La secuenciacion algoritmica curricular (también escrita secuenciación algorítmica curricular) no consiste solo en poner temas “en orden”. Es transformar el currículo en un grafo de conocimiento con prerrequisitos curriculares explícitos, evidencias de dominio y reglas que un scheduler (planificador) ejecuta dentro de tu LMS para generar rutas de aprendizaje con progresión de dificultad. Este artículo te guía, paso a paso, para llevarlo a tu aula: qué preparar, con qué herramientas (Moodle, Canvas o Classroom), qué saber a nivel técnico y cómo evaluar con analítica del aprendizaje y evaluación formativa.
Diseña el mapa de competencias y el grafo de objetivos
Qué vas a crear: una lista clara de objetivos de aprendizaje con sus evidencias, conectados por prerrequisitos. Ese grafo será la “lógica” que el LMS usará para bloquear/desbloquear actividades.
Herramientas mínimas: una hoja de cálculo (Google Sheets o Excel) y un editor de diagramas (puedes usar draw.io o yEd Live). Si dominas algo de informática educativa, más adelante podrás automatizar con scripts; pero no es necesario para empezar.
Cómo hacerlo (docente en activo, 45–90 minutos): abre una hoja con columnas: Código del objetivo (p. ej., OA-1), Redacción del objetivo (observable y evaluable), Nivel (B/I/A), Tiempo estimado (min), Evidencia de dominio (quiz, tarea, rúbrica), Umbral (p. ej., ≥80 %), Prerrequisitos (códigos separados por coma) y Recursos. Rellena primero 12–18 objetivos clave de la unidad. Después, pásalos al diagrama: cada objetivo será un nodo; dibuja flechas A→B si “A es condición para B”. Intenta que no haya ciclos (si detectas uno, reescribe los objetivos o divide un nodo en dos). Tu diagrama final debe poder recorrerse de izquierda (básicos) a derecha (avanzados) sin regresos.
Conocimiento técnico necesario: saber redactar objetivos medibles, manejar una hoja de cálculo y distinguir dominio (logro con umbral) de “completado” (hecho sin garantía de calidad). No necesitas programación.
Define evidencias de dominio y progresión de dificultad
Para cada objetivo, decide una evidencia breve y un umbral. Ejemplo: “OA-3 Resolver ecuaciones lineales” → quiz de 5 ítems autocorregible con ≥4/5 para dominar; si el alumno obtiene 2/5, se activa una ruta de apoyo (vídeo explicativo + 2 preguntas de práctica) y luego un reintento. Etiqueta los objetivos con nivel (básico, intermedio, avanzado) y carga de trabajo (minutos). Ese etiquetado permitirá a tu planificador equilibrar el esfuerzo semanal. Importante: usa microevidencias frecuentes en vez de exámenes largos; así el motor de recomendación (las reglas del LMS) reacciona antes.
Prepara un diagnóstico inicial que “coloque” a cada estudiante
Un diagnóstico inicial de 10–12 preguntas sobre los prerrequisitos más críticos te evitará obligar a todos a empezar desde cero. En Moodle y Canvas, crea un quiz breve con ítems etiquetados por objetivo (usa bancos de preguntas con etiquetas). Configura retroalimentación inmediata y explica el error frecuente con un recurso sugerido. En Classroom, elabora el formulario en Google Forms con clave de respuesta; vincúlalo a Hojas de Cálculo para revisar por objetivo y asigna después las rutas manualmente por “Tema”.
Conocimiento técnico necesario: crear un cuestionario autocorregible, usar etiquetas o categorías de ítems, y configurar retroalimentación por respuesta. En Moodle, la batería de preguntas y la actividad Cuestionario te lo facilitan; en Canvas, usa “Question Banks/Item Banks”.
Cómo convertir el grafo en reglas reales dentro de tu LMS
4.1 Moodle: Restrict access + Activity completion
Objetivo: que una actividad se desbloquee al cumplir una condición (nota mínima, completar otra actividad, fecha, pertenencia a grupo, etc.).
Paso a paso práctico: en la Configuración del curso, activa Seguimiento de finalización. Edita la primera actividad del camino (por ejemplo, “Quiz OA-1”). En la sección Finalización de actividad, marca “Se considera completa cuando…” y, si procede, exige “requiere calificación” con nota mínima en el calificador. Guarda. Ahora edita la actividad dependiente (“Tarea OA-1.1”) y, en Restringir acceso, pulsa “Añadir restricción → Finalización de actividad → Quiz OA-1 completado con calificación al menos X”. Repite este patrón para toda la cadena. Si necesitas múltiples prerrequisitos, usa un conjunto de restricciones y combina AND/OR. Puedes ocultar las actividades bloqueadas o mostrar el motivo del bloqueo (“Termina OA-1 con ≥80 % para continuar”).
