TutorIA Tutor con IA para niños con TDAH y dislexia (6 a 14 años)

Python FastAPI LangChain Groq Qwen3.8 27B Laravel Educación IA Adaptativa RAG FAISS LTI 1.3
TutorIA

TutorIA — El profesor particular que nunca se cansa

Aplicación web donde un niño entra, habla con una IA como si fuera su profesor particular, y recibe ayuda personalizada con los deberes y conceptos que no entiende. La IA adapta automáticamente el lenguaje, el ritmo y el tipo de ejercicios al perfil de cada alumno.

Perfiles de aprendizaje

  • Estándar: explicaciones claras con ejemplos cotidianos
  • TDAH: respuestas cortas, emojis, pasos muy pequeños y celebración de logros
  • Dislexia: frases simples, listas visuales, sin corrección directa de ortografía
  • Bajo rendimiento: inicio desde lo más básico, refuerzo continuo de la confianza

Arquitectura técnica

  • LangChain + Groq/Qwen3.8 27B: motor de conversación, con respuestas cortas para no perder la atención del niño
  • ConversationSummaryBufferMemory: mantiene un resumen de la conversación mientras dura la sesión, para que el alumno no repita lo que ya ha contado. No se guarda al terminar: una sesión nueva empieza de cero
  • Prompt engineering por perfil: el sistema de prompts cambia tono, longitud y tipo de ejercicios según el perfil del alumno
  • Detección de atascos: si el alumno muestra frustración con el mismo concepto en varios mensajes, el tutor cambia de enfoque

Resumen de sesión

Quien acompaña al niño puede consultar con un botón el resumen de la sesión generado por la IA, junto con el número de turnos y el perfil.

Stack técnico

Python · FastAPI · LangChain · Groq API · Qwen3.8 27B · Laravel · MySQL

Integración, datos y licencia

  • Integración: API REST propia (FastAPI) con 13 endpoints documentados en el repositorio; se puede consumir desde cualquier lenguaje o plataforma, con especificación OpenAPI autogenerada.
  • Tratamiento de datos: la demo pública envía a Groq (Qwen3.8 27B) únicamente el contenido necesario para generar la respuesta. Las conversaciones solo viven en la memoria del proceso: no se guardan en base de datos, se pierden al reiniciar el servicio y no se asocian a ninguna identidad. En un despliegue propio decides tú el proveedor — incluido un modelo local, con el que ningún dato sale de tu infraestructura.
  • Nota: Integrable en Moodle como External Tool LTI 1.3 (login OIDC + launch firmado, identifica usuario, curso y rol). Admite base de conocimiento propia por organización o curso (PDF/TXT/MD) con cita de la fuente en la respuesta.
  • Licencia: MIT — uso libre, incluido comercial, manteniendo el aviso de copyright. El repositorio contiene la aplicación completa y puede desplegarse en infraestructura propia. El código es gratuito; los costes de motor de IA, infraestructura, implantación y mantenimiento corren por cuenta de quien lo despliega (no se ofrece soporte ni consultoría).

¿Cómo lo integro?

Disponible ahora: Integración LTI 1.3 con Moodle ya implementada (login OIDC + launch firmado): se instala como External Tool sin plugin propio e identifica automáticamente usuario, curso y rol. Cada curso tiene además su propia base de conocimiento con cita de fuentes.

Integraciones habituales en este sector (valoradas como vía recomendada; salvo que se indique lo contrario, no vienen implementadas — el código está preparado para añadirlas):

  • Otros LMS compatibles con LTI 1.3: Canvas, Blackboard, Sakai y Google Classroom (vía LTI) usan el mismo estándar: la integración construida para Moodle sirve tal cual.
  • Names and Roles (NRPS) y notas (AGS): siguientes pasos del estándar: sincronizar la lista de clase y devolver calificaciones al libro de notas del LMS. No implementado todavía.
  • SCORM / xAPI (Tin Can): para registrar la actividad del alumno en un LRS y analizar el uso del tutor junto al resto de su itinerario formativo.
Mapa del bucleDisparador: El niño se atasca con un ejercicio y en casa ya no sabemos cómo explicárselo de otra forma.. Acción: Ajusta el lenguaje, el ritmo y el tipo de ejercicio al perfil elegido (TDAH, dislexia, bajo rendimiento) y mantiene un resumen de lo hablado durante la sesión.. Medición: El resumen de la sesión y los errores que se repiten, que hacen cambiar la manera de explicarlo.. Decisión: Decidimos si seguimos con ese tema, bajamos un escalón o lo dejamos para otro día..EL BUCLE QUE CIERRAPara un niño de 6 a 14 años yquien le acompaña con los deberes1DISPARADOREl niño se atasca con unejercicio y en casa ya nosabemos cómo explicárselo deotra forma.2ACCIÓNAjusta el lenguaje, el ritmoy el tipo de ejercicio alperfil elegido (TDAH,dislexia, bajo rendimiento)y mantiene un resumen de lohablado durante la sesión.3MEDICIÓNEl resumen de la sesión ylos errores que se repiten,que hacen cambiar la manerade explicarlo.4DECISIÓNDecidimos si seguimos conese tema, bajamos un escalóno lo dejamos para otro día.Cada sesión de debereslo hace una personalo hace el software

Descargar el diagrama (SVG)

Límites

Lo que no hace

  • No diagnostica nada: el perfil de aprendizaje lo eliges tú, no lo detecta la IA.
  • En el perfil de dislexia no corrige la ortografía: está evitado a propósito.
  • No recuerda entre sesiones: el resumen dura lo que dura la sesión y no se guarda en ningún sitio.

Decisiones

Por qué está construido así

  • Memoria de resumen durante la sesión en vez de reenviar la conversación completa

    El niño no tiene que repetir lo que ya ha contado, y el contexto no crece hasta reventar el límite del modelo.

  • Perfiles cerrados en vez de un prompt único en vez de un solo prompt para todos los alumnos

    Cada perfil cambia la longitud de la respuesta, el tamaño del paso y si se corrige la ortografía. Con un prompt único no se puede.

Try Live Demo View Code

Cómo está construido

→ TutorIA: arquitectura de un tutor IA adaptativo para niños de 6‑14 años TutorIA adapta lenguaje y ejercicios a niños con TDAH, dislexia o bajo rendimiento. Cómo funciona por dentro: FastAPI, LangChain, Qwen3.8 27B vía Groq, material por...