En las carreras de ingeniería, el dominio del inglés es esencial debido a la naturaleza global e interdisciplinar de la profesión. La capacidad de comunicarse eficazmente en inglés permite a los ingenieros colaborar con colegas de diversas nacionalidades y culturas, consolidándose este idioma como la lengua franca en el ámbito profesional y académico (Dudley-Evans & St John, 1998; De Campos et al., 2020).

Dentro de estas competencias, las habilidades de redacción en inglés son especialmente relevantes. Los ingenieros deben presentar resultados, exponer ideas y documentar proyectos con claridad y precisión. Según los Criterios de Ingeniería de ABET (ABET, 2022), la capacidad de comunicarse con una variedad de audiencias es uno de los resultados clave de los programas de ingeniería. Investigaciones recientes han demostrado que las carencias en comunicación escrita limitan significativamente el desarrollo profesional de los ingenieros (Kovac & Sirkovic, 2017; Veis, 2017). Además, la competencia en redacción en inglés permite a los ingenieros participar en conferencias internacionales, publicar en revistas de alto impacto y colaborar en proyectos de investigación globales, enriqueciendo su trayectoria profesional y contribuyendo al avance de la ingeniería como disciplina.

Sin embargo, muchos estudiantes en programas de ingeniería enfrentan dificultades para expresarse de manera precisa y persuasiva en inglés escrito. En particular, existen deficiencias en el uso de expresiones lingüísticas que reflejen posturas epistémicas, efectivas y emocionales, fundamentales para la precisión y persuasión en textos técnicos y académicos. Esta limitación afecta su capacidad para presentar argumentos convincentes en informes técnicos y conferencias, dificultando su desempeño profesional.

Ante esta necesidad, el presente proyecto propone una solución innovadora basada en inteligencia artificial (IA): el desarrollo de una herramienta automatizada de análisis de corpus, denominada ACAIA-FEEDBACK, que ofrezca retroalimentación instantánea sobre el uso de estas expresiones lingüísticas complejas. Integrada en la aplicación DeStance, ACAIA-FEEDBACK permitirá a los estudiantes mejorar sus competencias lingüísticas de manera continua e individual, fomentando así un aprendizaje autónomo, proactivo y personalizado, especialmente beneficioso en programas de ingeniería con cohortes numerosas. Mediante algoritmos avanzados, ACAIA-FEEDBACK analizará en tiempo real los textos de los estudiantes, identificando y clasificando expresiones de posicionamiento lingüístico, para ofrecer recomendaciones precisas que optimicen la precisión, el tono y la persuasión en sus textos.

La integración de la IA no solo transforma la enseñanza de idiomas en ingeniería, sino que facilita una evaluación progresiva y continua de las competencias de comunicación escrita, alineándose con los objetivos estratégicos de los programas de ingeniería. Esta herramienta permitirá una formación transversal en inglés que abarque múltiples asignaturas del currículo y se adapte a la diversidad de perfiles estudiantiles, considerando factores como la conciliación de responsabilidades y la diversidad funcional. Además, ACAIA-FEEDBACK respalda un enfoque didáctico multidisciplinar, promoviendo la evaluación continua y alineada con metodologías activas que incentivan la implicación y motivación del estudiante en su aprendizaje.

El desarrollo de ACAIA-FEEDBACK implica la colaboración de expertos en lingüística y tecnología educativa de la Universidad Complutense de Madrid y la Universidad Politécnica de Madrid, así como el aporte de tres Trabajos de Fin de Grado (TFG) en esta área, el último de ellos aún en proceso. A diferencia de los sistemas tradicionales de corrección, que dependen de la intervención docente y pueden generar un feedback tardío, ACAIA-FEEDBACK proporciona retroalimentación inmediata y precisa, facilitando un aprendizaje autorregulado, adaptado a las necesidades específicas de cada estudiante y permitiendo una formación más accesible y personalizada, con un mayor poder de motivación.

