El seminari de recerca de Gelea2LT es planteja com un espai de trobada on es presentaran estudis en curs, tant de membres del grup, com d’investigadors convidats, que permetin aprofundir en temes relacionats amb les línies de recerca del grup, així com ampliar-ne i diversificar-ne les aproximacions.
Primer seminari del grup de recerca
Data: 2 de desembre de 2026
Horari: de 13:30 a 15:00
Lloc: 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: L’ús de la intel·ligència artificial per a l’anotació de formes verbals de l’egipci antic
Presentacions de 30 minuts seguides de 15 minuts de debat.
Moderació: Sergi Álvarez i Mireia Vargas-Urpí
Assistència lliure. S’emetran certificats d’assistència a les persones que ho sol·licitin.
Resums de les ponències
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.
L’ús de la intel·ligència artificial per a l’anotació de formes verbals de l’egipci antic, a càrrec de Christian Olalla, professor agregat al Departament de Traducció i Interpretació i Estudis de l’Àsia Oriental de la UAB, membre de Gelea2LT
En la gramàtica de l’egipci clàssic s’identifica una forma gramatical, anomenada sDm=f, que pot tenir diverses funcions sense que morfològicament variï la forma escrita. Així, doncs, sDm=f podria traduir-se per “ell escolta”, “ell va escoltar”, “ell escoltava”, “ell escoltaria”, “ell escoltarà” o “ell va ser escoltat”, sense cap variació en la forma gràfica. La determinació de la funció d’una forma sDm=f depèn, d’una banda, de determinants sintàctics i gramaticals (posició sintàctica, presència o absència d’auxiliar d’enunciació) i, de l’altra, de factors contextuals.
La complexitat d’aquesta forma verbal i la determinació de les seves funcions ha fet que cada gramàtica la concebi d’una manera diferent. Per exemple, Gardiner (1927) divideix la forma sDm=f en dos tipus (perfectiu i imperfectiu), Hutter (2017) en cinc (perfectiu, imperfectiu circumstancial, imperfectiu nominal, prospectiu i subjuntiu), i Allen (2014) engloba totes les funcions en una única forma sDm=f.
Aquesta diversitat de criteris té conseqüències directes quan es vol anotar un corpus, és a dir, assignar a cada aparició de la forma sDm=f d’un text la funció que hi exerceix. A diferència de l’etiquetatge de textos per a la desambiguació lèxica (en què les etiquetes possibles, com els lemes o les categories gramaticals, sorgeixen d’un inventari compartit), aquesta tasca té dues implicacions: (1) cal determinar, a priori, una teoria gramatical a partir de la qual s’etiquetaran les formes, i (2) quan els determinants sintàctics i gramaticals no són suficients, el context és imprescindible per determinar el tipus de forma sDm=f. Aquesta complexitat motiva les preguntes de si els models de llenguatge són capaços de dur a terme aquesta anotació, amb quina precisió, en quines condicions i amb quin cost.
Aquesta comunicació presenta el disseny d’un estudi que pretén donar resposta a aquestes preguntes. El punt de partida és un corpus de formes sDm=f extretes d’un text literari, El camperol eloqüent (pBerlin 3023, pBerlin 3025; pAmherst I, pAmherst II, pButler, rº [pBM 10274], pRamesseum A [pBerlin 10499]; aprox. 1850 a.C.). Dos investigadors van classificar totes les aparicions de la forma seguint un manual que en defineix les categories i els criteris d’assignació d’acord amb la gramàtica de Gardiner, Allen i Hutter. Aquest mateix manual es proporciona, a través d’una API, a dos models d’intel·ligència artificial de la mateixa família però de mida i cost diferents (Claude Sonnet i Claude Opus). A cada ronda se’ls lliura el manual amb un nombre diferent d’exemples (0, 10, 30 o 60), triats entre ocurrències que no hauran de classificar després. Les rondes són independents, de manera que la comparació mesura quanta orientació necessita cada model i si més exemples compensen una capacitat menor del model. Les respostes es contrasten amb l’anotació humana i amb dos punts de referència: el resultat que donaria triar sempre la categoria més freqüent i el grau d’acord assolit entre els dos investigadors. De cada ronda se’n registren també el cost econòmic i el consum energètic estimat.