abbado
Un coordinador amb IA per a equips universitaris. Ajuda amb la part del treball en grup que ningú veu: tot el que passa entre rebre l'enunciat i entregar.
En curt. Abbado és un coordinador amb IA per a treballs en grup universitaris, construït de cap a cap com el meu TFM. Un onboarding de 4 preguntes assigna a cada estudiant un rol Belbin, l'enunciat es converteix en un pla de tasques amb responsables, i un facilitador amb IA acompanya l'equip mentre el professor veu salut, mai individus. El motor d'emparellament està validat en una simulació de 1.000 equips i l'app porta 656 tests automatitzats al darrere. Següent pas: un pilot en una aula real.
el problema
Els treballs en grup acaben malament gairebé sempre per les mateixes raons. Una persona acaba carregant amb l’equip, als més callats els trepitgen, i els conflictes petits creixen en silenci fins que l’entrega peta.
La major part passa entre l’enunciat i l’entrega, quan ningú no hi para gaire atenció.
research
Vaig entrevistar 11 estudiants i professors. Es repetien uns quants patrons:
- Silenci. La gent calla per evitar fricció.
- Mèrit robat. Les veus fortes guanyen; la feina silenciosa desapareix.
- Feina invisible. Qui organitza fa més, per la mateixa nota.
- Un desfasament de temps. Els conflictes comencen aviat, però els professors se n'assabenten tard.
Els conflictes començaven a les setmanes 2 a 4, però els professors no se n'assabentaven fins a les setmanes 7 a 8. Aquest desfasament és la raó de ser d'abbado.
Tres persones resumien el que vaig trobar, i van guiar cada decisió que ve després:
- La Montse, l'organitzadora. Acaba carregant amb l'equip i amb la feina invisible, i es crema per la mateixa nota que la resta.
- L'Agatha, la silenciosa. La seva feina és sòlida, però les veus altes la trepitgen. A mig projecte ja ha deixat de proposar.
- En Felix, el professor. Vol que els equips aprenguin, no vigilar-los. S'assabenta a la setmana 8 del que es va trencar a la setmana 3.
decisions de disseny
Visibilitat sense vigilància. Un professor necessita veure com va un equip, però en el moment que els estudiants se senten vigilats deixen de ser honestos. Així que el professor veu la salut de l’equip i mai la persona que hi ha al darrere. Sense rols ni cap nom propi.
- 4 preguntes, no 30. Un test curt i adaptatiu t'assigna un rol d'equip, en lloc d'un test de personalitat llarguíssim.
- Salut per dates. Mira què toca entregar, així un equip que va tard en allò que importa no es pot amagar darrere d'un munt de petits assoliments.
- La lògica de rols és determinista. L'emparellament funciona amb regles fixes, no amb el model. Mateixes respostes, mateix rol, sempre, i pots comprovar el perquè.
- Un xat que coneix el teu context. Funciona amb Mistral i ja sap el teu rol i les teves tasques. Facilita, no fa la feina, i mai no et tria l'equip.
L’emparellament, per dins. Les quatre respostes puntuen cada estudiant en els nou rols d’equip de Belbin, i unes regles fixes trien un repartiment equilibrat. El motor evita a més els parells que la meva recerca va marcar com a propensos a fricció, dos de risc alt (un Shaper amb un Completer Finisher, un Plant amb un Implementer) i cinc de mitjà. I un límit que mai no creua: no tria el teu equip. Tu tries la teva gent; Abbado ajuda que l’equip que vas triar funcioni.
què vaig construir
Una app real i desplegada, no un mockup de Figma, amb 656 tests automatitzats al darrere.
- 11 entrevistes darrere del disseny.
- 4 preguntes d'onboarding, nou rols Belbin.
- 1.000 equips a la simulació de validació.
- 656 tests automatitzats darrere de l'app.
- Onboarding de 4 preguntes i un rol Belbin per a cada estudiant.
- L'enunciat partit en tasques, repartides per perfil.
- Un dashboard en viu amb salut de l'equip, avisos i el xat.
- Un informe de procés compartit al final.
Honesta amb el testing: vaig validar la lògica d’emparellament amb una simulació de 1.000 equips, que mostrava al voltant d’un 60 a 70% menys de fricció. Això és simulació, encara no usuaris reals. El següent és un pilot en una aula real, i la integració amb Canvas i Moodle.
què provaria a continuació
L’emparellament està validat en simulació, però abbado encara no s’ha fet servir amb un equip real d’estudiants. Aquest és el límit honest de l’evidència, així que aquest és el pilot d’aula que faria per tancar-lo.
- 5 equips, un projecte cadascun. Abbado mata el moment de "de qui és la secció 3?"? Mesuraria quant triga cada membre a assumir un rol i si el repartiment de tasques és clar al tercer dia, no una mètrica de vanitat.
- La hipòtesi de les setmanes 2 a 4. La fricció comença aviat però es veu tard. Mesuraria si els avisos d'abbado fan visible un problema més a prop de quan arrenca de debò.
- La promesa de privacitat, de cara. Es van sentir vistos els estudiants sense sentir-se vigilats, i va tenir el professor senyal suficient sense monitoritzar? Si els estudiants se senten vigilats, l'aposta central va fallar.
- Què em faria canviar d'idea. Si els equips ignoren el rol assignat, o rebutgen el que els donen les quatre preguntes, l'emparellament necessita revisió abans que res.
què vaig aprendre
La decisió de la qual estic més orgullosa és el que vaig deixar fora. La major part de la feina de disseny va anar a decidir què és el que el professor mai no arribaria a veure. La privacitat no és una funcionalitat que vaig posar per sobre. És la resposta al problema.
Fer-ho sola, la recerca, el disseny, la IA i el desenvolupament, vol dir que no hi ha ningú a qui passar-li una decisió: cada trade-off va haver de sobreviure al meu propi interrogatori. Esgotador, i probablement el millor entrenament que podia demanar.
Què canviaria: portaria abbado a una aula real abans, en lloc de continuar afinant la simulació. L’evidència que em falta viu amb estudiants reals, no a les meves dades.