Accés directe:
Aneu directament al contingut (Alt 1)Aneu directament al segon nivell de navegació (Alt 3)Aneu directament al primer nivell de navegació (Alt 2)

Aprenentatge automàtic
Això és teu o de DeepL?

Schreiben - Lernen
Foto: © Goethe-Institut/Getty Images

Un projecte de recerca del Goethe-Institut està desenvolupant un programa d’autoaprenentatge que no només ajuda a descobrir a tramposos. En una entrevista amb „Goethe aktuell“, el científic Leo Sylvio Rüdian explica com un programa d’aquest tipus ajuda el professorat en la tutoria d’un curs d'alemany en línia.

Entrevista (versió curta). Les preguntes van ser realitzades per Victoria Engels, Goethe-Lab Sprache. Aquí trobarà l'entrevista completa [DE/EN]

Sr. Rüdian, quina diferència hi ha entre la intel·ligència artificial, una xarxa neuronal i un programa d’autoaprenentatge? 

Leo Sylvio Rüdian Foto (detall): © Leo Sylvio Rüdian Leo S. Rüdian: Fem servir el terme intel·ligència artificial, entre altres coses, per a processos que aprenen de les dades i així, prenen decisions. La idea és que li mostrem dades del nostre món real a un procés, per exemple, imatges de gats i gossos. Una xarxa neuronal es pot entrenar de manera que el procés aprengui, mitjançant les dades, en quina imatge es pot veure un gat o un gos. Per a futures noves imatges, la xarxa neuronal pot decidir de quin dels dos animals es tracta. Estructures com les xarxes neuronals ens poden ajudar a fer prediccions. No obstant això, hi ha un desavantatge: no ens mostren com arriben al resultat, només ens mostren el resultat en sí.

Esteu investigant l'anàlisi automatitzada de text. De què tracta el projecte conjunt entre la Humboldt-Universität (HU) de Berlin i el Goethe-Institut?

Leo S. Rüdian: En nombrosos tallers juntament amb el Goethe-Institut, hem detectat una gran distància entre la nostra investigació i l’aplicació pràctica. Hi ha moltes tecnologies en les quals estem treballant que, malgrat els bons resultats, encara no s’han introduït en la pràctica dels cursos d’alemany en línia. Un dels temes és l’anàlisi automatitzada de text, en la qual des del principi teníem l’objectiu de facilitar la transferència de tecnologia de la ciència al Goethe-Institut. En un primer pas, ens hem centrat a donar suport a tutors i tutores en l’avaluació de tasques d’escriptura lliure.

I en això quin problema pot resoldre l’anàlisi automatitzada de text?

Leo S. Rüdian: Una de les tasques principals del professorat és l’avaluació i la correcció de tasques d’escriptura lliure. Han de comprovar si un text és adequat per a la lliçó actual, si els estudiants han aplicat el vocabulari ensenyat i han utilitzat la gramàtica que han après. Això requereix molts meta-coneixements sobre el curs. Volíem esbrinar si podem desenvolupar processos que puguin fer-se càrrec de l’avaluació de tasques d’escriptura lliure per ajudar els professors i les professores. Perquè de fet, tenim molts paràmetres objectius que també es podrien avaluar mitjançant algoritmes.
 Això és teu o de DeepL? - Leo Sylvio Rüdian al seu despatx al teletreball Això és teu o de DeepL? - Leo Sylvio Rüdian al seu despatx al teletreball | Foto: © Leo Sylvio Rüdian
Quines dades utilitzeu per entrenar la tecnologia?

Leo S. Rüdian: Treballem en dos nivells: amb el contingut del curs i els textos de usuari de tasques d’escriptura ja avaluades en el passat. El problema és que el procés s’ha tornar a entrenar i reajustar per a cada tasca d’escriptura lliure. Això requereix molt de temps, ja que s’hauria de disposar de centenars o fins i tot milers d’avaluacions per a cadascuna de les tasques.


El programa d'aprenentatge també ha d'ajudar a identificar textos „falsos“. Podria explicar de quina manera?

Leo S. Rüdian: De tant en tant hi ha estudiants que realitzen les seves tasques d'escriptura lliure amb eines de traducció automàtica com Google Translate o DeepL. Aquests textos „falsos“ sovint els podem reconèixer amb els nostres criteris objectius, ja que s’hi utilitzen construccions lingüístiques i paraules que ni tan sols apareixen als cursos. A més, amb prou feines contenen errors. Textos així no acostumen a ser freqüents en alumnes principiants d’idiomes. La combinació de l’ús de construccions de llenguatge complexes amb un text gairebé lliure d’errors genera una alerta per als tutors/es en el nostre algoritme. Aquest avís fa que revisin el text de forma més detallada.

Com serà l’aprenentatge d’idiomes en el futur?

Leo S. Rüdian: El futur de l’aprenentatge d’idiomes s’ajustarà individualment, adaptant contingut i metodologia als coneixements previs i preferències dels alumnes. Fins ara era necessari un professor particular, però en el futur les tecnologies permetran una experiència d’aprenentatge personalitzada per a poder aprendre de manera més eficient. Això no substituirà a tutors i tutores en un futur proper, en canvi, els ajudarà.

Top