Glosario

Aprendizaje adaptativo

¿Qué es Aprendizaje adaptativo?

El aprendizaje adaptativo se refiere a ofertas formativas que se ajustan de forma continua al nivel, el ritmo y los errores de cada estudiante. Un software analiza las respuestas y elige los ejercicios, explicaciones o repasos más adecuados. Se usa en colegios, universidades y formación corporativa, por ejemplo cuando una plataforma ofrece automáticamente un paso intermedio más sencillo tras un ejercicio fallido. En aprendizaje automático, el término también describe modelos que se adaptan continuamente a datos nuevos.

Temas

Educación
Personalización
E-learning

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo

← Todos los términos

Términos relacionados

Retroalimentación a estudiantes con IA

La retroalimentación a estudiantes con IA son comentarios sobre redacciones, tareas o proyectos que genera un sistema de IA según criterios definidos. Así recibes antes indicaciones sobre puntos fuertes, estructura, argumentación o lenguaje, y el profesorado se libera de correcciones repetitivas. La evaluación debe ser transparente y basada en criterios; las notas y decisiones sobre el rendimiento siguen siendo tarea de los docentes. Ejemplo: el borrador de un trabajo recibe sugerencias de mejora antes de entregarlo.

Educación
Retroalimentación
+1

Plantilla

Curva de aprendizaje

En aprendizaje automático, una curva de aprendizaje es un gráfico que muestra el rendimiento o el error de un modelo según el tiempo de entrenamiento o la cantidad de datos, normalmente por separado para datos de entrenamiento y de validación. Su forma indica si el modelo está infraajustado o sobreajustado y si más datos ayudarían. Si el error de validación queda muy por encima del de entrenamiento, por ejemplo, apunta a sobreajuste. En lenguaje cotidiano, el término describe también lo rápido que dominas una nueva tecnología.

Entrenamiento
Evaluación de modelos
+1

Aprendizaje automático

El aprendizaje automático (machine learning) es una rama de la inteligencia artificial en la que los ordenadores deducen patrones de los datos en vez de recibir cada regla programada. Según la tarea, los modelos aprenden de ejemplos etiquetados (supervisado), de datos sin etiquetar (no supervisado) o mediante recompensas (por refuerzo). Las aplicaciones van desde filtros de spam y previsiones de demanda hasta recomendaciones de productos. La calidad depende mucho de la cantidad y la calidad de los datos de entrenamiento.

fundamentos
IA
+1