Mamani Vilca, EclerHuamani Tintaya, MelissaTapia Rodriguez, Sandra2026-06-162026-06-162026-04-22https://hdl.handle.net/20.500.14195/1589El registro de asistencia en la EAPIIS de la UNAMBA se realiza de forma manual, generando demoras, errores en el registro de asistencia en las clases. Frente a este problema, esta investigación tuvo como objetivo desarrollar una aplicación web basada en redes neuronales convolucionales para optimizar el registro mediante reconocimiento facial, evaluando los modelos ArcFace, FaceNet y FaceRecognition para identificar el más preciso. La investigación fue de tipo aplicada, de nivel explicativo, con diseño mixto cuasi-experimental y descriptivo. La población fue conformada de 479 estudiantes y la muestra de 141. El sistema se desarrolló con la metodología ágil Extreme Programming (XP), integrando módulos de entrenamiento, identificación facial y registro automático. Los resultados evidenciaron mejoras significativas: reducción del tiempo de preparación en 63.6 % y del registro por estudiante en 50.4 %, optimizando el tiempo lectivo. La consolidación de datos pasó de un proceso manual a uno automático y confiable. ArcFace obtuvo el mejor desempeño con 97 % de exactitud. La aplicación se implementó con Flask. La evaluación de usabilidad (CSUQ) mostró alta aceptación: 80 % en calidad del sistema, 84 % en información y 97.5 % en interfaz. Se concluye que la solución mejora significativamente el registro de asistencia, brindando mayor precisión, rapidez, confiabilidad y usabilidad, y favoreciendo una gestión adecuada conforme al reglamento académico.application/pdfspahttp://purl.org/coar/access_right/c_abf2Redes neuronales convolucionalesReconocimiento facialRegistro de asistenciaArcFaceInteligencia artificial.http://purl.org/coar/resource_type/c_7a1fhttps://purl.org/pe-repo/ocde/ford#2.02.04