Computación y Sistemas

versión impresa  ISSN 1405-5546

http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-
55462017000400615&lang=es

Comp. y Sist. vol.21 no.4 México oct./dic. 2017

https://doi.org/10.13053/cys-21-4-2868 

ARTÍCULOS DE LA EDICIÓN TEMÁTICA

Integración de sistemas CALL con Chatbots como

socios conversacionales
Bayan Abu Shawar 1 

1
 Universidad Árabe Abierta, Departamento de Tecnología de la Información,
Jordania b_shawar@aou.edu.jo

RESUMEN:

Los sistemas de aprendizaje de idiomas asistido por computadora (CALL) se utilizan

como medio para enseñar un idioma sin la necesidad de un salón de clases o un
maestro. Los sistemas CALL incluyen lecciones de idiomas y ejercicios para mejorar el
vocabulario, la gramática y las habilidades de escritura de los alumnos, y para
proporcionarles retroalimentación inmediata sobre sus logros. Sin embargo, todavía es
necesario concentrarse en practicar la conversación en la que la computadora
desempeña el papel de un interlocutor. El uso de entornos de aprendizaje de idiomas,
sistemas de diálogo y chatbots satisfará por completo esta necesidad. Este documento
presenta las actividades de CALL, el rol de CALL y las limitaciones. El documento analiza
la necesidad de integrar el sistema CALL con un agente conversacional o un chatbot
para permitir que los alumnos practiquen un idioma de manera conversacional.En este
documento se ilustran diferentes experimentos y evaluaciones que muestran una
mejora en los resultados del aprendizaje mediante el uso de chatbot como compañero
de conversación. El documento concluye que dicha integración entre CALL y el chatbot
conducirá a mejores resultados para los estudiantes de idiomas.

Palabras llave :  LLAMAR; chatbot; sistema de diálogo; entorno de aprendizaje de

idiomas

1. INTRODUCCIÓN

La tecnología del lenguaje se ocupa de usar computadoras para hacer cosas útiles
con los lenguajes humanos. En cuanto al uso de esta tecnología en la enseñanza de
idiomas, los profesores ven una computadora como una herramienta para abordar
problemas, comunicarse con los estudiantes y mantener registros y
materiales. Desde el futuro de los estudiantes, la computadora se utiliza para
resolver problemas, acceder a los materiales requeridos, hacer los trabajos a
domicilio y obtener retroalimentación [ 60 ].

Los sistemas CALL están diseñados para facilitar la enseñanza y el aprendizaje de

un idioma extranjero usando las computadoras. Los materiales de aprendizaje y las
evaluaciones se presentan al usuario en audio, video, texto e imágenes. De la
misma manera, los alumnos se comunican con el sistema de manera textual o
verbal. Debido al rápido desarrollo de la tecnología y la rápida Internet, los
estudiantes y profesores están interesados en Web-CALL, que es “un software que
permite a los profesores de idiomas producir materiales de enseñanza basados en
la web y permite a los estudiantes estudiarlos en línea” [ 26 ].

Con todo tipo de evaluaciones proporcionadas por CALL para mejorar las
habilidades de escritura, vocabulario, pronunciación y gramática de un alumno, el
sistema CALL necesita permitir que el alumno practique el idioma hablando con otro
compañero nativo. Para superar esta escasez, se podría integrar un chatbot o un
agente conversacional al sistema CALL, como se discutirá en este documento.

Un chatbot es un agente de software conversacional que interactúa con los usuarios

utilizando un lenguaje natural. El desarrollo de chatbots comenzó en 1967 cuando
Weizenbaum [ 53 ] implementó el chatbot Eliza para desempeñar el papel de
psicoterapeuta. Cuatro años más tarde, Colby [ 19 ] creó PARRY para imitar a un
paciente paranoico. PARRY se considera una herramienta para estudiar la paranoia
y Eliza como fisiatra o “agente clínico” que puede atender a muchos pacientes al
mismo tiempo [ 20 ]. Recientemente, se han encontrado y utilizado varios chatbots
para diferentes propósitos. Sin embargo, un chatbot está restringido a una base de
conocimientos codificada a mano en su cerebro, lo que puede ser un obstáculo para
usarlo como agente para enseñar un determinado idioma.

Para facilitar el chat sobre diferentes temas e idiomas, se desarrolló un software

para leer de un corpus y construir la base de conocimientos de un chatbot
automáticamente [ 5 ]. El software ha sido adaptado para manejar diferentes
formatos de corpus tales como: diálogo, monólogo y respuestas a preguntas en
diferentes idiomas. Por ejemplo, el Corán en árabe e inglés Corpora, English and
Arabic Questions Answers Corpora, British National Corpus (BNC) y Corpus of
Spoken Afrikaans se han utilizado para generar diferentes prototipos de chatbots
utilizando un enfoque basado en corpus. Los resultados y los comentarios obtenidos
de los usuarios, profesores y estudiantes de idiomas confirman que los chatbots
podrían ser demandados como compañeros de conversación para ayudar a
practicar un idioma extranjero.

Las secciones restantes de este documento están organizadas de la siguiente

manera. La Sección 2 describe el sistema CALL y su evolución en años. Las
limitaciones de CALL y las soluciones sugeridas se presentan en la Sección 3. La
propuesta de un chatbot como socio de conversación, la ilustración de diferentes
pruebas de adaptación de un chatbot a nuevos dominios e idiomas, y la integración
del chatbot con el sistema CALL se discuten en la Sección 4. Las evaluaciones y
conclusiones se aclaran en En consecuencia, las secciones 5 y 6.

2 Historial y evoluciones de CALL

El aprendizaje de idiomas asistido por computadora (CALL) es “un enfoque para la

enseñanza y el aprendizaje de idiomas en el que la tecnología informática se utiliza
como ayuda para la presentación, el refuerzo y la evaluación del material a
aprender, que generalmente incluye un elemento interactivo sustancial”. [ 56 ].

