Recepção: 09-05-2026
Aprovação: 15-06-2026
pág. 1634
DOI: https://doi.org/10.61616/rvdc.v7i2.1642
Desarrollo de un chatbot híbrido para interrelacionar estudiantes
universitarios con oportunidades de prácticas y pasantías
profesionales
Gislaine Tatiana Carbo Valarezo
gcarbo2@utmachala.edu.ec
https://orcid.org/0000-0001-6385-0668
Universidad Técnica de Machala
Andrés Israel Miranda Holguín
amiranda4@utmachala.edu.ec
https://orcid.org/0000-0003-1102-4430
Universidad Técnica de Machala
Edison Luis Loján Cueva
elojan@utmachala.edu.ec
https://orcid.org/0000-0001-6385-0668
Universidad Técnica de Machala
Joffre Jeorwin Cartuche Calva
jcartuche@utmachala.edu.ec
https://orcid.org/0000-0002-1633-2291
Universidad Técnica de Machala
pág. 1635
RESUMEN
El acceso a información actualizada y confiable en cuanto a prácticas y pasantías
profesionales representa un desafío para los estudiantes universitarios, debido a la
dispersión de fuentes. Por este motivo, la presente investigación tiene como objetivo
desarrollar un chatbot híbrido basado en inteligencia artificial conversacional y técnicas
de Web Scraping. Se optó por un enfoque aplicado y cuantitativo, empleando la
metodología ágil Scrum para el desarrollo iterativo del prototipo, el sistema integra
módulos que van desde la extracción de datos automatizada, base de datos e interfaz
conversacional para la interacción con el usuario. Se utilizaron métricas de desempeño
tales como precisión, cobertura, F1-score, completitud y duplicado, con un total de 212
registros, Dichos resultados ofrecieron evidencias con un porcentaje casi del 100% por
métrica, lo que concluye que el sistema propuesto constituye una solución efectiva para
la centralización de información sobre prácticas y pasantías, mejorando la accesibilidad y
confiablidad de los datos, aunque su rendimiento depende exclusivamente de las
restricciones de las fuentes analizadas.
Palabras clave: chatbot híbrido; web Scraping; practicas; pasantías; inteligencia artificial
Licencia
Este trabajo está bajo una licencia Creative Commons Attribution 4.0 International.
RESUMEN
El acceso a información actualizada y confiable en cuanto a prácticas y pasantías
profesionales representa un desafío para los estudiantes universitarios, debido a la
dispersión de fuentes. Por este motivo, la presente investigación tiene como objetivo
desarrollar un chatbot híbrido basado en inteligencia artificial conversacional y técnicas
de Web Scraping. Se optó por un enfoque aplicado y cuantitativo, empleando la
metodología ágil Scrum para el desarrollo iterativo del prototipo, el sistema integra
módulos que van desde la extracción de datos automatizada, base de datos e interfaz
conversacional para la interacción con el usuario. Se utilizaron métricas de desempeño
tales como precisión, cobertura, F1-score, completitud y duplicado, con un total de 212
registros, Dichos resultados ofrecieron evidencias con un porcentaje casi del 100% por
métrica, lo que concluye que el sistema propuesto constituye una solución efectiva para
la centralización de información sobre prácticas y pasantías, mejorando la accesibilidad y
confiablidad de los datos, aunque su rendimiento depende exclusivamente de las
restricciones de las fuentes analizadas.
Palabras clave: chatbot híbrido; web Scraping; practicas; pasantías; inteligencia artificial
Licencia
Este trabajo está bajo una licencia Creative Commons Attribution 4.0 International.
pág. 1636
Development of a hybrid chatbot to connect university students
with internship and professional work placement opportunities
ABSTRACT
It is a challenge to access current and credible information about professional internships
and work placements for college students because of the scattered nature of information
sources. This research therefore aims to create a hybrid chatbot using conversational
artificial intelligence and web scraping methods. We have decided on the developed
prototype using a quantitative approach based on the agile Scrum methodology for
iterative development. The system has modules ranging from automated data extraction
to a database and a conversational interface for user interaction. The data set includes 212
records. Performance metrics such as precision, coverage, F1-score, completeness, and
duplication were used. These findings contributed towards giving proof with a percentage
of nearly 100% for each metric, which concluded that the presented system was regarded
as an effective solution for better centralization of information on internships and work
placements, improving data accessibility and reliability, although its performance depends
exclusively on the limitations of the analyzed sources.
