Resumen: Al abordar la inequidad educativa en el África subsahariana, esta investigación presenta un marco autónomo orquestado por agentes para la generación de contenido educativo descentralizado y culturalmente adaptable en dispositivos de borde. El sistema aprovecha cuatro agentes especializados que trabajan juntos para generar contenido educativo contextualmente apropiado. La validación experimental en plataformas que incluyen Raspberry Pi 4B y NVIDIA Jetson Nano demuestra logros de rendimiento significativos. InkubaLM en Jetson Nano logró un tiempo hasta el primer token (TTFT) de 129 ms, una latencia promedio entre tokens de 33 ms y un rendimiento de 45,2 tokens por segundo mientras consumía 8,4 W. En Raspberry Pi 4B, InkubaLM también lideró con 326 ms TTFT y 15,9 tokens por segundo con un consumo de energía de 5,8 W. El marco entregó consistentemente una alta calidad multilingüe, con un promedio de puntuación BLEU de 0,688, relevancia cultural de 4,4/5 y fluidez de 4,2/5 en todos los idiomas africanos evaluados. A través de posibles asociaciones con organizaciones comunitarias activas, incluida la Organización Comunitaria y Juvenil Africana (AYCO) y la Fundación África de Florida, esta investigación tiene como objetivo establecer una base práctica para una educación accesible, localizada y sostenible impulsada por la IA en entornos con recursos limitados. Manteniendo el enfoque en la viabilidad a largo plazo y la idoneidad cultural, contribuye a los ODS 4, 9 y 10 de las Naciones Unidas. Términos del índice: sistemas multiagente, informática de IA de vanguardia, tecnología educativa, lenguas africanas, educación rural, desarrollo sostenible, ODS de la ONU.
Publicado originalmente en export.arxiv.org el 11 de noviembre de 2025.
Ver fuente original
