Tabla de contenido
Juegos adaptativos con IA: cómo aprenden los niños de forma personalizada
Descubre cómo funcionan los juegos adaptativos con IA para el aprendizaje personalizado de niños, qué plataformas existen en LATAM y qué dice la ciencia.
Tu hijo lleva veinte minutos en Duolingo y de repente te dice: “Mamá, ya sé decir ‘quiero agua’ en inglés”. Sonríes, pero te preguntas si realmente está aprendiendo o solo acumulando puntos. La aplicación le dio esa lección exacta porque un algoritmo calculó, basándose en sus respuestas anteriores, que era el siguiente paso correcto para él. Eso es aprendizaje adaptativo. No es magia, es matemática estadística aplicada a la educación, y vale la pena entender cómo funciona antes de confiarle el desarrollo académico de tu hijo a una pantalla.
Puntos clave
- Los juegos adaptativos usan algoritmos que ajustan la dificultad según las respuestas del niño, no según su edad o grado escolar.
- La teoría de respuesta al ítem y el rastreo de conocimiento son los modelos matemáticos que hacen posible la personalización.
- Plataformas como Duolingo, Khan Academy y Matific tienen versiones en español con presencia activa en México, Colombia y Argentina.
- La investigación muestra beneficios reales, especialmente en lectura y matemáticas para educación básica, pero con efectos más modestos en secundaria.
- Un niño que entiende por qué el juego cambia de nivel aprende mejor que uno que solo sigue las instrucciones sin cuestionarlas.
Qué es, exactamente, el “aprendizaje adaptativo”
El término suena moderno, pero el concepto tiene décadas. En los años noventa, los psicólogos cognitivos Albert Corbett y John Anderson desarrollaron el modelo de rastreo de conocimiento (knowledge tracing) para sistemas de tutoría inteligente. La idea central: cada vez que un estudiante responde una pregunta, el sistema actualiza su estimación de cuánto sabe sobre ese tema. Si acierta, la probabilidad estimada de dominio sube. Si falla, baja. Y el sistema elige el siguiente ejercicio en función de esa probabilidad (Corbett & Anderson, 1994).
Piénsalo como un maestro que lleva un registro mental de cada error que has cometido en los últimos seis meses. Excepto que el algoritmo no olvida, no tiene un día malo, y procesa miles de señales simultáneamente.
La teoría de respuesta al ítem: medir lo que no se puede ver directamente
Por debajo del rastreo de conocimiento, muchas plataformas utilizan la teoría de respuesta al ítem (TRI). Esta rama de la psicometría trata al conocimiento como una variable latente, es decir, algo que no podemos medir directamente, solo inferir a partir de las respuestas del niño.
Cada pregunta tiene tres características: dificultad, discriminación (qué tan bien separa a los que saben de los que no saben) y probabilidad de adivinar. El algoritmo calcula la habilidad estimada del estudiante comparando su patrón de respuestas con miles de respuestas previas de otros niños.
Resultado práctico: dos niños de nueve años pueden estar usando la misma aplicación y recibir ejercicios completamente diferentes según cómo hayan respondido en los últimos diez minutos. A eso nos referimos cuando decimos “personalizado”.
Por qué importan las características del aprendiz
La investigación de Vandewaetere y colegas (2011) mostró que los entornos adaptativos no funcionan igual para todos los perfiles de aprendiz. Los niños con alta ansiedad ante las matemáticas, por ejemplo, pueden percibir el ajuste automático de dificultad como una señal de que están fallando, lo que aumenta su estrés en lugar de reducirlo. Los niños con alta motivación intrínseca, en cambio, tienden a beneficiarse más porque el sistema los lleva constantemente a su zona de desarrollo próximo.
Esto no significa que los juegos adaptativos sean malos para niños ansiosos. Significa que el contexto importa. Un niño que juega solo a las diez de la noche, sin que nadie le explique por qué el juego se puso más difícil, tiene una experiencia muy diferente a uno que juega quince minutos al salir de la escuela mientras su mamá le pregunta qué aprendió.
Lo que dice la investigación sobre si realmente funcionan
La pregunta honesta es: ¿estos sistemas mejoran el aprendizaje, o solo mantienen al niño entretenido más tiempo?
La respuesta corta: mejoran el aprendizaje, pero con matices importantes.
La OCDE, en su reporte 21st-Century Readers (2021), analizó datos de 79 países y encontró que el uso moderado de tecnología educativa se asocia con mejores resultados en comprensión lectora, pero que el uso excesivo, más de una hora diaria de pantalla educativa, se asocia con peores resultados. El punto óptimo parece estar alrededor de 30-45 minutos por sesión.
