use_case_pkst

5.1 Componentes principales

Decisión de diseño clave:

El Backend EAC opera como un servicio centralizado en el Nodo Central Coordinador del VFDS. Los centros FP actúan como consumidores del servicio, configurando un plugin LMS, un Aggregator/Anonymizer local y su propio FIWARE Dataspace Connector (CONNECTOR_CFP), que actúa como frontera de soberanía del dato de cada centro. El FIWARE Dataspace Connector Central (CONNECTOR_CENTRAL) actúa como API Gateway del Nodo Central, siendo el único punto de entrada al Backend EAC para todos los conectores de los centros.


5.1.1 Knowledge Space Builder

Responsabilidad: Construir y mantener el Grafo de Precedencia del Ecosistema Laboral: Situaciones de Competencia, sus Nodos de Requisito y los Umbrales de Maestría.

Funcionalidades:

Tecnologías:

5.1.2 Problem Generator (LLM-based)

Responsabilidad: Generar automáticamente Situaciones de Competencia contextualizadas a partir del estado del estudiante y de los parámetros pedagógicos solicitados por el docente.

Funcionalidades:

Prompt Engineering: Ver sección 7

5.1.3 Recommendation Engine

Responsabilidad: Seleccionar la siguiente Situación de Competencia óptima para cada estudiante, operacionalizando la Zona de Despliegue Proximal mediante el cálculo de la Outer Fringe del Grafo de Precedencia.

Algoritmo básico (MVP):

def recommend_next_problem(student_knowledge_state):
    outer_fringe = calculate_outer_fringe(student_knowledge_state)

    # Filtrar SCs que cubran habilidades de la franja
    candidate_scs = filter_scs_by_skills(all_scs, outer_fringe)

    # Heurística de selección por Gradiente de Autonomía
    if student_performance_last_3 > 0.85:   # Resuelve con alta autonomía
        return select_max_difficulty(candidate_scs)

    elif student_performance_last_3 < 0.50:  # Tiene dificultades
        weak_skills = identify_weak_prerequisites(student_knowledge_state)
        return select_sc_reinforcing(weak_skills)

    else:                                     # Rendimiento medio
        return random.choice(candidate_scs)

5.1.4 Rubric Evaluator

Responsabilidad: Evaluar automáticamente las evidencias de desempeño de los estudiantes mediante rúbricas multi-criterio, actualizando el Perfil de Habilitación y el Gradiente de Autonomía.

Funcionalidades:

Tipos de evaluación:

5.1.5 FIWARE Dataspace Connectors

El sistema opera con dos conectores de idéntica arquitectura interna pero con responsabilidades diferenciadas. Cada conector integra dos capas funcionales:

Authentication Service, compuesto por:

Policy Management / Authorization Service, compuesto por:

CONNECTOR_CENTRAL (Nodo Central): Punto de entrada único al Backend EAC para todos los centros participantes. Su Authentication Service verifica las credenciales de Operadores e Investigadores; su Authorization Service aplica las políticas ODRL asociadas a cada producto del catálogo y registra cada transacción en el audit log.

CONNECTOR_CFP (cada Centro FP): Frontera de soberanía del dato de cada centro. Su Authentication Service verifica las credenciales de Docentes. Su Authorization Service controla el acceso a la Aplicación LTI y gestiona el tráfico de evidencias anonimizadas hacia el Nodo Central y de resultados en sentido inverso. Garantiza que ningún dato identificable abandona el perímetro del centro.

Ambos conectores incorporan además su propio VC Issuer (Keycloak), desplegado junto al conector como componente independiente: el del Centro FP emite StudentCredential y TeacherCredential; el del Nodo Central emite OperatorCredential y ResearcherCredential.


5.1.6 Aggregator / Pseudonymizer (local en cada Centro FP)

Funciones:

Principio: CONNECTOR_CFP, CONNECTOR_CENTRAL y el Backend EAC nunca reciben ni procesan datos personales identificables. La reidentificación del estudiante para presentarle sus resultados ocurre únicamente en APP_LTI, dentro del perímetro del centro.


5.1.7 Servicios Globales del Dataspace

Alojados en el Nodo Central, son consultados por los Verifier de ambos conectores durante el proceso de autenticación: