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

Abstract

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.