y eficiente en la UNTRM.