El creciente número de tecnologías educativas presenta posibilidades y desafíos para la instrucción personalizada. Este documento presenta un sistema de soporte de decisiones centrado en el aprendiz para seleccionar estrategias de instrucción adaptativas, que incorpora la Técnica para el Orden de Preferencia por Similitud con la Solución Ideal (TOPSIS) en un entorno de aprendizaje en tiempo real. El sistema utiliza datos de rendimiento del aprendiz en múltiples dimensiones, como la tasa de errores, el tiempo en la tarea, el nivel de dominio y la motivación, para analizar y recomendar dinámicamente la mejor intervención pedagógica de un conjunto de estrategias, que incluye pistas, ejemplos de código, preguntas de reflexión y andamiaje dirigido. Al desarrollar el sistema, elegimos implementarlo en un curso de posgrado de programación en Java, ya que esto representa una estructura de carga cognitiva definida y abarca un espectro de aprendices. Se realizó una evaluación robusta con 100 estudiantes y un sistema adaptativo en comparación con una condición de control estática/sin adaptación. El sistema adaptativo con TOPSIS produjo resultados de aprendizaje estadísticamente más altos (ganancia normalizada g = 0.49), compromiso conductual (aumento del 28.3% en las tareas intentadas) y satisfacción del aprendiz. Un total del 85.3% de los evaluadores expertos coincidieron con las decisiones del sistema en comparación con la respuesta docente preferida hacia los problemas y comportamientos prescritos. En comparación con un enfoque basado en reglas, quedó claro que el marco TOPSIS proporcionó una adaptación más granular y efectiva. Los hallazgos validan el uso de la toma de decisiones multicriterio para el soporte instruccional en tiempo real y subrayan la transparencia, flexibilidad y potencial educativo del sistema propuesto en dominios de aprendizaje más amplios.