UNE + Veniu · Transformación Educativa
MVP de Educación Inmersiva + IA · Integración LMS/ERP (Odoo)
Objetivo del MVP (Goal): probar que integrar IA en las capas de aprendizaje y operación mejora resultados estudiantiles, eficiencia del personal y escalabilidad institucional. Desplegable en un flagship campus y diseñado para escalar a múltiples sedes.
Cobertura objetivo20,000+ alumnosPrimaria · Secundaria · Preparatoria · Universidad
Demo inicial100 usuariosPrueba controlada con análisis pre/post
Carreras piloto3Administración · Ing. Civil · Ing. Industrial
Presentación en una sola página. Contenido listo para embeber en un sitio o exportar a PDF.
Arquitectura de 3 Capas
Diseñada para conectar experiencia, certificación y operación con interoperabilidad abierta.
- Capa de Experiencia (Front-End) — Experiencias WebGL/2D en navegador (Three.js/Babylon/Phaser) + gamificación y exámenes dinámicos.
- Capa de Sistemas (Back-End) — LMS + Odoo ERP como source of truth académico/operativo.
- Capa de Inteligencia — Servicios de IA (tutoría, analítica predictiva, recomendaciones, automatización).
Interoperabilidad estándar LTI 1.3/LTI Advantage (Launch, Deep Link, Names & Roles, Assignment & Grade Services). Odoo por API (XML/JSON‑RPC) para admisiones, finanzas, calendario, contactos.
Stack propuesto
Experiencia
- Experiencias WebGL‑first: Three.js/Babylon (3D) y Phaser/PixiJS (2D).
- Minijuegos/nanomódulos gamificados ejecutándose en móvil y escritorio.
Core Académico/Operativo
- LMS con LTI 1.3/Advantage.
- Odoo (eLearning, Surveys, CRM, Accounting, Apps personalizadas).
Inteligencia
- IA de tutoría y Q&A (modelos de lenguaje).
- Predicción de riesgo, sugerencias y analítica multimodal.
LTI 1.3
AGS
NRPS
Deep Linking
JSON‑RPC (Odoo)
Webhooks
1) Teaching Layer — Core LMS AI Features
AI Tutoring Assistant
- Tutor per‑student, 24/7 en lenguaje natural.
- Modo socrático + bloqueos anti‑respuesta directa.
- Explicaciones paso a paso, ejemplos y contraejemplos.
Personalized Paths
- Recomendaciones de módulos y recursos.
- Alineación a competencias y microcredenciales.
Real‑Time Risk Alerts
- Señales tempranas por inactividad, bajas calificaciones y sentimiento.
- Activación automática de tutoría o mentoría.
Auto‑Enhance Lessons
- Enriquece clases con videos, casos, ejercicios contextualizados.
- Biblioteca por carrera y por dificultad.
Assessments & Feedback
- Corrección instantánea de reactivos objetivos.
- Borradores de retro para ítems subjetivos para revisión docente.
Exámenes Dinámicos
- Bancos de preguntas etiquetados por competencia.
- Adaptativos por desempeño y tiempo.
2) Operations Layer — Core ERP AI (Odoo)
Smart Scheduling
- Asignación de aulas/labs/horarios en base a matrícula y disponibilidad.
- Sincronización con Google Calendar / Agenda interna.
Resource Optimization
- Predice materiales/equipo según plan de clases.
- Alertas de inventario y mantenimiento preventivo.
Admissions Funnel AI
- Scoring de leads por canal y probabilidad de conversión.
- Orquestación omnicanal (web, WhatsApp, email, llamadas).
Basic Finance
- Control de colegiaturas, recordatorios y conciliación.
- Proyección de flujo por cohorte y morosidad.
Compliance
- Reportes a autoridad (titulares, calificaciones, asistencia).
- Auditorías y trazabilidad de cambios.
Data Hub
- Modelo unificado Alumno–Curso–Evidencia–Pago–Credencial.
- APIs para BI y lagos de datos.
