ESTRATEGIAS DIDÁCTICAS BASADAS
EN INTELIGENCIA ARTIFICIAL PARA
EL APRENDIZAJE DEL INGLÉS:
UNA REVISIÓN SISTEMÁTICA DE LA
PRODUCCIÓN BIBLIOGRÁFICA 2019-2023
ARTIFICIAL INTELLIGENCE-BASED
DIDACTIC STRATEGIES FOR ENGLISH LEARNING:
A SYSTEMATIC REVIEW OF BIBLIOGRAPHIC
PRODUCTION 2019-2023
Maruen Elías Negrete Berdella
University of Technology and Education, Colombia
Deivis Robinson Mosquera Albornoz
University of Technology and Education, Colombia
pág. 4538
DOI: https://doi.org/10.37811/cl_rcm.v9i1.16172
Estrategias Didácticas Basadas en Inteligencia Artificial para el
Aprendizaje del Inglés: Una Revisión Sistemática de la Producción
Bibliográfica 2019-2023
Maruen Elías Negrete Berdella1
marne258@hotmail.com
https://orcid.org/0009-0006-9181-8802
University of Technology and Education
Colombia
Deivis Robinson Mosquera Albornoz
deivis.mosqueraal@amigo.edu.co
https://orcid.org/0000-0003-4472-2104
University of Technology and Education
Colombia
RESUMEN
Este artículo revisa los estudios que se han hecho sobre el uso de inteligencia artificial para enseñar
inglés entre los años 2019 y 2023. Se hizo un estudio cualitativo revisando documentos y analizando
tanto los números de publicaciones como su contenido. Se buscó en cinco (5) bases de datos
importantes: Scopus, Google Académico, Redalyc, Scielo y Dialnet, haciendo las búsquedas en inglés
para Scopus y en español para las otras bases. Después de revisar y filtrar todos los documentos
encontrados, se seleccionaron dieciséis (16) artículos para analizarlos más a fondo. Al estudiar estos
artículos en detalle, se encontró que las herramientas de IA pueden ayudar a que cada estudiante aprenda
inglés a su manera, se sienta más motivado y obtenga mejores resultados. El estudio concluye que usar
IA para enseñar inglés puede ser muy bueno y podría cambiar para mejor la forma en que se aprende
este idioma, aunque todavía hay varios retos importantes que resolver cuando se quiere usar esta
tecnología.
Palabras clave: estrategia didáctica, inteligencia artificial, aprendizaje del inglés, análisis
bibliométrico, análisis hermenéutico
1 Autor principal.
Correspondencia: marne258@hotmail.com
DOI: https://doi.org/10.37811/cl_rcm.v9i1.16172
Estrategias Didácticas Basadas en Inteligencia Artificial para el
Aprendizaje del Inglés: Una Revisión Sistemática de la Producción
Bibliográfica 2019-2023
Maruen Elías Negrete Berdella1
marne258@hotmail.com
https://orcid.org/0009-0006-9181-8802
University of Technology and Education
Colombia
Deivis Robinson Mosquera Albornoz
deivis.mosqueraal@amigo.edu.co
https://orcid.org/0000-0003-4472-2104
University of Technology and Education
Colombia
RESUMEN
Este artículo revisa los estudios que se han hecho sobre el uso de inteligencia artificial para enseñar
inglés entre los años 2019 y 2023. Se hizo un estudio cualitativo revisando documentos y analizando
tanto los números de publicaciones como su contenido. Se buscó en cinco (5) bases de datos
importantes: Scopus, Google Académico, Redalyc, Scielo y Dialnet, haciendo las búsquedas en inglés
para Scopus y en español para las otras bases. Después de revisar y filtrar todos los documentos
encontrados, se seleccionaron dieciséis (16) artículos para analizarlos más a fondo. Al estudiar estos
artículos en detalle, se encontró que las herramientas de IA pueden ayudar a que cada estudiante aprenda
inglés a su manera, se sienta más motivado y obtenga mejores resultados. El estudio concluye que usar
IA para enseñar inglés puede ser muy bueno y podría cambiar para mejor la forma en que se aprende
este idioma, aunque todavía hay varios retos importantes que resolver cuando se quiere usar esta
tecnología.
Palabras clave: estrategia didáctica, inteligencia artificial, aprendizaje del inglés, análisis
bibliométrico, análisis hermenéutico
1 Autor principal.
Correspondencia: marne258@hotmail.com
pág. 4539
Artificial Intelligence-Based Didactic Strategies for English Learning:
A Systematic Review of Bibliographic Production 2019-2023
ABSTRACT
This systematic review article examines the existing literature on artificial intelligence-based teaching
strategies for learning English, covering the period from 2019 to 2023. To this end, a qualitative study
was conducted, of a documentary nature, with bibliometric and hermeneutic analysis. Five (5) major
databases were reviewed: Scopus, Google Scholar, Redalyc, Scielo, and Dialnet, dividing the process
into searches in English (Scopus) and in Spanish (Google Scholar, Redalyc, Scielo, and Dialnet). The
analysis and exclusion of the collected material allowed for the reduction of the documentary sample
to a total of sixteen (16) scientific articles. The hermeneutic analysis revealed that AI tools have the
potential to personalize English learning, increase academic motivation, and improve academic
performance. It was concluded that the integration of AI teaching strategies in English instruction would
be positive and would allow for the transformation and improvement of learning processes, although
significant challenges in implementation remain.
Keywords: teaching strategy, artificial intelligence, english learning, bibliometric analysis, hermeneutic
analysis
Artículo recibido 05 enero 2025
Aceptado para publicación: 25 enero 2025
Artificial Intelligence-Based Didactic Strategies for English Learning:
A Systematic Review of Bibliographic Production 2019-2023
ABSTRACT
This systematic review article examines the existing literature on artificial intelligence-based teaching
strategies for learning English, covering the period from 2019 to 2023. To this end, a qualitative study
was conducted, of a documentary nature, with bibliometric and hermeneutic analysis. Five (5) major
databases were reviewed: Scopus, Google Scholar, Redalyc, Scielo, and Dialnet, dividing the process
into searches in English (Scopus) and in Spanish (Google Scholar, Redalyc, Scielo, and Dialnet). The
analysis and exclusion of the collected material allowed for the reduction of the documentary sample
to a total of sixteen (16) scientific articles. The hermeneutic analysis revealed that AI tools have the
potential to personalize English learning, increase academic motivation, and improve academic
performance. It was concluded that the integration of AI teaching strategies in English instruction would
be positive and would allow for the transformation and improvement of learning processes, although
significant challenges in implementation remain.
Keywords: teaching strategy, artificial intelligence, english learning, bibliometric analysis, hermeneutic
analysis
Artículo recibido 05 enero 2025
Aceptado para publicación: 25 enero 2025
pág. 4540
INTRODUCCIÓN
El aprendizaje del inglés como lengua extranjera resulta fundamental hoy en día para poder
desarrollarse en el campo académico, profesional y personal, sobre todo porque vivimos en un mundo
que está cada vez más globalizado (Carbonell-García et al., 2023). A pesar de esto, muchas instituciones
educativas en diferentes países todavía luchan con un problema que persiste: los estudiantes tienen un
bajo nivel de inglés (Sotelo, 2023). Esta realidad ha hecho que escuelas, colegios y universidades
busquen formas diferentes de enseñar este idioma. Por eso, tanto los investigadores como los profesores
han empezado a ver qué pueden hacer con las nuevas tecnologías para cambiar las viejas formas de
enseñar y resolver los problemas que tienen los estudiantes cuando están aprendiendo una segunda
lengua, especialmente porque necesitan mejorar sus habilidades en este idioma que es tan importante
para su futuro (Ayala-Pazmiño & Alvarado-Lucas, 2023).
En este contexto, los investigadores Márquez y Margarita (2024) han encontrado que usar inteligencia
artificial para enseñar y aprender una segunda lengua podría ayudar mucho a resolver estos problemas
que se ven en las clases. Por su parte, León y Villa (2023) han notado que la IA puede hacer que la
educación sea mejor porque se adapta a las necesidades de cada estudiante, lo cual es una gran ventaja
si lo comparamos con la forma tradicional de enseñar que se ha usado hasta ahora. En la misma línea,
Carbonell-García et al. (2023) han identificado tres campos donde la IA puede ayudar más en la
educación: primero, puede crear tutores virtuales que se ajustan a cómo aprende cada estudiante;
segundo, puede generar materiales educativos que van al ritmo de cada persona; y tercero, puede dar
retroalimentación en el momento y de forma precisa. Todo esto podría cambiar bastante cómo se enseña
y aprende inglés en las instituciones educativas, abriendo nuevas posibilidades para que los estudiantes
aprendan mejor este idioma y puedan desarrollar sus habilidades de una forma más personalizada y
efectiva.
Como era de esperarse, mientras han ido apareciendo más soluciones de IA para enseñar idiomas,
también ha aumentado el número de estudios y publicaciones científicas sobre este tema en los últimos
años (León & Villa, 2023). Esto ha creado una gran cantidad de literatura nueva que busca mostrar y
estudiar las diferentes formas en que la inteligencia artificial puede ayudar a mejorar cómo se enseña y
aprende inglés.
INTRODUCCIÓN
El aprendizaje del inglés como lengua extranjera resulta fundamental hoy en día para poder
desarrollarse en el campo académico, profesional y personal, sobre todo porque vivimos en un mundo
que está cada vez más globalizado (Carbonell-García et al., 2023). A pesar de esto, muchas instituciones
educativas en diferentes países todavía luchan con un problema que persiste: los estudiantes tienen un
bajo nivel de inglés (Sotelo, 2023). Esta realidad ha hecho que escuelas, colegios y universidades
busquen formas diferentes de enseñar este idioma. Por eso, tanto los investigadores como los profesores
han empezado a ver qué pueden hacer con las nuevas tecnologías para cambiar las viejas formas de
enseñar y resolver los problemas que tienen los estudiantes cuando están aprendiendo una segunda
lengua, especialmente porque necesitan mejorar sus habilidades en este idioma que es tan importante
para su futuro (Ayala-Pazmiño & Alvarado-Lucas, 2023).
En este contexto, los investigadores Márquez y Margarita (2024) han encontrado que usar inteligencia
artificial para enseñar y aprender una segunda lengua podría ayudar mucho a resolver estos problemas
que se ven en las clases. Por su parte, León y Villa (2023) han notado que la IA puede hacer que la
educación sea mejor porque se adapta a las necesidades de cada estudiante, lo cual es una gran ventaja
si lo comparamos con la forma tradicional de enseñar que se ha usado hasta ahora. En la misma línea,
Carbonell-García et al. (2023) han identificado tres campos donde la IA puede ayudar más en la
educación: primero, puede crear tutores virtuales que se ajustan a cómo aprende cada estudiante;
segundo, puede generar materiales educativos que van al ritmo de cada persona; y tercero, puede dar
retroalimentación en el momento y de forma precisa. Todo esto podría cambiar bastante cómo se enseña
y aprende inglés en las instituciones educativas, abriendo nuevas posibilidades para que los estudiantes
aprendan mejor este idioma y puedan desarrollar sus habilidades de una forma más personalizada y
efectiva.
Como era de esperarse, mientras han ido apareciendo más soluciones de IA para enseñar idiomas,
también ha aumentado el número de estudios y publicaciones científicas sobre este tema en los últimos
años (León & Villa, 2023). Esto ha creado una gran cantidad de literatura nueva que busca mostrar y
estudiar las diferentes formas en que la inteligencia artificial puede ayudar a mejorar cómo se enseña y
aprende inglés.
pág. 4541
En este sentido, Norman-Acevedo (2023) señala varios aspectos importantes como el aprendizaje que
se adapta a cada estudiante, la forma en que se pueden automatizar las tareas más básicas, la creación
de espacios virtuales donde los estudiantes pueden practicar, el desarrollo de tutores que usan IA y la
capacidad de ajustarse a lo que cada alumno necesita. Toda esta variedad de estudios y experiencias
muestra que los investigadores están muy interesados en ver cómo la IA puede cambiar la forma en que
se aprende otro idioma y también nos dice que es importante entender cómo usar estas herramientas en
diferentes situaciones educativas.
Teniendo en cuenta todo lo anterior, este estudio busca hacer una revisión ordenada de lo que se ha
escrito sobre las diferentes formas de usar IA para enseñar y aprender inglés entre los años 2019 y 2023.
El objetivo es tener una idea clara y completa de lo que está pasando, los retos que existen, las
oportunidades que se presentan y los problemas que pueden surgir cuando se usa la inteligencia artificial
para aprender inglés en la educación. También se plantea analizar con cuidado si estas nuevas formas
de enseñar son realmente innovadoras y útiles, o si solo están haciendo lo mismo de antes pero con
computadoras, sin que realmente ayude mucho. Al final, se pretende encontrar cuáles son las mejores
estrategias, evaluar qué tan bien funcionan para aprender un segundo idioma, y entender cómo esto
afecta tanto a los profesores en sus clases como a la forma en que se organizan los programas educativos.
