Seguimiento: Git para el aprendizaje

La mayoría de las aplicaciones de aprendizaje registran «porcentaje completado» o «días de racha». Estos números son fáciles de calcular pero casi no te dicen nada sobre cómo estás aprendiendo realmente. Adaptive Learner toma prestado el modelo mental de Git.

La analogía con Git

Git	Aprendizaje
Commit	Instantánea de una sesión (método, calificaciones, duración)
Diff	Delta respecto a la sesión anterior en el mismo tema
Branch	Un cambio de método (deductivo → dialógico)
Log	El historial cronológico completo de commits
Blame	Qué sesión introdujo un patrón específico
Bisect	Encontrar la sesión en que la comprensión dejó de crecer

No usamos Git literalmente. Usamos su disciplina de estado versionado, recuperable y comparable. Las sesiones son duraderas: no desaparecen cuando cierras la pestaña. Puedes mirar hacia atrás, comparar y encontrar patrones.

Qué se guarda en el commit

Cada sesión que termina con una calificación produce una fila ProgressCommit:

Columna	Qué captura
method	Cuál de los seis métodos usó esta sesión
understanding	Tu calificación 1-5, reescalada a 0,0-1,0
stress	Misma reescala
error_rate	0,0-1,0 (actualmente siempre 0,0; reservado para una futura fracción de error por paso)
duration_minutes	Tiempo transcurrido entre started_at y ended_at
committed_at	Cuándo se escribió el commit
project_id	A qué proyecto de aprendizaje pertenece
session_id	A qué sesión pertenece

Eso es todo. Siete campos, sin NULLs (los valores de calificación son obligatorios para terminar). Unos pocos bytes por sesión.

Qué puedes hacer con esto

Líneas de tendencia

La Línea de tiempo de progreso del Panel principal muestra tus últimas 5 calificaciones de comprensión + estrés. Cinco puntos son suficientes para detectar la dirección:

• Ambas subiendo: progreso + confianza en alza. Sigue adelante.
• Comprensión subiendo, estrés subiendo: estás estirándote. Esto es bueno pero solo sostenible hasta cierto punto.
• Comprensión plana, estrés subiendo: estancamiento. El heurístico de cambio de método se activa aquí.
• Comprensión bajando: algo cambió. ¿El tema se volvió más difícil? ¿El método dejó de adaptarse? Es hora de revisar el historial.

Distribución de métodos

¿Qué métodos has usado realmente? Muchos aprendices descubren que se quedan en un método (a menudo el deductivo) y nunca prueban los demás. El gráfico de barras del Panel principal es un espejo, no una competición.

Racha

Días de calendario consecutivos con al menos una sesión. Se reinicia en el momento en que pasa un día sin sesión. Esta es la única métrica de «gamificación» en Adaptive Learner, y es deliberadamente discreta. El otro lado del gráfico es más importante.

Agregados de evaluación de pasos

El evaluador de doble prompt escribe una fila StepEvaluation por cada turno de la IA. El agregador de seguimiento los convierte en:

• Confianza media — qué segura está la IA en promedio de que estás listo para avanzar. Bajo (< 0,5) significa que el material es genuinamente difícil para ti. Es información, no un veredicto.
• Recuento de repeticiones — con qué frecuencia dijo el evaluador «quédate aquí». Las fases de mucha repetición son normales para temas densos.
• Tiempo por paso — total de segundos reales que has pasado en cada paso a lo largo del proyecto (limitado para excluir huecos de > 2 h). El paso con más tiempo es donde ocurre el trabajo cognitivo para ti.

La página de Progreso muestra todo esto como gráficos de barras.

Qué no registramos

Deliberadamente:

• Sin métricas de participación — sin culpa de «minutos al día», sin notificaciones, sin recordatorios diarios. Adaptive Learner no lucha por tu atención.
• Sin comparación con otros usuarios — estás solo con tus datos (modo Local) o solo con el backend (modo Servidor). Sin clasificaciones, sin comparación entre pares.
• Sin «lecciones completadas» — no hay un plan de estudios fijo que completar. Tú fijas tu propio tema.
• Sin «porcentaje de dominio» — ¿qué significaría el 100% para un tema de aprendizaje? El dominio es una postura, no una línea de llegada.

Capa de gamificación (v1.16.0)

Sobre el sustrato de ProgressCommit-como-Git se añaden tres capas motivacionales:

• XP + Niveles — 50 XP base por sesión terminada, más +10 por ciclo completado, +25 por ciclo-paso-7, +50 de bonificación por primer método, todo multiplicado por el multiplicador de racha (hasta 2,75× a los 7 días de racha). Los niveles siguen threshold(n) = 50 * n * (n - 1); los niveles 1-5 están a 0 / 100 / 300 / 600 / 1000 XP.
• 24 insignias en 5 categorías (getting_started 3 / consistency 4 / method_explorer 7 / depth 7 / polyglot 3), sembradas desde badges.yaml al primer inicio. Los predicados se evalúan después de cada sesión.
• Mapa de calor de racha — 365 días, estilo GitHub, columnas semanales. Congelaciones: 1 por cada 7 días de racha, máximo 3 acumuladas, semántica de pausa-no-reinicio. Alternancia de modo fin de semana que omite los huecos de sáb./dom.

La gamificación es opcional. Desactivar las notificaciones de toast en Ajustes → Gamificación silencia los prompts; el sistema sigue registrando el estado. Las perspectivas de evaluación de pasos + el historial de commits al estilo Git siguen siendo el análisis de carga.

Privacidad

En modo Local los datos están en IndexedDB en tu dispositivo. Léelos mediante las DevTools del navegador o expórtalos para hacer una copia de seguridad. Nadie más puede verlos a menos que tenga acceso a este perfil del navegador.

En modo Servidor los datos están en SQLite en el host del backend. Salvo las claves API cifradas, ninguno de los datos de las filas es sensible en el sentido habitual: son solo nombres de métodos, calificaciones enteras y marcas de tiempo. Pero son tuyos. Adaptive Learner no los envía a ningún servicio externo de análisis o telemetría.

Por qué esto importa para el aprendizaje

Los contadores de racha en la mayoría de las aplicaciones son adictivos pero superficiales. Una racha de 90 días en Duolingo no te dice nada sobre qué aprendiste. El modelo Git te da patrones:

• «Cambié de deductivo a dialógico el 10 de mayo y mi línea de comprensión subió ese día.»
• «Pasé el 40% de mi tiempo en el paso 3 (Error). El tema tiene más trampas de las que esperaba.»
• «No he hecho una sesión contextual en tres semanas; la tarjeta de recomendación espaciada tiene razón al sugerirlo.»

Estas son las preguntas que se hace un aprendiz serio. Adaptive Learner te da el sustrato para hacerlas; la capa de gamificación de v1.16.0 es el azúcar encima, desactivada por defecto en espíritu.