Aprendizaje automático
¿Esto es tuyo o de DeepL?

Un proyecto de investigación del Goethe-Institut está desarrollando un programa de autoaprendizaje que no solo ayuda a descubrir a tramposos. En una entrevista con „Goethe aktuell“, el científico Leo Sylvio Rüdian explica cómo un programa de este tipo ayuda al profesorado en la tutoría de un curso de alemán en línea.

Sr. Rüdian, ¿Cuál es la diferencia entre inteligencia artificial, una red neuronal y un programa de autoaprendizaje?

Leo S. Rüdian: Usamos el término inteligencia artificial, entre otras cosas, para procesos que aprenden de los datos y de este modo toman decisiones. La idea es que le mostremos datos de nuestro mundo real a un proceso, por ejemplo, imágenes de perros y gatos. Una red neuronal se puede entrenar para que el proceso aprenda, mediante los datos, en qué imagen se puede ver un gato o un perro. Para futuras imágenes nuevas, la red neuronal puede decidir cuál de los dos animales es. Estructuras como las redes neuronales pueden ayudarnos a hacer predicciones. Sin embargo, hay una desventaja: no nos muestran cómo llegan al resultado, solo nos muestran el resultado en sí.

Está investigando el análisis automatizado de texto. ¿De qué trata el proyecto conjunto entre la Humboldt-Universität de Berlín y el Goethe-Institut?

Leo S. Rüdian: En numerosos talleres junto con el Goethe-Institut, hemos detectado una gran distancia entre nuestra investigación y la aplicación práctica. Hay muchas tecnologías en las que estamos trabajando que, a pesar de los excelentes resultados, aún no se han introducido en la práctica de los cursos de alemán en línea. Uno de los temas es el análisis automatizado de textos, donde desde el principio teníamos el objetivo de facilitar la transferencia de tecnología desde la ciencia al Goethe-Institut. En un primer paso, nos hemos centrado en apoyar a tutores y tutoras en la evaluación de tareas de escritura libre.

¿Y en esto qué problema puede resolver el análisis automatizado de texto?

Leo S. Rüdian: Una de las principales tareas del profesorado es la evaluación y corrección de tareas de escritura libre. Deben comprobar si un texto es apropiado para la lección actual, si los alumnos han aplicado el vocabulario enseñado y han utilizado la gramática que han aprendido. Esto requiere mucho meta-conocimiento sobre el curso. Queríamos saber si podemos desarrollar procesos que puedan asumir la evaluación tareas de escritura libre para apoyar a los profesores y a las profesoras. Porque de hecho, tenemos muchos parámetros objetivos que también podrían ser evaluados por algoritmos. ¿Qué datos usan para entrenar la tecnología?

Leo S. Rüdian: Trabajamos en dos niveles: Con el contenido del curso y los textos de usuario de tareas de escritura ya evaluadas en el pasado. El problema es que el proceso tiene que ser reentrenado y reajustado para cada tarea de escritura libre. Esto lleva mucho tiempo, ya que se debería disponer de cientos o incluso miles de evaluaciones para cada una de las tareas.

El programa de aprendizaje también debe ayudar a identificar textos „falsos“. ¿Podría explicar cómo?

Leo S. Rüdian: De vez en cuando hay alumnos que realizan sus tareas de escritura libre con herramientas de traducción automática como Google Translate o DeepL. A menudo podemos reconocer estos textos „falsos“ con nuestro criterio objetivo, ya que se utilizan construcciones lingüísticas y palabras que ni siquiera aparecen en los cursos. Además, apenas contienen errores. Textos así no suelen ser frecuentes en alumnos principiantes de idiomas. La combinación del uso de construcciones de lenguaje complejas con un texto casi libre de errores genera una alerta para los tutores/as en nuestro algoritmo. Este aviso insta al tutor o tutora a revisar el texto más de cerca.

¿Cómo será el aprendizaje de idiomas en el futuro?

Leo S. Rüdian: El futuro del aprendizaje de idiomas se ajustará individualmente, adaptando contenido y metodología a los conocimientos y preferencias previos del alumno. Hasta ahora era necesario un profesor particular, pero en el futuro las tecnologías permitirán una experiencia de aprendizaje personalizada para poder aprender de manera más eficiente. Esto no reemplazará a tutores y tutoras en un futuro próximo, en cambio, los ayudará.