Entorno de aprendizaje adaptativo

Mismas metas.
Distintos caminos.

ThinkQuant.AI es un entorno de aprendizaje adaptativo para cursos STEM conceptualmente exigentes. Usa evidencia diagnóstica para identificar el punto de partida de cada estudiante en las áreas clave de conocimiento, ofrece apoyo adaptativo según su preparación y su progreso, e integra un tutor IA que ofrece guía con andamiaje en lugar de respuestas directas.

Acceder a la plataforma →
Necesidad pedagógica

El apoyo adaptativo es necesario cuando los estudiantes llegan con distintos niveles de preparación

Preparación desigual

Distintos puntos de partida en el mismo curso

Los estudiantes pueden llegar con distintos niveles de preparación en áreas fundamentales como el razonamiento conceptual, la representación matemática o los conocimientos previos.

→ ThinkQuant.AI usa evidencia diagnóstica para identificar la preparación y orientar el apoyo.
Uso de IA sin guía

El uso de la IA necesita guía pedagógica

Cuando los estudiantes recurren a chatbots genéricos para obtener respuestas directas, los instructores pierden visibilidad sobre su razonamiento, sus confusiones y sus concepciones erróneas.

→ ThinkQuant.AI orienta el uso de la IA hacia la guía con andamiaje, no hacia la entrega de respuestas.
Necesidades de aprendizaje ocultas

Los instructores necesitan señales de aprendizaje más tempranas

Las calificaciones por sí solas pueden revelar las dificultades demasiado tarde. Señales más tempranas ayudan a los instructores a identificar dónde los estudiantes necesitan repaso, retroalimentación o apoyo humano.

→ ThinkQuant.AI entrega señales tempranas y agregadas sobre dónde necesitan apoyo los estudiantes.
La plataforma

Componentes del entorno de aprendizaje adaptativo

Seis componentes integrados usan los datos del estudiante para ofrecer apoyo adaptativo, guía con andamiaje, asistencia humana y analítica del aprendizaje.

Perfiles de preparación basados en diagnóstico

Los resultados del diagnóstico asignan un perfil Explorer, Builder o Navigator que orienta el apoyo diferenciado.

Tutor IA configurado por el instructor

El tutor IA ofrece preguntas y pistas alineadas con el curso y configuradas por el instructor.

Retroalimentación adaptativa para el dominio

La retroalimentación y el repaso se adaptan cuando los estudiantes no alcanzan el umbral de dominio.

Evaluaciones de módulo guiadas por el tutor IA

Los estudiantes explican su razonamiento en evaluaciones guiadas por el tutor y revisadas por el instructor.

Analítica del aprendizaje con privacidad

Los datos agregados muestran preparación, dominio, uso del tutor y solicitudes de ayuda, protegiendo las conversaciones.

Apoyo humano contextualizado

Las solicitudes de ayuda incluyen el contexto del curso para que los instructores respondan con eficacia.

Experiencia del estudiante

La experiencia de aprendizaje del estudiante

Los estudiantes pasan de perfiles de preparación basados en el diagnóstico a módulos estructurados con objetivos de aprendizaje, actividades interactivas y cuestionarios basados en el dominio.

🔒 app.thinkquantai.com/diagnostic
Resultado del diagnóstico en ThinkQuant.AI con una tarjeta de perfil de preparación por eje temático y botones de Repasar este tema

Perfil de preparación

Cada estudiante recibe un perfil de preparación Explorer, Builder o Navigator por eje temático. Estos perfiles orientan el apoyo y los materiales de repaso; no son calificaciones.

🔒 app.thinkquantai.com/modules
Reproductor de módulo de ThinkQuant.AI con los objetivos del módulo, la lista de lecciones y una simulación interactiva incrustada

Aprender dentro de un módulo

Dentro de cada módulo, los estudiantes avanzan por objetivos de aprendizaje, lecciones cortas, actividades interactivas y cuestionarios basados en el dominio, con retroalimentación adaptativa disponible cuando la necesitan.

Cómo funciona

De la evidencia diagnóstica al dominio

El recorrido del estudiante conecta la evidencia diagnóstica, los perfiles de preparación, las actividades de aprendizaje, la retroalimentación adaptativa, el andamiaje apoyado por IA y la evaluación por módulo.

Diagnóstico

Una breve prueba diagnóstica identifica el punto de partida de cada estudiante en los ejes definidos por el curso. Los resultados orientan el apoyo y no se usan para calificar.

