Skip to content

README.es.md

Latest commit

 

History

History
342 lines (262 loc) · 13.2 KB

README.es.md

File metadata and controls

342 lines (262 loc) · 13.2 KB

🧠 Gentle Learning

Aprendizaje científico, personalizado y sin estrés

Una aplicación web revolucionaria que transforma la forma en que estudias, utilizando algoritmos científicos para maximizar tu retención y minimizar la fatiga cognitiva.

Live Demo Angular TypeScript Bun

English

🎯 La Idea

Como Alan "The Gentleman" del canal de YouTube Gentleman Programming, siempre he creído que la tecnología debe servir para mejorar nuestra vida, no complicarla. Gentle Learning nace de una frustración personal: ¿por qué seguimos estudiando de la misma manera que hace 100 años cuando la neurociencia nos ha dado herramientas mucho mejores?

🚀 Mi Visión

Democratizar el aprendizaje científico. Quiero que cualquier persona, desde un estudiante de secundaria hasta un profesional aprendiendo nuevas tecnologías, tenga acceso a las mismas técnicas de estudio que usan los mejores investigadores del mundo.

💡 El Problema que Resolvemos

  • 📚 Estudias por horas pero olvidas todo en días
  • 😵 Te sientes abrumado y no sabes cuándo descansar
  • ⏰ No tienes idea de cuál es tu momento óptimo para aprender
  • 🔄 Repites información sin estrategia
  • 📱 Las apps existentes son genéricas y no se adaptan a ti

🧬 La Ciencia Detrás de Gentle Learning

Esta aplicación está basada en investigación científica real, no en modas o opiniones. Cada algoritmo implementado tiene respaldo empírico:

📊 Fundamentos Científicos

  • 🔬 Repetición Espaciada SM-2: Programación automática de revisiones con 15% más retención que el estudio tradicional
  • ⏰ Ritmos Ultradianos: Ciclos de 90-120 minutos con ratio óptimo de trabajo-descanso 52/17
  • 🎯 Ratio DeskTime 52/17: Timing basado en evidencia de los mejores performers
  • 🧠 Teoría de Carga Cognitiva: Sesiones limitadas a 4±1 conceptos para procesamiento óptimo de memoria
  • 🌅 Optimización de Cronotipos: Hasta 25% mejor rendimiento con sincronización circadiana
  • 📲 Framework JITAI: Notificaciones inteligentes en horarios de máximo engagement (6-8am, 10pm-medianoche)
  • 🌿 Descansos Basados en Evidencia: Escenas de naturaleza de 40 segundos para 23% mejora de atención
  • 🎯 Evaluación SART: Medición de atención sostenida para sesiones personalizadas
  • 🔄 Detección Adaptiva de Fatiga: Optimización en tiempo real basada en retroalimentación
  • 🧠 Algoritmo LECTOR: Repetición Orientada a Conceptos Mejorada con LLM con 90.2% de efectividad
  • 🔄 Práctica Intercalada: Optimización de práctica mixta vs bloqueada con Cohen's d = 0.83

📈 Resultados Comprobados

  • Arizona State University: 18% aumento en tasas de aprobación
  • University of Mississippi: Reducción de 31% a 14.5% en tasas de abandono
  • LECTOR Algorithm: 90.2% de efectividad en retención

✨ Características Principales

🎯 Assessment Científico Personalizado

  • SART (Sustained Attention to Response Task) para medir tu capacidad de concentración real
  • Evaluación de Cronotipos para encontrar tu momento óptimo del día
  • Análisis de Patrones de respuesta y tiempo de reacción

🧠 Algoritmos Inteligentes

  • SM-2 Modificado para repetición espaciada personalizada
  • Optimización Ultradian que respeta tus ciclos naturales de 90 minutos
  • Ajuste Dinámico basado en tu rendimiento en tiempo real

📱 Experiencia de Usuario

  • Tema Dark Accesible - WCAG 2.1 AA compliant
  • Notificaciones Inteligentes que no te molestan
  • Progreso Visual con métricas científicas
  • Adaptable a cualquier dispositivo

🎨 Tecnología Moderna

  • Angular 20 con Zoneless Change Detection
  • Server-Side Rendering para SEO óptimo
  • CSS Variables para temas personalizables
  • Local Storage para privacidad total

🛠️ Tecnologías Utilizadas

{
  "frontend": "Angular 20 + TypeScript",
  "runtime": "Bun (más rápido que Node.js)",
  "styling": "SCSS + CSS Variables",
  "architecture": "Zoneless + SSR + Standalone Components",
  "deployment": "GitHub Pages",
  "algorithms": "SM-2, SART, JITAI, Ultradian Cycles",
  "accessibility": "WCAG 2.1 AA",
  "data": "Local Storage (sin tracking)"
}