Keywords: hybrid chatbot; web scraping; internships; artificial intelligence
License
This work is licensed under a Creative Commons Attribution 4.0 International license.
Development of a hybrid chatbot to connect university students
with internship and professional work placement opportunities
ABSTRACT
It is a challenge to access current and credible information about professional internships
and work placements for college students because of the scattered nature of information
sources. This research therefore aims to create a hybrid chatbot using conversational
artificial intelligence and web scraping methods. We have decided on the developed
prototype using a quantitative approach based on the agile Scrum methodology for
iterative development. The system has modules ranging from automated data extraction
to a database and a conversational interface for user interaction. The data set includes 212
records. Performance metrics such as precision, coverage, F1-score, completeness, and
duplication were used. These findings contributed towards giving proof with a percentage
of nearly 100% for each metric, which concluded that the presented system was regarded
as an effective solution for better centralization of information on internships and work
placements, improving data accessibility and reliability, although its performance depends
exclusively on the limitations of the analyzed sources.
Keywords: hybrid chatbot; web scraping; internships; artificial intelligence
License
This work is licensed under a Creative Commons Attribution 4.0 International license.
pág. 1637
INTRODUCCIÓN
Las pasantías y practicas son un elemento importante de la preparación académica de los
estudiantes universitarios, donde aprenden del entorno laboral y se desarrollan
profesionalmente. Y es esa experiencia la que es crucial para la integración de la formación
teórica con el mundo empresarial y la integración de los estudiantes en el mercado laboral.
Pero las universidades luchan por aprovechar estas oportunidades de manera justa y
oportuna. La falta de estrategias para acercar el ámbito académico al mercado laboral genera
una falta de información que complica la conexión entre estudiantes y empresas. Esta
dispersión de datos complejiza su análisis manual. Para solucionar esto, (Cocón, y otros, 2023)
demuestran que el web Scraping automatizado es una técnica potente y ética para recopilar
vacantes y datos de empleabilidad, optimizando la inserción universitaria. La comunicación
entre las unidades académicas y el sector profesional puede mejorarse aún más con el uso de
herramientas digitales basadas en inteligencia artificial, según diferentes estudios. Los
chatbots híbridos en el entorno universitario no solo optimiza la inmediatez de las respuestas,
sino que, como señalan (Chequer Bajaña & Cedillo Arce, 2026) su interacción dialógica
favorece directamente el desarrollo de la autoeficacia, el aprendizaje autónomo y un esquema
de acompañamiento continuo. Las tecnologías educativas basadas en IA han cambiado la
experiencia educativa para los estudiantes, ya que pueden proporcionar una entrega más
rápida de servicios e información sobre educación académica. En la educación superior en
Ecuador, no existe un sistema que centralice y automatice el almacenamiento de datos, y este
es uno de los principales problemas. Estamos interesados en analizar las prácticas estudiantiles
y cuáles son los obstáculos para la descentralización, las oportunidades y las barreras de las
estrategias de enseñanza convencionales. El objetivo de esta investigación es desarrollar un
chatbot híbrido que combine técnicas de recopilación de datos basadas en la web con
INTRODUCCIÓN
Las pasantías y practicas son un elemento importante de la preparación académica de los
estudiantes universitarios, donde aprenden del entorno laboral y se desarrollan
profesionalmente. Y es esa experiencia la que es crucial para la integración de la formación
teórica con el mundo empresarial y la integración de los estudiantes en el mercado laboral.
