Aplicaciones al aprendizaje de lenguas de dos herramientas de
ayuda automática para la redacción de textos académicos: arText
y Estilector
Language Learning Applications of two Automatic Help Tools to Write
Academic Texts: arText and Estilector
Susana Pastor Cesteros
Universitat d’Alacant
spc@ua.es
Mar Cruz Piñol
Universitat de Barcelona
mcruz@ub.edu
RESUMEN
El objetivo del presente artículo es analizar las aportaciones de las herramientas de ayuda
automática (HAA) al aprendizaje consciente de la escritura académica (EA) en entornos
universitarios, considerando tres factores de diversidad: las diferencias entre aprender EA en L1
o L2, la experiencia previa con feedback correctivo y las particularidades de las distintas HAA.
Específicamente, comparamos las características de dos HAA (arText y Estilector), las ponemos
a prueba al revisar un corpus de artículos académicos y exploramos cómo percibe su utilidad un
grupo de 24 informantes. El marco teórico son los estudios acerca de la EA y sobre el uso de
HAA. Nuestra metodología es mixta y entre los instrumentos de investigación contamos con una
plantilla para analizar cualitativamente HAA y un cuestionario para cuantificar la opinión de los
participantes. Los resultados muestran la utilidad de ambas HAA, sus rasgos específicos y la
constatación de que aún son escasamente conocidas.
Palabras clave: escritura académica, herramientas tecnológicas, español académico L1, español académico
L2, feedback correctivo.
ABSTRACT
The objective of this article is to analyze the contributions of automatic help tools (AHTs) to the
conscious learning of academic writing (AW) in university contexts, considering three diversity
factors: the differences between learning AW in L1 or L2, previous experience with corrective
feedback and the particularities of the different AHTs. Specifically, we compare the features of
two AHTs (arText and Estilector), test them by reviewing a corpus of academic articles, and
explore how their usefulness is perceived by a group of 24 informants. The theoretical framework
is studies about AW and the use of AHTs. Our methodology is mainly qualitative, and the research
Revista Nebrija de Lingüística Aplicada a la Enseñanza de Lenguas (RNAEL) ISSN 1699-6569
Vol. 17 Núm. 35 (2023) doi: 10.26378/rnlael1735555
Recibido:30/08/2023 / Aprobado: 20/11/2023
Publicado bajo licencia de Creative Commons Reconocimiento Sin Obra Derivada 4.0 Internacional
instruments are a template to analyze AHTs and a questionnaire to gather the opinions of the
participants. The results show the usefulness of both HAAs, their specific features and the
confirmation that they are still poorly known.
Keywords: Academic Writing, Automatic Help Tools, Academic Spanish L1, Academic Spanish L2, Corrective
Feedback
1. INTRODUCCIÓN
El presente artículo surge de un contexto global y de una constatación particular.
Por una parte, tiene su origen en la evidencia de que la informática aplicada a la
redacción de textos ha trascendido los laboratorios de lingüística computacional, en
forma de herramientas que cualquiera puede utilizar. En paralelo, y fruto de la
especialización de las autoras de estas páginas, nos consta que los estudiantes
universitarios tienen un conocimiento mínimo, o incluso nulo, de cómo podrían utilizar
los recursos que han sido diseñados, específicamente, para ayudar al aprendizaje
consciente de la escritura académica. Así, el trabajo que presentamos a continuación se
centra en el estudio de las aportaciones de estas herramientas al aprendizaje de la
escritura en contextos universitarios.
Para este análisis nos marcamos tres objetivos. En primer lugar (objetivo 1),
analizar las características de las herramientas de ayuda para la escritura, mostrar sus
especificidades y justificar la elección de las que vamos a estudiar en profundidad. En
segundo lugar (objetivo 2), poner a prueba las herramientas seleccionadas y comparar
los resultados obtenidos. Finalmente (objetivo 3), explorar el grado de conocimiento que
un grupo de estudiantes de L1 y de L2 tiene de estas herramientas y cómo percibe su
utilidad.
La diversidad, como se verá, es el hilo conductor transversal de nuestro trabajo. Se
evidencia en la presentación de las características que diferencian unas herramientas de
otras por las necesidades particulares que distinguen el aprendizaje del español
académico en la lengua primera frente a hacerlo como lengua adicional y también en
las distintas experiencias previas de los estudiantes respecto a la corrección por parte
del profesorado y el feedback recibido.
A continuación (apartados 2 y 3), presentamos el estado de la cuestión en torno a
dos fundamentos teóricos: el estudio sobre la enseñanza de las particularidades de la
escritura académica en L1 y en L2, y la descripción de las características que distinguen
entre sí las diferentes herramientas informáticas diseñadas para ayudar a escribir mejor.
Seguidamente (apartado 4), exponemos la metodología que hemos seguido en esta
investigación. Más adelante (apartado 5), mostramos los resultados que hemos obtenido
tras analizar dos herramientas en particular, ponerlas a prueba con un corpus de textos
e investigar las percepciones de un grupo diverso de estudiantes universitarios.
Cerramos el artículo con las conclusiones y un anexo.
2. APRENDER ESCRITURA ACADÉMICA EN L1 O EN LENGUAS ADICIONALES
Abordamos en este segundo apartado el estado de la cuestión sobre la escritura
académica universitaria desde la perspectiva tanto del español L1 (2.1) como del
español como lengua adicional (2.2). Con ello pretendemos mostrar el origen del interés
por el tema y las líneas de trabajo actuales, en relación directa con los objetivos de este
artículo.
2.1. Sobre el aprendizaje de la escritura académica en español como L1
Los estudios sobre escritura académica en español se gestan alrededor de la
investigación sobre el discurso académico en L1, en el que la destreza predominante es
la escrita, por tradición investigadora y por su papel relevante en el sistema
universitario. En Hispanoamérica, surge desde los 2000 un movimiento muy potente de
defensa de la enseñanza de la escritura académica, que se ve reflejado en obras clásicas
como la de Tolchinsky y Simó (2001) sobre escritura a través del currículo o la de Carlino
(2005) sobre la alfabetización académica. La idea motriz radica en que, en cualquier
disciplina, la escritura no es una mera habilidad lingüística, sino que tiene un valor
epistémico indudable, en la medida en que a través de ella ordenamos las ideas,
pensamos, reestructuramos lo estudiado y, en definitiva, aprendemos. Esta concepción,
que aquí solo esbozamos, ha tenido y sigue teniendo un gran desarrollo teórico (Navarro
2016).
Este interés por la escritura se explica también por la situación socioeconómica de
muchos países hispanoamericanos, a cuyas universidades ingresaban generaciones de
estudiantes de clases menos favorecidas, de manera que la iniciación a los géneros
académicos universitarios adquiría una voluntad de inclusión e igualdad. Así se generó
un movimiento de estudio y práctica de los géneros escritos, primero, y del discurso
académico en general, después, que continúa muy vigente en la actualidad. Ello se ha
plasmado en programas institucionales universitarios de apoyo a la escritura,
transversales para todas las disciplinas; en múltiples centros de escritura en las
universidades; en la creación de la Red Latinoamericana de Centros y Programas de
Escritura y de la Asociación Latinoamericana de Estudios de la Escritura en la Educación
Superior y Contextos Profesionales (ALES), ambas muy activas; y, por supuesto, se
manifiesta también en numerosas investigaciones y publicaciones, entre las que
destacamos las de Natale (2012, 2013), Natale y Stagnaro (2017 y 2018) y Navarro y
Aparicio (2018).
Paralelamente, en el contexto español, el Manual de escritura académica dirigido
por Montolío (2000) marcó la consolidación de los trabajos sobre el tema. La obra fue
renovada y ampliada con posterioridad (Montolío 2014) y en ella se tratan, de la mano
de prestigiosos especialistas, todos los aspectos discursivos, pragmáticos y estilísticos
relacionados con la redacción en los géneros académicos y profesionales. Entre la amplia
bibliografía disponible, otros trabajos destacables son los de Cassany (1998, 2005,
2007, 2012), pionero en la investigación sobre los indisociables procesos de lectura y
escritura, el de Núñez Cortés (2015) y el de Castelló (2017), acerca de las percepciones
de alumnado y profesorado sobre la escritura académica.
Asimismo, los monográficos de Agray (2018) y Núñez Cortés y Ezárruriz (2020), en
los que participan autores tanto españoles como hispanoamericanos, aúnan las
perspectivas de L1 y L2 y resumen los avances actuales en la investigación sobre
escritura académica en todo el ámbito iberoamericano. Se trata, en definitiva, de un
área en continuo auge, como muestra la incesante aparición de nuevos y estimulantes
estudios (Salazar García y García Ruiz 2021, 2023).
2.2. Sobre el aprendizaje de la escritura académica en español como lengua
adicional
Para enmarcar adecuadamente la enseñanza de la escritura académica en español como
lengua adicional (tanto en contexto de lengua extranjera como de segunda lengua), hay
que relacionarla, por un lado, con los avances alcanzados alrededor de la redacción
académica en español como L1, pero también con lo que tiene de específico expresarse
en una lengua distinta a la materna. En este último sentido, la investigación sobre
Academic English es exhaustiva y ha marcado en cierto modo el camino para el resto
de los idiomas (en didáctica, lexicografía, temas y modos de investigar). Por otro lado,
si pensamos en qué tipo de aprendices pueden estar interesados en adquirir esta
modalidad de la lengua, ello nos conduce a la internacionalización universitaria que atrae
cada año a miles de estudiantes extranjeros a las universidades de habla hispana. Son
ellos quienes, bien en sus propias universidades, bien durante una estancia de
movilidad, han de interactuar de manera escrita en español para cursar con éxito los
créditos en los que se hayan matriculado.
