# La patente de aprendizaje de Socra AI: distintos errores, distintas preguntas

Cómo US11238749B2 relaciona etiquetas de distractores, grupos de análisis y estimaciones de dominio con la práctica personalizada.

Source: https://www.iplexlaw.co.kr/es/blog/socra-ai-personalized-learning-distractor-tags

INICIO / Noticias y análisis Noticias y análisis La patente de aprendizaje de Socra AI: distintos errores, distintas preguntas Cómo US11238749B2 relaciona etiquetas de distractores, grupos de análisis y estimaciones de dominio con la práctica personalizada. Inteligencia artificial 2026.11.11 publicado IPLEX 6 min de lectura Ilustración conceptual que relaciona un distractor con conceptos de aprendizaje y la práctica posterior. Dos alumnos pueden fallar la misma pregunta por motivos distintos. US11238749B2, solicitada por Riiid, asigna etiquetas de conceptos a opciones incorrectas, actualiza estimaciones de dominio a partir de las respuestas y las utiliza para recomendar ejercicios. Un ejemplo ficticio de inglés permite explicar el mecanismo, separado de las funciones de Santa que publica Socra AI. La misma nota puede ocultar necesidades diferentes Imaginemos que dos alumnos fallan una pregunta de inglés. Uno emplea presente para algo ocurrido ayer; el otro elige pasado, pero combina un sujeto plural con un verbo singular. Ambos reciben un fallo, aunque pueden necesitar prácticas diferentes. Registrar únicamente el número de pregunta o el capítulo puede devolverlos al mismo material. La información del distractor elegido permite estudiar si conviene reforzar el tiempo verbal o la concordancia entre sujeto y verbo. La patente US11238749B2 de Riiid, concedida en Estados Unidos el 1 de febrero de 2022, describe el etiquetado de opciones, la actualización del dominio por conceptos y la personalización de preguntas. La empresa pasó posteriormente a llamarse Socra AI. Representar conceptos y opciones incorrectas El proceso organiza los elementos de aprendizaje en un árbol: gramática, verbos y, después, tiempo verbal o concordancia. Las etiquetas identifican elementos y los grupos de análisis reúnen etiquetas en unidades adecuadas para estudiar el aprendizaje. La base de preguntas conserva etiquetas para cada opción incorrecta o distractor, además del enunciado y las respuestas. Una opción puede tener varias etiquetas; la etiqueta principal identifica el concepto que se pretende evaluar. Las etiquetas detalladas ayudan a distinguir posibles confusiones, pero un historial escaso puede no permitir estimaciones fiables para cada una. Agruparlas permite analizar información de varias preguntas. Convertir respuestas en una estimación de dominio El alumno envía su respuesta desde un terminal. Un servidor de análisis la contrasta con la base de preguntas y mantiene una puntuación por grupo. La patente la denomina conquest rate; aquí se explica como indicador de dominio estimado. En el ejemplo de respuesta incorrecta se consideran tanto el distractor principal asociado al concepto evaluado como el realmente seleccionado. Si una opción tiene varias etiquetas, su peso se reparte y se suman las aportaciones correspondientes a una misma etiqueta. Una respuesta vinculada a tiempo verbal y concordancia puede aportar información a ambos conceptos. Al incorporar nuevos resultados se puede reducir la influencia del indicador anterior. De lo contrario, un error antiguo y uno reciente seguirían afectando por igual aun después de aprender. La actualización tiene en cuenta la estructura de las opciones y la evolución del historial, además del número de aciertos. Sigue siendo una estimación basada en patrones. El alumno puede adivinar o leer mal el enunciado. Importan las observaciones repetidas del grupo y las nuevas actualizaciones; la puntuación no mide directamente su comprensión. Un ejercicio ficticio de inglés Consideremos «The reports ___ ready yesterday.». La respuesta correcta es were. Are concuerda en plural, pero no con el tiempo indicado por yesterday; was está en pasado, pero no concuerda con el sujeto plural. El autor puede etiquetar el primer distractor como tiempo verbal y el segundo como concordancia. Si estos errores se repiten, el primer alumno podría practicar la relación entre expresiones temporales y tiempos verbales, y el segundo la elección de verbos para sujetos plurales. Es un ejemplo inventado para explicar la relación entre etiquetas y recomendaciones. Comparación ficticia: distintas opciones incorrectas conducen a ejercicios de tiempo verbal o concordancia. La descripción contempla preguntas cuya etiqueta principal corresponde a grupos débiles, o candidatos con patrones de etiquetas parecidos a los de errores anteriores. El terminal envía respuestas, el servidor actualiza el estado con las etiquetas, selecciona candidatos de la base y devuelve el siguiente ejercicio. Las funciones que Santa presenta públicamente Socra AI describe Santa como un servicio de aprendizaje con IA para TOEIC y TOEFL. Sus materiales incluyen predicción de puntuación específica del examen, análisis de debilidades y recomendaciones de estudio que se actualizan con la actividad. Son descripciones de la empresa: no acreditan la implementación de estas reivindicaciones ni garantizan resultados individuales. Explicar por qué se recomienda una pregunta El equipo necesita criterios coherentes para etiquetar opciones. Si una persona las clasifica como errores de tiempo verbal y otra como vocabulario, las recomendaciones cambian. Documentar criterios y excepciones, y examinar el acuerdo entre revisores, ayuda a evaluar la anotación. Compare alumnos con aciertos similares y patrones de error diferentes. Conserve etiquetas originales, opciones elegidas, grupos actualizados, candidatos y recomendación final. Incluya opciones con varias etiquetas y usuarios con poco historial. Para una descripción técnica orientada a patentes, concrete las entradas y las reglas que reducen candidatos. Comparar diseños basados solo en aciertos, en etiquetas de distractores y en ponderación del historial, bajo condiciones iguales, permite identificar la aportación de cada paso. IPLEX asesora sobre cómo organizar esos procesos y observaciones. Se conservan las indicaciones y formas originales; el contenido se explica en el texto. El ejercicio de inglés es ficticio. Se comentan aspectos técnicos de la patente y se distingue la información de Santa de una evaluación de implementación de reivindicaciones. Documento USPTO de US11238749B2 Texto de patente y registro de publicación Explicación oficial de Santa Anuncio del cambio de nombre de Riiid a Socra AI La patente de Google sobre comprensión documental: relacionar títulos, texto e imágenes mediante su disposición La patente de compresión de Nota: reentrenar un grupo de capas con sus entradas y salidas originales Consulte los proyectos de IA de IPLEX y los materiales para preparar una consulta sobre aprendizaje personalizado y recomendaciones. Conozca la experiencia de Yongduck Kim en IA Artículo original en Tistory Leer el original coreano Este artículo del archivo refleja la situación en su fecha de publicación. Contacte con el despacho para analizar su caso. Consultar sobre este tema ↗ Todos los artículos EN ESTA PÁGINA La misma nota puede ocultar necesidades diferentes Representar conceptos y opciones incorrectas Convertir respuestas en una estimación de dominio Un ejercicio ficticio de inglés Las funciones que Santa presenta públicamente Explicar por qué se recomienda una pregunta HABLE CON IPLEX Consulte sus necesidades de propiedad intelectual Analizamos conjuntamente sus necesidades tecnológicas y empresariales. ↗ Contactar Más reciente ¿Permiten nuevas pruebas reiterar una petición de nulidad de patente? ↗ Anterior Soportes cervicales desmontables de portabebés y actividad inventiva ↗ Artículos relacionados Inteligencia artificial 2026.11.19 Embeddings Matryoshka para buscar imágenes: filtrar con un prefijo y reordenar con el vector completo Lectura práctica de Matryoshka Representation Learning, el entrenamiento de longitudes anidadas y los resultados de ImageNet-1K en NeurIPS 2022. ↗ Lea el artículo Inteligencia artificial 2026.11.18 La patente de subtítulos de ByteDance: transcripción por pistas y ajuste de intervalos superpuestos Análisis de US11837234B2, la selección de pistas de audio y los tiempos de los subtítulos, distinguiendo la patente de la ayuda pública de CapCut. ↗ Lea el artículo Inteligencia artificial 2026.11.17 Texto reconocido de Apple: del teléfono o la URL a la acción adecuada US12001642B2 conecta texto reconocido, coordenadas, tipos de datos e interacción del usuario con menús y acciones contextuales. ↗ Lea el artículo

