Microsoft Research presenta StudentSim para entrenar tutores de IA

En un anuncio del 12 de octubre de 2026, Microsoft Research presentó StudentSim, un sistema de investigación que crea un simulador personalizado para cada estudiante y registra cómo responde a las preguntas y cómo cambian sus respuestas después de recibir orientación de un tutor. El trabajo también presenta StudentSimEval, un punto de referencia y un protocolo de evaluación que abarcan el ajedrez, la escritura en inglés como segunda lengua y las matemáticas. El laboratorio indicó que el artículo en el que se basa el trabajo y el código de entrenamiento están disponibles públicamente.

El problema de la retroalimentación en el desarrollo de tutores de IA

Microsoft Research describe un problema de medición que ocupa un lugar central en la investigación sobre tutores de IA: la calidad de la enseñanza no puede evaluarse únicamente a partir de la respuesta del tutor, porque este necesita saber qué ocurre cuando el estudiante recibe su orientación. Entre las preguntas aún abiertas están si el estudiante corrigió el error original, si una pista le ayudó a razonar hasta llegar a la respuesta o le reveló demasiado, y si otro estudiante necesitaría un tipo de apoyo diferente. Actualmente, señala el laboratorio, responder a estas preguntas suele requerir estudios con estudiantes reales, que son valiosos, pero lentos y costosos de realizar. Esto dificulta aprovechar la retroalimentación de los estudiantes durante las rápidas iteraciones de los modelos.

Las soluciones provisionales existentes tienen limitaciones documentadas. Microsoft Research señala que pedirle a un modelo de lenguaje grande que interprete el papel de un estudiante puede reproducir el tono de este y expresar incertidumbre, pero es más difícil respetar el límite real de sus capacidades; además, un estudiante simulado demasiado capaz puede hacer que un tutor parezca eficaz a partir de una retroalimentación engañosa. Los modelos de seguimiento del conocimiento y predicción del comportamiento se basan en registros reales de aprendizaje, pero muchos no se diseñaron para recibir como entrada las indicaciones de un tutor expresadas en lenguaje natural. El resumen del artículo plantea el mismo contraste: los modelos de seguimiento del estado reflejan el comportamiento registrado, pero no gestionan bien las explicaciones ni las correcciones, mientras que las simulaciones fluidas de roles siguen las indicaciones sin reproducir de forma fiable el nivel de capacidad del estudiante al que imitan.

Métricas y proceso de entrenamiento de StudentSimEval

El diseño de la evaluación se inspira en la investigación educativa, incluida la zona de desarrollo próximo de Vygotsky, que distingue entre lo que un estudiante puede hacer de manera independiente y lo que puede hacer con apoyo. StudentSim convierte esta idea en dos medidas. La fidelidad conductual evalúa en qué medida un simulador reproduce las respuestas registradas de un estudiante concreto ante problemas reservados para la evaluación, mientras que la capacidad de respuesta a la orientación evalúa si el simulador cambia su respuesta después de leer las indicaciones del tutor. El laboratorio describe ambas medidas como complementarias: un simulador que solo refleja el comportamiento pasado no puede mostrar si una intervención docente fue útil, mientras que uno que siempre sigue las indicaciones del tutor puede pasar por alto las fortalezas, las debilidades y los errores probables de un estudiante concreto.

StudentSimEval aplica las dos métricas mediante un protocolo estandarizado que abarca a 60 estudiantes en los tres ámbitos y se basa en conjuntos de datos públicos de estudiantes, con registros desidentificados compartidos para la investigación. Según la página de publicación del artículo, todos los métodos se entrenan y evalúan con los mismos registros. En ajedrez, la tarea consiste en predecir la siguiente jugada de un jugador y cómo podría modificarla después de recibir orientación. En la escritura en inglés como segunda lengua, el simulador genera ensayos con los patrones de error característicos de un estudiante y predice las correcciones que haría después de recibir comentarios del docente. En matemáticas, predice qué opción de respuesta múltiple elegirá un estudiante y si cambiará de respuesta después de una explicación.

Como cada estudiante suele aportar solo una pequeña cantidad de ensayos, respuestas o interacciones, entrenar desde cero un simulador independiente para cada uno conllevaría el riesgo de sobreajuste y obligaría a cada modelo a volver a aprender patrones compartidos por todo un ámbito. Por eso, StudentSim utiliza un proceso de dos etapas: en la primera, se entrena con registros agrupados de muchos estudiantes del mismo ámbito para aprender formatos de respuesta comunes, errores típicos y las formas en que los estudiantes suelen revisar sus respuestas tras recibir orientación; en la segunda, el modelo se adapta a los registros de un estudiante en particular. El repositorio de código complementario implementa este proceso entrenando un adaptador LoRA por ámbito durante la primera etapa y continuando después el entrenamiento con los registros de cada estudiante en la segunda, donde se conserva el rango de la primera etapa en lugar de iniciar un adaptador nuevo. Los registros de ajedrez proceden de una exportación de partidas de ajedrez con licencia CC0; los de escritura, de una extracción de EFCAMDAT; y los de matemáticas, de una extracción de FoundationalASSIST.