METODOLOGÍA
El presente artículo de revisión sistemática se elaboró a partir de una investigación de enfoque
cualitativo, carácter descriptivo y diseño documental. Se desarrolló en dos fases. La primera fase,
bibliográfica y bibliométrica por naturaleza, se enfocó en recopilar e identificar la literatura científica
y académica más relevante frente al fenómeno objeto de estudio. Para lo cual, se consultaron cinco (5)
bases de datos académicas: Scopus, Google Académico, Redalyc, Scielo y Dialnet. Y se dividió en dos
etapas. Una inicial en inglés, aplicada únicamente en Scopus, y una subsecuente en español, que se
aplicó en Google Académico, Redalyc, Scielo y Dialnet. La segunda fase, de rigor hermenéutico, se
dedicó a la lectura, análisis e interpretación de los documentos científicos seleccionados en la fase
inmediatamente anterior. Lo que condujo a un análisis detallado y a una evaluación crítica de las
contribuciones que cada documento hacía al conocimiento respecto de la implementación de la
inteligencia artificial en la enseñanza y el aprendizaje del inglés como lengua foránea.
En este sentido, Norman-Acevedo (2023) señala varios aspectos importantes como el aprendizaje que
se adapta a cada estudiante, la forma en que se pueden automatizar las tareas más básicas, la creación
de espacios virtuales donde los estudiantes pueden practicar, el desarrollo de tutores que usan IA y la
capacidad de ajustarse a lo que cada alumno necesita. Toda esta variedad de estudios y experiencias
muestra que los investigadores están muy interesados en ver cómo la IA puede cambiar la forma en que
se aprende otro idioma y también nos dice que es importante entender cómo usar estas herramientas en
diferentes situaciones educativas.
Teniendo en cuenta todo lo anterior, este estudio busca hacer una revisión ordenada de lo que se ha
escrito sobre las diferentes formas de usar IA para enseñar y aprender inglés entre los años 2019 y 2023.
El objetivo es tener una idea clara y completa de lo que está pasando, los retos que existen, las
oportunidades que se presentan y los problemas que pueden surgir cuando se usa la inteligencia artificial
para aprender inglés en la educación. También se plantea analizar con cuidado si estas nuevas formas
de enseñar son realmente innovadoras y útiles, o si solo están haciendo lo mismo de antes pero con
computadoras, sin que realmente ayude mucho. Al final, se pretende encontrar cuáles son las mejores
estrategias, evaluar qué tan bien funcionan para aprender un segundo idioma, y entender cómo esto
afecta tanto a los profesores en sus clases como a la forma en que se organizan los programas educativos.
METODOLOGÍA
El presente artículo de revisión sistemática se elaboró a partir de una investigación de enfoque
cualitativo, carácter descriptivo y diseño documental. Se desarrolló en dos fases. La primera fase,
bibliográfica y bibliométrica por naturaleza, se enfocó en recopilar e identificar la literatura científica
y académica más relevante frente al fenómeno objeto de estudio. Para lo cual, se consultaron cinco (5)
bases de datos académicas: Scopus, Google Académico, Redalyc, Scielo y Dialnet. Y se dividió en dos
etapas. Una inicial en inglés, aplicada únicamente en Scopus, y una subsecuente en español, que se
aplicó en Google Académico, Redalyc, Scielo y Dialnet. La segunda fase, de rigor hermenéutico, se
dedicó a la lectura, análisis e interpretación de los documentos científicos seleccionados en la fase
inmediatamente anterior. Lo que condujo a un análisis detallado y a una evaluación crítica de las
contribuciones que cada documento hacía al conocimiento respecto de la implementación de la
inteligencia artificial en la enseñanza y el aprendizaje del inglés como lengua foránea.
pág. 4542
La primera fase inició con la consulta en inglés dentro de la base de datos Scopus. El término "artificial
intelligence" fue el primero empleado para este propósito, resultando en quinientos noventa y cinco mil
setecientos cincuenta y nueve (595.759) documentos. Posteriormente, se refinó la búsqueda utilizando
subcategorías a través del operador booleano AND. Al aplicar "learning English" ("artificial
intelligence" AND "learning English") el número de documentos se redujo a setenta y cinco (75).
Mientras que "teaching strategy" ("artificial intelligence" AND "teaching English") generó doscientos
ochenta y cuatro (284). La combinación de ambas subcategorías con "artificial intelligence" resultó en
un único documento, el cual tenía restringido el acceso. Situación por la que se optó por "artificial
intelligence" and "learning english", ya que esta conjunción ofrece un enfoque más específico en la
aplicación de la IA en el aprendizaje del inglés. Por último, se estableció un marco temporal que limitó
los resultados entre 2019 y 2023 (AND year_cluster: "2019" OR "2020" OR "2021" OR "2022" OR
"2023"), lo que redujo la muestra a cuarenta (40) documentos.
La segunda etapa de la fase bibliométrica, correspondiente a la búsqueda en español dentro de las bases
de datos, se inició con Google Académico. Tras configurar la visualización para mostrar únicamente
resultados en español, se aplicó la siguiente ecuación de búsqueda: ("inteligencia artificial" AND "* del
inglés" AND "aprendizaje" AND "enseñanza" AND "pedagogía" OR "estrategia didáctica"). Esta
consulta arrojó mil setecientos diez (1.710) documentos académicos por resultado. Después, se aplicó
filtro de temporalidad (2019 a 2023) (AND year_cluster: "2019" OR "2020" OR "2021" OR "2022" OR
"2023"). Esta acción redujo la muestra inicial a ochocientos treinta y nueve (839) documentos. De este
conjunto, se procedió a excluir aquellos documentos que también figuraban en las otras bases de datos
contempladas en la investigación (Scopus, Redalyc, Scielo y Dialnet) (NOT "Scopus" NOT "Redalyc"
NOT "Scielo" NOT "Dialnet"), lo que resultó en un corpus final de setenta (70) investigaciones
provenientes de la base de datos Google Académico.
La misma ecuación de búsqueda, sin la exclusión de las demás bases de datos, se aplicó en el motor de
búsqueda de Redalyc. Esto arrojó un total de dos mil setecientos doce (2.712) elementos bibliográficos.
No obstante, este volumen de lecturas excedía las capacidades de la presente investigación, por lo que
se optó por refinar nuevamente la búsqueda. Para ello, se cambió el criterio ("* del inglés") por
("aprendizaje del inglés").
La primera fase inició con la consulta en inglés dentro de la base de datos Scopus. El término "artificial
intelligence" fue el primero empleado para este propósito, resultando en quinientos noventa y cinco mil
setecientos cincuenta y nueve (595.759) documentos. Posteriormente, se refinó la búsqueda utilizando
subcategorías a través del operador booleano AND. Al aplicar "learning English" ("artificial
intelligence" AND "learning English") el número de documentos se redujo a setenta y cinco (75).
Mientras que "teaching strategy" ("artificial intelligence" AND "teaching English") generó doscientos
ochenta y cuatro (284). La combinación de ambas subcategorías con "artificial intelligence" resultó en
un único documento, el cual tenía restringido el acceso. Situación por la que se optó por "artificial
intelligence" and "learning english", ya que esta conjunción ofrece un enfoque más específico en la
aplicación de la IA en el aprendizaje del inglés. Por último, se estableció un marco temporal que limitó
los resultados entre 2019 y 2023 (AND year_cluster: "2019" OR "2020" OR "2021" OR "2022" OR
"2023"), lo que redujo la muestra a cuarenta (40) documentos.
La segunda etapa de la fase bibliométrica, correspondiente a la búsqueda en español dentro de las bases
de datos, se inició con Google Académico. Tras configurar la visualización para mostrar únicamente
resultados en español, se aplicó la siguiente ecuación de búsqueda: ("inteligencia artificial" AND "* del
inglés" AND "aprendizaje" AND "enseñanza" AND "pedagogía" OR "estrategia didáctica"). Esta
consulta arrojó mil setecientos diez (1.710) documentos académicos por resultado. Después, se aplicó
filtro de temporalidad (2019 a 2023) (AND year_cluster: "2019" OR "2020" OR "2021" OR "2022" OR
"2023"). Esta acción redujo la muestra inicial a ochocientos treinta y nueve (839) documentos. De este
conjunto, se procedió a excluir aquellos documentos que también figuraban en las otras bases de datos
contempladas en la investigación (Scopus, Redalyc, Scielo y Dialnet) (NOT "Scopus" NOT "Redalyc"
NOT "Scielo" NOT "Dialnet"), lo que resultó en un corpus final de setenta (70) investigaciones
provenientes de la base de datos Google Académico.
La misma ecuación de búsqueda, sin la exclusión de las demás bases de datos, se aplicó en el motor de
búsqueda de Redalyc. Esto arrojó un total de dos mil setecientos doce (2.712) elementos bibliográficos.
No obstante, este volumen de lecturas excedía las capacidades de la presente investigación, por lo que
se optó por refinar nuevamente la búsqueda. Para ello, se cambió el criterio ("* del inglés") por
("aprendizaje del inglés").
pág. 4543
Este último era más específico y tenía mayor relación con el objetivo de estudio de la presente revisión;
el anterior, por el carácter (*), permitía que cualquier palabra que se acompañara de "del inglés" pudiese
ingresar a la muestra. Esta acción menguó la muestra a ciento noventa y un (191) documentos
potencialmente elegibles. Finalmente, se agregó el descriptor (wok_subject_categories: "educación"),
que acotó la porción a ciento uno (101) elementos bibliográficos.
En la base de datos Scielo, se encontró que las ecuaciones aplicadas en Google Académico y Redalyc
no eran compatibles, ya que no mostraban resultados de búsqueda. Ante esta situación, se
implementaron ecuaciones de búsqueda alternativas. El proceso culminó con la aplicación del
descriptor ("inteligencia artificial" AND "inglés"), el cual generó una muestra inicial de once (11)
elementos bibliográficos potencialmente elegibles para revisión hermenéutica. Luego, se aplicaron
filtros de temporalidad mediante el comando (AND year_cluster: "2019" OR "2020" OR "2021" OR
"2022" OR "2023"). Resultó en la reducción significativa de la muestra, quedando solo cuatro (4)
documentos que cumplían con los criterios establecidos. Para terminar, en la base de datos Dialnet, se
empleó la ecuación de búsqueda inicialmente aplicada en Google Académico y Redalyc: ("inteligencia
artificial" AND "* del inglés" AND "aprendizaje" AND "enseñanza" AND "pedagogía" OR "estrategia
didáctica"). Esta se complementó con el especificador temporal (AND year_cluster: "2019" OR "2020"
OR "2021" OR "2022" OR "2023"), y resultó en veinticuatro (24) documentos potencialmente elegibles
para la investigación.
Conforme a todo lo expuesto hasta el momento, la revisión preliminar de las cinco (5) bases de datos
generó una muestra documental de doscientos treinta y nueve (239) documentos. Frente a este corpus
inicial, se aplicó un criterio de selección adicional, optando únicamente por los documentos clasificados
como artículos (ya fueran de revisión, reflexión o investigación), siendo un total de ciento cuarenta y
siete (147) (Scopus, 16; Google Académico, 11; Redalyc, 101; Scielo, 3; Dialnet, 16). Ahora, para
refinar aún más la muestra documental, se revisaron uno a uno los títulos de las publicaciones, con la
intensión de identificar aquellos que tuvieran una relación más directa y estrecha con el objeto de
estudio. Este paso adicional permitió excluir ciento nueve (109) documentos de la muestra.
Finalmente, los treinta y ocho (38) documentos restantes (Scopus, 12; Google académico, 4; Redalyc,
16; Dialnet, 5; Scielo, 1) fueron sometidos a revisión pre-hermenéutica.
Este último era más específico y tenía mayor relación con el objetivo de estudio de la presente revisión;
el anterior, por el carácter (*), permitía que cualquier palabra que se acompañara de "del inglés" pudiese
ingresar a la muestra. Esta acción menguó la muestra a ciento noventa y un (191) documentos
potencialmente elegibles. Finalmente, se agregó el descriptor (wok_subject_categories: "educación"),
que acotó la porción a ciento uno (101) elementos bibliográficos.
