Producción de contenidos educativos con técnicas de inteligencia artificial generativa para mitigar déficits de aprendizaje

Abstract

RESUMEN: Esta tesis aborda la problemática de la limitada accesibilidad de contenidos de comprensión lectora para estudiantes con discapacidades en el Centro de Atención para Estudiantes con Discapacidad (CAED), un desafío que afecta directamente la educación inclusiva. Se propone el diseño y validación de un modelo arquitectónico de software que integra inteligencia artificial generativa para la adaptación automatizada y personalizada de materiales educativos. El objetivo principal es mejorar significativamente la accesibilidad y efectividad del aprendizaje para estudiantes con diversas necesidades, liberando a los docentes de la carga manual de adaptación y asegurando la coherencia y calidad de los materiales. La arquitectura propuesta, fundamentada en un Gran Modelo de Lenguaje, un Agente LangChain, un Kit de Servicios Cognitivos y una Base de Datos Vectorial, busca transformar contenidos originales en formatos de "Lectura Fácil" siguiendo la norma UNE 153101:2018 EX. La investigación detalla la especificación de componentes, la implementación de mecanismos de integración, el desarrollo de casos de uso específicos en comprensión lectora, y la ejecución de pruebas de usabilidad y funcionalidad con usuarios en el contexto del CAED. Este trabajo representa una contribución significativa al campo de la tecnología educativa inclusiva, ofreciendo una solución escalable y eficiente para la adaptación de contenidos

ABSTRACT: This thesis addresses the critical challenge of limited accessibility to reading comprehension content for students with disabilities at the Center for Attention for Students with Disabilities (CAED), a issue directly impacting inclusive education. It proposes the design and validation of an software architectural model that integrates generative artificial intelligence for the automated and personalized adaptation of educational materials. The primary objective is to significantly enhance the accessibility and effectiveness of learning for students with diverse needs, alleviating the manual burden on educators for content adaptation and ensuring the consistency and quality of adapted materials. The proposed architecture, built upon a Large Language Model, a LangChain Agent, a Cognitive Services Kit, and a Vector Database, aims to transform original content into "Easy-to-Read" formats, adhering to the UNE 153101:2018 EX standard. The research details the specification of architectural components, the implementation of integration mechanisms, the development of specific use cases in reading comprehension, and the execution of usability and functionality tests with users within the CAED context. This work represents a significant contribution to the field of inclusive educational technology, offering a scalable and efficient solution for content adaptation.