Además, el desarrollo de ACAIA-FEEDBACK está en consonancia con los Objetivos de Desarrollo Sostenible (ODS), al integrar competencias transversales y específicas tanto en los niveles de grado como de máster. Como parte del proyecto RACISMMAFF (PID2021-125327NB-I00), este desarrollo cuenta con la participación de un equipo internacional de instituciones, incluyendo la Universidad de Vigo, la Universidad del País Vasco, la Universidad Estatal de Arizona, la Universidad de Malta y la Universidad de Vilnius.

La herramienta ACAIA-FEEDBACK, integrada en DeStance, no solo facilitará la supervisión continua de las competencias lingüísticas sin sobrecargar a los docentes, sino que también permitirá transferir sus recursos y experiencias a otros contextos educativos, promoviendo así una educación inclusiva y accesible, alineada con las demandas de una sociedad tecnológicamente avanzada.

Objetivo General:

Desarrollar una herramienta avanzada de análisis de corpus automatizado basada en inteligencia artificial (IA), ACAIA-FEEDBACK, que proporcione a los estudiantes de lenguas extranjeras de la Universidad Politécnica de Madrid (UPM) retroalimentación inmediata sobre el uso de expresiones de posicionamiento epistémica, efectivo y emocional en sus textos escritos. Esta herramienta, que se integrará en la aplicación De-Stance en el marco del proyecto de investigación RACISMMAFF y con el respaldo de tres Trabajos de Fin de Grado de la UPM, busca fomentar el aprendizaje autónomo y mejorar significativamente la competencia comunicativa de los estudiantes en un entorno académico y profesional globalizado.

Objetivos Específicos:

1. Desarrollar una herramienta de análisis de corpus automatizado que, mediante inteligencia artificial, identifique y clasifique automáticamente las expresiones de posicionamiento epistémico, efectivo y emocional en los textos producidos por los estudiantes de EPAC, facilitando así una mejora continua en su expresión escrita.
2. Integrar la herramienta de análisis en la aplicación De-Stance para proporcionar retroalimentación inmediata y personalizada a los estudiantes, permitiéndoles ajustar sus expresiones lingüísticas conforme a los objetivos de competencia comunicativa y aprendizaje autónomo, adaptados a las exigencias de la formación en lenguas extranjeras en ingeniería.
3. Implementar tecnologías de Procesamiento del Lenguaje Natural (NLP) que permitan un análisis preciso y contextualizado, promoviendo una comunicación colaborativa, inclusiva y adaptable a diversos perfiles estudiantiles, y fomentando un aprendizaje autónomo y progresivo en línea con las metodologías activas.
4. Potenciar las competencias en alfabetización digital y visual a través del uso de esta herramienta, desarrollando en los estudiantes la habilidad de comunicarse eficazmente en contextos multilingües y multimodales, fundamentales en el ámbito académico y profesional internacional.
5. Fortalecer las competencias interculturales de los estudiantes mediante el uso de la aplicación De-Stance, en consonancia con los objetivos estratégicos de formación integral e internacionalización, promoviendo así un enfoque didáctico que responda a las demandas de un entorno socio-tecnológico avanzado y globalizado.

Estos objetivos buscan no solo optimizar las competencias lingüísticas de los estudiantes, sino también adaptar la enseñanza de idiomas a las necesidades de los programas de ingeniería, promoviendo una educación inclusiva y tecnológicamente avanzada que atienda a la diversidad y al aprendizaje autorregulado.

Este proyecto transformará la enseñanza de lenguas extranjeras (EPAC en este caso) al facilitar un acceso innovador a retroalimentación inmediata y personalizada sobre el uso de expresiones de posicionamiento epistémico, efectivo y emocional, integrando una herramienta avanzada de análisis de corpus automático en la aplicación DeStance. Esta innovación no solo potencia el aprendizaje autónomo, sino que también dota a los estudiantes de herramientas esenciales para la autoevaluación continua y el desarrollo de sus competencias lingüísticas y discursivas en contextos interculturales. Al fomentar el aprendizaje autodirigido y la capacidad de autocrítica, la herramienta permite que los estudiantes desarrollen competencias clave en comunicación colaborativa, alfabetización digital y pensamiento crítico, fundamentales en el entorno global actual.