🚀 Inicio Rápido

Prerrequisitos

# Instalar Bun (más rápido que npm/yarn)
curl -fsSL https://bun.sh/install | bash

Instalación

# Clonar el repositorio
git clone https://github.com/Gentleman-Programming/Gentle-Learning.git
cd Gentle-Learning

# Instalar dependencias
bun install

# Iniciar el servidor de desarrollo
bun start

Scripts Disponibles

bun start                    # Servidor de desarrollo
bun run build               # Build de producción con SSR
bun run build:github-pages  # Build estático para GitHub Pages
bun run lint                # ESLint + Prettier
bun run test                # Tests unitarios

🧮 Los Algoritmos en Acción

📐 Implementación del Ratio DeskTime 52/17

function calculateOptimalSession(userProfile: UserProfile) {
  // Aplicar ratio 52/17 basado en evidencia para adultos
  if (userProfile.age >= 18 && userProfile.age <= 60) {
    return {
      sessionLength: 52, // minutos - mejores performers de DeskTime
      breakDuration: 17, // minutos - ratio óptimo 3:1
      maxConcepts: 4     // límite de Teoría de Carga Cognitiva
    };
  }
  
  // Ajustado por edad para estudiantes más jóvenes/mayores
  const attentionSpan = userProfile.age < 18 
    ? Math.min(userProfile.age * 3, 45) 
    : Math.min(50, ULTRADIAN_CYCLE * 0.8);
    
  return {
    sessionLength: attentionSpan,
    breakDuration: attentionSpan * 0.22,
    maxConcepts: userProfile.age < 18 ? 3 : 4
  };
}

🔄 SM-2 Avanzado con Evaluación de Calidad

function calculateSessionQuality(session: StudySession, completionRate: number): number {
  let quality = 3; // Comenzar neutral
  
  // Factor 1: Tasa de completitud
  if (completionRate >= 90) quality += 1;
  else if (completionRate < 50) quality -= 1;
  
  // Factor 2: Impacto de fatiga (inverso)
  quality += (10 - session.performance.selfReportedFatigue) / 10;
  
  // Factor 3: Puntuación de enfoque
  if (session.performance.focusScore >= 80) quality += 0.5;
  
  return Math.max(0, Math.min(5, quality));
}

function scheduleNextReview(quality: number, interval: number, easeFactor: number) {
  const nextInterval = calculateNextInterval(interval, easeFactor, quality);
  const newEaseFactor = updateEaseFactor(easeFactor, quality);
  
  return {
    nextReview: getOptimalReviewTime(new Date(), nextInterval),
    interval: nextInterval,
    easeFactor: newEaseFactor
  };
}

🌿 Actividades de Descanso Basadas en Evidencia

function getOptimalBreakActivities(duration: number) {
  if (duration <= 2) {
    // Microdescansos: escenas de naturaleza 40 seg = 23% mejora de atención
    return [
      { activity: 'Ver escenas de naturaleza', duration: 40, benefit: '23% mejora de atención' },
      { activity: 'Respiración profunda (4-7-8)', duration: 60, benefit: 'Reduce carga cognitiva' }
    ];
  }
  
  // Descansos largos: movimiento = 15% mejora musculoesquelética
  return [
    { activity: 'Movimiento físico ligero', benefit: '15% mejora musculoesquelética' },
    { activity: 'Caminata en naturaleza', benefit: '20% aumento memoria de trabajo' }
  ];
}

🧠 Algoritmo LECTOR (90.2% de Éxito)

// Repetición Orientada a Conceptos Mejorada con LLM
function calculateLectorInterval(
  baseInterval: number,
  semanticInterference: number, // 0.8-1.2 basado en similitud de conceptos
  masteryLevel: number, // 0.5-2.0 basado en historial de rendimiento
  repetitionCount: number,
  personalFactor: number,
  profile: UserProfile
): number {
  // Fórmula LECTOR: I(t+1) = H_eff(t) × α_semantic × α_mastery × α_repetition × α_personal
  const alphaSemantic = Math.max(0.8, Math.min(1.2, semanticInterference));
  const alphaMastery = Math.max(0.5, Math.min(2.0, masteryLevel));
  const alphaRepetition = Math.max(0.9, Math.min(1.1, 1.0 + (repetitionCount * 0.02)));
  const alphaPersonal = Math.max(0.7, Math.min(1.5, personalFactor));

  const lectorInterval = baseInterval * alphaSemantic * alphaMastery * alphaRepetition * alphaPersonal;
  return Math.max(1, Math.round(lectorInterval));
}

