Aplicación con reconocimiento facial y la mejora en el proceso de control de asistencia para I.E. Manuel Gonzáles Prada - Cajamarca, 2024

• Autor: Chavez Vargas, Roberto Rubén
• Formato: tesis de grado
• Fecha de Publicación: 2026
• Institución: Universidad Privada Antenor Orrego
• Repositorio: UPAO-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.upao.edu.pe:20.500.12759/110392
• Enlace del recurso: https://hdl.handle.net/20.500.12759/110392
• Nivel de acceso: acceso abierto
• Materia: Control de Asistencia; Reconocimiento Facial; https://purl.org/pe-repo/ocde/ford#2.02.04

La presente investigación tuvo como objetivo mejorar el proceso de control de asistencia de estudiantes en la I.E. JEC Manuel González Prada de Cajamarca, mediante la implementación de una aplicación web basada en reconocimiento facial. La metodología empleada fue de tipo aplicada, nivel causal y diseño preexperimental. La población estuvo conformada por 60 estudiantes del 4° grado (secciones A y B), estableciéndose una muestra no probabilística por conveniencia de 52 alumnos. Se utilizó la librería DeepFace para evaluar diversos modelos del estado del arte mediante pruebas de pares. Los modelos más destacados (Top 4) fueron VGGFace, ArcFace, Dlib y SFace. Aunque VGG-Face obtuvo la mayor precisión en reconocimiento facial (93.02%), su tiempo de ejecución fue elevado (276.741 segundos), similar a Dlib (310.125 segundos, 90.83% de precisión). Se seleccionó ArcFace por su balance óptimo: 92.8% de precisión con 168.803 segundos de ejecución, superando a SFace (89.9%, 51.328 segundos). La aplicación se desarrolló con React para la interfaz y FastAPI para la API, empleando arquitectura en capas. Los resultados, obtenidos durante cinco días con 260 intentos supervisados, evidenciaron una reducción del 50.81% en el tiempo total, disminuyendo de 649.84 segundos (AS-IS) a 319.66 segundos (TO-BE). El sistema alcanzó una precisión global de reconocimiento del 96.92% con un tiempo de respuesta promedio de 5.3 segundos por registro. La prueba t de Student pareada arrojó p=0.00018, permitiendo rechazar la hipótesis nula y concluir que la aplicación web con reconocimiento facial mejora significativamente el proceso de control de asistencia escolar.