El proyecto representa una mejora significativa en la calidad de la formación, ya que transforma la experiencia de aprendizaje en lenguas extranjeras al alinear los objetivos de aprendizaje con las metodologías activas y los sistemas de evaluación progresiva. Esto contribuye a que los estudiantes puedan ajustar sus expresiones lingüísticas conforme a objetivos de precisión, tono y persuasión, mejorando su capacidad para comunicar ideas de manera efectiva y convincente en contextos académicos y profesionales. Esta orientación hacia el aprendizaje autónomo y proactivo optimiza el uso de los recursos docentes, permitiendo que el profesorado dedique más tiempo a la orientación estratégica y a la formación de competencias avanzadas, sin sobrecargar su labor con correcciones técnicas.

Además, al estar alineada con los objetivos de inclusión y competencia intercultural promovidos en el proyecto RACISMMAFF, esta herramienta responde a las necesidades de un alumnado diverso, adaptándose a distintos perfiles y promoviendo una formación accesible y equitativa. El proyecto aborda también la integración de competencias transversales y específicas, lo cual permite una formación integral en grados y másteres, facilitando que los estudiantes desarrollen las habilidades necesarias para desempeñarse en entornos multilingües y multimodales.

En sintonía con los Objetivos de Desarrollo Sostenible (ODS) y la perspectiva de género, este proyecto promueve una educación inclusiva, digitalmente accesible y de alta calidad, al tiempo que facilita la transferencia de recursos y experiencias a otros contextos educativos. Este enfoque coloca a la UPM como líder en innovación educativa y tecnológica en el ámbito de la enseñanza de lenguas para ingeniería, ofreciendo a sus estudiantes una preparación integral que responde a las demandas socio-tecnológicas del mercado global.

Fase 1: Planificación y Definición de Requerimientos

1. Revisión de Literatura y Estado del Arte: Análisis de estudios actuales en análisis de corpus, procesamiento del lenguaje natural (NLP) y enseñanza de lenguas.
2. Definición de Objetivos y Requerimientos Técnicos: Establecimiento de requisitos específicos de la herramienta y de su integración en DeStance, alineados con los objetivos de aprendizaje autónomo y competencias comunicativas.
3. Revisión de TFGs Precedentes: Incorporación de los resultados y conclusiones de los Trabajos de Fin de Grado relacionados en la UPM, identificando áreas de mejora.
4. Formación del Equipo y Asignación de Roles: Organización del equipo de trabajo y distribución de responsabilidades.

Fase 2: Diseño de la Herramienta ACAIA-FEEDBACK

1. Diseño Conceptual de la Herramienta: Desarrollo de la estructura y arquitectura de ACAIA-FEEDBACK, definiendo flujos de trabajo, interfaces de usuario y requisitos de algoritmos.
2. Selección de Modelos de NLP y Algoritmos de IA: Identificación y configuración de los modelos de procesamiento del lenguaje natural y algoritmos de inteligencia artificial que se utilizarán para el análisis de posicionamiento.
3. Diseño de la Interfaz de Usuario: Desarrollo de una interfaz clara y accesible que permita a los estudiantes recibir retroalimentación de forma intuitiva.
4. Preparación de Recursos de Prueba: Creación de textos de prueba para evaluar la precisión de los algoritmos de análisis de posicionamiento.

Fase 3: Desarrollo e Integración de ACAIA-FEEDBACK en De-Stance

1. Implementación de Algoritmos de Análisis de Posicionamiento Epistémico, Efectivo y Emocional: Programación de los algoritmos de IA y NLP en ACAIA-FEEDBACK para detectar y clasificar expresiones epistémicas, efectivas y emocionales.
2. Integración en DeStance: Incorporación de ACAIA-FEEDBACK en la aplicación DeStance, permitiendo a los estudiantes acceder a la herramienta en un entorno integrado.
3. Pruebas Internas de Funcionamiento: Realización de pruebas para validar el correcto funcionamiento de los algoritmos y la interfaz, realizando ajustes según los resultados obtenidos.
4. Optimización de la Herramienta: Mejoras y ajustes en precisión y usabilidad basados en los resultados de las pruebas internas.

