🆕 Novedades en el Diseñador de Aprendizaje Personalizado (mod_pld)
El Diseñador de Aprendizaje Personalizado (PLD), mejorado en la versión del 30 de diciembre de 2025 (4.5 MP3), introduce nuevas capacidades que mejoran la segmentación de los estudiantes y la retroalimentación personalizada a través de condiciones basadas en cohortes y recomendaciones de contenido asistidas por IA.
👥 Comprobación de Condición de Pertenencia a Cohorte
Ahora está disponible en PLD una nueva comprobación de Condición de Pertenencia a Cohorte, que permite a los instructores crear criterios basados en reglas utilizando la asociación de un estudiante con una cohorte dentro de un curso.
🔍 Qué Permite
Esta mejora permite a los instructores enviar mensajes más dirigidos y relevantes adaptando las reglas de PLD a cohortes específicas.
✨ Características Clave
- Los profesores o creadores de contenido pueden seleccionar una cohorte a la vez de la lista de cohortes visibles en el curso.
- La condición admite:
- El usuario es miembro de la cohorte seleccionada
- El usuario no es miembro de la cohorte seleccionada
- Las condiciones de cohorte pueden combinarse con otras condiciones de PLD utilizando lógica AND / OR.
- La interfaz de usuario distingue claramente entre:
- Pertenencia a grupo
- Pertenencia a cohorte
✅ Casos de Uso Ejemplo
- Enviar recordatorios dirigidos sólo a estudiantes de una cohorte específica.
- Aplicar diferentes intervenciones para el personal interno frente a estudiantes externos inscritos mediante cohortes.
- Excluir cohortes específicas de avisos o alertas automáticas.
🤖 Recomendar Contenido Vía IA (Acción PLD)
Ahora está disponible una nueva acción de PLD, Recomendar contenido vía IA, para Tareas y Quizes.
Esta acción genera automáticamente recomendaciones de aprendizaje personalizadas basadas en el desempeño del estudiante.
🎯 Qué Hace Esta Acción
Una vez que se califica una actividad, PLD utiliza IA para:
- Analizar las instrucciones de la tarea o las preguntas del quiz.
- Generar recomendaciones personalizadas alineadas con la calificación del estudiante.
- Sugerir materiales de curso internos relevantes o recursos de aprendizaje externos.
Las recomendaciones aparecen directamente debajo de la retroalimentación estándar de la actividad para el estudiante.
⚙️ Cómo Habilitar las Recomendaciones de IA
Para habilitar esta función, un Administrador del Sitio debe activar la operación de IA requerida:
- Ir a Administración del sitio → IA
- Abrir la página de configuración:
local/olms_ai/admin/configure.php - Habilitar la operación:
“Generar contenido recomendado basado en calificaciones desde PLD”
📘 Para instrucciones detalladas de configuración de IA, consulta la guía de soporte de Open LMS sobre funciones de IA.
🧑🏫 Cómo Usarlo en un Curso
- Accede a tu curso y abre el Diseñador de Aprendizaje Personalizado (PLD).
- Crea una nueva regla.
- Selecciona el evento:
- Actividad calificada y elige una Tarea o un Quiz.
- Define condiciones basadas en la calificación (por ejemplo, menor que, mayor que o dentro de un rango).
- Agrega la acción:
- Recomendar contenido vía IA
🔧 Opciones de Configuración de la Acción
- Tono de la recomendación: Apoyo, Formal o Amistoso
-
Fuente del contenido:
- Material del curso
- Fuentes externas
- Número máximo de recursos a mostrar
Después de la calificación, los estudiantes verán una sección de Recomendaciones con enlaces seleccionados para ayudar a mejorar su comprensión y desempeño.
📝 Notas y Consideraciones
- Usar material del curso como fuente de contenido puede consumir más tokens de IA, especialmente en cursos grandes.
- Las fuentes externas son actualmente recomendadas para un menor consumo de tokens.
- Las mejoras continuas se centran en la optimización del rendimiento y la eficiencia en el uso de tokens.
- Es importante tener en cuenta que la retroalimentación y las recomendaciones generadas por IA pueden no ser siempre precisas. Todo el contenido generado por IA debe ser revisado por el profesor antes de ser enviado o publicado a los estudiantes. Como mínimo, los profesores deben probar y validar los tipos de retroalimentación y recomendaciones producidas por la IA para asegurarse de que estén alineados con los objetivos de instrucción y las necesidades de los estudiantes.