Reconocimiento facial para la verificación de identidad de estudiantes en exámenes en línea

Abstract

La suplantación de identidad en exámenes virtuales representa un desafío significativo para la integridad académica en instituciones de educación superior. Esta investigación se centró en el desarrollo de un sistema de verificación biométrica basado en reconocimiento facial mediante aprendizaje profundo, integrado nativamente con Moodle. La metodología empleó un enfoque cuantitativo con tres revisiones sistemáticas y encuesta a 213 estudiantes, revelando un Índice de Prevalencia del Fraude del 47.1% y un Índice de Confianza en la Tecnología del 69.8%. El sistema consta de dos componentes principales: un servidor Flask que implementa InsightFace mediante arquitectura ArcFace con RetinaFace, complementado por FaceNet como respaldo más MiniFASNet para detección anti-suplantación de identidad; junto con un plugin PHP para Moodle que realiza captura facial en tiempo real. Se concluye que el sistema constituye una alternativa viable y escalable para fortalecer la seguridad en evaluaciones remotas.