Serie PLAUD MCP · Parte 3 · Del texto al conocimiento docente
Una transcripción puede hacer que una clase parezca recuperable. Podemos buscar una palabra, localizar un fragmento y volver a leer algo que ocurrió hace unos días. Pero todavía no tenemos conocimiento preparado para reutilizar: tenemos una conversación larga, con ideas importantes mezcladas con ejemplos improvisados, dudas, repeticiones y momentos que no merece la pena conservar.
En la segunda parte de esta serie explicaba cómo conectar PLAUD, Whisper y MCP para obtener una transcripción normalizada. Ahora aparece la pregunta siguiente: ¿qué tiene que ocurrir para que esa transcripción pueda convertirse en material útil para el aula y, más adelante, para un sistema RAG?
La idea que guía esta parte
Grabar es conservar una fuente. Transcribir es hacerla legible. Extraer, revisar y estructurar es lo que permite convertirla en conocimiento que pueda volver a formar parte del trabajo docente.
Índice
Una clase produce más que apuntes
Cuando preparo una clase suelo pensar en los contenidos, las actividades y los resultados que quiero trabajar. Durante la sesión, sin embargo, aparece mucho más: una explicación que improviso porque el grupo no ha entendido una idea, un ejemplo que conecta con una situación profesional, una pregunta que revela una dificultad o un error que se repite.
Buena parte de ese conocimiento no aparece en la presentación ni en el manual. Queda en la conversación y, si no lo registro de alguna manera, desaparece cuando termina la sesión.
En el caso de los módulos de Formación Profesional, este material puede complementar el trabajo del módulo de Digitalización Aplicada a los Sectores Productivos: no sustituye la programación ni los recursos previstos, pero ayuda a documentar cómo se explican, se aplican y se revisan los contenidos en el aula.
- conceptos trabajados y relaciones entre ellos;
- ejemplos utilizados para explicar una idea;
- preguntas relevantes del alumnado;
- dudas o errores que aparecen varias veces;
- explicaciones alternativas que han funcionado mejor;
- recursos mencionados durante la sesión;
- aspectos que conviene revisar en la siguiente clase.
La grabación conserva el contexto que normalmente se pierde.
El objetivo no es registrar cada intervención ni convertir la clase en un acta. Es poder recuperar aquello que ayude a explicar mejor, revisar una decisión didáctica o preparar una actividad posterior.
La transcripción es materia prima
Una transcripción contiene mucha más información de la que finalmente debería llegar a un corpus. Puede incluir saludos, interrupciones, frases incompletas, repeticiones, conversaciones paralelas o afirmaciones que se dijeron deprisa y todavía no han sido comprobadas.
Por eso no quiero enviar directamente la transcripción a un RAG. El sistema podría recuperar un fragmento correcto, pero también una explicación provisional, un error no corregido o una conversación que no debería formar parte del material de consulta.
Un RAG no es una papelera de transcripciones
El hecho de que un texto pueda indexarse no significa que deba indexarse. Antes hay que decidir qué información es válida, útil, contextualizada y adecuada para volver a utilizarla.
La diferencia entre una transcripción y un documento preparado para recuperar información es parecida a la diferencia entre guardar todos los apuntes de una sesión y preparar una ficha que otra persona pueda consultar sin haber estado allí.
Qué debería extraer una skill
La skill que procese una clase no debería limitarse a resumirla. Necesita buscar elementos concretos y mantener la relación con la sesión de la que proceden:
- Conceptos: ideas, términos y relaciones que se han trabajado.
- Ejemplos: situaciones profesionales, comparaciones o casos que ayuden a comprenderlos.
- Preguntas relevantes: dudas que abren una explicación o muestran una necesidad de aprendizaje.
- Dificultades: errores frecuentes, confusiones y puntos que requieren refuerzo.
- Alternativas: otras formas de explicar o plantear una actividad.
- Recursos: enlaces, documentos, herramientas o referencias mencionadas.
- Revisión docente: aspectos que conviene corregir, ampliar o convertir en material.
La extracción no tiene que decidir por mí qué es verdadero o definitivo. Su función es proponer una primera estructura para que yo pueda revisar con rapidez lo que ocurrió y seleccionar aquello que merece conservarse.
De la conversación a un documento
El resultado de esa primera extracción debería ser un documento sencillo, legible y fácil de editar. No necesito una base de datos compleja para empezar. Necesito que la información quede separada por funciones y que pueda volver a la transcripción original cuando tenga dudas.
Estructura posible para una sesión
- Sesión: fecha, módulo, unidad y contexto.
- Conceptos: contenidos y relaciones que se han trabajado.
- Ejemplos: situaciones utilizadas para explicar.
- Preguntas del alumnado: dudas que pueden convertirse en FAQ o actividad.
- Aclaraciones: respuestas y explicaciones que han ayudado.
- Dificultades: errores o conceptos que necesitan refuerzo.
- Recursos: materiales y referencias relacionados.
- Aspectos a revisar: cambios, correcciones y próximos pasos.