El sistema CALL ha evolucionado en los últimos años, donde se observan tres

etapas principales distintas: CALL conductista, CALL comunicativo y CALL
integrativo que se enumeran a continuación [ 24 , 30 ]:

1. LLAMADA conductista . Esta fase estuvo en servicio en el intervalo 1960-

1970, se utiliza un enfoque de enseñanza programable en el que la
 computadora desempeña el papel de un tutor, quien verifica la entrada de
los estudiantes, permite a los estudiantes hacer algunos ejercicios
apropiados y les da retroalimentación inmediata. Esta fase se ha conocido
como "simulacro y práctica".
2. LLAMADA Comunicativa . La siguiente fase continúa de 1970 a 1980. La
enseñanza en esta fase se basa en la comunicación, como jugar a juegos de
computadora, para motivar a los estudiantes a aprender nuevos
conceptos. Se utilizaron muchos enfoques CALL como: la computadora como
estímulo donde se utilizaron los problemas de pensamiento crítico y
ejercicios conversacionales; y la computadora como herramienta para
mejorar las habilidades de escritura en las que se utilizaron programas de
revisión ortográfica y gramatical.
3. LLAMADA integradora . Este es el enfoque interactivo que comienza desde
los 80 hasta ahora, donde Internet y la multimedia interactiva se utilizan
para enseñar un idioma como texto, imagen, video, audio y animación.

Levy [ 39 ] define CALL como un campo interdisciplinario que tiene muchas
contribuciones en la enseñanza de idiomas y tiene relaciones con otros campos
como se muestra en la Figura 1 .

Fig. 1  CALL y disciplinas relacionadas (de [ 39 ]) 

Según Levy [ 39 ], el objetivo de CALL es reemplazar al tutor, en el que proporciona

materiales de aprendizaje, luego proporciona ejercicios a los alumnos y proporciona
la retroalimentación adecuada. Gimeno-Sanz y Davies [ 27 ] enumeraron algunos de
los ejercicios más comunes proporcionados por CALL:

 - Se proporcionarán ejercicios de opción múltiple, que permiten a los

alumnos seleccionar una respuesta y luego una retroalimentación adecuada.
 - Ejercicios de entrada abierta, que permiten a los alumnos escribir una
respuesta. Luego, el sistema analiza esta entrada para descubrir errores
ortográficos y proporcionar respuestas alternativas.
 - Ejercicios de brecha de información que se basan en la palabra
entrenamientos faltantes.
En otra tendencia, los académicos intentaron integrar CALL con el enfoque de
aprendizaje basado en tareas (TBL) en el que CALL sirve como medio para
proporcionar los materiales e instrucciones requeridos en audio, texto y medios de
sonido, luego mueve al alumno a algunos ejercicios para medir la comprensión del
alumno. . Al final, se descarga una actividad textual con instrucciones, y se pide a
los alumnos que la realicen en parejas 1. El teclado, el ratón y el micrófono se
utilizan para dar respuestas a los ejercicios CALL.

El sistema CALL puede considerarse como una herramienta de autoaprendizaje en

línea para aprender un idioma extranjero en cualquier momento y en cualquier
lugar sin la necesidad de un maestro o una clase. Además, el sistema permite a los
estudiantes comprobar su progreso individual en el aprendizaje de la lengua de
destino. Kushnir y col., [ 37] afirman que a pesar de que las computadoras son
capaces de proporcionar práctica en áreas como la pronunciación y las
traducciones, existen algunos inconvenientes que a veces disminuyen el nivel de
progreso. Por ejemplo, el uso del enfoque de la programación simbólica en la
traducción asistida por computadora, en el que una oración se divide en cadenas
mínimas que luego se traducen a otro idioma utilizando una base de datos creada
previamente, puede resultar en una interpretación incorrecta de la frase y, a veces,
en una subdivisión errónea de la oración que es difícil de captar por el alumno. Esto
puede provocar un uso incorrecto de estas entidades.

3 Limitaciones y soluciones de CALL

Zhao [ 59 ] revisó la literatura de CALL y concluyó las siguientes limitaciones:

 - Los entornos de instrucción donde se concluyeron los estudios se limitaron

a estudiantes de educación superior y adultos;
 - Los idiomas estudiados se limitaron a lenguas extranjeras comunes y al
inglés como lengua extranjera o segunda;
 - Los experimentos fueron a menudo a corto plazo y sobre uno o dos
aspectos del aprendizaje de idiomas (por ejemplo, vocabulario o gramática).

Para superar estos inconvenientes, el autor sugirió que quizás la mejor manera de
utilizar la tecnología para mejorar el aprendizaje de un segundo idioma es
desarrollar un entorno de aprendizaje de idiomas eficaz. Dicho entorno debe
satisfacer las siguientes cuatro condiciones:

1. Aceptando entradas en diferentes formatos como video, audio y modo

textual.
2. Brindar comentarios de alta calidad que pueden tener diferentes formas,
como sonido, voz y texto.
3. Proporcionar múltiples canales de comunicación como: foros,
videoconferencias y permitir a los alumnos interactuar con agentes
conversacionales para practicar.
4. Publicar los materiales de aprendizaje, las evaluaciones para permitir que los
alumnos accedan a cualquier lugar y en cualquier momento.

Un entorno de aprendizaje de idiomas eficaz puede apoyar todo el proceso de

aprendizaje de idiomas con toda la tecnología disponible, no solo concentrándose
en dominios especiales como gramáticas y vocabulario, sino que utiliza este
entorno para ayudar al alumno en todos los aspectos del aprendizaje [ 60 ].

Angelova y col. [ 11 ] afirmó que CALL no es suficiente para los estudiantes de

idiomas por muchas razones:
  - CALL no es compatible con la comunicación del sistema del alumno en
lenguaje natural;
 - No hay un procesamiento adecuado de los errores de lenguaje del alumno;
 - No existe una estrategia adaptativa para estructurar los materiales de
tutoría en lenguaje natural.

Los autores de [ 11 ] intentaron mejorar CALL integrando el procesamiento del

lenguaje natural y la recuperación de información personalizada en una sola unidad
para construir su entorno de aprendizaje de terminología científica (STyLE)
[ 11 , 23 ]. El sistema verifica la corrección sintáctica y semántica de la entrada del
estudiante. Por ejemplo, "Juan ama a María" es lingüísticamente correcto pero no
responde a la pregunta "quién negocia acciones en el mercado primario". Por tanto,
comprobar la idoneidad de una respuesta de acuerdo con la pregunta es un tema
importante [ 11]. El sistema STyLE proporciona las siguientes facilidades para los
estudiantes: lectura de materiales didácticos; realizar simulacros de prueba; y
discutir cada modelo de alumno con el sistema. El sistema estaba dirigido a adultos
que no eran hablantes nativos de inglés con un nivel intermedio de dominio del
inglés y tenía como objetivo enseñarles terminologías financieras en inglés [ 12 ].

