AI: lingvistika, překladatelství, didaktika
Seminář se koná 20. listopadu 2025 v budově AV ČR na Národní třídě č. 3, v místnosti č. 206
13:00–13:20 Mgr. Ondřej Tichý, Ph.D. (FF UK):
Využití AI v humanitních disciplínách
13:20–13:40 Mgr. Dana Hlaváčková, Ph.D. (FF MU):
Automatická transkripce mluvené češtiny
13:40–14:00 Mgr. Hana Žižková, Ph.D. (FF MU):
AI, studenti a akademické psaní
14:00–14:20 Mgr. Jana Šindlerová, Ph.D. (FF UK):
Rozvoj pisatelských kompetencí v éře velkých jazykových modelů
14:20–14:40 DISKUSE
14:40–15:10 PŘESTÁVKA
15:10–15:30 Mgr. Adrian Jan Zasina, Ph.D. (FF UK):
Typologie korpusových cvičení a jejich automatické generování pomocí AI (online)
15:30–15:50 Mgr. Svatava Škodová, Ph.D. – Mgr. Dean Posavec-Malok (FF UK):
Automatizovaná evaluace psaného projevu nerodilých mluvčích: nástin možností, limitů a validační perspektivy AI
15:50–16:10 doc. Mgr. et Mgr. Enrique Gutiérrez Rubio, Ph.D. – Mgr. Václav Jonáš Podlipský (FF UP):
Jak dobře si velké jazykové modely (LLM) vedou ve strojovém překladu? Recepce překladů ze španělštiny do češtiny z pohledu koncových uživatelů
16:10–16:30 doc. PhDr. Tomáš Svoboda, Ph.D. (FF UK):
Dopady tzv. umělé inteligence na profesi překladatelství a tlumočnictví
16.30–16:50 DISKUSE
17:00 ZÁVĚR SEMINÁŘE
ANOTACE
Mgr. Ondřej Tichý, Ph.D (FF UK): Využití AI v humanitních disciplínách
Jedna věc je ohledně role AI ve vysokoškolském vzdělávání jasná: je nevyhnutelná. Mnoho dalších aspektů však zůstává nejistých. Cílem přednášky je poskytnout názorné příklady, nabídnout několik návrhů a – co je nejdůležitější – podnítit diskusi o tom, jak a v jakých kontextech by měla být AI vyučována a používána v kontextu humanitních a společenských věd.
Oficiální doporučení týkající se používání generativní umělé inteligence pro vysokoškolské pedagogy na Karlově univerzitě radí pedagogům, aby „sledovali vývoj nástrojů umělé inteligence a věnovali část svého času zkoumání jejich schopností. Zjistěte, co dokážou, jak mohou být prospěšné pro vaši práci a jak jsou spolehlivé nebo nespolehlivé… Tyto nástroje aktivně používejte, kde je to vhodné. Povzbuzujte studenty k používání nástrojů umělé inteligence, přičemž respektujte jejich různé úrovně znalostí a dovedností.“
Tato doporučení jsou, možná nutně, poněkud vágní, zejména pokud jde o otázky jako: Do jaké míry by měli učitelé a studenti studovat teorii velkých jazykových modelů, aby skutečně porozuměli jejich schopnostem a omezením? Jak by se měla AI studovat a vyučovat? V jakých oblastech je použití AI nejvýhodnější a kde by mohla představovat největší výzvy?
Mgr. Dana Hlaváčková Ph.D (FF MU): Automatická transkripce mluvené češtiny
Budování mluvených korpusů bylo vždy náročné především kvůli nutnosti ruční transkripce nahrávek. Tento proces je velmi pracný a časově nákladný, což významně omezuje velikost výsledného korpusu. Velkou nadějí pro zefektivnění práce se dlouhodobě jevily nástroje pro automatické rozpoznávání řeči. Jejich využití však bylo zpočátku limitováno tím, že se soustředily hlavně na přepis spisovné češtiny a běžně mluvený jazyk nedokázaly uspokojivě zachytit.