Esta estructura no pretende ser definitiva. Lo importante es que permita distinguir lo que se explicó, lo que se preguntó, lo que quedó pendiente y lo que puede convertirse en un recurso reutilizable.
Revisar antes de indexar
El flujo que estoy planteando tiene un paso que no quiero eliminar: la revisión docente.
Transcripción → Extracción estructurada → Revisión docente → Documento curado → Indexación
La IA puede proponer conceptos, clasificar preguntas y detectar repeticiones. Pero no debería decidir sin supervisión que una explicación improvisada es válida, que una afirmación está actualizada o que un comentario merece entrar en el corpus.
También necesito acompañar cada documento con metadatos que indiquen qué es y en qué contexto puede utilizarse. Por ejemplo: tipo: clase, módulo: Digitalización, origen: plaud, estado: revisado e indexable: true.
El estado del documento importa
- Extraído: la IA ha propuesto una estructura.
- Revisado: el docente ha comprobado y corregido el contenido.
- Indexable: el documento está preparado para incorporarse al corpus.
No todo lo que se extrae tiene que llegar a la última fase. Precisamente por eso conviene separar el proceso de extracción del proceso de indexación.
Qué no debería entrar en el RAG
La selección también consiste en descartar. Una base de conocimiento pequeña y revisada puede ser más útil que un corpus enorme lleno de información mezclada.
- datos personales del alumnado que no sean necesarios;
- comentarios, evaluaciones o conversaciones privadas;
- errores no corregidos o afirmaciones que todavía no se han comprobado;
- fragmentos sin contexto que puedan interpretarse de forma equivocada;
- repeticiones que no aporten una explicación nueva;
- conversaciones paralelas o información que no tenga relación con el aprendizaje.
Esto es especialmente importante cuando la información procede de una clase real. La utilidad educativa no justifica conservarlo todo. Hay que proteger a las personas y mantener el corpus dentro del propósito para el que se ha creado.
De una clase a un corpus para TutorIA
Una pregunta planteada en clase puede tener varios destinos. Después de revisarla, podría convertirse en una explicación para los apuntes, una pregunta frecuente, una actividad de refuerzo, una modificación de la unidad o un fragmento del corpus que utilice TutorIA.
El RAG no debería responder porque una frase aparezca en una grabación. Debería responder porque esa información ha sido seleccionada, contextualizada y aprobada como parte del material que puede utilizarse.
Una misma observación puede generar varios recursos
- una duda frecuente puede convertirse en una FAQ;
- un error recurrente puede generar una actividad de refuerzo;
- una explicación alternativa puede mejorar los apuntes;
- un ejemplo profesional puede enriquecer el corpus;
- una dificultad puede orientar la siguiente sesión.
Esta forma de entender el flujo conecta con el artículo Qué es RAG y por qué puede mejorar un asistente educativo. Allí el foco está en el corpus y en la recuperación. Aquí el foco está en el trabajo previo que decide qué documentos merecen formar parte de ese corpus.
La prueba está en las sesiones reales
La arquitectura parece razonable, pero todavía necesita pruebas con clases reales. No basta con generar un documento que tenga buena apariencia. Tengo que comprobar si ayuda a trabajar mejor y si el tiempo de revisión compensa.
- ¿La extracción identifica los conceptos importantes?
- ¿Distingue una duda relevante de una intervención incidental?
- ¿Cuánto contenido útil se conserva después de la revisión?
- ¿Cuánto tiempo necesito para validar el resultado?
- ¿Se repiten documentos o fragmentos de sesiones anteriores?
- ¿Los metadatos permiten recuperar por sesión, concepto, unidad o resultado de aprendizaje?
- ¿TutorIA mejora sus respuestas cuando incorpora estos documentos revisados?
El criterio de éxito
No es conservar el mayor número de frases. Es poder recuperar después una explicación, un ejemplo o una dificultad y utilizarla de forma más rápida y más fiable.
El docente sigue siendo el filtro
La automatización puede reducir el trabajo mecánico de revisar una sesión. Puede localizar temas, ordenar preguntas y proponer documentos. Pero no sustituye el criterio de quien conoce el módulo, el grupo y el propósito de la actividad.
La IA propone · El docente valida · El RAG reutiliza
Ese orden es importante. Si se elimina la revisión, el sistema puede ganar velocidad y perder fiabilidad. Si se revisa todo de forma manual, quizá no ahorre tiempo. El valor está en encontrar un punto en el que la tecnología ayude a seleccionar y organizar sin ocultar las decisiones.
La primera parte de la serie planteaba el objetivo y la segunda documentaba la arquitectura. Esta tercera parte añade el filtro que convierte una transcripción en conocimiento que puede sostenerse y reutilizarse.
La grabación es la fuente. La transcripción es el punto de partida. Lo que finalmente alimenta un RAG debería ser un documento revisado, contextualizado y creado para ayudar en una situación concreta de aprendizaje.
Fuente principal
Documentación y pruebas del proyecto PLAUD MCP, Whisper y transformación de transcripciones en conocimiento reutilizable para el aula.