LA INTELIGENCIA ARTIFICIAL COMO RECURSO TECNOLÓGICO EN EL APRENDIZAJE DE LAS COMPETENCIAS LINGÜÍSTICAS

ARTIFICIAL INTELLIGENCE AS A TECHNOLOGICAL RESOURCE IN LANGUAGE SKILLS LEARNING

 

Shirle Sulay Carrillo Buenaño^1*

¹ Pedagogía de la Lengua y Literatura. Extensión Pujilí, Universidad Técnica de Cotopaxi. Latacunga, Ecuador. ORCID: https://orcid.org/0009-0003-6826-087X. Correo: shirle.carrillo7158@utc.edu.ec

 

Byron Andrés Remache Prócel²

² Pedagogía de la Lengua y Literatura. Extensión Pujilí, Universidad Técnica de Cotopaxi. Latacunga, Ecuador. ORCID: https://orcid.org/0009-0003-6939-9558. Correo: byron.remache2692@utc.edu.ec

 

Melquiades Mendoza Pérez³

³ Docente Investigador de la Extensión Pujilí, Universidad Técnica de Cotopaxi. Ecuador. ORCID: https://orcid.org/0000-0002-6636-2608. Correo: melquiades.mendoza@utc.edu.ec

 

 

* Autor para correspondencia: shirle.carrillo7158@utc.edu.ec

 

Resumen

El artículo evaluó la inteligencia artificial (IA) como herramienta tecnológica para potenciar el desarrollo de competencias lingüísticas, centrándose en su impacto en la precisión gramatical y análisis literario. El estudio se centró en el análisis del empleo de la IA en la expansión del soporte lingüístico para el aprendizaje de las disciplinas tomando en cuenta la equidad y el pensamiento crítico y sin supervisión humana. Se utilizó el enfoque cualitativo con una revisión sistemática de la literatura utilizando el protocolo PRISMA 2020 con búsquedas exhaustivas en Google Scholar, Scopus, Web of Science con las palabras “inteligencia artificial” y “habilidades lingüísticas”. Se analizaron y filtraron 17 estudios y se evidenciaron mejoras en el aprendizaje de la lexicografía, la lectura, la fluidez, la pronunciación y la argumentación. Los autores mencionan que esto se debe al uso de chatbots y tutores virtuales que proporcionan retroalimentación que alivia la ansiedad de los estudiantes al realizar tareas orales. Sin embargo, la duración de las intervenciones y la integración de técnicas de enseñanza tradicional son determinantes para el éxito de estos elementos. La IA es un complemento valioso que estimula la participación autónoma y motivación, promoviendo planes curriculares inclusivos, aunque se requiere mayor investigación en contextos culturales diversos para maximizar su potencial sin descuidar la esencia humanista de la educación.

 

Palabras clave: Aprendizaje; competencias; educación; inteligencia; retroalimentación

 

Abstract

The study re-evaluated technologies related to the educational applications of artificial intelligence (AI) in building students' writing and literary criticism skills. The study sought to assess the impact of educational AI on supporting instruction focused on addressing educational inequity, the lack of critical thinking, and the absence of a tutor. The research method used was qualitative; that is, a systematic literature review was conducted, anchored in the PRISMA 2020 framework. A comprehensive search was carried out using Google Scholar, Scopus, and Web of Science, with the keywords: artificial intelligence and language skills. Seventeen studies were analyzed, and the results were filtered to show and demonstrate that the studies improved the teaching of lexicography, reading, speed, and pronunciation, as well as argumentation and oral discourse. This improvement was attributed to the presence of chatbots and virtual tutors that provide students with feedback to reduce their anxiety when required to deliver oral presentations. The authors have pointed out, however, that the duration of the intervention, as well as the use of older, more traditional teaching methods, must be considered for this work to be effective. Research must be conducted, without an educational component, to address inequity as an educational tool that promotes self-regulated learning and motivation in students. Furthermore, within an inclusive approach to diverse curricula, research is needed to realize the potential of educational AI while maintaining the human element in education.

 

Keywords: Learning; skills; education; intelligence; feedback

 

Fecha de recibido: 11/10/2025

Fecha de aceptado: 22/12/2025

Fecha de publicado: 15/01/2026     

           

 

Introducción

El problema que se aborda en este estudio se centra en la integración de la Inteligencia Artificial (IA) como recurso práctico en la enseñanza de las habilidades lingüísticas y literatura, preservando al mismo tiempo los valores fundamentales de la enseñanza. Muchos de los enfoques existentes hacen hincapié en la evaluación automatizada o en el análisis de textos, pero son menos las investigaciones que relacionan sistemáticamente las prácticas respaldadas por la IA con los flujos de trabajo en el aula, plan de estudios y acceso equitativo en los contextos lingüísticos y literarios (Hernández et al., 2024). El artículo investiga la IA como andamiaje para la precisión lingüística, razonamiento analítico y discurso interpretativo.

