Sistema de Recomendación de Profesores

https://github.com/MarceloDetlefsen/Back-Professor-Recommendation-System.git

Este sistema utiliza un algoritmo basado en grafos para recomendar profesores a estudiantes, considerando estilos de aprendizaje, rendimiento académico y experiencias previas de estudiantes similares.

📊Características

• API RESTful desarrollada con FastAPI
• Base de datos de grafos en Neo4j para almacenar relaciones entre estudiantes, profesores y cursos
• Algoritmo de recomendación que considera múltiples factores:
  • Estilo de aprendizaje del estudiante y estilo de enseñanza del profesor
  • Preferencia por clases presenciales o virtuales
  • Experiencia del profesor
  • Evaluaciones de estudiantes anteriores
  • Resultados de estudiantes similares con el mismo profesor
  • Desempeño académico del estudiante

✅Requisitos

• Python 3.10+
• Neo4j (instancia local o en la nube)
• Poetry (para gestión de dependencias)
• Dependencias listadas en pyproject.toml

🛠️Instalación

1. Instalar Poetry

1. Descargar e instalar Poetry (recomendado):

# Windows (PowerShell)
(Invoke-WebRequest -Uri https://install.python-poetry.org -UseBasicParsing).Content | python -

# Linux/macOS
curl -sSL https://install.python-poetry.org | python3 -

2. Agregar Poetry al PATH (si no se agregó automáticamente):

# Windows
setx PATH "%PATH%;%APPDATA%\Python\Scripts"

# Linux/macOS
echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc

3. Verificar la instalación:

poetry --version

⚙️2. Modificaciones

1. Clonar el repositorio:

git clone https://github.com/tu-usuario/back-professor-recommendation-system.git
cd back-professor-recommendation-system

2. Crear y activar un entorno virtual:

poetry install  # Instala todas las dependencias

3. Configurar variables de entorno:

Editar el archivo .env en la raíz del proyecto con la siguiente información:

NEO4J_URI=bolt://localhost:7687
NEO4J_USER=neo4j
NEO4J_PASSWORD=tu_contraseña //Modificar esto
DEBUG=True

Editar el archivo config.pyen el source del proyecto con la siguiente información:

NEO4J_URI = os.getenv("NEO4J_URI", "bolt://localhost:7687")
NEO4J_USER = os.getenv("NEO4J_USER", "neo4j")
NEO4J_PASSWORD = os.getenv("NEO4J_PASSWORD", "tu_contraseña") //Modificar esto

🪄Iniciar la aplicación

1. Se ponen de momento asi datos en la base datos.

poetry run python -m scripts.init_db <----- Se recomienda este comando
poetry run python scripts/init_db.py 

2. Se ejecuta el programa

///Se recomiendan los siguientes comandos:
poetry run python -m src.main
poetry run python src/main.py <----- Se recomienda este comando

La API estará disponible en http://localhost:8000

📄Documentación de la API

Luego de iniciar la aplicación, puedes acceder a la documentación interactiva:

• Swagger UI: http://localhost:8000/docs
• ReDoc: http://localhost:8000/redoc

🗂️Estructura del proyecto

Back-Professor-Recommendation-System/
├── scripts/
│   ├── __init__.py
│   ├── init_db.py
├── src/
│   ├── api/
│   │   ├── __init__.py
│   │   ├── rutas.py
│   │   ├── rutas_cursos.py
│   │   ├── rutas_estudiantes.py
│   │   └── rutas_profesores.py
│   ├── database/
│   │   ├── __init__.py
│   │   └── neo4jdriver.py
│   ├── models/
│   │   ├── __init__.py
│   │   ├── curso.py
│   │   ├── estudiante.py
│   │   └── profesor.py
│   ├── services/
│   │   ├── __init__.py
│   │   ├── algoritmo_de_recomendacion.py
│   │   ├── algoritmo_estudiante.py
│   │   └── algoritmo_profesor.py
│   ├── utils/
│   │   ├── __init__.py
│   │   └── helpers.py
│   ├── __init__.py
│   ├── config.py
│   └── main.py
├── tests/
│   ├── __init__.py
│   ├── algoritmo_recomendacion.py
│   └── base_datos.py
├── venv/
├── .env
├── .gitignore
├── poetry.lock
├── pyproject.toml
├── README.md

🗃️Modelos de datos

🧑‍🎓Estudiante

• Nombre
• Carnet
• Carrera
• Año de pensum
• Email
• Contraseña
• Estilo de aprendizaje (visual, práctico, teórico)
• Estilo de clase (presencial, virtual)
• Promedio académico
• Grado (año cursando)
• Carga máxima de cursos por ciclo
• Cursos aprobados con más de la zona mínima
• Asistencia
• Veces que ha llevado el curso
• Puntuación total (calculada a partir del resto de información)

🧑‍🏫Profesor

• Nombre
• Estilo de enseñanza (visual, práctico, teórico)
• Estilo de clase (presencial, virtual)
• Años de experiencia
• Puntuación en la evaluación docente
• Porcentaje de estudiantes aprobados
• Nivel de disponibilidad
• Puntuación total (calculada a partir del resto de información)

📒Curso

• Nombre
• Código
• Departamento
• Créditos

🧠🔁Algoritmo de recomendación

El algoritmo toma en cuenta:

1. La compatibilidad del estilo de aprendizaje del estudiante con el estilo de enseñanza del profesor
2. La modalidad de clase preferida (presencial o virtual)
3. La puntuación del estudiante basada en su rendimiento
4. La puntuación del profesor basada en su experiencia y evaluaciones
5. El éxito que han tenido estudiantes similares con cada profesor

El resultado es un índice de compatibilidad estudiante-profesor que determina qué profesores son más recomendables para cada estudiante específico.