3) Analytics & Insights
Dashboard Unificado (Directivos)
- Rendimiento, retención, tendencia de matrícula, utilización de recursos.
- Mapa de calor de rutas/modularidad y badges por cohorte.
Sugerencias de IA: “Incrementar tutorías en Álgebra I; +12% tasa de aprobación esperada”.
| Dominio | KPI | Meta MVP |
|---|---|---|
| Aprendizaje | +10% calificación promedio vs. control | ≥ 10% |
| Compromiso | >90% finalización simulaciones asignadas | ≥ 90% |
| Retención | −20% riesgo de abandono en grupos con alertas | ≤ −20% |
| Eficiencia | −25% horas de calificación manual | ≤ −25% |
| Escalabilidad | Costo ≤ 150 USD/estudiante MVP | ≤ 150 |
Gamificación por Diseño (no cosmética)
Metodología y mecánicas
- Autonomía: rutas modulares y elección de retos.
- Competencia: desafíos calibrados, feedback inmediato, badges verificables.
- Relación: ligas por equipo, tableros por cohorte, proyectos colaborativos.
- Economía de juego: Puntos → Niveles → Badges → Microcredenciales → Reconocimiento externo.
Mapeo por carrera · “Quests”
Administración
- Simulación “Empresa 360”: pricing, flujo de caja, RH.
- Reto de ética con narrativa ramificada.
- Badge: Analista Financiero Junior.
Ing. Civil
- Lab “Resistencia de Materiales” (cargas/deformaciones).
- Site management virtual (métodos constructivos).
- Badge: Supervisor de Obra Virtual.
Ing. Industrial
- Simulación de planta: balanceo de líneas, 5S, Kanban.
- Optimización de procesos con restricciones.
- Badge: Lean Practitioner.
Evaluaciones dinámicas
- Objetivos: autocorrección y tiempo adaptativo.
- Subjetivos: rúbricas + borradores de feedback IA + verificación docente.
- Integridad: bancos aleatorios, bloqueo de copia y explicación obligatoria.
Nanomódulos WebGL/2D · Diseño instruccional + meta‑juego
Estructura de cada nanomódulo (3–8 min)
- Hook (30–60s): reto breve, audio/animación ligera.
- Briefing (≤60s): contexto narrativo con el personaje persistente.
- Micro‑teoría (≤90s): concepto esencial en 3 bullets o 1 gráfico.
- Desafío interactivo (2–4 min): puzzle/juego WebGL o 2D en Phaser.
- Feedback inmediato (≤30s): explicación y pistas.
- Transfer (≤60s): pregunta situada o mini‑caso.
- Badge/XP: desbloqueo y envío de score vía LTI‑AGS → Odoo.
Personaje persistente & meta‑progresión
- Avatar único para todo el trayecto (tono lúdico pero profesional) — p.ej., "V".
- Árbol de habilidades por carrera; “soft‑gating” que obliga a dominar básicos antes de rutas electivas.
- Economía de juego: XP, streaks y skill tokens canjeables por nanomódulos avanzados.
- Persistencia en Odoo (perfil del alumno: XP, badges, rutas elegidas).
Plantillas de minijuego por carrera
Administración — «CFO Sprint»
- Rompecabezas de punto de equilibrio: arrastrar costos fijos/variables y validar precio.
- Objetivo: alcanzar margen ≥ X% en 3 rondas con demanda cambiante.
Ing. Civil — «BeamLab»
- Simulación de viga: aplicar cargas y elegir material para no exceder σadm.
- Objetivo: minimizar deflexión con presupuesto limitado.
Ing. Industrial — «LeanFlow»
- Planta estilo puzzle: balanceo de línea, WIP y 5S con tiempo/penalizaciones.
- Objetivo: maximizar throughput sin sobrecargar estaciones.
Telemetría, accesibilidad y performance
- Eventos: start/complete, intentos, pistas usadas, tiempo, aciertos por ítem.
- A11y: navegación por teclado, contraste AA, subtítulos y modo bajo estímulo.