Las referencias previas hacen hincapié en las secuencias didácticas que integran herramientas de IA para la práctica del vocabulario y gramática, junto con actividades de lectura y análisis crítico. Según Estrella et al. (2025) entre las posibles preguntas de investigación se incluyen ¿cómo influye la retroalimentación mediada por la IA en la calidad de la argumentación en los ensayos literarios?, ¿cómo afectan las interfaces adaptativas a la participación de los alumnos en las tareas lingüísticas? y ¿Cómo se determina la forma en que el análisis asistido por IA da forma a la capacidad de los estudiantes para articular interpretaciones basadas en evidencia?

La IA ha mostrado su potencial en el área de la docencia de lengua y literatura en la medida que permite el diseño de novedosos recursos para la presentación, el procesamiento y la interpretación de los textos. En las clases de idiomas, las herramientas de IA que ayudan en el vocabulario, la gramática y la organización del discurso a través de la retroalimentación en tiempo real y personalizada. En literatura la IA puede ser útil a la literatura con el apoyo en la lectura, la elaboración de mapas conceptuales, y el análisis del estilo de autores (Du y Kei, 2024). La interrogante esencial es de qué manera se puede utilizar la tecnología para complementar, pero nunca sustituir, la pedagogía humanista. El diseño de la instrucción puede trabajar el desarrollo de competencias en terminología literaria y luego supervisar el análisis de obras más complejas.

Las herramientas lingüísticas basadas en la IA pueden ampliar la exposición al uso auténtico del lenguaje mediante actividades de paráfrasis, traducción y síntesis que se ajustan a los objetivos pedagógicos. El ejercicio de la paráfrasis por parte de estudiantes se da en situación de retroalimentación correctiva en cuanto a tono y registro y sutiles variantes. Dentro de la literatura, la IA puede mostrar el modo en que la elección de traducciones puede modificar el sentido y que puede generar controversias en la propiedad del texto en los diversos contextos culturales y en el sentido de la obra (Muawanah et al., 2024). Deben considerarse a estas herramientas como compañeros analíticos, y no como meros reemplazos que se memoricen. Las y los educadores pueden planificar actividades que agudicen y que se centren en criticar, contrastar y reflexionar.

Con respecto a las habilidades lingüísticas de los estudiantes, los aspectos de pronunciación, fluencia y comprensión son abordados dentro de los ciclos de retroalimentación y de práctica personalizada. La enseñanza basada en sistemas de reconocimiento de voz da a los estudiantes la capacidad de controlar y dominar ciertos rasgos prosódicos, mientras que, el reconocimiento de voz y la pedagogía destinada a convencer a los estudiantes de que dominen el habla, la fluencia se trabaja eficientemente. En la enseñanza de la literatura, los sistemas de IA que construyen la comprensión auditiva, comentan las obras y analizan a los autores, dramatizan y graban su lectura, y así, se relaciona lo presentado en la fonética y el contexto sociocultural (Arias et al., 2025). La práctica en sí es beneficiosa por los recursos que simulan la comunicación en el mundo real.

Los análisis basados en inteligencia artificial dan mayores posibilidades en la práctica de la evaluación y se retroalimentan en el proceso. Son de gran utilidad las herramientas de retroalimentación que se centran en la gramática, el vocabulario, la estructura y las automatizaciones de la revisión que sirven para la reorientación y el andamiaje. En el caso de análisis literarios, la inteligencia artificial puede seguir el progreso de las afirmaciones de la crítica analítica, la evidencia utilizada y su relación con otras obras. Sin embargo, es la voluntad de los educadores de añadir juicio y retroalimentación que realmente puede proporcionar una evaluación más matizada de la respuesta y, en consecuencia, la evaluación de la originalidad presentada por los educandos (Lovón y Parini, 2024). La mayoría de los resultados más complejos son el resultado de una evaluación integradora, que incorpora tareas con inteligencia artificial y la evaluación de un docente.

El modelo de inteligencia artificial integrado y alineado con la investigación tiene un impacto en los objetivos lingüísticos y literarios. El currículo integrado y apoyado por la IA puede adaptarse para cumplir con estándares específicos, resultados de aprendizaje y competencias. El énfasis debe estar en actividades modulares y escalables que combinen competencias lingüísticas con análisis literario. La colaboración entre disciplinas, lingüística, estudios literarios, humanidades digitales, puede dar lugar a tareas más versátiles y argumentadas (Bolaño y Duarte, 2024). El desarrollo profesional de los educadores es fundamental para generar confianza en la selección, implementación y evaluación de las herramientas de IA.