En la base de datos Scielo, se encontró que las ecuaciones aplicadas en Google Académico y Redalyc
no eran compatibles, ya que no mostraban resultados de búsqueda. Ante esta situación, se
implementaron ecuaciones de búsqueda alternativas. El proceso culminó con la aplicación del
descriptor ("inteligencia artificial" AND "inglés"), el cual generó una muestra inicial de once (11)
elementos bibliográficos potencialmente elegibles para revisión hermenéutica. Luego, se aplicaron
filtros de temporalidad mediante el comando (AND year_cluster: "2019" OR "2020" OR "2021" OR
"2022" OR "2023"). Resultó en la reducción significativa de la muestra, quedando solo cuatro (4)
documentos que cumplían con los criterios establecidos. Para terminar, en la base de datos Dialnet, se
empleó la ecuación de búsqueda inicialmente aplicada en Google Académico y Redalyc: ("inteligencia
artificial" AND "* del inglés" AND "aprendizaje" AND "enseñanza" AND "pedagogía" OR "estrategia
didáctica"). Esta se complementó con el especificador temporal (AND year_cluster: "2019" OR "2020"
OR "2021" OR "2022" OR "2023"), y resultó en veinticuatro (24) documentos potencialmente elegibles
para la investigación.
Conforme a todo lo expuesto hasta el momento, la revisión preliminar de las cinco (5) bases de datos
generó una muestra documental de doscientos treinta y nueve (239) documentos. Frente a este corpus
inicial, se aplicó un criterio de selección adicional, optando únicamente por los documentos clasificados
como artículos (ya fueran de revisión, reflexión o investigación), siendo un total de ciento cuarenta y
siete (147) (Scopus, 16; Google Académico, 11; Redalyc, 101; Scielo, 3; Dialnet, 16). Ahora, para
refinar aún más la muestra documental, se revisaron uno a uno los títulos de las publicaciones, con la
intensión de identificar aquellos que tuvieran una relación más directa y estrecha con el objeto de
estudio. Este paso adicional permitió excluir ciento nueve (109) documentos de la muestra.
Finalmente, los treinta y ocho (38) documentos restantes (Scopus, 12; Google académico, 4; Redalyc,
16; Dialnet, 5; Scielo, 1) fueron sometidos a revisión pre-hermenéutica.
pág. 4544
Se leyó su resumen y se excluyeron a todos aquellos que no evidenciaron estrecha relación y/o
pertinencia respecto del fenómeno educativo objeto de revisión sistemática. Gracias a este criterio, la
etapa concluyó con catorce (14) elementos bibliográficos excluidos. Finalmente, se realizó una lectura
íntegra de los veinticuatro (24) artículos disponibles (Scopus, 12; Google Académico, 1; Redalyc, 5;
Dialnet, 5; Scielo, 1), de los cuales se seleccionaron dieciséis (16) en función de su relevancia y
pertinencia respecto al fenómeno de estudio que esta investigación se propuso examinar (Figura 1).
Figura 1. Reducción de la información.
RESULTADOS Y DISCUSIÓN
La revisión preliminar de las cinco (5) bases de datos generó una muestra documental de doscientos
treinta y nueve (239) documentos relacionados con la aplicación de la inteligencia artificial como
estrategia didáctica para el aprendizaje del inglés. Este corpus se compuso de la siguiente manera:
cuarenta (40) documentos de Scopus (en inglés), setenta (70) de Google Académico, ciento uno (101)
de Redalyc, cuatro (4) de Scielo y veinticuatro (24) de Dialnet (ver tabla 1).
Se leyó su resumen y se excluyeron a todos aquellos que no evidenciaron estrecha relación y/o
pertinencia respecto del fenómeno educativo objeto de revisión sistemática. Gracias a este criterio, la
etapa concluyó con catorce (14) elementos bibliográficos excluidos. Finalmente, se realizó una lectura
íntegra de los veinticuatro (24) artículos disponibles (Scopus, 12; Google Académico, 1; Redalyc, 5;
Dialnet, 5; Scielo, 1), de los cuales se seleccionaron dieciséis (16) en función de su relevancia y
pertinencia respecto al fenómeno de estudio que esta investigación se propuso examinar (Figura 1).
Figura 1. Reducción de la información.
RESULTADOS Y DISCUSIÓN
La revisión preliminar de las cinco (5) bases de datos generó una muestra documental de doscientos
treinta y nueve (239) documentos relacionados con la aplicación de la inteligencia artificial como
estrategia didáctica para el aprendizaje del inglés. Este corpus se compuso de la siguiente manera:
cuarenta (40) documentos de Scopus (en inglés), setenta (70) de Google Académico, ciento uno (101)
de Redalyc, cuatro (4) de Scielo y veinticuatro (24) de Dialnet (ver tabla 1).
pág. 4545
La distribución por tipo de documento fue la siguiente: ciento cuarenta y siete (147) artículos,
veintinueve (29) tesis doctorales, treinta y cinco (35) tesis de maestría, veintiún (21) ponencias o
memorias de ponencias, cinco (5) capítulos de libros, dos (2) libros (ver tabla 2).
Tabla 1. Distribución del corpus documental por bases de datos.
No. Base de datos Cantidades
1 Scopus (inglés) 40
2 Google Académico 70
3 Redalyc 101
4 Scielo 4
5 Dialnet 24
Total 239
Tabla 2. Distribución del corpus por tipo de publicación.
Tipo de trabajo Cantidad
Artículos 147
Tesis de doctorado 29
Tesis de maestría 35
Ponencia congreso 21
Capítulo de libro 5
Libro 2
Total 239
En cuanto a la distribución geográfica de la producción bibliográfica (ver ilustración 1), el estudio revela
una clara predominancia de países latinoamericanos. Costa Rica lidera la lista con treinta y tres (33)
estudios, lo que representa un 13.81% del total. Le sigue México, con veintiséis (26) investigaciones,
equivalentes al 10.88% de la producción. Colombia ocupa el tercer lugar con veintitrés (23) estudios,
constituyendo el 9.62% del conjunto analizado. Cuba se posiciona en el cuarto puesto con veintiún (21)
estudios, lo que corresponde al 8.79% del total. Perú aporta diecinueve (19) investigaciones,
representando el 7.95% de la muestra. Ecuador contribuye con dieciséis (16) estudios, equivalente al
6.69%. España aparece con catorce (14) investigaciones, lo que supone un 5.86% del total. China aporta
trece (13) estudios, representando el 5.44%. Uruguay contribuye con nueve (9) investigaciones, un
3.77% del total.
La distribución por tipo de documento fue la siguiente: ciento cuarenta y siete (147) artículos,
veintinueve (29) tesis doctorales, treinta y cinco (35) tesis de maestría, veintiún (21) ponencias o
memorias de ponencias, cinco (5) capítulos de libros, dos (2) libros (ver tabla 2).
Tabla 1. Distribución del corpus documental por bases de datos.
No. Base de datos Cantidades
1 Scopus (inglés) 40
2 Google Académico 70
3 Redalyc 101
4 Scielo 4
5 Dialnet 24
Total 239
Tabla 2. Distribución del corpus por tipo de publicación.
Tipo de trabajo Cantidad
Artículos 147
Tesis de doctorado 29
Tesis de maestría 35
Ponencia congreso 21
Capítulo de libro 5
Libro 2
Total 239
En cuanto a la distribución geográfica de la producción bibliográfica (ver ilustración 1), el estudio revela
una clara predominancia de países latinoamericanos. Costa Rica lidera la lista con treinta y tres (33)
estudios, lo que representa un 13.81% del total. Le sigue México, con veintiséis (26) investigaciones,
equivalentes al 10.88% de la producción. Colombia ocupa el tercer lugar con veintitrés (23) estudios,
constituyendo el 9.62% del conjunto analizado. Cuba se posiciona en el cuarto puesto con veintiún (21)
estudios, lo que corresponde al 8.79% del total. Perú aporta diecinueve (19) investigaciones,
representando el 7.95% de la muestra. Ecuador contribuye con dieciséis (16) estudios, equivalente al
6.69%. España aparece con catorce (14) investigaciones, lo que supone un 5.86% del total. China aporta
trece (13) estudios, representando el 5.44%. Uruguay contribuye con nueve (9) investigaciones, un
3.77% del total.
pág. 4546
8
9
13
14
16
19
21
23
26
33
Panamá
Uruguay
China
España
Ecuador
Perú
Cuba
Colombia
México
Costa Rica
De seguido, Panamá, Chile, India y Brasil aportan cada uno ocho (8) estudios, lo que equivale
individualmente al 3.35% del total. Los organismos internacionales contribuyen con cinco (5) estudios,
representando el 2.09%. Argentina y Reino Unido aportan cuatro (4) investigaciones cada uno,
equivalente al 1.67% individualmente. Taiwán, Indonesia y Portugal contribuyen con tres (3) estudios
cada uno, representando el 1.26% del total individualmente. Canadá y Estados Unidos aportan dos (2)
investigaciones cada uno, lo que supone un 0.84% individual. Finalmente, Francia, Irlanda, Arabia
Saudí, Japón, República Checa, Chipre y Bangladesh aportan cada uno una (1) investigación, lo que
equivale individualmente al 0.42% del total.
Ilustración 1. Distribución del corpus documental por país de producción.
En lo que respecta a la evolución de la producción bibliográfica anual (ver ilustración 2), se observa
una tendencia generalmente creciente desde 2019 hasta 2023. En el año 2019 se registraron treinta y
nueve (39) estudios sobre el tema, representando un 16.32% del total. El año 2020 experimentó un
ligero incremento del 7.69%, alcanzando cuarenta y dos (42) publicaciones científicas, lo que constituye
el 17.57% de la muestra. En 2021 se evidenció una disminución, con treinta y ocho (38) artículos
publicados, correspondientes al 15.90% del total analizado. El año 2022 mostró un crecimiento
significativo, con cincuenta y cinco (55) documentos, lo que supone un 23.01% de la producción total
y representa un incremento del 44.74% respecto al año anterior. Finalmente, 2023 se consolidó como
el año más prolífico en cuanto a publicaciones sobre el tema, con sesenta y cinco (65) estudios, lo que
constituye un 27.20% del total de la muestra.
8
9
13
14
16
19
21
23
26
33
Panamá
Uruguay
China
España
Ecuador
Perú
Cuba
Colombia
México
Costa Rica
De seguido, Panamá, Chile, India y Brasil aportan cada uno ocho (8) estudios, lo que equivale
individualmente al 3.35% del total. Los organismos internacionales contribuyen con cinco (5) estudios,
representando el 2.09%. Argentina y Reino Unido aportan cuatro (4) investigaciones cada uno,
equivalente al 1.67% individualmente. Taiwán, Indonesia y Portugal contribuyen con tres (3) estudios
cada uno, representando el 1.26% del total individualmente. Canadá y Estados Unidos aportan dos (2)
investigaciones cada uno, lo que supone un 0.84% individual. Finalmente, Francia, Irlanda, Arabia
Saudí, Japón, República Checa, Chipre y Bangladesh aportan cada uno una (1) investigación, lo que
equivale individualmente al 0.42% del total.
Ilustración 1. Distribución del corpus documental por país de producción.
En lo que respecta a la evolución de la producción bibliográfica anual (ver ilustración 2), se observa
una tendencia generalmente creciente desde 2019 hasta 2023. En el año 2019 se registraron treinta y
nueve (39) estudios sobre el tema, representando un 16.32% del total. El año 2020 experimentó un
ligero incremento del 7.69%, alcanzando cuarenta y dos (42) publicaciones científicas, lo que constituye
el 17.57% de la muestra. En 2021 se evidenció una disminución, con treinta y ocho (38) artículos
publicados, correspondientes al 15.90% del total analizado. El año 2022 mostró un crecimiento
significativo, con cincuenta y cinco (55) documentos, lo que supone un 23.01% de la producción total
y representa un incremento del 44.74% respecto al año anterior. Finalmente, 2023 se consolidó como
el año más prolífico en cuanto a publicaciones sobre el tema, con sesenta y cinco (65) estudios, lo que
constituye un 27.20% del total de la muestra.
pág. 4547
Así las cosas, desde 2019 hasta 2023 se registró un notable crecimiento del 66.67% en la cantidad de
publicaciones relacionadas con las categorías en cuestión, reflejando un interés creciente en este campo
de investigación.
Ilustración 2 Distribución del corpus documental por anualidad.
Referente al área temática a la que pertenecen los documentos según la base de datos (ver ilustración
3), únicamente el buscador Scopus (40 documentos) permitió visualizar este criterio, lo que determinó
que: las Ciencias de la Computación encabezan la lista con veintiséis (26) documentos, lo que representa
un 35.6% del total. La Ingeniería ocupa el segundo lugar con trece (13) publicaciones, constituyendo el
17.8% de la muestra. Las Ciencias Sociales se posicionan en tercer lugar con diez (10) documentos,
equivalentes al 13.7% del conjunto analizado. Las Matemáticas aportan siete (7) estudios, lo que
corresponde al 9.6% del total. La Física y Astronomía, así como la Energía, contribuyen cada una con
cuatro (4) documentos, representando individualmente el 5.5% de la muestra. Las Ciencias de la
Decisión aportan tres (3) estudios, equivalentes al 4.1% del total. Las Artes y Humanidades, junto con
la Medicina, contribuyen con dos (2) documentos cada una, lo que supone un 2.7% respectivamente.