Consecuentemente, se han desarrollado, por un lado, manuales específicos de
redacción en ámbito académico para estudiantes no nativos, como los de Vázquez
(2001a, 2001b) y Goethals (2011). Por otro lado, se ha generado una línea de
investigación sobre el discurso académico específicamente en español como L2, desde
el punto de vista de los nuevos contextos de uso y las metodologías emergentes (Pastor
Cesteros y Ferreira Cabrera 2018, Pastor Cesteros 2023a), pero también de la
evaluación y el feedback formativo (Castaño Arques y López Ferrero 2023). Ello entraña
una diversidad palmaria por la variabilidad de contextos y disciplinas, así como de
orígenes y lenguas maternas de estudiantes. En ese ámbito, desde el enfoque basado
en géneros, la enseñanza y aprendizaje de los géneros académicos escritos abarca tanto
los del periodo de formación (apuntes, resúmenes, trabajos académicos, reseñas o
exámenes escritos) como los de fin de ciclo (Trabajos de Fin de Grado -TFG-, Memorias
de Máster y tesis doctorales). Del mismo modo, tiene muy en cuenta el carácter
multimodal y los soportes mixtos que caracterizan la comunicación escrita académica y
científica en la actualidad (Pastor Cesteros 2023a: 73-96). Cualquier práctica didáctica
en este sentido ha de partir de un análisis de necesidades (Pastor Cesteros y Soriano
Moreno 2022) y de la asunción de lo que implica la comunicación académica escrita en
contextos universitarios con una visión panhispánica (Vázquez y Laca 2020).
Puesto que cualquier tipo de escritura en la actualidad, y en especial la académica,
es prioritariamente digital, ello implica que también nuestro alumnado puede y debe
recurrir a las herramientas de ayuda a la redacción existentes. Por consiguiente, a
continuación, abordamos la tipología de aquellas de las que disponemos, así como la
justificación de las seleccionadas para este trabajo.
3. HERRAMIENTAS DE AYUDA AUTOMÁTICA PARA LA ESCRITURA ACADÉMICA
En este apartado se presenta el estado de la cuestión. En primer lugar, se justifica la
elección de las dos herramientas objeto de análisis en este artículo, tras situarlas en el
marco de los diferentes recursos de los que se dispone en la actualidad para revisar
textos (3.1). A continuación, se plantea la oportunidad de este trabajo tras revisar los
estudios previos sobre el uso de herramientas automáticas de ayuda para la redacción
de textos académicos (3.2).
3.1 Diversidad de herramientas de ayuda a la escritura. El caso particular del
aprendizaje de la escritura académica
Existen numerosas herramientas gratuitas que pueden ayudar a escribir correctamente,
pero en el presente trabajo nos centramos en aquellas que sirven a los estudiantes
universitarios para revisar sus textos y, así, aprender sobre el proceso de escritura
académica. En este apartado justificamos nuestra elección, tras presentar brevemente
los diversos tipos de recursos disponibles. Para conocer más detalles sobre ellos se
remite al lector a los siguientes trabajos: Alonso Ramos et al. 2017; Acosta y Nazar
2020; Da Cunha 2020; Guzzi y Alonso Ramos 2020; Fidalgo Mariño 2021; Núñez Cortés
y Da Cunha 2021; Alonso Ramos y Zabala 2022; Da Cunha y Escobar 2022; Lucci y Prati
2022; Guzzi y Alonso Ramos 2023; Lillo Fuentes, Venegas y Lobos, 2023; Nazar y Renau
2023.
Es probable que lo primero que venga a la mente de cualquier persona que piense
en sistemas para la corrección automática de textos sean los revisores como los que se
encuentran integrados en los procesadores de textos. Estos programas están cada vez
más evolucionados, pues ya no solo incorporan un diccionario, sino que contemplan
también reglas de gramática y sintaxis, con lo que detectan, por ejemplo, errores de
concordancia1. Con todo, los descartamos en el presente análisis, porque no están
diseñados para la reflexión sobre el proceso de escritura académica en particular. Lo
mismo ocurre con herramientas en línea como los diccionarios, los conjugadores, los
glosarios terminológicos o incluso las páginas con ejercicios de corrección automática
de acentuación, ortografía o puntuación. Sobre su utilidad, pueden consultarse los
trabajos previos de Cruz Piñol (2014, 2015 y 2022).
Paralelamente, hay otros recursos que nos planteamos analizar aquí en primera
instancia, pero que finalmente decidimos descartar porque, aunque ofrecen revisiones
gratuitas previo registro, exigen una suscripción de pago para poder acceder a todas las
prestaciones sin límite. Es el caso del corrector de ortografía, gramática y estilo Stilus
(https://www.mystilus.com/) y del asistente de escritura Outwrite
(https://www.outwrite.com/es). En la línea del Acceso Abierto y de la Ciencia Abierta,
aquí nos hemos centrado en recursos que los estudiantes universitarios puedan utilizar
sin costes adicionales, de modo que ambos quedan fuera de nuestro objetivo.
Un caso aparte es el de la herramienta Harta (http://www.dicesp.com:8083/).
Inicialmente pensamos abordarla en este trabajo, pues también está diseñada para
ayudar en la escritura académica y es un recurso gratuito, pero no la hemos incluido
porque no revisa textos ya escritos. Con todo, es importante destacar su valor para los
estudiantes universitarios en la fase de elaboración del texto. Uno de los motivos es
porque recoge muestras de fórmulas y colocaciones específicas del discurso académico,
acompañadas de sus ejemplos de uso, que están tomados del corpus que sirve de base
al proyecto. Además, proporciona un valioso listado de funciones propias del registro
académico, acompañado de ejemplos de conectores, con lo que ayuda a los estudiantes
a escoger los más adecuados y a evitar repeticiones. Por todo ello, consideramos que
Harta es una herramienta que los estudiantes universitarios deben conocer. De hecho,
particularmente el alumnado extranjero participante en nuestro estudio destacó su
utilidad en la fase de construcción del texto, pues ofrece variantes de colocaciones
académicas que a menudo desconocen (Pastor Cesteros 2023b).
Por último, también nos planteamos analizar la conveniencia del empleo de ChatGPT
(https://chat.openai.com) para la revisión de textos académicos, por su novedad y por
el indudable interés que ha despertado. No obstante, hemos optado por descartarlo,
principalmente porque creemos que este recurso puede cambiar mucho en poco tiempo
y, en consecuencia, este artículo perdería actualidad pronto. Además, en el momento
de redactar estas páginas, ChatGPT responde a peticiones del tipo “¿puedes mejorar la
redacción académica de este texto?”, pero en la nueva versión que devuelve,
supuestamente mejorada, no indica qué ha cambiado ni explica por qué lo ha hecho. Es
decir, no ayuda a la reflexión por parte del estudiante ni aporta feedback para aprender,
algo que nos interesa en especial de cara a la autonomía en el aprendizaje de la
redacción académica (Carrasco Perea y López Ferrero 2023). Además, la extensión de
los textos que se pueden pegar para ser revisados es inferior a la de un artículo
académico estándar.
Por todo lo expuesto, optamos por centrar esta investigación en Estilector
(http://www.Estilector.com) y arText (http://sistema-arText.com/ambito-
academico/trabajode-fin-de-grado-(tfg)), dos herramientas gratuitas que revisan textos
académicos y que ofrecen recomendaciones (feedback) para el aprendizaje consciente
de la escritura en contextos universitarios. En el apartado dedicado a los Resultados
(5.1) presentamos comparativamente las características de Estilector y de arText a
partir de una plantilla de análisis elaborada para este trabajo y descrita en el apartado
correspondiente a la Metodología (4). También discutimos sus especificidades tras
ponerlas a prueba con un corpus de textos (5.2) y mostramos las opiniones de los
informantes de nuestro estudio al usarlas, bien en español como L1, bien como L2 (5.3).
Pero antes (3.2) consideramos necesario conocer el estado de la cuestión sobre el uso
de herramientas de ayuda automática a la escritura académica en el contexto
universitario, tanto en el contexto de lenguas primeras como en el de lenguas
adicionales.
3.2 Estudios sobre el uso de herramientas de ayuda automática a la escritura
académica en diversidad de contextos
Entre los trabajos que ofrecen resultados de investigación empírica acerca del empleo
de herramientas de ayuda automática a la redacción académica, destacamos en primer
lugar los de da Cunha, que no en vano es responsable del proyecto que ha dado lugar
a arText y que desarrolla una gran labor de difusión de la plataforma. Por lo que se
refiere a la percepción de la utilidad de este recurso, en da Cunha (2020) encontramos,
además de una exposición detallada del proceso de creación de la parte de arText
dedicada específicamente a la elaboración de un Trabajo de Fin de Grado (TFG), los
resultados de la evaluación que fue llevada a cabo con 77 estudiantes de la Universidad
Autónoma de Madrid. Su valoración fue globalmente muy positiva, tanto por lo que
respecta a la revisión y recomendaciones recibidas, como a la herramienta en su
conjunto.