De cara al futuro, la integración de la IA como recurso tecnológico en la enseñanza de las habilidades lingüísticas y literatura invita a seguir investigando su eficacia, equidad y relevancia cultural. Los efectos de la inteligencia artificial deberían analizarse en la motivación, autoeficacia, compromiso y la interacción por un tiempo extendido con textos. La investigación comparada debería ser capaz de ofrecer información y orientar en las mejores prácticas y en los posibles obstáculos en cómo la motivación, autoeficacia y compromiso sostenido se relacionan con la inteligencia artificial. La teoría pedagógica debería seguir desarrollándose en diálogo con la teoría y la práctica. Su enfoque humanista en la alfabetización seguirá siendo primordial (Vera et al., 2025). Al fin y al cabo, la IA es un recurso que puede enriquecer la enseñanza y aprendizaje cuando se emplea con reflexividad crítica e intención pedagógica.

En la data elaborada por Zambrana et al (2025) se menciona que la Alterada Foundation and Education predice que 2023 tendrá datos valiosos que incorporan la Inteligencia Artificial como una herramienta útil para el análisis, la gramática y las habilidades de alfabetización de los estudiantes de primaria (Zambrana et al., 2025). Cada uno de los objetivos específicos se centra en las siguientes dimensiones: (1) El uso de IA en la enseñanza de Lengua y Literatura para desarrollar las competencias lingüísticas de los estudiantes en vocabulario, gramática y nivel de discurso para fomentar (2) El uso de IA en el compromiso de las tareas de los estudiantes y el uso de estrategias de aprendizaje autorregulado (3) El efecto de la IA en las habilidades lingüísticas requeridas para informar un diseño curricular de retroalimentación a fin de proponer las competencias educativas en Lengua y Literatura para mejorar.

Materiales y métodos

El estudio adoptó un diseño de investigación sistemático para sintetizar la evidencia sobre el uso de la IA como recurso tecnológico en el aprendizaje de habilidades lingüísticas. A su vez, el enfoque cualitativo tuvo como objetivo recopilar, evaluar y resumir los trabajos empíricos y teóricos relevantes que examinaban las intervenciones basadas en la IA en contextos de adquisición del lenguaje (Vizcaíno et al., 2023). También, el diseño no experimental de paradigma transversal hizo hincapié en el análisis de información, con una documentación explícita de las estrategias de búsqueda, los pasos de selección y procedimientos de extracción de datos.

La información se recopiló mediante una búsqueda bibliográfica estructurada que abarcó múltiples bases de datos bibliográficas y archivos de revistas. Se llevaron a cabo una selección de títulos, resúmenes y, cuando fue necesario, textos completos para determinar su relevancia para las habilidades lingüísticas como lectura, escritura, y expresión oral; y los recursos basados en la IA. La extracción de datos incluyó los resultados relacionados con las habilidades lingüísticas y características metodológicas más destacadas (Huamán et al., 2022). En este sentido, la estrategia de búsqueda utilizó un conjunto básico de palabras clave y términos de vocabulario relacionados con la IA y habilidades lingüísticas.

Entre los términos utilizados se incluyen “inteligencia artificial”, “IA”, “aprendizaje automático”, “procesamiento del lenguaje natural”, “agente conversacional”, “chatbot” y “tutoría adaptativa”, combinados con términos relacionados con la enseñanza lingüística, como “aprendizaje del lenguaje”, “competencia lectora”, “habilidades de escritura”, “expresión oral”, y “habilidades lingüísticas” (Sánchez et al., 2021). Las palabras clave se adaptaron a la sintaxis y convenciones de indexación de cada base de datos y se ampliaron con sinónimos y términos relacionados identificados durante las discusiones de alcance.

Con el fin complementar el registro recuperado, el uso del operador AND fue utilizado, para que para que incorporara tanto las referencias a la IA, como los resultados del aprendizaje del lenguaje, por ejemplo, IA AND aprendizaje lingüístico. También se usó como agrupación de términos conceptualmente relacionados dentro de cada dominio el operador OR, por ejemplo, “inteligencia artificial” OR IA OR “aprendizaje automático” OR “adquisición lingüística”. Con el fin de maximizar la sensibilidad y a la vez mantener la especificidad, se usaron los paréntesis para mostrar la agrupación que se estaba realizando (Espinosa et al., 2021). Se aplicaron los filtros por tipo de estudio, año de publicación y/o idioma, cuando fue necesario para superar el sesgo de cobertura.