Qué necesitas saber: manejar la Finalización de actividad y entender que el criterio de dominio lo fija el umbral de calificación, no solo el “visto”. Requiere familiaridad con el calificador (libro de calificaciones) y con la navegación de ajustes de actividad. No exige programación.
4.2 Canvas: Mastery Paths
Objetivo: derivar al alumnado a recursos/actividades distintos según la puntuación lograda en una “actividad fuente” (normalmente un quiz o una tarea calificada).
Paso a paso práctico: en Settings del curso, activa Mastery Paths. Crea o selecciona la actividad fuente (por ejemplo, “Quiz OA-1”). Edita y define los tramos de puntuación (p. ej., 0–5 remedial, 6–8 estándar, 9–10 profundización) y asigna a cada tramo los elementos que se desbloquearán. Publica esos elementos pero no los enlaces directos; se asignarán automáticamente cuando publiques la nota. Ojo: Canvas solo asigna rutas cuando las calificaciones están “posted”. Si quieres usar una Page como elemento condicional, habilita Mastery Paths en la propia página durante la edición. Comprueba el flujo con el Student View.
Qué necesitas saber: activar la función a nivel de curso, diseñar una actividad evaluable inicial, entender el sistema de publicación de calificaciones de Canvas y organizar módulos para que las rutas aparezcan ordenadas. No requiere código.
4.3 Google Classroom u otros LMS sin reglas avanzadas
Si tu LMS no tiene condicionales nativos, puedes simular trayectorias con temas y fechas escalonadas, y comunicando de forma explícita “si obtuviste menos de 4/5 en el diagnóstico, realiza primero el Tema de refuerzo”. Los reintentos se gestionan con entregas adicionales. Complementa con Google Forms para pruebas breves y con rúbricas en Tareas. No es automático, pero funciona bien a pequeña escala.
Un ejemplo completo: de 0 a una unidad “viva”
Contexto: 4.º ESO, Matemáticas. Unidad: Funciones lineales. Duración: 3 semanas. Grupo: 28 estudiantes con niveles heterogéneos.
Grafo mínimo: OA-1 (pendiente), OA-2 (intersección con ejes), OA-3 (representación), OA-4 (interpretación en contexto), OA-5 (modelización). Prerrequisitos: OA-1→OA-2→OA-3→OA-4→OA-5. Niveles: OA-1 y OA-2 básicos; OA-3 intermedio; OA-4 avanzado; OA-5 desafío.
Diagnóstico: quiz de 8 ítems (2 por OA-1/2/3 y 2 de razonamiento). Umbral de salto: ≥6/8 permite pasar directamente a OA-3 con actividad de repasos opcionales.
Evidencias: OA-1 y OA-2 con quiz de 5 ítems cada uno; OA-3 con tarea breve de graficación; OA-4 con cuestionario aplicado (lectura de gráfica); OA-5 con mini-proyecto (modelar un caso real con datos del aula). Umbral común: ≥80 % o rúbrica ≥3/4.
Reglas en Moodle: “OA-2 visible si OA-1 completada con nota ≥80 %”; “OA-3 visible si OA-2 ≥80 % o si diagnóstico ≥6/8”; “OA-5 visible solo tras OA-4 ≥80 %”. Además, si un alumno falla dos veces OA-2, se desbloquea automáticamente “Refuerzo OA-2: vídeo de 6’ + 3 ítems guiados” y se oculta temporalmente OA-3 hasta rehacer OA-2.
Planificación (scheduler): carga de 40–60 min por sesión; nunca dos objetivos avanzados seguidos. Fechas: diagnóstico día 1, OA-1 y OA-2 semana 1; OA-3 semana 2; OA-4 y OA-5 semana 3. En Moodle, usa “fecha esperada de finalización” y en Canvas define due dates coherentes con los tramos.
Evaluación formativa y aprendizaje por dominio en la práctica
Retroalimentación utilizable: cuando el alumno falla OA-2, la retroalimentación debe nombrar el error (“calculaste mal la pendiente al invertir Δx y Δy”) y enlazar al recurso exacto de apoyo. Evita mensajes genéricos. Autoriza un reintento tras el refuerzo y registra automáticamente la mejora. En el proyecto OA-5, usa rúbrica con criterios observables: precisión del modelo, interpretación, claridad gráfica y comunicación.
