INTELIGENCIA ARTIFICIAL Y LÉXICO: UNA PROPUESTA CON CHATGPT PARA NIVELES B1 Y B2 EN LA ENSEÑANZA DEL ESPAÑOL COMO LENGUA EXTRANJERA
ARTIFICIAL INTELLIGENCE AND LEXICON: PROPOSAL WITH CHATGPT FOR LEVELS B1 AND B2 IN THE TEACHING OF SPANISH AS A FOREIGN LANGUAGE
María García Fernández
Universidad de Jaén
RESUMEN
Este artículo se centra en la adaptación que realiza ChatGPT al inventario léxico correspondiente a las dimensiones perceptivas y anímicas de los niveles B1 y B2 del español como lengua extranjera (ELE). Para ello, se realiza el análisis del corpus del Plan Curricular del Instituto Cervantes (PCIC) y de los textos generados por ChatGPT. Se presenta una serie de conclusiones preliminares con el objetivo de evaluar la adecuación del modelo de inteligencia artificial generativa a estos niveles de competencia de la lengua.
Palabras clave: léxico, español, ELE, Inteligencia Artificial.
ABSTRACT
This article focuses on the adaptation made by ChatGPT to the lexical inventory corresponding to the perceptual and emotional dimensions of levels B1 and B2 of Spanish as a foreign language (ELE). To do so, the corpus of the Instituto Cervantes Curricular Plan (PCIC) and the texts generated by ChatGPT are analyzed. A series of preliminary conclusions are presented with the aim of evaluating the suitability of the generative artificial intelligence model to these levels of language proficiency.
Keywords: Vocabulary, Spanish, ELE, Artificial Intelligence.
DOI: https://doi.org/10.17561/rilex.7.3.9111
1. INTRODUCCIÓN
El camino de la enseñanza de las segundas lenguas o lenguas extranjeras está cambiando debido a la Inteligencia Artificial (IA)1, en nuestro caso el español como lengua extranjera. Al procesar grandes cantidades de datos y aprender automáticamente a partir de ellos, la IA facilita el diseño de recursos que apoya la personalización durante el proceso de enseñanza-aprendizaje del español.
Dentro de este marco, la presencia de la IA en el área de la enseñanza de ELE2 suscita tanto una comunicación específica entre el usuario y el asistente conversacional, como:
la rapidez con la que procesa el lenguaje natural y establece una comunicación inmediata; un humano no puede generar ni procesar información a esta velocidad. Para generar un texto, la herramienta puede analizar y comprender los parámetros lingüísticos de manera profunda, asegurando además la coherencia u orden lógico de las diferentes partes de un texto y la cohesión o conexión interna de la información (Muñoz-Basols & Fuertes Gutiérrez, 2024, p. 346).
En este ámbito, unos de los últimos estudios sobre IA, publicado recientemente por Ofcom (2023), indica que el chatbot ChatGPT es utilizado por el 79% de los adolescentes de 13 a 17 años. Por otro lado, el 31% de los usuarios adultos de Internet dice haber utilizado la IA, mientras que el 69% dice que nunca lo ha hecho y el 24% no sabe qué es.
Con todo ello, la inteligencia artificial en el aula de L2/LE3 se integra como una herramienta rentable en la enseñanza de lenguas al personalizar las respuestas que recibe el alumnado ofreciendo una retroalimentación inmediata con la que se mejora la adquisición de las competencias y los contenidos específicos. No obstante, es necesario tener en cuenta los riesgos de sesgo al trabajar con IA en estos contextos ya que puede producir mensajes distorsionados con prejuicios sistemáticos.
1.1. LA INTELIGENCIA ARTIFICIAL EN EL ÁREA DE ELE
El término inteligencia artificial fue adoptado en 1956 en un encuentro organizado por McCarthy. Aunque hay otra teoría que defiende que este modelo nace con el estudio de McCulloch y Pitts en 1943, donde se presenta un sistema de neuronas artificiales basado en la fisiología y el funcionamiento de las neuronas del cerebro junto a la lógica proposicional tanto de Russell y Norvig (2003) como de la teoría de la computación de Turing.
La definición del concepto de IA no es una tarea fácil ya que existe un debate acerca de su origen y su finalidad en diferentes campos científicos, como el área de las humanidades. Ante esta necesidad la UNESCO (2023) determina que dichos sistemas:
son potencialmente capaces de imitar o incluso superar las capacidades cognitivas humanas, incluyendo la detección, la interacción lingüística, el razonamiento y el análisis, la resolución de problemas e incluso la creatividad (UNESCO, 2023, p. 9).
En cuanto a los factores relacionados con las funciones de la IA han sido investigados desde diversas perspectivas, como el estudio de Torra i Reventós (2019, p. 12) que plantea la siguiente clasificación:
• Actuar como las personas según el test de Turing (1950), donde la IA tiene la capacidad de engañar a un usuario humano.