Se consultaron los repositorios y revistas Google Scholar, Scopus, Scielo y Web of Science por su indexación principal y su extensa cobertura y nivel interdisciplinario. También se revisaron revistas de diversas disciplinas como lingüística aplicada, tecnología educativa y aprendizaje del lenguaje por medio de herramientas computacionales. Asimismo, se revisaron las bases de datos de editoriales como Elsevier, Springer, Wiley e IEEE Xplore (Sánchez y Murillo, 2022). Se revisaron repositorios institucionales cuando resulta pertinente para recoger las intervenciones emergentes en base a IA y resultados preliminares.

El estudio siguió la metodología PRISMA 2020 para identificar, seleccionar, determinar la elegibilidad e incluir estudios. Se preparó un diagrama de flujo PRISMA para documentar el número de registros identificados mediante la búsqueda en bases de datos, los registros evaluados para determinar su elegibilidad y estudios incluidos en la síntesis, junto con los motivos de exclusión en cada etapa (Du y Kei, 2024), como se muestra en la figura 1. La extracción de datos se ajustó a los elementos de PRISMA, incluidas las características del estudio y los métodos de síntesis, con el fin de garantizar una trayectoria de presentación transparente en el artículo. De esta forma se obtuvieron 17 artículos para la revisión sistemática.

Por medio del uso de un método de análisis documental se examinaron fuentes publicadas como rastros documentales acerca de la IA aplicada al aprendizaje de lenguas. Esto fue complementado con un método exploratorio acerca de la búsqueda de aplicaciones emergentes en IA, estudios piloto o propuestas teóricas, y con ello, trazar un posible marco conceptual. Mediante un método deductivo se guio la síntesis de los resultados, poniendo a prueba determinadas proposiciones en la estructura sobre la efectividad y viabilidad de los recursos de IA en el desarrollo de las destrezas lingüísticas (Hernández et al., 2024). Esta conjunción se tradujo en un análisis sistemático, el cual fue un arranque a nuevas configuraciones en la literatura.

 

Figura 1. Diagrama de flujo PRISMA 2020

El rigor analítico se mejoró mediante la construcción de matrices de doble entrada para la organización e interpretación de la información. La matriz recopiló las características del estudio, mientras que una matriz paralela registró los juicios evaluativos. El cruce de entradas permitió la triangulación entre fuentes y facilitó la identificación de consistencias, discrepancias y patrones en la base empírica (Huamán et al., 2022). Las matrices respaldaron la síntesis del trabajo investigativo, y proporcionaron conclusiones fundamentadas sobre el papel de la IA como recurso tecnológico en el aprendizaje de habilidades lingüísticas.

Resultados y discusión

La revisión sistemática sintetizó los datos de 17 estudios rigurosos que investigaban el papel de la inteligencia artificial como recurso tecnológico en la adquisición de habilidades lingüísticas. Los estudios mostraban diversidad en cuanto al diseño, características de los participantes y criterios utilizados para evaluar los resultados lingüísticos. En el conjunto, los enfoques asistidos por IA se revelaron como una característica común en las intervenciones de aprendizaje de idiomas, con indicadores de eficacia que abarcaban un amplio espectro. Los resultados sugieren mejoras significativas en las habilidades lingüísticas en función de factores como el diseño instruccional, participación de los alumnos y duración de las intervenciones apoyadas por IA. Los detalles de estos hallazgos se resumen en la tabla 1.

Tabla 1. Inteligencia artificial como recurso tecnológico en el aprendizaje de las competencias lingüísticas

Nota: La tabla muestra los resultados obtenidos de la revisión de los artículos sobre el uso de la inteligencia artificial como recurso tecnológico en el aprendizaje de las competencias lingüísticas.

Los estudios de Dou et al. (2025) resaltan el impacto positivo de la IA en las clases de vocabulario y en la comprensión lectora de estudiantes de secundaria, mejorando gracias a la interacción individual. A diferencia de ellos, Bernal et al. (2025) estudiaron la IA con chatbots en el nivel universitario en ESL, donde no encontraron avances significativos en la competencia, pero sí mejoraron de forma notable la ansiedad y la fluidez oral. Ambos trabajos indican que el impacto de la IA puede estar relacionado por la edad del estudiante y el tipo de habilidades apuntadas, sugiriendo que los grupos de menor edad se beneficiarán más del apoyo estructurado. En síntesis, los trabajos expuestos apuntan que se requiere un tiempo significativo de interacción para poder obtener los beneficios de forma integral.

