Lotus

Aprender no es igual para todos, y esa idea sencilla puede transformar por completo la experiencia educativa. El equipo Lotus parte de esa premisa para construir una herramienta que analiza la forma en que enseña tu profesor favorito y la conecta con tu estilo de aprendizaje, generando contenido personalizado que realmente se adapta a ti.

¿Cómo funciona Lotus para detectar estilos de aprendizaje?

El flujo comienza con algo muy simple: ingresar la URL de un video de YouTube de tu profesor favorito [0:12]. A partir de ahí, la herramienta ejecuta varios procesos de forma automática:

• Transcripción de audio con Whisper: el sistema convierte el contenido hablado del video en texto utilizando esta tecnología de reconocimiento de voz [2:24].
• Análisis con un LLM: cada párrafo de la transcripción se evalúa a través de un modelo de lenguaje que lo califica según un marco pedagógico específico [2:30].
• Clasificación según el marco CHAEA: el cuestionario Honey-Alonso de estilos de aprendizaje es una herramienta ampliamente aceptada en la industria educativa. Permite identificar si un estudiante o profesor se inclina hacia un perfil teórico, práctico, reflexivo o activo [2:37].

Con estos pasos, Lotus identifica tanto el perfil de enseñanza del profesor como el perfil de aprendizaje del estudiante.

¿Qué tipo de contenido personalizado genera la herramienta?

Una vez que se determina tu estilo de aprendizaje, Lotus genera material complementario ajustado a ese perfil. Este contenido puede incluir:

• Práctica guiada.
• Ejemplos contextuales.
• Resúmenes adaptados.
• Exámenes de evaluación.

Lo más relevante es que los ejercicios no son iguales para dos perfiles diferentes [3:20]. Un estudiante con perfil teórico recibirá material distinto al de un estudiante con perfil práctico, porque el LLM adapta la generación de contenido según cada caso.

Además, la herramienta ofrece recomendaciones de otros profesores que comparten el mismo estilo de enseñanza que el profesor favorito del usuario [2:58]. Estos profesores ya han sido procesados previamente con el modelo CHAEA, lo que garantiza que la sugerencia sea coherente con las preferencias del estudiante.

¿Cómo puede reducir la tasa de abandono en plataformas educativas?

El equipo Lotus propone un caso de uso muy concreto orientado a la retención de usuarios [3:29]. Cuando el equipo de datos identifica usuarios de alto riesgo —aquellos propensos a no renovar su suscripción—, la herramienta puede intervenir de forma inteligente.

• Se muestra un botón que pregunta: "¿No te gustó esa clase?" justo cuando el usuario pausa o está por abandonar un curso [3:43].
• Se redirige al usuario a una pantalla con contenido alternativo que podría conectar mejor con su perfil.
• Se utiliza data histórica para comprender patrones de aprendizaje y ofrecer opciones más afines [3:57].

¿Cuál es la hipótesis detrás de esta estrategia?

La idea central es que, al sentirse identificado con un perfil de aprendizaje y recibir contenido que realmente resuena con su forma de aprender, el usuario continúe dentro del ciclo virtuoso de aprendizaje [4:05]. Esto tendría como resultado directo la disminución del churn —la tasa de cancelación— y una mejora significativa en la experiencia general del usuario.

Lotus demuestra que combinar modelos de lenguaje, marcos pedagógicos validados como CHAEA y análisis de datos de usuario puede crear un ecosistema de aprendizaje verdaderamente personalizado. Si te interesa cómo la inteligencia artificial puede transformar la educación adaptativa, comparte tu opinión sobre qué estilo de aprendizaje crees que te define.