APORTE DE LA INTELIGENCIA ARTIFICIAL O
PLATAFORMA COMO MEDIO DE APRENDIZAJE
DE INGLÉS PARA EL DESARROLLO DE
HABILIDADES LINGÜÍSTICAS EN ESTUDIANTES
DE INGENIERÍA
CONTRIBUTION OF ARTIFICIAL INTELLIGENCE AS A MEANS OF
LEARNING THE ENGLISH LANGUAGE FOR THE DEVELOPMENT
OF LANGUAGE SKILLS IN ENGINEERING STUDENTS
Marilú Valle Torres
Universidad Hipócrates (Acapulco)
pág. 3591
DOI: https://doi.org/10.37811/cl_rcm.v9i6.21465
Aporte de la Inteligencia Artificial o plataforma como medio de aprendizaje
de inglés para el desarrollo de habilidades lingüísticas en estudiantes de
Ingeniería
Marilú Valle Torres1
mariluvallet@gmail.com
https://orcid.org/0009-0006-8650-7962
Universidad Hipócrates (Acapulco)
RESUMEN
La inteligencia artificial o plataformas para aprender inglés y mejorar habilidadades lingüísticas son
herramientas conocidas hoy día. El inglés se ha convertido en parte esencial para el desarrollo académico
y profesional, debido a que otorga mejores oportunidades en el ámbito laboral y profesional. El objetivo
de este trabajo consistió en analizar el aporte de las herramientas digitales de IA como medio para el
aprendizaje de inglés, la frecuencia del uso de la IA, su efectividad, y el desarrollo de habilidades
lingüísticas en estudiantes de Ingeniería de la UAGro. Se aplicó la escala tipo Likert en cada ítem y se
usaron 3 dimensiones o factores. Se utilizó el software RStudio para el análisis factorial confirmatorio
y su bondad de ajuste, así como la fiabilidad del instrumento. El Alfa de Cronbach fue de 0.855, que se
interpreta como Buena, con 12 elementos en el instrumento. El análisis factorial confirmatorio afirma
que los resultados obtenidos fueron adecuados, asimismo, los índices de bondad de ajuste. Al preguntar
si se conocen las herramientas digitales, la mayoría respondieron que las conoce poco; el ChatGPT y la
plataforma Duolingo son las que más conocen y más utilizán como herramienta de IA para mejorar el
inglés, con pocas horas de frecuencia en su uso. Finalmente, los estudiantes respondieron como buenos
los niveles alcanzados en Reading y Speaking, así como en Writing y Listening, mientras que la
Comprensión Lectora fue la habilidad lingüística más desarrollada.
Palabras clave: Inteligencia Artificial; efectividad; habilidades lingüísticas; aprendizaje de inglés;
estudiantes universitarios
1 Autor principal
Correspondencia: mariluvallet@gmail.com
DOI: https://doi.org/10.37811/cl_rcm.v9i6.21465
Aporte de la Inteligencia Artificial o plataforma como medio de aprendizaje
de inglés para el desarrollo de habilidades lingüísticas en estudiantes de
Ingeniería
Marilú Valle Torres1
mariluvallet@gmail.com
https://orcid.org/0009-0006-8650-7962
Universidad Hipócrates (Acapulco)
RESUMEN
La inteligencia artificial o plataformas para aprender inglés y mejorar habilidadades lingüísticas son
herramientas conocidas hoy día. El inglés se ha convertido en parte esencial para el desarrollo académico
y profesional, debido a que otorga mejores oportunidades en el ámbito laboral y profesional. El objetivo
de este trabajo consistió en analizar el aporte de las herramientas digitales de IA como medio para el
aprendizaje de inglés, la frecuencia del uso de la IA, su efectividad, y el desarrollo de habilidades
lingüísticas en estudiantes de Ingeniería de la UAGro. Se aplicó la escala tipo Likert en cada ítem y se
usaron 3 dimensiones o factores. Se utilizó el software RStudio para el análisis factorial confirmatorio
y su bondad de ajuste, así como la fiabilidad del instrumento. El Alfa de Cronbach fue de 0.855, que se
interpreta como Buena, con 12 elementos en el instrumento. El análisis factorial confirmatorio afirma
que los resultados obtenidos fueron adecuados, asimismo, los índices de bondad de ajuste. Al preguntar
si se conocen las herramientas digitales, la mayoría respondieron que las conoce poco; el ChatGPT y la
plataforma Duolingo son las que más conocen y más utilizán como herramienta de IA para mejorar el
inglés, con pocas horas de frecuencia en su uso. Finalmente, los estudiantes respondieron como buenos
los niveles alcanzados en Reading y Speaking, así como en Writing y Listening, mientras que la
Comprensión Lectora fue la habilidad lingüística más desarrollada.