- Performance tiers: T0 (HTML5 2D), T1 (WebGL ligero), T2 (WebGL alto con efectos).
Blueprint técnico WebGL/Phaser
// Phaser 3 – bucle mínimo (Vite)
const game = new Phaser.Game({ type: Phaser.AUTO, parent: 'game', width: 960, height: 540,
physics: { default: 'arcade'}, scene: { preload, create, update } });
function preload(){ this.load.image('tile','/assets/tile.png'); }
function create(){ /* lógica del desafío */ }
function update(){ /* loop */ }
// Envío de score → LMS (LTI AGS) y → Odoo
async function sendScore(pct, activityId){
await fetch('/lti/ags/score',{method:'POST',headers:{'Content-Type':'application/json'},
body: JSON.stringify({ score: pct, activityId })});
await fetch('/odoo/jsonrpc',{method:'POST',headers:{'Content-Type':'application/json'},
body: JSON.stringify({jsonrpc:'2.0',method:'call',params:{model:'une.result',method:'create_from_game',args:[activityId,pct]}})});
}
4) Integration Layer
Conectores
- Google Workspace (Gmail/Calendar/Drive, SSO).
- Zoom (LTI) para clases síncronas.
- Pasarelas de pago (Stripe/PayPal) para colegiaturas.
APIs & Webhooks
- Odoo XML/JSON‑RPC para leads, inscripciones, pagos.
- Eventos LTI/AGS para calificaciones y participación.
Gobernanza de Datos
- Catálogo de datos + roles y permisos.
- Retención, anonimización y auditoría.
Modelo de Datos · Odoo
| Entidad | Descripción | Relaciones clave |
|---|---|---|
| res.partner (Alumno) | Perfil de estudiante, contacto, tutor | many2one carrera · one2many inscripciones |
| unecourse.course | Plan de estudios/módulos | one2many unidades · many2many docentes |
| une.exam & une.question | Banco y evaluaciones | one2many intentos · vínculo con badges |
| une.badge (microcredencial) | Insignia verificable por competencia | many2many alumnos · trazabilidad |
| account.move (pagos) | Facturación/colegiaturas | many2one alumno · conciliación |
*Los modelos une.* son módulos personalizados mínimos para integrar eLearning/Surveys/HR/Accounting.
Plan de Lanzamiento MVP (6–9 meses)
Fase 1 · Mes 1–2
- Modelo de datos (alumno/curso/docente/recursos).
- Selección de proveedor IA para tutoría/analytics.
- PoC LTI 1.3 + Odoo API.
Fase 2 · Mes 3–5
- Core LMS + tutor IA.
- Core ERP (scheduling, finanzas básicas, funnel).
- Simulaciones por carrera (4–6 módulos).
Fase 3 · Mes 6–7
- Despliegue en campus insignia.
- Formación docente/administrativa.
- Levantamiento de línea base.
Fase 4 · Mes 8–9
- Medición de impacto (aprendizaje, horas ahorradas, eficiencia).
- Endurecer para escalabilidad multi‑campus.
Riesgos & Mitigación
| Riesgo | Impacto | Mitigación |
|---|---|---|
| Dependencia de IA para tareas evaluativas | Sesgos/errores | Revisión humana obligatoria y rúbricas; “human‑in‑the‑loop”. |
| Performance en dispositivos de gama baja | Operación | Optimización WebGL + fallback 2D/HTML5; niveles gráficos, spritesheets y suspensión en background. |
| Adopción docente | Cambio | Capacitación, incentivos y acompañamiento pedagógico. |
Siguiente Paso
- Validar plan con decanatos y Dirección General.
- Seleccionar cursos piloto por carrera y profesores líderes.
- Arrancar Fase 1 con comité de datos y PMO.
© UNE + Veniu · Documento de trabajo — versión MVP
UNE + Veniu · Transformación Educativa
MVP de Educación Inmersiva + IA · Integración LMS/ERP (Odoo)
Objetivo del MVP (Goal): probar que integrar IA en las capas de aprendizaje y operación mejora resultados estudiantiles, eficiencia del personal y escalabilidad institucional. Desplegable en un flagship campus y diseñado para escalar a múltiples sedes.