Pero las universidades luchan por aprovechar estas oportunidades de manera justa y
oportuna. La falta de estrategias para acercar el ámbito académico al mercado laboral genera
una falta de información que complica la conexión entre estudiantes y empresas. Esta
dispersión de datos complejiza su análisis manual. Para solucionar esto, (Cocón, y otros, 2023)
demuestran que el web Scraping automatizado es una técnica potente y ética para recopilar
vacantes y datos de empleabilidad, optimizando la inserción universitaria. La comunicación
entre las unidades académicas y el sector profesional puede mejorarse aún más con el uso de
herramientas digitales basadas en inteligencia artificial, según diferentes estudios. Los
chatbots híbridos en el entorno universitario no solo optimiza la inmediatez de las respuestas,
sino que, como señalan (Chequer Bajaña & Cedillo Arce, 2026) su interacción dialógica
favorece directamente el desarrollo de la autoeficacia, el aprendizaje autónomo y un esquema
de acompañamiento continuo. Las tecnologías educativas basadas en IA han cambiado la
experiencia educativa para los estudiantes, ya que pueden proporcionar una entrega más
rápida de servicios e información sobre educación académica. En la educación superior en
Ecuador, no existe un sistema que centralice y automatice el almacenamiento de datos, y este
es uno de los principales problemas. Estamos interesados en analizar las prácticas estudiantiles
y cuáles son los obstáculos para la descentralización, las oportunidades y las barreras de las
estrategias de enseñanza convencionales. El objetivo de esta investigación es desarrollar un
chatbot híbrido que combine técnicas de recopilación de datos basadas en la web con
pág. 1638
inteligencia artificial conversacional para abordar los desafíos antes mencionados. El objetivo
de este proyecto es crear una herramienta. Esta herramienta te ayudará a conseguir más
ofertas de trabajo. Esto facilitará a los estudiantes la búsqueda de empleo y prácticas. Para ello
nos hemos fijado varios objetivos. Estos objetivos cubren el diseño del chatbot. También
cubren su parte en inteligencia artificial. El diseño de bases de datos es otro objetivo. También
el sistema de negociación mixta. Técnicamente, usaremos el programa. Este programa
obtendrá datos de Internet. Así obtenemos información. Esta información se convertirá en
conocimiento útil.
No obstante, su efectividad está condicionada por las políticas de acceso y las restricciones
técnicas de cada sitio web. El método de Scraping debe ser ético y conocer cómo están
construidos los sitios; para acceder a big data, los datos requeridos provienen de esos,
informes previos y, al raspar información para datos extraídos utilizando web Scraping, es muy
esencial; también se debe conocer el diseño del sitio; además, el Scraping se aplicará utilizando
el método ético (SOFIA BLANCO-MORENO, 2023). Entonces, la pregunta de investigación que
se debe responder es: ¿Mediante técnicas de Web Scraping, cuán precisa y exhaustivamente
puede el sistema extraer estos campos de la web, que importan dentro de la web basada en
diversas plataformas de práctica profesional y colocación? En general, este estudio destacó la
automatización efectiva para compilar información y reportó una reducción significativa en el
procesamiento manual y la redundancia de información. En este artículo analizamos el tiempo
de respuesta y la precisión como variables dependientes para el sistema y los procedimientos
automatizados de Web Scraping aplicados en las plataformas fuente (la variable
independiente) para evaluar el sistema. Para la educación y el empleo, las aplicaciones de la
tecnología son un tema de investigación y esto se realiza con dos ideas principales: usar Web
Scraping para recopilar datos laborales del ámbito social a través de la automatización y
inteligencia artificial conversacional para abordar los desafíos antes mencionados. El objetivo
de este proyecto es crear una herramienta. Esta herramienta te ayudará a conseguir más
ofertas de trabajo. Esto facilitará a los estudiantes la búsqueda de empleo y prácticas. Para ello
nos hemos fijado varios objetivos. Estos objetivos cubren el diseño del chatbot. También
cubren su parte en inteligencia artificial. El diseño de bases de datos es otro objetivo. También
el sistema de negociación mixta. Técnicamente, usaremos el programa. Este programa
obtendrá datos de Internet. Así obtenemos información. Esta información se convertirá en
conocimiento útil.
