Arquitectura y Motor UI

Dentro del ecosistema ColabEdu, el Recipe Compiler es el motor central responsable de traducir un estándar legal (como LOMLOE en España o las directrices AP/IB) en un artefacto de evaluación ejecutable por IA. Bajo la arquitectura Open Assessment Standard (OAS), abandonamos los “prompts” monolíticos en favor de un modelo de “Grafo de Componentes por Capas” (Assessment as Code).

Este modelo se apoya en la Separación de Responsabilidades y la Máxima Reutilización mediante Late Binding, garantizando tanto el rigor legal auditable como la autonomía del profesor.

1. El Punto de Partida: Recetas Legacy V1 y la “Deriva del Prompt”

En el modelo tradicional (Legacy V1), se enviaba al LLM un único fichero Markdown monolítico que mezclaba rúbricas, instrucciones de tarea, configuración de UI y tono pedagógico. Esto provocaba:

1. Imposibilidad de Auditoría (Caja Negra): La rúbrica legal se fundía con las instrucciones del sistema.
2. “Prompts Spaghetti” y Deriva del Prompt: Los LLMs sufrían amnesia de contexto al leer textos tan largos, olvidando reglas clave.
3. Contaminación de Responsabilidades: Las instrucciones “frontend” (p.ej., “Genera una tabla”) se mezclaban con las pedagógicas.

2. La Magia del “Late Binding” (Plantillas de Contexto Cero)

La arquitectura OAS fragmenta la evaluación en bloques (C0, C1, C2, C3). Para evitar crear una base de datos masiva, usamos Late Binding:

1. El Molde Vacío: La receta (C1) existe en el servidor completamente vacía de contexto (requires_dynamic_context: true).
2. El Disparador: El profesor selecciona la plantilla y adjunta un texto o PDF (C2).
3. Inyección JIT: El Spec Manager inyecta dinámicamente C2 en la plantilla C1 en milisegundos, ensamblando el ejercicio al vuelo.

3. Recetas (C1) vs Tipos de Ejercicio (ExerciseType)

Por diseño, una plantilla C1 apunta a una Rúbrica C0 específica (p.ej., LOMLOE vs Common Core). Sin embargo, comparten el motor subyacente: el ExerciseType.

• ExerciseType (El Motor Software): Construido por ingenieros. Define el “contrato de interfaz” que mapea a Widgets Flutter (A2UI).
• Receta C1 (El Motor Pedagógico): Construida por expertos curriculares, inyectando la ley (C0), el contexto (C2) y el tono (C3) en el ExerciseType.

4. Catálogo UI/UX y el Protocolo A2UI

El protocolo A2UI (Agent-to-UI) envía un Payload JSON que dicta qué Widgets Flutter construir.

• Primitivos y Componentes: pdf_viewer, markdown_editor, forms_mcq, etc.
• El Chatbot Companion: Un “Sidecar” adjuntable a cualquier widget para ofrecer tutoría Socrática en tiempo real.

Parametrización (Clave-Valor)

El ingeniero declara el configuration_schema en el ExerciseType, y el pedagogo inyecta las variables en la Receta C1 (p.ej., word_count_min: 250, enable_companion_chatbot: true).

5. El Motor de Informes: Convención sobre Configuración

En OAS v1beta1, aplicamos la Separación de Presentación y Datos: el LLM solo genera JSON, y el backend orquesta el formato visual usando Widgets.

Layouts por Defecto (Informe de Configuración Cero)

Los profesores no programan interfaces. El protocolo A2UI tiene plantillas predeterminadas. Un creador simplemente apunta al exerciseTypeRef, y el backend ensambla automáticamente el informe.

El catálogo de informes incluye:

• Familia A (Layout): document_header_widget (protege PII), section_title_widget, divider_widget.
• Familia B (Evaluación Principal): score_header_widget, criteria_breakdown_list_widget, spelling_diff_table_widget.
• Familia C (Feedback Creativo): markdown_viewer_widget (la “Vía de Escape” para la creatividad del LLM).

6. Override Avanzado (El Patrón Override)

Un distrito escolar puede alterar el informe predeterminado declarando explícitamente el bloque report_components en su YAML, reordenando widgets o añadiendo nuevos (p.ej., competency_radar_chart_widget).

7. El Payload Compilado (Contrato JSON)

El Spec Manager genera un JSON estricto para el modelo evaluador, validando estrictamente la salida de datos vía required_output_format.

Ventajas:

1. Resistencia a Alucinaciones (Schema Constrained).
2. Salida Estructurada Garantizada (Contrato API).
3. Eficiencia Computacional y Ahorro Masivo de Tokens.

8. Casos de Estudio: Ecosistemas Globales

La arquitectura OAS soporta polimorfismo educativo:

• LOMLOE (España): Rigor analítico y punitivo.
• AP Spanish (EE.UU.): Orquestación multimodal (textos, gráficos, audio).
• IB Spanish (Global): Holístico y descriptivo, anulación de reglas vía C3.
• CCSS-S California: Equidad para Heritage Speakers (Translanguaging).
• EXANI-II (México): Validación dialectal mexicana estricta y penalización de vicios del lenguaje.

9. Beneficios Finales de la Abstracción

1. UX Prístina: Cero código para el profesor.
2. Ahorro de Tokens: El LLM devuelve JSON puro, no tablas Markdown.
3. Privacidad de Datos (PII/FERPA): El LLM nunca ve el nombre del estudiante; el backend lo inyecta después en el document_header_widget.
4. Trazabilidad Forense: Esencial para auditorías B2G.