Vés al contingut

LAMB 0.8 Documentació preliminar · Català


Porta la IA al teu curs

LAMB ofereix als docents un entorn per crear assistents d’aprenentatge RAG, preparar la preavaluació basada en rúbriques (PRE) i analitzar i millorar les seves activitats, amb LAMB LEGATUS i una connexió opcional amb els cursos de Moodle del docent. Els estudiants accedeixen a les eines configurades des de l’LMS de la institució, com ara Moodle o Canvas mitjançant LTI. Pots preparar un assistent en una interfície web sense escriure codi d’aplicació.

Assistents RAG a partir dels materials del curs

La generació augmentada per recuperació (RAG) proporciona a un assistent fragments rellevants de les fonts seleccionades quan respon. Fes-la servir per construir un assistent a partir de les lectures del curs, de documents de referència o dels materials docents.

Tu en defineixes el rol i les instruccions, tries un dels models disponibles i connectes les fonts. La institució gestiona els models permesos i l’accés. Prova tant la recuperació com la resposta generada: recuperar un fragment rellevant no garanteix que la resposta el faci servir correctament.

Detalls de la Base de Coneixement amb una consulta sobre el codi de referència del curs i l’horari d’atenció, i el fragment recuperat dels apunts del curs
Comprovació de la recuperació: la consulta retorna el fragment dels apunts del curs. LAMB 0.8, dades de demostració. Detalls de la captura · Mida completa

Connecta i comprova els teus materials →

Recerca: millorar la recuperació de la terminologia educativa →

Preavaluació basada en rúbriques (PRE)

Crea un assistent que apliqui una rúbrica a la feina dels estudiants i prepari un retorn o una proposta d’avaluació per revisar. PRE dona suport al procés d’avaluació del docent: el docent valora la proposta i decideix què comunica o registra.

LAMB inclou l’elaboració de rúbriques i fluxos d’avaluació de fitxers. Defineix els criteris, proporciona a l’assistent d’avaluació la rúbrica que vols aplicar i prova’l amb lliuraments representatius. Revisa el retorn i les puntuacions proposades abans de fer-los servir en un curs. Si l’activitat retorna una qualificació a l’LMS, comprova tant la revisió del docent com el resultat al llibre de qualificacions.

Vista del docent d’una activitat d’avaluació de fitxers: un lliurament d’un estudiant amb la Nota IA, un botó Comentari de la IA plegat, la Nota Final i un botó per enviar les notes a Moodle
Una activitat d’avaluació de fitxers: la IA proposa una puntuació i un retorn amb la rúbrica del docent; el docent revisa, accepta o edita la qualificació i l’envia al llibre de qualificacions. LAMB 0.8, 16 d’octubre de 2026, dades sintètiques, amb una eina de prova LTI en lloc de Moodle. Detalls de la captura · Mida completa

Tria l’activitat del curs i la via LTI →

Recerca: una prova de concepte d’avaluació amb IA basada en rúbriques →

LAMB LEGATUS: un agent per al docent

LAMB LEGATUS és un agent integrat a LAMB. Un model de llenguatge, tot sol, només escriu text. LAMB LEGATUS és l’arnès (harness) que l’envolta: eines que llegeixen i modifiquen la teva feina a LAMB i llegeixen el teu curs de Moodle, els permisos del teu compte i un pas d’aprovació que el model no es pot saltar. El nom ve del legatus romà, que actuava en nom del Senat.

Descrius el que vols en llenguatge planer, i treballa al costat de la pàgina on ets:

  • Dissenya conversant: crea un assistent, millora’n les instruccions, prepara una base de coneixement o una rúbrica.
  • Proves integrades: proposa casos de prova, els desa quan hi estàs d’acord, els executa i fa la seva pròpia avaluació de cada resposta perquè la comprovis.
  • El teu curs de Moodle, a l’abast: amb la connexió amb Moodle, llista i llegeix els recursos del teu curs i importa els que triïs.
  • Escenaris d’aprenentatge: descriu una sola vegada el teu públic, el propòsit i les restriccions, i les converses noves en parteixen.

Et demana permís abans de canviar la teva feina. Crear, actualitzar, publicar o eliminar un assistent, canviar una base de coneixement, una rúbrica o un escenari d’aprenentatge, i cada importació o escriptura a Moodle esperen en una targeta d’aprovació; el canvi que aproves és el canvi que fa LAMB. Llegir, i desar, executar i avaluar proves, no necessiten cap targeta. La teva organització tria el model que fa servir.

Tauler de LAMB LEGATUS al costat de la llista Assistents d’Aprenentatge, amb una targeta d’aprovació per actualitzar les instruccions d’un assistent
Una proposta per actualitzar les instruccions d’un assistent, que espera l’aprovació del docent. Encara no ha canviat res. LAMB 0.8, dades de demostració. Detalls de la captura · Mida completa
Tres casos de prova desats per LAMB LEGATUS a la pestanya Tests de l’assistent
Casos de prova que LAMB LEGATUS ha proposat i desat després que el docent hi estigués d’acord, abans d’executar-los. Desar proves no necessita cap targeta d’aprovació. LAMB 0.8, dades de demostració. Detalls de la captura · Mida completa

Treballa amb LAMB LEGATUS →

El teu curs de Moodle, connectat

LAMB es connecta amb Moodle de dues maneres, i cap de les dues requereix cap plugin de Moodle.