Zhukevych y Spiricheva (2024) constatan avances en la precisión de la escritura por la edición con IA con un incremento paulatino por seis meses que se integran mejor con la intervención del ser humano. Por medio de un metaanálisis de 28 ensayos, Ekizer (2025) encuentra avances modestos en vocabulario y en lectura, en la precisión de la fluidez, resultados contradictorios. La profundidad longitudinal de Zhukevych y Spiricheva contrasta con la visión de conjunto de Ekizer, los cuales abogan por la IA en la instrucción de perfeccionamiento. Estas perspectivas apuntan al papel de la IA en la práctica sostenida, al mismo tiempo que señalan la continua importancia del elemento humano para la precisión.

En lugar de examinar encuestas de retroalimentación de cursos y los efectos subsecuentes de los sistemas de IA, Nathir et al. (2023) demuestran cómo los sistemas de IA influyen en la satisfacción y el logro de rutas de aprendizaje personalizadas. Con métodos cualitativos, Huang y Sun (2023) abordaron las percepciones de los educadores sobre la mayor triangulación del flujo de trabajo y la equidad paradójica del paradigma de la equidad de carga de trabajo desigual. Colectivamente, ejemplifican el potencial escalable del aula de IA, incluso cuando las brechas de equidad siguen siendo un tema candente. Sus hallazgos abogan por la necesidad de un mejor desarrollo profesional para aprovechar este potencial.

Sotomayor (2023) y otros describen las mejoras en la precisión en la articulación de los miembros de los grupos de retroalimentación en IA, en comparación con los miembros de los grupos en los que se incluyó la retroalimentación del instructor tras un intervalo de retención de 12 semanas. A su vez, Daud et al. (2025) documentaron aumentos en la conciencia fonémica que, sin duda, se debieron a la capacitación en IA que se recibe en los laboratorios, secundaria a la mayor motivación que los estudiantes mostraron. Esto constituye una evidencia de la efectividad de la IA en la enseñanza de la inteligibilidad en sus formas cortadas y completas. Resulta positivo que la duración del entrenamiento y su personalización tengan efectos positivos en los resultados. Resultan interesantes estas aportaciones educativas para la combinación de la IA con otras técnicas de enseñanza para la optimización del aprendizaje de la expresión oral.

Por un lado, Gutiérrez (2023) reporta una mayor comprensión lectora y un mayor compromiso con tutores de IA en comparación con tutores convencionales, que se explicaba por andamiaje adaptativo. Schmidt (2022) reporta una disminución en los errores de ortografía y gramática con el uso de IA, aunque la apertura de los comentarios sobre las explicaciones varió. Los diseños experimentales evidencian la magia de la IA ante la entrega de una tarea, no obstante, no eliminan la necesidad de ofrecer hipótesis. Esto evidencia el uso de la tecnología para el avance de habilidades. Esto nos llevaría a pensar que el diseño de una IA más transparente tendría un gran impacto en la mejora del aprendizaje en términos generales.

Zheng y Yang (2024) vincularon el análisis de escritos con GAI a prácticas específicas y correlaciones de habilidades en una sección transversal más amplia. Georgopoulou et al. (2025) reportaron ligeras mejoras en la fluidez oral con retroalimentación de GAI que variaban con la autenticidad de la tarea. Ambos abogan por análisis personalizados, pero mientras Zheng y Yang se centran en las debilidades de los escritos, Georgopoulou et al. enfatizan la dimensión reflexiva de la comunicación. Estas son facetas que ejemplifican la versatilidad de GAI en dominios productivos, matizadas por el grado de interpretabilidad de la tarea. Colectivamente, estas apoyan el uso de GAI para descubrir y abordar déficits de aprendizaje.

Cely et al. (2025) reportó variación de vocabulario por un semestre con el uso de IA donde se realizó práctica espaciada y contextual. Pangestu y Suwartono (2024) IA audio módulos superó en desempeño y en retención de inferencia detallada. Ambos entrenan retención y escucha atenta. La combinación de enfoques descriptivo y experimental resalta la genuina autenticidad de los diseños. La IA fortalece la memoria y comprensión por repetición espaciada en libre correlación. Esto sugiere mayor implementación en un currículo de integración.

La limitación de la diversidad en los resultados se ha delineado en las capacidades de la IA, especialmente en el contexto de la equidad y colaboración en la educación multilingüe, como revisaron Akinsemolu y Onyeaka (2025). Huawei y Aryadoust (2024) realizaron estudios piloto en un bucle de retroalimentación integrado con IA, concluyendo la viabilidad de la integración, aunque los impactos de los estudios fueron mixtos. Ambos abordan aspectos prácticos de inclusión y usabilidad. También hubo restricciones de acceso y diseño. El despliegue de la IA requiere un equilibrio y eficiencia de la etnografía y las discapacidades piloto de estos autores. Los estudios revisados han creado un potencial notable para el despliegue productivo y colaborativo de la IA en el aprendizaje de idiomas.

