Filosofía¶
Adaptive Learner implementa el modelo de aprendizaje de seis métodos descrito por Asterios Raptis en la serie «Von Theorie zur Praxis» (Medium, 2024). Esta página explica el por qué de las decisiones de diseño.
El problema con las herramientas de aprendizaje habituales¶
La mayoría de las herramientas de IA para el aprendizaje hacen una sola cosa: responder preguntas. Son buenas en ello. Pero responder preguntas no es lo mismo que aprender.
El aprendizaje requiere:
- Recibir información nueva (entrada).
- Intentar aplicarla (intento).
- Cometer errores y verlos (error).
- Recibir retroalimentación explicativa (retroalimentación).
- Ajustar el enfoque (adaptación).
- Practicar con variaciones (repetición).
- Conectar con lo que ya sabes (integración).
Un chatbot salta al paso 4 directamente. Adaptive Learner recorre todos los pasos.
Los seis métodos¶
No todos aprendemos igual. La investigación educativa distingue al menos seis estilos cognitivos fundamentales:
| Método | Enfoque |
|---|---|
| Deductivo | Regla primero, luego aplicación |
| Inductivo | Ejemplos primero, luego regla |
| Basado en errores | Error primero, luego comprensión |
| Dialógico | Aprendizaje mediante conversación |
| Contextual | Situaciones reales simuladas |
| Adaptativo con IA | El sistema elige según tu perfil |
La clave: no es «¿qué tipo de aprendiz eres?», sino «¿qué método funciona mejor para este material ahora mismo?». El perfil de aprendizaje captura tus pesos relativos; el sistema ajusta continuamente.
Los siete pasos como ciclo¶
El ciclo de siete pasos no es una lista de tareas. Es un bucle: después del paso 7 (integración), el siguiente ciclo comienza con un material nuevo ligeramente más difícil. La IA recuerda dónde te equivocaste, qué conceptos conceptuales erróneos estuvieron presentes, qué método te llevó al éxito más rápido.
El dual-prompt evaluator (el segundo agente de IA que corre en paralelo) mide tu comprensión después de cada respuesta y decide cuándo estás listo para el siguiente paso. No avanzas por el tiempo transcurrido sino por lo que realmente has comprendido.
Git para el aprendizaje¶
Internamente, el progreso se almacena como «commits de progreso»,
un término tomado del control de versiones. Igual que git commit
toma una instantánea del código, un commit de progreso toma una
instantánea del estado de aprendizaje: comprensión, estrés,
adecuación del método, paso del ciclo.
Esto permite:
- Historial auditable — puedes ver exactamente cómo evolucionó tu comprensión sesión a sesión.
- Análisis de regresión — si tu comprensión baja después de un descanso, el sistema lo detecta y ajusta el ritmo.
- Exportaciones reproducibles — el repositorio de aprendizaje (plugin opcional) convierte el historial de commits en archivos Markdown que puedes versionar con Git de verdad.
Tres pilares¶
El diseño descansa sobre tres pilares técnicos:
-
Repetición espaciada — la ciencia detrás del recuerdo a largo plazo. Las tarjetas se programan en seis bandas (+1d, +3d, +7d, +14d, +30d) según el rendimiento.
-
Recuperación activa — forzarte a recordar activamente (en lugar de releer pasivamente) consolida el conocimiento. El evaluador del paso 2 (intento) lo mide.
-
IA adaptativa — la IA no solo responde sino que también evalúa, diagnostica y adapta. El sistema de doble prompt es lo que distingue a Adaptive Learner de un chatbot con buenas respuestas.
Principios de diseño¶
- Sin paywalls — todos los plugins son MIT; la clave de la IA es tuya.
- Primero sin conexión — el modo Dexie funciona completamente en el navegador, sin servidor.
- Sin gamificación coercitiva — XP e insignias son un espejo del progreso, no un sistema de incentivos. Sin clasificaciones, sin presión social.
- Sin caja negra — el código es abierto; puedes auditar exactamente cómo se construyen los prompts, cómo se calcula el perfil y cómo funciona el evaluador.