• Razonar como las personas siguiendo el enfoque cognoscitivo con el objetivo de pensar como una persona.
• Razonar racionalmente bajo las leyes del pensamiento con las que se puede discernir lo que es correcto o no.
• Actuar racionalmente que hace hincapié en el concepto de inferencia del conocimiento correcto.
Dentro de la formación del alumnado y del profesorado, el estudio de Petricini, Wu y Zipf (2023) señala la necesidad de una alfabetización para un uso seguro y adecuado de herramientas como ChatGPT. Este proceso contempla los siguientes niveles:
1) Alfabetización instrumental, con la que se aprende la funcionalidad de las herramientas.
2) Alfabetización competencial, que nos ayuda a construir conocimiento con habilidades y conocimientos.
3) Alfabetización crítica, donde reflexionamos sobre el impacto de la IA en la sociedad y en la educación.
En este contexto los métodos basados en IA desempeñan un papel importante en la integración de estos modelos durante el proceso de adquisición de una L2/LE. A continuación, se ilustra en la tabla 1 la relación entre las técnicas y las categorías:
Métodos |
Niveles |
Resolución de problemas Aprendizaje Sistema basado en el conocimiento Inteligencia artificial distribuida |
Lenguaje natural Visión Robótica Reconocimiento del habla |
TABLA 1: Métodos y niveles de la inteligencia artificial según Torra i Reventós (2019, p. 19)
La literatura científica publicada hasta el momento se centra en la personalización de la enseñanza-aprendizaje con las aplicaciones de IA (Huang et al., 2023; Mayer, 2017; Fryer, Ainley, Thompson, Gibson y Sherlock, 2017). Para comprender la relación entre esta tecnología y la enseñanza de lenguas es necesario diferenciar el concepto de Procesamiento del Lenguaje Natural (PLN) que estudia la comunicación lingüística entre máquina y humano. En concreto, “el PLN se enfoca específicamente en cómo se procesa el lenguaje humano en tareas y aplicaciones concretas dentro de un entorno de IA, la IA abarca el diseño y desarrollo de sistemas inteligentes” (Muñoz-Basols & Fuertes Gutiérrez, 2024, p. 349).
Además, del aprendizaje profundo (deep learning) con el que “en lugar de detallar el conjunto de reglas y criterios que un computador debe seguir para cumplir un objetivo […] se enfocan en aprender a resolver el problema por sí mismos a partir de datos y ejemplos prexistentes” (Jara & Ochoa, 2020, p. 4) y el aprendizaje automático (machine learning) que “construye modelos matemáticos, a partir de datos registrados como muestra, para hacer predicciones o tomar decisiones emulando la inteligencia humana sin necesidad de pre-programación” (Ayuso del Puerto & Gutiérrez Esteban, 2022, p. 348).
No obstante, la IA plantea problemas éticos y morales en su implementación como herramienta en la adquisición de lenguas. Arroyo Sagasta (2024, p. 103) señala que “puede provocar situaciones de desigualdad, ya que el acceso a la tecnología en una misma aula no es igualatorio” y la cuestión del sesgo algorítmico. Todo ello implica la “la labor de filtro crítico, exigir condiciones a la tecnología en el aula y reconocer la trascendencia de la implementación de ciertas tecnologías” (Arroyo Sagasta, 2024, pp. 107-108).
1.2. LOS ASISTENTES CONVERSACIONALES DE IA
La inteligencia artificial (IA) transforma la forma en que interactuamos con los sistemas y dispositivos a partir del desarrollo de asistentes conversacionales, también conocidos como chatbots (Coniam, 2014; Fryer, Ainley, Thompson, Gibson & Sherlock, 2017; Jia, 2004). Estos programas de IA generan conversaciones con los usuarios, integrando la combinación de tecnologías como el procesamiento del lenguaje natural (LLM), el aprendizaje automático (ML) y el aprendizaje profundo (deep learning). En esta línea, la investigación de Alarcón, Maina y Guàrdia (2020, pp. 1140-1145) evalúa el nivel de competencia comunicativa del chatbot Cleverbot a través de conversaciones con las que llegan a las siguientes conclusiones:
• El alcance de las producciones del chatbot responden al nivel A2 de los descriptores del Marco Común Europeo de Referencia (MCER).
• El nivel de corrección se encuentra entre los niveles B1 y B2 de los descriptores del Marco Común Europeo de Referencia (MCER).
• La interacción escrita y la coherencia es la categoría más deficiente con errores y respuestas descontextualizadas. Por lo que respondería al nivel A1 de los descriptores del Marco Común Europeo de Referencia (MCER).
De otra forma, el estudio de Huang et al. (2023) ofrece un punto de vista alternativo que destaca la integración de la IA para aprender las cuatro destrezas, en un orden concreto: expresión escrita, comprensión lectora, expresión y comprensión oral. En este sentido, los autores llegan a la conclusión que los chatbots sirven como mediador en el proceso de adquisición de L2/LE como son el vocabulario y la gramática.