La primera indicación sobre las prácticas de adaptación de la IA y el ser humano que presentó Alsaawi et al. (2025), señala que la IA avanza a un ritmo más acelerado y que posteriormente los seres vivos (humanos) terminan dominando. En el caso de Ekizer (2025) se observa que en el meta análisis que realiza se reportan tamaños de efecto global de escaso nivel en o ambos presentan el rango de insuficientes, pero complementarios, en la dinámica del avance y en la evidencia de ciertas tareas. La necesidad de integrar la IA en su potencial colaborativo y el ser humano queda resaltada. La interactividad que sostiene sugiere la posibilidad de que la complejidad de las intervenciones sea de considerables dimensiones en la construcción del lenguaje.

Conclusiones

La literatura señala que las actividades en asistencia con IA han mostrado un impacto positivo en la adquisición de ciertas destrezas lingüísticas, tales como, la precisión léxica, gramatical y discursiva. Estos enfoques tecnológicos ofrecen un acompañamiento integral en la customización de ejercicios y feedback en el tiempo, que dan la oportunidad a los alumnos a ensayar y edificar construcciones lingüísticas complejas en situaciones discursivas reales, como el parafraseo de obras literarias o el examen de patrones discursivos. En la literatura se ha mostrado que algunas de estas tecnologías, como los chatbots y los tutores virtuales, ofrecen feedback y corrección instantánea, lo que permite un acompañamiento más constructivo y profundo en los componentes de la oración en términos de sus elementos constructivos y funcionales y les han demostrado a los estudiantes un mejoramiento en la retención del vocabulario en niveles superiores y en la coherencia argumentativa. Este enfoque, productivo en términos de tiempo, gestión y cambio pedagógico, ha mostrado la necesidad de modernizar y ajustar las prácticas pedagógicas en el uso del lenguaje en sus formas más creativas.

Con respecto a la influencia de las herramientas de IA en la participación de los estudiantes, se ha observado que estos recursos tecnológicos fomentan el aprendizaje autorregulado a través de la construcción de viajes pedagógicos personalizados y de la adaptación de módulos de aprendizaje interactivos. Los estudios analizados concluyen que el uso de tecnologías de reconocimiento de voz y de análisis de texto automatizado disminuye las barreras afectivas, tales como la ansiedad asociada a la expresión oral, y aumenta la motivación por la adaptación de los textos a nivel de los estudiantes y por el feedback que se les proporciona. Esto transforma la dinámica tradicional de los salones de clases donde los estudiantes son, por lo general, receptores de información. Los estudiantes se encargan de realizar actividades que les permiten el uso de múltiples recursos, como mapas literarios o audios de las obras, que les permitirán la experimentación. Así, la IA no solo facilita a los aprendices la práctica de las actividades lingüísticas de modo más frecuente y con mayor calidad. También facilita que la metacognición se desarrolle de modo que los estudiantes puedan supervisar su aprendizaje y modificar de manera autónoma sus estrategias, lo que denota su potencial para el sistema educativo que se caracteriza por su diversidad e igualdad.

La retroalimentación automatizada es una respuesta en tiempo real que es complementada por un instructor en áreas sin intervención humana; es por eso que se puede hablar de la mejora en la flexibilidad programática en el diseño de cursos de lengua y literatura. Con base en la retroalimentación proporcionada se puede hablar de una mejora en las revisiones sistemáticas de la literatura respecto a la respuesta automatizada. Esto ocurre porque se puede hablar de una mejora en la respuesta a la retroalimentación debido a la gramática y la mejora de interpretaciones de la literatura. Esas mejoras pueden ser diseñadas a obtener a través de la retroalimentación, lo que integra la necesidad de una evaluación automatizada y un sistema mesurado.

A partir de allí surge la crítica que se espera se modifique la respuesta de la intervención, de acuerdo a la autoevaluación del proceso. De allí surge el diseño pedagógico, que integra el uso de la IA, con bibliotecas automatizadas que permiten procesar grandes volúmenes de texto, lo que resulta en el uso de una biblioteca personal de un estudiante. Esas bibliotecas permiten ampliar el uso de la literatura necesaria en el aula, a la literatura que un estudiante está interesado. Al final esas herramientas permiten una optimización del tiempo que una IA puede usar. La optimización de la IA debería ser en la literatura.