Cobertura objetivo20,000+ alumnosPrimaria · Secundaria · Preparatoria · Universidad
Demo inicial100 usuariosPrueba controlada con análisis pre/post
Carreras piloto3Administración · Ing. Civil · Ing. Industrial
Presentación en una sola página. Contenido listo para embeber en un sitio o exportar a PDF.
Arquitectura de 3 Capas
Diseñada para conectar experiencia, certificación y operación con interoperabilidad abierta.
- Capa de Experiencia (Front-End) — Experiencias WebGL/2D en navegador (Three.js/Babylon/Phaser) + gamificación y exámenes dinámicos.
- Capa de Sistemas (Back-End) — LMS + Odoo ERP como source of truth académico/operativo.
- Capa de Inteligencia — Servicios de IA (tutoría, analítica predictiva, recomendaciones, automatización).
Interoperabilidad estándar LTI 1.3/LTI Advantage (Launch, Deep Link, Names & Roles, Assignment & Grade Services). Odoo por API (XML/JSON‑RPC) para admisiones, finanzas, calendario, contactos.
Stack propuesto
Experiencia
- Experiencias WebGL‑first: Three.js/Babylon (3D) y Phaser/PixiJS (2D).
- Minijuegos/nanomódulos gamificados ejecutándose en móvil y escritorio.
Core Académico/Operativo
- LMS con LTI 1.3/Advantage.
- Odoo (eLearning, Surveys, CRM, Accounting, Apps personalizadas).
Inteligencia
- IA de tutoría y Q&A (modelos de lenguaje).
- Predicción de riesgo, sugerencias y analítica multimodal.
LTI 1.3
AGS
NRPS
Deep Linking
JSON‑RPC (Odoo)
Webhooks
1) Teaching Layer — Core LMS AI Features
AI Tutoring Assistant
- Tutor per‑student, 24/7 en lenguaje natural.
- Modo socrático + bloqueos anti‑respuesta directa.
- Explicaciones paso a paso, ejemplos y contraejemplos.
Personalized Paths
- Recomendaciones de módulos y recursos.
- Alineación a competencias y microcredenciales.
Real‑Time Risk Alerts
- Señales tempranas por inactividad, bajas calificaciones y sentimiento.
- Activación automática de tutoría o mentoría.
Auto‑Enhance Lessons
- Enriquece clases con videos, casos, ejercicios contextualizados.
- Biblioteca por carrera y por dificultad.
Assessments & Feedback
- Corrección instantánea de reactivos objetivos.
- Borradores de retro para ítems subjetivos para revisión docente.
Exámenes Dinámicos
- Bancos de preguntas etiquetados por competencia.
- Adaptativos por desempeño y tiempo.
2) Operations Layer — Core ERP AI (Odoo)
Smart Scheduling
- Asignación de aulas/labs/horarios en base a matrícula y disponibilidad.
- Sincronización con Google Calendar / Agenda interna.
Resource Optimization
- Predice materiales/equipo según plan de clases.
- Alertas de inventario y mantenimiento preventivo.
Admissions Funnel AI
- Scoring de leads por canal y probabilidad de conversión.
- Orquestación omnicanal (web, WhatsApp, email, llamadas).
Basic Finance
- Control de colegiaturas, recordatorios y conciliación.
- Proyección de flujo por cohorte y morosidad.
Compliance
- Reportes a autoridad (titulares, calificaciones, asistencia).
- Auditorías y trazabilidad de cambios.
Data Hub
- Modelo unificado Alumno–Curso–Evidencia–Pago–Credencial.
- APIs para BI y lagos de datos.
3) Analytics & Insights
Dashboard Unificado (Directivos)
- Rendimiento, retención, tendencia de matrícula, utilización de recursos.
- Mapa de calor de rutas/modularidad y badges por cohorte.
