EduPlayground

La personalización impulsada por inteligencia artificial está transformando la forma en que las personas aprenden y aplican conocimientos. EduPlayground es un sistema multiagente compuesto por cinco agentes de IA, diseñado para que los estudiantes practiquen lo aprendido en cursos a través de retos contextualizados y personalizados, aumentando así la tasa de finalización de cursos.

¿Por qué los estudiantes abandonan sus cursos?

El punto de partida es una observación crítica: los estudiantes abandonan sus estudios porque no saben aplicar lo que aprenden [0:08]. Para validar esta hipótesis, el equipo habló directamente con usuarios de la plataforma. Los hallazgos fueron reveladores:

• Quienes terminan un curso suelen aplicar lo aprendido.
• Quienes no terminan un curso nunca abandonan porque no puedan aplicar el contenido dentro del curso, sino por otras razones.

Ese insight fue determinante: si se resuelve la brecha entre aprender y aplicar, se impacta directamente en la capacidad de los estudiantes de completar todos los cursos que comienzan [0:36].

¿Cómo funciona el sistema multiagente de EduPlayground?

EduPlayground opera con cinco agentes de inteligencia artificial que trabajan en cadena para generar un reto personalizado [0:46]. El flujo comienza cuando el usuario proporciona su contexto; por ejemplo, Ana quiere aplicar a un trabajo en bioinformática dentro del sector de biotecnología [0:56].

¿Qué hace cada agente en el proceso?

• Game selector: busca en su base de datos el reto que mejor se adapte al contexto del usuario [1:05].
• Game personalizer: cuando el game creator necesita información especializada, este agente busca en internet, accede a páginas relevantes y entrega un resumen ejecutivo con roles, responsabilidades y datos clave del área, en este caso biotecnología y bioinformática [1:16].
• Game creator: con la información recibida, genera una primera versión del reto [1:33].
• Game QA: revisa esa versión y entrega feedback inmediato para mejorar la calidad del reto antes de que llegue al usuario [1:38].

Finalmente, el reto se renderiza para el estudiante. En el ejemplo mostrado, el reto consiste en una entrevista de trabajo en inglés con tres preguntas relacionadas con análisis de datos genómicos y lenguajes de programación para bioinformática [1:52]. El usuario debe responder con audio, lo cual añade un componente práctico y realista [2:05].

¿Cómo se estructura el feedback del reto?

Una vez que el usuario responde todas las preguntas, se activa la fase de feedback, dividida en tres etapas [2:10]:

• Evaluación del idioma: cómo estuvo el inglés del usuario.
• Evaluación de contenido técnico: calidad de las respuestas sobre bioinformática y biotecnología.
• Evaluación de objetivos de aprendizaje: alineación con lo que el curso buscaba enseñar.

¿Qué resultados obtuvieron en las pruebas con usuarios?

EduPlayground no solo está pensado para estudiantes individuales, sino también para empresas que quieran que sus colaboradores apliquen lo aprendido en retos específicos de la organización [2:29]. Para validar la solución, el equipo realizó tres fases de pruebas con usuarios reales y evaluó cuatro hipótesis principales [2:39]:

• El reto es desafiante: confirmado.
• El reto pone a prueba lo aprendido en los cursos: confirmado.
• El reto es personalizado: confirmado.
• El feedback es útil: confirmado.

El dato más contundente: el 100% de los usuarios recomendarían EduPlayground si estuviera disponible en la plataforma [2:59].

Si te interesa cómo la inteligencia artificial puede cerrar la brecha entre aprender y aplicar, comparte tu experiencia con retos educativos personalizados en los comentarios.