Cuáles son los límites de la IA para enseñar el uso natural del inglés académico, según un estudio

Decir “viento fuerte” es natural en español; decir “viento musculoso” suena extraño aunque sea gramaticalmente correcto.

Esas combinaciones habituales de palabras —llamadas colocaciones— son uno de los aspectos más difíciles de dominar al aprender una lengua, especialmente en contextos académicos con vocabulario especializado.

Un estudio de la Escuela de Negocios Sauder de la Universidad de Columbia Británica (UBC) concluye que la inteligencia artificial generativa (GenAI) no es suficientemente precisa para reemplazar los métodos tradicionales de aprendizaje basado en corpus lingüísticos, aunque la combinación de ambos enfoques produce los mejores resultados, según informó la universidad en un comunicado de prensa.

El trabajo fue publicado en la revista Nouvelles perspectives en sciences sociales y fue elaborado por el Dr. Déogratias Nizonkiza, profesor de la UBC Sauder. Su título en español sería “En la intersección de los corpus y la inteligencia artificial: una revisión crítica de los enfoques DDL para la enseñanza de colocaciones en la educación superior”.

Para elaborarlo, Nizonkiza examinó evidencia empírica acumulada, incluyendo metaanálisis y revisiones sistemáticas, sobre la efectividad del aprendizaje basado en datos (DDL, por sus siglas en inglés), una metodología que aprovecha grandes colecciones estructuradas de textos —los corpus— para que los estudiantes descubran patrones del lenguaje real en lugar de memorizar frases de libros de texto.

La historia de los corpus lingüísticos arranca en 1961, cuando la Universidad de Brown creó el Corpus Brown, una colección de 500 muestras de texto de distintas fuentes con aproximadamente 2.000 palabras cada una, que sumaban cerca de un millón de palabras en total: la primera gran colección de inglés americano real.

En la década de 1980, con el avance de la informática, surgió el concepto de DDL y los estudiantes comenzaron a acceder a bases de datos de hasta 100 millones de palabras para explorar el uso cotidiano del idioma.

En 2008 se lanzó el Corpus of Contemporary American English (COCA), una base de datos de mil millones de palabras que abarca casi 500.000 textos publicados entre 1990 y 2019 y permite buscar palabras en distintos contextos y disciplinas académicas. “Eso cambió significativamente nuestra forma de trabajar, sobre todo en lo que respecta al inglés con fines académicos o profesionales”, declaró Nizonkiza, según recogió la UBC. “Pero las búsquedas consumían muchísimo tiempo y la gente se desanimaba”, añadió.

La llegada de herramientas de IA generativa como ChatGPT aceleró el proceso de búsqueda de colocaciones, lo que renovó el interés en el enfoque DDL. Pero la revisión de Nizonkiza identifica una limitación central: las herramientas de GenAI pueden identificar y generar ejemplos de colocaciones comunes, pero a menudo no queda claro de dónde provienen esos ejemplos ni cuán precisos son.

“Debemos ser muy cuidadosos, porque las herramientas de IA generativa no son tan precisas como las herramientas tradicionales”, explicó el investigador a la UBC. “Así que, en lugar de depender únicamente de la IA generativa, debemos asegurarnos de que exista una combinación de IA generativa y los corpus tradicionales”.

El estudio propone una hoja de ruta concreta para ese enfoque híbrido. Un docente de inglés podría, por ejemplo, seleccionar vocabulario de la Lista de Palabras Académicas de Economía e identificar colocaciones frecuentes como “controlar la volatilidad” o “volatilidad del mercado”.

A partir de ahí, usaría herramientas de GenAI informadas por corpus para generar ejemplos de esas colocaciones y diseñaría ejercicios de completar espacios en blanco —como: “La diversificación de cartera es una estrategia clave usada por los gestores de fondos para la volatilidad en los mercados emergentes”—, dejando que los estudiantes resuelvan primero el ejercicio y solo después recurran a la IA para verificar y refinar sus respuestas. Ese orden es deliberado: evita que los estudiantes deleguen el pensamiento en la herramienta antes de haberlo ejercitado por sí mismos.

La relevancia del problema se amplifica al considerar que muchos docentes de idiomas desconocen la existencia de los corpus o los tratan como una actividad marginal en lugar de una herramienta central de enseñanza.

Nizonkiza apunta que el momento de mayor necesidad ocurre al inicio de la vida universitaria, cuando los estudiantes se enfrentan por primera vez a vocabulario especializado que no habían encontrado en su vida cotidiana. “Es al comenzar la universidad cuando se exponen a estas nuevas palabras que no necesariamente han encontrado en su vida cotidiana”, señaló y concluyó: “Ahí es donde contar con estas herramientas y ser conscientes de lo útiles que pueden serles se vuelve esencial”.