Paralelamente, Acosta y Nazar (2020) describen las potencialidades de Estilector,
que detecta problemas textuales, pero también gramaticales y ortográficos y cuya
fortaleza estriba en el feedback formativo que ofrece; así, muestran el avance paulatino
en el número de textos revisados y los países de los que proceden las consultas, de
mayor a menor incidencia. En Nazar y Renau (2023), respecto a este mismo recurso,
puede hallarse una actualización de los datos, con información sobre el estado actual
del proyecto y sus posibilidades de desarrollo futuro.
Siguiendo en esta última línea, da Cunha y Escobar (2022) demuestran de qué modo
arText es apropiada para el aprendizaje de los conectores discursivos; en este artículo,
explican cómo se desarrolló el recurso y cómo su clasificación de los conectores (tanto
intraoracionales como interoracionales) obedece a la relación que establecen (causa,
reformulación, antítesis, entre otras). La evaluación de la herramienta (tanto la basada
en datos, con 24 textos, como la basada en usuarios, con 25 personas nativas de
español) fue muy positiva.
Para comprobar de un modo aún más concreto el impacto que tenían las
recomendaciones de arText, durante las revisiones de textos, en las decisiones que
finalmente tomaban los usuarios, es decir, qué se les indicaba y qué correcciones
aplicaban, Núñez Cortés y da Cunha (2022) analizaron cuantitativa y cualitativamente
117 textos de estudiantes universitarios. Sus resultados revelaron que se asumían más
de la mitad de las observaciones, particularmente las relacionadas con la extensión
oracional y los conectores discursivos, mientras que no eran tan tenidas en cuenta las
que tenían que ver con formas verbales y marcas de subjetividad. En consecuencia, los
autores concluyen que el apoyo ofrecido es considerable, opinión que compartimos.
Desde un punto de vista diacrónico, debemos a Lillo Fuentes, Venegas y Lobos
(2023) un artículo de metaanálisis en el que muestran que las evaluaciones automáticas
(como las que aquí tratamos) han evolucionado desde puntuaciones fiables y concretas
hacia una revisión basada en la retroalimentación2; que es fundamental el papel de los
docentes en el diseño de estas herramientas, pues son ellos quienes conocen de cerca
la realidad didáctica; y que el apoyo que ofrecen es muy adecuado, si bien echan en
falta el desarrollo de más herramientas para la lengua española.
Por su parte, Fidalgo Mariño (2021) también indaga sobre la diversidad que
muestran los estudiantes universitarios en el conocimiento y uso de las herramientas
automáticas para el inglés y el español, por lo que se refiere particularmente a las
combinaciones léxicas académicas. Sus datos apuntan a que apenas conocen o utilizan
las que podrían ayudarles a mejorar la escritura en español, mientras que sí son más
conscientes de la necesidad de emplearlas al redactar en inglés y así lo hacen.
Asimismo, aunque aquí no nos vamos a ocupar de Harta (tal como se ha justificado
en 3.1), consideramos relevante mencionar que en una investigación previa (Pastor
Cesteros 2023b) se analiza su empleo y utilidad tras recoger las opiniones por parte de
alumnado universitario con diversidad de lenguas maternas. Ese estudio mostró que los
estudiantes extranjeros valoran muy especialmente esta herramienta, sobre todo
porque les proporciona apoyo durante el proceso de textualización, al ofrecer listados
de fórmulas y colocaciones académicas que les permiten elegir la más adecuada a su
contexto. Los lectores que deseen conocer mejor Harta encontrarán una descripción
muy detallada de su estructura y posibilidades en Alonso Ramos y Zabala (2022) y Guzzi
y Alonso Ramos (2023).
Una vez revisado el estado de la cuestión de este trabajo, mostramos en el siguiente
apartado el diseño metodológico seguido.
4. METODOLOGÍA
Para llevar a cabo nuestro estudio empírico, hemos empleado una metodología mixta
(Martín Leralta y Doquin de Saint Preux 2022). Por un lado, hemos analizado
cualitativamente las características de las herramientas de ayuda a la redacción
seleccionadas (en relación con el objetivo 1), así como el resultado de aplicarlas a los
textos del corpus (objetivo 2). Por otro lado, hemos recabado las opiniones sobre el uso
de tales plataformas entre el alumnado participante en nuestra investigación (objetivo
3) y hemos cuantificado los resultados. A continuación, describimos con más detalle el
diseño metodológico.
El instrumento empleado para comparar críticamente las dos herramientas ha sido
una plantilla de análisis diseñada específicamente a tal fin, que se puede consultar en la
Tabla 1 (apartado 5.1). En ella se recogen organizados temáticamente los cuatro
criterios que permiten analizar sus características principales. En primer lugar, la
identificación (autoría, tiempo en funcionamiento, especificidad para textos
académicos); en segundo lugar, la navegación (si funciona con cualquier navegador, si
requiere registro, si incluye tutorial, si da pautas para redactar, si permite revisar un
texto ya escrito, si se puede importar y exportar texto, la extensión del texto a revisar,
cómo se listan los errores, si se usan colores, si se da la opción de aceptar cambios);
en tercer lugar, la tipología de aspectos que corrige; en cuarto y último lugar, la
posibilidad de aprender de manera autónoma sobre escritura académica a partir de los
propios errores (si hay feedback correctivo o bibliografía para ampliar).
Para poner a prueba las herramientas, hemos decidido escoger dos textos
académicos de nuestra autoría. Los criterios para elegirlos han sido los siguientes:
ejemplificar la aplicación de las herramientas con nuestros propios escritos y sus
posibles errores, pues creemos que la mejor manera de explicar algo es a partir de la
propia experiencia, y los docentes también podemos mejorar nuestros textos; que los
artículos estuvieran relacionados temáticamente con el tema del que aquí tratamos y,
por tanto, hubieran sido citados en el marco teórico; y que fueran de acceso abierto,
con el fin de que quien así lo desee pueda replicar la prueba y comprobar los resultados
por sí mismo.
Por lo que respecta a la obtención de datos sobre la percepción del alumnado con
diversidad de lenguas maternas (español L1 y L2) tras el uso de herramientas de ayuda
a la redacción, el contexto de la investigación fue la Universidad de Alicante, durante el
curso 2022-23. Los participantes fueron 24 estudiantes universitarios de la asignatura
de Lingüística aplicada al aprendizaje de lenguas, divididos en dos grupos; el grupo 1
estaba constituido por 12 españoles (de diversas Filologías) y el grupo 2, por 12
estudiantes de movilidad internacional, con un nivel de competencia de español de B2
en adelante, procedentes de distintos países, universidades, estudios y lenguas
maternas (cuatro de lengua inglesa, tres de alemana y uno de francés, italiano, ruso,
árabe y chino, respectivamente). Ambos grupos compartían, no obstante, la franja de
edad (entre 20 y 25 años), el multilingüismo (conocimiento de tres o más idiomas la
mayoría de ellos) y el hecho de tener que redactar trabajos académicos en español en
sus respectivas carreras, a través de los que serían evaluados durante ese semestre. La
diversidad en la experiencia previa con la corrección por parte del profesorado y el
feedback obtenido constituía un elemento diferenciador. Mientras que al grupo 1 se le
había exigido mucha corrección formal en sus trabajos académicos en español durante
ese curso y los anteriores, el grupo 2, en estancia de movilidad, había recibido en
comparación muchas menos correcciones de sus escritos en español hasta ese
momento.
El instrumento de investigación que se utilizó para conocer su opinión fue un
cuestionario (véase Anexo 1), elaborado a través de Googleforms según las directrices
recomendadas por Ainciburu (2022) y compartido electrónicamente entre los
informantes. Previamente, todos ellos habían realizado en el aula una actividad de
revisión de textos académicos usando las herramientas objeto de estudio para
cerciorarnos de que las conocieran y pudieran opinar sobre ellas. El cuestionario que se
distribuyó entre los dos grupos era idéntico, a excepción del bloque inicial con los datos
que identificaban el perfil, en el que debían consignar la edad, la L1, el conocimiento de
otras lenguas, la experiencia en la redacción y evaluación de textos académicos y, solo
en el caso de los extranjeros, el nivel de competencia en español; el segundo bloque lo
constituían preguntas sobre las herramientas, las mismas para arText y para Estilector
(si las conocían antes de la actividad, si las habían utilizado previamente, si les parecían
fáciles de usar, si pensaban que les podían ayudar y en qué aspectos concretos, si
consideraban que debían formar parte de las recomendaciones docentes, si las
recomendarían ellos mismos y cuál era su valoración global del recurso). Un espacio
abierto para comentarios sobre la experiencia cerraba el formulario.
Para la obtención de datos, respetamos los criterios básicos de ética de la
investigación (Rodríguez-Lifante 2022), en relación con el consentimiento informado, el
anonimato de los participantes y el uso exclusivamente para fines académicos de los
resultados obtenidos, que detallamos seguidamente.
5. RESULTADOS
Una vez expuestos los criterios metodológicos y el diseño del estudio, procedemos en
este apartado a exponer los resultados obtenidos, referidos a los rasgos definitorios de
las dos herramientas analizadas (5.1), la comparación de ambas tras su aplicación a la
revisión de textos (5.2) y las percepciones del alumnado acerca de su uso (5.3).
