Sistemas de asignación de estudiantes en las escuelas: una revisión sistemática de la literatura
DOI:
https://doi.org/10.5753/rbie.2026.6639Keywords:
Sistemas de Asignación, Asignación de Estudiantes, Escuelas, Revisión Sistemática de la LiteraturaAbstract
La asignación de estudiantes a escuelas públicas es un desafío logístico y social con impactos directos en la equidad, el acceso y la calidad educativa, especialmente en contextos de demanda desigual y limitaciones de capacidad. Este artículo presenta una revisión bibliográfica sobre los sistemas de asignación de estudiantes a escuelas, que abarca el período 2014-2024. La revisión incluye estudios nacionales e internacionales que proponen diferentes enfoques al problema, incluyendo modelos basados en preferencias, distancia, capacidad escolar y composición socioeconómica. También se analizan los principales algoritmos utilizados, como el emparejamiento estable, métodos heurísticos y metaheurísticos, entre otros. La síntesis destaca objetivos recurrentes, como la minimización de distancias y costos, la estabilidad de la asignación y la ocupación eficiente, y analiza las barreras prácticas: calidad e integración de datos, transparencia de las normas, aceptación social, desigualdades territoriales y costos computacionales a gran escala. El objetivo es brindar una visión integral de las soluciones propuestas y sus implicaciones para la formulación de políticas públicas más justas y eficientes en el ámbito educativo.
Descargas
Citas
Ali, A. Y. (2021). Greedy algorithm for solving student allocation problem in internship program: a case study. International journal of research in industrial engineering, 10(2), 155–164. https://doi.org/10.22105/riej.2021.266125.1179 [GS Search].
Alifi, M. R., Hayati, H., & Supangkat, S. H. (2017). Optimization of school network using location-allocation analysis: Case study: Bandung, Indonesia. 2017 IEEE Region 10 Symposium (TENSYMP), 1–6. https://doi.org/10.1109/TENCONSpring.2017.8070099 [GS Search].
Arnosti, N. (2023). Lottery design for school choice. Management Science, 69(1), 244–259. https://doi.org/10.1287/mnsc.2022.4338 [GS Search].
Badoni, R. P., & Gupta, D. (2015). A new algorithm based on students groupings for university course timetabling problem. 2015 2nd international conference on recent advances in engineering & computational sciences (RAECS), 1–5. https://doi.org/10.1109/RAECS.2015.7453340 [GS Search].
Bouzarth, E. L., Forrester, R., Hutson, K. R., & Reddoch, L. (2018). Assigning students to schools to minimize both transportation costs and socioeconomic variation between schools. Socio-Economic Planning Sciences, 64, 1–8. https://doi.org/10.1016/j.seps.2017.09.001 [GS Search].
Delgado, V. M. S. (2013). Alocação dos alunos nas escolas: uma abordagem de algoritmos de pareamento para análise do efeito do cadastro escolar de Belo Horizonte na proficiência dos estudantes. [GS Search] [Link].
Fernandes, G. A. A. L. (2018). O problema das matrículas escolares: uma discussão sobre a melhoria das regras utilizadas em São Paulo. Revista de Administração Pública, 52(4), 740–752. https://doi.org/10.1590/0034-7612163466 [GS Search].
Ilham, M. N., Arbansyah, A., Suryawan, S. H., & Wirayuda, P. (2020). Application of Bubble Sort Optimization in New Student Admission Selection Using Brute Force Algorithm. Tepian, 5(2), 568771. https://doi.org/10.51967/tepian.v5i2.3055 [GS Search].
Jiang, Y., Li, B., & Zhao, R. (2019). An allocation scheme of students based on IPM under the nearby enrollment policy. 2019 10th International Conference on Information Technology in Medicine and Education (ITME), 260–264. https://doi.org/10.1109/ITME.2019.00066 [GS Search].
Lincolao-Venegas, I., & Rojas-Mora, J. (2024). Exploration Pitfalls in a CUDA Parallelized Simulated Annealing Algorithm to Solve the Centralized Student-School Assignment Problem. 2024 43rd International Conference of the Chilean Computer Science Society (SCCC), 1–8. https://doi.org/10.1109/SCCC63879.2024.10767637 [GS Search].