Zásadní posun přineslo až využívání velkých jazykových modelů, které lze natrénovat na konkrétních datech. Díky nim jsou dnes k dispozici online nástroje schopné rychle a relativně přesně přepisovat nahrávky v češtině.
V jarním semestru 2025 jsme se studenty Filozofické fakulty MU v rámci předmětu Transkripce mluvené češtiny otestovali několik volně dostupných systémů pro převod řeči na text. Naším cílem bylo zjistit, které z nich by mohly být vhodné pro automatickou transkripci mluvené češtiny. Dosavadní výsledky jsou povzbudivé, nicméně zatím je stále nutné volit mezi rychlostí a přesností přepisu.
Mgr. Hana Žižková, Ph.D. (FF MU): AI, studenti a akademické psaní
Příspěvek se zaměří na to, jak studenti češtiny a počítačové lingvistiky na FF MU (ne)používají nástroje s AI, s čím se potýkají, když chtějí použité nástroje správně ocitovat, a z čeho všeho mohou vybírat, když se rozhodnout použít nástroje s AI pro akademické psaní.
Mgr. Jana Šindlerová (FF UK): Rozvoj pisatelských kompetencí v éře velkých jazykových modelů
Raketový technologický rozvoj velkých jazykových modelů a strmě rostoucí kvalita jejich výstupů představují zlomový okamžik pro didaktiku vyučování jazykové, komunikační i slohové výchovy. Ocitáme se v situaci, kdy se radikálně mění nejen nástroje výuky, ale i mnohá koncepční východiska. V rámci přednášky se dotkneme několika důležitých výzev, problémů či otázek, na které je nezbytně nutné v nejbližší době najít relevantní odpovědi, pokud nechceme ztratit důvěru žáků ve smysluplnost výuky pisatelských dovedností.
Co znamená existence LLM pro přípravu textu? Co znamená existence LLM pro koncept autorství textu. Jakým způsobem přistupovat k digitálnímu ghostwritingu? A dokážeme ho vůbec poznat? Jak vůbec v novém paradigmatu motivovat žáky k samostatné kreativní tvorbě nebo ke kritickému myšlení a hodnocení?
Autorka přednášky počítá s možností, že v rámci několikaměsíčního odstupu od sepsání její anotace po vystoupení na semináři může dojít k podstatnému technologickému pokroku, který některé z kladených otázek učiní zbytečnými nebo přinese otázky jiné a v danou chvíli mnohem aktuálnější.
Mgr. Adrian Jan Zasina, Ph.D. (FF UK): Typologie korpusových cvičení a jejich automatické generování pomocí AI
Příspěvek sumarizuje aktuální typologii korpusových cvičení a komentuje několik posledních publikací věnovaných tvorbě cvičení založených na korpusových datech. Následně je pozornost věnována možnostem propojení korpusového přístupu ve výuce (DDL) s moderními technologiemi, které představuje generativní umělá inteligence (GenAI). Evaluace automaticky vygenerovaných korpusových cvičení získaných pomocí ChatuGPT a modelu Corpus Linguist odhalila několik nedostatků, které spočívají hlavně v nedůsledném ne/používání korpusových dat, ve vyvozování závěrů o častých problémech cizinců na základě jiných zdrojů než korpusových a v uvádění chybných příkladů v ukázkových cvičeních. Na druhé straně GenAI poskytuje rychle výsledky, které nejsou zatíženy složitou funkcionalitou korpusových nástrojů. Propojení metod korpusové lingvistiky s technologií GenAI otevírá do budoucna úplně nové možnosti v korpusovém přístupu ve výuce, neboť řeší dlouhodobě nepřekonatelnou překážku přívětivosti korpusových nástrojů.
