Phosphor: una plataforma de aprendizaje con IA que mejora el rendimiento en estadística

Fuentes: Phosphor: an LLM-augmented reading platform links engagement to large exam gains

Phosphor es una plataforma digital de aprendizaje que integra evaluaciones formativas calificadas por modelos de lenguaje directamente en los materiales de lectura. Se diseñó como respuesta a dos problemas bien documentados en la educación superior: el uso sin restricciones de la IA generativa, que en un ensayo controlado con cerca de mil alumnos se asoció a una caída del 17% en el rendimiento cuando la herramienta se retiró, y la bajísima tasa de cumplimiento de las lecturas obligatorias, estimada en torno al 15% en la asignatura donde se probó la herramienta.

La plataforma organiza el temario en módulos y lecciones navegables, con un banco de 15 a 20 ejercicios por lección. De cada banco se extraen al azar cuatro preguntas por quiz: el 60% son de opción múltiple y el 40% de respuesta construida, estas últimas calificadas por Claude Sonnet 4.6 con un prompt que recibe el enunciado, una respuesta modelo y una rúbrica. Se considera aprobada la lección con al menos un 75% de aciertos y los intentos son ilimitados. Un tutor conversacional basado en RAG responde dudas restringiéndose al contenido del curso.

Phosphor se desplegó como piloto opcional y sin calificación extra en tres secciones de Introducción a la Estadística (MATH 010) del Dartmouth College durante el semestre de primavera de 2026, con 151 alumnos inscritos. Lo adoptó el 90,2% del alumnado, una cifra muy superior a la tasa habitual de cumplimiento de lecturas. El análisis asocia el uso completo del material con una mejora en el examen final de entre 0,71 desviaciones estándar (ajustando por exámenes previos) y 1,30 (sin ajustar). El diseño del formato de los quizzes varió entre módulos por iteraciones debidas a la retroalimentación estudiantil: en el segundo módulo se pasó a solo opción múltiple por quejas sobre la rigidez del calificador automático, y en el tercero se reintrodujeron las preguntas de respuesta construida tras observar resultados académicos escasos sin ellas. Los autores concluyen que es posible combinar alta adherencia y eficacia medible en herramientas instruccionales aumentadas con IA.