Como se mencionó en el apartado anterior, la implementación de la IA conlleva una serie de cuestiones técnicas que se complementan con las investigaciones de Gómez Soler y Tecedor (2024) y Dooly y Comas-Quinn (2024) acerca del uso ético, la privacidad o la accesibilidad de estos sistemas por parte de los docentes y estudiantes. Esto sugiere que la inclusión de estas herramientas en la enseñanza de ELE aporta una exposición de la lengua meta con diferentes oportunidades de aprendizaje.
A partir de la tabla inferior (Tabla 2) podemos establecer las características y el potencial de los distintos asistentes conversaciones de IA que se dirigen a la enseñanza-aprendizaje de L2/LE:
Chatbot |
Descripción |
Características |
ChatGPT |
Asistente de IA desarrollado por OpenAI, conocido por su capacidad de generar respuestas de forma natural a lo largo de las conversaciones que mantiene usuario – máquina. |
La generación de contenido es flexible y personalizable al estilo del usuario. Sin embargo, este modelo puede tener menos precisión al ofrecer información y generar contenidos sesgado. |
Google Gemini |
Sistema de IA de Google que es capaz de trabajar de manera multimodal, con lo que puede procesar información de texto, imagen, audio y vídeo. |
La capacidad multimodal ofrece un alto rendimiento durante la comunicación con el usuario. Pero tiene menos opciones de personalización. |
Perplexity |
Modelo creado por Anthropic que integra el lenguaje natural para resolver problemas y tareas de escritura o análisis de datos. |
La interacción es fluida ya que tiene un amplio conocimiento y una versatilidad en diferentes tareas. No obstante, presenta falta de empatía y dificultades de comprensión en ciertos contextos. |
TABLA 2: Características de los asistentes conversaciones de IA aplicados a ELE. Fuente: Elaboración propia
Como se muestra en la figura (Tabla 2), los chatbots tienen la capacidad de mantener conversaciones naturales, adaptándose a las necesidades individuales de cada usuario. De esta manera, estos modelos se caracterizan por la personalización de respuestas, el acceso a gran cantidad de datos, la interacción natural y la atención a múltiples usuarios simultáneamente. En cuanto a limitaciones podemos destacar su limitación en la comprensión de textos en contextos específicos, la falta de empatía y la preocupación tanto por la privación como la seguridad de los datos compartidos con dichos sistemas.
Dentro de este marco, los asistentes conversacionales de inteligencia artificial, como ChatGPT y otros chatbots que utilizan el aprendizaje profundo (deep learning) y el aprendizaje automático, representan un tipo de tecnología que proporciona una interacción constante a la L2 con una retroalimentación personalizada (Chen, Zou Xie & Cheng, 2021; Román-Mendoza, 2023a, 2023b). En resumen, estos programas ofrecen diferentes puntos positivos, como la capacidad de adaptabilidad y accesibilidad de la información. No obstante, también presentan retos, como la necesidad de entrenar y mantener actualizados los algoritmos, y la posibilidad de errores en las respuestas que ofrece la IA.
2. METODOLOGÍA
El presente artículo plantea una investigación con ChatGPT, un modelo grande de lenguaje (LLM) que crea un corpus a partir de grandes cantidades de datos para generar información e interactuar con el usuario. Como mencionamos anteriormente las características y la definición de este chatbot, nos centraremos en la aplicabilidad que tiene esta herramienta en nuestro estudio.
Siguiendo las funciones e implementaciones del asistente de IA ChatGPT por UNESCO (2023) podemos integrarlo para examinar respuestas alternativas de contenido tanto gramatical como léxico y generar contenido para explicar cómo aprender conceptos específicos de la lengua. Asimismo, se lleva a cabo este trabajo teniendo en cuenta los siguientes ítems (UNESCO, 2023; Muñoz-Basols & Fuertes Gutiérrez, 2024, p. 348):
1) Los aprendientes describen su nivel a ChatGPT y le piden maneras de ayudarles a estudiar el material.
2) Los docentes o los aprendientes piden a ChatGPT ideas sobre cómo ampliar el aprendizaje después de proporcionar un resumen de su nivel de conocimientos mediate cuestionarios o ejercicios.
Con todo ello, uno de los objetivos del artículo consiste en evaluar los aspectos positivos y negativos que conlleva la integración de ChatGPT en el aula como parte del proceso de adquisición del léxico y, por lo tanto, establecer rutas que solventen los problemas que aparecen en las conversaciones estudiante-docente-inteligencia artificial.
Para llevar a cabo el estudio se elaboró un corpus de términos generado por ChatGPT4, los datos se etiquetaron y analizaron según el nivel de la lengua (B1–B2) junto a su adecuación léxica cultural, así como la de su contenido. El registro se elaboró con preguntas formuladas a partir de las referencias propuestas en el Plan Curricular del Instituto Cervantes (PCIC). Dentro de este marco se incluyeron los prompts de 7 apartados correspondientes a las nociones específicas “Individuo: dimensión perceptiva y anímica” extraídas del documento oficial del PCIC para la enseñanza del español en el nivel intermedio B1–B2.
