La formación y educación de tareas del mundo real en Realidad Virtual (VR) ha visto un creciente uso en la industria. Los datos de seguimiento de movimiento que son intrínsecos a las aplicaciones inmersivas de VR son ricos y pueden ser utilizados para mejorar el aprendizaje más allá de las interfaces de entrenamiento estándar. En este documento, presentamos clasificadores de aprendizaje automático (ML) que predicen resultados de una aplicación de entrenamiento en VR. Nuestro enfoque hace uso de los datos del visor montado en la cabeza (HMD) y de los controladores manuales rastreados durante el entrenamiento en VR para predecir si un usuario exhibirá una adquisición de conocimientos, retención de conocimientos y retención de rendimiento altos o bajos. Evaluamos seis conjuntos diferentes de características de entrada y encontramos diferentes grados de precisión según el resultado predicho. Al visualizar los datos de seguimiento, determinamos que los usuarios con mejores resultados de adquisición y retención realizaban movimientos con más certeza y con mayores velocidades que los usuarios con resultados más bajos. Nuestros resultados demuestran que es factible desarrollar aplicaciones de entrenamiento en VR que se adapten dinámicamente a un usuario utilizando datos de seguimiento comúnmente disponibles para predecir resultados de aprendizaje y retención.