5.1 Características de las dos herramientas de ayuda para la escritura
académica (arText y Estilector)
De acuerdo con el objetivo 1, a continuación (Tabla 1) presentamos de forma sintética
una comparación de las características de arText y Estilector a partir de la plantilla que
hemos diseñado con este fin. Los datos que se exponen en este apartado se han
obtenido tras la revisión de ambas plataformas y la lectura, por una parte, de los
artículos publicados por sus creadores (Da Cunha 2020; Da Cunha y Escobar 2022;
Acosta y Nazar 2020; Nazar y Renau 2023) y, por otra, de los tutoriales que han
elaborado para ayudar a los usuarios (Da Cunha s/f, 2021; Nazar s/f; Renau y Nazar
2021). En el apartado siguiente (5.2), tras someter los dos artículos del corpus a la
revisión por arText y Estilector, profundizaremos en este análisis con ejemplos
concretos.
Criterios
arText
Estilector
1. Créditos
¿Quién ha coordinado el proyecto?
Iria da Cunha
(UNED)
Rogelio Nazar
(PUCV)
¿Desde cuándo funciona?
2015
2014
¿Es específica para escritura académica?
✓ (1)
✓
2. Navegación
¿Funciona con cualquier navegador?
_ (2)
✓ (3)
¿Se usa sin registro previo?
✓
✓
¿Incluye tutorial?
✓
✓
¿Da pautas para escribir un texto desde cero?
✓
_
¿Permite revisar un texto ya escrito?
✓
✓
¿Permite subir un archivo sin corta-pega?
✓ (4)
_
¿Hay una extensión máxima para el texto revisable?
_
✓ (5)
¿Permite parar la revisión y reanudarla más adelante?
✓ (6)
_
¿El editor integrado permite modificar el texto?
✓
✓
¿El editor integrado permite modificar el formato?
✓
(mínimamente)
✓ (7)
Ante cada error detectado, ¿se va situando el cursor en el punto
del texto donde se encuentra?
_ (8)
✓ (9)
¿Usa colores para identificar los diferentes tipos de errores?
✓
(mínimamente)
✓
¿Da la opción de aceptar/rechazar la corrección sugerida?
_
✓
¿Permite exportar el texto corregido?
✓ (10)
✓ (11)
¿Da la opción de enviar comentarios a los diseñadores para que
mejoren la herramienta?
✓
✓
3. ¿Qué corrige?
Riqueza léxica (vocabulario repetido)
✓
✓
Palabras comodín (proformas)
_
✓
Conectores y marcadores discursivos
✓
✓
Párrafos-frase
✓
✓
Frases largas
✓
_
Puntuación
_
✓
Ortografía
✓
✓
Siglas (recomiendan desglosar la base)
✓
_
Gerundios
✓
_
Voz pasiva
✓
_
Carencia de definiciones
✓
_
Expresiones redundantes
✓
_
Uso de “etc.”
_
✓
Verbos que rigen preposición/régimen verbal
_
✓
Consistencia en el uso de 1ª o 3ª persona
✓
✓ (12)
Indicadores de subjetividad
✓
_
Bibliografía citada no incluida en el repertorio final o viceversa
_
✓
4. Autoaprendizaje de la escritura académica
¿Explica el motivo del error / de la corrección?
✓
✓
¿Sugiere cómo corregir el error?
✓
✓
¿Ofrece bibliografía para aprender y mejorar a partir de los
errores?
_
✓
Tabla 1. Comparación de las características de arText y Estilector
A continuación, presentamos las aclaraciones correspondientes a las notas que
hemos incluido en la Tabla 1:
(1) La página principal de arText ofrece ayuda para la revisión de dos tipos de textos: “Géneros
textuales de ámbitos especializados” y “Textos en lenguaje claro”. El estudiante que quiera
trabajar con un texto académico tendrá que seleccionar la primera opción y ahí escoger el
“ámbito académico” (que solo incluye un subgénero, el de “Trabajo de fin de grado (TFG)”).
Dentro de “Géneros textuales de ámbitos especializados” se ofrecen tres ámbitos más
(“Administración pública”, “Medicina” y “Turismo”), que no analizamos aquí porque se alejan
de nuestro objetivo.
(2) Al acceder a arText aparece un aviso en el que se recomienda el navegador Chrome.
(3) Aunque puede funcionar con cualquier navegador, Estilector está optimizado para Chrome o
Firefox.
(4) arText permite guardar un texto desde su editor en formato -arText y, posteriormente, este
texto se puede importar para seguir trabajando. Esto podría resultar útil si se ha usado esta
herramienta para escribir y formatear el texto, pero no si lo que se desea es revisar un texto
editado con un procesador al uso.
(5) Según indican sus propios creadores, “Estilector acepta textos de hasta 500 páginas de
extensión, pero funciona mejor cuando el límite son unas 20 páginas, es decir, cuando
maneja extensiones habituales en los textos académicos.”
(http://www.Estilector.com/index.pl?botones=info).
(6) Desde arText se puede guardar en cualquier momento la revisión en formato .arText y este
archivo se puede importar más adelante para reanudar el trabajo.
(7) Sin embargo, tal como se indica en el tutorial de Estilector, hay que tener en cuenta que “el
formato de descarga es texto plano, es decir un archivo txt que, si bien puede abrirse con el
procesador de texto habitual, no va a contener las marcas de formato como negritas,
cursivas o tamaños de letra. Es por esto que nosotros no recomendamos editar el texto en
el propio Estilector. Además, si por cualquier motivo se pierde la conexión, se perdería el
texto, ya que el sistema no almacena datos de los usuarios. Creemos que la mejor práctica
es usar Estilector como un revisor, pero no como un procesador de texto.”
(http://www.Estilector.com/index.pl?botones=info)
(8) En arText hay que ir navegando por el texto para localizar (destacados con colores) los
errores que se indican en la columna adicional de la derecha.
(9) Si en un párrafo hay más de un error, muestra dos veces el párrafo.
(10) arText permite exportar el texto revisado en los siguientes formatos: .arText, .doc, .pdf y
.html.
(11) Estilector también permite exportar el texto revisado, pero solo en texto plano, es decir, sin
formato.
(12) Estilector recomienda la impersonalidad.
Los datos que hemos recogido en esta tabla enriquecen, de una manera gráfica y
sintética, los que hemos presentado en el estado de la cuestión (3.1 y 3.2). Al mismo
tiempo, ofrecemos al lector una plantilla que podrá ampliar con otras herramientas y
actualizarla con la evolución de las mismas en el futuro. A continuación, ampliamos el
comentario sobre arText y Estilector con los datos que hemos obtenido tras emplearlas
para revisar el corpus de muestra.
5.2 Análisis comparativo tras la aplicación de arText y Estilector a la revisión
de dos textos académicos
En este apartado, discutimos algunas especificidades de las dos herramientas, arText y
Estilector, tras ponerlas a prueba con un corpus de textos académicos (objetivo 2)
constituido por dos artículos de nuestra autoría, ambos relacionados con el marco teórico
que aquí manejamos y de acceso abierto. De este modo, si el lector desea comprobar
los resultados por sí mismo puede replicar la prueba y, al mismo tiempo, profundizar en
el estado de la cuestión que aquí nos ocupa.
Los artículos académicos que constituyen el corpus son Cruz Piñol (2015) y Pastor
Cesteros y Ferreira Cabrera (2018). El primero tiene una extensión de 6.923 palabras;
el segundo, 7.895. En ambos casos, hemos copiado el texto y lo hemos pegado en la
pantalla de edición de cada una de las dos herramientas.
Una vez pasados los textos por artText hemos observado lo siguiente. En relación
con la navegación, puesto que artText permite escoger entre “géneros textuales de
lenguajes especializados” y “textos en lenguaje claro”, hemos de partir de la base de
que el estudiante debe ser capaz de entender la diferencia entre ambas opciones.
Respecto al hecho de que se recomiende utilizar Chrome, esto tal vez pueda suponer un
obstáculo en algunos países, como China, en los que está restringido el uso de
programas de Google, si bien en nuestro contexto está muy extendido.
Una vez abierta la ventana de edición, lo primero que aparece es una plantilla con
los títulos de los apartados esenciales en un texto académico (específicamente, un TFG),
además de los subapartados que los constituyen, lo cual constituye una ayuda muy
valiosa cuando se tiene que empezar a escribir desde cero. Este es uno de los elementos
más idiosincráticos de arText: además de revisar, determina la estructura del TFG y da
ideas sobre su composición. Sin embargo, si lo que se desea es corregir otro tipo de
texto ya escrito, como fue nuestro caso, hay que borrar las líneas de este guion previo.
Es decir, que para revisar un género académico distinto (una reseña, por ejemplo),
habría que redactar directamente en cada apartado o copiar por partes y pegar en
aquellas que se ajusten al esquema previsto.
Una vez que se inicia la revisión, se visualizan a la derecha los aspectos mejorables,
que aparecen en amarillo en el texto. Ahora bien, sería interesante que los errores
detectados se vieran en una lista, en lugar de tener que navegar por el texto buscándolos
(especialmente cuando se trata de un texto largo). Sí que lo hace con las listas de
conectores y de palabras repetidas, pero esa lista no lleva al error en su contexto, sino
que hay que usar el buscador para encontrar en el texto cada una de las palabras de la
lista.
En cuanto a los elementos que corrige (véase la tabla del apartado 5.1),
comentamos seguidamente las observaciones que nos suscita. Por una parte, cuando
en el menú lateral se indica que los párrafos largos están marcados en el texto, hay
muchos fragmentos en amarillo y cuesta ver cuáles se refieren realmente a “párrafos
largos”. Además, también se ven marcados algunos autores o algunos números de
apartados, por ejemplo.
