Get started
Work

Desarrollo de un simulador de clases personalizadas con IA generativa para el aprendizaje universitario: desarrollo del módulo de generación de clases con IA

Year: 2026
Type: dissertation
Abstract: Los modernos sistemas de IA generativa han permitido crear asistentes de estudio que pueden resumir, explicar y generar contenido práctico, sin embargo, cuando se utilizan sin una fuente de conocimiento explícita, pueden producir respuestas que carecen de un respaldo claro por parte del material proporcionado. El Retrieval-Aumented Generation (RAG) mitiga este problema al basar las respuestas en pruebas extraídas de los documentos originales. El objetivo del presente trabajo es desarrollar un componente RAG basado en documentos que genera resultados de apoyo al estudio (resumen, plan de estudio, práctica con calificación y chat) basados exclusivamente en documentos subidos por los usuarios. El proceso incluye la ingesta de documentos y la extracción de texto (PDF/DOCX/TXT/MD), la fragmentación con superposición, la indexación léxica (TF-IDF) y la indexación semántica (incrustaciones + FAISS). El sistema proporciona un flujo de principio a fin: carga de documentos, persistencia por doc_id, creación de índices, recuperación híbrida y generación de resultados educativos. Los puntos finales admiten preguntas y respuestas basadas en documentos, resúmenes estructurados, planes de estudio, generación de preguntas de práctica y calificación de respuestas con evidencia. Las pruebas automatizadas lograron aproximadamente un 88 % de cobertura de código. En conjunto, el componente demuestra viabilidad técnica y reproducibilidad para apoyo al estudio a partir de documentos subidos por usuarios, al mejorar la transparencia mediante fundamentación y citas, y al mantener una arquitectura modular de backend que facilita el mantenimiento y futuras ampliaciones.
Language: Spanish
Subfield: Education
Open Access status: green
OpenAlex ID: W7219211956
Cites: 31
Cited by:
Related to: 10