  • Activitats al teu curs. Les activitats de LAMB s’afegeixen a un curs de Moodle com a Eina externa mitjançant l’estàndard LTI 1.1: un xat amb els teus assistents, l’avaluació de fitxers amb una rúbrica i, on la teva organització ho hagi configurat, LLM access amb claus personals per a les eines pròpies dels estudiants. Els estudiants les obren des del curs. En l’avaluació de fitxers, el docent revisa les qualificacions i les envia al llibre de qualificacions de Moodle. També es pot afegir mitjançant LTI un sol assistent publicat o l’accés al Creator; consulta la guia d’LTI.
  • El teu curs, per a LAMB LEGATUS. Amb el connector opcional de Moodle, connectes el teu propi compte de Moodle a la pàgina El teu Moodle (l’enllaç Moodle de la barra superior de LAMB). Aleshores LAMB LEGATUS pot llistar els teus cursos, llegir-ne els recursos i importar el material seleccionat a una base de coneixement, a través dels serveis web estàndard de Moodle i dels permisos del teu compte.

L’administrador de LAMB habilita el connector, i Moodle ha d’oferir els serveis estàndard. El connector només llegeix, tret que la teva organització permeti publicar als fòrums o desar qualificacions; en aquest cas, cada escriptura necessita la seva pròpia aprovació, i en el cas de les qualificacions, estudiant per estudiant. Els noms, les publicacions i les qualificacions dels estudiants que llegeix LAMB LEGATUS arriben al proveïdor de models configurat per l’organització; amb un proveïdor extern, surten de la teva institució. Fes servir la configuració de dades i de models aprovada per la institució.

Pàgina El teu Moodle, connectada, al costat d’una targeta d’aprovació de LAMB LEGATUS per crear una base de coneixement a partir d’una carpeta de Moodle, amb una llista de dos fitxers
El teu Moodle, connectat, i una importació des d’una carpeta de Moodle que espera aprovació: la targeta indica l’origen, la destinació i cada fitxer. Moodle 4.5 i LAMB 0.8 de demostració, compte sintètic. Detalls de la captura · Mida completa

Connecta LAMB i Moodle →

Analitza i avalua el comportament de l’assistent

Fes servir casos de prova repetibles i resultats desats per examinar com respon un assistent. Les vistes d’activitat i les analítiques ofereixen les evidències d’ús i de converses disponibles, segons els permisos i la política de revisió configurada. LAMB LEGATUS et pot ajudar a interpretar aquestes evidències i a suggerir millores.

Compara les respostes reals amb el teu propòsit d’aprenentatge i amb la rúbrica. Les execucions de proves i l’activitat dels estudiants són tipus d’evidència diferents; un recompte d’ús, per si sol, no demostra cap benefici per a l’aprenentatge.

Pestanya Tests de l’assistent amb un cas de prova desat i la seva execució, que mostra la pregunta i la resposta de l’assistent
Un cas de prova desat i la seva execució amb un assistent RAG. El docent llegeix la resposta i en registra una avaluació. LAMB 0.8, dades de demostració. Detalls de la captura · Mida completa

Prova un assistent →

Comença amb un propòsit docent

Un assistent pot ajudar els estudiants a practicar l’explicació d’un concepte, a trobar un fragment als apunts del curs o a treballar una pregunta sense donar-los la resposta de seguida. Són dissenys docents possibles: la seva qualitat depèn de les teves instruccions, de les fonts, del model i de les proves.

Per a una primera activitat, limita el propòsit. Per exemple: «Ajuda els estudiants a trobar l’apartat rellevant de la guia del curs i a explicar-lo amb les seves paraules.» Decideix què ha de fer l’assistent quan no trobi una resposta.

Un primer projecte petit

  1. Obtén accés. La teva institució et proporciona una adreça de LAMB o un enllaç d’accés al seu LMS. El lloc web públic del projecte no és un servei d’inici de sessió compartit.
  2. Crea un assistent. Dona-li un propòsit, unes instruccions i un model aprovat per la institució.
  3. Afegeix material del curs. Connecta una base de coneixement disponible i després comprova que es poden recuperar els fragments previstos.
  4. Prova’n el comportament. Fes-li una pregunta normal, una pregunta que les fonts no cobreixen i una petició enganyosa. Llegeix les respostes tu mateix.
  5. Publica’l per a un curs. Segueix la via d’integració amb l’LMS de la teva institució i comprova l’accés com a estudiant.

Crea el teu primer assistent →

El que continua sent decisió teva

Tu tries l’objectiu d’aprenentatge, els materials que poden fer servir els estudiants i què compta com a resposta útil. Proporcionar documents no garanteix respostes ni referències correctes. Explica als estudiants el rol de l’assistent i dona’ls una manera de comunicar problemes.

Els controls i els permisos disponibles depenen de la revisió instal·lada i de la configuració de la teva institució. Revisa el retorn i els suggeriments generats per la IA d’acord amb el procés d’avaluació del teu curs.

Si ja fas servir LAMB

Per a l’accés al compte i els permisos del curs, contacta amb l’equip de suport de la teva institució. Per a una incidència reproduïble del producte, fes servir el gestor d’incidències del projecte sense incloure-hi contingut privat del curs ni credencials.