Los estudiantes simulados que cometen errores realistas ayudan a los tutores de IA a aprender más rápido
decoder ·
Investigadores de Microsoft y de la Universidad de Illinois desarrollaron StudentSim, un sistema que crea una réplica digital independiente de cada estudiante a partir de registros limitados para proporcionar retroalimentación rápida durante el entrenamiento de tutores de IA. A diferencia de los enfoques que imitan el comportamiento estudiantil sin responder a la orientación o siguen las pistas sin representar a un alumno concreto, StudentSim modela tanto patrones de respuesta realistas como la forma en que un estudiante revisa sus respuestas después de recibir tutoría. Primero aprende patrones compartidos de cada materia a partir de datos agrupados de estudiantes y luego adapta el modelo a cada alumno, utilizando como base Qwen3-4B-Instruct de Alibaba. En pruebas con 60 estudiantes de ajedrez, inglés como lengua extranjera y matemáticas, StudentSim superó a GPT-5.4 cuando se indicó al modelo que actuara como estudiante. Un tutor de ajedrez entrenado con StudentSim obtuvo las mejores evaluaciones en precisión factual, calidad de las explicaciones y adaptación al alumno individual. Los investigadores describen los resultados como una prueba de concepto, señalan que las materias abiertas son más difíciles de evaluar de forma fiable y planean modelar cómo los estudiantes adquieren, retienen y olvidan conocimientos a lo largo de la práctica repetida.
decoder