Consola autocontenida como herramienta de doble canal con retroalimentación IA
Palabras clave:
carga cognitiva, doble canal, avatar pedagógico, retroalimentación IA, Python en navegador, tutor virtual, dispositivo móvilResumen
Este trabajo presenta la consola CPIAE, una herramienta pedagógica de doble canal para la enseñanza de programación en educación superior. El primer canal es un editor Python interactivo embebido en un artefacto HTML autocontenido que ejecuta código de forma no bloqueante mediante WebAssembly, manteniendo la interfaz reactiva incluso durante operaciones costosas como el entrenamiento de redes neuronales. La herramienta opera íntegramente en el navegador, sin instalación ni servidor, con plena compatibilidad en dispositivos móviles. El segundo canal es un avatar tridimensional no antropomórfico que narra en voz alta la retroalimentación generada por un modelo de lenguaje de gran escala, con animación de boca sincronizada por fonemas. El módulo de asistencia opera además como tutor virtual: el estudiante formula preguntas en lenguaje natural y recibe respuestas mediadas por el avatar. El diseño se fundamenta en la Teoría de Carga Cognitiva y la Teoría Cognitiva del Aprendizaje Multimedia. La herramienta fue desplegada en un curso de computación neuronal con quince estudiantes durante doce semanas, logrando aproximadamente el ochenta por ciento de resolución autónoma de errores sin intervención docente.
Descargas
Referencias
Droettboom, M. (2018). Scientific Python in the browser [Blog post]. Droettboom. https://droettboom.com/blog/2018/04/04/python-in-the-browser/
Drobnjak, A., & Boticki, I. (2025). Modelling virtual educational agents: Challenges of realism, performance and quality of audiovisual content. En R. A. Sottilare & J. Schwarz (Eds.), Adaptive instructional systems. HCII 2025. Lecture Notes in Computer Science, vol. 15813 (pp. 180–189). Springer. https://doi.org/10.1007/978-3-031-92970-0_13
Fink, M. C., Robinson, S. A., & Ertl, B. (2024). AI-based avatars are changing the way we learn and teach. Frontiers in Education, 9, Article 1416307. https://doi.org/10.3389/feduc.2024.1416307
Mayer, R. E. (2001). Multimedia learning. Cambridge University Press. https://doi.org/10.1017/CBO9781139164603
Sweller, J., Ayres, P., & Kalyuga, S. (2011). Cognitive load theory. Springer. https://doi.org/10.1007/978-1-4419-8126-4
Yang, B., Tian, H., Pian, W., Yu, H., Wang, H., Klein, J., Bissyandé, T. F., & Jin, S. (2024). CREF: An LLM-based conversational software repair framework for programming tutors. In Proceedings of the 33rd ACM SIGSOFT International Symposium on Software Testing and Analysis (ISSTA 2024) (pp. 882–894). ACM. https://doi.org/10.1145/3650212.3680328
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Guillermo Sentoni

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Acorde a estos términos, el material se puede compartir (copiar y redistribuir en cualquier medio o formato) y adaptar (remezclar, transformar y crear a partir del material otra obra), siempre que a) se cite la autoría y la fuente original de su publicación (revista y URL de la obra), b) no se use para fines comerciales y c) se mantengan los mismos términos de la licencia.