Palabras clave: Inteligencia Artificial; efectividad; habilidades lingüísticas; aprendizaje de inglés;
estudiantes universitarios
1 Autor principal
Correspondencia: mariluvallet@gmail.com
pág. 3592
Contribution of Artificial Intelligence as a means of learning the English
language for the development of language skills in engineering students
ABSTRACT
Artificial intelligence or platforms to learn English and improve language skills are tools known today.
English has become an essential part of academic and professional development, because it provides
better opportunities in the workplace and professionally. The objective of this work was to analyze the
contribution of digital AI tools as a means for learning English, the frequency of the use of AI, its
effectiveness, and the development of language skills in UAGro Engineering students. The Likert scale
was applied to each item and 3 dimensions or factors were used. RStudio software was used for
confirmatory factor analysis and its goodness of fit, as well as the reliability of the instrument.
Cronbach's Alpha was 0.855, which is interpreted as Good, with 12 elements in the instrument. The
confirmatory factor analysis affirms that the results obtained were adequate, as well as the goodness of
fit indices. When asked if they know about digital tools, most answered that they know little about them;
ChatGPT and the Duolingo platform are the ones they know the most.
Keywords: Artificial Intelligence; effectiveness; language skills; learning English; university students
Artículo recibido 20 octubre 2025
Aceptado para publicación: 15 noviembre 2025
Contribution of Artificial Intelligence as a means of learning the English
language for the development of language skills in engineering students
ABSTRACT
Artificial intelligence or platforms to learn English and improve language skills are tools known today.
English has become an essential part of academic and professional development, because it provides
better opportunities in the workplace and professionally. The objective of this work was to analyze the
contribution of digital AI tools as a means for learning English, the frequency of the use of AI, its
effectiveness, and the development of language skills in UAGro Engineering students. The Likert scale
was applied to each item and 3 dimensions or factors were used. RStudio software was used for
confirmatory factor analysis and its goodness of fit, as well as the reliability of the instrument.
Cronbach's Alpha was 0.855, which is interpreted as Good, with 12 elements in the instrument. The
confirmatory factor analysis affirms that the results obtained were adequate, as well as the goodness of
fit indices. When asked if they know about digital tools, most answered that they know little about them;
ChatGPT and the Duolingo platform are the ones they know the most.
Keywords: Artificial Intelligence; effectiveness; language skills; learning English; university students
Artículo recibido 20 octubre 2025
Aceptado para publicación: 15 noviembre 2025
pág. 3593
INTRODUCCIÓN
El mundo globalizado demanda una preparación con alto sentido de responsabilidad hacia la parte
profesional como laboral, debido a que la globalización es de hoy, así también, el inglés se ha convertido
en parte esencial para el desarrollo académico y profesional, debido a que es un idioma universal que
otorga mejores oportunidades a los profesionistas en el ámbito laboral, permitiendo su inserción en
organizaciones internacionales, lo que facilitará que el conocimiento científico y tecnológico puedan
estar presentes, el dominio del idioma inglés no solo facilita la comunicación internacional sino además
permite el desarrollo de habilidades cognitivas (Donoso et al., 2023).
No obstante, Cali-Magallanes et al., (2024) mencionan que la enseñanza y aprendizaje del inglés en la
educación superior enfrentan varios retos, entre los que destacan la falta de recursos para su mejor
aprendizaje, por lo que surge la necesidad de ofrecer nuevos escenarios para innovar la enseñanza del
inglés, fructificando los beneficios que ofrecen el uso de nuevas tecnologías, así como también los
enfoques comunicativos y las metodologías activas. Donoso et al., (2023) refieren que el uso de
herramientas digitales como la Inteligencia Artificial (IA) ha venido a evolucionar la enseñanza del
idioma, convirtiéndose en una herramienta innovadora para enriquecer la enseñanza del inglés, al ofrecer
soluciones innovadoras que complementan el trabajo docente y potencian el aprendizaje de los
estudiantes.