Machado, M. M. M., & Cardoso, S. L. (2025). O uso da Tecnologia em Sala de Aula com Alunos com TEA: uma Revisão Sistemática da Literatura. Revista Brasileira de Informática na Educação, 33, 583–604. https://doi.org/10.5753/rbie.2025.5356 [GS Search].
Mayerle, S. F., Rodrigues, H. F., Figueiredo, J. N., & Chiroli, D. M. D. G. (2022). Optimal student/school/class/teacher/classroom matching to support efficient public school system resource allocation. Socio-Economic Planning Sciences, 83, 101341. https://doi.org/10.1016/j.seps.2022.101341 [GS Search].
Neto, G. F., Miranda, P. B., Mello, R. F., & Nascimento, A. C. (2022). A Novel One-to-Many Matching Method for the Assignment Problem: An ENEM Case Study. Encontro Nacional de Inteligência Artificial e Computacional (ENIAC), 164–173. https://doi.org/10.5753/eniac.2022.227548 [GS Search].
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., et al. (2021). The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. bmj, 372. https://doi.org/10.1186/s13643-021-01626-4 [GS Search].
Prima, P., & Arymurthy, A. M. (2018). Optimization of school location-allocation using genetic algorithm. 2018 8th International Workshop on Computer Science and Engineering, WCSE 2018, 750–755. [GS Search] [Link].
Prima, P., & Arymurthy, A. M. (2019). Optimization of school location-allocation using Firefly Algorithm. Journal of Physics: Conference Series, 1235(1), 012002. https://doi.org/10.1088/1742-6596/1235/1/012002 [GS Search].
Robertson, S., Nguyen, T., & Salehi, N. (2021). Modeling assumptions clash with the real world: Transparency, equity, and community challenges for student assignment algorithms. Proceedings of the 2021 CHI Conference on Human Factors in Computing Systems, 1–14. https://doi.org/10.1145/3411764.3445748 [GS Search].
Rodrigues, H. F., & Mayerle, S. F. (2014). Modelo capacitado para alocação de alunos em redes públicas de ensino. XLVI Simpósio Brasileiro de Pesquisa Operacional. [GS Search] [Link].
Rosistolato, R., Prado, A. P., Koslinski, M. C., Carvalho, J. T., & Moreira, A. M. (2016). Dinâmicas de matrícula em escolas públicas na cidade do Rio de Janeiro. Pro-Posições, 27, 237–262. https://doi.org/10.1590/1980-6248-2015-0108 [GS Search].
Verhalen, L. E. C., Castro, M. M. M., & Maciel, C. (2025). Percepções e Ferramentas sobre Recriação Digital de Educadores por meio de Inteligência Artificial: Uma Revisão Sistemática de Literatura. Revista Brasileira de Informática na Educação, 33, 565–582. https://doi.org/10.5753/rbie.2025.5279 [GS Search].
Vianna, C. R., Teles, C. A. M. S., Pontes, R. S. G., Belloze, K. T., Cirto, F. E., Brandão, D., Assis, L. S., & Carvalho, F. F. (2023). Heuristic for the Students Allocation in Brazilian Public Schools: a Case Study. 2023 18th Iberian Conference on Information Systems and Technologies (CISTI), 1–7. https://doi.org/10.23919/CISTI58278.2023.10211339 [GS Search].
Wahid, E. A. L., Zainuddin, Z., & Ilham, A. A. (2024). Modification of K-Means Clustering Algorithm for Optimizing School Zoning System Using Big Data. 2024 7th International Conference on Information and Communications Technology (ICOIACT), 148–153. https://doi.org/10.1109/ICOIACT64819.2024.10913295 [GS Search].
Archivos adicionales
Published
Cómo citar
Issue
Section
Licencia
Derechos de autor 2026 Anderson Pinheiro Cavalcanti, Samara Monteiro Xavier, Juliana Maria da Silva Venâncio, Péricles Barbosa Cunha de Miranda, André Câmara Alves do Nascimento, Rafael Ferreira Leite de Mello
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