Después de estudiar los materiales didácticos, los estudiantes pueden probar

algunas actividades en las que STyLE proporciona algunas preguntas para los
estudiantes, luego verificar la respuesta de los estudiantes en comparación con las
respuestas almacenadas previamente, y luego el sistema proporciona comentarios
útiles para los estudiantes. También puede guiar a los estudiantes hacia algunas
lecturas recomendadas en situaciones de aprendizaje particulares.

En este contexto, Fujii et al. [ 26 ] desarrollaron un entorno de aprendizaje de

idiomas en línea “Web-CALL”, que "es un software que permite a los profesores de
idiomas producir materiales didácticos basados en la web y permite a los
estudiantes estudiarlos en línea" [ 26]. “Web-CALL” consta de dos unidades, la
Unidad de producción de materiales de la página web (WMPU) y la Unidad de apoyo
al aprendizaje (LSU). WMPU permite a los maestros generar materiales de
aprendizaje como preguntas, respuestas, sugerencias y comentarios. Este software
permite a los profesores utilizar texto, sonido, imágenes, archivos de películas e
incorporar ejercicios de lectura, escritura y comprensión oral en línea. La unidad de
apoyo al aprendizaje (LSU) permite a los estudiantes estudiar lecciones de idiomas
en línea producidas por sus profesores. Para evaluar la lección "Web-CALL", los
maestros compararon la clase "Web-CALL" con la clase tradicional normal orientada
al maestro.

Se ha proporcionado una prueba a los estudiantes que consta de cuatro tipos de

preguntas: verificación de comprensión, gramática como preguntas de opción
múltiple, gramática como preguntas de traducción y gramática como orden de
palabras. Los resultados muestran que una clase “Web-CALL” fue superior a una
clase normal en comprensión y orden de las palabras. Además, un cuestionario
distribuido a los estudiantes en la clase "Web-CALL" mostró que el 87% de los
estudiantes disfrutaron de la clase "Web-CALL", el 86% de los estudiantes
estudiaron positivamente, el 79% de los estudiantes entendieron la lección y el
85% de los estudiantes se sentían libres de estudiar en su propio espacio.

Golonka et al., [ 28 ] enumeraron los siguientes problemas comunes de CALL:

 - mala descripción del diseño de la investigación;

 - Falta de datos relevantes sobre los participantes;
 - Mala elección de las variables a investigar;
  - Se centra principalmente en los idiomas de Europa occidental,
especialmente el inglés;
 - La mayoría de los estudios se basan en usuarios de tecnología no
capacitados.
 - Se presta poca atención a los factores clave que ayudan a mejorar la
eficacia del aprendizaje de lenguas extranjeras.

Para evitar algunos de estos problemas, se utilizaron diferentes técnicas y

herramientas dentro del sistema CALL. Por ejemplo, Levison y Lessard [ 38 ]
desarrollaron VINCI como un entorno de generación de lenguaje natural diseñado
para su uso en CALL. VINCI está “basado en una colección de metalenguajes que
definen la semántica, sintaxis, léxico y morfología de una lengua” [ 38 ]. Este
sistema está desarrollado para utilizar diferentes idiomas, hasta ahora funciona en
inglés y francés. El sistema genera una historia en un dominio específico y luego
proporciona algunas preguntas a los estudiantes y compara los resultados con las
respuestas almacenadas previamente.

Los sistemas de diálogo en lenguaje natural se han integrado para ayudar en la

enseñanza de diferentes materiales, como conceptos informáticos [ 9 ] o física.
Why2-Atlas [ 49 ] se utiliza para enseñar física al guiar a los alumnos a actualizar
sus respuestas a través de un diálogo entre el sistema y el alumno. El sistema se
compone de tres ventanas: la ventana de problemas que se utiliza para mostrar la
pregunta, la ventana de ensayo a través de la cual un estudiante proporciona una
respuesta como ensayo y, finalmente, la ventana de chat.

De la misma manera, AutoTutor [ 29 ] se desarrolla para enseñar física cualitativa y

conocimientos de informática. El sistema plantea problemas que necesitan
información detallada para responder. Después de que el estudiante da una
respuesta, el sistema lo involucra en un diálogo de iniciativa mixta que ayuda a los
estudiantes a mejorar sus respuestas. En la Figura 2 se muestra una muestra de
una conversación (tomada de [ 29 ]) generada entre un estudiante y AutoTutor .
Fig.2  Una muestra de conversación con Auto Tutor (de [ 29 ]) 

De la misma manera, se han integrado muchas tecnologías al sistema CALL para

mejorar el aprendizaje de la pronunciación. Por ejemplo, las técnicas de
reconocimiento automático de voz se han integrado en CALL [ 17 , 18 ]. SPELL [ 43 ]
es un entorno de aprendizaje virtual del sistema CALL que permite a los estudiantes
franceses practicar la conversación en inglés con personajes virtuales. PARLING
[ 44 ] es otra versión de CALL que utiliza una técnica basada en historias para
ayudar a los estudiantes principiantes de italiano a memorizar palabras en una
historia.

En otra tendencia, el sistema GeCALL [ 58 ] integra una técnica basada en juegos
dentro del sistema CALL, para mejorar el aprendizaje de las pronunciaciones en
inglés. El sistema GeCALL proporciona dos actividades: ejercicios y prácticas
basadas en juegos. En la práctica de ejercicios, los alumnos graban sus voces
repitiendo los sonidos producidos por un hablante nativo. Las puntuaciones y
comentarios inmediatos de las expresiones de los alumnos aparecen en la pantalla
como se muestra en la Figura 3 .

