Desarrollo de un tutor inteligente basado en diálogos mediante el uso de LLMs.

Abstract

Los avances tecnológicos, y en particular la inteligencia artificial, están transformando la educación. La realidad virtual puede reproducir escenarios de alto riesgo, como las emergencias radiológicas, sin comprometer la salud de los estudiantes, mientras los modelos de lenguaje de gran tamaño (LLMs) abren nuevas posibilidades a los Sistemas de Tutoría Inteligente. Este trabajo desarrolla un tutor conversacional basado en LLMs integrado en ADARVE, un entorno de realidad virtual para entrenar a las Fuerzas y Cuerpos de Seguridad del Estado ante emergencias radiológicas. El sistema responde consultas en lenguaje natural, interviene de forma proactiva cuando detecta desorientación y genera un informe individualizado sobre el rendimiento del estudiante. El desarrollo siguió un proceso iterativo en tres fases: integración tecnológica del tutor con ADARVE, creación de un sistema de diálogo funcional, e incorporación de estrategias pedagógicas para una ayuda adaptativa y generación de informes. El tutor multiagente resultante ofrece respuestas contextualizadas con una latencia media de tres segundos, ajusta su apoyo al progreso del usuario y atiende múltiples sesiones concurrentes, todo ello fácilmente portable al estar contenerizado. Este trabajo confirma la viabilidad de combinar LLMs y realidad virtual para desarrollar un sistema de tutoría orientado a la formación inmersiva en contextos críticos, ofreciendo una herramienta escalable y adaptativa.

Technological advances, particularly in Artificial Intelligence, are transforming education. Virtual Reality (VR) can simulate high-risk scenarios, such as radiological emergencies, without endangering students’ health, while large language models (LLMs) open up new possibilities for Intelligent Tutoring Systems. This work presents a dialogue-based intelligent tutor using LLMs and integrated into ADARVE, a VR environment designed to train Spanish State Security Forces in responding to radiological emergencies. The system answers natural language queries, intervenes proactively when it detects user disorientation, and generates personalized performance reports. Development followed a three-phase iterative process: technological integration of the tutor into ADARVE, creating a functional dialogue system, and incorporating pedagogical strategies to enable adaptive support and report generation. The resulting multi-agent tutor provides context-aware responses with an average latency of three seconds, adapts its assistance to the user’s progress, and supports multiple concurrent sessions, all within a containerized system for easy deployment. This work demonstrates the feasibility of combining LLMs and VR to create a tutoring system tailored for immersive training in critical scenarios, offering a scalable and adaptive tool.