Resumen: El objetivo final de cualquier modelo docente es maximizar los resultados de aprendizaje de cada estudiante. A este objetivo, poco contribuye un proceso de enseñanza-aprendizaje de talla única, basado en una evaluación únicamente informativa, limitada a unos pocos aspectos y que se realiza al final del proceso, cuando ya no hay tiempo de reacción. Frente a esta situación, proponemos un modelo basado en una formación adaptativa, sustentado por un sistema de evaluación formativa, progresiva y predictiva, que permita detectar las carencias a tiempo y atenderlas de inmediato. Nuestra aportación en este sentido es una herramienta automática y predictiva de apoyo a la evaluación, que permite a los profesores seguir el desarrollo formativo de los estudiantes y, al mismo tiempo, proporciona una autoevaluación que sirve para mejorar la percepción de progresión de los propios estudiantes. La herramienta parte de un sistema instruccional gamificado utilizado desde hace 6 años (PLMan), recolecta un conjunto de datos de uso de este sistema y realiza un análisis de los mismos mediante técnicas de Machine Learning. A partir de los resultados parciales de este análisis, obtenidos durante el período académico, es capaz de realizar una predicción del rendimiento del estudiante y una proyección de su progreso futuro, presentando los resultados a través de unas interfaces muy simples. El sistema nos permite alcanzar un doble objetivo: por un lado, facilita al profesor una herramienta para realizar un seguimiento muy exhaustivo de la progresión de sus estudiantes sin que esto suponga un incremento importante de su carga de trabajo y, por otro lado, los estudiantes obtienen una retroalimentación inmediata de su progresión, lo que contribuye a su motivación y a la posibilidad de enmendar sus errores.Abstract: The ultimate goal of any teaching model is to maximize learning outcomes of each student. To this end, it shortly contributes a one size teaching-learning process, based on a just informative assessment, limited to a few aspects and taking place at the end of the process, when there is no reaction time. To face this situation, we propose an approach based on an adaptive training model, supported by a formative, progressive and predictive assessment system to detect deficiencies in time and address them immediately. Our contribution to this model is an automatic and predictive tool to support assessment. This tool, allows the teacher to monitor the training development of the students, while it also provides selfassessment so that the students can have a better perception about their own progression. This tool is based on a gamified instructional system used for 6 years (PLMan). The predictive tool collects a set of usage data from PLMan and it analyses the data using Machine Learning techniques. From the partial results of the analysis, obtained during the academic term, it is able to predict the student performance and to project the future progress. It presents the results through very simple graphs. The proposed system allows the fulfilment of two objectives: on the one hand, it provides the teacher with a tool to perform a very in-depth tracking of students' progression without a significant increase on their workload; on the other hand, the students get immediate feedback on their progress, improving