Mgr. Svatava Škodová, Ph.D. – Mgr. Dean Posavec-Malok: Automatizovaná evaluace psaného projevu nerodilých mluvčích: nástin možností, limitů a validační perspektivy AI
Příspěvek představí dvě navazující etapy výzkumu zaměřeného na evaluaci psaných textů, produkovaných uživateli češtiny v procesu osvojování jazyka, a na možnosti automatizace hodnoticího procesu. První část prezentuje výsledky studie (Škodová, 2019) porovnávající hodnocení textů 44 školenými hodnotiteli češtiny a automatickým systémem EVALD. Analýza ukazuje nízkou míru shody mezi lidskými hodnotiteli i mezi hodnotiteli a programem napříč úrovněmi A1–C1 a jazykovými rovinami, zejména pokud jde o pravopis a syntax. Zjištění potvrzují problematiku konzistentnosti lidského hodnocení a naznačují potenciál automatizovaných nástrojů v kontextu standardizovaných zkoušek.
Druhá část příspěvku představí probíhající disertační výzkum (Posavec-Malok, 2024) zaměřený na využití generativních jazykových modelů (např. ChatGPT, Claude, Gemini) při hodnocení akademicky orientovaných textů univerzitních studentů češtiny. Výzkum mapuje schopnost AI identifikovat jazykové a stylistické odchylky a připravuje rámec pro jejich budoucí porovnání s lidskou evaluací.
Cílem je otevřít odbornou diskusi o validitě, limitech a možnostech AI v hodnocení psaného projevu.
doc. Mgr et Mgr. Enrique Gutiérrez Rubio, Ph.D. – Mgr. Jonáš Podlipský: Jak dobře si velké jazykové modely (LLM) vedou ve strojovém překladu? Recepce překladů ze španělštiny do češtiny z pohledu koncových uživatelů
V naší studii jsme provedli komparativní analýzu recepce AI překladů ze španělštiny do češtiny. Překlady byly generovány modely ChatGPT-3.5, ChatGPT-4 nebo DeepSeek-R1 a zahrnovaly dvě textové domény (marketingovou a literární), dvě hodnoticí kritéria (přirozenost a gramatika) a dvě strategie promptování (jednoduché vs. podrobné). Také jsme pomocí metriky Levenshteinovy vzdálenosti zhodnotili konzistentnost překládání pro každý z těchto LLM. Čtecí úloha, v níž 132 rodilých mluvčích češtiny hodnotilo překlady na pětibodové Likertově škále, ukázala, že – v rozporu s předchozími zjištěními – jednoduché prompty vedly spolehlivě k překladům vyšší kvality než prompty podrobné. Dále byly literární překlady hodnoceny hůře než překlady marketingové a hodnocení gramatiky převyšovalo hodnocení přirozenosti. Model ChatGPT-4 překonal ostatní dva modely pouze u literárních překladů. Také se ukázalo, že DeepSeek-R1 vykazuje vyšší konzistentnost, avšak nižší kvalitu literárního překladu, což naznačuje, že zvýšená konzistentnost může být na úkor kreativity. Naše výsledky přinášejí empirické doložení toho, jak strategie promptování, typ textu a volba modelu ovlivňují kvalitu strojového překladu.
doc. PhDr. Tomáš Svoboda, Ph.D.: Dopady tzv. umělé inteligence na profesi překladatelství a tlumočnictví
Vývoj tzv. generativní AI je překotný a spektrum využití této technologie zejména v překladatelské profesi je poměrně široké – pro překlady odborné, ale i literární, pro fázi před překladem, během překladu i po něm. Potenciál genAI se často přeceňuje, ale kreativní profese, včetně překladatelské a tlumočnické, zároveň nemohou tuto dynamiku přehlížet. Mezi výhody této technologie patří možnost pomocí pokynů (promptů) ovlivnit podobu cílového textu. K nevýhodám patří chybovost, nespolehlivost těchto systémů či otázka ochrany dat. Mezi očekávané dopady na profesi patří nutnost dalšího (sebe)vzdělávání překladatelů a tlumočníků, pokračující tlak na snižování cen, ale i úloha překladatelů směřující k poradenství a osvětě mezi zadavateli.