Dentro de la metodología de análisis de léxico mediado con inteligencia artificial, se siguen los estudios de carácter específico para ELE, como, Corpas Pastor (1996), Lewis (1993, 2000), Olimpio de Oliveira Silva (2004, 2006), Higueras García (1997a, 1997b, 2006), González Rey (2012) y Aguilar Ruiz (2013).
En cuanto a los datos, la investigación trabajó por una parte con el corpus del PCIC (niveles B1 y B2) que contiene un total de 254 palabras, las cuales están organizadas en los siguientes apartados:
1. Carácter y personalidad
2. Sentimientos y estados de ánimo
3. Sensaciones y percepciones físicas
4. Estados mentales
5. Modales y comportamiento
6. Valores personales
7. Suerte
Por otra parte, el corpus generado por ChatGPT contempla 310 palabras para el nivel B1 y 316 para el nivel B2. Es decir, el total de 652 palabras para el nivel intermedio de español como lengua extranjera. Las fórmulas escritas o prompts establecidos con ChatGPT las llevó a cabo la investigadora y autora de este artículo para su posterior análisis. A continuación, se presenta la tipología de preguntas e instrucciones (Tabla 3) que se hicieron con el chatbot de IA:
Tipos de prompts |
Ejemplos de respuestas por ChatGPT |
Definición: Define el sentimiento de 'alegría'. |
Alegría es una sensación de felicidad y bienestar que se experimenta cuando algo positivo sucede. |
Sinónimos y antónimos: Proporciona un sinónimo y un antónimo para 'tristeza |
Un sinónimo de 'tristeza' es 'melancolía' y un antónimo es 'alegría'. |
Uso en oraciones: Escribe una oración usando la palabra 'ansiedad'. |
María siente mucha ansiedad antes de sus exámenes. |
Contraste en diferentes contextos: Explica cómo puede variar el sentimiento de 'miedo' en diferentes situaciones. |
El miedo puede ser una respuesta a un peligro inminente, como enfrentarse a un animal salvaje, o puede ser una ansiedad más general, como el miedo al fracaso en un nuevo trabajo. |
TABLA 3: Tipos prompts con ChatGPT. Fuente: Elaboración propia
En el próximo apartado se analizarán los datos extraídos de los corpus para poder discutir tanto el potencial como las limitaciones de la inteligencia artificial durante el proceso de adquisición del léxico en ELE para los niveles B1 y B2.
3. RESULTADOS
En cuanto a la estructura de las respuestas generadas por ChatGPT observamos que presenta el léxico como una lista bilingüe, donde cada término aparece en español y en inglés. El sistema de IA automáticamente traduce cada palabra o enunciado del español al inglés, como si la lengua materna del estudiante fuera esa o presupone que tiene conocimientos suficientes para comprender su traducción en inglés. Asimismo, las respuestas que ofrece las ordena directamente en cinco subapartados considerados por el chatbot un trabajo similar al que realiza el PCIC y el MCER.
Un ejemplo de ello es la división que propone de la dimensión 2.2. del PCIC “Sentimientos y estados de ánimo” en emociones positivas y negativas, expresiones de sentimientos, estados de ánimo y expresiones relacionadas–adicionales. Además, este sistema etiqueta a los sentimientos como “básicos” dentro del vocabulario para los niveles B1–B2. Cabe destacar que propone expresiones más complejas que no corresponden al nivel de la lengua, como, por ejemplo ‘me duele el corazón o estar hecho un lío’ (según el PCIC estas estructuras se encuentran en el nivel C2).
En esta línea, el asistente conversacional de IA, a diferencia del PCIC, añade secciones con expresiones para completar el vocabulario de cada dimensión específica. En la tabla 4 se muestra el contenido adicional que genera ChatGPT para nivel B1:
NIVEL B1 |
|
Expresiones de cortesía |
¿Podrías por favor? Si no es mucha molestia. Por favor, ¿puedes pasarme la sal? |
Expresiones de buenos modales |
¿Te pareció grosero lo que dijo? ¿Cómo te sientes cuando alguien es mal educado contigo? |
Valores personales |
La gratitud nos hace apreciar lo que tenemos. La generosidad nos hace mejores personas. |
TABLA 4: Expresiones generadas por ChatGPT para el nivel B1. Fuente: Elaboración propia
La inteligencia artificial entiende estas construcciones como complemento al conjunto de palabras de la dimensión perceptiva y anímica del individuo. No obstante, los ejemplos no contextualizan lo suficiente los conceptos, sino que parecen preguntas aisladas con las que el estudiante necesitaría apoyo lingüístico para mantener una conversación. En ocasiones, este modelo no completa las expresiones y le añade puntos suspensivos, como en el caso de ‘tengo miedo …’ o ‘tengo esperanza en el futuro’. Con ello, se observa que no atiende a un patrón con lo que puede provocar confusión en el usuario. A partir de esto observamos que para el chatbot el aprendizaje del léxico implica que las palabras tengan una carga cultural que enriquece la adquisición de una L2/LE.