Respecto a la corrección en el uso de conectores, cuando se detecta su ausencia al
inicio de párrafos, resulta muy útil el listado de conectores que ofrece clasificados por
funciones discursivas, si bien sigue casi todo el texto marcado en amarillo. Cuando
señala conectores repetidos y los muestra en el menú lateral, si se pulsa en cada uno,
ofrece alternativas. En este caso, no marca los conectores en el texto, así que hay que
ir buscándolos a mano. También sugiere introducir conectores al inicio de oración para
conectar con los párrafos anteriores, con propuestas. Sin embargo, en algunos de los
casos señalados la conexión se establece de otros modos igualmente válidos (con
posesivos o deícticos), pues no es imprescindible que cada párrafo vaya introducido por
un marcador.
Otra corrección interesante es la referida a la extensión de las frases y los párrafos.
Al detectar lo que considera oraciones largas, en algunas ocasiones estas solo ocupan
dos líneas. Cuando en efecto sí lo son, sugiere por dónde se podrían dividir, pero lo deja
a la elección del usuario. Del mismo modo, puede llegar a señalar como párrafos-oración
algunos que no son tales. O indicar como error los párrafos largos, algo que puede
confundir, porque la longitud del párrafo puede estar justificada en determinados casos.
También nos ha llamado la atención que, al identificar en amarillo gerundios que
recomienda evitar, en ocasiones algunos formen parte en realidad de perífrasis correctas
(como estamos utilizando, venimos advirtiendo o va incorporando), aunque es cierto
que muchos otros sí convendría evitarlos. Asimismo, es francamente útil que la
herramienta señale la repetición de palabras, pero la lematización presenta algunos
errores; por ejemplo, en el listado incluye la a, que en el texto conduce no solo a la
preposición, sino también al morfema de flexión nominal femenina. En cuanto al modo
de indicar tales repeticiones, lista a la derecha las que se repiten en el texto, pero en
algunos casos están muy distanciadas y hay que buscar cada palabra en el texto. Solo
si la repetición se da en un mismo párrafo aparecerían bien visualizadas y realmente
habría que subsanar el error.
arText también marca cuestiones de estilo, como el uso de la voz pasiva, lo que de
nuevo conviene interpretar más bien como una recomendación, porque no constituyen
errores propiamente dichos (de hecho, tan solo se indica que “en este tipo de textos es
más habitual la voz activa”). Asimismo, a veces interpreta como pasivas estructuras que
no lo son, como el nivel (…) es elevado. La cuestión de las recomendaciones estilísticas
se repite con el uso de indicadores de subjetividad: marca como erróneo sin duda,
aunque lo que le siga sea inapelable; señala el uso de tal vez, que se justifica en realidad
como un mecanismo de atenuación. O de mejor logro, buen nivel, que pueden
entenderse en realidad como lícitos juicios de valor de quien escribe. No obstante, en
todos los casos, se explica el porqué de la recomendación y se dan ejemplos de uso, lo
cual puede resultar muy provechoso para los estudiantes. También en la revisión de las
voces personales es necesario prestar atención, porque arTExt puede interpretar
erróneamente determinados sustantivos y adjetivos (objetivo, presente) o apellidos
(Vine, Parodi, Mateo) como si fueran verbos en 1ª persona, para luego marcar el
supuesto error de falta de “Sistematicidad en el uso de verbos en 1ª persona”.
Finalmente, por lo que se refiere a la bibliografía, arText no detecta las referencias
que se citan en la bibliografía final, pero no en el texto o viceversa, un aspecto sin
embargo muy relevante en los trabajos académicos universitarios.
Respecto a la segunda herramienta que hemos analizado, Estilector, resumimos a
continuación algunos de los resultados tras someter a revisión los dos artículos del
corpus. En lo referente a la navegación, es muy sencillo copiar y pegar el texto original
e iniciar la revisión. A partir de ahí, la herramienta va marcando las correcciones al
margen, párrafo a párrafo, lo cual resulta muy claro. Cuando en un mismo párrafo se
detectan errores de distinta índole, se repite el párrafo para explicarlos separadamente.
Además, el hecho de que se usen colores distintos para cada lema repetido ayuda mucho
a encontrar las palabras en el texto.
En algunos casos, Estilector da la opción de rechazar correcciones, lo cual es útil
cuando la herramienta se equivoca o cuando no estamos de acuerdo con la propuesta
que nos ofrece. Además, se da la opción, simplemente con un clic, de comunicar el error
a los responsables de la herramienta. Asimismo, Estilector detecta como error el uso de
etc. y recomienda evitarlo. También identifica proformas (ver, importante, hacer) y
propone alternativas más precisas, para lo cual remite a un diccionario de sinónimos.
Señala también errores de puntuación (por ejemplo, detecta ausencia de punto al final
de párrafo o falta de dos puntos cuando se requieren). Sugiere evitar la primera persona
(en este caso, nuestra) y usar en su lugar expresiones de impersonalidad.
Una de las aportaciones más destacadas de este recurso tiene que ver con el
autoaprendizaje. Así, detectado un problema, permite simplemente localizarlo y
corregirlo (si se entiende a la primera de qué se trata), o bien clicar en “+info” y obtener
feedback correctivo detallado. Este incluye listas de alternativas (sinónimos o
conectores, por ejemplo), explicaciones y bibliografía relacionada con los propios
errores, para aprender de ellos sobre la escritura académica.
Otro aspecto muy relevante se refiere a la revisión de la bibliografía, pues indica las
referencias finales no citadas en el cuerpo del texto y viceversa. No obstante, no detecta
apellidos compuestos, como Gómez de Enterría, pues considera que Enterría no está
citada en la bibliografía final. También falla cuando hay dos autores (por ejemplo, Neira
y Ferreira, donde señala que Neira no está en el listado final). Con todo, que muestre
este tipo de cuestiones es utilísimo, porque incluso a personas con experiencia en la
escritura académica se nos escapan. A su vez, Estilector puede llegar a señalar nombres
propios o extranjerismos como errores de ortografía (Linguee, Babla), aunque da la
opción de aceptar o rechazar la corrección y parece que guarda esta decisión para los
siguientes casos; sin embargo, sí que reconoce el resumen en inglés y, en consecuencia,
no lo revisa al estar en una lengua extranjera. Otro problema es que identifica las
palabras clave como un “párrafo-frase” en el que, además, avisa de que falta un punto
al final. Asimismo, al identificar el uso de 1ª o 2ª persona, lo que señala es en realidad
una 3ª persona.
Las limitaciones que hemos detectado en ambas herramientas imaginamos que se
irán solventando, puesto que están en constante actualización. Sea como sea, todo ello
nos lleva a pensar que quien revisa ha de tener su propio criterio, para dilucidar, por
una parte, qué de lo que se detecta como error realmente lo es y, por otra, si lo que
propone la herramienta está realmente justificado y qué decisión se toma finalmente
para incorporar o no la sugerencia a la redacción.
Esta es una de las reflexiones más evidentes tras el análisis de los resultados
obtenidos al revisar nuestro corpus de textos: cuanto más se desarrolle la autonomía
del aprendizaje de la escritura académica, algo a lo que ambas herramientas
contribuyen, más capacidad tendrá el usuario para interpretar hasta qué punto rechazar
o aceptar un error o recomendación y por qué. Por otro lado, tras nuestra experiencia,
recomendamos usarlas copiando y pegando en texto plano el propio texto, iniciar la
revisión y, en paralelo, ir localizando en la versión original (en nuestro procesador
habitual) los errores que detecten las herramientas. Así, se pueden ir incorporando las
correcciones manualmente, tras pensar y decidir la opción más adecuada en cada caso.
De ese modo se mantiene también el formato del texto original, que ninguna de las dos
herramientas conserva.
5.3 Resultados del estudio práctico con alumnado universitario
Las respuestas de los participantes en el estudio (grupo 1 de estudiantes con español
L1, grupo 2 de internacionales con español lengua adicional) arrojan información
relevante acerca de su conocimiento y uso de las dos herramientas que venimos
revisando. Comentamos primero los resultados referidos a arText, contrastando si hay
diferencias entre ambos colectivos.
En el grupo 1 había diversidad por lo que se refiere al conocimiento previo: un 25%
conocía arText; el resto, o bien no lo conocía en absoluto (41’7 %), o bien había oído
hablar, pero apenas nada más (33’7%). La gran mayoría del grupo 2 (extranjeros)
desconocía por completo su existencia. En lo que coincidían ambos es en no haber
utilizado prácticamente nunca este recurso (para la visualización de los gráficos que
muestran estos y los siguientes datos, véase Pastor Cesteros 2023b).
No obstante, puesto que habían tenido que usarlo para realizar la actividad de aula
que se les había propuesto previamente, a la pregunta de si les había resultado fácil de
entender y utilizar, la totalidad del grupo 1 afirmó que sí, mientras que solo lo hizo el
58’4% del grupo 2 (con un 33% que respondieron Regular), algo previsible por la
diversidad en el uso del español como L1 y L2, respectivamente. También la gran
mayoría del grupo 1 (91’7%) opinó que le podría ayudar en sus trabajos académicos en
español, frente a solo el 66% del grupo 2 (un 33’3% mostraron dudas, al responder Tal
vez). Específicamente, el grupo 1 señaló, entre los aspectos concretos que podrían
beneficiarse, el conocimiento de la estructura del trabajo, la planificación y organización
de párrafos, el uso de conectores, así como la detección de repeticiones, errores
gramaticales y ortográficos. El grupo 2 identificó los mismos elementos, pero con mayor
incidencia en la mejora del vocabulario.