Mientras tanto, en el contexto educativo, el manejo de una segunda lengua como el inglés considerado
como el idioma universal, permite a los estudiantes el acceso a un extenso panorama de oportunidades
como programas de intercambio, becas para estudios de licenciaturas y posgrados en países donde el
lenguaje oficial es el inglés, (Paniagua et al., 2025). Debido a que hoy día es el idioma oficial para tareas
de investigación, factor que lo convierte en una necesidad en los avances del conocimiento.
Diversos estudios han analizado de manera experimental el uso de la IA en la enseñanza y aprendizaje
del inglés, mostrando resultados significativos en el estudiante, así lo han documentado investigadores
de diversos países, por medio de investigaciones que respaldan como la integración de la IA en los
procesos de aprendizaje mejoran la adquisición de competencias lingüísticas, aumentan la motivación
del estudiante y contribuye a mayor acceso a una educación de calidad con oportunidades precarias
(Paniagua et al., 2025), lo que permite aminorar las desigualdades, mejorar los resultados educativos y
INTRODUCCIÓN
El mundo globalizado demanda una preparación con alto sentido de responsabilidad hacia la parte
profesional como laboral, debido a que la globalización es de hoy, así también, el inglés se ha convertido
en parte esencial para el desarrollo académico y profesional, debido a que es un idioma universal que
otorga mejores oportunidades a los profesionistas en el ámbito laboral, permitiendo su inserción en
organizaciones internacionales, lo que facilitará que el conocimiento científico y tecnológico puedan
estar presentes, el dominio del idioma inglés no solo facilita la comunicación internacional sino además
permite el desarrollo de habilidades cognitivas (Donoso et al., 2023).
No obstante, Cali-Magallanes et al., (2024) mencionan que la enseñanza y aprendizaje del inglés en la
educación superior enfrentan varios retos, entre los que destacan la falta de recursos para su mejor
aprendizaje, por lo que surge la necesidad de ofrecer nuevos escenarios para innovar la enseñanza del
inglés, fructificando los beneficios que ofrecen el uso de nuevas tecnologías, así como también los
enfoques comunicativos y las metodologías activas. Donoso et al., (2023) refieren que el uso de
herramientas digitales como la Inteligencia Artificial (IA) ha venido a evolucionar la enseñanza del
idioma, convirtiéndose en una herramienta innovadora para enriquecer la enseñanza del inglés, al ofrecer
soluciones innovadoras que complementan el trabajo docente y potencian el aprendizaje de los
estudiantes.
Mientras tanto, en el contexto educativo, el manejo de una segunda lengua como el inglés considerado
como el idioma universal, permite a los estudiantes el acceso a un extenso panorama de oportunidades
como programas de intercambio, becas para estudios de licenciaturas y posgrados en países donde el
lenguaje oficial es el inglés, (Paniagua et al., 2025). Debido a que hoy día es el idioma oficial para tareas
de investigación, factor que lo convierte en una necesidad en los avances del conocimiento.
Diversos estudios han analizado de manera experimental el uso de la IA en la enseñanza y aprendizaje
del inglés, mostrando resultados significativos en el estudiante, así lo han documentado investigadores
de diversos países, por medio de investigaciones que respaldan como la integración de la IA en los
procesos de aprendizaje mejoran la adquisición de competencias lingüísticas, aumentan la motivación
del estudiante y contribuye a mayor acceso a una educación de calidad con oportunidades precarias
(Paniagua et al., 2025), lo que permite aminorar las desigualdades, mejorar los resultados educativos y
pág. 3594
ampliar el acceso a mejores oportunidades de aprendizaje.
Así mismo, Tello et al., (2024) refieren sobre investigaciones que han documentado la eficiencia de la
IA en el aprendizaje del inglés, integrándose a los entornos educativos como una herramienta disruptiva
que ha revolucionado los métodos antiguos de enseñanza y aprendizaje, creando ambientes agradables
para el estudiante que le incitan a aprender a su propio ritmo y necesidades. Haciendo énfasis en que el
uso de herramientas digitales con base en la IA mejora significativamente la adquisición de una nueva
lengua.
Por otra parte, (Guagchinga et al., 2024), argumentan que la inserción de la IA en el proceso de
enseñanza y aprendizaje es la clave para potenciar el aprendizaje autónomo en la enseñanza de un
segundo idioma. Debido a que las plataformas con IA se adaptan a las necesidades y ritmo de aprendizaje
del estudiante, lo que les permite decidir cuándo y cómo aprender, una flexibilidad útil, especialmente
para estudiantes con poco tiempo libre o que viven en lugares remotos. Además del uso de elementos
de gamificación (como juegos o retos), plataformas que permiten mantener a los estudiantes motivados
y comprometidos con su progreso, lo cual mejora la adquisición de un segundo idioma de manera
flexible y accesible.
