El ciclo de siete pasos

Cada sesión recorre un ciclo de aprendizaje de 7 pasos. Los pasos provienen de la serie de artículos Von Theorie zur Praxis y reflejan el arco cognitivo real de adquirir una nueva habilidad.

El arco

#	Paso	Lo que ocurre cognitivamente
1	Entrada	Encontrarse con material nuevo por primera vez
2	Intento	Intentar aplicarlo
3	Error	Darse cuenta de que la aplicación falló
4	Retroalimentación	Procesar por qué ocurrió el error
5	Adaptación	Ajustar el modelo mental
6	Repetición	Practicar con el modelo ajustado
7	Integración	Conectar con el contexto más amplio

Por qué este orden

No es solo conveniente: cada paso depende del anterior.

• Entrada → Intento no es trivial. Muchos aprendices se saltan el Intento y pasan directamente de la entrada al «lo intentaré más tarde». Ese retraso erosiona el recuerdo. El paso 2 fuerza la aplicación inmediata.
• Intento → Error es la fricción productiva. El error es información. Una sesión de aprendizaje que evita los errores dándote solo preguntas fáciles no te dice nada sobre tu comprensión.
• Error → Retroalimentación es donde ocurre el aprendizaje más profundo. El mismo error explicado inmediatamente, con referencia a tu intento específico, cala; el mismo error explicado una hora después desde un libro de texto no.
• Retroalimentación → Adaptación es interna. La IA no puede ver que este paso ocurre; lo haces en tu cabeza. El prompt de la IA en el paso 5 te invita deliberadamente a articular qué has cambiado en tu enfoque.
• Adaptación → Repetición verifica la adaptación. La nueva tarea de práctica usa el mismo principio con una forma ligeramente diferente, de modo que la adaptación tiene que generalizarse.
• Repetición → Integración eleva la habilidad fuera de la práctica aislada y la conecta con otras cosas que sabes. Esto es lo que hace que el aprendizaje sea duradero.

Qué ocurre si te saltas un paso

Cada paso omitido tiene un coste:

• Saltarse la Entrada: intentas aplicar algo que nunca has visto explicado. Generalmente se siente como agitarse sin rumbo.
• Saltarse el Intento: lees la regla y asumes que la entiendes. Meses después descubrirás que no.
• Saltarse el Error: nunca produces un error que la IA pueda diagnosticar. El aprendizaje se reduce a un goteo.
• Saltarse la Retroalimentación: cometiste un error pero no procesaste la explicación. En la siguiente sesión cometerás el mismo error.
• Saltarse la Adaptación: asentiste ante la retroalimentación pero en realidad no cambiaste tu modelo mental. El siguiente Intento lo revelará.
• Saltarse la Repetición: te adaptaste una vez pero no verificaste que la adaptación se generaliza. La habilidad no se transferirá a una forma superficial diferente.
• Saltarse la Integración: la habilidad permanece en un silo. Puedes aplicarla en ejercicios de práctica pero no en una situación real.

El evaluador de IA de doble prompt observa tus intercambios y puede sugerir quedarse en el paso actual cuando te has saltado un momento cognitivo. Por eso existen las sugerencias de «quedarse»: no son la IA siendo molesta.

Cómo decide la IA

Después de cada mensaje de usuario + respuesta de la IA, se dispara una segunda llamada a la IA con este prompt de sistema (parafraseado):

Lee el intercambio. ¿Ha terminado el aprendiz el paso actual del ciclo? Emite JSON: {advance, confidence, reason, suggested_step}.

El esquema aplica un único objeto JSON; si la IA devuelve texto no parseable, se aplica un avance determinista de +1 (limitado al paso 7).

El suggested_step puede ser:

• actual + 1 — avance normal (el más común).
• actual — quedarse; el aprendiz necesita más tiempo aquí.
• Un salto hacia adelante (p. ej., 1 → 3) — el aprendiz ya comprende la entrada.
• Un paso hacia atrás (p. ej., 4 → 2) — el aprendiz está confundido y necesita volver a intentarlo.

La ruta aplica la sugerencia solo cuando confidence >= 0.6 (el step_evaluation.confidence_threshold predeterminado en app.yaml). Los veredictos de reserva siempre aplican el avance de +1.

Por qué doble prompt en lugar de uno solo

La misma llamada de IA podría emitir tanto la respuesta de aprendizaje como el veredicto del paso. No lo hacemos porque:

1. Separación de responsabilidades — el prompt de aprendizaje se compone por (método, paso). El prompt del evaluador es consciente del método pero agnóstico al paso.
2. Presupuestos de tokens — la respuesta de aprendizaje se beneficia de 1024 tokens; el veredicto necesita solo 256.
3. Robustez del parsing de JSON — pedirle a la IA que produzca prosa Y una cola JSON en una sola respuesta es frágil. Se pregunta dos veces, se parsea con limpieza.
4. Reproducibilidad — cuando algo sale mal, tenemos las dos respuestas registradas por separado y podemos auditarlas.

El coste son dos llamadas a la API por turno. A precios del nivel económico (claude-haiku, gpt-4o-mini, gemini-flash) eso es una fracción de céntimo por intercambio.

Indicador de progreso del ciclo

La página de Sesión muestra una tira de 7 círculos en la parte superior. Relleno = hecho; el círculo del paso actual está en el color de acento del proyecto y pulsa sutilmente mientras la IA está pensando. En las transiciones de paso (hacia adelante o hacia atrás), la tira se anima para que el ciclo se sienta vivo.

En móvil (≤768px) la tira se convierte en una única fila horizontal de pequeños círculos para ahorrar espacio vertical. Deslizar sobre la tira muestra una superposición informativa que describe el paso anterior / siguiente del ciclo.

Auto-bucle (v1.4.0) + transiciones de tema

El paso 7 ya no es un callejón sin salida. Una vez que el evaluador de pasos te mueve al paso 7 con advance=true, una tercera llamada a la IA — el evaluador de transición de tema — juzga si el tema ha sido integrado y si iniciar un nuevo ciclo.

       paso 1..7 (ciclo normal)
                ↓
         paso 7 alcanzado
                ↓
   llamada IA de transición de tema:
       ¿integrado?  ¿continuar_recomendado?
                ↓                    ↓
              sí ∧ sí             si no
                ↓                    ↓
   cycle_step ← 1           cycle_step permanece en 7
   cycle_count += 1         (sesión lista para terminar)
   cycle_topics ← [..., resumen]
   nuevo subtema elegido

El límite máximo de max_cycles=5 por sesión previene bucles sin fin. Un respaldo determinista mantiene el comportamiento del límite en el paso 7 de v0.5.0 ante cualquier fallo de la IA o del parsing.

El chat renderiza las transiciones de ciclo como tarjetas con borde discontinuo «Ciclo N» en el historial de la sesión. El diálogo de calificación resume el viaje de varios ciclos cuando cycle_count > 1.

Evaluación paralela en el límite de ciclo (v1.5.0)

En la transición del paso 6 → 7, tanto el evaluador de pasos como el evaluador de transición de tema se disparan concurrentemente mediante asyncio.gather (async_evaluation: true en app.yaml). Esto ahorra ~T₂ de latencia en el límite del ciclo.

La respuesta del mensaje incluye un bloque timings con learning_ms / evaluation_ms / topic_transition_ms / total_ms / parallel_saved_ms.