A pesar de los avances significativos en los modelos de lenguaje de IA, el Árabe Estándar Moderno (ASM) sigue siendo un dominio lingüísticamente complejo en el que la aparente fluidez a menudo oculta una inestabilidad gramatical más profunda. Este estudio investiga los patrones recurrentes de errores gramaticales en textos árabes generados por ChatGPT, centrándose en cómo estos patrones reflejan desafíos morfosintácticos subyacentes y las limitaciones de la generación de lenguaje probabilística. Adoptando un marco analítico cualitativo y orientado a patrones, el estudio se basa en discusiones en grupos focales en línea con profesores de árabe de nivel secundario, quienes actuaron como evaluadores lingüísticos expertos. Los participantes examinaron en colaboración un conjunto de textos generados por IA para identificar e interpretar desviaciones gramaticales sistemáticas en cinco dominios clave: concordancia, inflexión y marcación de caso, estructura de la oración, preposiciones y transitividad, e influencia cruzada de idiomas. Los hallazgos indican que los errores gramaticales en el árabe generado por IA no son aleatorios, sino que ocurren como patrones recurrentes y estructurados, particularmente en contextos que involucran dependencias a larga distancia y construcciones morfológicamente complejas. Estos patrones sugieren una dependencia de la fluidez superficial a expensas de la coherencia gramatical más profunda, reflejando limitaciones en el mantenimiento de relaciones morfosintácticas consistentes. Este estudio contribuye identificando y caracterizando patrones gramaticales sistemáticos en el ASM generado por IA a través del juicio lingüístico experto, ofreciendo una perspectiva cualitativa que complementa los enfoques cuantitativos existentes y avanza en la comprensión de cómo los grandes modelos de lenguaje interactúan con lenguas ricas morfológicamente.
Ismail et al. (Jue,) estudiaron esta cuestión.