Finalmente, la Psicología y los estudios Multidisciplinarios están representados con un (1) documento
cada uno, correspondiendo individualmente al 1.4% del total analizado.
39 42
38
55
65
0
10
20
30
40
50
60
70
2019 2020 2021 2022 2023
Así las cosas, desde 2019 hasta 2023 se registró un notable crecimiento del 66.67% en la cantidad de
publicaciones relacionadas con las categorías en cuestión, reflejando un interés creciente en este campo
de investigación.
Ilustración 2 Distribución del corpus documental por anualidad.
Referente al área temática a la que pertenecen los documentos según la base de datos (ver ilustración
3), únicamente el buscador Scopus (40 documentos) permitió visualizar este criterio, lo que determinó
que: las Ciencias de la Computación encabezan la lista con veintiséis (26) documentos, lo que representa
un 35.6% del total. La Ingeniería ocupa el segundo lugar con trece (13) publicaciones, constituyendo el
17.8% de la muestra. Las Ciencias Sociales se posicionan en tercer lugar con diez (10) documentos,
equivalentes al 13.7% del conjunto analizado. Las Matemáticas aportan siete (7) estudios, lo que
corresponde al 9.6% del total. La Física y Astronomía, así como la Energía, contribuyen cada una con
cuatro (4) documentos, representando individualmente el 5.5% de la muestra. Las Ciencias de la
Decisión aportan tres (3) estudios, equivalentes al 4.1% del total. Las Artes y Humanidades, junto con
la Medicina, contribuyen con dos (2) documentos cada una, lo que supone un 2.7% respectivamente.
Finalmente, la Psicología y los estudios Multidisciplinarios están representados con un (1) documento
cada uno, correspondiendo individualmente al 1.4% del total analizado.
39 42
38
55
65
0
10
20
30
40
50
60
70
2019 2020 2021 2022 2023
pág. 4548
26
13
10
7
4
4
3
2
2
1
1
Ciencias de la Computación
Ingeniería
Ciencias Sociales
Matemáticas
Física y Astronomía
Energía
Ciencias de la Decisión
Arte y humanidades
Medicina
Psicología
Estudios Multidisciplinarios
Esta distribución disciplinar evidencia la naturaleza interdisciplinaria de la investigación en inteligencia
artificial aplicada al aprendizaje del inglés, reflejando la convergencia de campos tecnológicos y
sociales en este ámbito de estudio.
Ilustración 3 Distribución del corpus documental según el área temática.
Luego del reporte bibliométrico, se aplicaron tres filtros para seleccionar los documentos: primero se
consideraron solo los artículos, después se leyeron los títulos y resúmenes de cada publicación, y
finalmente se revisó el documento completo. Este proceso dejó dieciséis (16) artículos para un análisis
más profundo. Se realizó una lectura completa y ordenada de cada uno de estos artículos. A partir de
esta lectura, se redactó un resumen corto de uno o dos párrafos por cada estudio, donde se incluyeron
los objetivos, la metodología, los resultados y las conclusiones. También se destacó lo más relevante
que cada artículo aportaba al tema principal de la revisión, logrando así un resumen completo de la
literatura encontrada.
En este análisis detallado, se inició con el trabajo de Almutairi et al. (2020), quienes buscaban crear una
estructura basada en inteligencia artificial para mejorar el aprendizaje del inglés como segunda lengua.
Su propósito era desarrollar un sistema que ayudara a resolver los problemas que tienen las instituciones
educativas cuando enseñan inglés a gran escala a estudiantes no nativos. Para esto, utilizaron un método
cualitativo que incluyó varios pasos: primero revisaron la literatura existente, luego crearon módulos
de aprendizaje, después organizaron los algoritmos de análisis, recolectaron y limpiaron datos, y
26
13
10
7
4
4
3
2
2
1
1
Ciencias de la Computación
Ingeniería
Ciencias Sociales
Matemáticas
Física y Astronomía
Energía
Ciencias de la Decisión
Arte y humanidades
Medicina
Psicología
Estudios Multidisciplinarios
Esta distribución disciplinar evidencia la naturaleza interdisciplinaria de la investigación en inteligencia
artificial aplicada al aprendizaje del inglés, reflejando la convergencia de campos tecnológicos y
sociales en este ámbito de estudio.
Ilustración 3 Distribución del corpus documental según el área temática.
Luego del reporte bibliométrico, se aplicaron tres filtros para seleccionar los documentos: primero se
consideraron solo los artículos, después se leyeron los títulos y resúmenes de cada publicación, y
finalmente se revisó el documento completo. Este proceso dejó dieciséis (16) artículos para un análisis
más profundo. Se realizó una lectura completa y ordenada de cada uno de estos artículos. A partir de
esta lectura, se redactó un resumen corto de uno o dos párrafos por cada estudio, donde se incluyeron
los objetivos, la metodología, los resultados y las conclusiones. También se destacó lo más relevante
que cada artículo aportaba al tema principal de la revisión, logrando así un resumen completo de la
literatura encontrada.
En este análisis detallado, se inició con el trabajo de Almutairi et al. (2020), quienes buscaban crear una
estructura basada en inteligencia artificial para mejorar el aprendizaje del inglés como segunda lengua.
Su propósito era desarrollar un sistema que ayudara a resolver los problemas que tienen las instituciones
educativas cuando enseñan inglés a gran escala a estudiantes no nativos. Para esto, utilizaron un método
cualitativo que incluyó varios pasos: primero revisaron la literatura existente, luego crearon módulos
de aprendizaje, después organizaron los algoritmos de análisis, recolectaron y limpiaron datos, y
pág. 4549
finalmente desarrollaron mecanismos de evaluación. Aunque al momento de la publicación no
presentaron resultados concretos, su conclusión preliminar sugería que un sistema con IA podría ayudar
significativamente a las instituciones educativas, al permitir que los estudiantes aprendieran inglés de
forma personalizada y escalable, incluso fuera de las aulas tradicionales.
Taskiran y Goksel (2022) analizaron cómo ayudaban dos tipos de retroalimentación a mejorar la
escritura académica en inglés en clases a distancia: una que daba un programa de IA y otra que daba el
profesor. Para hacer su estudio, usaron un diseño casi experimental donde los estudiantes tenían que
escribir textos en inglés durante nueve (9) semanas seguidas. Durante este tiempo, los estudiantes
recibían primero los comentarios de su profesor y después los del programa inteligente. El estudio
mostró que los estudiantes mejoraron bastante cuando se comparó lo que sabían al principio con lo que
aprendieron después. Esto dejó ver que los comentarios y correcciones ayudan a escribir mejor en
inglés, sin importar si vienen de una persona o de una computadora. Aunque sí notaron que los
estudiantes mejoraban un poco más cuando recibían los comentarios de los profesores que cuando
usaban el programa de IA. Al final, concluyeron que la retroalimentación automática de la IA es buena
porque los estudiantes pueden practicar cuando quieren y recibir ayuda inmediata cuando la necesitan,
pero que esto no puede reemplazar por completo los comentarios que hacen los profesores.
Rokhayani et al. (2022) evaluaron el impacto de la Comunicación Mediada por Computadora con
Inteligencia Artificial (CMC IA) para la enseñanza de la gramática inglesa en el rendimiento académico
y las percepciones de los estudiantes. Aplicaron una metodología mixta, con diseño pre-tets/post-tets.
Su muestra se compuso de 43 estudiantes universitarios de Indonesia, a los que les aplicaron entrevistas
y cuestionarios. Los resultados de su intervención demostraron una mejora significativa en las
puntuaciones referentes a gramática inglesa después de haber usado CMC IA. Gracias a esta tecnología,
el puntaje medio pasó de 69.07 a 80.26. Respecto de las percepciones de los estudiantes, la investigación
reveló percepciones positivas, dentro de las cuales se destaca que, según los estudiantes, CMC IA
fomenta el aprendizaje autónomo de forma desafiante y entretenida, lo cual es una mejora de los
recursos educativos. El estudio terminó mostrando que usar esta tecnología ayuda a los estudiantes a
tener mejores notas en inglés y hace que se sientan más motivados y contentos mientras aprenden, lo
que demuestra que es una buena herramienta para enseñar otros idiomas.
finalmente desarrollaron mecanismos de evaluación. Aunque al momento de la publicación no
presentaron resultados concretos, su conclusión preliminar sugería que un sistema con IA podría ayudar
significativamente a las instituciones educativas, al permitir que los estudiantes aprendieran inglés de
forma personalizada y escalable, incluso fuera de las aulas tradicionales.
Taskiran y Goksel (2022) analizaron cómo ayudaban dos tipos de retroalimentación a mejorar la
escritura académica en inglés en clases a distancia: una que daba un programa de IA y otra que daba el
profesor. Para hacer su estudio, usaron un diseño casi experimental donde los estudiantes tenían que
escribir textos en inglés durante nueve (9) semanas seguidas. Durante este tiempo, los estudiantes
recibían primero los comentarios de su profesor y después los del programa inteligente. El estudio
mostró que los estudiantes mejoraron bastante cuando se comparó lo que sabían al principio con lo que
aprendieron después. Esto dejó ver que los comentarios y correcciones ayudan a escribir mejor en
inglés, sin importar si vienen de una persona o de una computadora. Aunque sí notaron que los
estudiantes mejoraban un poco más cuando recibían los comentarios de los profesores que cuando
usaban el programa de IA. Al final, concluyeron que la retroalimentación automática de la IA es buena
porque los estudiantes pueden practicar cuando quieren y recibir ayuda inmediata cuando la necesitan,
pero que esto no puede reemplazar por completo los comentarios que hacen los profesores.
Rokhayani et al. (2022) evaluaron el impacto de la Comunicación Mediada por Computadora con
Inteligencia Artificial (CMC IA) para la enseñanza de la gramática inglesa en el rendimiento académico
y las percepciones de los estudiantes. Aplicaron una metodología mixta, con diseño pre-tets/post-tets.
Su muestra se compuso de 43 estudiantes universitarios de Indonesia, a los que les aplicaron entrevistas
y cuestionarios. Los resultados de su intervención demostraron una mejora significativa en las
puntuaciones referentes a gramática inglesa después de haber usado CMC IA. Gracias a esta tecnología,
el puntaje medio pasó de 69.07 a 80.26. Respecto de las percepciones de los estudiantes, la investigación
reveló percepciones positivas, dentro de las cuales se destaca que, según los estudiantes, CMC IA
fomenta el aprendizaje autónomo de forma desafiante y entretenida, lo cual es una mejora de los
recursos educativos. El estudio terminó mostrando que usar esta tecnología ayuda a los estudiantes a
tener mejores notas en inglés y hace que se sientan más motivados y contentos mientras aprenden, lo
que demuestra que es una buena herramienta para enseñar otros idiomas.
pág. 4550
En otro estudio, Peña-Acuña y Crismán-Pérez (2022) investigaron sobre Papua, que es una aplicación
que usa inteligencia artificial para ayudar a aprender inglés. Estos investigadores querían ver qué tan
bien funcionaba esta aplicación para que los estudiantes recordaran mejor lo que aprendían y pudieran
evaluar su propio progreso. Aplicaron una metodología mixta, de diseño cuasi-experimental, mediante
un cuestionario (con sección cuantitativa y cualitativa) a un total de ciento veintiocho (128) alumnos de
una universidad española, quienes utilizaron Papua durante seis meses de forma ininterrumpida. Resultó
que la aplicación mejoró la retención del vocabulario e impulsó las habilidades orales del estudiantado.
Así mismo, se aumentó la motivación intrínseca gracias al fortalecimiento de los procesos de
autoevaluación. La gamificación y el enfoque situacional de la aplicación fueron los aspectos que más
destacaron positivamente los participantes. Se concluyó que Papua es efectiva para mejorar la
memorización del vocabulario y para promover la motivación frente al aprendizaje. Sin embargo, los
autores mencionaron que es indispensable hacer estudios longitudinales que comprueben su efectividad
a lo largo del tiempo.