No obstante, su efectividad está condicionada por las políticas de acceso y las restricciones
técnicas de cada sitio web. El método de Scraping debe ser ético y conocer cómo están
construidos los sitios; para acceder a big data, los datos requeridos provienen de esos,
informes previos y, al raspar información para datos extraídos utilizando web Scraping, es muy
esencial; también se debe conocer el diseño del sitio; además, el Scraping se aplicará utilizando
el método ético (SOFIA BLANCO-MORENO, 2023). Entonces, la pregunta de investigación que
se debe responder es: ¿Mediante técnicas de Web Scraping, cuán precisa y exhaustivamente
puede el sistema extraer estos campos de la web, que importan dentro de la web basada en
diversas plataformas de práctica profesional y colocación? En general, este estudio destacó la
automatización efectiva para compilar información y reportó una reducción significativa en el
procesamiento manual y la redundancia de información. En este artículo analizamos el tiempo
de respuesta y la precisión como variables dependientes para el sistema y los procedimientos
automatizados de Web Scraping aplicados en las plataformas fuente (la variable
independiente) para evaluar el sistema. Para la educación y el empleo, las aplicaciones de la
tecnología son un tema de investigación y esto se realiza con dos ideas principales: usar Web
Scraping para recopilar datos laborales del ámbito social a través de la automatización y
pág. 1639
chatbots híbridos como herramientas interactivas que pueden ser utilizadas para entrenar y
ayudar al aprendiz. El Web Scraping también ahorra tiempo porque los sistemas inteligentes
pueden acceder a bases de conocimiento (Gómez Fernández, 2024; Juan Manuel Pacheco
Chaparro, 2024).En segundo lugar, la investigación sobre cómo se presentan los chatbots
educativos interactivos indica que las aplicaciones híbridas brindan asistencia personalizada,
retroalimentación instantánea y siempre disponible, haciendo que las interacciones y la
satisfacción del usuario en dichos sistemas sean más efectivas (Eva Jiménez-García, 2025).
Finalmente, la metodología ágil Scrum proporciona la oportunidad de desarrollar el software
con el equipo de desarrollo para ayudar con el trabajo iterativo y entregar valor en forma de
la solución correcta y validar continuamente el diseño del sistema para finalmente resultar en
la solución correcta para el usuario y, en última instancia, llevar a la creación de la opción
correcta para la educación superior de Ecuador.
METODOLOGÍA
En este proyecto en particular se utiliza un enfoque práctico y cuantitativo para el diseño y
prueba de un producto tecnológico. Debido a su naturaleza iterativa y colaborativa y a la
naturaleza incremental y enfocada en el valor de la metodología Agile Scrum. Este enfoque
divide el trabajo en ciclos del proyecto, conocidos como sprints, en los cuales se produce
contenido del sistema del proyecto con entregas funcionales, permitiendo la adaptación a los
cambios y fomentando la mejora continua en el desarrollo. Scrum también cumple una función
al ayudar al equipo a comunicarse de manera efectiva: asegura claridad en las tareas que se
asignan; y al mismo tiempo, que puedan ser revisadas por cualquier persona que haya
experimentado el proyecto y, por lo tanto, pueda actuar en base a su evaluación. La
metodología Scrum se utilizó para el proceso de este estudio de investigación, pero adaptada
chatbots híbridos como herramientas interactivas que pueden ser utilizadas para entrenar y
ayudar al aprendiz. El Web Scraping también ahorra tiempo porque los sistemas inteligentes
pueden acceder a bases de conocimiento (Gómez Fernández, 2024; Juan Manuel Pacheco
Chaparro, 2024).En segundo lugar, la investigación sobre cómo se presentan los chatbots
educativos interactivos indica que las aplicaciones híbridas brindan asistencia personalizada,
retroalimentación instantánea y siempre disponible, haciendo que las interacciones y la
satisfacción del usuario en dichos sistemas sean más efectivas (Eva Jiménez-García, 2025).
Finalmente, la metodología ágil Scrum proporciona la oportunidad de desarrollar el software
con el equipo de desarrollo para ayudar con el trabajo iterativo y entregar valor en forma de
la solución correcta y validar continuamente el diseño del sistema para finalmente resultar en
la solución correcta para el usuario y, en última instancia, llevar a la creación de la opción
correcta para la educación superior de Ecuador.
METODOLOGÍA
En este proyecto en particular se utiliza un enfoque práctico y cuantitativo para el diseño y
prueba de un producto tecnológico. Debido a su naturaleza iterativa y colaborativa y a la
naturaleza incremental y enfocada en el valor de la metodología Agile Scrum. Este enfoque
divide el trabajo en ciclos del proyecto, conocidos como sprints, en los cuales se produce
contenido del sistema del proyecto con entregas funcionales, permitiendo la adaptación a los
cambios y fomentando la mejora continua en el desarrollo. Scrum también cumple una función
al ayudar al equipo a comunicarse de manera efectiva: asegura claridad en las tareas que se
asignan; y al mismo tiempo, que puedan ser revisadas por cualquier persona que haya
experimentado el proyecto y, por lo tanto, pueda actuar en base a su evaluación. La
metodología Scrum se utilizó para el proceso de este estudio de investigación, pero adaptada
pág. 1640
al contexto de la investigación tecnológica colaborativa. Las actividades se dividieron en cinco
etapas que reflejan las ideas del marco de trabajo Scrum, que se detallan a continuación:
Tabla 1. Fases de metodología Scrum
Fase Descripción y actividades principales Entregables
Inicio
Se define la visión del proyecto, los objetivos del
chatbot y las fuentes digitales para el Web
Scraping. Se crea el Product Backlog inicial y se
asignan los roles de Scrum.
