Relacionar Columnas Plataformas educativas con IA: pares de conceptosVersión en línea Empareja cada concepto con su breve definición para entender las plataformas IA en educación. por José Jesús Herbas Pereyra 1 Carnegie Learning 2 Procesamiento de lenguaje natural 3 Filtrado basado en contenido 4 Diseño híbrido de experiencias 5 APIs e interoperabilidad 6 Evaluación adaptativa inteligente 7 Filtrado colaborativo (recomendaciones) 8 LMS adaptativo (ALMS) 9 Learning Analytics 10 Ecosistemas multimodales 11 Duolingo 12 Knewton/Alto 13 ITS (Intelligent Tutoring Systems) 14 Cognii 15 Khan Academy 16 ALEKS Evaluación de escritura y pensamiento crítico por NLP Ajuste de dificultad y retroalimentación inmediata Analiza respuestas y genera feedback Plataforma con mastery learning y rutas adaptativas Gestión de cursos con personalización IA IA multimodal: voz, video, escritura, emoción Personaliza contenido, asesoría en tiempo real Recomendaciones por similitud de contenido Evaluación y aprendizaje adaptativo en dominios Recolección y visualización de datos educativos Conectividad entre plataformas y herramientas Sugerencias de recursos según datos Combinación de pedagogía tradicional y IA Enseñanza de idiomas con IA y gamificación Instrucción personalizada con modelos cognitivos Tutoría inteligente en matemáticas (Cognitive Tutor) 1 Rutas de aprendizaje personalizadas 2 Evaluación continua 3 Pilotaje gradual 4 Auditoría algorítmica 5 Responsabilidad 6 Privacidad de datos 7 Explicabilidad (XAI) 8 Autonomía estudiantil 9 Convergencia IA y educación 10 Diseño centrado en usuario 11 Seguridad de datos 12 Tutores especializados 13 Casos de estudio 14 Transparencia de prácticas 15 Capacitación docente Encriptación y control de acceso robustos Khan Academy, Carnegie, Duolingo, ALEKS Dominios específicos (matemáticas, etc.) Participación de docentes y estudiantes Mantener agencia frente a la IA educativa Indicadores cuantitativos y cualitativos IA, IoT y AR/VR para aprendizaje contextual Explicar razonamientos de IA a usuarios Consentimiento, acceso y eliminación de datos Pruebas controladas antes de escalado Secuencias ajustadas al perfil del estudiante Clara gobernanza de datos estudiantiles Monitoreo de sesgos y equidad en IA Quién decide resultados educativos automatizados Formación en IA y pedagogía adaptativa
Crear