Fase 4: Programa Piloto y Evaluación

1. Implementación del Programa Piloto: Selección de un grupo de estudiantes de lenguas extranjeras en ingeniería para probar ACAIA-FEEDBACK en un entorno real.
2. Recopilación de Datos y Feedback del Usuario: Análisis del uso de la herramienta, recopilando opiniones de los estudiantes y datos de interacción para evaluar su precisión y efectividad.
3. Evaluación de Impacto en el Aprendizaje: Estudio de la mejora en las competencias de comunicación escrita de los estudiantes, analizando el impacto de la herramienta en sus habilidades de posisionamiento epistémica, efectiva y emocional.
4. Ajustes Finales: Incorporación de los ajustes y mejoras necesarias a partir del feedback del programa piloto, optimizando la herramienta para su lanzamiento final.

Fase 5: Implementación Completa y Difusión

1. Lanzamiento Final de ACAIA-FEEDBACK en De-Stance: Implementación de la versión final de la herramienta para todos los estudiantes de la UPM, asegurando una integración accesible y funcional.
2. Capacitación Docente: Formación del profesorado en el uso de ACAIA-FEEDBACK y en la interpretación de los datos generados para integrar la herramienta en sus prácticas pedagógicas.
3. Difusión de Resultados y Buenas Prácticas: Presentación de los resultados del proyecto en conferencias académicas y publicaciones que reflejen los beneficios educativos y tecnológicos de la herramienta en la enseñanza de lenguas.
4. Preparación para Transferencia y Escalabilidad: Elaboración de materiales y protocolos que permitan aplicar la herramienta en otros contextos y universidades, favoreciendo la expansión de esta innovación a nivel educativo.

El seguimiento y la evaluación de este proyecto se enfocarán en garantizar que la herramienta ACAIA-FEEDBACK cumpla con sus objetivos de mejorar la competencia en producción escrita de los estudiantes y apoyar su aprendizaje autónomo en un entorno globalizado. Al ser los estudiantes los principales beneficiarios del proyecto, se adoptará un enfoque centrado en su experiencia, aprendizaje y progreso. Esta estrategia integral permitirá obtener datos cuantitativos y cualitativos detallados para medir el impacto y la efectividad de la herramienta a lo largo de todas las fases de implementación.

Para medir los indicadores de calidad del proyecto, se empleará una variedad de métodos:

1. Encuestas de satisfacción y usabilidad a estudiantes y profesores: Una vez que la herramienta haya sido implementada, se realizarán encuestas estructuradas tanto a los estudiantes que utilicen la herramienta como a los profesores que la supervisen. Las encuestas evaluarán aspectos como la utilidad percibida, la accesibilidad, la efectividad de la retroalimentación, y el nivel de satisfacción general. Además, recogerán opiniones sobre la facilidad de uso y la precisión de los análisis proporcionados. Esta información permitirá identificar puntos fuertes y áreas que requieran ajustes para mejorar la experiencia de usuario.
2. Pruebas de rendimiento pre y post implementación (pre-tests y post-tests): Se llevarán a cabo evaluaciones objetivas de la producción escrita de los estudiantes antes y después de usar la herramienta. Estas pruebas analizarán elementos específicos como el uso adecuado de expresiones epistémicas, afectivas y emocionales, así como la claridad, precisión y persuasión en los textos. Los resultados permitirán cuantificar la mejora en las competencias comunicativas de los estudiantes y evaluar el impacto directo de la herramienta en su desarrollo académico.
3. Entrevistas individuales y de grupo: Para complementar las evaluaciones cuantitativas, se realizarán entrevistas en profundidad con una muestra de estudiantes y profesores. Estas entrevistas cualitativas permitirán obtener comentarios detallados y específicos sobre la experiencia de uso de la herramienta, incluyendo aspectos como su efectividad en el aprendizaje autónomo, su contribución al desarrollo de habilidades críticas, y su alineación con las expectativas y necesidades en contextos académicos y profesionales. Las entrevistas permitirán también identificar aspectos de la interfaz, funcionalidades o feedback automatizado que podrían mejorarse para optimizar la satisfacción y el aprendizaje del usuario.
4. Análisis de datos para mejora continua: Todos los datos recogidos (cuantitativos y cualitativos) serán objeto de análisis periódico a lo largo del proyecto. Este análisis permitirá realizar ajustes iterativos en la herramienta para optimizar su funcionalidad y alinearla con las necesidades cambiantes de los estudiantes. Además, al observar las tendencias y patrones de uso, se podrán anticipar futuras necesidades de los usuarios, potenciando así el valor pedagógico de la herramienta y asegurando su sostenibilidad y efectividad a largo plazo.