Documento de
visión, Product
Backlog inicial y
configuración del
entorno.
Planificación y
estimación
Se diseñan la arquitectura del sistema, los flujos
conversacionales y la base de datos. Se
planifican los sprints y se establecen criterios de
aceptación.
Documento de
diseño técnico y
cronograma de
sprints.
Implementación
Se desarrollan los módulos del chatbot en
iteraciones cortas (sprints), integrando el Web
Scraping, la base de datos y la interfaz
conversacional.
Prototipos
funcionales,
incrementos del
sistema y registro de
sprints
Revisión y
retrospectiva
Se evalúan los resultados de cada sprint
mediante la Sprint Review y se identifican
mejoras en la Sprint Retrospective.
Informes de
validación, métricas
y retrospectivas
Lanzamiento
Se consolida la documentación final, se presenta
la versión estable del chatbot y se formulan
recomendaciones futuras.
Documentación
técnica, informe final
y versión estable del
chatbot.
Fuente: los autores
Fase 1. Inicio
Esta fase corresponde a la planificación y definición de objetivos, en la cual se establecen los
lineamientos generales de la investigación, los alcances del chatbot y la organización del flujo
de trabajo según la metodología ágil Scrum. En particular, esta fase es beneficiosa para
determinar historias de usuario preliminares, las tareas clave y los recursos en el Product
Backlog. Contiene los recursos informativos necesarios para el proceso de Web Scraping, así
como un marco para los sprints iniciales en esta área, lo que nos permite seguir el progreso
gradualmente a lo largo del tiempo. Esta fase, en última instancia, establece una base sólida
para el proceso de investigación, para asegurar que los equipos trabajen juntos en cada
al contexto de la investigación tecnológica colaborativa. Las actividades se dividieron en cinco
etapas que reflejan las ideas del marco de trabajo Scrum, que se detallan a continuación:
Tabla 1. Fases de metodología Scrum
Fase Descripción y actividades principales Entregables
Inicio
Se define la visión del proyecto, los objetivos del
chatbot y las fuentes digitales para el Web
Scraping. Se crea el Product Backlog inicial y se
asignan los roles de Scrum.
Documento de
visión, Product
Backlog inicial y
configuración del
entorno.
Planificación y
estimación
Se diseñan la arquitectura del sistema, los flujos
conversacionales y la base de datos. Se
planifican los sprints y se establecen criterios de
aceptación.
Documento de
diseño técnico y
cronograma de
sprints.
Implementación
Se desarrollan los módulos del chatbot en
iteraciones cortas (sprints), integrando el Web
Scraping, la base de datos y la interfaz
conversacional.
Prototipos
funcionales,
incrementos del
sistema y registro de
sprints
Revisión y
retrospectiva
Se evalúan los resultados de cada sprint
mediante la Sprint Review y se identifican
mejoras en la Sprint Retrospective.
Informes de
validación, métricas
y retrospectivas
Lanzamiento
Se consolida la documentación final, se presenta
la versión estable del chatbot y se formulan
recomendaciones futuras.
Documentación
técnica, informe final
y versión estable del
chatbot.
Fuente: los autores
Fase 1. Inicio
Esta fase corresponde a la planificación y definición de objetivos, en la cual se establecen los
lineamientos generales de la investigación, los alcances del chatbot y la organización del flujo
de trabajo según la metodología ágil Scrum. En particular, esta fase es beneficiosa para
determinar historias de usuario preliminares, las tareas clave y los recursos en el Product
Backlog. Contiene los recursos informativos necesarios para el proceso de Web Scraping, así
como un marco para los sprints iniciales en esta área, lo que nos permite seguir el progreso
gradualmente a lo largo del tiempo. Esta fase, en última instancia, establece una base sólida
para el proceso de investigación, para asegurar que los equipos trabajen juntos en cada
pág. 1641
historia de usuario y para mantener un trabajo metodológico que sea continuo, claro y
rastreable.