Más aún, la IA está transformando las formas de enseñanza, al facilitar nuevas formas de educación,
como la educación a distancia y personalizada ya que los contenidos y la velocidad de enseñanza se
adaptan a las necesidades del estudiante. La IA está impulsando nuevos cursos y programas de
enseñanza que cambian los métodos tradicionales integrando tecnología avanzada Juca-Maldonado
(2023). Sin embargo, la IA no debe ser vista como un reemplazo de la enseñanza humana, ni como una
amenaza a la creatividad, ambas son esenciales en el proceso educativo. Es necesario enfatizar el uso de
la IA de manera responsable y ética, para prevenir la deshumanización en la educación y desigualdad
en el acceso a la misma. Por lo tanto, debe ser implementada en un ambiente creativo que motive al
estudiante hacia el aprendizaje, incentivando su pensamiento crítico, fomente la originalidad y respeto
al plagio.
Aunado a lo anterior, el objetivo del presente trabajo fue analizar el aporte de herramientas digitales
de Inteligencia Artificial o plataformas como medio de aprendizaje de inglés, así mismo, determinar su
efectividad en el desarrollo de habilidades lingüísticas para el mejoramiento del aprendizaje, en
ampliar el acceso a mejores oportunidades de aprendizaje.
Así mismo, Tello et al., (2024) refieren sobre investigaciones que han documentado la eficiencia de la
IA en el aprendizaje del inglés, integrándose a los entornos educativos como una herramienta disruptiva
que ha revolucionado los métodos antiguos de enseñanza y aprendizaje, creando ambientes agradables
para el estudiante que le incitan a aprender a su propio ritmo y necesidades. Haciendo énfasis en que el
uso de herramientas digitales con base en la IA mejora significativamente la adquisición de una nueva
lengua.
Por otra parte, (Guagchinga et al., 2024), argumentan que la inserción de la IA en el proceso de
enseñanza y aprendizaje es la clave para potenciar el aprendizaje autónomo en la enseñanza de un
segundo idioma. Debido a que las plataformas con IA se adaptan a las necesidades y ritmo de aprendizaje
del estudiante, lo que les permite decidir cuándo y cómo aprender, una flexibilidad útil, especialmente
para estudiantes con poco tiempo libre o que viven en lugares remotos. Además del uso de elementos
de gamificación (como juegos o retos), plataformas que permiten mantener a los estudiantes motivados
y comprometidos con su progreso, lo cual mejora la adquisición de un segundo idioma de manera
flexible y accesible.
Más aún, la IA está transformando las formas de enseñanza, al facilitar nuevas formas de educación,
como la educación a distancia y personalizada ya que los contenidos y la velocidad de enseñanza se
adaptan a las necesidades del estudiante. La IA está impulsando nuevos cursos y programas de
enseñanza que cambian los métodos tradicionales integrando tecnología avanzada Juca-Maldonado
(2023). Sin embargo, la IA no debe ser vista como un reemplazo de la enseñanza humana, ni como una
amenaza a la creatividad, ambas son esenciales en el proceso educativo. Es necesario enfatizar el uso de
la IA de manera responsable y ética, para prevenir la deshumanización en la educación y desigualdad
en el acceso a la misma. Por lo tanto, debe ser implementada en un ambiente creativo que motive al
estudiante hacia el aprendizaje, incentivando su pensamiento crítico, fomente la originalidad y respeto
al plagio.
Aunado a lo anterior, el objetivo del presente trabajo fue analizar el aporte de herramientas digitales
de Inteligencia Artificial o plataformas como medio de aprendizaje de inglés, así mismo, determinar su
efectividad en el desarrollo de habilidades lingüísticas para el mejoramiento del aprendizaje, en
pág. 3595
estudiantes de la Facultad de Ingeniería.
METODOLOGÍA
Para este estudio, se realizó una investigación con un enfoque cualitativo y cuantitativo (Hernández y
Mendoza, 2018) para analizar el aporte de herramientas digitales de IA en el aprendizaje de inglés, con
el propósito de mejorar las habilidades lungüísticas del estudiante. Utilizando un diseño no experimental
de tipo descriptivo, de acuerdo a Tamayo (2003), en la que se redacta el trabajo desde el espacio en el
que se realiza, además de presentar el análisis e interpretación de lo estudiado, aportando detalles que
ayuden a comprender el fenómeno sobre el uso de la IA como recurso pedagógico para mejorar el
aprendizaje de inglés, (Guacán et al., 2023).
