Publication:

Diseño de un modelo de Recomendación entre mascotas (perros) y familias aspirantes para mejorar la adopción: estudio de caso en seis fundaciones Bogotá y Sabana.

Este trabajo de grado presenta el diseño y la evaluación de un sistema de recomendación de perfiles de perros disponibles para la adopción a los usuarios interesados. El objetivo del sistema es facilitar el proceso de búsqueda y selección de perros que se ajusten a las preferencias y necesidades de los usuarios, así como promover los perfiles de los perros que se ajusten al estilo de vida del usuario (familias), según las reglas del negocio de las fundaciones. Se desarrolla un aplicativo denominado Doggynator, en la primera parte para la recolección de los datos. Se usan algoritmos de aprendizaje automático como árboles de decisión y vecinos cercanos, con el objetivo de disminuir las variables del formulario de entrada al recomendador. Se usa el scraping de la red social de Facebook y se aplicó como metodología el protocolo de estudios de caso, para el desarrollo de la investigación, finalmente en la segunda parte del desarrollo de Doggynator se escogió el algoritmo Random Forest, para generar las recomendaciones del aplicativo. El sistema se evaluó con un conjunto de datos real obtenido de diferentes fundaciones en Bogotá y con los datos recogidos en la plataforma Doggynator, que fue diseñada y desarrollada en la presente investigación. Los resultados mostraron que el sistema propuesto genera recomendaciones personalizadas y relevantes, con una sensibilidad del 77 %, además se evaluó con 70 usuarios reales adicionales, con un índice de acierto el 72.56 %, y el Instituto de protección animal de Bogotá valoró positivamente la experiencia de uso y utilidad del sistema. En resumen, este trabajo de grado constituye una iniciación a la aplicación de la ciencia de datos en el proceso de adopción de perros, proporcionando al futuro adoptante una gama de alternativas que se ajusten a sus necesidades y preferencias. Además, se pone a disposición una base de datos depurada que puede servir como punto de partida para investigaciones posteriores en este campo. También se destaca que la experiencia de revisar y estudiar literatura científica de diversas áreas ha enriquecido el análisis y la formulación del diseño del recomendador, al ofrecer perspectivas adicionales y ángulos complementarios.