Quién y dónde. Shannon Donnally Quinn, profesora de ruso en Michigan State University y hablante no nativa después de más de 30 años de estudio, lo cuenta en The FLTMAG (octubre de 2026). Antes, cuando algo de un texto auténtico se le escapaba, se quedaba sin resolver o acababa preguntándolo a amigos nativos. Ahora usa ChatGPT como «informante nativo», con una ventaja: le puede hacer todas las preguntas pequeñas con las que nunca molestaría a un amigo.
El contexto de trabajo. Mientras preparaba un recurso educativo abierto basado en una comedia rusa, transcribió los episodios con TurboScribe y subió todas las transcripciones a un proyecto fijado de ChatGPT, para que conociera el argumento y los personajes. Ese contexto ha sido a veces imprescindible para obtener una respuesta útil.
Dudas de transcripción y de sentido. Algunos ejemplos que recoge:
- No entendía разворот («cambio de sentido») en una conversación; el diccionario y la búsqueda de imágenes de Google solo daban giros en U. Con la cita y el contexto (los personajes trabajan en un periódico), ChatGPT propuso «doble página», un reportaje a dos páginas. Ella lo comprobó añadiendo contexto a la búsqueda y en un diccionario especializado.
- La transcripción automática daba «сутопитное слово», que no tenía sentido; ChatGPT propuso «вступительное слово» («palabras de bienvenida»), coherente con la escena.
- Ante la duda entre таки y такие, ChatGPT defendió primero la transcripción, pero razonando acabó admitiendo que такие tenía más sentido y le aconsejó escuchar el audio; ella tenía el vídeo y decidió que tenía razón.
- Para «рвёт имя», con la descripción de la escena (alguien enfadado), sugirió la expresión «рвёт и мечет» («echar chispas») y explicó por qué un transcriptor automático la oiría así; al volver a escuchar, la autora la oyó.
ChatGPT explica su razonamiento y suele dar varias opciones, que ella contrasta con lo que oye y ve en el vídeo. También le pidió revisar cada transcripción en busca de posibles errores: dejó pasar algunos y marcó otros que no lo eran, pero sirvió como primera criba. Para lo que no se oía bien usó además el aislador de voz de ElevenLabs, que elimina ruido o música de fondo; con él prepara audios para sus alumnos, que escuchan primero la voz limpia y después el original con el ruido.
Matices y referencias culturales. Le ha servido para confirmar intuiciones (la diferencia entre о y про, «sobre», relacionada con el registro de cada personaje en la escena), para discutir y mejorar su explicación de la partícula же después de rebatir la regla habitual con contraejemplos, y para reconocer que una frase sobre la mujer rusa capaz de parar un caballo al galope era una cita de un poema.
De preguntar a negociar. Como ChatGPT no puede oír el audio de forma fiable, la decisión final es siempre suya: a veces su primera propuesta es errónea o incompleta y hay que rebatirla y seguir preguntando. La autora lo describe como una negociación del significado y propone, como ideas aún no llevadas al aula, actividades en las que el alumno llegue con su propia hipótesis y evalúe la respuesta de la IA: transcripción compartida de un fragmento, ayuda a la lectura explicando primero su interpretación, investigación de expresiones idiomáticas (registro, contexto, frecuencia), preguntas de indagación sobre colocaciones o connotaciones, y «desafiar a la IA» en aquello que pueda simplificar o equivocar. Su conclusión es que se trata menos de encontrar respuestas que de aprender a hacer mejores preguntas.
- Inicie sesión para enviar comentarios