Cómo funciona la RAG

De los materiales del curso a respuestas fundamentadas

La RAG combina la IA generativa con las fuentes de conocimiento que elige el docente, de modo que el apoyo de la IA en un curso es controlable, explicable y adaptado al contexto.

El flujo de trabajo

Los cuatro pasos de una aplicación RAG para un curso

  1. 1Recuperar

    La pregunta de un estudiante busca en el conocimiento del curso seleccionado por el docente —apuntes, diapositivas, artículos, exámenes— y devuelve los pasajes más pertinentes.

  2. 2Enriquecer

    Los pasajes recuperados y el perfil del estudiante se añaden a la instrucción, de modo que el conocimiento de la institución da forma a una respuesta pertinente y adaptada al contexto.

  3. 3Generar

    Un LLM europeo redacta la respuesta a partir de ese contexto y muestra las fuentes utilizadas, para que los estudiantes puedan comprobar cada afirmación.

  4. 4Para la educación

    El profesorado diseña y valida cada paso en la caja de herramientas RAG4Edu, con comprobaciones del RGPD y del Reglamento de IA, y sin conocimientos avanzados de IA.

Conocimiento del curso diapositivas · apuntes artículos · exámenes · datos seleccionado por el docente Incorporar e indexar embeddings · metadatos Pregunta del estudiante o tarea en grupo Recuperar pasajes más relevantes Enriquecer la instrucción contexto + perfil del estudiante Generar LLM europeo Respuesta con fuentes citadas Docente diseña · valida RGPD · Ley de IA sin código / poco código Proceso RAG4Edu: modular, documentado, modelos alojados en la UE, enriquecimiento adaptado al estudiante. El profesorado lo construye y configura con la caja de herramientas RAG4Edu, sin conocimientos avanzados de IA.
Dentro de una aplicación RAG para un curso: el docente selecciona la base de conocimiento, la recuperación fundamenta cada respuesta en ella y la generación se ejecuta en LLM europeos.

Por qué es fiable en un curso

  • Basado en fuentesLas respuestas se basan en la base de conocimiento que el docente seleccionó para el curso.
  • Con citasLos estudiantes ven en qué pasajes se basa una respuesta y pueden comprobarlos.
  • Europeo y conforme a la normativaLLM con sede en la UE e infraestructura EuroHPC, diseño conforme al RGPD y en línea con el Reglamento de IA de la UE.
  • Abierto y reutilizableEl pipeline, la caja de herramientas y las plantillas se publican con licencias abiertas.

Herramientas

Lo que desarrolla RAG4Edu

El proyecto desarrolla componentes abiertos que el profesorado y las instituciones pueden reutilizar.

Proceso y marco RAG4EduEspecificación conceptual y técnica, un prototipo operativo desplegable (incorporación, recuperación semántica, generación) y mecanismos de enriquecimiento adaptados al estudiante.
Chatbots y caja de herramientas RAG4EduHerramientas de autoría para crear y configurar chatbots y agentes RAG específicos de cada asignatura, aplicaciones multilingües de estudio de casos, plantillas y documentación.
Marco de diseño y herramienta para la formación de gruposCriterios, fuentes de datos, lógica de decisión y mecanismos de transparencia para la formación de grupos asistida por IA, con plantillas de diseño de aprendizaje colaborativo.
Servicios de integración y apoyoEspecificación e integración de modelos de lenguaje y servicios de IA desarrollados en la UE, embeddings, gestión de tokens y funciones de cumplimiento normativo para los pilotos.