La investigación de Katsarou et al. (2023) estudió el potencial pedagógico de los agentes virtuales
inteligentes (IVAs) basados en voz para la enseñanza del inglés como lengua extranjera a través de una
revisión sistemática de literatura. Emplearon una metodología fundamentada en el método PRISMA,
lo que les permitió analizar diez textos académicos que contenían datos empíricos al respecto, cuyo
marco temporal se ubicaba entre el 2015 y el 2022. Los resultados de la investigación indicaron que los
IVAs mejoran la interacción de los estudiantes con el inglés porque aumentan la motivación académica
y promueven el aprendizaje autónomo. No obstante, se identificaron desafíos en cuanto a la calidad de
la interacción estudiante-IVA y problemáticas por las múltiples limitaciones lingüísticas de los sistemas
algorítmicos. El estudio concluyó en que, si bien esta tecnología emergente tiene un valor pedagógico
verídico, también falta investigar más sobre su diseño instruccional y formas adecuadas de
implementación que mejoren ciertas habilidades específicas del lenguaje y la comprensión de las
estructuras de los idiomas extranjeros.
En otra revisión sistemática, Wu y Tu (2023) exploraron el uso de la evaluación de escritura
automatizada con IA (AWE) para el aprendizaje del inglés.
En otro estudio, Peña-Acuña y Crismán-Pérez (2022) investigaron sobre Papua, que es una aplicación
que usa inteligencia artificial para ayudar a aprender inglés. Estos investigadores querían ver qué tan
bien funcionaba esta aplicación para que los estudiantes recordaran mejor lo que aprendían y pudieran
evaluar su propio progreso. Aplicaron una metodología mixta, de diseño cuasi-experimental, mediante
un cuestionario (con sección cuantitativa y cualitativa) a un total de ciento veintiocho (128) alumnos de
una universidad española, quienes utilizaron Papua durante seis meses de forma ininterrumpida. Resultó
que la aplicación mejoró la retención del vocabulario e impulsó las habilidades orales del estudiantado.
Así mismo, se aumentó la motivación intrínseca gracias al fortalecimiento de los procesos de
autoevaluación. La gamificación y el enfoque situacional de la aplicación fueron los aspectos que más
destacaron positivamente los participantes. Se concluyó que Papua es efectiva para mejorar la
memorización del vocabulario y para promover la motivación frente al aprendizaje. Sin embargo, los
autores mencionaron que es indispensable hacer estudios longitudinales que comprueben su efectividad
a lo largo del tiempo.
La investigación de Katsarou et al. (2023) estudió el potencial pedagógico de los agentes virtuales
inteligentes (IVAs) basados en voz para la enseñanza del inglés como lengua extranjera a través de una
revisión sistemática de literatura. Emplearon una metodología fundamentada en el método PRISMA,
lo que les permitió analizar diez textos académicos que contenían datos empíricos al respecto, cuyo
marco temporal se ubicaba entre el 2015 y el 2022. Los resultados de la investigación indicaron que los
IVAs mejoran la interacción de los estudiantes con el inglés porque aumentan la motivación académica
y promueven el aprendizaje autónomo. No obstante, se identificaron desafíos en cuanto a la calidad de
la interacción estudiante-IVA y problemáticas por las múltiples limitaciones lingüísticas de los sistemas
algorítmicos. El estudio concluyó en que, si bien esta tecnología emergente tiene un valor pedagógico
verídico, también falta investigar más sobre su diseño instruccional y formas adecuadas de
implementación que mejoren ciertas habilidades específicas del lenguaje y la comprensión de las
estructuras de los idiomas extranjeros.
En otra revisión sistemática, Wu y Tu (2023) exploraron el uso de la evaluación de escritura
automatizada con IA (AWE) para el aprendizaje del inglés.
pág. 4551
Esto, por medio de un análisis bibliométrico que combinó el uso de VOSViewer para identificar temas,
autores y referencias clave. La muestra documental se compuso de cincuenta y seis (56) artículos
científicos previamente seleccionados según su relevancia y pertinencia. El estudio encontró que el
AWE suele ser útil tanto para estudiantes como para profesores. Sin embargo, vieron que funciona
mejor o peor según el tipo de comentarios que reciben los estudiantes. Los investigadores notaron que
los comentarios automáticos de las computadoras no pueden reemplazar los que dan las personas. Por
eso, llegaron a la conclusión de que aunque el AWE es una buena herramienta para aprender inglés
como idioma extranjero, no puede hacer el trabajo de los profesores. Para que funcione bien, hay que
tener en cuenta varias cosas como qué tipo de comentarios se dan, qué programa se usa y qué piensan
tanto los profesores como los estudiantes sobre esto. También sugieren que se hagan más estudios para
ver cómo se puede usar mejor el AWE en las clases de idiomas.
En otro estudio de revisión, Bannister et al. (2023) estudiaron cómo la inteligencia artificial que crea
contenido (GenIA) afecta a la enseñanza del inglés en las universidades donde se usa este idioma para
dar las clases (EMI). Querían saber qué se había investigado sobre este tema y qué significaba esto para
la educación EMI. Para esto, hicieron una búsqueda de estudios tratando de responder dos preguntas
importantes: ¿qué estudios son útiles para los estudiantes universitarios que aprenden con EMI? y ¿en
qué temas hace falta investigar más? Sin embargo, lo que encontraron no fue muy alentador. Los
investigadores descubrieron que había muy pocos estudios que hablaran específicamente sobre cómo
usar GenIA para aprender inglés en programas EMI. Esta abordaba temas como estrategias de
aprendizaje digital, recomendaciones basadas en IA para la enseñanza del inglés, y preocupaciones
sobre la integridad académica en la escritura en L2. Con todo, el estudio concluyó en que se necesitan
más investigaciones que relacionen el uso y aplicación de GenAI en la experiencia educativa del inglés
en las instituciones EMI. Por lo tanto, no solo recomiendan estudiar a la IA generativa frente a la
práctica del idioma, sino ahondar en temas complejos como la retroalimentación, la corrección de
errores en tiempo real y la creación de material didáctico personalizado.
En Ecuador, Chicaiza et al. (2023) tuvieron como objetivo general analizar los avances, problemáticas
y perspectivas a futuro de la integración de la inteligencia artificial en los procesos de enseñanza y
aprendizaje del idioma inglés como L2.
Esto, por medio de un análisis bibliométrico que combinó el uso de VOSViewer para identificar temas,
autores y referencias clave. La muestra documental se compuso de cincuenta y seis (56) artículos
científicos previamente seleccionados según su relevancia y pertinencia. El estudio encontró que el
AWE suele ser útil tanto para estudiantes como para profesores. Sin embargo, vieron que funciona
mejor o peor según el tipo de comentarios que reciben los estudiantes. Los investigadores notaron que
los comentarios automáticos de las computadoras no pueden reemplazar los que dan las personas. Por
eso, llegaron a la conclusión de que aunque el AWE es una buena herramienta para aprender inglés
como idioma extranjero, no puede hacer el trabajo de los profesores. Para que funcione bien, hay que
tener en cuenta varias cosas como qué tipo de comentarios se dan, qué programa se usa y qué piensan
tanto los profesores como los estudiantes sobre esto. También sugieren que se hagan más estudios para
ver cómo se puede usar mejor el AWE en las clases de idiomas.
En otro estudio de revisión, Bannister et al. (2023) estudiaron cómo la inteligencia artificial que crea
contenido (GenIA) afecta a la enseñanza del inglés en las universidades donde se usa este idioma para
dar las clases (EMI). Querían saber qué se había investigado sobre este tema y qué significaba esto para
la educación EMI. Para esto, hicieron una búsqueda de estudios tratando de responder dos preguntas
importantes: ¿qué estudios son útiles para los estudiantes universitarios que aprenden con EMI? y ¿en
qué temas hace falta investigar más? Sin embargo, lo que encontraron no fue muy alentador. Los
investigadores descubrieron que había muy pocos estudios que hablaran específicamente sobre cómo
usar GenIA para aprender inglés en programas EMI. Esta abordaba temas como estrategias de
aprendizaje digital, recomendaciones basadas en IA para la enseñanza del inglés, y preocupaciones
sobre la integridad académica en la escritura en L2. Con todo, el estudio concluyó en que se necesitan
más investigaciones que relacionen el uso y aplicación de GenAI en la experiencia educativa del inglés
en las instituciones EMI. Por lo tanto, no solo recomiendan estudiar a la IA generativa frente a la
práctica del idioma, sino ahondar en temas complejos como la retroalimentación, la corrección de
errores en tiempo real y la creación de material didáctico personalizado.
En Ecuador, Chicaiza et al. (2023) tuvieron como objetivo general analizar los avances, problemáticas
y perspectivas a futuro de la integración de la inteligencia artificial en los procesos de enseñanza y
aprendizaje del idioma inglés como L2.
pág. 4552
La metodología empleada fue de enfoque cuantitativo, no experimental, transversal, descriptivo,
analítico y explicativo. Con la que se aplicó un cuestionario a cincuenta (50) estudiantes adscritos al
quinto nivel de inglés de la Universidad Técnica Estatal de Quevedo. Según los resultados, 82% de los
estudiantes creen que Chat GPT es una herramienta confiable. 52% consideran que esta IA puede
reemplazar al docente de lengua en cierta medida. 92% ha realizado traducciones y tareas de inglés
completas con Chat GPT. El 24% de los educandos lo han usado para mejorar su escritura en lengua
inglesa. Y el 6% lo usan para mejorar la pronunciación. Este estudio concluye que los estudiantes
conocen a Chat GPT como un mecanismo para cumplir labores, pero no necesariamente para aprender.
Por lo tanto, proponen que los docentes orienten a los estudiantes sobre las aplicaciones de la IA para
aprender un segundo idioma tan importante como lo es el inglés.
También en Ecuador, Ayala-Pazmiño y Alvarado-Lucas (2023) se cuestionaron sobre los beneficios y
problemas que traería consigo el integrar IA en la educación, específicamente, en clases de inglés. En
este marco, se propuso mejorar los resultados del aprendizaje a través de esta tipología de tecnología
emergente. Con lo que aplicó una metodología de enfoque cualitativo y diseño fenomenológico, a partir
de una entrevista semiestructurada a cinco profesores de inglés que pertenecían a las mejores escuelas
de Quito, y mediante un análisis temático de los datos recolectados. Este estudio comprobó que la IA,
potencialmente, proporciona retroalimentación personalizada, mejora la competencia lingüística y
aumenta la participación de los estudiantes. En cuanto a los problemas, identificó una predominante
falta de infraestructura tecnológica, precaria formación docente de cara a estas tecnologías emergentes,
y una creciente alarma respecto de la privacidad y la seguridad digital. Se concluyó que la integración
de la IA en la educación del inglés en Ecuador tiene el potencial de mejorar los resultados del
aprendizaje. Pero debe ser considerada como una herramienta complementaria y no como un sustituto
del profesorado.
Centrándose en la percepción estudiantil, la investigación de Moulieswaran y Kumar (2023a) indagó
sobre las opiniones y problemáticas de los estudiantes de un curso de inglés como segunda lengua
acerca del uso y efectividad del Asistente de Google impulsado por inteligencia artificial para el
aprendizaje del segundo idioma.
La metodología empleada fue de enfoque cuantitativo, no experimental, transversal, descriptivo,
analítico y explicativo. Con la que se aplicó un cuestionario a cincuenta (50) estudiantes adscritos al
quinto nivel de inglés de la Universidad Técnica Estatal de Quevedo. Según los resultados, 82% de los
estudiantes creen que Chat GPT es una herramienta confiable. 52% consideran que esta IA puede
reemplazar al docente de lengua en cierta medida. 92% ha realizado traducciones y tareas de inglés
completas con Chat GPT. El 24% de los educandos lo han usado para mejorar su escritura en lengua
inglesa. Y el 6% lo usan para mejorar la pronunciación. Este estudio concluye que los estudiantes
conocen a Chat GPT como un mecanismo para cumplir labores, pero no necesariamente para aprender.
Por lo tanto, proponen que los docentes orienten a los estudiantes sobre las aplicaciones de la IA para
aprender un segundo idioma tan importante como lo es el inglés.
También en Ecuador, Ayala-Pazmiño y Alvarado-Lucas (2023) se cuestionaron sobre los beneficios y
problemas que traería consigo el integrar IA en la educación, específicamente, en clases de inglés. En
este marco, se propuso mejorar los resultados del aprendizaje a través de esta tipología de tecnología
emergente. Con lo que aplicó una metodología de enfoque cualitativo y diseño fenomenológico, a partir
de una entrevista semiestructurada a cinco profesores de inglés que pertenecían a las mejores escuelas
de Quito, y mediante un análisis temático de los datos recolectados. Este estudio comprobó que la IA,
potencialmente, proporciona retroalimentación personalizada, mejora la competencia lingüística y
aumenta la participación de los estudiantes. En cuanto a los problemas, identificó una predominante
falta de infraestructura tecnológica, precaria formación docente de cara a estas tecnologías emergentes,
y una creciente alarma respecto de la privacidad y la seguridad digital. Se concluyó que la integración
de la IA en la educación del inglés en Ecuador tiene el potencial de mejorar los resultados del
aprendizaje. Pero debe ser considerada como una herramienta complementaria y no como un sustituto
del profesorado.