Revisión y ajustes de la herramienta

En función de los resultados obtenidos a través de estos métodos de seguimiento y evaluación, se realizarán ajustes progresivos en la herramienta para optimizar su rendimiento y adecuarla a las necesidades de los estudiantes y profesores. Los ajustes se enfocarán en mejorar la precisión de los algoritmos de análisis, adaptar la interfaz de usuario según el feedback recibido y garantizar que la retroalimentación proporcionada se alinee con las competencias de comunicación crítica y los objetivos de aprendizaje autónomo.

Informe Final y Divulgación de Resultados

Al finalizar el proyecto, se elaborará un informe detallado que documentará los resultados de todas las evaluaciones, incluyendo los impactos en el aprendizaje de los estudiantes, las mejoras realizadas y las recomendaciones para futuras implementaciones. Este informe servirá de referencia para la expansión y transferencia de la herramienta a otros contextos educativos y será compartido en conferencias y publicaciones académicas, posicionando este proyecto como un referente en innovación educativa y en el uso de tecnología para la enseñanza de lenguas en ingeniería.

Este sistema de seguimiento y evaluación integral garantizará una implementación efectiva de la herramienta ACAIA-FEEDBACK, permitiendo su mejora continua y asegurando que cumpla con sus objetivos de calidad y de desarrollo de competencias comunicativas en un contexto de aprendizaje autónomo, inclusivo y adaptado a los desafíos de un entorno profesional globalizado.

La implementación de este proyecto dará lugar a una serie de productos innovadores y valiosos que contribuirán significativamente al avance de la enseñanza de lenguas extranjeras en contextos de ingeniería y al desarrollo de competencias comunicativas adaptadas a un entorno globalizado. Los productos resultantes de este proyecto se detallan a continuación:

1. Herramienta ACAIA-FEEDBACK: El producto central del proyecto es la herramienta de análisis de corpus ACAIA-FEEDBACK, integrada en la aplicación DeStance. Esta herramienta proporcionará retroalimentación inmediata sobre el uso de expresiones de posicionamiento epistémico, efectivo y emocional en los textos de los estudiantes, ayudándoles a mejorar sus habilidades de comunicación escrita de manera autónoma. ACAIA-FEEDBACK estará optimizada para un uso accesible, intuitivo y con funcionalidades personalizables, que ofrecerán informes detallados y recomendaciones específicas adaptadas a las necesidades de cada usuario.
2. Aplicación DeStance con Módulo de Análisis de Posicionamiento Lingüístico: La aplicación DeStance será mejorada con la incorporación de la herramienta ACAIA-FEEDBACK, ampliando su alcance y funcionalidad. Gracias a ACAIA-FEEDBACK, DeStance permitirá a los estudiantes desarrollar sus competencias de comunicación escrita en un contexto autónomo y personalizado, alineado con los objetivos de internacionalización y aprendizaje autónomo de la UPM.
3. Corpus de Expresiones de Posicionamiento Lingüístico Utilizadas por los Estudiantes: Durante el desarrollo de ACAIA-FEEDBACK, se generará un corpus de ejemplos de expresiones de posicionamiento epistémico, efectivo y emocional que servirá como recurso para perfeccionar la herramienta. Este corpus podrá ser utilizado para crear materiales de referencia y guías para el desarrollo de competencias de comunicación en ingeniería.
4. Informes de Evaluación y Resultados de Aprendizaje: A lo largo del proyecto se generarán informes periódicos de evaluación que documentarán la efectividad de ACAIA-FEEDBACK en el desarrollo de las competencias comunicativas de los estudiantes. Estos informes incluirán análisis de impacto sobre la mejora en la calidad de la producción escrita, la precisión y utilidad de la retroalimentación automatizada, y el impacto en el aprendizaje autónomo. Los informes finales serán compartidos con las instituciones colaboradoras y serán utilizados como base para publicaciones académicas y presentaciones en conferencias.
5. Publicaciones Académicas y Materiales de Divulgación: Con el fin de difundir los resultados y avances del proyecto, se prepararán artículos académicos que describan el diseño, implementación y evaluación de ACAIA-FEEDBACK, y que discutan su impacto pedagógico en la enseñanza de lenguas extranjeras en ingeniería. Estas publicaciones contribuirán al campo de la lingüística aplicada y el procesamiento del lenguaje natural, posicionando a la UPM y al proyecto RACISMMAFF como referentes en innovación educativa. Además, se crearán materiales de divulgación, como presentaciones y seminarios, para compartir las mejores prácticas y lecciones aprendidas con otras instituciones educativas y profesionales interesados.

Materiales y Actividades de Divulgación

Para asegurar una difusión amplia y efectiva de los avances y resultados del proyecto, se utilizarán múltiples canales de comunicación para llegar tanto a la comunidad académica como a la sociedad en general. Los principales materiales y actividades de divulgación incluyen:

1. Cuentas de Twitter de los Departamentos de Lingüística Aplicada (UPM) y de Filología (UCM): Las cuentas oficiales de Twitter de los departamentos de Lingüística Aplicada de la Universidad Politécnica de Madrid (UPM) y de la Facultad de Filología  (UCM) serán fundamentales para la difusión del proyecto. Estas cuentas publicarán actualizaciones periódicas, logros y eventos relacionados con ACAIA-FEEDBACK y su implementación en la aplicación DeStance. A través de hilos temáticos, infografías y videos promocionales, se explicarán los objetivos y beneficios de la herramienta de forma visual y accesible, generando interés en la comunidad académica y profesional y alcanzando una audiencia amplia.
2. Participación en la Semana de la Ciencia y la Innovación: El proyecto se presentará en la Semana de la Ciencia y la Innovación, un evento clave para la divulgación de proyectos científicos. Durante esta semana, se organizarán charlas y talleres interactivos, dirigidos tanto a estudiantes como al público en general, que demostrarán el funcionamiento de ACAIA-FEEDBACK y su impacto en la enseñanza de lenguas en ingeniería. Esta participación contribuirá a sensibilizar sobre la importancia de las competencias comunicativas en entornos técnicos y acercará la tecnología educativa basada en inteligencia artificial al público general.
3. Materiales de Divulgación y Promoción: Se desarrollarán materiales divulgativos como brochures informativos, un vídeo promocional y artículos académicos. Los brochures y folletos destacarán los objetivos y beneficios de ACAIA-FEEDBACK y se distribuirán en eventos, redes sociales y en la web del proyecto RACISMMAFF. El vídeo promocional mostrará los beneficios de la herramienta en el aprendizaje autónomo, e incluirá testimonios de estudiantes y profesores. Finalmente, los artículos académicos en revistas posicionarán el proyecto como un referente en innovación educativa y en el uso de inteligencia artificial para la enseñanza de lenguas.
4. Web del Proyecto RACISMMAFF: La web del proyecto RACISMMAFF servirá como un centro de difusión para todos los materiales y resultados generados, incluyendo los de ACAIA-FEEDBACK y su implementación en De-Stance. La web contará con secciones específicas sobre el desarrollo, objetivos y logros de la herramienta, y se actualizará regularmente con contenido multimedia como videos, infografías y presentaciones. La web facilitará el acceso a los recursos y materiales de divulgación, aumentando la visibilidad del proyecto.
5. Seminarios y Conferencias: La participación en estas actividades permitirá mostrar los resultados del proyecto y la funcionalidad de ACAIA-FEEDBACK a una audiencia académica más amplia.
6. Informe Final de Resultados y Buenas Prácticas: Al finalizar el proyecto, se publicará un informe exhaustivo que documentará los resultados obtenidos, incluyendo análisis cuantitativos y cualitativos sobre la efectividad de la herramienta y recomendaciones de uso. Este informe estará disponible en la web de RACISMMAFF y se distribuirá entre las instituciones colaboradoras. También se compartirá en redes sociales y seminarios, promoviendo su consulta por parte de otras universidades e instituciones interesadas en replicar la herramienta.