Plass y colegas (2015) revisaron la literatura sobre juegos educativos y encontraron que los juegos bien diseñados activan múltiples mecanismos cognitivos simultáneamente: feedback inmediato, desafío calibrado, y contexto narrativo. La combinación importa. Un quiz adaptativo sin narrativa es menos efectivo que el mismo quiz envuelto en una historia.
Duolingo publicó su reporte de 2023 mostrando que los usuarios que completan sus primeras dos semanas de cursos tienen tasas de retención significativamente más altas, y que los algoritmos adaptativos aumentaron la consistencia del uso. Lo que la empresa no publicó, y que vale aclarar, son datos comparativos contra grupos de control usando métodos tradicionales. Los reportes de empresa no son estudios independientes.
El problema del “aprendizaje superficial”
El riesgo real de los juegos adaptativos no es que no funcionen. Es que funcionan demasiado bien para un tipo específico de aprendizaje: la recuperación de información a corto plazo. Si el algoritmo te da la misma pregunta cinco veces hasta que la respondes correctamente, probablemente la recuerdas mañana. Pero ¿en dos semanas?
Los estudios de espaciado y recuperación (el área de memoria más robusta en psicología cognitiva) sugieren que la repetición distribuida en el tiempo es clave. Algunas plataformas, como Duolingo, ya incorporan esto. Otras todavía no.
Plataformas disponibles en español para familias en LATAM
| Plataforma | Idiomas cubiertos | Edad recomendada | Adaptabilidad | Costo mensual aprox. | Disponibilidad en LATAM |
|---|---|---|---|---|---|
| Duolingo | 40+ idiomas | 7+ | Alta (rastreo de conocimiento) | Gratis / ~$84 MXN Plus | Muy alta (app y web) |
| Khan Academy | Matemáticas, ciencias, humanidades | 4-18 | Media (por ejercicio) | Gratis | Alta (en español) |
| Matific | Matemáticas | 5-11 | Alta (TRI) | ~$120 MXN/mes | Media (escuelas principalmente) |
| Prodigy | Matemáticas | 6-14 | Alta | Gratis base / premium | Media (inglés principalmente) |
| Smartick | Matemáticas | 4-14 | Muy alta | ~$200 MXN/mes | Alta (España y LATAM) |
| Brainly | Todas las materias | 10+ | Baja (red social) | Gratis / premium | Muy alta (México, Colombia, Argentina) |
Una nota sobre Brainly: aunque es muy popular en México y Argentina para hacer tarea, no es adaptativa en el sentido técnico. Es una red de preguntas y respuestas entre estudiantes. La incluyo porque los papás suelen confundirla con plataformas educativas; su mecánica es diferente y sus riesgos también.
Cómo enseñarle esto a tu hijo
Edades 5-8: el juego del “¿por qué se puso difícil?”
Después de una sesión de juego adaptativo, hazle una pregunta concreta: “¿Notaste que las preguntas se pusieron más difíciles? ¿Por qué crees que pasó?” No busques una respuesta técnica. Busca que el niño empiece a notar que el juego está prestando atención a sus respuestas.
Una actividad concreta: convierte esto en un juego de detectives. “Tenemos que descubrir cuándo el juego cambia de nivel”. Pídele que te avise cada vez que sienta que las preguntas se hicieron más fáciles o más difíciles. Están observando el algoritmo en acción sin necesidad de saber qué es un algoritmo.
Edades 9-12: armar una “tarjeta de puntuación de conocimiento”
En esta edad, los niños pueden entender la idea de que el juego tiene una estimación de cuánto saben. Explícale que cada respuesta actualiza esa estimación, como un termómetro que sube y baja.
Actividad práctica: que el niño lleve un cuaderno donde anota, después de cada sesión: qué preguntas respondió bien, cuáles mal, y cuáles siente que domina. Luego compara con el nivel que el juego le asignó. Muchos niños descubren que su percepción no coincide con la del algoritmo, lo que abre conversaciones muy ricas sobre aprendizaje y autoconocimiento.
Edades 13+: diseñar su propio sistema adaptativo en papel
Los adolescentes pueden entender los fundamentos del rastreo de conocimiento sin necesidad de código. Propón este proyecto: diseñar un sistema de tarjetas de vocabulario que se adapte según cuántas veces han fallado cada palabra. Las que fallan más seguido aparecen con más frecuencia. Las que siempre aciertan desaparecen de la rotación.
