Consola autocontenida como herramienta de doble canal con retroalimentación IA

Autores/as

Palabras clave:

carga cognitiva, doble canal, avatar pedagógico, retroalimentación IA, Python en navegador, tutor virtual, dispositivo móvil

Resumen

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

Los datos de descarga aún no están disponibles.

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

2026-10-23

Número

Sección

SAEI - Simposio Argentino de Educación en Informática

Cómo citar

Sentoni, G. (2026). Consola autocontenida como herramienta de doble canal con retroalimentación IA. JAIIO, Jornadas Argentinas De Informática, 12(8), 290-294. https://revistas.unlp.edu.ar/JAIIO/article/view/22376