Fig. 3  Una pantalla de muestra de una práctica de ejercicio en el sistema GeCALL (de [ 58 ]) 

En la actividad basada en el juego, se muestra una imagen y los alumnos pueden

seleccionar y pronunciar la palabra de una lista de candidatos. Si su respuesta es
correcta y la pronunciación es correcta, los alumnos pasan a la siguiente
pregunta. El enfoque basado en juegos se compone de cuatro niveles, donde los
alumnos pasan de un nivel a otro después de terminar correctamente el nivel
anterior. Se aplicó un experimento con el sistema GeCALL en una escuela de
Taiwán donde 52 estudiantes participan en este experimento. La salida revela
mejoras en la pronunciación de los estudiantes. Además, las actividades basadas en
juegos atraen a la mayoría de los estudiantes, especialmente a los de bajo
rendimiento, lo que apoya la idea de aplicar la técnica del juego educativo para los
estudiantes de idiomas.

4 Chatbots como socios conversacionales

Un chatbot es un programa informático que interactúa con los usuarios mediante

un lenguaje natural, ya sea mediante conversaciones textuales o verbales. El
objetivo principal de los chatbots es imitar la conversación humana convenciendo a
los usuarios de que están hablando con humanos reales, mientras que en realidad
están hablando con máquinas. Los chatbots se han utilizado como herramienta
auxiliar en muchos dominios como educación, salud y comercio electrónico, como
se presenta en la Tabla 1 .

Tabla 1  Ejemplos de Chatbots y sus aplicaciones 

Un chatbot podría ser un socio apropiado para practicar un idioma, por ejemplo,
Wallace et al. [ 52 ] propone usar chatbots para leer libros para leer libros para
niños y enseñar idiomas extranjeros.

En este contexto, el sitio web Speak2Me.net está diseñado para ayudar a los
estudiantes de chino a aprender el idioma inglés. El sitio web incluye el chatbot de
Lucy que representa a una joven británica donde los estudiantes pueden charlar
con ella. La Figura 4 muestra una muestra de charlar con Lucy. Jenny es otro
chatbot que se utiliza en el sitio web English2Go.com para permitir a los alumnos
practicar inglés a través del chat. De la misma manera se utiliza el
chatbot Jabberwacky 2 para la práctica del idioma, donde puede aprender de todas
sus conversaciones anteriores. Robin [ 46 ] sugirió que los estudiantes "podrían
hacer uso de bots de traducción primitivos basados en la Web, como las
herramientas de lenguaje de Google o Babelfish de Alta Vista de una manera que
redefiniría la noción de entrada útil del estudiante".

Fig.4  Una muestra de charlar con Lucy 

4.1 Reentrenamiento de un chatbot adaptable para nuevos temas e

idiomas

ALICE [ 10 , 52 ] es la Entidad informática de Internet lingüística artificial, creada por

Wallace en 1995. La base de conocimientos de ALICE se almacena en archivos
AIML. AIML, o Lenguaje de marcado de inteligencia artificial, es un derivado del
Lenguaje de marcado extensible (XML). Fue desarrollado por la comunidad de
software libre Alicebot durante 1995-2000 para permitir a las personas ingresar
conocimientos de patrones de diálogo en chatbots basados en la tecnología de
software libre ALICE.

AIML consta de objetos de datos llamados objetos AIML, que se componen de

unidades llamadas temas y categorías, como se muestra en la Figura 5. El tema es
un elemento de nivel superior opcional, tiene un atributo de nombre y un conjunto
de categorías relacionadas con ese tema. Las categorías son la unidad básica de
conocimiento en AIML. Cada categoría es una regla para hacer coincidir una
entrada y convertirla en una salida, y consta de un patrón, que representa la
entrada del usuario, y una plantilla, que implica la respuesta del robot ALICE. El
patrón AIML es simple y consta solo de palabras, espacios y los símbolos comodín _
y *. Las palabras pueden constar de letras y números, pero no de otros caracteres.
Las palabras están separadas por un solo espacio y los caracteres comodín
funcionan como palabras. El lenguaje de patrones no varía entre mayúsculas y
minúsculas. La idea de la técnica de coincidencia de patrones se basa en encontrar
la mejor coincidencia de patrones y la más larga.Desde el punto de vista de los
profesores de idiomas, la conversación debe ser de diferentes temas para aprender
el vocabulario. Sin embargo, la mayor parte de la base de conocimientos se inserta
manualmente en los chatbots, incluido ALICE, que será difícil de readaptar a
diferentes temas o idiomas.
Fig.5  El formato AIML 

Para permitir diferentes chats basados en diferentes conocimientos, se desarrolla

un sistema de software Automatic AIML Genrator (AAG) para leer diferentes corpus
y convertirlos en el formato de base de conocimiento ALICE BOT AIML [ 5 ]. Los
archivos AIML generados se utilizan para construir un nuevo prototipo del chatbot
ALICE que puede chatear en el idioma y tema del cuerpo de formación [ 7 ]. Abu
Shawar y Atwell [ 6 ] examinaron muchos ensayos para probar el enfoque basado
en corpus utilizando corpus de diálogo, monólogo y preguntas / respuestas. Los
prototipos creados de ALICE se utilizaron como herramientas para: aprender el
idioma afrikáans, enseñar el Corán, visualizar un corpus y obtener respuestas a
preguntas. La Tabla 2 presenta algunos de los prototipos generados de ALICE y sus
beneficios.

Tabla 2  Algunos de los prototipos y beneficios de ALICE 

Kerly y col. [ 34 ], encontró que dicho enfoque es útil como herramienta para
practicar idiomas, aunque es restrictivo para el cuerpo de formación. Los chatbots
permiten a los estudiantes practicar diferentes estructuras lingüísticas y
vocabulario, incluidas jergas y palabras tabú, que tienen pocas posibilidades de
practicar [ 25 ]. De la misma manera, Jia [ 33 ] usó una versión modificada de
Chatbot para entrenamiento conversacional.

4.2 Integración del sistema CALL con un chatbot

Basado en la idea de los profesores de idiomas de que la mejor manera de

aprender un idioma es a través de la conversación, se crea un desafío para integrar
a los compañeros de conversación o chatbots dentro del sistema CALL, lo que
puede superar algunas de las limitaciones de CALL relacionadas con la práctica de
un idioma.