La incorporación de la inteligencia artificial como un recurso tecnológico para la adquisición de habilidades lingüísticas es una mejora transformadora que aumenta no solo la precisión y el compromiso del estudiante, sino también la equidad educativa. Los resultados de la investigación sintetizada señalan un enfoque de equilibrio en el que la IA complementa la pedagogía del grado centrado en el ser humano para abordar el acceso desequilibrado y la diferente formación profesional de los educadores. El sistema de IA está diseñado para fomentar la reflexividad crítica que alienta a que el sistema sea probado en diferentes entornos multiculturales y con textos más largos para asegurar que el enfoque final del sistema educativo sea promover la alfabetización holística.

Referencias

Akinsemolu, A., & Onyeaka, H. (2025). The Role of Artificial Intelligence in Transforming Language Learning: Opportunities and Ethical Considerations. Journal of Language and Education, XI(1), 148-159. https://doi.org/10.17323/jle.2025.22118

Alsaawi, A., Almoaily, M., Almulhim, F., Alahmadi, N., & Alshenqeeti, H. (2025). Attitudes to the Use of Artificial Intelligence in Language Learning. International Journal of Computer-Assisted Language Learning and Teaching, XV(1), 405-428. https://doi.org/10.4018/IJCALLT.376344

Arias, D., Arias, J., Muñoz, E., Lastra, E., Cabascango, A., Grijalva, E., & Males, M. (15 de Abril de 2025). Inteligencia Artificial en la Educación: Innovación y Aprendizaje para el futuro. Alumnieditora: https://alumnieditora.com/omp/index.php/home/catalog/download/18/20/58?inline=1

Bernal, A., Coronel, E., Aldas, K., Carvajal, C., Valarezo, B., Vera, J., & Chávez, J. (2025). The Impact of Artificial Intelligence on Personalized Learning in English Language Education. Revista Ciencia Latina Educación, IX(1), 5500-5520. https://doi.org/10.37811/cl_rcm.v9i1.16234

Bolaño, M., & Duarte, N. (2024). Una revisión sistemática del uso de la inteligencia artificial en la educación. Revista Colombiana de Cirugía, XXXIX(1), 51-73. https://doi.org/10.30944/20117582.2365

Cely, B., Jiménez, E., Méndez, N., & Abril, R. (2025). The Contribution of Artificial Intelligence to the Teaching of Communicative Skills in the EFL Class: A Theoretical Review. Vitalia Journal, VI(3), 114-145. https://doi.org/10.61368/r.s.d.h.v6i3.764

Daud, A., Aulia, A., Harfal, Z., Nabilla, O., & Salsabila, H. (2025). Integrating Artificial Intelligence Into English Language Teaching: A Systematic Review. European Journal of Educational Research, XIV(2), 677-691. https://doi.org/10.12973/eu-jer.14.2.677

Dou, A., Li, X., Xu, W., Zhang, S., & Zhang, J. (2025). Artificial Intelligence in Language Learning. International Journal of Distance Education Technologies, XXIII(1), 263-295. https://doi.org/10.4018/IJDET.385045

Du, J., & Kei, B. (2024). Transforming language education: A systematic review of AI-powered chatbots for English as a foreign language speaking practice. Journal Computers and Education: Artificial Intelligence, VI(1), 161-197. https://doi.org/10.1016/j.caeai.2024.100230

Ekizer, F. (2025). Exploring the impact of artificial intelligence on English language teaching: A meta-analysis. Acta Psychologica Journal, CCLX(21), 613-648. https://doi.org/10.1016/j.actpsy.2025.105649

Espinosa, J., Pizarro, N., Parra, H., González, E., & Talavera, O. (2021). Validación de un instrumento que mide el perfil actitudinal de los docentes y el desarrollo de competencias universitarias y transversales. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, XII(23), 115-136. https://doi.org/10.23913/ride.v12i23.1003

Estrella, A., Abad, L., Moreira, N., Álvarez, D., Naula, J., & Revadeneira, J. (2025). Aplicación de la Inteligencia Artificial y gamificación para el Aprendizaje para Estudiantes con Necesidades Educativas Específicas en lenguaje. Revista Científica y Académica Vitalia, VI(2), 382-418. https://doi.org/10.61368/r.s.d.h.v6i2.608

Georgopoulou, M., Trousass, C., Krouska, A., & Sgouropoulou, C. (2025). Digital Literacy in Higher Education: Examining University Students’ Competence in Online Information Practices. Computers Journal, XIV(12), 528-566. https://doi.org/10.3390/computers14120528

Gutiérrez, L. (2023). Artificial Intelligence in Language Education: Navigating the Potential and Challenges of Chatbots and NLP. Research Studies in English Language Teaching and Learning Journal, I(3), 180-193. https://doi.org/10.62583/rseltl.v1i3.44

Hernández, R., Fernández, C., & Baptista, P. (1 de Marzo de 2016). Metodología de la Investigación. Universidad Contemporánea de Las Américas: https://uniclanet.unicla.edu.mx/assets/contenidos/254857_DOC_2023-03-01_18:46:18.pdf

