Volver al catálogo
Educación superior Propuesto por Universidad Francisco de Vitoria

La universidad que se adapta a cada estudiante

Imaginar y modelar una universidad capaz de personalizar la formación a la diversidad de cada estudiante —ritmos, talentos, contextos— con IA ética, sin renunciar al rigor ni a la comunidad.

Sector
Educación superior
Empresa
Universidad Francisco de Vitoria
Sistemas propuestos
4

Sobre la empresa

U
Universidad Francisco de Vitoria
Educación superior

La Universidad Francisco de Vitoria (UFV) es una universidad con sede en Madrid centrada en la formación integral de la persona, que combina excelencia académica con un fuerte componente humanístico. Impulsa la innovación educativa y el talento STEM femenino, y lanza el Human Transformation Futures Challenge para imaginar la universidad personalizada del futuro en la era de la IA.

La universidad se diseñó históricamente para cohortes: planes de estudio homogéneos, trayectorias lineales y modelos pensados para grupos. Pero las personas no aprenden igual —tienen distintos talentos, ritmos, intereses, contextos y motivaciones— y gran parte de la oferta sigue organizada bajo modelos uniformes. La IA abre la posibilidad de adaptarse a esa diversidad, pero plantea riesgos reales de fragmentación, desigualdad y pérdida de criterio humano.

Web de la empresa

El problema

"¿Cómo diseñar una universidad capaz de acompañar caminos diferentes hacia el desarrollo del potencial humano? El reto no es solo decidir qué debe aprender un estudiante, sino rediseñar la arquitectura universitaria para responder a la diversidad —ritmos, talentos, vocaciones, contextos— sin perder calidad, cohesión ni identidad, y sin caer en itinerarios infinitos sin sentido ni en algoritmos que sustituyan el criterio humano."

Por qué con tecnología e IA

Personalizar la formación a escala de miles de estudiantes es inviable de forma puramente manual. La IA y el modelado de datos permiten detectar fortalezas, dificultades, vocación y evolución de cada estudiante, recomendar itinerarios con sentido —grados, microcredenciales, proyectos, mentoría— y anticipar riesgos de abandono o desmotivación. Bien diseñada (ética, interpretable e inclusiva), la IA acompaña las decisiones formativas y libera tiempo de mentoría humana en lugar de sustituirla. No gana quien use más IA, sino quien diseñe mejor una universidad capaz de acompañar a personas reales.

Qué buscamos

Objetivo del caso

Diseñar y prototipar un modelo de universidad personalizada: cómo configurar una oferta con partes comunes y partes adaptables, cómo construir itinerarios combinando grados, microcredenciales, proyectos y mentoría, qué datos tiene sentido usar y con qué límites éticos, y qué papel tiene la IA frente a lo que debe seguir siendo exclusivamente humano. La propuesta debe ser humana, éticamente responsable, interpretable, inclusiva, viable y escalable a una universidad real.

Cómo funciona

El recorrido del sistema de extremo a extremo, en 4 fases.

  1. 01

    Comprender al estudiante

    Construir el perfil y el mapa de competencias de cada persona.

    • Datos académicos y experienciales integrados
    • Detección de fortalezas, vocación y dificultades
    • Consentimiento y privacidad desde el diseño
  2. 02

    Personalizar el itinerario

    Recomendar caminos formativos con sentido, no itinerarios infinitos.

    • Combinación de grados, microcredenciales, proyectos y mentoría
    • Partes comunes y partes adaptables de la oferta
    • Recomendación explicable, nunca una caja negra
  3. 03

    Acompañar la decisión

    IA y mentoría humana trabajando juntas, no la una contra la otra.

    • Agente de acompañamiento que sugiere, no impone
    • Derivación al mentor humano en los momentos clave
    • El criterio final es siempre de la persona
  4. 04

    Anticipar y mejorar

    Detectar riesgos y aprender de forma ética y supervisada.

    • Señales tempranas de desmotivación o abandono
    • Control de sesgos, equidad e interpretabilidad
    • Mejora continua con supervisión humana

Sistemas que podrían abordarlo

Ejemplos de ejecuciones técnicas progresivas que podrías llevar a cabo para construir el sistema. La idea es iterar sobre un sistema base: cada paso amplía el anterior, de modo que —te quedes en la fase que te quedes— tengas algo que ya aporta valor. No es una receta cerrada: cada grupo decide su propio diseño, con servicios gestionados de AWS o herramientas open-source.

01

Mapa dinámico de competencias y perfil del estudiante

El punto de partida y la pieza fundacional: construir un perfil vivo de cada estudiante a partir de datos académicos y experienciales, detectando fortalezas, dificultades, vocación y evolución, con el consentimiento y la privacidad como base. Por sí solo ya da a tutores una foto rica de cada estudiante sobre la que decidir.

Neo4j scikit-learn Python Amazon S3
02

Recomendador de itinerarios formativos

Una vez mapeado el perfil, se puede construir el recomendador: cruza las competencias y variables obtenidas de cada estudiante con la oferta académica para sugerir asignaturas, microcredenciales, proyectos y experiencias ajustados a su realidad y objetivos, combinando partes comunes y adaptables, siempre con explicabilidad y con la última palabra en la persona.

LightFM Amazon Bedrock FastAPI PostgreSQL
03

Agente de acompañamiento híbrido humano-IA

Con el recomendador funcionando, el siguiente salto es conversacional: un asistente que ayuda al estudiante a explorar esas recomendaciones, resuelve dudas y detecta cuándo conviene derivar la conversación a un mentor humano. La IA sugiere; no impone.

LangChain Rasa Amazon Bedrock React
04

Modelo de bienestar y motivación con guardarraíles éticos

El último evolutivo añade anticipación: con todo lo anterior en marcha, detecta señales tempranas de desmotivación o riesgo de abandono para activar el acompañamiento humano, con controles explícitos de equidad, interpretabilidad y protección de datos por diseño.

scikit-learn Fairlearn (equidad) SHAP (explicabilidad) Amazon SageMaker

Este reto no premia a quien use más IA, sino a quien diseñe mejor una universidad capaz de acompañar a personas reales: humana, ética, interpretable e inclusiva. Conecta de lleno con el talento STEM femenino, porque obliga a pensar como ingenieras de sistemas complejos —datos, IA, modelización, ética y diseño institucional a la vez.

El alcance del prototipo, los datos utilizables y los límites éticos se concretan con la Universidad Francisco de Vitoria en la primera semana de la academia.

¿Listo para construir esto?

Accede al portal de la academia y empieza a trabajar en tu cuenta AWS sandbox.

Acceder al portal