Sugerencias de IA: “Incrementar tutorías en Álgebra I; +12% tasa de aprobación esperada”.
| Dominio | KPI | Meta MVP |
|---|---|---|
| Aprendizaje | +10% calificación promedio vs. control | ≥ 10% |
| Compromiso | >90% finalización simulaciones asignadas | ≥ 90% |
| Retención | −20% riesgo de abandono en grupos con alertas | ≤ −20% |
| Eficiencia | −25% horas de calificación manual | ≤ −25% |
| Escalabilidad | Costo ≤ 150 USD/estudiante MVP | ≤ 150 |
Gamificación por Diseño (no cosmética)
Metodología y mecánicas
- Autonomía: rutas modulares y elección de retos.
- Competencia: desafíos calibrados, feedback inmediato, badges verificables.
- Relación: ligas por equipo, tableros por cohorte, proyectos colaborativos.
- Economía de juego: Puntos → Niveles → Badges → Microcredenciales → Reconocimiento externo.
Mapeo por carrera · “Quests”
Administración
- Simulación “Empresa 360”: pricing, flujo de caja, RH.
- Reto de ética con narrativa ramificada.
- Badge: Analista Financiero Junior.
Ing. Civil
- Lab “Resistencia de Materiales” (cargas/deformaciones).
- Site management virtual (métodos constructivos).
- Badge: Supervisor de Obra Virtual.
Ing. Industrial
- Simulación de planta: balanceo de líneas, 5S, Kanban.
- Optimización de procesos con restricciones.
- Badge: Lean Practitioner.
Evaluaciones dinámicas
- Objetivos: autocorrección y tiempo adaptativo.
- Subjetivos: rúbricas + borradores de feedback IA + verificación docente.
- Integridad: bancos aleatorios, bloqueo de copia y explicación obligatoria.
Nanomódulos WebGL/2D · Diseño instruccional + meta‑juego
Estructura de cada nanomódulo (3–8 min)
- Hook (30–60s): reto breve, audio/animación ligera.
- Briefing (≤60s): contexto narrativo con el personaje persistente.
- Micro‑teoría (≤90s): concepto esencial en 3 bullets o 1 gráfico.
- Desafío interactivo (2–4 min): puzzle/juego WebGL o 2D en Phaser.
- Feedback inmediato (≤30s): explicación y pistas.
- Transfer (≤60s): pregunta situada o mini‑caso.
- Badge/XP: desbloqueo y envío de score vía LTI‑AGS → Odoo.
Personaje persistente & meta‑progresión
- Avatar único para todo el trayecto (tono lúdico pero profesional) — p.ej., "V".
- Árbol de habilidades por carrera; “soft‑gating” que obliga a dominar básicos antes de rutas electivas.
- Economía de juego: XP, streaks y skill tokens canjeables por nanomódulos avanzados.
- Persistencia en Odoo (perfil del alumno: XP, badges, rutas elegidas).
Plantillas de minijuego por carrera
Administración — «CFO Sprint»
- Rompecabezas de punto de equilibrio: arrastrar costos fijos/variables y validar precio.
- Objetivo: alcanzar margen ≥ X% en 3 rondas con demanda cambiante.
Ing. Civil — «BeamLab»
- Simulación de viga: aplicar cargas y elegir material para no exceder σadm.
- Objetivo: minimizar deflexión con presupuesto limitado.
Ing. Industrial — «LeanFlow»
- Planta estilo puzzle: balanceo de línea, WIP y 5S con tiempo/penalizaciones.
- Objetivo: maximizar throughput sin sobrecargar estaciones.
Telemetría, accesibilidad y performance
- Eventos: start/complete, intentos, pistas usadas, tiempo, aciertos por ítem.
- A11y: navegación por teclado, contraste AA, subtítulos y modo bajo estímulo.
- Performance tiers: T0 (HTML5 2D), T1 (WebGL ligero), T2 (WebGL alto con efectos).