Un modo indirecto de conocer la valoración real que les merecían las herramientas
fue preguntarles si creían que deberían contemplarse entre las recomendaciones de sus
profesores o como recurso en las guías docentes de sus asignaturas. Sobre arText, y
respecto a la primera cuestión, la mayoría opinaba que podía ser un recurso
metodológico útil, pero como recomendación, no como requisito, y sobre todo hubieran
agradecido conocerlo desde el primer curso; así se desprende de comentarios como
“Creo que nos puede ayudar a enriquecer y mejorar la calidad de nuestra redacción”
(grupo 1) o “Es muy útil para encontrar los problemas y después puedes cambiar la
estructura” (grupo 2). Sobre la segunda cuestión, cerca del 60% en ambos grupos
respondió que sí debería aparecer en la guía docente, aunque lo cierto es que no habían
tenido esa experiencia. En cambio, más estudiantes del grupo 1 (83%) que del 2 las
recomendarían a otros compañeros. En ambos casos, sin embargo, el porcentaje sigue
siendo alto, lo que muestra que aprecian como valiosa la ayuda que puede
proporcionarles esta plataforma a la hora de redactar.
Por lo que respecta a Estilector, la diversidad de respuestas entre los dos grupos es
más llamativa. Ninguno de los informantes extranjeros lo conocía ni lo había usado,
mientras que entre el grupo 1 había un 16% que lo conocía y un 8% que lo había
utilizado en alguna ocasión. Estos porcentajes, como se ve, siguen siendo muy bajos,
por lo que este recurso merece una mayor difusión. La facilidad de uso es percibida por
igual entre los dos grupos (en un 91%). Por su parte, la totalidad del grupo 2,
perteneciente a programas de movilidad, considera que Estilector le puede ayudar,
frente al 83% del grupo 1. Al preguntarles sobre si consideran que se lo deberían haber
recomendado sus profesores, las respuestas son mayoritariamente positivas con
comentarios como “Sí, porque enriquece nuestro estilo y nuestra forma de redacción”
(Grupo 1) o “Sí, porque es muy útil para encontrar los problemas y después puedes
cambiar las repeticiones o las palabras genéricas” (Grupo 2). Aunque ambos son
partidarios de que aparezca en la guía docente, son muchos más los que así lo
consideran entre el grupo 2 (83%) que en el 1 (53%), un patrón que se repite, aunque
con menos distancia porcentual, al preguntarles si lo recomendarían a otro compañero.
La explicación puede estribar en que este recurso, al revisar errores de todo tipo de una
manera sencilla y visualmente práctica, que tal vez de otro modo les pasarían
desapercibidos, le permite al alumnado no nativo de español entregar trabajos
académicos con mayor seguridad.
Finalmente, respecto a la evaluación global de los dos recursos, podemos afirmar
que la mejor valorada en los dos grupos es Estilector. Una posible explicación es que,
tal vez, con la revisión final que ofrece, la perciben como una herramienta orientada
más hacia el resultado, que es lo que sobre todo les interesa, y no tanto al proceso, que
requiere más dedicación. No obstante, una muestra más de la diversidad de percepción
es que Estilector fue significativamente más valorada por el colectivo de internacionales
(67% muy útil) que de españoles (42%). En ese sentido, entre quienes consideraron
“muy útil” arText (que incide tanto en la planificación textual como en la redacción final
propiamente dicha), la valoración fue ligeramente más alta entre nativos (33%) que
entre extranjeros (25%), quizás porque esta herramienta trabaja la macroestructura
textual, que es un aspecto que les preocupa particularmente a los primeros de cara a
los TFG, obligatorios para graduarse. En los comentarios abiertos finales, destaca la
valoración crítica en los dos grupos. Algunos de los estudiantes españoles, por ejemplo,
afirman: “Este tipo de herramientas son muy útiles para ver aspectos que no te habían
enseñado previamente. Sin embargo, son demasiado generales y siempre tiene que
prevalecer el criterio de la persona que redacte el documento”; o “Yo creo que este tipo
de herramientas son muy prácticas; sin embargo, había profesores que no querían que
las usáramos en la redacción de nuestros trabajos porque lo consideraban hacer trampa”
(esta última opinión muestra una creencia aún muy arraigada entre el profesorado, que
consideramos que convendría erradicar). Entre el grupo 2 de internacionales, se repite
la idea de que ha de prevalecer la decisión de quien redacta: “Este tipo de herramientas
me parecen muy útiles a la hora de elaborar trabajos académicos, aunque, como en
cualquier ámbito de la tecnología, siempre hay que utilizarlas con criterio, siendo capaz
de discernir los casos en los que esta herramienta nos está ayudando y podríamos
hacerle caso, de otros casos en que la herramienta no consigue entender nuestra
elección de escritura y, por lo tanto, no deberíamos de hacerle caso”; o incluso se alude
al problema del estilo propio: “Algunas veces, me parecería útil que se pueda usar este
tipo de herramientas para que se pueda mejorar/aumentar su vocabulario, el uso de
conectores etc. Por otro lado, pienso que es más útil de hacer la evaluación de pares,
por ejemplo, porque sus compañeros de la asignatura están en la misma situación y le
pueden ayudar. Puede ser que me sintiera como una impostora usando este tipo de
herramientas, que no son mis propios pensamientos o que yo no he escrito este texto”.
En definitiva, a pesar de ser datos limitados en número y que responden a un
contexto concreto, nos permiten atisbar explicaciones que pueden tener que ver con la
diversidad en la L1, en la experiencia previa, en las necesidades según los géneros
académicos y en la familiaridad con los recursos tecnológicos de tipo lingüístico. Ello nos
da pie a esbozar algunas conclusiones, que abordamos en el apartado siguiente.
6. CONCLUSIONES
Al hilo de los objetivos 1 y 2, en este artículo hemos analizado las características y las
aportaciones de dos herramientas útiles para el aprendizaje consciente de la escritura
académica, tras justificar su elección entre la diversidad de recursos disponibles. Para
ello hemos comenzado por describir el estado de la cuestión, por una parte, sobre el
aprendizaje de la escritura académica en dos contextos diversos como son el de la L1 y
el de las lenguas adicionales, y, por otra, sobre las herramientas y su uso en contextos
diversos. A partir de ahí, hemos procedido al análisis, primero, mediante una plantilla
que hemos diseñado para recoger las características de ambas herramientas y, a
continuación, tras someter a revisión dos textos académicos.
Todo ello nos ha permitido llegar a las siguientes conclusiones. Las aportaciones
objetivas de las dos herramientas analizadas constituyen un significativo avance dentro
de las aplicaciones de la lingüística computacional a la escritura académica en el
contexto universitario actual. Aprender a escribir textos académicos de un modo
adecuado al género específico que se requiera en cada caso permite, como
explicábamos, mejorar la capacidad de entender lo que se estudia, desarrollar
cognitivamente el pensamiento y aprender los contenidos de las disciplinadas cursadas.
Ese es el valor epistemológico de la escritura y por eso sigue siendo una habilidad tan
relevante. De ahí que siempre será bienvenido cualquier recurso tecnológico que incida
en la planificación y en la revisión de textos, en la reflexión para el autoaprendizaje de
la redacción, en el enriquecimiento de una versión previa a partir de la detección de
errores o sugerencias, y en la incorporación de correcciones o reformulaciones.
La visión del profesorado puede distar, sin embargo, de la del alumnado
universitario. Por ello el objetivo 3 de este estudio pretendía averiguar las percepciones
sobre el uso de estas herramientas de ayuda automática a la redacción de textos
académicos por parte de estudiantes con español como L1 y como lengua adicional.
Respecto a la pregunta de investigación sobre cuál era el grado de conocimiento y uso
de estas herramientas, la más conocida en ambos grupos es arText, si bien apenas ha
sido usada. Estilector es solo conocida por una minoría de españoles, pero por ningún
extranjero, de modo que, lógicamente, no había sido utilizada previamente por ninguno
de los informantes. La segunda pregunta estaba relacionada con la facilidad de manejo
y la percepción de utilidad. En ese sentido, con arText se muestra la diversidad según
el grupo: totalmente fácil de entender y con alta percepción de utilidad en los españoles,
pero con dificultades de comprensión en algo menos de la mitad de los extranjeros y
menor percepción de utilidad en algo más de la mitad. Hay mayor unanimidad respecto
a Estilector, cuyo uso resulta muy sencillo para todos. También se ve como muy útil
para la mejora de textos en una mayoría de los españoles y en la totalidad de los
extranjeros. Tal vez esto explicaría que esta última sea la mejor valorada en los dos
grupos. Se percibe que arText está más orientado a la planificación textual del TFG,
además de a la redacción, mientras que Estilector se ve como más enfocado a la revisión
final del texto.
Entre las limitaciones de este artículo, debemos mencionar en primer lugar el hecho
de que los participantes no tenían un conocimiento profundo de las herramientas ni una
experiencia continuada de uso y aplicación. Por otro lado, su perfil concreto tal vez pudo
determinar sus respuestas, por lo que el número de informantes debiera ampliarse para
obtener resultados más representativos.
De cara al futuro, consideramos que se podrían obtener datos enriquecedores si se
trabajara con cada una de las herramientas por separado, se aplicaran a trabajos
universitarios concretos y se extrajeran datos sobre las sugerencias que el alumnado
realmente ha aceptado. Asimismo, sería interesante diversificar el perfil de los
informantes y ampliarlo a estudiantes de disciplinas no lingüísticas ni humanísticas.