Centrándose en la percepción estudiantil, la investigación de Moulieswaran y Kumar (2023a) indagó
sobre las opiniones y problemáticas de los estudiantes de un curso de inglés como segunda lengua
acerca del uso y efectividad del Asistente de Google impulsado por inteligencia artificial para el
aprendizaje del segundo idioma.
pág. 4553
Por ende, aplicaron una metodología cuantitativa que se caracterizó por el uso de una escala tipo Likert
aplicada a ciento cuarenta y un (141) estudiantes de la carrera de ingeniería. Los resultados indican que
los estudiantes tienen percepciones y expectativas positivas sobre la usanza del Asistente de Google
para aprender inglés, ya que en la escala se obtuvo una puntuación media de 3.965 sobre 5. No obstante,
la investigación también detectó que en cierto grupo de smartphones había problemáticas a nivel de
usabilidad y disposición de la herramienta IA. Además, demostraron que un cúmulo significativo de
estudiantes da un uso inadecuado al asistente virtual. Por lo tanto, concluyeron que el Asistente de
Google puede ayudar a aprender inglés, pero que aún persisten problemas en su implementación que
requieren mejoras y más investigación al respecto.
Nuevamente, Moulieswaran y Kumar (2023b) estudiaron la aplicación de estrategias didácticas basadas
en IA para la enseñanza y el aprendizaje del inglés como segunda lengua, pero esta vez, desde un
enfoque más generalizado. En este caso, su estudio tuvo como objetivo general explorar las
percepciones y problemas de los estudiantes de inglés como segunda lengua respecto al aprendizaje y
enseñanza del idioma foráneo asistidos por inteligencia artificial. Como en su anterior estudio, aplicaron
una metodología de enfoque cuantitativo y de tipo descriptivo, que se caracterizó por la aplicación de
una escala Likert a ochenta y un (81) estudiantes de ingeniería. Con lo que, una vez más, se demostró
una percepción positiva generalizada sobre la aplicación de didácticas IA en el inglés. Adicionalmente,
se destacaron nuevos beneficios para los estudiantes, como el ahorro de tiempo y la accesibilidad
altamente favorable. A pesar de ello, la disponibilidad de aplicaciones para smartphones sigue limitada.
Además, se encontraron deficiencias en el procesamiento del lenguaje natural. Con todo, el estudio
concluyó en que hay una recepción positiva de los estudiantes frente a las tecnologías emergentes, pero
que aún están en proceso de formación y estructuración a nivel del sistema tecnológico, por lo que es
necesario seguir investigando sobre la temática y estar a la espera de nuevos avances.
Por su parte, Lee et al. (2023) desarrollaron un metaverso basado en inteligencia artificial para impulsar
el co-aprendizaje del inglés a partir del relacionamiento alumnos-IA. De tal modo, el objetivo general
de su trabajo fue crear un entorno educativo que integre inteligencia artificial para mejorar el
aprendizaje del idioma.
Por ende, aplicaron una metodología cuantitativa que se caracterizó por el uso de una escala tipo Likert
aplicada a ciento cuarenta y un (141) estudiantes de la carrera de ingeniería. Los resultados indican que
los estudiantes tienen percepciones y expectativas positivas sobre la usanza del Asistente de Google
para aprender inglés, ya que en la escala se obtuvo una puntuación media de 3.965 sobre 5. No obstante,
la investigación también detectó que en cierto grupo de smartphones había problemáticas a nivel de
usabilidad y disposición de la herramienta IA. Además, demostraron que un cúmulo significativo de
estudiantes da un uso inadecuado al asistente virtual. Por lo tanto, concluyeron que el Asistente de
Google puede ayudar a aprender inglés, pero que aún persisten problemas en su implementación que
requieren mejoras y más investigación al respecto.
Nuevamente, Moulieswaran y Kumar (2023b) estudiaron la aplicación de estrategias didácticas basadas
en IA para la enseñanza y el aprendizaje del inglés como segunda lengua, pero esta vez, desde un
enfoque más generalizado. En este caso, su estudio tuvo como objetivo general explorar las
percepciones y problemas de los estudiantes de inglés como segunda lengua respecto al aprendizaje y
enseñanza del idioma foráneo asistidos por inteligencia artificial. Como en su anterior estudio, aplicaron
una metodología de enfoque cuantitativo y de tipo descriptivo, que se caracterizó por la aplicación de
una escala Likert a ochenta y un (81) estudiantes de ingeniería. Con lo que, una vez más, se demostró
una percepción positiva generalizada sobre la aplicación de didácticas IA en el inglés. Adicionalmente,
se destacaron nuevos beneficios para los estudiantes, como el ahorro de tiempo y la accesibilidad
altamente favorable. A pesar de ello, la disponibilidad de aplicaciones para smartphones sigue limitada.
Además, se encontraron deficiencias en el procesamiento del lenguaje natural. Con todo, el estudio
concluyó en que hay una recepción positiva de los estudiantes frente a las tecnologías emergentes, pero
que aún están en proceso de formación y estructuración a nivel del sistema tecnológico, por lo que es
necesario seguir investigando sobre la temática y estar a la espera de nuevos avances.
Por su parte, Lee et al. (2023) desarrollaron un metaverso basado en inteligencia artificial para impulsar
el co-aprendizaje del inglés a partir del relacionamiento alumnos-IA. De tal modo, el objetivo general
de su trabajo fue crear un entorno educativo que integre inteligencia artificial para mejorar el
aprendizaje del idioma.
pág. 4554
Para cumplir con esta directriz, se implementó un sistema tecnológico de seis pasos, a través del
procesamiento del lenguaje natural, el análisis cuantitativo y cualitativo y la evaluación del desempeño
de los estudiantes. Con ello, se intervino a treinta y uno (31) estudiantes de secundaria, durante diez
(10) sesiones en clases de lengua extranjera. Después de la intervención, el setenta y cinco por ciento
(75%) de los educandos mostraron una mejora en las competencias comunicativas en la lengua inglesa
y mostraron mayor motivación para el aprendizaje. Según lo que encontraron, los investigadores vieron
que este metaverso donde todos aprenden juntos funcionaba bien como herramienta para aprender en
línea. Pero también notaron que los estudiantes más jóvenes no querían mucho usar estos sistemas de
realidad virtual.
Por otro lado, en México, Escobar y González (2024) estudiaron cómo la IA afectaba la enseñanza del
inglés en estudiantes de preparatoria o bachillerato, revisando lo que otros investigadores habían escrito
sobre esto. Para hacer su estudio, revisaron documentos y los analizaron buscando cinco palabras
importantes: inteligencia artificial, enseñanza del inglés, educación media-superior, pedagogía y
educación 4.0. Esta revisión demostró que el uso de la inteligencia artificial potencia significativamente
algunas competencias necesarias para la enseñanza del inglés, como lo son: el diseño de materiales
didácticos, las habilidades lingüísticas, la capacidad de crear y promover espacios autónomos y las
aptitudes docentes en general. Además, también se reveló que la IA potencia el aprendizaje a través de
centros de auto-acceso y mediatecas para aprender autónomamente. Con todo, el artículo concluyó que
la inteligencia artificial ayuda positivamente en la enseñanza del inglés. Y que, además, mejora el
aprendizaje de un segundo idioma de los alumnos. A pesar de ello, los autores advierten que el uso
desmedido de algoritmos sapientes podría limitar la espontaneidad en las interacciones educativas; por
lo tanto, recomiendan prudencia y capacitación continua.
En Ecuador, Dávila et al. (2024) le preguntaron a la literatura científica sobre el potencial de la
inteligencia artificial para impulsar las competencias orales en inglés de los estudiantes de media
académica. Para responder a tal interrogante, aplicaron una investigación de revisión sistemática.
Consultaron diversas bases de datos como PubMed, Google Scholar, Scopus y Web of Science. Para
seleccionar la muestra documental, aplicaron criterios específicos de inclusión y exclusión, con el fin
de asegurar la calidad epistemológica de los aportes a reseñar.
Para cumplir con esta directriz, se implementó un sistema tecnológico de seis pasos, a través del
procesamiento del lenguaje natural, el análisis cuantitativo y cualitativo y la evaluación del desempeño
de los estudiantes. Con ello, se intervino a treinta y uno (31) estudiantes de secundaria, durante diez
(10) sesiones en clases de lengua extranjera. Después de la intervención, el setenta y cinco por ciento
(75%) de los educandos mostraron una mejora en las competencias comunicativas en la lengua inglesa
y mostraron mayor motivación para el aprendizaje. Según lo que encontraron, los investigadores vieron
que este metaverso donde todos aprenden juntos funcionaba bien como herramienta para aprender en
línea. Pero también notaron que los estudiantes más jóvenes no querían mucho usar estos sistemas de
realidad virtual.
Por otro lado, en México, Escobar y González (2024) estudiaron cómo la IA afectaba la enseñanza del
inglés en estudiantes de preparatoria o bachillerato, revisando lo que otros investigadores habían escrito
sobre esto. Para hacer su estudio, revisaron documentos y los analizaron buscando cinco palabras
importantes: inteligencia artificial, enseñanza del inglés, educación media-superior, pedagogía y
educación 4.0. Esta revisión demostró que el uso de la inteligencia artificial potencia significativamente
algunas competencias necesarias para la enseñanza del inglés, como lo son: el diseño de materiales
didácticos, las habilidades lingüísticas, la capacidad de crear y promover espacios autónomos y las
aptitudes docentes en general. Además, también se reveló que la IA potencia el aprendizaje a través de
centros de auto-acceso y mediatecas para aprender autónomamente. Con todo, el artículo concluyó que
la inteligencia artificial ayuda positivamente en la enseñanza del inglés. Y que, además, mejora el
aprendizaje de un segundo idioma de los alumnos. A pesar de ello, los autores advierten que el uso
desmedido de algoritmos sapientes podría limitar la espontaneidad en las interacciones educativas; por
lo tanto, recomiendan prudencia y capacitación continua.
En Ecuador, Dávila et al. (2024) le preguntaron a la literatura científica sobre el potencial de la
inteligencia artificial para impulsar las competencias orales en inglés de los estudiantes de media
académica. Para responder a tal interrogante, aplicaron una investigación de revisión sistemática.
Consultaron diversas bases de datos como PubMed, Google Scholar, Scopus y Web of Science. Para
seleccionar la muestra documental, aplicaron criterios específicos de inclusión y exclusión, con el fin
de asegurar la calidad epistemológica de los aportes a reseñar.
pág. 4555
Una vez leído el corpus documental, los autores señalaron que la literatura evalúa favorablemente a
herramientas de IA como los chatbots, los sistemas de reconocimiento de voz y los asistentes virtuales
que mejoran la fluidez oral, porque mejoran la pronunciación e impulsan el aprendizaje autónomo de
los estudiantes. Y, además, dotan al alumno de más confianza y motivación académica. En tal sentido,
los autores concluyeron que la IA tiene el potencial de revolucionar la enseñanza y el aprendizaje de
segundas lenguas, especialmente en el desarrollo de habilidades orales.
Por su parte, Amén (2024) estudió las aplicaciones basadas en inteligencia artificial para aprender
idiomas en los estudiantes del Ecuador. Se planteó como objetivo general justificar el empleo de apps
basadas en IA para mejorar los procesos de enseñanza de idiomas extranjeros, específicamente, del
inglés, en estudiantes de educación avanzada. Bajo esta premisa, se estructuró una investigación de
enfoque mixto. La muestra se compuso de sesenta (60) estudiantes y seis docentes que respondieron
una prueba diagnóstica, recibieron una intervención en la que implementó la app, y respondieron una
prueba de comprobación final para evaluar el impacto de la estrategia didáctica. Los resultados fueron
positivos. Amén (2024) reportó un aumento significativo de las competencias del inglés evaluadas.
Además, que las aplicaciones de IA son efectivas para proporcionar retroalimentación instantánea,
personalizar el aprendizaje y aumentar la motivación de los estudiantes. El estudio concluye con que
este tipo de herramientas pueden cambiar drástica y positivamente la manera en cómo se enseña y se
aprende inglés en las instituciones de educación superior, porque ofrecen una experiencia de
aprendizaje más significativa, efectiva y enriquecedora en comparación con los métodos pedagógicos
tradicionales.
Por último, en Perú, Matos et al. (2024) se cuestionaron sobre la relación que hay entre la utilización
de ChatGPT y el aprendizaje del inglés en estudiantes universitarios. Frente a ello, plantearon una
investigación de enfoque cuantitativo, alcance descriptivo-correlacional y de diseño no experimental.
Su muestra se conformó por ciento sesenta y dos (162) estudiantes adscritos a una universidad del Perú,
quienes fueron seleccionados mediante un muestreo probabilístico aleatorio simple. Los instrumentos
empleados fueron una escala Likert para evaluar el uso de la IA de OpenIA y el aprendizaje de la lengua
inglesa. Para analizar los datos, se aplicó la prueba Rho de Spearmen.
