Resumen: Los sistemas de aprendizaje personalizados han surgido como un enfoque prometedor para mejorar los resultados de los estudiantes adaptando el contenido educativo, el ritmo y la retroalimentación a las necesidades individuales. Sin embargo, la mayoría de los sistemas existentes siguen fragmentados y se especializan en el rastreo de conocimientos, el modelado de diagnóstico o la recomendación de recursos, pero rara vez integran estos componentes en un ciclo adaptativo cohesivo. En este artículo, proponemos ALIGNAgent (Inteligencia adaptativa del alumno para la identificación de brechas y orientación al siguiente paso), un marco educativo de múltiples agentes diseñado para brindar aprendizaje personalizado a través de la estimación integrada de conocimientos, la identificación de brechas de habilidades y recursos específicos. esta URL http comienza procesando el desempeño de los estudiantes en las pruebas, los datos del libro de calificaciones y las preferencias del estudiante para generar estimaciones de competencia a nivel de tema utilizando un agente de brecha de habilidades que emplea razonamiento de diagnóstico a nivel de concepto para identificar conceptos erróneos y deficiencias de conocimiento específicos. Después de identificar las brechas de habilidades, el agente recomendador recupera materiales de aprendizaje que tienen en cuenta las preferencias y están alineados con las deficiencias diagnosticadas, implementando un circuito de retroalimentación continua donde se realizan intervenciones antes de avanzar a temas posteriores. Una evaluación empírica exhaustiva de conjuntos de datos auténticos de dos cursos universitarios de informática demuestra la eficacia de ALIGNAgent: los agentes basados en GPT-4o logran una precisión de 0,87 a 0,90 y puntuaciones F1 de 0,84 a 0,87 en la estimación del dominio del conocimiento validadas frente al rendimiento real en los exámenes.
Publicado originalmente en export.arxiv.org el 22 de enero de 2026.
Ver fuente original
