course-retro
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".
来源信息
- 仓库
- DojoCodingLabs/instructional-design-toolkit
- 最近来源活动
- 2026年4月19日 00:50
- 检测到的 SKILL.md 语言
- 英语
- 星标
- 1
- 分支
- 0
安装方式
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
检查来源文件
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
正在显示 SKILL.md
SKILL.md
来源说明 · 只读预览- 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
- `course-slug` (required).
## Flujo
### Paso 1 — Load course + cohort number
1. Cargar `course.json`.
2. 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`:
```markdown
# 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`
在 GitHub 查看