Una vez leído el corpus documental, los autores señalaron que la literatura evalúa favorablemente a
herramientas de IA como los chatbots, los sistemas de reconocimiento de voz y los asistentes virtuales
que mejoran la fluidez oral, porque mejoran la pronunciación e impulsan el aprendizaje autónomo de
los estudiantes. Y, además, dotan al alumno de más confianza y motivación académica. En tal sentido,
los autores concluyeron que la IA tiene el potencial de revolucionar la enseñanza y el aprendizaje de
segundas lenguas, especialmente en el desarrollo de habilidades orales.
Por su parte, Amén (2024) estudió las aplicaciones basadas en inteligencia artificial para aprender
idiomas en los estudiantes del Ecuador. Se planteó como objetivo general justificar el empleo de apps
basadas en IA para mejorar los procesos de enseñanza de idiomas extranjeros, específicamente, del
inglés, en estudiantes de educación avanzada. Bajo esta premisa, se estructuró una investigación de
enfoque mixto. La muestra se compuso de sesenta (60) estudiantes y seis docentes que respondieron
una prueba diagnóstica, recibieron una intervención en la que implementó la app, y respondieron una
prueba de comprobación final para evaluar el impacto de la estrategia didáctica. Los resultados fueron
positivos. Amén (2024) reportó un aumento significativo de las competencias del inglés evaluadas.
Además, que las aplicaciones de IA son efectivas para proporcionar retroalimentación instantánea,
personalizar el aprendizaje y aumentar la motivación de los estudiantes. El estudio concluye con que
este tipo de herramientas pueden cambiar drástica y positivamente la manera en cómo se enseña y se
aprende inglés en las instituciones de educación superior, porque ofrecen una experiencia de
aprendizaje más significativa, efectiva y enriquecedora en comparación con los métodos pedagógicos
tradicionales.
Por último, en Perú, Matos et al. (2024) se cuestionaron sobre la relación que hay entre la utilización
de ChatGPT y el aprendizaje del inglés en estudiantes universitarios. Frente a ello, plantearon una
investigación de enfoque cuantitativo, alcance descriptivo-correlacional y de diseño no experimental.
Su muestra se conformó por ciento sesenta y dos (162) estudiantes adscritos a una universidad del Perú,
quienes fueron seleccionados mediante un muestreo probabilístico aleatorio simple. Los instrumentos
empleados fueron una escala Likert para evaluar el uso de la IA de OpenIA y el aprendizaje de la lengua
inglesa. Para analizar los datos, se aplicó la prueba Rho de Spearmen.
pág. 4556
Los resultados arrojaron una correlación significativa (r = 0.726, p < 0.05) entre el uso del ChatGPT y
el aprendizaje del inglés. No obstante, evidenciaron una regularidad baja del uso de la IA y de aprender
inglés autónomamente. Matos et al. (2024) concluyen que ChatGPT es una herramienta eficaz y
accesible para aprender inglés, que podría mejorar el desempeño académico de los estudiantes. Pero
ello se limita a la capacidad docente de articular esta IA como una estrategia didáctica dentro de sus
clases y que los estudiantes la adopten adecuadamente.
Después de revisar y analizar todos los documentos, se encontró que hay muchas y diferentes formas
de usar la inteligencia artificial para enseñar y aprender inglés como idioma extranjero. Los estudios
sobre este tema están creciendo rápidamente, y parece que van a seguir aumentando en los próximos
años. Entre las herramientas de IA que más se usan están las aplicaciones, los programas que conversan
con los estudiantes, los asistentes virtuales, los sistemas que ayudan con la pronunciación y las
plataformas que se adaptan a cada estudiante. Los beneficios más importantes que se encontraron son
que cada estudiante puede aprender a su manera, se sienten más motivados para estudiar, sacan mejores
notas y aprenden a estudiar por su cuenta. Sin embargo, también hay problemas que resolver, como que
los profesores necesitan aprender a usar estas tecnologías, que muchas escuelas no tienen los equipos
necesarios, y que hay que tener cuidado con la privacidad y la seguridad de la información. En general,
esta revisión ayuda a entender mejor cómo está la investigación sobre este tema nuevo. Todo esto
muestra que aunque usar IA para enseñar y aprender inglés es complicado, también tiene mucho
potencial para cambiar la forma en que se enseña este idioma.
CONCLUSIONES
Respecto de la sección bibliométrica, esta revisión determinó que existe un crecimiento sostenido y
acelerado en la producción académica sobre la implementación de estrategias didácticas basadas en
inteligencia artificial en los procesos educativos relacionados con la adquisición del inglés como
segunda lengua. Desde 2019 hasta 2023 se registró un notable crecimiento del 66.67% en la cantidad
de publicaciones científicas. A nivel geográfico, una porción significativa de las investigaciones fueron
publicadas en países latinoamericanos. Lista que es liderada por Costa Rica, México y Colombia. No
obstante, naciones asiáticas y europeas también aportan un gran valor a la literatura.
Los resultados arrojaron una correlación significativa (r = 0.726, p < 0.05) entre el uso del ChatGPT y
el aprendizaje del inglés. No obstante, evidenciaron una regularidad baja del uso de la IA y de aprender
inglés autónomamente. Matos et al. (2024) concluyen que ChatGPT es una herramienta eficaz y
accesible para aprender inglés, que podría mejorar el desempeño académico de los estudiantes. Pero
ello se limita a la capacidad docente de articular esta IA como una estrategia didáctica dentro de sus
clases y que los estudiantes la adopten adecuadamente.
Después de revisar y analizar todos los documentos, se encontró que hay muchas y diferentes formas
de usar la inteligencia artificial para enseñar y aprender inglés como idioma extranjero. Los estudios
sobre este tema están creciendo rápidamente, y parece que van a seguir aumentando en los próximos
años. Entre las herramientas de IA que más se usan están las aplicaciones, los programas que conversan
con los estudiantes, los asistentes virtuales, los sistemas que ayudan con la pronunciación y las
plataformas que se adaptan a cada estudiante. Los beneficios más importantes que se encontraron son
que cada estudiante puede aprender a su manera, se sienten más motivados para estudiar, sacan mejores
notas y aprenden a estudiar por su cuenta. Sin embargo, también hay problemas que resolver, como que
los profesores necesitan aprender a usar estas tecnologías, que muchas escuelas no tienen los equipos
necesarios, y que hay que tener cuidado con la privacidad y la seguridad de la información. En general,
esta revisión ayuda a entender mejor cómo está la investigación sobre este tema nuevo. Todo esto
muestra que aunque usar IA para enseñar y aprender inglés es complicado, también tiene mucho
potencial para cambiar la forma en que se enseña este idioma.
CONCLUSIONES
Respecto de la sección bibliométrica, esta revisión determinó que existe un crecimiento sostenido y
acelerado en la producción académica sobre la implementación de estrategias didácticas basadas en
inteligencia artificial en los procesos educativos relacionados con la adquisición del inglés como
segunda lengua. Desde 2019 hasta 2023 se registró un notable crecimiento del 66.67% en la cantidad
de publicaciones científicas. A nivel geográfico, una porción significativa de las investigaciones fueron
publicadas en países latinoamericanos. Lista que es liderada por Costa Rica, México y Colombia. No
obstante, naciones asiáticas y europeas también aportan un gran valor a la literatura.
pág. 4557
Respecto de las áreas del conocimiento relacionado, la investigación determinó que hay predominancia
en las Ciencias de la Computación, la Ingeniería y las Ciencias Sociales; lo que demuestra el carácter
interdisciplinario de la temática.
En lo hermenéutico, el estudio muestra que diferentes herramientas de inteligencia artificial se están
usando en las clases de inglés como parte de las estrategias de enseñanza. Entre estas tecnologías
destacan principalmente los chatbots para práctica conversacional, los asistentes virtuales para apoyo
continuo, los sistemas que reconocen la voz del estudiante y las plataformas que se adaptan al ritmo de
aprendizaje de cada persona. Los resultados de la investigación demuestran efectos positivos en varios
aspectos: los estudiantes se sienten más motivados para aprender, mejoran sus calificaciones,
desarrollan mayor independencia en sus estudios y ganan confianza al usar el idioma. Sin embargo, el
análisis también identificó varios retos importantes: muchos profesores necesitan más preparación para
usar estas tecnologías, algunas instituciones carecen de la infraestructura necesaria y existen
preocupaciones sobre la privacidad de los datos y la honestidad académica.
En síntesis, la evidencia recopilada indica que incorporar herramientas de inteligencia artificial en la
enseñanza del inglés traerá cambios importantes en este campo. Esta integración modificará la forma
de enseñar el idioma y cambiará cómo vemos la relación entre tecnología y educación en idiomas. No
obstante, queda claro que la inteligencia artificial debe verse como una herramienta que ayuda al
profesor, no como algo que lo reemplaza. Por lo tanto, las futuras investigaciones deberían enfocarse
en crear modelos educativos que aprovechen bien estas tecnologías, resolver los problemas éticos y
técnicos encontrados, y estudiar los efectos a largo plazo en diferentes contextos educativos. De esta
manera, se podrá usar la inteligencia artificial para ayudar a superar las dificultades típicas de aprender
otro idioma.
REFERENCIAS BIBLIOGRAFICAS
Almutairi, A., Gegov, A., Adda, M., & Arabikhan, F. (2020). Conceptual Artificial Intelligence
framework to Improving English as Second Language. WSEAS Transactions on Advances in
Engineering Education, 17, 87-91.
https://www.wseas.org/multimedia/journals/education/2020/a225118-135.pdf
Respecto de las áreas del conocimiento relacionado, la investigación determinó que hay predominancia
en las Ciencias de la Computación, la Ingeniería y las Ciencias Sociales; lo que demuestra el carácter
interdisciplinario de la temática.
En lo hermenéutico, el estudio muestra que diferentes herramientas de inteligencia artificial se están
usando en las clases de inglés como parte de las estrategias de enseñanza. Entre estas tecnologías
destacan principalmente los chatbots para práctica conversacional, los asistentes virtuales para apoyo
continuo, los sistemas que reconocen la voz del estudiante y las plataformas que se adaptan al ritmo de
aprendizaje de cada persona. Los resultados de la investigación demuestran efectos positivos en varios
aspectos: los estudiantes se sienten más motivados para aprender, mejoran sus calificaciones,
desarrollan mayor independencia en sus estudios y ganan confianza al usar el idioma. Sin embargo, el
análisis también identificó varios retos importantes: muchos profesores necesitan más preparación para
usar estas tecnologías, algunas instituciones carecen de la infraestructura necesaria y existen
preocupaciones sobre la privacidad de los datos y la honestidad académica.
En síntesis, la evidencia recopilada indica que incorporar herramientas de inteligencia artificial en la
enseñanza del inglés traerá cambios importantes en este campo. Esta integración modificará la forma
de enseñar el idioma y cambiará cómo vemos la relación entre tecnología y educación en idiomas. No
obstante, queda claro que la inteligencia artificial debe verse como una herramienta que ayuda al
profesor, no como algo que lo reemplaza. Por lo tanto, las futuras investigaciones deberían enfocarse
en crear modelos educativos que aprovechen bien estas tecnologías, resolver los problemas éticos y
técnicos encontrados, y estudiar los efectos a largo plazo en diferentes contextos educativos. De esta
manera, se podrá usar la inteligencia artificial para ayudar a superar las dificultades típicas de aprender
otro idioma.
REFERENCIAS BIBLIOGRAFICAS
Almutairi, A., Gegov, A., Adda, M., & Arabikhan, F. (2020). Conceptual Artificial Intelligence
framework to Improving English as Second Language. WSEAS Transactions on Advances in
Engineering Education, 17, 87-91.
https://www.wseas.org/multimedia/journals/education/2020/a225118-135.pdf
pág. 4558
Amén Mora, P. G. (2024). El uso de aplicaciones de Inteligencia Artificial para el aprendizaje de
idiomas en la Educación Superior. Serie Científica De La Universidad De Las Ciencias
Informáticas, 17(2), 192-205. Recuperado a partir de
https://publicaciones.uci.cu/index.php/serie/article/view/1573
Ayala-Pazmiño, M. F., & Alvarado-Lucas, K. I. (2023). Integrating Artificial Intelligence into English
Language Education in Ecuador: A Pathway to Improved Learning Outcomes. Digital Publisher,
8(3), 679-687. https://dialnet.unirioja.es/descarga/articulo/9124392.pdf
Bannister, P., Santamaría-Urbieta, A., & Alcalde-Peñalver, E. (2023). A Systematic Review of
Generative AI and (English Medium Instruction) Higher Education. Aula Abierta, 52(4), 401–
409. https://doi.org/10.17811/rifie.52.4.2023.401-409
Carbonell-García, C. E., Burgos-Goicochea, S., Calderón-de-los-Ríos, D. O., & Paredes-Fernández, O.
