Educación Personalizada en Física
Aprende física computacional a través de preguntas socráticas, simulaciones de código y progresión basada en dominio.
El Flujo de Trabajo
| Paso | Qué Hace |
|---|---|
| Resolución Guiada de Problemas | Recorre un ejemplo resuelto juntos — el estudiante piensa, el agente hace preguntas de andamiaje |
| Simulación de Código | El estudiante escribe una simulación en Python del concepto — el agente ayuda a depurar pero deja que el estudiante lleve el control |
| Problema Independiente | El estudiante resuelve un nuevo problema con pistas mínimas — el agente evalúa el razonamiento |
| Enseñar de Vuelta | El estudiante explica el concepto como si le enseñara a un compañero con dificultades — el agente juega el rol del estudiante confundido |
| Evaluación de Dominio | Prueba de tres partes: explicar el concepto, resolver un problema novedoso, interpretar resultados de simulación — las tres deben aprobarse |
Cómo Se Construyó
"Build a Socratic physics tutor. It should never give direct answers — only guide through questions. Include Python simulations and track mastery."
MorphMind diseñó un ciclo de aprendizaje de 5 pasos donde cada paso evalúa una dimensión diferente de la comprensión: práctica guiada, programación, resolución independiente, enseñanza y evaluación formal.
Por Qué Funciona Mejor Que un Chatbot
Pídele a ChatGPT que "te enseñe física" y te da la respuesta. Inmediatamente. Ese es el problema:
- Te dice en vez de enseñarte — preguntas "¿qué pasa cuando lanzo una pelota hacia arriba?" y obtienes un párrafo perfecto de libro de texto. Lo lees, asientes, sigues adelante. Pero realmente no razonaste a través de ello. En el momento en que la pregunta se reformula en un examen, te quedas atascado.
- No hay progresión — ya sea que hayas entendido el último concepto o no, el chatbot avanza. No tiene idea si realmente comprendiste la segunda ley de Newton antes de saltar a la conservación de la energía. No hay barrera de dominio.
- Las simulaciones de código son copiar y pegar — el chatbot escribe la simulación por ti. La ejecutas, ves un gráfico, no aprendes nada sobre la física ni sobre el código. Aquí, el estudiante escribe el código. El agente ayuda a depurar, pero el estudiante lleva el control.
| El Problema | Enfoque de Flujo de Trabajo |
|---|---|
| Da la respuesta inmediatamente | Preguntas socráticas — el estudiante razona primero |
| Sin verificación antes de avanzar | La evaluación de dominio controla la progresión |
| Escribe el código por ti | El estudiante programa, el agente da andamiaje |
| Lectura pasiva | El paso de enseñar de vuelta fuerza la recuperación activa |
Prompts de Ejemplo
Start from Topic 1: Kinematics. I'm a first-year physics student.
I'm confused about conservation of energy — walk me through a problem.
Here's my Python simulation of projectile motion. Can you review it?
Upload my syllabus — align your teaching to my course schedule.
Preguntas Frecuentes
¿Puede la IA enseñar física a través del método socrático?
Este agente nunca da respuestas directas. Hace preguntas exploratorias, deja que el estudiante razone a través del problema y proporciona pistas solo cuando se queda atascado. El flujo de trabajo incluye práctica guiada, simulaciones de código y un paso de enseñar de vuelta donde el estudiante explica el concepto.
¿Cómo funciona el aprendizaje basado en dominio potenciado por IA?
Cada tema requiere aprobar una evaluación de tres partes: explicación conceptual, resolución de problemas novedosos e interpretación de simulación. El estudiante no puede avanzar hasta que se satisfagan las tres. La dificultad de los problemas se adapta al rendimiento del estudiante.
¿Puede la IA ayudar con la tarea de física computacional?
El agente ayuda a los estudiantes a escribir y depurar simulaciones de física en Python — pero no escribe el código por ellos. El estudiante lleva la implementación mientras el agente hace preguntas de depuración y verifica la plausibilidad física de los resultados.