use_case_pkst

Diagramas Arquitectónicos VFDS-PKST

Vocational Federated Data Space con Sistema de Evaluación Adaptativa

Proyecto: PP3 - Red de Centros de Excelencia en IA y Big Data
Fecha: Febrero 2026
Versión: 1.0

📋 Índice de Diagramas

Este paquete contiene 5 diagramas SVG que documentan la arquitectura completa del sistema:

  1. Diagrama 0 - Esquema operativo del caso de uso PKST (EAC) con flujos de datos y actores
  2. Diagrama 1 - Vista de Alto Nivel: Arquitectura Federada
  3. Diagrama 2 - Componentes Detallados de un Nodo FP
  4. Diagrama 3 - Servicios Habilitadores del Nodo Central
  5. Diagrama 4 - Flujo de Datos del Caso de Uso EAC
  6. Niveles de concreción - Navegación por los diferentes niveles de concreción de la arquitectura tecnológica de EAC.

🏗️ Decisiones Arquitectónicas Clave

Modelo de Gobernanza

Distribución de Servicios

Actores del Dataspace

Datos Federados vs. Locales

Datos FEDERADOS (NGSI-LD):

Datos LOCALES (protegidos RGPD):

Tecnologías Principales

Diagrama 1: Arquitectura Federada VFDS

📊 Archivo

diagrama-1-arquitectura-federada-vfds.svg

🎯 Propósito

Muestra la vista de alto nivel de toda la federación, con el nodo central coordinador y los 2 centros de FP conectados.

🔍 Componentes Principales

Nodo Central Coordinador

Nodo FP 1 - IES Lluis Simarro (Xátiva - Valencia)

Nodo FP 2 - IES Ribera del Tajo (Talavera de la Reina - Castilla La Mancha)

🔗 Flujos de Comunicación

💡 Puntos Clave

  1. Soberanía de datos: Cada centro mantiene control sobre datos sensibles
  2. Interoperabilidad: Estándares NGSI-LD + IDS garantizan federación
  3. Escalabilidad: Arquitectura preparada para añadir más nodos FP
  4. Cumplimiento: Alineado con Gaia-X y normativa europea de datos

Diagrama 2: Nodo FP Individual

📊 Archivo

diagrama-2-nodo-fp-individual.svg

🎯 Propósito

Detalla la arquitectura interna de un centro de FP, mostrando todos los componentes del sistema PKST.

🔍 Capas Arquitectónicas

1️⃣ Capa de Integración LMS

Función: Captura eventos de aprendizaje desde cualquier LMS compatible con LTI.

2️⃣ Backend PKST - Adaptive Engine

Componentes principales:

LLM APIs externo: Llamadas a Anthropic Claude API / OpenAI GPT-4 (rate limit: 100 req/h)

3️⃣ Capa de Persistencia

4️⃣ Capa de Federación e Interoperabilidad

Conexión con:

💡 Puntos Clave

  1. Modularidad: Cada capa tiene responsabilidades claras
  2. Desacoplamiento: Integración LMS agnóstica mediante estándares
  3. Privacidad: Datos sensibles nunca salen de PostgreSQL local
  4. Extensibilidad: Fácil añadir nuevos LMS o componentes PKST

Diagrama 3: Nodo Central Coordinador

📊 Archivo

diagrama-3-nodo-central-coordinador.svg

🎯 Propósito

Muestra todos los servicios habilitadores centralizados que dan soporte a la federación.

🔍 Capas de Servicios

1️⃣ Servicios Core FIWARE

2️⃣ Identidad y Gestión de Acceso

3️⃣ Catálogo y Descubrimiento

4️⃣ Observabilidad y Control Operativo

5️⃣ Gobernanza y Confianza

💡 Puntos Clave

  1. Centralización estratégica: Reduce complejidad operativa en los centros
  2. Escalabilidad horizontal: Más nodos FP no aumentan carga en servicios centrales
  3. Seguridad multi-capa: IAM (Keycloak) + PEP (Wilma) + PDP (Authzforce)
  4. Observabilidad completa: Monitoreo + Logging + Alertas desde el inicio

Diagrama 4: Flujo de Datos - Caso de Uso EAC

📊 Archivo

diagrama-4-flujo-datos-caso-uso.svg

🎯 Propósito

Ilustra el ciclo completo desde que un estudiante resuelve un problema hasta que el sistema genera la siguiente recomendación, diferenciando datos locales vs. federados.

🔄 Fases del Flujo

FASE 1: Estudiante Resuelve Problema

Actores:

Datos generados (locales):

FASE 2: Evaluación Automática con Rúbricas

Componentes del Backend PKST:

  1. Rubric Evaluator
    • Criterios: Corrección técnica, Seguridad, Eficiencia, Creatividad
    • Score: 7.5/10
  2. LLM Assistant (Claude API externa)
    • Análisis cualitativo: “El diseño cumple requisitos pero falta contraste. Revisar principio de jerarquía visual”
    • Feedback generado automáticamente
  3. Student State (actualización local 🔒)
    • knowledge_state_456
    • s1: mastered (0.85)
    • s3: progress (0.65)
    • s5: learning (0.40)
    • Outer fringe actualizado: [s6, s8]
    • RGPD protected - No sale del centro
  4. Recommendation Engine
    • Análisis ZDP: Estado K = {s1, s3}, Fringe = {s6, s8}
    • Recomendación: “Problema P_042: Aplicar normativa de seguridad en visual merchandising”
  5. PostgreSQL
    • Persistencia local de: submissions, knowledge_states, evaluations, recommendations
    • 🔒 Centro local únicamente