Resultados presentados y estudio con un tutor de ajedrez

Microsoft Research informa que StudentSim supera a las principales referencias en los tres ámbitos. En ajedrez, registra una fidelidad conductual de 0,5150 y una capacidad de respuesta a la orientación de 0,9067, frente a 0,2316 y 0,7186 de GPT-5.4, y a 0,4535 y 0,2721 de Maia2, un modelo especializado en predecir jugadas humanas de ajedrez. El laboratorio explica que la comparación ilustra la diferencia entre las dos familias de referencia: GPT-5.4 reacciona a las indicaciones, pero no reproduce de manera sistemática el comportamiento de cada estudiante, mientras que Maia2 se acerca más a la predicción de jugadas humanas de ajedrez, pero carece de un mecanismo para recibir indicaciones en lenguaje natural. El resumen del artículo afirma que StudentSim supera a GPT-5.4 en ambas métricas en todos los ámbitos.

El equipo también probó si un simulador entrenado podía proporcionar retroalimentación para optimizar al tutor. En un estudio de aprendizaje por refuerzo de un tutor de ajedrez, se proporciona al tutor una posición junto con una jugada incorrecta anterior de un estudiante real, y este genera una orientación; un simulador personalizado congelado lee la orientación y propone una jugada revisada, y la recompensa corresponde a la mejora en la calidad de la jugada entre la jugada original y la revisada, evaluada con el motor de ajedrez Stockfish como señal independiente. El estudio compara tres condiciones que comparten la misma política del tutor, el mismo punto de partida supervisado y la misma configuración de aprendizaje por refuerzo: un tutor ajustado mediante aprendizaje supervisado, sin aprendizaje por refuerzo; un tutor entrenado con una recompensa de un estudiante simulado por GPT-5.4; y un tutor entrenado con una recompensa de StudentSim. Expertos humanos en ajedrez evaluaron las respuestas de los tutores sin saber qué condición las había generado.

Según el anuncio, el tutor entrenado con StudentSim alcanza una precisión del 90,5 %, frente al 75,7 % del modelo de referencia sin aprendizaje por refuerzo y al 71,6 % de la condición con recompensa de GPT-5.4, y obtiene calificaciones más altas en calidad de la orientación y personalización. Microsoft Research describe el resultado como una prueba de concepto de que los simuladores de estudiantes entrenados con registros de estudiantes reales pueden servir como una señal de retroalimentación útil para entrenar tutores.

Límites y disponibilidad declarados

Microsoft Research presenta StudentSim como un sistema de investigación para evaluar y mejorar tutores de IA antes de probarlos con estudiantes reales; el laboratorio señala que no es un producto, que no se ha implementado en aulas y que no pretende reemplazar a los docentes. También afirma que el sistema no elimina la necesidad de contar con estudiantes reales en la investigación educativa, porque los estudios con personas siguen siendo esenciales para medir los resultados del aprendizaje, la seguridad, la facilidad de uso y la adecuación al aula. Según el laboratorio, los simuladores corresponden a una etapa anterior del proceso de desarrollo, en la que pueden ayudar a los investigadores a probar estrategias de tutoría, comparar modelos y perfeccionar las señales de entrenamiento antes de realizar estudios más costosos con estudiantes reales. Entre las líneas de trabajo futuras mencionadas figuran trayectorias de aprendizaje más prolongadas, más asignaturas, perfiles de estudiantes más completos y estudios que vinculen la retroalimentación simulada con resultados de aprendizaje medidos.

El artículo en el que se basa, «StudentSim: Entrenamiento de simuladores de estudiantes basados en LLM», se envió a arXiv el 1 de septiembre de 2026 y está fechado en septiembre de 2026 en la página de publicaciones de Microsoft Research. Sus autores son Ke Yang, estudiante de doctorado en University of Illinois Urbana-Champaign; Chenglong Wang; Michel Galley; Chandan Singh; Jeevana Priya Inala; ChengXiang Zhai; y Jianfeng Gao. El código de entrenamiento y evaluación de StudentSim, incluido el protocolo StudentSimEval, está disponible públicamente bajo la licencia MIT.