En este sentido, Wik y Hjalmarsson [ 54 ] construyeron a Ville como un profesor de

idiomas virtual cuya función principal es mejorar las habilidades lingüísticas de los
estudiantes mediante el uso de vocabulario y entrenamiento de pronunciación,
guiar a los estudiantes y proporcionarles la retroalimentación adecuada. Ville fue
desarrollado para permitir el aprendizaje del sueco como segundo idioma. Se
ofrecieron a los estudiantes tres tipos de ejercicios:

 - Percepción: Ville dice una palabra y el alumno identifica la imagen

correspondiente, escucha y hace clic en el ejercicio de vocabulario.
 - Pronunciación: se ofrecieron tarjetas didácticas a los estudiantes que
pueden grabar y reproducir sus grabaciones.
 - Escritura: que son ejercicios de ortografía en los que Ville pronuncia una
palabra y se pide a los alumnos que la escriban.

Las evaluaciones de 402 estudiantes que usaron Ville muestran que el sistema
había mejorado las habilidades de pronunciación de los estudiantes más que las
habilidades de escritura y comprensión auditiva.
Para animar a los alumnos a pasar más tiempo con CALL, se introdujo un sistema
de diálogo de juego de roles en DEAL. Los investigadores adoptaron el principio de
diseño del juego "Buen juego" [ 45 ] para mantener al alumno involucrado con el
sistema durante mucho tiempo en un contexto divertido y desafiante. DEAL [ 55 ] se
considera un complemento de Vile, donde Ville actúa como profesor de idiomas,
DEAL actúa como un interlocutor con el objetivo de crear y mantener un diálogo
interesante. El dominio comercial se utilizó en DEAL. La Figura 6 muestra la interfaz
del agente DEAL y un ejemplo de diálogo.
Fig.6  Un ejemplo de diálogo con DEAL (de [ 21 ]) 

Vlugter y Knott [ 50 ] afirmaron que un compañero de conversación no es suficiente

para enseñar pronombres personales o inflexiones verbales que en algunos idiomas
deben coincidir con la persona y el número de sujeto u objeto. Los autores de [ 50 ]
desarrollaron un sistema de varios altavoces para ser utilizado en un entorno CALL
para enseñar un idioma neozelandés (maorí).

Danilava [ 21 ] introduce el término Compañero conversacional artificial (ACC) para

los agentes conversacionales que interactúan con el usuario en un lenguaje
natural. ACC es "un agente conversacional personalizado, útil y persistente que
conoce a su propietario e interactúa con el usuario durante un largo período de
tiempo" [ 22 ] utilizando lenguaje natural. La idea principal es tratar con un agente
que sepa de usted y que pueda atender sus intereses durante un período
prolongado. Hay muchos compañeros como Senior Companion [ 57 ], los robots
compañeros ALize-E para niños en un entorno hospitalario [ 13 ] y Health and
Fitness Companion [ 47 ].

5 experimentos y evaluaciones del uso de chatbots como socios

conversacionales

Durante los ensayos para volver a entrenar al chatbot de Alice con diferentes
corpora, y usarlo para diferentes propósitos, el Corpus of Spoken Afrikaans (Korpus
Gesproke Afrikaans) [ 48 ] se ha utilizado para reentrenar a ALICE. El software AAG
se utiliza para crear los archivos AIML automáticamente; Algunas categorías
atómicas relacionadas con los saludos se agregaron manualmente, porque el corpus
no cubre este tema. Los archivos AIML generados se utilizaron para generar dos
chatbots afrikáans [ 2]: Afrikaana, que solo habla afrikaans, y AVRAA, que es una
versión bilingüe que habla inglés y afrikáans. Los dos prototipos se publicaron
utilizando el servicio pandorabot y se animó a los usuarios de Sudáfrica a charlar
con ellos. Según los comentarios recibidos, muchas respuestas no estaban
relacionadas con el tema o eran tonterías. De hecho, los siguientes tres factores
principales están detrás de este resultado:

 - El corpus de diálogo no cubre muchos dominios en los que el usuario

chatea.
 - El corpus contiene más de un hablante en un enunciado que no es trivial
para modelar correctamente la toma de turnos como patrón y plantilla en el
lenguaje AIML [ 5 ].
 - El enfoque de aprendizaje automático adoptado utilizado en el software
AAG no utiliza ningún marcado de análisis lingüístico como: anotación
semántica, gramatical y de actos de diálogo porque la técnica de
coincidencia de patrones en ALICE / AIML no hace uso de dicho
conocimiento lingüístico.

El lado positivo de este experimento es que los usuarios disfrutaron del chat y lo
encontraron una herramienta interesante para practicar un idioma. Abu Shawar y
Atwell [ 7 ] concluyeron a partir de esta prueba que un chatbot podría usarse como
una herramienta para idiomas desconocidos donde el lenguaje es desconocido para
el chatbot / desarrollador o desconocido para la lingüística computacional en
términos de que hay una escasez de herramientas existentes para tratar con este
idioma.

De la misma manera, Jia [ 31 ] aplicó un experimento en China usando el chatbot

ALICE para ver si un chatbot puede reemplazar a un compañero real para enseñar
un idioma extranjero. Se pidió a los estudiantes de universidades y colegios que
conversaran con ALICE, donde los estudiantes solo sabían que estaban conversando
con un compañero para ayudarlos a aprender inglés. Desafortunadamente, la gran
mayoría de los estudiantes se dieron cuenta de que estaban charlando con una
máquina después de un corto período de tiempo. Como resultado, 1256 usuarios
conversaron con ALICE, donde el 17% escribió comentarios positivos como: “eres
inteligente” y “eres amable”; El 88% de ellos conversó brevemente solo una vez; y
el 24% proporcionó comentarios negativos. Jia se refirió a esto a la ausencia de
conocimiento lingüístico y a contar con un proceso de coincidencia de palabras
léxicas sin ningún proceso semántico.

El análisis del diálogo generado entre los usuarios y ALICE revela que el chat cubre
muchos temas de nuestra vida diaria, por ejemplo, el 11,39% de los estudiantes
habló sobre exámenes y estudio de inglés, y el 13% mencionó el amor, la mayoría
de los estudiantes menores de 30 le dijeron a Alice algunas historias privadas y sus
problemas emocionales. Jia [ 31 ] concluyó que incluso con una simple coincidencia
de palabras clave, el uso de un chatbot no solo se limita a actuar como un
compañero de aprendizaje, sino que podría considerarse como un "querido amigo
que puede disfrutar de la alegría y sufrir el dolor de los usuarios". Para superar la
ausencia de información de conocimiento lingüístico en ALICE, Jia [ 32 ] creó un
sistema inteligente basado en la Web para enseñar un idioma extranjero.