En lo referente al tipo de palabras o expresiones, ChatGPT se centra en adjetivos, locuciones, enunciados fraseológicos o preguntas abiertas. En ningún caso el listado bilingüe de la IA pone en contexto las palabras o expresiones, con lo que es más complicado comprender su significado. Por una parte, los enunciados fraseológicos son de carácter rutinario que aparecen en todos los apartados del corpus, como ‘por favor,’ ‘gracias’, ‘lo siento’, ‘hola’. Por otra parte, las preguntas abiertas se entienden como las expresiones adicionales que plantea la herramienta para promover la escritura y la oralidad. A continuación, se muestran algunos ejemplos: ‘¿Cómo te sientes cuando alguien es maleducado contigo?’, ‘¿Consideras importante ser amable con los demás?’ o ‘¿Cuáles son tus valores más importantes?’
Dentro de este contexto es importante destacar que el chatbot mezcla apartados como “Modales y comportamiento” con el epígrafe 5. del PCIC correspondiente a “Relacionarse socialmente” en el que se trata el contenido referente a saludos, fórmulas de tratamiento o despedidas. Por ello, este modelo de inteligencia artificial plantea vocabulario propio de un nivel más avanzado que intermedio, como ocurre en los siguientes casos: ‘ardor’, ‘fatiga’ o ‘grosero’ (Nivel C1) y ‘hormigueo’ o ‘gratitud’ (nivel C2).
El apartado de ‘suerte’ (epígrafe 2.7. en el PCIC) es el que más diferencias presenta entre lo que indica el MCER y el PCIC con lo que plantea la IA. Por una parte, el Instituto Cervantes propone solamente para el nivel B1 la expresión ‘tener buena/mala suerte’, ya que para el nivel B2 no se contempla ningún término al respecto. Por otra parte, ChatGPT formula las siguientes construcciones para los niveles intermedios de ELE (Tabla 5):
NIVEL B1 |
NIVEL B2 |
Suerte y al toro La suerte está echada Mucha mierda Que Dios te acompañe |
Suerte de principiante Tentar a la suerte No seas gato negro Tocar madera Cruzar los dedos |
TABLA 5: Expresiones sobre ‘suerte’ generadas por ChatGPT para los niveles B1-B2. Fuente: Elaboración propia
En lo que respecta al nivel B1, las expresiones no corresponden a ese nivel de competencia de la lengua, sino que encajaría más en el nivel C1 o C2. En este sentido, la IA sugiere una serie de conceptos que no entendería un estudiante de B1 o B2 tanto por la complejidad léxico como por la dimensión cultural de las expresiones. Cabe destacar que el chatbot lo presenta en una lista aislada sin contexto alguno que ayudaría al alumnado a comprender dichas frases. A continuación, explicamos cada uno de los ejemplos del nivel B1:
• Suerte y al toro: esta expresión tiene su origen en la tradición taurina, en concreto, en la expresión ‘¡Al toro!’. Hace referencia al momento del toro enfrente del torero, donde puede perder la vida por una tocada. Antes de empezar, la gente grita al torero ‘suerte y al toro’ para desearle suerte en la corrida de toros. En otro contexto, podríamos usar el mismo ejemplo cuando un trabajador quiere pedir un aumento de sueldo y cuando va a hablar con el jefe una compañera le desea suerte con la expresión ‘¡Suerte y al toro!’.
• La suerte está echada: según el DRAE se emplea esta paremia a modo de consuelo cuando resulta imposible modificar una situación, en especial su desenlace. Un ejemplo de ello sería cuando un compañero le dice a otro después de realizar un examen ‘la suerte está echada’. También, se atribuye esta frase a Julio César, cuando dijo ‘Alea iacta est’ en el momento de pasar el Rubicón.
• Mucha mierda: esta expresión aparece en los siglos XVI y XVII cuando la gente rica acudía a los teatros en coches de caballos. Por ello, cuantos más coches de caballos acudían, más excrementos de este animal había en el suelo. Eso quería decir que el evento había sido un éxito. De ahí que esta expresión sirva para desear suerte.
• Que Dios te acompañe: nos encontramos ante un tópico religioso exclamativo que se usa como saludo o despedida. En concreto, como locución de saludo se formula un deseo suplicatorio, mientras que en las de despedida se invoca la protección de Dios.
