| name | course-retro |
| version | 1.0.0 |
| description | Ingiere xAPI + feedback CSV de una cohorte y produce retro report Kirkpatrick L1-L4 con iteration candidates priorizados (impact × ease). Use when user asks to "course retrospective", "retro", "post-mortem cohort", "Kirkpatrick analysis", "analizar cohort", "retro del curso", "/course-retro".
|
Retro de Cohort
Análisis post-cohort: ingesta xAPI statements + feedback forms, mapea a
Kirkpatrick L1-L4, prioriza qué iterar.
Inputs
Flujo
Paso 1 — Load course + cohort number
- Cargar
course.json.
- Detectar siguiente N para
retros/retro-cohort-{N}.md (incrementar desde el último).
Paso 2 — Ingest xAPI
"¿Tenés un CSV con xAPI statements de la cohort? (ver formato esperado en
${CLAUDE_PLUGIN_ROOT}/references/adapters/xapi/csv.md).
Path al archivo (o 'skip' si no tenés):"
Si provisto: leer y parsear según adapters/xapi/csv.md.
Si skip: WARN "L2 Learning no podrá ser medido sin xAPI data" y continuar.
Paso 3 — Ingest feedback (Tally/Typeform)
"¿Tenés CSVs de Tally o Typeform por módulo? (uno por módulo, formato
documentado en ${CLAUDE_PLUGIN_ROOT}/references/adapters/feedback/).
Lista de paths (uno por línea, o 'skip'):"
Si provistos: parsear según adapters/feedback/{tally,typeform}-csv.md.
Si skip: WARN "L1 Reaction no podrá ser medido sin feedback data" y continuar.
Paso 4 — L3 + L4 manual prompts (opcional)
"Kirkpatrick L3 (Behavior 30 días después) y L4 (Results / capstone tracking)
requieren input manual.
L3: ¿hiciste follow-up survey 30 días post-curso? Si sí, dame los datos clave
(ej. '5/8 siguen usando Riverpod en proyectos personales').
L4: ¿cuántos alumnos completaron el capstone? ¿Con qué calidad?"
Paso 5 — Mapear a Kirkpatrick L1-L4
Por cada level, agregar la data:
- L1 Reaction: por módulo — avg rating, top 3 feedback recurrentes (free text
cluster), confusion points.
- L2 Learning: por AU — pass rate (passed / launched), score distribution,
time-on-task vs estimated.
- L3 Behavior (si data manual provista): summary qualitativo.
- L4 Results (si data manual provista): capstone completion rate + quality
highlights/lowlights.
Paso 6 — Priorize iteration candidates
Para cada signal anómalo (rating < 3.5, pass rate < 60%, time 2x estimated, etc.),
generar un iteration candidate con:
- Descripción del problema
- Impact estimate (cuántos alumnos afectados)
- Ease estimate (1-5: trivial → architectural change)
- Score = impact × ease
Ordenar por score descendente. Top 5 al usuario.
Paso 7 — Generate report
docs/instructional-design/courses/{slug}/retros/retro-cohort-{N}.md:
# Retro: {course title}, Cohort {N}
**Date**: {today}
**Cohort size**: {N learners}
**Course version at cohort start**: {version}
## L1 Reaction
| Módulo | Rating avg | N | Top feedback |
|---|---|---|---|
## L2 Learning
| AU | Pass rate | Score distribution | Time vs estimate |
|---|---|---|---|
## L3 Behavior (manual)
[summary]
## L4 Results (manual)
[summary]
## Top 5 Iteration Candidates (impact × ease)
1. ...
PUERTA (sola): confirmar antes de escribir el report.
Recursos
${CLAUDE_PLUGIN_ROOT}/references/adapters/xapi/csv.md${CLAUDE_PLUGIN_ROOT}/references/adapters/feedback/tally-csv.md${CLAUDE_PLUGIN_ROOT}/references/adapters/feedback/typeform-csv.md${CLAUDE_PLUGIN_ROOT}/assets/skill-references/kirkpatrick-evaluation.md${CLAUDE_PLUGIN_ROOT}/references/kirkpatrick-feedback-tools.md