Decisiones con datos: cada viernes revisa quién no ha alcanzado el umbral en OA-1/2; programa 15 minutos de “tutoría de alto impacto” con ejemplos concretos. La clave del aprendizaje por dominio es ajustar ritmo y apoyos, no solo repetir.
Analítica del aprendizaje sin complicarte la vida
Empieza con lo que ya ofrece tu LMS. En Moodle, entra en Informes → Finalización de actividad y exporta CSV. Calcula en tu hoja de cálculo: tasa de dominio por objetivo (porcentaje que logra el umbral al primer intento), tiempo a dominio (si usas “tiempos estimados”, compáralos con la realidad) y cuellos de botella (objetivos con más reintentos). En Canvas, revisa el resultado por tramos de Mastery Paths y compáralo entre grupos. Crea un pequeño tablero en Google Sheets con semáforos: verde si ≥70 % domina a la primera, ámbar 50–69 %, rojo <50 %. No necesitas R o Python para obtener valor inicial.
Privacidad y equidad: comparte tableros solo con el equipo docente y presenta datos agregados al alumnado (“como grupo, OA-2 costó más; reforzaremos…”). Revisa brechas (por sexo, alumnado NEAE, etc.) y añade apoyos proactivos. Evita exposiciones públicas de rendimiento individual.
Consejos prácticos según tu nivel técnico
Si estás empezando
Secuencia una sola unidad. No intentes “algoritmizar” todo el curso a la primera. Limita el grafo a 12–15 objetivos y dos rutas alternativas (refuerzo y profundización). Documenta tus reglas en un documento compartido con el equipo.
Si ya dominas el LMS
Estándariza plantillas de actividad (estructura, mensajes de bloqueo, umbrales). Usa bancos de preguntas con etiquetas por objetivo para reusar. Automatiza la copia de curso semestral y conserva las analíticas para ajustar umbrales la siguiente edición.
Si te animas con analítica
Explora métodos de learning analytics para identificar secuencias de éxito (por ejemplo, ¿qué ruta previa correlaciona con dominar OA-5?). Empieza con exportaciones CSV y, si te interesa, avanza a guías prácticas abiertas (ver recursos al final) para análisis más finos.
Problemas típicos y cómo resolverlos
Todo el mundo se atasca en OA-2: revisa la claridad del recurso y baja el umbral a 70 % temporalmente mientras añades un ejemplo worked-example. Después de una semana, reevalúa y vuelve al 80 % si mejora la tasa de dominio.
Hay estudiantes que dominan pero “no pasan”: asegúrate de que la condición es “nota mínima” y no solo “marcar como completado”. En Canvas, confirma que la calificación está publicada; si no, Mastery Paths no asigna la ruta.
El grafo tiene ciclos: reescribe objetivos para que cada uno pida una sola habilidad nueva. Si “representar” y “interpretar” se referencian mutuamente, adelanta “representar” como base y deja “interpretar” como aplicación.
Recursos fiables y plantillas
Para Moodle, repasa la documentación de Restrict access y Activity completion. Encontrarás ejemplos y FAQs útiles, además de informes de finalización para monitorear el progreso. Para Canvas, guía y tutoriales de Mastery Paths explican desde la activación hasta consejos prácticos (como publicar notas). Si te apetece profundizar en learning analytics con una mirada aplicada y actual, el Handbook of Learning Analytics (SoLAR) y el libro abierto Learning Analytics Methods & Tutorials ofrecen itinerarios desde básicos hasta avanzados.
También puede ser de tu interés:
Reseña manual de escritura: «La composición escrita: práctica de sus procesos»
La secuenciacion algoritmica curricular une buen diseño instruccional con datos accionables. Empieza con una unidad, define un grafo pequeño, levanta un diagnóstico inicial y aplica reglas simples en tu LMS.
En dos semanas tendrás señales claras para ajustar umbrales, reforzar cuellos de botella y ofrecer desafíos a quien va por delante. Lo importante no es “tener IA”, sino tomar decisiones docentes mejor informadas con el LMS como aliado.
Enlaces útiles
Moodle: Restrict access · Activity completion · Activity completion report
Canvas: Quick Guide to Mastery Paths · Cómo habilitar y configurar Mastery Paths
Analítica del aprendizaje: Handbook of Learning Analytics (2ª ed.) · Learning Analytics Methods & Tutorials (Open Access, 2024)