Ahora bien, en lo que corresponde al nivel B2 podemos observar que la IA incorpora a las expresiones para desear suerte una serie de cuestiones culturales como son las supersticiones relacionadas con la suerte. Este aspecto confirma nuestra teoría acerca que los chatbots entienden que el léxico debe presentarse en contexto con la carga cultural que contienen frases hechas, locuciones, modismos, entre otros. En este sentido, los ejemplos que nos propone ChatGPT son los siguientes:
• Suerte de principiante: esta locución nominal une las palabras ‘suerte’ y ‘principiante’ con la que hace referencia al desenlace positivo que tiene una persona por no tener experiencia sobre algo. En este sentido sería equivalente a la locución ‘golpe de suerte’ como un evento favorable puntual en la vida de alguien.
• No tientes a la suerte: locución verbal de carácter coloquial que según el DLE (Diccionario de la lengua española) significa arriesgarse en exceso.
• No seas gato negro: en algunas culturas, existe la creencia de que un gato negro cruzando tu camino trae buena o mala suerte, dependiendo de la tradición. En la superstición occidental, a menudo se asocia con la mala suerte, mientras que en otras culturas puede ser considerado un signo de buena fortuna.
• Tocar madera: esta locución verbal formada por el verbo ‘tocar’ y el sustantivo ‘madera’ expresa una superstición acompañada del gesto literal de tocar madera. En concreto se usa para evitar o alejar situaciones desfavorables que le han ocurrido a otros.
• Cruzar los dedos: locución verbal coloquial que se emplea para atraer la buena suerte a partir del gesto corporal.
4. DISCUSIÓN
El análisis de los corpus nos permite confirmar que ChatGPT genera textos a cualquier pregunta acerca del léxico como si se tratara de un asesor o tutor de ELE. La mayoría de las respuestas analizadas son parecidas a las que podría tener el alumnado con un hablante nativo de español. Aunque no tendría la estructura que propone el chatbot ni generaría expresiones sin contextualización en los casos que sea necesario.
Asimismo, podemos comprobar que sus respuestas a cuestiones léxicas plantean las siguientes cuestiones:
a) Produce expresiones con la misma estructura y emplea fórmulas repetitivas.
b) Genera textos con un estilo y una ortotipografía propia del inglés.
c) Presenta de manera automática el vocabulario en listas bilingües de español–inglés.
d) Proporciona estructuras léxicas más complejas al nivel que se le exige y con unas características específicas.
En primer lugar, ChatGPT en el área de ELE tiene la capacidad de generar un corpus a través de un algoritmo que lo define como un asistente conversacional de IA. Al trabajar con el modelo grande de lenguaje (LLM) responde a cualquier pregunta e intenta simular el comportamiento humano para adaptarse a las necesidades de cada estudiante. A lo largo del artículo se ha mostrado (Tabla 3 y 4) la competencia del chatbot a la hora de crear un marco para aprender léxico con estudiantes de ELE, pero con ciertas limitaciones. En cuanto a aspectos negativos se observa la repetición de patrones para organizar el contenido y la presentación de la misma cantidad de información. En concreto, el modelo de inteligencia artificial ofrece un diseño basado en cinco niveles en los que aparecen palabras, expresiones y preguntas. Este hecho podría no ser tan productivo al plantear una lista repetitiva de enunciados descontextualizados para el estudiante.
En segundo lugar, los textos generados por ChatGPT presentan un estilo propio del inglés, como el uso de los signos de exclamación y de interrogación únicamente al final de la oración o el empleo de mayúsculas en cada palabra de un título o apartado. En este sentido, el algoritmo de este sistema se encuentra en inglés y se apoya en esta lengua para explicar el significado de ciertas palabras antes que en español. Como mencionamos anteriormente, la implementación de estos recursos requiere de ciertos conocimientos del inglés y de la competencia digital docente–estudiante.
Teniendo en cuenta todo lo anterior, se distingue en tercer lugar la propuesta de marco léxico de la IA como una lista bilingüe de español–inglés. De manera automática diseña un inventario con el vocabulario que, según ChatGPT, se enmarca en los niveles intermedios del español. En este listado el contenido se traduce al inglés e incluso se explica en este idioma y no en español. Con este método no se contempla otra lengua de apoyo para el proceso de adquisición de léxico español. Por tanto, el formato de lista de palabras podría amenizar su aprendizaje, pero la falta de recursos adicionales no responde a las necesidades reales del alumnado de ELE.
En último lugar, la tipología léxica del algoritmo de ChatGPT se caracteriza por usar adjetivos y locuciones. En concreto, locuciones nominales y verbales. El hecho de que la IA use estas unidades léxicas presupone una exposición a un lenguaje auténtico, con el que mejorará la fluidez comunicativa del estudiante en español. En este sentido, el chatbot plantea parte de su inventario con locuciones para ayudar al usuario a tener más confianza con la segunda lengua y a estar más cerca de sentirse nativo. Además, las locuciones ayudan a comprender la carga cultural del vocabulario a partir de una estructura dinámica y contextualizada. Con ello se presentan una serie de combinaciones que no pueden entenderse literalmente sin acceder a los matices culturales y las situaciones comunicativas específicas.