A pesar de que las respuestas de la mayoría de los chatbots son redundantes,

predecibles y carentes de personalidad, como lo enumera Chantarotwong [ 16 ],
Fryer y Carpenter [ 25 ] aseguraron que un chatbot puede considerarse como una
herramienta para practicar un idioma en cualquier lugar y en cualquier momento,
especialmente para estudiantes no principiantes. El uso de un chatbot para enseñar
un idioma es útil en muchos aspectos, como se ilustra a continuación [ 25 ]:

 - Una herramienta divertida que motiva el aprendizaje;

 - Los alumnos se sentían más relajados cuando conversaban con un bot que
con un compañero humano real;
 - Un chatbot puede repetir el mismo material varias veces sin aburrirse;
 - Muchos chatbots utilizan textos y modalidades de habla para la
conversación que son útiles para mejorar las habilidades de comunicación de
los alumnos, como leer, escuchar, hablar y escribir.

6. CONCLUSIÓN

CALL se presenta como un medio para enseñar un idioma extranjero, en el que se

brindan diferentes actividades en sonido, audio e imágenes. Sin embargo, hay una
falta en la práctica de la conversación en estos programas, que es la forma
preferida de enseñar idiomas. En un intento por superar este problema, el
documento actual presenta la necesidad de integrar el sistema CALL con un chatbot
para desempeñar el papel de un interlocutor. Los diferentes ensayos y evaluaciones
que se presentan en este documento confirman las mejoras en el resultado de los
estudiantes de idiomas después de usar chatbots como compañeros de
conversación.

REFERENCIAS

1. Abu-Shawar, B (2008). Los chatbots son una interfaz web natural para los
portales de información. Actas de INFOS2008 , pág. NLP101-NLP107. [  Enlaces  ]
2. Abu-Shawar, B. y Atwell, E. (2003). Uso del Corpus of Spoken Afrikaans para
generar un chatbot en afrikaans. SALALS Journal: Lingüística del África Meridional y
Estudios de Lengua Aplicada , vol. 21, págs. 283-294. [  Enlaces  ]

3. Abu-Shawar, B. y Atwell, E. (2004). Un chatbot árabe que da respuestas del

Qur'an / Un chatbot arabe qui donne des reponses du Coran. B. Bel e I. Marlien
(Eds.). Actas de TALN2004: XI Conferencia sur le Traitement Automatique des
Langues Naturelles , vol. 2, págs. 197–202. [  Enlaces  ]

4. Abu-Shawar, B. y Atwell, E. (2004). Acceder a un sistema de información

mediante el chat. F. Meziane y E. Metais (Eds.) Procesamiento del lenguaje natural
y sistemas de información: Actas de NLDB04 , Berlín: Springer-Verlag, págs. 407–
412. [  Enlaces  ]

5. Abu-Shawar, B. y Atwell, E. (2005). Un sistema de chatbot como

herramienta para animar un corpus. Revista ICAME , vol. 29, págs. 5-
24. [  Enlaces  ]

6. Abu-Shawar, B. y Atwell, E. (2015). ALICE Chatbot: Pruebas y

resultados. Computación y Sistemas , Vol. 19, núm. 4, págs. 625–632. [  Enlaces  ]

7. Abu-Shawar, B. y Atwell, E. (2007). Chatbots: ¿Sind Sie wirklich

nutzlich? (¿son realmente útiles?). LDV-Forum, Revista de Lingüística
Computacional y Tecnología del Lenguaje , Vol. 22, págs. 31–50. [  Enlaces  ]

8. Abu-Shawar, B., Atwell, E. y Roberts, A. (2005). FAQChat como un sistema

de recuperación de información. Vetulani, Z. (ed.) Las tecnologías del lenguaje
humano como desafío, Actas de la 2ª Conferencia de Lenguaje y Tecnología ,
Wydawnictwo Poznanskie, Poznan, Polonia, págs. 274–278. [  Enlaces  ]

9. Agren, O (2000). Máquinas virtuales como ayuda en la enseñanza de conceptos

informáticos. Actas del taller sobre educación en arquitectura de
computadoras . [  Enlaces  ]

10. Alice (2002). Fundación ALICE AI, http://www.Alicebot.org/ [  Enlaces  ]

11. Angelova, G., Boytcheva, S., Kalaydjiev, O., Trausan-Matu, S., Nakov, P.

y Strupchanska, A. (2002). Adaptabilidad en CALL basada en web. Acta de ECAI-
2002 , IOS Press, págs. 445–449. [  Enlaces  ]

12. Angelova, G., Strupchanska, A., Kalaydjiev, O. y Boytcheva,

Sv. (2004). Repositorios Terminológicos Grid y Free Text en la enseñanza asistida
por ordenador de terminología de lenguas extranjeras. Proceedings of Language
resources: Integración y desarrollo en e-learning y en la enseñanza de la lingüística
computacional, Taller en LREC , págs. 35–40. [  Enlaces  ]

13. Baxter, P., Belpaeme, T., Canamero, L., Cosi, P., Demiris, Y. y Enescu, V.
(2011). Interacción a largo plazo entre humanos y robots con usuarios
jóvenes. Interacción humano-robot IEEE / ACM . [  Enlaces  ]

14. Benotti, L., Martínez, MC y Schapachnik, F. (2014). Involucrar a los

estudiantes de secundaria mediante chatbots. Actas de la Conferencia sobre
Innovación de 2014; Tecnología en la educación en ciencias de la computación,
ITiCSE '14 , Nueva York, NY, EE. UU., ACM, págs. 63–68. [  Enlaces  ]
15. Chai, J. y Lin, J. (2001). El papel de una interfaz conversacional de lenguaje
natural en las ventas en línea: un estudio de caso. Revista Internacional de
Tecnología del Habla , vol. 4, págs. 285-295. [  Enlaces  ]

16. Chantarotwong, B (2006). El chatbot de aprendizaje. Proyecto de fin de

año.,
[Online]: http://courses.ischool.berkeley.edu/i256/f06/projects/bonniejc.pdf [  Link
s  ]

