Es un conjunto de técnicas computacionales que permiten a un sistema mejorar su desempeño en determinadas tareas a partir de la experiencia, sin que sea necesario especificar mediante reglas explícitas cómo resolver cada caso (Mitchell, 1997). En el ámbito de la enseñanza de ELE, constituye la base de muchos sistemas de Inteligencia Artificial (IA, en adelante) utilizados para generar materiales, analizar textos, proponer actividades o apoyar procesos de evaluación.
En el aprendizaje automático, los modelos aprenden a partir de datos o de la interacción con un entorno. Según la técnica empleada, pueden aprender relaciones entre ejemplos y resultados esperados, descubrir patrones en datos sin etiquetar o mejorar su comportamiento mediante señales de recompensa. En muchos modelos, el entrenamiento implica ajustar parámetros internos para mejorar su desempeño. Este principio es la base de técnicas más complejas, como el aprendizaje profundo, que emplean redes neuronales con múltiples capas para procesar información lingüística de manera cada vez más sofisticada (Goodfellow et al., 2016).
En el ámbito educativo, estos modelos permiten realizar tareas como la clasificación de textos, la detección de patrones lingüísticos, la generación de explicaciones o la identificación de dificultades frecuentes del alumnado. Sin embargo, su funcionamiento depende directamente de la calidad de los datos del entrenamiento y del tipo de patrones que hayan sido incorporados durante su particular proceso de aprendizaje. Estos sistemas pueden cometer errores o reproducir sesgos presentes en los datos. En particular, los modelos de generación de lenguaje pueden producir información incorrecta o no respaldada por la información de referencia, fenómeno conocido como alucinación (Ji et al., 2023). Estas limitaciones requieren un uso crítico por parte de profesorado y alumnado.
Comprender el aprendizaje automático facilita la interpretación de las capacidades y limitaciones de los sistemas de IA empleados en el aula de ELE y permite valorar de manera informada su potencial en la planificación didáctica, el diseño de actividades y la evaluación. Las redes neuronales son una de las familias de modelos utilizadas en el aprendizaje automático, que también incluye otros métodos, como los árboles de decisión (Mitchell, 1997).