También, en este sentido, se podrían analizar en profundidad las tendencias del
alumnado extranjero por niveles para establecer si esta diversidad en la competencia
discursiva influye en los resultados, así como recabar la opinión de estudiantes de
español como LE (no en contexto de inmersión) para contrastarla con L1 y L2. Otra línea
de investigación que ha suscitado este trabajo sería relacionar estas herramientas con
las de IA y explorar su posible combinación o la utilidad didáctica de las segundas, así
como estudiar los nuevos recursos de ayuda a la redacción que vayan surgiendo, o los
que ya existen pero que aquí no hemos tratado. Por último, sería útil un estudio
longitudinal para hacer un seguimiento del uso de las herramientas entre los estudiantes
al inicio del TFM, durante el proceso de redacción y al final, en el momento previo a la
entrega.
En definitiva, el presente trabajo es solo el inicio de una línea de investigación
estimulante y útil en el actual contexto diverso que envuelve al aprendizaje de los
géneros académicos escritos. Por lo que se refiere a su proyección, consideramos que
la veloz evolución de la inteligencia artificial no resta valor a las herramientas del tipo
de las aquí analizadas, sino que, al contrario, las revaloriza, porque tienen la virtud de
incidir en la redacción consciente y en el autoaprendizaje de la escritura académica.
NOTAS
1 En https://tagpacker.com/user/mar.cruz.pinol?t=corrector se ofrecen algunos enlaces a correctores
léxicos y gramaticales, como complemento a las herramientas de revisión discursiva que analizamos en
este artículo.
2. El glosario La competencia discursiva en sus constelaciones (López Ferrero, Martín Peris, Ruescas y
Atienza 2019) puede resultar muy útil tanto para los estudiantes como para los profesores que deseen
profundizar en la terminología relacionada con el discurso académico. Por ejemplo, en
https://www.upf.edu/web/ecodal/glosario-retroalimentacion se puede acceder a la entrada correspondiente
a “retroalimentación”.
REFERENCIAS BIBLIOGRÁFICAS
Acosta, N., Nazar, R. (2020). Estilector.com: herramienta de ayuda a la redacción en castellano.
En J. M. Molina Mejía, P. Valdivia Martin y R. A. Venegas Velásquez (Eds.), III Congreso
Internacional de Lingüística Computacional y de Corpus. Una mirada desde las tecnologías
del lenguaje y las Humanidades Digitales. CILCC 2020 (pp. 300–303). Medellín: Universidad
de Antioquia / University of Groningen. https://cilcc20.files.wordpress.com/2020/11/libro-
de-resumenes-actas-iii-cilcc-2020-y-v-wopatec-2020-virtual.pdf
Agray Vargas, N. (Ed.) (2018). Lectura y escritura en ámbitos académicos. Monográfico Revista
Nebrija de Lingüística aplicada a la enseñanza de las lenguas, vol. 12, 24.
https://revistas.nebrija.com/revista-linguistica.
Ainciburu, M.C. (2022). Cuestionarios y entrevistas para la investigación en ELE. En I. Santos
Gargallo y S. Pastor Cesteros (Dirs.), (pp. 211-228). Madrid: Arco/Libros.
ALES (Asociación Latinoamericana de Estudios de la Escritura en la Educación Superior y
Contextos Profesionales). https://www.estudiosdelaescritura.org/
Alonso Ramos, M., Zabala, I. (2022). HARTAes-vas: Lexical combinations for an academic writing
aid tool in Spanish and Basque. En M. A. Alonso, M. Alonso-Ramos, C. Gómez-Rodríguez, D.
Vilares y J. Vilares (Eds.), Proceedings of the Annual Conference of the Spanish Association
for Natural Language Processing: Projects and Demonstrations. SEPLN-PD 2022 (pp. 22–
25). A Coruña: SEPLN / Universidade da Coruña. https://ceur-ws.org/Vol-3224/paper06.pdf
Alonso Ramos, M., García Salido, M., Garcia, M. (2017). Exploiting a Corpus to Compile a Lexical
Resource for Academic Writing: Spanish Lexical Combinations. En I. Kosem, C. Tiberius, M.
Jakubíček, J. Kallas, S. Krek y V. Baisa (Eds.), Electronic lexicography in the 21st century:
Proceedings of eLex 2017 conference (pp. 571–586). Leiden: Lexical Computing.
https://investigacion.usc.es/documentos/608ca8bcaf765575d40a90a1
Carlino, P. (2005). Escribir, leer y aprender en la universidad. Una introducción a la alfabetización
académica. Buenos Aires: Fondo de Cultura Económica.
Carrasco Perea, E. y López Ferrero, C. (2023). Retroalimentación ¿para aprender?: experiencias
de futuros docentes de lenguas. Perspectiva educacional, vol. 62(2), 234-255.
Cassany, D. (1998). La cocina de la escritura. Barcelona: Anagrama.
Cassany, D. (2005). Describir el escribir. Barcelona: Paidós.
Cassany, D. (2007). Afilar el lapicero. Guía de redacción para profesionales. Barcelona:
Anagrama.
Cassany, D. (2012). En línea_Leer y escribir en la red. Barcelona: Anagrama.
Castaño Arques, A. y López Ferrero, C. (2023). Peer-feedback of an occluded genre in the Spanish
language classroom: A case study. Assessing Writing, Vol. 57.
https://doi.org/10.1016/j.asw.2023.100756
Castelló, M. (coord.) (2007). Escribir y comunicarse en contextos científicos y académicos:
conocimientos y estrategias. Barcelona: Graó.
Cruz Piñol, M. (2014). Recursos “on line” para escribir textos planificados en español. En E.
Montolío (Ed.), Manual de escritura académica y profesional: Vol. II (pp. 391–405).
Barcelona: Ariel.
https://www.academia.edu/6057358/_Recursos_on_line_para_escribir_textos_planificados
_en_espa%C3%B1ol_2014_
Cruz Piñol, M. (2015). Léxico y ELE: enseñanza/aprendizaje con tecnologías. Journal of Spanish
Language Teaching, 2(2), 165–179. https://doi.org/10.1080/23247797.2015.1105518
Cruz Piñol, M. (2022). Recursos “online” como apoyo para la escritura en español. Dipòsit digital
de la Universitat de Barcelona. http://hdl.handle.net/2445/201712
Da Cunha, I. (2020). Una herramienta TIC para la redacción del Trabajo de Fin de Grado (TFG).
ELUA. Estudios de Lingüística. Universidad de Alicante, 34, 39–62.
https://doi.org/10.14198/ELUA2020.34.2
Da Cunha, I. [Sistema arText]. (24 de mayo de 2021). Videotutorial: ¿cómo utilizar arText y
arText claro? [Archivo de vídeo]. Youtube. https://www.youtube.com/watch?v=yr99-FXCJao
Da Cunha, I. (s/f). Manual de uso del sistema arText. Sistema arText. http://sistema-
arText.com/doc/manual.pdf
Da Cunha, I., Escobar, M. Á. (2022). Una herramienta automática para el aprendizaje de los
conectores discursivos. Tejuelo, 35(2), 205–233. https://doi.org/10.17398/1988-
8430.35.2.205
Fidalgo Mariño, J. (2021). Escritura académica y uso de herramientas en línea: consultas léxicas
en español e inglés (tesis de máster). Facultade de Filoloxia. Universidade da Coruña.
https://ruc.udc.es/dspace/bitstream/handle/2183/29781/Fidalgo_Marino_Julia_2021_TFG_
Escritura_academica_herramientas_linea.pdf?sequence=3
Fidalgo Mariño, J. (2021). Escritura académica y uso de herramientas en línea. TFM, Universidad
de Vigo-Universidad de La Coruña
Goethals, P. (coord.) (2011). Manual de expresión escrita en español. Técnicas de escritura para
estudiantes universitarios (B2-C1). Gante: Academia Press.
Guzzi, E., Alonso Ramos, M. (2020). Una herramienta para la ayuda a la redacción de textos
académicos (HARTA) como uso de las TIC en el proceso de escritura. En EDUNOVATIC. 5th
Virtual International Conference on Education, Innovation and ICT (pp. 892–896). Madrid:
REDINE / Adaya Press. http://www.edunovatic.org/wp-
content/uploads/2021/02/EDUNOVATIC20.pdf
Guzzi, E., Alonso Ramos, M. (2023). Descripción y usabilidad de HARTA, una herramienta de
ayuda para la redacción de textos académicos en español. TEISEL. Tecnologías para la
investigación en segundas lenguas, 2(0), 1–22. https://doi.org/10.1344/teisel.v2.42173
Lillo Fuentes, F., Venegas, R., Lobos, I. (2023). Evaluación automatizada y semiautomatizada de
la calidad de textos escritos: una revisión sistemática. Perspectiva Educacional, 62(2), 5–36.
https://doi.org/10.4151/07189729-Vol.62-Iss.2-Art.1420
López Ferrero, C., Martín Peris, E., Esteve Ruescas, O. y Atienza Cerezo, E. (2019). La
competencia discursiva en sus constelaciones: Glosario.
https://www.upf.edu/web/ecodal/glosario
Lucci, C., Prati, L. (2022). Guía para la escritura de artículos académicos de extensión
universitaria. Biblioteca Virtual de La Universidad Nacional Del Litoral.
https://hdl.handle.net/11185/6337
Martín Leralta, S., Doquin de Saint Preux, A. (2022). Fundamentos de metodología de la
investigación en lingüística aplicada a la adquisición de segundas lenguas. En I. Santos
Gargallo y S. Pastor Cesteros (Dirs.), (pp. 27-48). Madrid: Arco/Libros.
