Inicio
todoELE
  • Inicio
  • Materiales
    • πŸ“‹ Actividades
    • πŸ“ Conjugación
    • πŸ“Š Corpus
    • πŸ“” Diccionarios
    • βœ… Evaluación
    • βš™οΈ Gramática
    • πŸ“— Manuales
    • ✍️ Ortografía
    • πŸ“… Programación
    • πŸ—£οΈ Pronunciación
    • πŸ“ Recursos
    • πŸ”€ Vocabulario
    • πŸ’» Herramientas digitales
  • Formación
    • πŸ“š Bibliografía
    • πŸ‘₯ Congresos
    • πŸŽ“ Cursos
    • 🏫 Centros
    • 🏒 Organizaciones
    • πŸ“° Revistas
    • 🌍 Atlas de ELE
  • Trabajo
    • πŸ’Ό Ofertas de trabajo
    • ℹ️ Trabajo - Recursos
  • En la red
    • 🌐 Sitios ELE
    • πŸ“° Agregador
    • πŸ“§ Formespa
  • IA
    • ✨ Nuevos contenidos
    • πŸ“š Bibliografía IA
    • 🧰 Herramientas IA
    • πŸ’¬ Prompts
    • πŸ§ͺ Experiencias IA
    • 🌐 Sitios web IA
    • πŸ“° Actualidad IA
  • Comunidad
    • πŸ“° Actualidad ELE
    • 😊 Anécdotas ELE
    • πŸ“ Blog
    • πŸ“ŒTablón de anuncios
  • Buscar

Ruta de navegación

  • Inicio
  • Inteligencia Artificial
  • Experiencias
  • Un chatbot propio con RAG anclado al manual del curso, en Dickinson College

Un chatbot propio con RAG anclado al manual del curso, en Dickinson College

Anne Pham
Hillary Zhong
NotebookLM
Mizou
chatbots
asistentes personalizados
léxico
creación de materiales
prompts
adaptación de textos
enseñanza universitaria
https://fltmag.com/understanding-rag/

Anne Pham y Hillary Zhong, del Dickinson College (Estados Unidos), explican el sistema de chatbot con RAG —generación aumentada por recuperación— que ha desarrollado su equipo y que da servicio a estudiantes de cinco cursos de lengua. El problema que resuelve es concreto: antes del RAG, los estudiantes tenían dificultades para entender al chatbot porque los mensajes generados eran demasiado difíciles.

El funcionamiento es sencillo de contar: el profesor sube un archivo, el documento se trocea en fragmentos buscables y, cuando el estudiante pregunta, el sistema recupera las secciones relevantes y el modelo genera la respuesta incorporándolas. El artículo incluye un experimento comparativo muy ilustrativo con el personaje Anna, una estudiante china que ayuda a practicar mandarín: ante la misma frase del alumno, sin RAG el bot responde con la Ciudad Prohibida y la Gran Muralla, y con el manual cargado responde con vocabulario del primer año.

Los datos de coste son inusuales y útiles: 1,20 dólares en un mes, con unos dos millones de tokens enviados a la API, para los estudiantes de cinco cursos; cada subida de un archivo de un megabyte cuesta alrededor de un céntimo. El código es gratuito y descargable, aunque requiere un servidor propio y conocimientos de alojamiento, «una barrera para docentes sin soporte técnico dedicado». Otra limitación: el sistema prioriza el aprendizaje lingüístico o el estilo del personaje, pero no ambos a la vez.

Las autoras comparan su solución con dos herramientas comerciales. NotebookLM cita páginas de forma fiable y sirve para generar planes de clase, exámenes y guías de discusión, pero es lento con documentos grandes, no maneja bien las referencias a capítulos dentro de un libro entero y falla con escrituras no latinas. Mizou convierte bien la voz en texto y corrige con naturalidad, pero admite un solo archivo de conocimiento por bot y su función RAG es de pago. El artículo reproduce prompts completos y reutilizables para ambas. Su conclusión: «El RAG te devuelve el control: tú decides qué sabe la IA, cómo habla y qué enseña».

  • Inicie sesión para enviar comentarios

Enviar experiencia

Sobre Todoele Índice Publica Contacto: todoele@gmail.com
Política de privacidad Créditos