Hernández, S., Hernández, J., & Moreno, R. (2024). Estrategia para desarrollar competencias lingüísticas en inglés usando una aplicación virtual. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, XIV(28), 163-185. https://doi.org/10.23913/ride.v14i28.1831

Huamán, J., Treviños, L., & Medina, W. (2022). Epistemología de las investigaciones cuantitativas y cualitativas. Revista Horizonte de la Ciencia, XII(23), 27-67. https://doi.org/10.26490/uncp.horizonteciencia.2022.23.1462

Huang, F., & Sun, L. (2023). Examining the Roles of Technology in Sustaining Language Teaching and Learning. Sustainability Journal, XV(24), 166-189. https://doi.org/10.3390/su152416664

Huawei, S., & Aryadoust, V. (2024). A systematic review of AI-based automated written feedback research. Recall Journal of Education, XII(5), 708-737. https://doi.org/10.1017/S0958344023000265

Lovón, M., & Parini, A. (2024). Inteligencia artificial, discurso digital y lenguaje: La lingüística en la era de las nuevas tecnologías. Revista Lengua y Sociedad, XXIII(2), 253-281. https://doi.org/10.15381/lengsoc.v23i2.29773

Muawanah, U., Marini, A., & Sarifah, I. (2024). The interconnection between digital literacy, artificial intelligence, and the use of E-learning applications in enhancing the sustainability of Regional Languages: Evidence from Indonesia. Journal Social Sciences & Humanities Open, X(1), 415-439. https://doi.org/10.1016/j.ssaho.2024.101169

Nathir, Z., Faiaq, H., Ali, M., Sabah, S., Faiaq, S., & Ismail, R. (2023). The Role of Artificial Intelligence Technology on English Language Learning: A Literature Review. Canadian Journal of Language and Literature Studies, III(2), 17-31. https://doi.org/10.53103/cjlls.v3i2.87

Pangestu, H., & Suwartono, T. (2024). Exploring the Role of Artificial Intelligence (AI) Support in Assisting Students’ English-Speaking Skills. English Education, Linguistics, and Literature Journal, III(2), 134-158. https://doi.org/10.1025/634.v3i3.618

Sánchez, A., & Murillo, A. (2022). Enfoques metodológicos en la investigación histórica: cuantitativa, cualitativa y comparativa. Revista Debates por la Historia, IX(2), 326-358. https://doi.org/10.54167/debates-por-la-historia.v9i2.792

Sánchez, M., Fernández, M., & Díaz, J. (2021). Técnicas e instrumentos de recolección de información: análisis y procesamiento realizado por el investigador cualitativo. Revista Científica UISRAEL, VIII(1), 126-143. https://doi.org/10.35290/rcui.v8n1.2021.400

Schmidt, T. (2022). Artificial Intelligence in Foreign Language Learning and Teaching. Anglistik Journal, XXXIII(1), 165-184. https://doi.org/10.33675/ANGL/2022/1/14

Sotomayor, k., Varas, R., & Castro, I. (2023). Artificial Intelligence In Language Teaching And Learning. Revista Ciencia Latina Mutidisciplinar, VII(4), 5629-5639. https://doi.org/10.37811/cl_rcm.v7i4.7368

Vera, J., Alvarado, g., Rodríguez, A., & Monard, K. (2025). Inteligencia artificial en lengua y literatura en la educación: Una revisión sistemática. Revista Reciamuc, IX(2), 231-247. https://doi.org/10.26820/reciamuc/9.(2).abril.2025.231-247

Vizcaíno, P., Cedeño, R., & Maldonado, I. (2023). Metodología de la investigación científica: guía práctica. Revista Multidisciplinar Ciencia Latina, VII(4), 9723-9762. https://doi.org/10.37811/cl_rcm.v7i4.7658

Zambrana, R., Salinas, A., Macías, F., & Escobar, E. (2025). Inteligencia artificial en la educación superior para promover un aprendizaje personalizado e inclusivo: una revisión sistemática. Revista Invecom, VI(2), 1-10. https://doi.org/10.5281/zenodo.16147008

Zheng, L., & Yang, Y. (2024). Research perspectives and trends in Artificial Intelligence-enhanced language education: A review. Heliyon Journal, X(19), 5016-5033. https://doi.org/10.1016/j.heliyon.2024.e38617

Zhukevych, I., & Spiricheva, O. (2024). Transformation of foreign language learning: Artificial intelligence as a tool for developing students' language skills. International Science Journal of Education and Linguistics, III(3), 42-65. https://doi.org/10.46299/j.isjel.20240303.06