FASE 3: Sincronización con Nodo Central (Datos Seudonimizados)

  1. Aggregator Service
    • Procesa datos locales
    • Elimina PII (RGPD): std_12345 → anonymous_hash_xyz
    • Agrega métricas: skill_mastery_stats
    • ✓ Safe to federate
  2. Conector IDS/EDC
    • Negociación con políticas ODRL
    • Contrato digital: “Shared skills ontology improvement”
    • Trazabilidad: Transaction ID tx_abc
  3. Entidades NGSI-LD (publicadas 🌐) 
    VocationalSkill {
  id: "urn:skill:s3"
  masteryRate: 0.65 ± 0.12
  sampleSize: 47 (anonymized)
}
  4. Orion-LD Hub
    • Recibe actualización desde Nodo FP 1
    • Notifica suscriptores: CKAN, Sistema Analítica, Otros nodos FP
  5. CKAN Catalog
    • Actualiza dataset: “Skills Mastery TBM Module”
    • Metadatos DCAT-AP
    • Acceso: público

FASE 4: Consumo y Mejora Colaborativa

Consumidores del Dataspace:

  1. Nodo FP 2 - CIFP Carlos III
    • Consulta: “¿Qué skills son críticos para TBM?”
    • Recibe stats agregadas
    • Ajusta su currículo ✓
  2. Sistema de Analítica
    • Dashboard en tiempo real
    • Mapa de calor de skills
    • Identificación de gaps
    • Predicción de abandono
    • → Insights para profesores
  3. Generador de Problemas
    • Entrena con datos federados
    • Detecta: “Skills con baja mastery requieren más problemas”
    • Genera 10 problemas enfocados en s5 y s8 ✓
    • Feedback loop: Mejora continua del banco de problemas
  4. Investigadores / Auditores
    • Acceso controlado vía Keycloak (rol: researcher)
    • Estudios longitudinales: “Efectividad de PKST en FP 2025-2026”
  5. Audit Trail
    • Registra: Quién, Qué, Cuándo, Propósito
    • Trazabilidad completa del flujo

🔑 Puntos Clave del Flujo

  1. ✅ Privacidad por diseño: Datos personales nunca abandonan el nodo local
  2. ✅ Seudonimización automática: Aggregator Service elimina PII antes de federar
  3. ✅ Trazabilidad completa: Cada transacción registrada en audit trail
  4. ✅ Consentimiento explícito: Contratos digitales IDS/EDC con propósito declarado
  5. ✅ Mejora colaborativa: Los datos agregados benefician a toda la red de centros
  6. ✅ Ciclo cerrado: Recomendación → Evaluación → Feedback → Generación → Recomendación

🎨 Leyenda de Flujos

📦 Uso de los Diagramas

Formatos Disponibles

Todos los diagramas están en formato SVG (Scalable Vector Graphics), lo que permite:

Visualización

Puedes abrir los archivos SVG directamente en:

Edición

Si necesitas personalizar los diagramas:

  1. Abre con Inkscape (gratuito): https://inkscape.org/
  2. Edita textos, colores, componentes
  3. Exporta a SVG optimizado o PNG de alta resolución

Conversión a Otros Formatos

Convertir SVG → PNG de alta resolución:

# Con ImageMagick (instalar: apt-get install imagemagick)
convert -density 300 diagrama-1-arquitectura-federada-vfds.svg diagrama-1.png

# Con Inkscape (línea de comandos)
inkscape --export-type=png --export-dpi=300 diagrama-1-arquitectura-federada-vfds.svg

Convertir SVG → PDF:

# Con Inkscape
inkscape --export-type=pdf diagrama-1-arquitectura-federada-vfds.svg

# Con rsvg-convert
rsvg-convert -f pdf -o diagrama-1.pdf diagrama-1-arquitectura-federada-vfds.svg

🚀 Siguientes Pasos Recomendados

Validación Técnica

  1. Revisar con equipos técnicos de los centros FP involucrados
  2. Validar con autoridad de gobierno del VFDS
  3. Confirmar cumplimiento normativo (RGPD, Ley de Gobernanza de Datos)

Refinamiento Arquitectónico

  1. Especificar APIs NGSI-LD completas (endpoints, payloads, suscripciones)
  2. Definir políticas ODRL para casos de uso específicos
  3. Diseñar modelo de datos completo (@context JSON-LD)
  4. Planificar estrategia de despliegue (Docker Compose → Kubernetes)

Documentación Complementaria

  1. Diagramas de secuencia UML para flujos críticos
  2. Diagramas de casos de uso para diferentes actores
  3. Matriz de trazabilidad requisitos → componentes
  4. Documento de APIs (especificación OpenAPI 3.1)

Prototipado MVP

  1. Despliegue en un solo centro (Nodo FP + Nodo Central simulado)
  2. Generación de 100 problemas con LLM
  3. Simulación con 100 estudiantes sintéticos
  4. Dashboard de visualización del mapa de conocimiento
  5. Métricas de éxito (precisión recomendación, engagement, mastery rate)

📞 Contacto y Soporte

Para preguntas sobre estos diagramas o la arquitectura VFDS-EAC:

Proyecto: PP3 - Red de Centros de Excelencia en IA y Big Data
Documentación técnica: Repositorio GitHub
Marco teórico: Ver PDFs adjuntos en el proyecto

📄 Licencia

Estos diagramas son parte de la documentación técnica del proyecto VFDS-EAC y están sujetos a la licencia del proyecto principal.

Generado: Febrero 2026
Versión de documentación: 1.0
Última actualización: [Fecha actual]

This site is open source. Improve this page.