El instrumento que se utilizó fue validado por cinco expertos en la materia y una prueba piloto con 10
observaciones basados en Santos et al., (2025), se trata de una encuesta que se aplicó a estudiantes de
la Facultad de Ingeniería de la Universidad Autónoma de Guerrero (UAGro), con un diseño no
experimental, acorde con (Dzul, 2018), no se manipuló ninguna variable, solo se observaron los hechos
en su estado genuino tal y como ocurren, para posteriormente llevar a cabo el análisis de los mismos, es
decir, no se construyó ninguna situación a nivel de campo.
Se analizó la información obtenida de las encuestas aplicadas a los estudiantes que ya cursaron el idioma
inglés, se solicitó a cada estudiante encuestado, respondieran de acuerdo a su experiencia sobre el uso
de la IA de forma directa o a través de plataformas para el aprendizaje de inglés que hayan mejorado
sus habilidades lingüísticas, para su análisis e interpretación de los resultados.
POBLACIÓN Y MUESTRA:
La investigación se realizó en la Facultad de Ingeniería de la UAGro, fue un estudio transversal
Hernández et al., (2014), con una muestra proporcional al tamaño de la población del 20%, de una
población total de 755 estudiantes de Ingeniería, los cuales ya cursaron el idioma inglés y actualmente
cursan el período lectivo Agosto 2025 – Enero 2026, logrando un tamaño de muestra de 151 estudiantes
de los programas de Ingeniero Civil, Ingeniero en Computación, Ingeniero Constructor, e Ingeniero
Topógrafo y Geomático.
La investigación fue por conveniencia, de acuerdo a Hernández & Carpio (2019), debido a que se tenía
acceso a los estudiantes encuestados, antes de compartir el formulario se les explicó el objetivo de la
estudiantes de la Facultad de Ingeniería.
METODOLOGÍA
Para este estudio, se realizó una investigación con un enfoque cualitativo y cuantitativo (Hernández y
Mendoza, 2018) para analizar el aporte de herramientas digitales de IA en el aprendizaje de inglés, con
el propósito de mejorar las habilidades lungüísticas del estudiante. Utilizando un diseño no experimental
de tipo descriptivo, de acuerdo a Tamayo (2003), en la que se redacta el trabajo desde el espacio en el
que se realiza, además de presentar el análisis e interpretación de lo estudiado, aportando detalles que
ayuden a comprender el fenómeno sobre el uso de la IA como recurso pedagógico para mejorar el
aprendizaje de inglés, (Guacán et al., 2023).
El instrumento que se utilizó fue validado por cinco expertos en la materia y una prueba piloto con 10
observaciones basados en Santos et al., (2025), se trata de una encuesta que se aplicó a estudiantes de
la Facultad de Ingeniería de la Universidad Autónoma de Guerrero (UAGro), con un diseño no
experimental, acorde con (Dzul, 2018), no se manipuló ninguna variable, solo se observaron los hechos
en su estado genuino tal y como ocurren, para posteriormente llevar a cabo el análisis de los mismos, es
decir, no se construyó ninguna situación a nivel de campo.
Se analizó la información obtenida de las encuestas aplicadas a los estudiantes que ya cursaron el idioma
inglés, se solicitó a cada estudiante encuestado, respondieran de acuerdo a su experiencia sobre el uso
de la IA de forma directa o a través de plataformas para el aprendizaje de inglés que hayan mejorado
sus habilidades lingüísticas, para su análisis e interpretación de los resultados.
POBLACIÓN Y MUESTRA:
La investigación se realizó en la Facultad de Ingeniería de la UAGro, fue un estudio transversal
Hernández et al., (2014), con una muestra proporcional al tamaño de la población del 20%, de una
población total de 755 estudiantes de Ingeniería, los cuales ya cursaron el idioma inglés y actualmente
cursan el período lectivo Agosto 2025 – Enero 2026, logrando un tamaño de muestra de 151 estudiantes
de los programas de Ingeniero Civil, Ingeniero en Computación, Ingeniero Constructor, e Ingeniero
Topógrafo y Geomático.
La investigación fue por conveniencia, de acuerdo a Hernández & Carpio (2019), debido a que se tenía
acceso a los estudiantes encuestados, antes de compartir el formulario se les explicó el objetivo de la
pág. 3596
encuesta, por lo tanto, se les pidió su aprobación para participar en la investigación y resolución del
instrumento.
