A empolgação com a Inteligência Artificial gerou uma crença popular de que Large Language Models (LLMs) podem ensinar qualquer coisa. No contexto do aprendizado de idiomas, muitos usuários utilizam LLMs como se fossem tutores pessoais, crendo em sua eficácia plena para dominar, por exemplo, o inglês vindo do português.
A promessa do “tutor” de IA, que se encontra aos montes no Linkedin e X (ex-twitter), propagada por muitos usuários destas redes sociais, geram um incomodo real. Por exemplo, estas publicações propagam a ideia de que LLMs como o ChatGPT ou Gemini são as ferramentas definitivas para aprender tudo, desde programação a novos idiomas. Não é raro encontrar publicações com “RIP Duolingo”. De fato, a capacidade dessas IAs de gerar textos coerentes e interagir em conversas simuladas as torna atraentes para quem busca praticar, digamos, uma nova língua. Mas a partir daí, dizer que aprendeu um novo idioma, acho exagero.
No universo do ensino de idiomas, a promessa é a de um parceiro de conversação sempre disponível. Assim sendo, é comum ver pessoas praticando diálogos, pedindo correções gramaticais ou mesmo explorando vocabulário com essas ferramentas. O que é bem válido, inclusive. Eu estava receoso de utilizar ferramentas assim, mas recentemente, em conversa com meu orientador do doutorado, sacamos do uso do Gemini para fazer correções linguísticas em papers acadêmicos. E claro, deixamos isso declarado nos Acknowledgments do paper para não passar a impressão que usamos IA e não declaramos.
O método Socrático e os LLMs
A interação com LLMs pode, de fato, se apropriar em forma do método Socrático. Não é o padrão, pois as LLMs são ótimas em dar respostas, mas não em fazer perguntas. Contudo, vamos lá, é bem interessante fazer o contrário para aprender! O método Socrático, proposto por Sócrates (e aqui, a minha explicação é rasa e superficial), parte do princípio que o aluno já tem o conhecimento e o tutor apenas trás esse conhecimento à tona. Através de perguntas, os alunos são incentivados a questionar as próprias suposições, aprofundar o raciocínio e desenvolver a capacidade de análise, aprendendo com o processo.
Com o uso de LLMs, o modelo faz perguntas, o usuário responde, e o processo se repete, e ficam nesse loop por um tempo, visando aprofundar o conhecimento. Em tese, um LLM poderia guiar um aprendiz de português para inglês (e vice-versa) através de questionamentos que estimulam a reflexão e a prática ativa. Contudo, na prática, a aplicação desse método em aprendizado de idiomas por IA tem suas limitações. Não vejo a possibilidade de, por exemplo, extrair o termo apropriado para “Agradecimento” de um aluno só fazendo perguntas que o direcionam a responder isso no outro idioma. Bom, ao listar algumas destas limitações, incluo:
- Falta de feedback emocional e social que um tutor humano oferece;
- Ausência de interação humana autêntica para desenvolver habilidades conversacionais reais;
- Dificuldade em corrigir nuances culturais e pragmáticas da linguagem, que são bem importantes para o aprendizado do idioma;
- Risco de reforçar erros sutis se a IA interpretar uma frase ambígua como correta, sem o julgamento humano.
Análise e contexto
Apesar do potencial de ensino, a dependência exclusiva de LLMs para aprender idiomas pode levar a falhas significativas. A ausência de um contexto humano real, de nuances sociais e da capacidade de um professor identificar padrões de erro complexos, limita a profundidade do aprendizado. Portanto, para entusiastas interessados em aprender um novo idioma com a IA, compreender essas fronteiras tornam o aprendizado mais eficaz e com expectativas realistas.
Na minha forma de enxergar isso, Large Language Models são excelentes complementos de aprendizagem. Não para idiomas! Além do que os LLMs não substituem a riqueza da interação humana, principalmente, no aprendizado de idiomas. E pra você? Como podemos integrar o melhor de ambos os mundos para um futuro educacional mais completo?
