Este estudio tiene como objetivo informar sobre un experimento de enseñanza, en el contexto de la clase intensiva de lectura de segundo año de la especialidad de francés, para explorar el diseño, la implementación y la optimización de tareas de continuación de escritura posteriores a la lectura desde la perspectiva de la colaboración humano-máquina. La investigación encontró que, en el diseño de tareas, las herramientas de inteligencia artificial (IA) basadas en grandes modelos de lenguaje pueden generar textos contextuales de manera eficiente, aliviando la carga de los docentes. La tarea de continuación es abierta en sí misma, lo que dificulta la activación específica de la reutilización de estructuras lingüísticas particulares, pero puede reflejar el desarrollo lingüístico progresivo de los estudiantes. En la retroalimentación posterior a la escritura, las herramientas de IA muestran la ventaja de la inmediatez, pero carecen de comprensión del proceso de aprendizaje del estudiante, por lo que es difícil proporcionar orientación personalizada. La evaluación diagnóstica por parte del docente sigue siendo insustituible. Este estudio sugiere integrar la eficiencia de la IA con el conocimiento pedagógico de los docentes mediante la colaboración humano-máquina para optimizar el diseño de tareas de continuación posteriores a la lectura y el mecanismo de retroalimentación, ayudando al desarrollo continuo de las habilidades lingüísticas de los estudiantes.

tareas de continuación posterior a la lectura; clase intensiva de lectura; herramientas de IA basadas en grandes modelos de lenguaje; colaboración humano-máquina