El uso de algoritmos adaptativos avanzados en sistemas de Realidad Aumentada (RA) trabaja para mejorar las habilidades espaciales con una valiosa relevancia en muchas esferas profesionales al proporcionar retroalimentación personalizada en un entorno inmersivo. Este estudio combina el Rastreado de Conocimiento Bayesiano (BKT) y el Razonamiento Humano Plausible (HPR) para diseñar un sistema de RA que puede adaptarse a simulaciones dinámicas con metodologías cognitivas tanto cuantitativas como cualitativas. El sistema registra una amplia gama de interacciones de los usuarios, como objetos que se rotan, cambios en la perspectiva de visualización y el tiempo dedicado a las tareas, que luego se analizan a través de actualizaciones probabilísticas con respecto al desarrollo de habilidades junto con razonamiento basado en reglas para determinar patrones de comportamiento. Los resultados de un estudio de caso en profundidad muestran que el módulo BKT rastrea adecuadamente la mejora en las habilidades espaciales, mientras que la aplicación HPR destaca enfoques subóptimos que ocultan la comprensión conceptual subyacente. El sistema adaptativo utilizado proporciona entonces pistas metacognitivas que se ajustan optimizando los niveles de dificultad de las tareas, lo que lleva a una mejora en el rendimiento de los estudiantes en comparación con las técnicas estándar de RA no adaptativas. Los resultados muestran que el uso de BKT y HPR en un entorno de RA no solo permite un rendimiento preciso en las tareas, sino que también apoya una mayor comprensión en las estrategias de enfoque, lo que conduce a mejores habilidades espaciales transferibles.