🔄 Práctica Intercalada (Cohen's d = 0.83)

// Optimizar mezcla de temas para máximo beneficio de aprendizaje
function generateInterleavedSchedule(
  topics: Array<{ id: string; name: string; difficulty: number; timeRequired: number }>,
  totalSessionTime: number,
  profile: UserProfile
) {
  // Calcular puntuaciones de beneficio de intercalado
  const topicsWithScores = topics.map(topic => {
    let interleavingScore = 1.0;
    
    // Factor 1: Variación de dificultad (mayor puntuación para dificultad mixta)
    const avgDifficulty = topics.reduce((sum, t) => sum + t.difficulty, 0) / topics.length;
    interleavingScore += Math.abs(topic.difficulty - avgDifficulty) / 5 * 0.3;
    
    // Factor 2: Nivel de dominio (menor dominio = mayor beneficio de intercalado)
    interleavingScore += (1 - (topic.masteryLevel || 0.5)) * 0.3;
    
    return { ...topic, interleavingScore };
  });

  // Generar secuencia óptima A-B-C-A-B-C con segmentos de 10-20 minutos
  return createOptimalSequence(topicsWithScores, totalSessionTime);
}

🌟 Roadmap

🎯 Fase Actual (v1.0) - ✅ COMPLETADO

  • Assessment científico SART con evaluación de cronotipos
  • Repetición espaciada SM-2 con programación automática de revisiones
  • Ratio DeskTime 52/17 optimizado para estudiantes adultos
  • Teoría de carga cognitiva implementada (límite de 4±1 conceptos)
  • Framework JITAI para timing óptimo de notificaciones
  • Microdescansos basados en evidencia con recomendaciones de naturaleza
  • Detección adaptiva de fatiga con optimización en tiempo real
  • Integración de ritmos ultradianos para programación de sesiones
  • Algoritmo LECTOR - Repetición Orientada a Conceptos Mejorada con LLM (90.2% de éxito)
  • Práctica Intercalada - Implementación de práctica mixta vs bloqueada (Cohen's d = 0.83)
  • Interferencia Semántica - Ajustes de espaciado conscientes del contenido
  • Tema dark elegante con conformidad WCAG 2.1 AA
  • Deploy en GitHub Pages con pipeline CI/CD

🚀 Próximas Características (v2.0)

  • Actividades de Descanso Avanzadas - Experiencias VR de naturaleza y movimiento guiado
  • Integración Biométrica - Variabilidad de ritmo cardíaco para detección de fatiga en tiempo real
  • Gamificación Progresiva - Sistema de logros basado en neurociencia

🌍 Visión a Largo Plazo (v3.0)

  • VR/AR Support - Entornos de estudio inmersivos
  • Biometric Integration - Heart rate variability para detectar fatiga
  • Multi-idioma - Adaptación cultural de algoritmos
  • Modo Offline - PWA con sincronización

🤝 Contribuir

¡Las contribuciones son bienvenidas! Como desarrollador educativo, creo firmemente en el open source y el aprendizaje colaborativo.

🎯 Cómo Contribuir

  1. Fork el repositorio
  2. Crea una feature branch (git checkout -b feature/amazing-feature)
  3. Commit tus cambios (git commit -m 'feat: add amazing feature')
  4. Push a la branch (git push origin feature/amazing-feature)
  5. Abre un Pull Request

📋 Áreas que Necesitan Ayuda

  • 🧪 Más algoritmos científicos (FSRS, LECTOR, etc.)
  • 🎨 Mejoras de UX/UI
  • ♿ Accesibilidad y internacionalización
  • 📱 Progressive Web App features
  • 🧪 Tests unitarios y de integración

📞 Contacto

Alan "The Gentleman" Buscaglia

📄 Licencia

Este proyecto está bajo la licencia MIT - consulta el archivo LICENSE para más detalles.

🙏 Agradecimientos

  • 🔬 Neuroscience Research Community por años de investigación en aprendizaje
  • 🅰️ Angular Team por una framework increíble
  • 🍞 Bun Team por revolucionar el JavaScript runtime
  • 👥 Gentleman Programming Community por el feedback constante

🌟 Si te gusta el proyecto, ¡dale una estrella! ⭐

Hecho con ❤️ por Alan "The Gentleman"

"El mejor código es el que ayuda a las personas a aprender mejor"