Blueprint técnico WebGL/Phaser
// Phaser 3 – bucle mínimo (Vite)
const game = new Phaser.Game({ type: Phaser.AUTO, parent: 'game', width: 960, height: 540,
physics: { default: 'arcade'}, scene: { preload, create, update } });
function preload(){ this.load.image('tile','/assets/tile.png'); }
function create(){ /* lógica del desafío */ }
function update(){ /* loop */ }
// Envío de score → LMS (LTI AGS) y → Odoo
async function sendScore(pct, activityId){
await fetch('/lti/ags/score',{method:'POST',headers:{'Content-Type':'application/json'},
body: JSON.stringify({ score: pct, activityId })});
await fetch('/odoo/jsonrpc',{method:'POST',headers:{'Content-Type':'application/json'},
body: JSON.stringify({jsonrpc:'2.0',method:'call',params:{model:'une.result',method:'create_from_game',args:[activityId,pct]}})});
}
4) Integration Layer
Conectores
- Google Workspace (Gmail/Calendar/Drive, SSO).
- Zoom (LTI) para clases síncronas.
- Pasarelas de pago (Stripe/PayPal) para colegiaturas.
APIs & Webhooks
- Odoo XML/JSON‑RPC para leads, inscripciones, pagos.
- Eventos LTI/AGS para calificaciones y participación.
Gobernanza de Datos
- Catálogo de datos + roles y permisos.
- Retención, anonimización y auditoría.
Modelo de Datos · Odoo
| Entidad | Descripción | Relaciones clave |
|---|---|---|
| res.partner (Alumno) | Perfil de estudiante, contacto, tutor | many2one carrera · one2many inscripciones |
| unecourse.course | Plan de estudios/módulos | one2many unidades · many2many docentes |
| une.exam & une.question | Banco y evaluaciones | one2many intentos · vínculo con badges |
| une.badge (microcredencial) | Insignia verificable por competencia | many2many alumnos · trazabilidad |
| account.move (pagos) | Facturación/colegiaturas | many2one alumno · conciliación |
*Los modelos une.* son módulos personalizados mínimos para integrar eLearning/Surveys/HR/Accounting.
Plan de Lanzamiento MVP (6–9 meses)
Fase 1 · Mes 1–2
- Modelo de datos (alumno/curso/docente/recursos).
- Selección de proveedor IA para tutoría/analytics.
- PoC LTI 1.3 + Odoo API.
Fase 2 · Mes 3–5
- Core LMS + tutor IA.
- Core ERP (scheduling, finanzas básicas, funnel).
- Simulaciones por carrera (4–6 módulos).
Fase 3 · Mes 6–7
- Despliegue en campus insignia.
- Formación docente/administrativa.
- Levantamiento de línea base.
Fase 4 · Mes 8–9
- Medición de impacto (aprendizaje, horas ahorradas, eficiencia).
- Endurecer para escalabilidad multi‑campus.
Riesgos & Mitigación
| Riesgo | Impacto | Mitigación |
|---|---|---|
| Dependencia de IA para tareas evaluativas | Sesgos/errores | Revisión humana obligatoria y rúbricas; “human‑in‑the‑loop”. |
| Performance en dispositivos de gama baja | Operación | Optimización WebGL + fallback 2D/HTML5; niveles gráficos, spritesheets y suspensión en background. |
| Adopción docente | Cambio | Capacitación, incentivos y acompañamiento pedagógico. |
Siguiente Paso
- Validar plan con decanatos y Dirección General.
- Seleccionar cursos piloto por carrera y profesores líderes.
- Arrancar Fase 1 con comité de datos y PMO.
© UNE + Veniu · Documento de trabajo — versión MVP
UNEBot — tu copiloto académico
Haz clic en el personaje para iniciar la demostración.
Tip: también puedes presionar Enter sobre el personaje o Esc para cerrar el modal.
¡Vamos a aprender!
Demo embebida en iframe
UNEBot — tu copiloto académico
Haz clic en el personaje para iniciar la demostración.
Tip: también puedes presionar Enter sobre el personaje o Esc para cerrar el modal.
¡Vamos a aprender!
Demo embebida en iframe