Asimismo, se determina el entorno de trabajo ágil, las herramientas de gestión y
comunicación, y se establecen los primeros sprints del proyecto, los cuales orientarán el
desarrollo progresivo y la entrega de resultados funcionales del chatbot.
Tabla 2. Pasos a seguir en la metodología
N° Historia de
usuario Descripción breve Prioridad Responsable Duración
estimada Estado
1
Definir el
alcance del
chatbot híbrido
Precisar objetivos,
público objetivo,
límites funcionales y
técnicos.
Alta Equipo 1 día Finalizado
2
Identificar y
registrar
fuentes digitales
para Web
Scraping
Seleccionar portales
confiables
(universidades,
empleo, prácticas) y
determinar campos a
extraer.
Alta Investigador 2 días Finalizado
3
Elaborar el
producto
backlog del
estudio
Listar y priorizar
tareas. Alta Equipo 1 día Finalizado
4
Configurar el
tablero Scrum
para
seguimiento de
sprints
Diseñar tablero en
Trello con columnas
‘Pendiente’, ‘En
proceso’ y
‘Completado’ para
visualizar el progreso
de cada sprint”.
Alta Desarrollador 1 día Finalizado
5
Seleccionar
herramientas
tecnológicas
Definir lenguajes,
frameworks y librerías
a utilizar.
Media Equipo 1 día Finalizado
6
Establecer los
primeros sprints
y cronograma
Definir duración de
iteraciones, metas y
entregables por sprint.
Alta Investigador 1 día Finalizado
7
Diseñar
arquitectura
general del
sistema
Establecer módulos (IA
conversacional, Web
Scraping, base de
datos) y sus
interacciones.
Alta Equipo 3 días Finalizado
8
Definir modelo
lógico de base
de datos
Crear esquema de
tablas y relaciones
necesarias para
almacenar datos
extraídos.
Alta Investigador 2 días Finalizado
Fuente: los autores
historia de usuario y para mantener un trabajo metodológico que sea continuo, claro y
rastreable.
Asimismo, se determina el entorno de trabajo ágil, las herramientas de gestión y
comunicación, y se establecen los primeros sprints del proyecto, los cuales orientarán el
desarrollo progresivo y la entrega de resultados funcionales del chatbot.
Tabla 2. Pasos a seguir en la metodología
N° Historia de
usuario Descripción breve Prioridad Responsable Duración
estimada Estado
1
Definir el
alcance del
chatbot híbrido
Precisar objetivos,
público objetivo,
límites funcionales y
técnicos.
Alta Equipo 1 día Finalizado
2
Identificar y
registrar
fuentes digitales
para Web
Scraping
Seleccionar portales
confiables
(universidades,
empleo, prácticas) y
determinar campos a
extraer.
Alta Investigador 2 días Finalizado
3
Elaborar el
producto
backlog del
estudio
Listar y priorizar
tareas. Alta Equipo 1 día Finalizado
4
Configurar el
tablero Scrum
para
seguimiento de
sprints
Diseñar tablero en
Trello con columnas
‘Pendiente’, ‘En
proceso’ y
‘Completado’ para
visualizar el progreso
de cada sprint”.
Alta Desarrollador 1 día Finalizado
5
Seleccionar
herramientas
tecnológicas
Definir lenguajes,
frameworks y librerías
a utilizar.
Media Equipo 1 día Finalizado
6
Establecer los
primeros sprints
y cronograma
Definir duración de
iteraciones, metas y
entregables por sprint.
Alta Investigador 1 día Finalizado
7
Diseñar
arquitectura
general del
sistema
Establecer módulos (IA
conversacional, Web
Scraping, base de
datos) y sus
interacciones.
Alta Equipo 3 días Finalizado
8
Definir modelo
lógico de base
de datos
Crear esquema de
tablas y relaciones
necesarias para
almacenar datos
extraídos.
Alta Investigador 2 días Finalizado
Fuente: los autores
pág. 1642
En esta tabla, se presenta el producto backlog, el cual recopila las actividades planificadas para
las ciertas fases, priorizadas según su relevancia y orden de ejecución.
Ilustración 1.Product Backlog
Fuente: los autores
En la figura 1, se presenta el Product Backlog donde se organizaron las actividades, se
priorizaron las historias de usuario según su valor y complejidad. Para la gestión visual del
progreso de cada sprint, se empleó un tablero Scrum, estructurado en columnas (“Pendiente”,
“En proceso” y “Completado”), lo que permitió monitorear el avance de las tareas y mantener
la transparencia del trabajo en equipo.
