La secuenciación personalizada de problemas mejora las notas de Python — Un ECA en 10 escuelas de Taipéi

Investigadores de la Wharton School (Universidad de Pensilvania), la Carnegie Mellon University y la National Taiwan University realizaron un ensayo controlado aleatorizado integrado en un curso en línea extraescolar de certificación en Python, en 10 escuelas secundarias de Taipéi, Taiwán, con unos 800 estudiantes durante cinco meses. Todos los estudiantes tuvieron acceso idéntico al mismo chatbot de IA generativa y a los mismos materiales del curso; la única diferencia experimental fue cómo se secuenciaban los problemas de práctica. El grupo de control resolvió una secuencia fija de problemas de fácil a difícil, mientras que el grupo de tratamiento recibió una secuencia personalizada, en la que un algoritmo ajustaba la dificultad de los problemas según el desempeño y las interacciones de cada estudiante con el tutor de IA.
Los estudiantes del grupo de secuenciación personalizada obtuvieron puntuaciones significativamente más altas en los exámenes finales, una mejora que los investigadores estiman en 0,15 desviaciones estándar —descrita, con la salvedad explícita de no ser 'una estimación perfecta', como aproximadamente equivalente a entre seis y nueve meses de aprendizaje adicional—. Los estudiantes del grupo de tratamiento también se involucraron más, dedicando cerca de una hora por módulo frente a unos 30 minutos o menos en el grupo de control. Las mejoras fueron mayores entre los estudiantes nuevos en Python y los de escuelas secundarias académicamente menos élite que entre los estudiantes con experiencia previa en programación o de escuelas de primer nivel.
El diseño del estudio garantizó que ningún estudiante se quedara sin acceso al tutor de IA en sí, y no se requirió tiempo ni trabajo adicional por parte del profesorado: solo cambió la secuenciación de los problemas. Los autores son explícitos al señalar que el artículo, 'Effective Personalized AI Tutors via LLM-Guided Reinforcement Learning', se publicó como borrador en marzo de 2026 y aún no ha completado la revisión por pares, y que la muestra de estudiantes inscritos se inclinaba hacia adolescentes muy motivados y con padres con estudios superiores, lo que puede limitar la generalización de los resultados a poblaciones menos autoseleccionadas.