W. (2023). La Inteligencia artificial en el contexto de la formación educativa. Revista Electrónica
de Ciencias de la Educación, Humanidades, Artes y Bellas Artes, 6(12), 152-168.
https://ve.scielo.org/scielo.php?script=sci_arttext&pid=S2665-02822023000200152
Chicaiza, R. M., Camacho Castillo, L. A., Ghose, G., Castro Magayanes, I. E., & Gallo Fonseca, V. T.
(2023). Aplicaciones de Chat GPT como inteligencia artificial para el aprendizaje de idioma
inglés: avances, desafíos y perspectivas futuras. LATAM Revista latinoamericana de ciencias
sociales y humanidades. 4(2), 2610-2628. https://latam.redilat.org/index.php/lt/article/view/781
Dávila Macias, A. M., Armijos Solano, D. O., Palma Perero, L. M., Roca Panimboza, J. C., & Lucas
Soledispa, C. J. (2024). The Potential of Artificial Intelligence to Improve Speaking Skills in a
Second Language (English) Fluently. Ciencia latina: Revista Multidisciplinar, 8(3), 3826-3836.
https://dialnet.unirioja.es/servlet/articulo?codigo=9610602
Escobar Álvarez, G. R. & González López, M. (2024). La Inteligencia Artificial en la enseñanza del
inglés en nivel medio superior en México. Revista Gestión I+D, 9(2), 43-73.
https://dialnet.unirioja.es/servlet/articulo?codigo=9680179
Katsarou, E., Wild, F., Sougari, A. M., & Chatzipanagiotou, P. (2023). A Systematic Review of Voice-
based Intelligent Virtual Agents in EFL Education. International Journal of Emerging
Technologies in Learning, 18(10), 65-85.
Amén Mora, P. G. (2024). El uso de aplicaciones de Inteligencia Artificial para el aprendizaje de
idiomas en la Educación Superior. Serie Científica De La Universidad De Las Ciencias
Informáticas, 17(2), 192-205. Recuperado a partir de
https://publicaciones.uci.cu/index.php/serie/article/view/1573
Ayala-Pazmiño, M. F., & Alvarado-Lucas, K. I. (2023). Integrating Artificial Intelligence into English
Language Education in Ecuador: A Pathway to Improved Learning Outcomes. Digital Publisher,
8(3), 679-687. https://dialnet.unirioja.es/descarga/articulo/9124392.pdf
Bannister, P., Santamaría-Urbieta, A., & Alcalde-Peñalver, E. (2023). A Systematic Review of
Generative AI and (English Medium Instruction) Higher Education. Aula Abierta, 52(4), 401–
409. https://doi.org/10.17811/rifie.52.4.2023.401-409
Carbonell-García, C. E., Burgos-Goicochea, S., Calderón-de-los-Ríos, D. O., & Paredes-Fernández, O.
W. (2023). La Inteligencia artificial en el contexto de la formación educativa. Revista Electrónica
de Ciencias de la Educación, Humanidades, Artes y Bellas Artes, 6(12), 152-168.
https://ve.scielo.org/scielo.php?script=sci_arttext&pid=S2665-02822023000200152
Chicaiza, R. M., Camacho Castillo, L. A., Ghose, G., Castro Magayanes, I. E., & Gallo Fonseca, V. T.
(2023). Aplicaciones de Chat GPT como inteligencia artificial para el aprendizaje de idioma
inglés: avances, desafíos y perspectivas futuras. LATAM Revista latinoamericana de ciencias
sociales y humanidades. 4(2), 2610-2628. https://latam.redilat.org/index.php/lt/article/view/781
Dávila Macias, A. M., Armijos Solano, D. O., Palma Perero, L. M., Roca Panimboza, J. C., & Lucas
Soledispa, C. J. (2024). The Potential of Artificial Intelligence to Improve Speaking Skills in a
Second Language (English) Fluently. Ciencia latina: Revista Multidisciplinar, 8(3), 3826-3836.
https://dialnet.unirioja.es/servlet/articulo?codigo=9610602
Escobar Álvarez, G. R. & González López, M. (2024). La Inteligencia Artificial en la enseñanza del
inglés en nivel medio superior en México. Revista Gestión I+D, 9(2), 43-73.
https://dialnet.unirioja.es/servlet/articulo?codigo=9680179
Katsarou, E., Wild, F., Sougari, A. M., & Chatzipanagiotou, P. (2023). A Systematic Review of Voice-
based Intelligent Virtual Agents in EFL Education. International Journal of Emerging
Technologies in Learning, 18(10), 65-85.
pág. 4559
https://online-journals.org/index.php/i-jet/article/view/37723
Lee, C., Wang, M., Reformat, M., & Huang, S. (2023). Human intelligence-based metaverse for co-
learning of students and smart machines. Journal of Ambient Intelligence and Humanized
Computing, 14(6), 7695–7718. https://doi.org/10.1007/s12652-023-04580-2
León, G. C., & Villa, S. M. (2023). La inteligencia artificial en la educación superior. Oportunidades y
amenazas. INNOVA Research Journal, 2(8), 412-422.
https://doi.org/10.33890/innova.v2.n8.1.2017.399
Márquez, C. E., & Margarita, M. (2024). Estrategias didácticas con el uso de Inteligencia artificial
para detectar emociones de los estudiantes durante el aprendizaje en entornos virtuales. [Tesis
maestría, Universidad de la Costa]. Repositorio de la Universidad de la Costa.
https://repositorio.cuc.edu.co/bitstream/handle/11323/12932/Estrategias%20did%c3%a1cticas%
20con%20el%20uso%20de%20Inteligencia%20Artificial%20para%20detectar%20emociones%
20de%20los%20estudiantes%20durante%20el%20aprendizaje%20en%20entornos%20virtuales
.pdf?sequence=1&isAllowed=y
Matos Juárez, A. S., Rivera Rojas, C. N., Salazar Zavaleta, J. R., & Chiri Saravia, P. C. (2024). Uso del
ChatGPT y aprendizaje de inglés en estudiantes universitarios. Horizontes. Revista De
Investigación En Ciencias De La Educación, 8(33), 834–842.
https://doi.org/10.33996/revistahorizontes.v8i33.766
Moulieswaran, N., & Kumar, P. N. S. (2023a). Google Assistant Assisted Language Learning
(GAALL): ESL Learners' Perception and Problem towards AI-powered Google Assistant-
Assisted English Language Learning. Studies in Media and Communication, 11(4), 122-130.
https://redfame.com/journal/index.php/smc/article/view/5977
Moulieswaran, N., & Kumar, P. N. S. (2023b). Investigating ESL Learners' Perception and Problem
towards Artificial Intelligence (AI) -Assisted English Language Learning and Teaching. World
Journal of English Language, 13(5), 290-298.
https://ideas.repec.org/a/jfr/wjel11/v13y2023i5p290.html
Norman-Acevedo, E. (2023). La inteligencia artificial en la educación: una herramienta valiosa para los
tutores virtuales universitarios y profesores universitarios. Panorama, 17(32), 1-11.
https://online-journals.org/index.php/i-jet/article/view/37723
Lee, C., Wang, M., Reformat, M., & Huang, S. (2023). Human intelligence-based metaverse for co-
learning of students and smart machines. Journal of Ambient Intelligence and Humanized
Computing, 14(6), 7695–7718. https://doi.org/10.1007/s12652-023-04580-2
León, G. C., & Villa, S. M. (2023). La inteligencia artificial en la educación superior. Oportunidades y
amenazas. INNOVA Research Journal, 2(8), 412-422.
https://doi.org/10.33890/innova.v2.n8.1.2017.399
Márquez, C. E., & Margarita, M. (2024). Estrategias didácticas con el uso de Inteligencia artificial
para detectar emociones de los estudiantes durante el aprendizaje en entornos virtuales. [Tesis
maestría, Universidad de la Costa]. Repositorio de la Universidad de la Costa.
https://repositorio.cuc.edu.co/bitstream/handle/11323/12932/Estrategias%20did%c3%a1cticas%
20con%20el%20uso%20de%20Inteligencia%20Artificial%20para%20detectar%20emociones%
20de%20los%20estudiantes%20durante%20el%20aprendizaje%20en%20entornos%20virtuales
.pdf?sequence=1&isAllowed=y
Matos Juárez, A. S., Rivera Rojas, C. N., Salazar Zavaleta, J. R., & Chiri Saravia, P. C. (2024). Uso del
ChatGPT y aprendizaje de inglés en estudiantes universitarios. Horizontes. Revista De
Investigación En Ciencias De La Educación, 8(33), 834–842.
https://doi.org/10.33996/revistahorizontes.v8i33.766
Moulieswaran, N., & Kumar, P. N. S. (2023a). Google Assistant Assisted Language Learning
(GAALL): ESL Learners' Perception and Problem towards AI-powered Google Assistant-
Assisted English Language Learning. Studies in Media and Communication, 11(4), 122-130.
https://redfame.com/journal/index.php/smc/article/view/5977
Moulieswaran, N., & Kumar, P. N. S. (2023b). Investigating ESL Learners' Perception and Problem
towards Artificial Intelligence (AI) -Assisted English Language Learning and Teaching. World
Journal of English Language, 13(5), 290-298.
https://ideas.repec.org/a/jfr/wjel11/v13y2023i5p290.html
Norman-Acevedo, E. (2023). La inteligencia artificial en la educación: una herramienta valiosa para los
tutores virtuales universitarios y profesores universitarios. Panorama, 17(32), 1-11.
pág. 4560
https://doi.org/10.15765/pnrm.v17i32.3681
Peña-Acuña, B., & Crismán-Pérez, R. (2022). Research on Papua, a digital tool with artificial
intelligence in favor of learning and linguistic attitudes towards the learning of the English
language in students of Spanish language as L1. Frontiers in Psychology, 13, 1-16.
https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2022.1019278/full
Rokhayani, A., Rukmini, D., Hartono, R., & Mujiyanto, J. (2022). Integrating Technology in Online
Learning Based on Computer-Mediated Communication Artificial Intelligence to Improve
Students' Achievement. Journal of Higher Education Theory and Practice, 22(15), 234-244.
https://articlegateway.com/index.php/JHETP/article/view/5575
Sotelo, K. (2023). Uso de la inteligencia artificial en la educación superior entre el 2018 y el 2023.
Una revisión sistemática. [Tesis maestría, Universidad César Vallejo]. Repositorio Universidad
César Vallejo. https://repositorio.ucv.edu.pe/handle/20.500.12692/121864
Taskiran, A., & Goksel, N. (2022). Automated feedback and teacher feedback: Writing achievement in
learning English as a foreign language at a distance. Turkish Online Journal of Distance
Education, 23(2), 120-139. https://files.eric.ed.gov/fulltext/EJ1343064.pdf
Wu, T., & Yu, Z. (2023). Bibliometrically and systematically analyzing automated writing evaluation
for English learning. Forum for Linguistic Studies, 5(3), 1-18.
https://journals.bilpubgroup.com/index.php/fls/article/view/6463
https://doi.org/10.15765/pnrm.v17i32.3681
Peña-Acuña, B., & Crismán-Pérez, R. (2022). Research on Papua, a digital tool with artificial
intelligence in favor of learning and linguistic attitudes towards the learning of the English
language in students of Spanish language as L1. Frontiers in Psychology, 13, 1-16.
https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2022.1019278/full
Rokhayani, A., Rukmini, D., Hartono, R., & Mujiyanto, J. (2022). Integrating Technology in Online
Learning Based on Computer-Mediated Communication Artificial Intelligence to Improve
Students' Achievement. Journal of Higher Education Theory and Practice, 22(15), 234-244.
https://articlegateway.com/index.php/JHETP/article/view/5575
Sotelo, K. (2023). Uso de la inteligencia artificial en la educación superior entre el 2018 y el 2023.
Una revisión sistemática. [Tesis maestría, Universidad César Vallejo]. Repositorio Universidad
César Vallejo. https://repositorio.ucv.edu.pe/handle/20.500.12692/121864
Taskiran, A., & Goksel, N. (2022). Automated feedback and teacher feedback: Writing achievement in
learning English as a foreign language at a distance. Turkish Online Journal of Distance
Education, 23(2), 120-139. https://files.eric.ed.gov/fulltext/EJ1343064.pdf
Wu, T., & Yu, Z. (2023). Bibliometrically and systematically analyzing automated writing evaluation
for English learning. Forum for Linguistic Studies, 5(3), 1-18.
https://journals.bilpubgroup.com/index.php/fls/article/view/6463