Este proyecto, que puede hacerse en papel o con una hoja de cálculo simple, les permite vivir desde adentro la lógica de los algoritmos adaptativos. Bonus: es un excelente ejercicio de pensamiento computacional que no requiere ningún lenguaje de programación.
La pregunta clave: “Si el juego cree que ya dominas esto, ¿cómo sabrías si tiene razón o si te está dando crédito por algo que en realidad no entiendes bien?”
Qué observar en 3 meses
Mes 1: Observa si el niño habla del juego en términos de qué aprendió (contenido) o solo en términos de puntos y racha de días. El segundo patrón es normal al inicio pero debería evolucionar.
Mes 2: Prueba hacer preguntas del tema fuera del contexto del juego. Si está aprendiendo inglés con Duolingo, pregúntale durante la cena cómo se dice algo que debería saber a estas alturas. ¿Puede transferir el conocimiento fuera de la pantalla? Si no, el sistema puede estar optimizando para la retención dentro de la app, no para el aprendizaje real.
Mes 3: Evalúa si el niño usa el juego de forma activa (elige cuándo jugar, se pone metas, pregunta sobre los errores) o pasiva (juega cuando se lo pides, cierra la app en cuanto puede). La diferencia es importante porque los beneficios del aprendizaje adaptativo dependen en gran medida de la motivación intrínseca.
Señal de alerta: si después de tres meses el niño no puede explicarle a nadie lo que aprendió con la plataforma, eso es una señal de que está usando el juego sin que el juego lo esté usando a él.
Preguntas frecuentes
¿A qué edad puede un niño empezar a usar juegos adaptativos?
La mayoría de las plataformas recomiendan a partir de los 4-5 años para matemáticas básicas, y los estudios de juego educativo muestran beneficios desde preescolar cuando el contenido está bien calibrado. La clave no es la edad sino si el niño puede mantener atención sostenida durante 10-15 minutos y si un adulto puede acompañar las primeras sesiones para contextualizar la experiencia.
¿Es suficiente con Duolingo para que mi hijo aprenda inglés?
No como único recurso. Duolingo es excelente para vocabulario, reconocimiento de patrones y motivación cotidiana, pero tiene limitaciones conocidas en producción oral espontánea y comprensión auditiva de hablantes nativos reales. Para niños, funciona mejor combinado con exposición a videos, libros o conversación real en el idioma objetivo.
¿Cómo sé si la plataforma es verdaderamente adaptativa o solo aleatoria?
Una plataforma adaptativa genuina ajusta la dificultad de forma visible y consistente según el patrón de errores del niño, no al azar. Puedes probarlo: que tu hijo responda deliberadamente mal varias preguntas seguidas. Si la plataforma no cambia el nivel o simplemente repite las mismas preguntas sin ajuste, probablemente no tiene un sistema adaptativo robusto.
¿Los juegos adaptativos pueden reemplazar a un tutor humano?
Para habilidades procedimentales como cálculo, gramática básica o vocabulario, los sistemas adaptativos se acercan bastante al desempeño de tutores humanos en algunos estudios. Pero para habilidades de razonamiento complejo, escritura argumentativa, y pensamiento crítico, la investigación todavía muestra ventaja significativa del tutor humano. Son complementarios, no sustitutos.
Mi hijo usa la plataforma todos los días pero sus calificaciones en la escuela no mejoran. ¿Por qué?
Hay varias posibilidades. La más común: el contenido de la plataforma no está alineado con el currículo de la escuela de tu hijo. Otra posibilidad: el niño está optimizando para la mecánica del juego (puntos, racha) sin consolidar el aprendizaje real. Habla con el maestro para verificar si las habilidades que trabaja la plataforma son las que el niño necesita fortalecer en este momento.
Sobre el autor
Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.
Fuentes
- Corbett, A. & Anderson, J. (1994). “Knowledge tracing: Modeling the acquisition of procedural knowledge.” User Modeling and User-Adapted Interaction, 4(4), 253–278.
- Vandewaetere, M., Desmet, P., & Clarebout, G. (2011). “The contribution of learner characteristics in the development of computer-based adaptive learning environments.” Computers in Human Behavior, 27(1), 118–130.
- Duolingo. (2023). “2023 Duolingo Language Report.” https://blog.duolingo.com/
- Plass, J. L., Homer, B. D., & Kinzer, C. K. (2015). “Foundations of Game-Based Learning.” Educational Psychologist, 50(4), 258–283.
- OECD. (2021). “21st-Century Readers: Developing Literacy Skills in a Digital World.” https://www.oecd.org/