A medida que se ejecutaron las actividades, las tarjetas correspondientes fueron desplazadas
entre las columnas, reflejando la evolución del proyecto de manera dinámica y colaborativa.
Fase 2. Planificación y estimación
Esta fase corresponde a un proceso completo de planificación y estimación respecto al
esfuerzo requerido para desarrollar el chatbot híbrido. Durante esta etapa, se identifican las
funciones principales del sistema. El trabajo se divide en diferentes partes en sprints, y se
establecen criterios para cada nuevo paso de manera que cada uno esté finalmente alineado
En esta tabla, se presenta el producto backlog, el cual recopila las actividades planificadas para
las ciertas fases, priorizadas según su relevancia y orden de ejecución.
Ilustración 1.Product Backlog
Fuente: los autores
En la figura 1, se presenta el Product Backlog donde se organizaron las actividades, se
priorizaron las historias de usuario según su valor y complejidad. Para la gestión visual del
progreso de cada sprint, se empleó un tablero Scrum, estructurado en columnas (“Pendiente”,
“En proceso” y “Completado”), lo que permitió monitorear el avance de las tareas y mantener
la transparencia del trabajo en equipo.
A medida que se ejecutaron las actividades, las tarjetas correspondientes fueron desplazadas
entre las columnas, reflejando la evolución del proyecto de manera dinámica y colaborativa.
Fase 2. Planificación y estimación
Esta fase corresponde a un proceso completo de planificación y estimación respecto al
esfuerzo requerido para desarrollar el chatbot híbrido. Durante esta etapa, se identifican las
funciones principales del sistema. El trabajo se divide en diferentes partes en sprints, y se
establecen criterios para cada nuevo paso de manera que cada uno esté finalmente alineado
pág. 1643
con los objetivos del proyecto. Aquí se ha desarrollado el diseño técnico preliminar, que incluye
la adquisición de datos web, el flujo de conversación y los datos almacenados en una base de
datos. Las historias de usuario se priorizaron según las necesidades del universitario. Siguiendo
a ( Terletska, Sobolieva, Hryshchuk, Haidenko, & Dankevych)los flujos conversacionales se
diseñaron como un andamiaje interactivo para guiar al estudiante de forma clara en la
selección de sus prácticas y pasantías. En el núcleo de este punto de vista está el trabajo con
métodos ágiles, que permiten calcular cuánto tiempo debería tomar ejecutar la historia de
usuario basándose en la experiencia previa, los recursos y las dependencias de las tareas. Por
lo tanto, hacemos uso de técnicas como la definición de "Listo" (DoR), el juego Planning Poker
y el análisis de los riesgos técnicos de combinar el módulo conversacional. También se
establecen criterios de aceptación que cada entrega debe satisfacer para asegurar que los
incrementos generados durante cada sprint sean funcionales y verificables, y estén alineados
con los objetivos específicos de la investigación. Por último, se prepara el Sprint Backlog para
asignar las tareas seleccionadas durante el primer ciclo iterativo como asignaciones de trabajo.