5. CONCLUSIÓN
La enseñanza del español como lengua extranjera ha evolucionado en la última década con la tecnología educativa y especialmente, con la inteligencia artificial como complemento en el proceso de adquisición. En este artículo nos hemos centrado en el uso de ChatGPT para crear un marco léxico de los niveles B1 y B2 con los que se muestra tanto las limitaciones como las ventajas del uso de la IA en el aula de segundas lenguas o lenguas extranjeras.
En el análisis se ha podido observar la capacidad del chatbot a la hora de diseñar un inventario de las dimensiones perceptivas y anímicas en español para el nivel intermedio del español. Sin embargo, la forma de listas bilingües no es suficiente porque aprender vocabulario implica más que la memorización de palabras. Asimismo, se ha comprobado la falta de ejemplos o de conversaciones contextualizando cada unidad léxica en diferentes situaciones comunicativas. Todo ello limita la comprensión y el uso de unidades fraseológicas productivas en español para hablantes no nativos.
A pesar de los avances de la IA, una de sus limitaciones más significativas es la falta de interacción humana. El acceso a otra lengua supone no solo la comprensión del léxico, sino también la capacidad de entender la carga cultural que aún no puede captar un asistente conversacional de IA. Por tanto, la falta de contexto puede llevar a malentendidos o a un uso inapropiado del léxico aprendido con estos recursos sin mediación del docente.
Como líneas futuras de investigación sería necesario abordar la integración de técnicas que faciliten al algoritmo una contextualización auténtica del léxico en español para disminuir sesgos o errores de aprendizaje. Además, la creación de un marco que informe sobre sus implicaciones éticas para que sean utilizadas en el aula de manera responsable. En conclusión, en el campo de la enseñanza de ELE sería necesario considerar una formación específica del docente y del alumnado para incorporar estos modelos de manera competente.
REFERENCIAS BIBLIOGRÁFICAS
Aguilar Ruiz, M. (2013). Notas sobre las posibilidades de aprendizaje de español mediante unidades fraseológicas. MarcoELE: Revista de Didáctica Español Lengua Extranjera, 17. https://n9.cl/mb653
Alarcón, C., Maina. M. & Guàrdia, L. (2020). Evaluación del chatbot Cleverbot para la adquisición de español como lengua extranjera. En E. Sánchez, E., Colomo, J. Ruiz & J. Sánchez (coords.), Tecnologías educativas y estrategias didácticas (pp. 1136-1147). umaeditorial.
Arroyo Sagasta, A. (2024). Inteligencia artificial y educación: construyendo puentes. Graó.
Ayuso del Puerto, D. & Gutiérrez Esteban, P. (2022). La Inteligencia Artificial como recurso educativo durante la formación inicial del profesorado. RIED-Revista Iberoamericana de Educación a Distancia, 25(2), 347-362. https://doi.org/10.5944/ried.25.2.32332
Chen, X., D. Zou, H. Xie & Cheng, G. (2021). Twenty Years of Personalized Language Learning. Educational Technology & Society, 24(1), 205-222. https://n9.cl/za4e6
Coniam, D. (2014). The Linguistic Accuracy of Chatbots: Usability from an ESL Perspective. Text and Talk, 34(5), 545-567. https://doi.org/10.1515/text-2014-0018
Consejo de Europa (2002). Marco Común Europeo de Referencia para las Lenguas: aprendizaje, enseñanza y evaluación. Instituto Cervantes, Ministerio de Educación Ciencia y Cultura y Anaya. https://n9.cl/igjo0
Corpas Pastor, G. (1996). Manual de fraseología española. Gredos.
Dooly, M. & Comas-Quinn, A. (2024). Accesibilidad a la tecnología y justicia social. En J. Muñoz-Basols, M. Fuertes Gutiérrez & L. Cerezo (eds.), La enseñanza del español mediada por tecnología. De la justicia social a la Inteligencia Artificial (IA) (pp. 23-47). Routledge. https://doi.org/10.4324/9781003146391
Fryer, L., Ainley, M., Thompson, A., Gibson, A. & Sherlock, Z. (2017). Stimulating and Sustaining Interest in a Language Course: An Experimental Comparison of Chatbot and Human Task Partners. Computers in Human Behavior, 75, 461-468. https://doi.org/10.1016/j.chb.2017.05.045
Gómez Soler, I. & Tecedor, M. (2024). Creencias, actitudes y competencias del docente virtual. En J. Muñoz-Basols, M. Fuertes Gutiérrez & L. Cerezo (eds.), La enseñanza del español mediada por tecnología. De la justicia social a la Inteligencia Artificial (IA) (pp. 70-96). Routledge. https://doi.org/10.4324/9781003146391
González Rey, M. (2012). De la didáctica de la fraseología a la fraseodidáctica. Paremia, 21, 67-84.
