Sistema adaptativo de aprendizaje utilizando motores de machine learning aplicado a la enseñanza de la ingeniería gráfica

Abstract

(English) One of the greatest challenges in education has always been the diversity of individual characteristics among students, contrasted with an educational system that seeks to standardize learning to cater to the majority. This approach often leads to frustration: high-ability students feel constrained by a pace that doesn’t match their potential, while others struggle to keep up with the accelerated progression of the curriculum. Historically, ideal models such as the Confucian system of “one student, one teacher” have been highly regarded. However, implementing such personalized approaches in today’s society is nearly unfeasible. Furthermore, the rapid evolution of technology and global changes, such as the COVID-19 pandemic, have underscored the urgent need to adapt education to new realities and diverse needs. This work presents a web-based content recommendation system designed to address the specific needs of each learner. It features a gamified graphical interface to make learning more engaging and offers a variety of activities, including puzzles, quizzes, and reading comprehension exercises, all designed for sessions lasting no more than 17 minutes per day. After each activity, the system prescribes content for the next session based on an initial assessment and a machine learning engine, specifically a k-nearest neighbors (KNN) algorithm. This engine compares the student’s performance with that of others who share similar characteristics, ensuring personalized recommendations. Additionally, a heuristic engine identifies difficulties in related sub-topics, adjusting recommendations not only for the core subject but also for connected areas. This holistic approach ensures a more comprehensive and adaptive learning experience. The system has been tested in three experiments, evolving into a fully functional, gamified web platform that adapts the complexity of questions in real time. Currently, it is being implemented in primary education, with over 20,000 users across Spain and Latin America. Its success demonstrates its potential for application across various educational levels, not limited to university settings.

(Català) Un dels grans reptes a l'educació sempre ha estat la diversitat de característiques individuals de cada estudiant, en contrast amb un sistema educatiu que busca estandarditzar l'aprenentatge per arribar a la majoria. Aquest enfocament genera frustració en alumnes amb altes capacitats, el ritme d'aprenentatge dels quals no és adequat, i en aquells que no poden seguir el ritme accelerat dels temaris. Històricament, models ideals com el sistema confucià d'“un alumne, un mestre” han estat valorats, però la seva aplicació a la societat actual és gairebé inviable. A més, la ràpida evolució de la tecnologia i els canvis globals, com ara la pandèmia de COVID-19, han evidenciat la necessitat d'adaptar l'educació a noves realitats i necessitats diverses. Aquest treball desenvolupa un sistema de recomanació de continguts web que sʻajusta a les necessitats específiques de cada estudiant. Utilitza una interfície gràfica gamificada per fer l'aprenentatge més atractiu i ofereix una varietat d'activitats, com puzles, botoneres, motors de comprensió lectora entre d'altres, els exercicis estan dissenyats per a sessions de no més de 17 minuts diaris. Després de cada activitat, el sistema prescriu continguts per a la propera sessió basant-se en una avaluació inicial i en un motor de machine learning, és específic un algorisme d'anàlisi de k-veí més proper (KNN) que compara l'exercici de l'estudiant amb altres de característiques similars. A més, un motor heurístic identifica dificultats en submatèries relacionades, ajustant les recomanacions no només en la matèria principal, sinó també en àrees connexes. El sistema ha estat provat en tres experiments, evolucionant fins a convertir-se en una plataforma web gamificada que adapta la complexitat de les preguntes a temps real. Actualment el sistema s'està implementant en educació primària amb més de 20.000 usuaris a Espanya i Llatinoamèrica, demostrant el seu potencial per ser aplicat a altres nivells educatius, no només universitaris.

(Español) Uno de los grandes retos en la educación siempre ha sido la diversidad de características individuales de cada estudiante, en contraste con un sistema educativo que busca estandarizar el aprendizaje para llegar a la mayoría. Este enfoque genera frustración en alumnos con altas capacidades, cuyo ritmo de aprendizaje no es adecuado, y en aquellos que no pueden seguir el ritmo acelerado de los temarios. Históricamente, modelos ideales como el sistema confuciano de "un alumno, un maestro" han sido valorados, pero su aplicación en la sociedad actual es casi inviable. Además, la rápida evolución de la tecnología y los cambios globales, como la pandemia de COVID-19, han evidenciado la necesidad de adaptar la educación a nuevas realidades y necesidades diversas. Este trabajo desarrolla un sistema de recomendación de contenidos web que se ajusta a las necesidades específicas de cada estudiante. Utiliza una interfaz gráfica gamificada para hacer el aprendizaje más atractivo y ofrece una variedad de actividades, como puzles, botoneras, motores de comprensión lectora entre otros, los ejercicios esta diseñados para sesiones de no más de 17 minutos diarios. Tras cada actividad, el sistema prescribe contenidos para la próxima sesión basándose en una evaluación inicial y en un motor de machine learning, es específico un algoritmo de análisis de k-vecino mas cercano (KNN) que compara el desempeño del estudiante con otros de características similares. Además, un motor heurístico identifica dificultades en submaterias relacionadas, ajustando las recomendaciones no solo en la materia principal, sino también en áreas conexas. El sistema ha sido probado en tres experimentos, evolucionando hasta convertirse en una plataforma web gamificada que adapta la complejidad de las preguntas en tiempo real. Actualmente el sistema, se está implementando en educación primaria con más de 20,000 usuarios en España y Latinoamérica, demostrando su potencial para ser aplicado en otros niveles educativos, no solo universitarios.