Montolío Durán, E. (Coord.) (2000). Manual práctico de escritura académica. Barcelona: Ariel
Montolío Durán, E. (Dir.) (2014). Manual de escritura académica y profesional. Barcelona: Ariel.
Natale, L. (ed.) (2012). En carrera: escritura y lectura de textos académicos y profesionales.
Buenos Aires: Universidad Nacional de General Sarmiento.
Natale, L. (Ed.) (2013). El semillero de la escritura. Las tareas escritas de tres carreras de la
UNGS. Buenos Aires: Universidad Nacional de General Sarmiento
Natale, L., D. Stagnaro (Eds.) (2018). La lectura y la escritura en las disciplinas. Lineamientos
para su enseñanza. Sarmiento: Universidad Nacional de General Sarmiento.
Natale, L., D. Stagnaro (Eds.) (2017). Alfabetización académica: un camino para la inclusión en
el nivel superior. Sarmiento: Universidad Nacional de General Sarmiento.
Navarro, F. (2016). El movimiento Escribir a través del Currículum y la investigación y la
enseñanza de la escritura en Latinoamérica. En Ch. Bazerman et al., Escribir a través del
currículum. Guía de referencia (pp. 38-48). Córdoba: Universidad de Córdoba.
Navarro, F., Aparicio, G. (Eds.) (2018). Manual de lectura, escritura y oralidad académicas para
ingresantes a la universidad. Bernal: Universidad Nacional de Quilmes.
Nazar, R. (s/f). Información sobre Estilector. Estilector.
http://www.Estilector.com/index.pl?botones=info
Nazar, R., Renau, I. (2023). Estilector: un sistema de evaluación automática de la escritura
académica en castellano. Perspectiva Educacional, 62(2), 37–59.
https://doi.org/10.4151/07189729-Vol.62-Iss.2-Art.1427
Núñez Cortés, J. A. (coord.) (2015). Escritura académica: de la teoría a la práctica. Madrid:
Pirámide.
Núñez Cortés, J. A., Errázuriz, C. (Coords.) (2020). La alfabetización académica. Monográfico
Tendencias Pedagógicas, 36.
Núñez Cortés, J. A., Da Cunha, I. (2021). El impacto del uso de herramientas automáticas de
ayuda a la redacción en el proceso de escritura de estudiantes universitarios. Círculo de
Linguistica Aplicada a la Comunicacion, 89, 131–143. https://doi.org/10.5209/CLAC.73906
Pastor Cesteros, S. (2023a). Español académico como LE / L2: destrezas, competencias y
movilidad universitaria. Londres/Nueva York: Routledge.
Pastor Cesteros, S. (2023b). Escritura académica en español como lengua adicional y
herramientas de ayuda automática a la redacción. Comunicación presentada al XXV Congreso
Internacional de Lingüística General, Repositorio de la Universidad de Alicante:
http://rua.ua.es/dspace/handle/10045/137211
Pastor Cesteros, S., Ferreira Cabrera, A. (Eds.) (2018). L2 Spanish Academic Discourse: New
Contexts, New Methodologies / El discurso académico en español como L2: nuevos
contextos, nuevas metodologías, Journal of Spanish Language Teaching, special issue 5.2.
https://www.tandfonline.com/doi/full/10.1080/23247797.2018.1538306
Pastor Cesteros, S., Soriano Moreno, C. (2022). El discurso académico en español como L2:
necesidades del alumnado universitario de movilidad no nativo. En R. Satorre, ed., El
profesorado, eje fundamental de la transformación de la docencia universitaria (pp. 451-
461). Barcelona: Octaedro.Red Latinoamericana de Centros y Programas de Escritura.
https://sites.google.com/site/redlacpe/home?authuser=0)
Renau, I., Nazar, R. [Tecling]. (14 de diciembre de 2021). Presentación de Estilector [Archivo de
vídeo]. Youtube. https://www.youtube.com/watch?v=KPk_63Syr8A
Rodríguez-Lifante, A. (2022). La ética de la investigación. En I. Santos Gargallo y S. Pastor
Cesteros (Dirs.) (pp. 285-305). Madrid: Arco/Libros.
Salazar García, V., García Ruiz, Mª A. (2023). Avances en el estudio sobre el lenguaje científico
y académico. Barcelona: Octaedro.
Salazar García, V., García Ruiz, Mª A. (2021). La escritura académica en el contexto universitario
del siglo XXI. Círculo de Lingüística Aplicada a la Comunicación. Monográfico, Vol. 88.
https://revistas.ucm.es/index.php/CLAC/issue/view/3858
Tolchinsky, L., Simó, R. (2001). Escribir y leer a través del curriculum. Barcelona: Universidad
de Barcelona.
Vázquez, G. (Ed.) (2001a). Guía didáctica del discurso académico escrito. ¿Cómo se escribe una
monografía?. Madrid: Edinumen.
Vázquez, G. (Ed.) (2001b). Actividades para la escritura académica. Madrid: Edinumen.
Vázquez, G., Laca, B. 2020. Comunicación académica escrita en contextos universitarios. En J.
de Santiago Guervós y L. Díaz (Eds.) Lingüística textual y enseñanza del español como LE/L2
(pp. 230-245). London/New York: Routledge.
ANEXO
Cuestionario sobre herramientas de ayuda automática para la escritura académica
Este cuestionario tiene como objetivo averiguar vuestra opinión sobre las herramientas de ayuda
automática para la redacción de textos académicos. Se garantiza el anonimato de los
participantes. Los datos obtenidos serán utilizados única y exclusivamente con fines académicos.
Al cumplimentarlo, das tu permiso para ello. ¡Muchísimas gracias por tu colaboración!
Perfil
* Edad [marca solo una opción]
18-19 años / 20-21 años / 22-23 años / Mas de 23
* L1 [marca solo una opción]
inglés / francés / italiano / alemán / bilingüe / otras
* Nivel de español [marca solo una opción]
A1 / A2 / B1 / B2 / C1 / C2
* Conocimiento de otras lenguas (indica lengua y nivel) [respuesta abierta]
*¿Tienes que entregar trabajos escritos en español en este semestre? ¿Qué tipo de trabajos?
[respuesta abierta]
*¿Te han corregido ya trabajos escritos? En caso afirmativo, ¿qué importancia se le ha dado a la
redacción? Comenta tu experiencia. [respuesta abierta]
ArText
*¿Conocías ArText antes de la sesión de hoy? [marca solo una opción]
Sí / No / Había oído hablar, pero no sabía mucho más
* Previamente a la sesión de hoy, ¿has utilizado alguna vez ArText para redactar tus trabajos
académicos? [marca solo una opción]
Sí / No
* En caso afirmativo, comenta brevemente tu experiencia [respuesta abierta]
* ¿Te ha resultado fácil de entender y usar? [marca solo una opción]
Sí / No / Regular
* ¿Crees que puede ayudarte a mejorar tu expresión escrita en español en tus trabajos
académicos? [marca solo una opción]
Sí / No / Tal vez
* ¿En qué aspectos concretos crees que te puede ayudar esta herramienta (ArText)? [respuesta
abierta]
* ¿Te gustaría que esta herramienta formara parte de la metodología de enseñanza, al solicitar
trabajos académicos escritos? Comenta de qué modo [respuesta abierta]
* ¿Usarías o recomendarías ArText a otro compañero o compañera? [marca solo una opción]
Sí / No / Tal vez
* ¿Crees que debería aparecer recomendada en la Guía docente de las asignaturas del Grado?
[marca solo una opción]
Sí / No / Tal vez
* De manera global, ¿cómo valoras la utilidad de esta herramienta? [marca solo una opción]
Muy útil / Medianamente útil / Poco útil / Nada útil
Estilector
* ¿Conocías Estilector antes de la sesión de hoy? [marca solo una opción]
Sí / No / Había oído hablar, pero no sabía mucho más
* Previamente a la sesión de hoy, ¿has utilizado alguna vez Estilector para redactar tus trabajos
académicos[marca solo una opción]
Sí / No
* En caso afirmativo, comenta brevemente tu experiencia [respuesta abierta]
* ¿Te ha resultado fácil de entender y usar? [marca solo una opción]
Sí / No / Regular
* ¿Crees que puede ayudarte a mejorar tu expresión escrita en español en tus trabajos
académicos? [marca solo una opción]
Sí / No / Tal vez
* ¿En qué aspectos concretos crees que te puede ayudar esta herramienta (Estilector)?
[respuesta abierta]
* ¿Te gustaría que esta herramienta formara parte de la metodología de enseñanza, al solicitar
trabajos académicos escritos? Comenta de qué modo [respuesta abierta]
* ¿Usarías o recomendarías Estilector a otro compañero o compañera? [marca solo una opción]
Sí / No / Tal vez
* ¿Crees que debería aparecer recomendada en la Guía docente de las asignaturas del Grado?
[marca solo una opción]
Sí / No / Tal vez
* De manera global, ¿cómo valoras la utilidad de esta herramienta? [marca solo una opción]
Muy útil / Medianamente útil / Poco útil / Nada útil
* Aquí puedes dejar tu opinión sobre este tipo de herramientas, tu experiencia, sugerencias, etc.
Gracias de nuevo. [respuesta abierta]