Higueras García, M. (1997a). La importancia del componente idiomático en la enseñanza del léxico a extranjeros. Frecuencia, 6, 15-19.
Higueras García, M. (1997b). Las unidades léxicas y la enseñanza del léxico a extranjeros. Revista de Adquisición de la Lengua Española, 8, 35-49.
Higueras García, M. (2006). Las colocaciones y su enseñanza en la clase de ELE. Arco Libros.
Huang, X., D. Zou, G. Cheng, X. Chen & H. Xie (2023). Trends, Research Issues and Applications of Artificial Intelligence in Language Education. Educational Technology & Society, 26(1), 112-131. https://n9.cl/nlfsg5
Instituto Cervantes (2006). Plan curricular del Instituto Cervantes. Niveles de referencia para el español. Instituto Cervantes y Biblioteca Nueva.
Jara, I. & Ochoa, J. M. (2020). Usos y efectos de la inteligencia artificial en educación. Banco Interamericano de Desarrollo. Sector Social. División educación. https://doi.org/10.18235/0002380
Jia, J. (2004). The Study of the Application of a Web-Based Chatbot System on the Teaching of Foreign Languages. R. Ferdig, C. Crawford, R. Carlsen, N. Davis, J. Price, R. Weber & D. Willis (eds.), Proceedings of SITE 2004--Society for Information Technology & Teacher Education International Conference (pp. 1201-1207). Association for the Advancement of Computing in Education (AACE). https://n9.cl/k95k0
Lewis, M. (1993). The Lexical Approach. The State of ELT and a Way Forward. Language Teaching Publications.
Lewis, M. (2000). Teaching collocation. Further Developments in the Lexical Approach. Language Teaching Publications.
Mayer, R. E. (2017). Using Multimedia for E-Learning. Journal of Computer Assisted Learning, 33, 403-423. https://doi.org/10.1111/jcal.12197
McCulloch, W. S. & Pitts, W. (1943). A Logical Calculus of the Ideas Imminent in Nervous Activity. Bulletin Mathematical Biophysics, 5, 115-133. https://doi.org/10.1007/BF02478259
Muñoz-Basols, J., Fuertes Gutiérrez, M. & Cerezo, L. (eds.). (2024). La enseñanza del español mediada por tecnología: de la justicia social a la Inteligencia Artificial (IA) (1st ed.). Routledge. https://doi.org/10.4324/9781003146391
Ofcom (2023). Online Nation Report 2023. https://n9.cl/atkk9
Olimpio de Oliveira Silva, M. E. (2004). El componente fraseológico en la enseñanza de E/LE. En M. Villayandre llamazares (ed.), Actas del V Congreso de Lingüística General (pp. 2153-2161). Arco Libros.
Olimpio de Oliveira Silva, M. E. (2006). Fraseología y enseñanza de español como lengua extranjera. redEle. Biblioteca Virtual, 5(primer semestre). https://n9.cl/nfpg3
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura (UNESCO). (s.f.). (2023). Guía para el uso de IA generativa en educación e investigación. Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. https://n9.cl/1z6tl
Petricini, T., Wu, C. & Zipf, S. T. (preprint) (2023). Perceptions about generative AI and ChatGPT use by faculty and college students. https://doi.org/10.35542/osf.io/jyma4
Real Academia Española (2024). Diccionario de la lengua española. Vigésima tercera edición. https://n9.cl/5pcxz
Román-Mendoza, E. (2023a, 22 de febrero). ChatGPT. Retos y oportunidades para el aprendizaje de lenguas [comunicación]. V Seminar on Technologies and Critical Literacy: Educational Challenges in AI and Critical Literacy, Universidad Complutense de Madrid. https://n9.cl/wtyv8
Román-Mendoza, E. (2023b). Formular preguntas para comprender las respuestas: ChatGPT como agente conversacional en el aprendizaje de español como segunda lengua. marcoELE. Revista de Didáctica Español Lengua Extranjera, 36. https://n9.cl/lswvu
Russell, S. & Norvig, P. (2003). Artificial Intelligence: A Modern Approach (2ª ed.). Prentice Hall.
Torra i Reventós. V. (2019). Qué es la inteligencia artificial. Editorial FUOC.
Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59, 433-460. https://doi.org/10.1093/mind/LIX.236.433
_______________________________
1 En el artículo se hará referencia a la Inteligencia Artificial a través de la sigla IA.
2 En el artículo se hará referencia a la enseñanza del Español como Lengua Extranjera a través de la sigla ELE.
3 En el artículo se hará referencia a las segundas lenguas o lenguas extranjeras a través de las siglas L2 y LE.
4 En la presente investigación se realiza el corpus de términos con la versión de pago de ChatGPT, que funciona con el modelo GPT-4. Este sistema basado en IA (a diferencia de la versión gratuita) trabaja con un conjunto de datos de mayor tamaño y un tipo de programación de código con lo que se puede obtener resultados más precisos y fiables.