El seminario de investigación de Gelea2LT se concibe como un espacio de encuentro en el que se presentarán investigaciones en curso, tanto de miembros del grupo como de investigadores invitados, que permitan profundizar en temas relacionados con las líneas de investigación del grupo, así como ampliar y diversificar los enfoques desde los que se abordan.
Primer seminario del grupo de investigación
Fecha: 2 de diciembre de 2026
Horario: de 13:30 a 15:00
Lugar: Sala Jordi Arbonès, Facultat de Traducció i Interpretació
Programa
13:30 – 14:15 – Li Weijia: LLM para la enseñanza y el aprendizaje del chino con fines turísticos: propuesta de evaluación CARES y estudio piloto
14:15 – Christian Olalla: El uso de la inteligencia artificial para la anotación de formas verbales del egipcio antiguo
Presentaciones de 30 minutos seguidas de 15 minutos de debate.
Moderación: Sergi Álvarez y Mireia Vargas-Urpí
Asistencia libre. Se expedirán certificados de asistencia a quienes lo soliciten.
Resúmenes de les ponencias
LLM para la enseñanza y el aprendizaje del chino con fines turísticos: propuesta de evaluación CARES y estudio piloto, a càrrec de Li Weijia, doctorand del programa de Traducció i Estudis Interculturals de la UAB
Esta presentación expone los avances de una tesis doctoral en curso sobre la
evaluación de LLM para la generación de materiales y actividades destinados a la
enseñanza y el aprendizaje del chino en el ámbito turístico. La investigación busca
determinar en qué medida sus outputs responden a las necesidades comunicativas
de este ámbito y a las necesidades pedagógicas del estudiante, así como a los
requisitos lingüísticos y didácticos de las tareas solicitadas al modelo. El análisis se
centra en las características observables de los materiales generados, sin evaluar
todavía sus efectos sobre el aprendizaje de estudiantes reales.
Se presentarán los objetivos de la tesis y su planteamiento metodológico, con especial atención a CARES (corrección y adecuación lingüística; adecuación pedagógica; relevancia para fines específicos; eficacia del feedback; seguridad, fiabilidad y robustez), una propuesta de evaluación desarrollada para esta investigación. Este marco permite organizar al análisis de los outputs atendiendo a su adecuación al contexto especializado, su calidad lingüística y didáctica y la utilidad potencial de la retroalimentación. Se explicará su función dentro del procedimiento de evaluación y su relación con otros instrumentos de análisis, como las listas de comprobación y la estimación automatizada de la dificultad léxica.
Asimismo, se expondrán los principales aprendizajes metodológicos de un estudio
piloto de tres fases, con 89 ejecuciones, orientado a explorar la viabilidad técnica y la
respuesta de distintos modelos y configuraciones a tareas progresivamente más
exigentes. Se distinguirá entre el cumplimiento formal de las instrucciones y la
adecuación de las actividades generadas. También se discutirán los criterios para
seleccionar un modelo ejecutable y el control de la configuración. La presentación
concluirá con las decisiones que estos resultados permiten orientar para el estudio
principal.
El uso de la inteligencia artificial para la anotación de formas verbales del egipcio antiguo, a cargo de Christian Olalla, profesor agregado del Departamento de Traducción e Interpretación y de Estudios de Asia Oriental de la UAB y miembro de GELEA2LT.
En la gramática del egipcio clásico se identifica una forma gramatical, denominada sDm=f, que puede desempeñar diversas funciones sin que su forma escrita varíe morfológicamente. Así pues, sDm=f podría traducirse como «él escucha», «él escuchó», «él escuchaba», «él escucharía», «él escuchará» o «él fue escuchado», sin ninguna variación en su forma gráfica. La determinación de la función de una forma sDm=f depende, por un lado, de factores sintácticos y gramaticales (posición sintáctica, presencia o ausencia de un auxiliar de enunciación) y, por otro, de factores contextuales.
La complejidad de esta forma verbal y la dificultad para determinar sus funciones han llevado a que cada gramática la conciba de manera diferente. Por ejemplo, Gardiner (1927) divide la forma sDm=f en dos tipos (perfectivo e imperfectivo), Hutter (2017) en cinco (perfectivo, imperfectivo circunstancial, imperfectivo nominal, prospectivo y subjuntivo), mientras que Allen (2014) engloba todas las funciones en una única forma sDm=f.
Esta diversidad de criterios tiene consecuencias directas a la hora de anotar un corpus, es decir, asignar a cada aparición de la forma sDm=f en un texto la función que desempeña. A diferencia del etiquetado de textos para la desambiguación léxica (en el que las posibles etiquetas, como los lemas o las categorías gramaticales, proceden de un inventario compartido), esta tarea tiene dos implicaciones: (1) es necesario determinar, a priori, una teoría gramatical en la que basar el etiquetado de las formas y (2) cuando los factores sintácticos y gramaticales no son suficientes, el contexto resulta imprescindible para determinar el tipo de forma sDm=f. Esta complejidad plantea las preguntas de si los modelos de lenguaje son capaces de llevar a cabo esta anotación, con qué precisión, en qué condiciones y a qué coste.
Esta comunicación presenta el diseño de un estudio que pretende dar respuesta a estas preguntas. El punto de partida es un corpus de formas sDm=f extraídas de un texto literario, El campesino elocuente. (pBerlin 3023, pBerlin 3025; pAmherst I, pAmherst II, pButler, rº [pBM 10274], pRamesseum A [pBerlin 10499]; aprox. 1850 a. C.). Dos investigadores clasificaron todas las apariciones de la forma siguiendo un manual que define las categorías y los criterios de asignación de acuerdo con las gramáticas de Gardiner, Allen y Hutter. Este mismo manual se proporciona, a través de una API, a dos modelos de inteligencia artificial de la misma familia, pero de distinto tamaño y coste (Claude Sonnet y Claude Opus). En cada ronda se les facilita el manual con un número diferente de ejemplos (0, 10, 30 o 60), seleccionados entre las apariciones que posteriormente no tendrán que clasificar. Las rondas son independientes, de modo que la comparación permite medir cuánta orientación necesita cada modelo y si un mayor número de ejemplos compensa una menor capacidad del modelo. Las respuestas se contrastan con la anotación humana y con dos puntos de referencia: el resultado que se obtendría seleccionando siempre la categoría más frecuente y el grado de acuerdo alcanzado entre los dos investigadores. En cada ronda se registran también el coste económico y el consumo energético estimado.