Perfil de preparación

Cada eje recibe un perfil de preparación Explorer, Builder o Navigator que define el nivel de repaso, retroalimentación y andamiaje que recibe el estudiante.

Aprender y practicar

Los estudiantes avanzan por lecciones cortas, explicaciones visuales, simulaciones y actividades interactivas diseñadas para afianzar la comprensión conceptual.

Demostrar dominio

Los cuestionarios basados en el dominio comprueban la comprensión. Cuando necesitan apoyo, los estudiantes reciben retroalimentación adaptativa, pueden repasar el material y usar el tutor IA para obtener preguntas guía y pistas con andamiaje antes de volver a intentarlo.

Evaluar y avanzar

Cada módulo termina con una evaluación interactiva en la que los estudiantes explican, justifican o revisan su razonamiento con el apoyo del tutor IA. El instructor toma la decisión final de evaluación antes de que el estudiante avance.

Para instructores

Herramientas para una enseñanza adaptativa

Los instructores configuran el contenido del curso, los criterios diagnósticos, la retroalimentación adaptativa, la guía del tutor IA, las evaluaciones y la analítica del aprendizaje desde un solo espacio de trabajo.

  • Configuración del curso: administra la página de bienvenida, la prueba diagnóstica, los perfiles de preparación, los módulos, las lecciones, las actividades, los cuestionarios, los ajustes del tutor IA, las pruebas de módulo y el enrutamiento de ayuda.
  • Contenido alineado con el curso: crea contenido de lecciones, notación matemática, bancos de preguntas, ítems diagnósticos, cuestionarios y materiales de repaso adaptativos alineados con los perfiles de preparación.
  • Apoyo de IA configurado por el instructor: define prompts, pistas aprobadas, concepciones erróneas a abordar y límites de respuesta del tutor IA por curso, lección o cuestionario.
  • Revisión humana de las evaluaciones apoyadas por IA: las respuestas de las pruebas de módulo llegan a la cola de revisión del instructor, quien puede confirmar, revisar o devolver la decisión de evaluación.
Confianza e integridad

Privacidad e integridad académica por diseño

ThinkQuant.AI protege la privacidad del estudiante y la integridad académica mediante el diseño de la plataforma, el acceso por roles y límites claros para las actividades apoyadas por IA.

Conversaciones privadas con el tutor IA

Las conversaciones habituales con el tutor IA son privadas. Instructores, asistentes y administradores solo ven conteos de interacciones y temas anónimos. La excepción es la prueba de módulo, que se identifica claramente como evidencia de evaluación antes de que el estudiante comience.

Materiales de evaluación protegidos

Las respuestas correctas, las rúbricas y los criterios de evaluación están protegidos de la interfaz del estudiante. Los estudiantes reciben guía y retroalimentación sin que se expongan las claves de evaluación.

Los perfiles de preparación orientan el apoyo

Los perfiles de preparación ajustan los materiales de repaso, las pistas y el ritmo. No son calificaciones, no aparecen en el libro de notas y se presentan como perfiles de apoyo, no como etiquetas.

Contacto

Sobre la creadora

ThinkQuant.AI fue creado por Milena Páez Silva, educadora STEM y docente de física con formación en enseñanza de la física, física experimental e innovación educativa. Ha enseñado física universitaria durante casi una década en universidades de Chile y Estados Unidos, diseñando currículos, cursos completamente virtuales y proyectos de colaboración internacional.

Sus intereses de investigación cruzan la enseñanza de la física, el aprendizaje potenciado por tecnología y las metodologías basadas en la indagación y en proyectos: los mismos principios detrás de los perfiles de preparación diagnósticos, la retroalimentación adaptativa y el apoyo de IA con andamiaje de ThinkQuant.AI.

Enseñanza de la física Diseño curricular Aprendizaje potenciado por tecnología Analítica del aprendizaje IA en educación
Retrato de Milena Páez Silva

Milena Páez Silva

Formación

  • M.A. en Innovación Educativa, Tecnología y Emprendimiento University of North Carolina at Chapel Hill
  • M.Sc. en Física Pontificia Universidad Católica de Valparaíso
  • Licenciatura en Pedagogía en Física Pontificia Universidad Católica de Valparaíso
Milena.paezsilva@outlook.com milepaez29.github.io/my-portfolio

Explora ThinkQuant.AI

Descubre cómo los perfiles diagnósticos, la retroalimentación adaptativa, el apoyo del tutor IA y la analítica trabajan juntos en un curso demo.

Acceder a la plataforma →