Este proyecto cuenta con una red de colaboraciones clave que fortalecerán su impacto y facilitarán la implementación y difusión de sus resultados. La colaboración se estructura en varios niveles:

1. Colaboración Directa y Continua con la Universidad Complutense de Madrid (UCM): La Universidad Complutense de Madrid (UCM) es un socio estratégico en el desarrollo del proyecto, especialmente a través de la Facultad de Filología y su Departamento de Estudios Ingleses. Esta colaboración directa con la UCM permite un intercambio continuo de conocimientos y experiencias en el uso de tecnologías para la enseñanza de lenguas. Además, se compartirán recursos y se coordinarán actividades de difusión, como seminarios conjuntos y publicaciones. La UCM también contribuirá con sus conosimientos y experiencia en inteligencia artificial aplicada a la lingüística, lo que será fundamental para el desarrollo y optimización de la herramienta ACAIA-FEEDBACK en la aplicación De-Stance.
2. Red de Colaboración con Universidades Españolas: A nivel nacional, el proyecto se integra en el marco de RACISMMAFF, un programa de colaboración que involucra a diversas universidades españolas. Esta red facilita el acceso a una variedad de perfiles de estudiantes y docentes que podrán participar en las pruebas piloto y evaluación de la herramienta ACAIA-FEEDBACK. Las universidades colaboradoras, como la Universidad de Vigo y la Universidad del País Vasco, entre otras, contribuirán a enriquecer el proyecto mediante el intercambio de mejores prácticas y la adaptación de la herramienta a contextos diversos de enseñanza de lenguas y comunicación técnica en ingeniería. A través de esta colaboración, también se promoverá la transferencia de los resultados y la escalabilidad de la herramienta para su uso en otras universidades de España.
3. Colaboración Internacional con Universidades Extranjeras: El proyecto RACISMMAFF también integra a universidades extranjeras, incluyendo la Universidad Estatal de Arizona, la Universidad de Malta y la Universidad de Vilnius. Estas colaboraciones internacionales aportan una perspectiva intercultural y multilingüe que será esencial para adaptar la herramienta a distintos contextos y necesidades de aprendizaje en el ámbito de la ingeniería. Gracias a estas colaboraciones, se llevarán a cabo actividades conjuntas de investigación y difusión, así como evaluaciones comparativas que permitirán medir el impacto de la herramienta en contextos educativos internacionales. Además, la colaboración con estas universidades facilita el acceso a expertos en lingüística y tecnología educativa, quienes contribuirán con su conocimiento para optimizar la herramienta y garantizar su eficacia en un entorno globalizado.
4. Organización de Eventos de Divulgación y Capacitación en Red: Como parte de esta colaboración amplia, se participará en eventos de capacitación y divulgación, incluyendo seminarios y talleres, que contarán con la participación de las universidades nacionales e internacionales integradas en RACISMMAFF.