La combinación de modelos de lenguaje de gran tamaño (LLM) y entornos gráficos virtuales abre nuevas posibilidades para el aprendizaje interactivo, al permitir experiencias formativas más naturales, inmersivas y realistas. Frente a los chatbots tradicionales basados en texto de naturaleza generalista (por ejemplo, ChatGPT, Gemini, o Copilot), la integración de un LLM entrenado con propósitos educativos en un entorno 3D permitiría que el estudiante mantenga conversaciones simuladas con un personaje virtual, potenciando la sensación de presencia y la implicación emocional en el proceso de aprendizaje.

En primer lugar, se desgrana cada uno de los elementos de la arquitectura tecnológica (ver figura 1) que sustentará la experiencia que se pretende llevar a cabo.

• Cliente (¿cómo interactúa el usuario con la aplicación?): La parte gráfica de la aplicación (o interfaz de usuario) se desarrollará con Unity, que es uno de los motores de videojuegos más populares. Se selecciona esta herramienta por su madurez, soporte multiplataforma y porque los proponentes tienen amplia experiencia en la misma. El uso de Unity permitirá crear un avatar conversacional al que el estudiante podrá acceder bien mediante gafas de realidad virtual bien mediante un navegador tradicional en un ordenador o smartphone convencional.

• Servidor (¿cómo se proporcionan las respuestas al usuario?): Para responder a las peticiones del usuario se usará un LLM de código abierto. Exploraremos diferentes modelos disponibles en la plataforma de Ollama, como modelos basados en Llama o Mistral que podamos instalar on-premise (es decir, en nuestros propios servidores), permitiendo así un control ético y técnico sobre los datos que maneje la aplicación.  El modelo seleccionado se optimizará con propósitos educativos. Para ello, se evaluarán distintas estrategias como la Ingeniería de Prompts (Prompt Engineering), el uso de contexto (Retrieval-Augmented Generation - RAG) o el ajuste de parámetros (fine-tuning, como LoRA), utilizando los materiales docentes que se estimen oportunos (apuntes del profesor/a, guías oficiales, etc.).

• Pasarela de comunicación (¿cómo se comunican cliente y servidor?): Se usarán algoritmos voice-to-text para convertir las consultas que el usuario realiza de forma verbal a un texto interpretable por el LLM, así como algoritmos text-to-speech que utilizarán un modelo entrenado con la voz del profesor para que la respuesta resulte más familiar y cercana a los alumnos, convirtiendo la respuesta textual del LLM a un audio que podrá escuchar el usuario en el entorno gráfico. Todo esto permitirá que la interacción se asemeje a una conversación humana real en un entorno virtual 3D. 

Figura 1: Arquitectura tecnológica

Una vez desarrollada la arquitectura general que servirá para enriquecer procesos de aprendizaje en múltiples campos, se propone como caso de estudio concreto el campo de las metodologías ágiles de desarrollo de software y más concretamente Scrum. Para desarrollar la parte gráfica se tomará como punto de partida el videojuego educativo ScrumVerse, diseñado anteriormente por el grupo GIETEMA y disponible en abierto vía web en el siguiente enlace: https://scrumverse.etsisi.upm.es/. Concretamente, se usarán los escenarios 3D programados en Unity para este videojuego, así como el personaje del Scrum Master (cuya figura en la metodología Scrum viene a ser la de un gestor de proyectos), cuyos movimientos y animaciones han sido previamente programados en Unity. Tomando como base estos recursos, se definirá el componente gráfico de AI Scrum Master: un entorno 3D al que los estudiantes pueden acudir para hacer consultas de viva voz al Scrum Master (que internamente es un LLM entrenado con apuntes y documentación oficial sobre Scrum).

