TFG chatbot

Resumen

Proyecto para el Trabajo de Fin de Grado (TFG) que investiga y desarrolla un agente de IA tipo chatbot orientado a entornos educativos. El objetivo es combinar los beneficios de los LLM con directrices pedagógicas que reduzcan alucinaciones y favorezcan el aprendizaje del estudiante. El repositorio está en una fase inicial (prácticamente vacío) y actúa como contenedor del TFG: documentación, experimentos y código.

Tabla de contenidos

TFG-Chatbot

Motivación

Hoy en día los LLM, y más específicamente los chatbots, han revolucionado la sociedad. Como evidencia de esto, chatbots como chatGPT alcanzó los 100 millones de usuarios a solo 60 días de su lanzamiento, y este número no para de crecer, junto con el de sus competidores.

Estas nuevas herramientas pueden aportar a la docencia, sobretodo como apoyo a profesores y métodos más clásicos. Es más, han existido durante decadas Intelligent Tutoring Systems, que han usado técnicas de machine learning y NLP para poder simular chatbots educacionales, con el objetivo de alcanzar el ratio de profesores-alumnos 1:1. Los LLM son un cambio de paradigma en este campo.

Sin embargo, estudios demuestran que el uso no adecuado de estos LLM puede llevar a los estudiantes a empeorar su aprendizaje. Por ejemplo, si el agente alucina una respuesta falsea, o da un respuesta directa en vez de razonarla junto con el estudiante.

De estos y otros problemas surge la necesidad de desarrollar un agente chatbot que aporte los beneficios de los LLM, pero adaptando su uso al entorno educativo, dandole directrizes pedagógicas y especializandolos.

Desarrollo agil

Como metodología para desarrollar este proyecto he elegido SCRUM.

Para ello he creado un Product Backlog compuesto de historias de usuario en los Issues de este repositorio, así como diferentes Mileston que los agrupa y definen Prodúctos Mínimamente Viables que entregar después de cada sprint.

Estado del proyecto

Actualmente este repositorio está en una fase inicial: no hay código ni modelos entrenados incluidos. Se usan las Issues y Milestones del repositorio para planificar el Product Backlog y los sprints del TFG.

Tecnologías (planificadas)

Lenguaje: Python (versión mínima recomendada: 3.10)
Modelos/Frameworks: LangChain y langgraph o similares (según necesidades), herramientas de evaluación (nltk, lanfuse) y librerías para despliegue (FastAPI, Streamlit o similar)
Experimentos y notebooks: Jupyter / Colab

Instalación

Clonar el repositorio.
Crear un entorno virtual (venv/conda) y activar.
Instalar las dependencias del proyecto.

Ejemplo:

# Clonar el repositorio
git clone https://github.com/GabrielFranciscoSM/TFG-Chatbot.git
cd TFG-Chatbot

# Crear entorno virtual (recomendado)
python -m venv .venv
source .venv/bin/activate  # En Windows: .venv\Scripts\activate

# Instalar dependencias
pip install -r requirements.txt
pip install -r backend/requirements.txt

Quick start

Ejecutar la API del backend

Para iniciar el servidor FastAPI del chatbot:

Opción 1: Usando el script de inicio

bash scripts/run_fastAPI.sh

Opción 2: Usando uvicorn directamente

uvicorn backend.api:app --reload --host 0.0.0.0 --port 8080

La API estará disponible en http://localhost:8080

Endpoints disponibles

Documentación interactiva (Swagger): http://localhost:8080/docs
Documentación alternativa (ReDoc): http://localhost:8080/redoc

Ejemplos de uso

1. Health check

curl http://localhost:8080/health

Respuesta:

{"message": "Hello World"}

2. Enviar un mensaje al chatbot

curl -X POST "http://localhost:8080/chat" \
  -H "Content-Type: application/json" \
  -d '{
    "query": "¿Qué es la inteligencia artificial?",
    "id": "session-123"
  }'

Nota: El parámetro id permite mantener conversaciones persistentes. Usa el mismo ID para continuar una conversación anterior.

Arquitectura (plan)

interfaz (web / CLI) para interacción con el estudiante
backend que gestiona la sesión y la memoria pedagógica
capa de integración con LLMs y filtros de seguridad/validez
módulo de políticas pedagógicas que guía las respuestas (scaffolding, hinting, preguntas socráticas)
registro de logs y métricas para evaluación

Evaluación y consideraciones éticas

Se documentarán métricas de evaluación (evaluación humana, exactitud, medidas de coherencia y robustez frente a alucinaciones).
Se incluirá un apartado de privacidad y uso de datos: origen de datos, licencias y medidas para preservar privacidad del alumnado.

Roadmap / Milestones

Milestone 1: API de un agente React básico para un chatbot
Milestone 2: Agente con herramientas específicas
Milestone 3: Autenticación de usuarios
Milestone 4: Interfaz Educativa
Milestone 5: Logs y Monitorización
Milestone 6: Métricas y Dashboard
Milestone 7: Chatbot con herramientas avanzadas
Milestone 8: Evaluación y documentación

Cómo contribuir

Abrir Issues para bugs, ideas y tareas del TFG.
Proponer Pull Requests con pequeñas unidades de trabajo.
En próximas versiones se añadirá un CONTRIBUTING.md con normas de estilo, testing y workflow.

Licencia

Este repositorio incluye un fichero LICENSE. Revisa ese fichero para conocer los términos exactos.

Contacto

Autor: Gabriel Francisco Sánchez Muñoz Tutores: Pablo García Sánchez y Nuria Rico Castro.

Agradecimientos

Referencias y bibliografía relevantes se añadirán en la sección de Referencias.