- https://www.iplexlaw.co.kr/es
- https://www.iplexlaw.co.kr/es/blog/category/ai
- https://image-ppubs.uspto.gov/dirsearch-public/print/downloadPdf/11238749
- https://patents.google.com/patent/US11238749B2/en
- https://corp.socra.ai/stories/11
- https://corp.socra.ai/en/stories/24
- https://www.iplexlaw.co.kr/es/blog/google-layout-aware-document-understanding
- https://www.iplexlaw.co.kr/es/blog/nota-local-model-compression-cached-features
- https://www.iplexlaw.co.kr/es/ai-patents
- https://iplexlaw.tistory.com/24
- https://www.iplexlaw.co.kr/ko/blog/socra-ai-personalized-learning-distractor-tags
- https://www.iplexlaw.co.kr/es/contact
- https://www.iplexlaw.co.kr/es/blog
- https://www.iplexlaw.co.kr/es/blog/socra-ai-personalized-learning-distractor-tags#article-24-en-0
- https://www.iplexlaw.co.kr/es/blog/socra-ai-personalized-learning-distractor-tags#article-24-en-1
- https://www.iplexlaw.co.kr/es/blog/socra-ai-personalized-learning-distractor-tags#article-24-en-2
- https://www.iplexlaw.co.kr/es/blog/socra-ai-personalized-learning-distractor-tags#article-24-en-3
- https://www.iplexlaw.co.kr/es/blog/socra-ai-personalized-learning-distractor-tags#article-24-en-4
- https://www.iplexlaw.co.kr/es/blog/socra-ai-personalized-learning-distractor-tags#article-24-en-5
- https://www.iplexlaw.co.kr/es/contact
- https://www.iplexlaw.co.kr/es/blog/brunch-case-1950
- https://www.iplexlaw.co.kr/es/blog/brunch-case-1945
- https://www.iplexlaw.co.kr/es/blog/matryoshka-prefix-vector-image-retrieval
- https://www.iplexlaw.co.kr/es/blog/matryoshka-prefix-vector-image-retrieval
- https://www.iplexlaw.co.kr/es/blog/bytedance-track-based-caption-timing
- https://www.iplexlaw.co.kr/es/blog/bytedance-track-based-caption-timing
- https://www.iplexlaw.co.kr/es/blog/apple-recognized-text-contextual-actions
- https://www.iplexlaw.co.kr/es/blog/apple-recognized-text-contextual-actions
