Desde el principio, la asistencia ha desempeñado un papel importante en los sistemas educativos, no solo en el éxito de los estudiantes, sino en el interés general por la materia. Aunque todas las escuelas intentan acentuar una buena asistencia, aún hay algunas que encuentran difícil alcanzar el nivel requerido (96% en el Reino Unido) de asistencia promedio. La forma más productiva de aumentar la tasa de asistencia de los alumnos es predecir cuándo va a disminuir, entender las razones por las que ocurrió y actuar sobre los factores que afectan para prevenirlo. La inteligencia artificial (IA) es una solución automatizada de aprendizaje automático para diferentes tipos de problemas. Varios modelos de aprendizaje automático (ML) como la regresión logística, los árboles de decisión, etc., son fáciles de entender; sin embargo, los modelos de ML complicados (redes neuronales, BART, etc.) no son transparentes, sino que son cajas negras para los humanos. No siempre es evidente cómo la inteligencia de las máquinas llegó a una decisión. Sin embargo, no siempre, pero en aplicaciones críticas es importante que los humanos puedan entender las razones de tales decisiones. En este documento, presentamos una metodología sobre el ejemplo de aplicación de la asistencia de los alumnos para construir explicaciones para los algoritmos de clasificación de IA. La metodología incluye la construcción de un modelo de la aplicación en el marco de trabajo Isabelle Insider e Infrastructure (IIIf) y un algoritmo (PCR) que nos ayuda a obtener una regla lógica detallada para especificar el rendimiento del algoritmo de caja negra, permitiéndonos así explicarlo. La explicación se proporciona dentro del modelo lógico del IIIf, por lo que es adecuada para audiencias humanas. Se ha demostrado que el ciclo RR del IIIf se puede adaptar para proporcionar un método para extraer iterativamente una explicación al entrelazar el análisis del árbol de ataques con el refinamiento de precondiciones, lo que finalmente produce una regla general que describe la decisión tomada por un algoritmo de caja negra producido por la inteligencia artificial.