Respecto a la experiencia educativa que se va a llevar a cabo conviene decir que la metodología Scrum es el estándar de facto actual para producir software y se enseña en todas las carreras relacionadas con este campo. En el caso de la ETSI Sistemas Informáticos (ETSISI), este método se enseña en la asignatura de Fundamentos de Ingeniería del Software (FIS, 2º curso, 2º semestre, aprox. 400 estudiantes), y Gestión de Proyectos y del Riesgo (GPR, 4º curso, 1º semestre, aprox. 150 estudiantes). Una vez validada la aplicación AI Scrum Master en dichas asignaturas, se pondrá a disposición de otras escuelas que quieran usarlo para enseñar la metodología Scrum.

Segundo, respecto a la aplicación del ecosistema tecnológico que se ha definido, su planteamiento es extrapolable a otros contextos educativos, donde la combinación de inteligencia artificial, interacción por voz y entornos inmersivos puede transformar la manera en que los estudiantes aprenden y practican conocimientos complejos. Una vez finalizado el proceso de validación del sistema gracias al caso de estudio basado en AI Scrum Master, los recursos generados se documentarán y publicarán en abierto, facilitando su transferencia y sostenibilidad en otros contextos educativos.

Finalmente, tal y como se puede apreciar, esta propuesta se alinea con los objetivos de la convocatoria al promover el aprendizaje activo, la personalización, la accesibilidad digital y la transferencia de recursos educativos innovadores, y se enmarca en la línea E1: Integración de la IA en las actividades docentes. Además, el proyecto contribuye de manera directa a los Objetivos de Desarrollo Sostenible (ODS), especialmente al ODS 4 (Educación de calidad) y al ODS 9 (Industria, innovación e infraestructura), mediante la mejora de la calidad educativa y la integración de tecnologías innovadoras. Se garantiza el cumplimiento de los principios éticos y legales en el tratamiento de datos personales (RGPD), así como la implementación de medidas de accesibilidad digital para asegurar la participación de todo el alumnado. Finalmente, se llevará a cabo un plan de diseminación que facilitará la transferencia y sostenibilidad del proyecto en otros contextos educativos.

Se definen a continuación unos objetivos específicos, medibles y alineados con la convocatoria:

• Diseñar e implementar una arquitectura tecnológica que integra un LLM entrenable con fines educativos, algoritmos voice-to-text y text-to-speech y el entorno gráfico Unity.
• Crear la herramienta AI Scrum Master, disponible en entornos Web y de realidad virtual, tomando como base la arquitectura anterior y entrenando al LLM sobre la metodología Scrum.
• Desarrollar guías metodológicas sobre el funcionamiento de AI Scrum Master para facilitar la transferencia y adopción de la herramienta en otras titulaciones, centros y contextos educativos.
• Utilizar AI Scrum Master en las asignaturas “Fundamentos de Ingeniería del Software”, y “Gestión de Proyectos y del Riesgo” para favorecer el aprendizaje sobre la metodología Scrum.
• Durante la utilización de AI Scrum Master, tomar las medidas pertinentes mediante instrumentos de investigación que permitan analizar el impacto de la aplicación en el aprendizaje y la percepción del estudiantado sobre el mismo.
• Analizar los resultados obtenidos para evaluar la eficacia de la herramienta en términos de adquisición de conocimientos, desarrollo de competencias transversales y fomento de la motivación y la implicación del alumnado.
• Diseminar los resultados del proyecto en medios divulgativos (blog del Grupo GIETEMA, redes institucionales ETSISI, portal de Innovación Educativa UPM) y en medios científicos (preferentemente en revistas indexadas), asegurando la transferencia interna y externa.

Esta propuesta está directamente ligada con una de las deficiencias más significativas en la docencia universitaria actual: la falta de seguimiento y tutorización personalizada, que es especialmente crítica en asignaturas y aulas con un gran número de estudiantes.

Se analiza a continuación como esta iniciativa va a ayudar a solventar estas problemáticas en las asignaturas involucradas en este proyecto.

