IA y aprendizaje
Diagnóstico de Moodle según el contexto y el perfil
Este diseño plantea un panel que reúne datos verificables de Moodle, adapta la información y las acciones a cada perfil y utiliza IA para explicar los hallazgos.
El problema
Diagnosticar problemas de permisos, inscripciones, restricciones o tareas obliga a recorrer varias pantallas y a recopilar información técnica que no todos los perfiles pueden obtener.
Para priorizar un hallazgo, la herramienta debe conocer primero el contexto de la plataforma.
La misma configuración puede ser aceptable para un campus pequeño y crítica para una plataforma nacional. El diseño prevé que la herramienta recoja datos sobre la arquitectura, la carga, las extensiones, la operación y los objetivos antes de asignar prioridad a los hallazgos.
Decisión principal
Separar la observación automática del juicio técnico.
Las comprobaciones producen resultados reproducibles a partir de datos verificables. Las recomendaciones relacionan esos resultados con el impacto y la probabilidad de que se materialice el problema, además del coste de corregirlo. Mantener ambas capas evita presentar una regla genérica como diagnóstico definitivo.
Criterios de diseño
- 01
Primero determino qué datos verificables puede consultar cada perfil según su contexto y sus permisos.
- 02
Adapto la información al perfil de quien consulta y muestro los datos y las comprobaciones que justifican cada conclusión.
- 03
Utilizo la IA para explicar y orientar a partir de un diagnóstico determinista.
Límites del producto
El informe remoto indica qué aspectos no ha podido comprobar.
Hay problemas de base de datos, red, almacenamiento o código que no pueden confirmarse desde una aplicación externa. El diseño exige que la herramienta declare la falta de evidencia y proponga la siguiente comprobación, en vez de suplir los datos ausentes con una conclusión.
Capacidades previstas en el diseño
- 01Permisos y roles
- 02Salud de cursos
- 03Inscripciones y restricciones
- 04Tareas y estado del sistema
Criterio de validación
Las recomendaciones necesitan trazabilidad y prioridad.
Cada hallazgo conserva el origen, el criterio, los datos recabados y el alcance. La validación contrasta los resultados con plataformas conocidas y revisa los falsos positivos antes de utilizar el informe para decidir una intervención.
Material desarrollado o documentado
- Catorce funciones definidas
- Arquitectura de la extensión documentada
- Matriz preliminar de roles, contexto y acciones documentada
Preguntas abiertas
Decisiones pendientes en el diagnóstico de Moodle según el contexto y el perfil.
Antes de incorporar más diagnósticos, hay que validar y ampliar la matriz: delimitar la información visible para cada perfil, las nuevas acciones seguras, los datos enviados a la IA y la carga añadida a Moodle.
- Ámbito por perfil
- Acciones seguras desde el panel
- Privacidad del contexto enviado a la IA
- Carga sobre la plataforma
Decisiones de diseño documentadas
Hechos verificables antes de las explicaciones generadas
Este diseño separa las observaciones, las recomendaciones y los límites del análisis para que cada prioridad pueda rastrearse hasta los datos disponibles.
- 01Arquitectura de IA
- 02Evaluación y observabilidad
- 03Supervisión humana
- 04Datos de Moodle según el contexto y el perfil
Contexto profesional