RAG-Tutor: Tutor de IA Generativa para el aprendizaje autodirigido en MOOCs

RAG-Tutor es un proyecto de investigación aplicada financiado por la Asociación Internacional de Entornos de Aprendizaje Inteligentes (IASLE) y NetDragon Websoft, una empresa china especializada en plataformas educativas. El proyecto presenta un sistema de generación aumentada por recuperación (RAG, Retrieval Augmented Generation) diseñado para actuar como tutor en cursos online masivos y abiertos (MOOC), que proporciona interacción en tiempo real con los alumnos y favorece el aprendizaje autodirigido (self-directed learning, SDL) y basado en el diálogo.

Resolver las limitaciones de los MOOCs

Los MOOCs se enfrentan a algunas limitaciones, entre otras, la interacción limitada de los estudiantes con los profesores y la insuficiencia de comentarios adaptados a cada estudiante. RAG-Tutor aborda estas cuestiones integrando la recuperación de información con grandes modelos de lenguaje (LLM) para proporcionar respuestas basadas en los materiales del curso y ofrecer a los alumnos un apoyo relevante y preciso, basado en su contexto. La arquitectura se centra en tres principios:

• Privacidad: todas las interacciones y los datos del curso deben mantenerse privados.
• Escalabilidad: fácil implementación en múltiples cursos y materias.
• Apoyo contextual: las respuestas deben de ser generadas a partir de los recursos del curso, de forma que estan contextualizada para el alumno.

 ¿Cómo funciona RAG-Tutor?

RAG-Tutor funciona mediante tres etapas principales. Primero, el sistema realiza la recuperación de información utilizando técnicas de recuperación semántica; busca en una base de datos compuesta por documentos relevantes, como manuales, artículos o materiales de estudio. Para ello, convierte los textos en vectores numéricos que representan su significado, lo que facilita la identificación de fragmentos pertinentes para responder a una consulta específica.

En segundo lugar, una vez que se han recuperado los fragmentos adecuados, un modelo de lenguaje generativo, como GPT-3.5 o GPT-4, utiliza esta información para generar respuestas coherentes y contextualizadas. Este modelo está ajustado para asegurar que las respuestas sean precisas y estén alineadas con el contenido recuperado.

Finalmente, RAG-Tutor personaliza y adapta sus respuestas según el perfil y progreso del estudiante. Para ello, emplea técnicas de seguimiento del conocimiento (Knowledge Tracing) que permiten ajustar tanto las recomendaciones de aprendizaje como las respuestas generadas, mejorando así la relevancia y efectividad del proceso educativo.

Diseñado para MOOC

RAG-Tutor está diseñado como un marco adaptable que las instituciones pueden integrar en sus MOOCs o sistemas de consulta de documentos. Al proporcionar apoyo al aprendizaje autodirigido y basado en el diálogo, contribuye a una educación en línea más eficaz y atractiva.

Este proyecto está ejecutado por el Instituto de Investigación, Innovación y Tecnología Educativas (UNIR iTED), responsable del diseño, evaluación e implementación del proyecto.En agosto de 2025, durante la Global Smart Education Conference 2025 celebrada en Beijing, China. El proyecto RAG-Tutor fue galardonado con el Premio a la Innovación Educativa. Este reconocimiento internacional destaca el impacto y la relevancia de RAG-Tutor en el ámbito de la educación digital inteligente.

Tipo de financiación: Privada

Duración: 2025