A continuación, se presenta la planificación correspondiente a esta fase:
Tabla 3. Planificación
Nº Historia de usuario Descripción breve Estimación Prioridad Responsable Estado
1 Diseñar la arquitectura
del chatbot
Definir módulos
conversacionales, scraping,
base de datos y sus
interacciones
3 días Alta Equipo Pendiente
2 Estructurar flujos
conversacionales
Crear nodos y rutas de
interacción según
necesidades del usuario
3 días Alta Investigador Pendiente
3 Definir estructura de la
base de datos
Establecer tablas, campos y
relaciones necesarias
2 días Alta Investigador Pendiente
4 Planificar los sprints
del proyecto
Determinar duración,
entregables y criterios de
aceptación
1 día Alta Equipo Pendiente
5 Elaborar prototipos de
interfaz
Bosquejar diseño
preliminar del chatbot para
validar interacción
2 días Media Desarrollador Pendiente
6 Identificar riesgos
técnicos
Evaluar limitaciones de
scraping, accesos y
compatibilidad
1 día Media Equipo Pendiente
Fuente: los autores
con los objetivos del proyecto. Aquí se ha desarrollado el diseño técnico preliminar, que incluye
la adquisición de datos web, el flujo de conversación y los datos almacenados en una base de
datos. Las historias de usuario se priorizaron según las necesidades del universitario. Siguiendo
a ( Terletska, Sobolieva, Hryshchuk, Haidenko, & Dankevych)los flujos conversacionales se
diseñaron como un andamiaje interactivo para guiar al estudiante de forma clara en la
selección de sus prácticas y pasantías. En el núcleo de este punto de vista está el trabajo con
métodos ágiles, que permiten calcular cuánto tiempo debería tomar ejecutar la historia de
usuario basándose en la experiencia previa, los recursos y las dependencias de las tareas. Por
lo tanto, hacemos uso de técnicas como la definición de "Listo" (DoR), el juego Planning Poker
y el análisis de los riesgos técnicos de combinar el módulo conversacional. También se
establecen criterios de aceptación que cada entrega debe satisfacer para asegurar que los
incrementos generados durante cada sprint sean funcionales y verificables, y estén alineados
con los objetivos específicos de la investigación. Por último, se prepara el Sprint Backlog para
asignar las tareas seleccionadas durante el primer ciclo iterativo como asignaciones de trabajo.
A continuación, se presenta la planificación correspondiente a esta fase:
Tabla 3. Planificación
Nº Historia de usuario Descripción breve Estimación Prioridad Responsable Estado
1 Diseñar la arquitectura
del chatbot
Definir módulos
conversacionales, scraping,
base de datos y sus
interacciones
3 días Alta Equipo Pendiente
2 Estructurar flujos
conversacionales
Crear nodos y rutas de
interacción según
necesidades del usuario
3 días Alta Investigador Pendiente
3 Definir estructura de la
base de datos
Establecer tablas, campos y
relaciones necesarias
2 días Alta Investigador Pendiente
4 Planificar los sprints
del proyecto
Determinar duración,
entregables y criterios de
aceptación
1 día Alta Equipo Pendiente
5 Elaborar prototipos de
interfaz
Bosquejar diseño
preliminar del chatbot para
validar interacción
2 días Media Desarrollador Pendiente
6 Identificar riesgos
técnicos
Evaluar limitaciones de
scraping, accesos y
compatibilidad
1 día Media Equipo Pendiente
Fuente: los autores
pág. 1644
Diseño de la arquitectura del sistema
Durante esta fase se definió la arquitectura general del chatbot híbrido, estableciendo los
módulos principales que conforman el sistema y su interacción. La arquitectura se diseñó bajo
un enfoque modular, permitiendo una integración flexible entre el componente
conversacional, el módulo de Web Scraping y la base de datos.
Ilustración 2. Arquitectura del sistema
Fuente: los autores
En la figura 2, se muestra el diagrama muestra el flujo que sigue el chatbot, desde la petición
emitida por el usuario desde el frontend, la misma que es procesada por un AP. Si dicha
información no está disponible, se activa el módulo Web Scraping, extrayendo información
desde los portales para su futuro almacenado en la base de datos. Por último, el chatbot
recopila y envía una respuesta al usuario de forma centralizada y actualizada.
Diseño de la base de datos
Durante este paso, se especifica el diseño lógico de la base de datos para almacenar la
información obtenida del Web Scraping. Se crearon tablas con campos obligatorios para
Diseño de la arquitectura del sistema
Durante esta fase se definió la arquitectura general del chatbot híbrido, estableciendo los
módulos principales que conforman el sistema y su interacción. La arquitectura se diseñó bajo
un enfoque modular, permitiendo una integración flexible entre el componente
conversacional, el módulo de Web Scraping y la base de datos.
Ilustración 2. Arquitectura del sistema
Fuente: los autores
En la figura 2, se muestra el diagrama muestra el flujo que sigue el chatbot, desde la petición
emitida por el usuario desde el frontend, la misma que es procesada por un AP. Si dicha
información no está disponible, se activa el módulo Web Scraping, extrayendo información
desde los portales para su futuro almacenado en la base de datos. Por último, el chatbot
recopila y envía una respuesta al usuario de forma centralizada y actualizada.
Diseño de la base de datos
Durante este paso, se especifica el diseño lógico de la base de datos para almacenar la
información obtenida del Web Scraping. Se crearon tablas con campos obligatorios para