17. Chen, HJ (2011). Desarrollar y evaluar un sitio de capacitación en habilidades

orales respaldado por tecnología de reconocimiento automático de voz. ReCALL
Journal , vol. 23, núm. 1, págs. 59–78. [  Enlaces  ]

18. Chiu, TL, Liou, HC y Yeh, Y. (2007). Un estudio de actividades orales

basadas en la web mejoradas por el reconocimiento automático de voz para el
aprendizaje universitario de inglés como lengua extranjera. Aprendizaje de idiomas
asistido por computadora , vol. 20, núm. 2, págs. 209-233. [  Enlaces  ]

19. Colby, K (1973). Simulación de sistemas de creencias. Schank, R., Colby, K.

(eds.) , Modelos informáticos de pensamiento y lenguaje , Freeman, San
Francisco, págs. 251–286. [  Enlaces  ]

20. Colby, K (1999). Conversación entre humanos y computadoras en un

programa de terapia cognitiva. Wilks, Y. (ed.) Machine conversations , Kluwer,
Boston / Drdrecht / London, págs. 9-19. [  Enlaces  ]

21. Danilava, S (2013). Compañeros conversacionales artificiales. Actas de la 27ª

Conferencia de la AAAI sobre Inteligencia Artificial , págs. 1658–1659. [  Enlaces  ]

22. Danilava, S., Busemann, S., Schommer, C. y Ziegler, G. (2013). Hacia

modelos computacionales para una interacción a largo plazo con un compañero
conversacional artificial. Actas de ICAART'13 . [  Enlaces  ]

23. Dimitrova, V (2003). STyLE-OLM: una herramienta de diagnóstico interactiva

en un entorno de aprendizaje de terminología. Revista Internacional de Inteligencia
Artificial en la Educación , vol. 13, núm. 1, págs. 35–78. [  Enlaces  ]

24. Dina, A. y Ciorinei, S. (2013) . Las ventajas y desventajas del aprendizaje y

la enseñanza de idiomas asistidos por ordenador para lenguas
extranjeras. Procedia-Ciencias sociales y del comportamiento , vol. 76, págs. 248-
252. [  Enlaces  ]

25. Fryer, L. y Carpenter, R. (2006). Bots como herramientas de aprendizaje de

idiomas. Tecnología y aprendizaje de idiomas , vol. 10, núm. 3, págs. 8.
[  Enlaces  ]

26. Fujii, S., Iwata, J., Hattori, M., Iijima, M. y Mizuno, T. (2000). “Web-

CALL”: un sistema de apoyo al aprendizaje de idiomas a través de
Internet. Séptima Conferencia Internacional sobre Sistemas Distribuidos y
Paralelos , págs. 326–331. [  Enlaces  ]

27. Gimeno-Sanz, A. y Davies, G. (2003). ICT4LT Módulo 3.2: Diseño e

implementación del software CALL . Obtenido el 1 de abril de 2004 de Obtenido el 1
de abril de 2004 de http://www.ict4lt.org/en/ [  Links  ]
28. Golonka, E., Bowles, A., Frank, V., Richardson, D. y Freynik, S.
(2014). Tecnologías para el aprendizaje de lenguas extranjeras: una revisión de
los tipos de tecnología y su eficacia. Aprendizaje de idiomas asistido por
computadora , vol. 27, núm. 1, págs. 70-105. [  Enlaces  ]

29. Graesser, A., Lu, S., Jackson, G., Mitchell, H., Ventura, M., Olney, A. y
Louwerse, M. (2004). AutoTutor: un tutor con diálogo en lenguaje
natural. Métodos, instrumentos y computadoras de recursos conductuales , vol. 36,
núm. 2, págs. 180-192. [  Enlaces  ]

30. Han, W (2008). Beneficios y barreras del aprendizaje y la enseñanza de

idiomas asistidos por computadora. Lengua Extranjera China-Estados Unidos ,
Vol. 6, núm. 9, págs. 40–44. [  Enlaces  ]

31. Jia, J (2004). Estudio de la aplicación de un sistema de chatbot basado en

web para la enseñanza de lenguas extranjeras. Proceedings of the SITE , AACE
press, págs. 1201–1207. [  Enlaces  ]

32. Jia, J (2004). CSIEC (simulador de computadora en comunicación educativa):

Un sistema de enseñanza inteligente basado en la Web para el aprendizaje de
lenguas extranjeras . [  Enlaces  ]

33. Jia, J (2009). CSIEC: Un chatbot de aprendizaje de inglés asistido por

computadora basado en el conocimiento textual y el razonamiento. Sistema basado
en el conocimiento , vol. 22, núm. 4, págs. 249-255. [  Enlaces  ]

34. Kerly, A., Ellis, R. y Bull, S. (2009). Agentes conversacionales en e-

learning. Aplicaciones e innovaciones en sistemas inteligentes XVI , págs. 169-
182. [  Enlaces  ]

35. Kruschwitz, U., De-Roeck, A., Scott, P., Steel, S., Turner, R. y Webb, N.
(2000). Extracción de datos semiestructurados-lecciones aprendidas. Actas de la
segunda conferencia internacional sobre procesamiento del lenguaje natural , págs.
406–417 [  Enlaces  ]

36. Kruschwitz, U., De-Roeck, A., Scott, P., Steel, S., Turner, R. y Webb, N.
(1999). Acceso en lenguaje natural a las páginas amarillas. Tercera conferencia
internacional sobre sistemas inteligentes de ingeniería de la información basados
en el conocimiento , págs. 34–37. [  Enlaces  ]

37. Kushnir, Y., Sviridova, T., Marikutsa, U., Sasenyuk, Y. y Zakaulov, A.

(2007). Sistemas asistidos por ordenador para simplificar la enseñanza de la
lengua de destino. Actas de CADSM'07 , págs. 577–579. [  Enlaces  ]

38. Levison, M. y Lessard, G. (2004). Narrativas generadas para la enseñanza de

idiomas asistida por computadora. COLING , págs. 26–31. [  Enlaces  ]

39. Levy, M (1997). Aprendizaje de lenguaje asistido por computadora. Contexto

y conceptualización . Oxford: Clarendon Press. [  Enlaces  ]