• Por un lado, la asignatura de Fundamentos de Ingeniería del Software (FIS) tiene unos 400 estudiantes matriculados y en ciertos grupos de clase hay más de 80 personas. Esto hace muy muy complicado que el profesorado ofrezca una guía individualizada, lo que provoca que los estudiantes con diferentes ritmos de aprendizaje se queden atrás y no terminen de comprender ciertos conceptos clave.
• Por otro lado, la asignatura de Gestión de Proyectos y del Riesgo (GPR), cuenta con menos estudiantes matriculados (unos 150 estudiantes), pero estos se concentran en ciertos grupos de clase, a los que asisten casi de casi 100 personas, que sufren la misma problemática que en el caso anterior.

El modelo interactivo de tutor personal potenciado por IA que proponemos (AI Scrum Master) sería presentado en una primera sesión de aula (en formato realidad virtual) y posteriormente estaría disponible para el estudiante 24/7 en formato web (salvo que los alumnos dispongan de gafas de realidad virtual personales, en cuyo caso podrían acceder también al tutor por este medio). Este recurso contribuiría a la mejora de la calidad resolviendo directamente la problemática antes comentada de la siguiente manera:

• Personalización y adaptación al ritmo individual: A diferencia de una clase magistral "talla única", el sistema actúa como un tutor 24/7 que se adapta al nivel de cada estudiante. Puede ofrecer explicaciones adicionales a quien no entendió un concepto esencial (clave en la asignatura FIS, de 2º año) o plantear retos más complejos a estudiantes avanzados (clave en la asignatura GPR, de 4º curso), mejorando los resultados académicos de todo el espectro de alumnos.
• Feedback formativo inmediato: Una deficiencia clave en el aprendizaje de conceptos abstractos (como es el caso de la metodología Scrum) es la demora en la retroalimentación. Este sistema proporciona feedback instantáneo en un entorno inmersivo y amigable, permitiendo al alumno corregir sus errores de concepto en el momento. Esta detección temprana de fallos es crucial para la mejora de resultados.
• Refuerzo de la comprensión conceptual: El tutor AI Scrum Master está específicamente diseñado para guiar al alumno en su proceso de razonamiento (no solo dar respuestas). Al fomentar una comprensión más profunda de la materia, se espera una mejora notable en la asimilación de los conceptos y competencias relacionados con las metodologías ágiles que se pretenden enseñar en las asignaturas de FIS y GPR.

Finalmente, cabe destacar el doble potencial de transferencia del proyecto. Por un lado, la aplicación AI Scrum Master podrá ser transferida a otras titulaciones de la UPM y universidades interesadas en metodologías ágiles. Por otro, el ecosistema tecnológico desarrollado (basado en tutorización por IA en entornos inmersivos) servirá como plataforma reutilizable para crear herramientas de aprendizaje en otros campos del conocimiento, contribuyendo así a resolver un problema estructural de la educación superior.

F1. Diseño pedagógico y desarrollo tecnológico (febrero – julio 2026)

• Selección de la base de conocimiento sobre Scrum
• Diseño y desarrollo de la interfaz gráfica en Unity
• Instalación y entrenamiento del LLM
• Implementación de la pasarela de comunicación Unity-LLM mediante algoritmos voice-to-text y text-to-speech

F2. Validación 1 (mayo 2026)

• Pruebas piloto con estudiantes de la asignatura “Fundamentos de Ingeniería del Software”
• Recogida de métricas y datos relacionados con la usabilidad y la calidad del sistema, así como toda la información necesaria para permitir la difusión del proyecto (ver sección “sistema de seguimiento y evaluación de pilotos”)

F3: Afinamiento del sistema (junio-septiembre 2026)

• Una vez realizada la validación 1, se procederá a corregir los errores detectados y a mejorar el sistema.

F4. Validación 2 (septiembre - noviembre 2026)

• Pruebas piloto con estudiantes de la asignatura “Gestión de Proyectos y del Riesgo”
• Recogida de métricas y datos relacionados con la usabilidad y la calidad del sistema, así como toda la información necesaria para permitir la difusión del proyecto (ver sección “sistema de seguimiento y evaluación de pilotos”).