40. Lokman, AS y Zain, JM (2010). Categorías de una coincidencia y todas las

coincidencias para la coincidencia de palabras clave en Chatbot. Revista
Estadounidense de Ciencias Aplicadas , vol. 7, núm. 10, págs. 1406-
1411. [  Enlaces  ]
41. Mhatre, N., Motani, K., Shah, M. y Mali, S. (2016). Donna Interactive Chat-
bot que actúa como asistente personal. Revista internacional de aplicaciones
informáticas , vol. 140, núm. 10, págs. 6-11. [  Enlaces  ]

42. Mikic, FA, Burguillo, JC, Llamas, M., Rodríguez, DA y Rodríguez, E.

(2009). CHARLIE: Un Chatterbot basado en AIML que funciona como una interfaz
entre INES y los humanos . págs. 1–6. [  Enlaces  ]

43. Morton, H. y Jack, M. (2010). Aprendizaje de idiomas interactivo asistido por

computadora: una evaluación intercultural. Aprendizaje de idiomas asistido por
computadora , vol. 23, núm. 4, págs. 295–319. [  Enlaces  ]

44. Neri, A., Mich, O., Gerosa, M. y Giuliani, D. (2008). La efectividad del

entrenamiento de pronunciación asistido por computadora para el aprendizaje de
lenguas extranjeras por parte de los niños. Aprendizaje de idiomas asistido por
computadora , vol. 21, núm. 1, págs. 393–408. [  Enlaces  ]

45. Prensky, M (2002). La motivación del juego. On the Horizon , vol. 10, núm.

1, págs. 5-11. [  Enlaces  ]

46. Robin, R (2007). Comentario: escucha basada en el alumno y autenticidad

tecnológica. Aprendizaje de idiomas y tecnología , vol. 11, núm. 1, págs. 109-115.
[  Enlaces  ]

47. Turunen, M., Hakulinen, J., Stahl, O., Gambäck, B., Hansen, P.,
Rodríguez Gancedo, M., De la Cámara, R., Smith, C., Charlton, D., Y
Cavazza, M. (2011). Compañeros de salud y fitness conversacionales
multimodales y móviles. Comput Speech Lang , vol. 25, núm. 2, págs. 192-
209. [  Enlaces  ]

48. Van-Rooy, B (2003). Transkripsiehandleiding van die Korpus Gesproke

Afrikaans ., [Manual de transcripción del Corpus Spoken Afrikaans.] Potchefstroom:
Universidad de Potchefstroom. [  Enlaces  ]

49. VanLehn, K., Jordan, P., Rosé, CP, Bhembe, D., Bottner, M., Gaydos, A.,
Makatchev, M., Pappuswamy, U., Ringenberg, M., Roque, A. , Siler, S. y
Srivastava, R. (2002). La arquitectura de Why2-Atlas: un entrenador para la
redacción de ensayos de física cualitativa. Cerri, SA, Gouarderes, G. y
Paraguacu, F. (Eds.) , Actas de la Sexta Conferencia Internacional sobre
Sistemas de Tutoría Inteligente , Berlín: Springer-Verlag, págs. 158-
167. [  Enlaces  ]

50. Vlugter, P. y Knott, A. (2006). Un sistema de diálogo de múltiples hablantes

para el aprendizaje de idiomas asistido por computadora. Actas de BranDial: el
décimo taller sobre semántica y pragmática del diálogo . [  Enlaces  ]

51. Voth, D (2005). Los agentes prácticos ayudan. Sistemas inteligentes IEEE ,

págs. 4-7., [En
línea]: http://csdl2.computer.org/comp/mags/ex/2005/02/x2004.pdf [  Enlaces  ]

52. Wallace, R., Tomabechi, H. y Aimless, D. (2003). C hatterbots Go Native:

Consideraciones para un ecosistema que fomenta el desarrollo de formas de vida
artificiales en un mundo humano ., [En
línea]: http://www.pandorabots.com/pandora/pics/chatterbotsgonative.doc [  Enlac
es  ]
53.  53. Weizenbaum, J (1967). Comprensión contextual por
computadora. Comunicaciones de la ACM , vol. 10, núm. 8, págs. 474–
480. [  Enlaces  ]

54. Wik, P. y Hjalmarsson, A. (2009). Agentes conversacionales incorporados en

el aprendizaje de idiomas asistido por computadora. Comunicación oral , vol. 51,
núm. 10, págs. 1024-1037. [  Enlaces  ]

55. Wik, P., Hjalmarsson, A. y Brusk, J. (2007). OFERTA Un juego serio para

LLAMAR Practicando habilidades conversacionales en el ámbito
comercial. Procedimientos de SLATE . [  Enlaces  ]

56. Wikipedia (2007). Aprendizaje de idiomas asistido por computadora ., [En

línea]: https://en.wikipedia.org/wiki Computer-
assist_language_learning . [  Enlaces  ]

57. Wilks, Y., Catizone, R., Worgan, S., Dingli, A., Moore, R., Field, D. y
Cheng, W. (2011). Un prototipo de compañero conversacional para recordar
imágenes. Habla y lenguaje informáticos , vol. 25, núm. 2, págs. 140-
157. [  Enlaces  ]

58. Young, S. y Wang, YH (2014). El sistema CALL integrado del juego para

facilitar la adquisición y pronunciación del vocabulario en inglés. Tecnología y
sociedad educativas , vol. 17, núm. 3, págs. 239-251. [  Enlaces  ]

59. Zhao, Y (2003). Desarrollos recientes en tecnología y aprendizaje de idiomas:

una revisión de la literatura y un metanálisis. Revista CALICO , vol. 21, núm. 1,
págs. 7-27. [  Enlaces  ]

60. Zhao, Y (2005). Tecnología y aprendizaje de segundas lenguas: promesas y

problemas. Documento de trabajo sobre la Universidad Estatal de Michigan ., [En
línea]: http://www.ucop.edu/elltech/zhaopaper011505.pdf . [  Enlaces  ]

1 
http://www.languages.dk/archive/coursebook/CALL_LT.pdf .

2 
http://www.jabberwacky.com .

Recibido: 08 de junio de 2016; Aceptado: 12 de septiembre de 2017