F5. Desarrollo de escenarios docentes reutilizables (octubre - noviembre 2026)

• Grabación en formato audiovisual de un conjunto de escenarios docentes simulados en AI Scrum Master, recogiendo preguntas/respuestas arquetípicas en el aprendizaje de la metodología Scrum que sean potencialmente utilizable por docentes del área.

F6. Difusión (octubre – diciembre 2026)

• Difusión divulgativa (orientada a público general): Desarrollo de entradas en el blog del GIE GIETEMA y publicación de reseñas en redes sociales, así como en canales del servicio de innovación educativa.
• Difusión científica (orientada a investigadores): Desarrollo de al menos un artículo científico, preferentemente destinado a una revista JCR

Figura 2: Cronograma

El seguimiento del proyecto se realizará mediante reuniones quincenales entre todos los integrantes del mismo y las evidencias de logro del proyecto estarán sustentadas en el cumplimiento de los hitos señalados en el cronograma proporcionado.

Por otra parte, los dos pilotos que se realizarán (fase 2 y fase 4) serán evaluados desde múltiples perspectivas a través de los siguientes instrumentos de investigación, que proporcionarán una gran cantidad de métricas para evaluar la calidad del sistema desarrollado.

• Adquisición de conocimientos: se evaluará mediante test y una estrategia pre-post la adquisición de conocimiento de los estudiantes usando AI Scrum Master.
• Usabilidad: se evaluará mediante un cuestionario validado (concretamente la Escala de Usabilidad de Sistemas, de Brooke) la percepción del estudiante sobre la usabilidad del sistema.
• Sensación de presencia: se evaluará mediante un cuestionario validado (concretamente la escala de Presencia, de Biocca et al.) la sensación de presencia del estudiante durante la experiencia.
• Satisfacción estudiantil: se evaluará mediante encuestas ad-hoc, y si procede con grupos focales, la satisfacción del estudiante con AI Scrum Master, prestando especial relevancia a lo qué este tipo de sistemas proporcionan en comparación con un chatbot textual de IA tradicional.

• AI Scrum Master: módulo gráfico desarrollado en Unity + LLM entrenado en Scrum + conectores text-to-speech y voice-to-text (ver sección “Descripción del proyecto” y fase 1 del cronograma)
• Conjunto de escenarios docentes grabados en formato audiovisual y reutilizables (ver fase 5 del cronograma)
• Guías metodológicas sobre el funcionamiento de AI Scrum Master para facilitar la transferencia y adopción de la herramienta en otras titulaciones, centros y contextos educativos.
• Publicaciones a nivel divulgativo y científico mostrando los resultados del proyecto (ver sección “Material divulgativo”)

El material divulgativo tendrá por objeto presentar el proyecto tanto desde la perspectiva tecnológica como desde la perspectiva de aplicación educativa.

• Desarrollo de un vídeo resumen, utilizable en diversos canales
• Entradas en el blog del grupo GIETEMA
• Entradas en los canales de comunicación del Servicio de Innovación Educativa (condicionados a la colaboración de dicho servicio)
• Jornadas de innovación educativa: Si la UPM y/o la ETSISI organizan jornadas de innovación como en cursos pasados, presentación del proyecto en dichas jornadas.
• Publicaciones científicas: Desarrollo de al menos un artículo científico, preferentemente destinado a una revista JCR.

El principal colaborador del grupo GIETEMA en este proyecto es el grupo de Investigación de Modelización Matemática y Biocomputación. La participación de este grupo será esencial ya que por un lado proporcionará los servidores necesarios para entrenar y alojar el LLM, y por otro lado proporcionará personal que está especializado en estas tareas (concretamente el catedrático Alberto Mozo, director del grupo, el profesor Luis de la Cal, y dos investigadores predoctorales).