La encuesta se aplicó durante tres días para obtener el total de muestra para esta investigación,
posteriormente ya concluida la aplicación, se descargó el fomulario de Google Forms al programa de
Microsoft Excel 2025, versión 16.94, para realizar el análisis de los datos en el software R Studio versión
4.5.1.
Tabla 1. Distribución de la muestra
Programa Educativo ICiv ITyG IComp ICons Total
No. Estudiantes 50 46 35 20 151
Fuente: Elaboración propia.
Nota: ICiv=Ingeniero Civil, ITyG=Ingeniero Topógrafo y Geomático,
IComp=Ingeniero en Computación, ICons=Ingeniero Constructor
INSTRUMENTO
El instrumento fue adaptado del trabajo de investigación de (Santos et al., 2025). La validez de su
contenido se hizo a través del juicio de 5 expertos en la materia para validar los ítems en su calidad y
pertinencia. Así mismo, se realizó una prueba piloto de 10 encuestas para probar dicho instrumento.
La encuesta fue diseñada en el formulario de Google Forms, misma que se analizó con tres dimensiones,
como: 1) Herramienta de IA o plataforma más utilizada por los estudiantes en el aprendizaje de inglés,
2) Efectividad de la herramienta de IA o plataforma en el aprendizaje de inglés, y 3) Habilidades
lingüísticas más desarrolladas en los estudiantes al hacer uso de la herramienta de IA o plataforma en el
aprendizaje de inglés. Se integró por 12 ítems y se compartió el link de la encuesta a través de los grupos
de WhatsApp que se tienen con los semestres que ya cursaron inglés. Se dió la indicación que
respondieran de acuerdo a su experiencia con el uso de IA o plataforma que utilizan para el aprendizaje
y mejoramiento de las habilidades lingüísticas de inglés.
A continuación, se presenta las dimensiones y los ítems que componen a cada una de ellas. Se utilizó la
escala de Likert, Matas (2018).
Tabla 2. Factores o dimensiones e ítems para el estudio de validación del instrumento
encuesta, por lo tanto, se les pidió su aprobación para participar en la investigación y resolución del
instrumento.
La encuesta se aplicó durante tres días para obtener el total de muestra para esta investigación,
posteriormente ya concluida la aplicación, se descargó el fomulario de Google Forms al programa de
Microsoft Excel 2025, versión 16.94, para realizar el análisis de los datos en el software R Studio versión
4.5.1.
Tabla 1. Distribución de la muestra
Programa Educativo ICiv ITyG IComp ICons Total
No. Estudiantes 50 46 35 20 151
Fuente: Elaboración propia.
Nota: ICiv=Ingeniero Civil, ITyG=Ingeniero Topógrafo y Geomático,
IComp=Ingeniero en Computación, ICons=Ingeniero Constructor
INSTRUMENTO
El instrumento fue adaptado del trabajo de investigación de (Santos et al., 2025). La validez de su
contenido se hizo a través del juicio de 5 expertos en la materia para validar los ítems en su calidad y
pertinencia. Así mismo, se realizó una prueba piloto de 10 encuestas para probar dicho instrumento.
La encuesta fue diseñada en el formulario de Google Forms, misma que se analizó con tres dimensiones,
como: 1) Herramienta de IA o plataforma más utilizada por los estudiantes en el aprendizaje de inglés,
2) Efectividad de la herramienta de IA o plataforma en el aprendizaje de inglés, y 3) Habilidades
lingüísticas más desarrolladas en los estudiantes al hacer uso de la herramienta de IA o plataforma en el
aprendizaje de inglés. Se integró por 12 ítems y se compartió el link de la encuesta a través de los grupos
de WhatsApp que se tienen con los semestres que ya cursaron inglés. Se dió la indicación que
respondieran de acuerdo a su experiencia con el uso de IA o plataforma que utilizan para el aprendizaje
y mejoramiento de las habilidades lingüísticas de inglés.
A continuación, se presenta las dimensiones y los ítems que componen a cada una de ellas. Se utilizó la
escala de Likert, Matas (2018).
Tabla 2. Factores o dimensiones e ítems para el estudio de validación del instrumento
pág. 3597
Factores/Dimensiones Ítems
Herramienta de IA o plataforma más
utilizada por los estudiantes en el
aprendizaje de inglés.
X1. ¿Conoces cuáles son las herramientas digitales de
Inteligencia Artificial (IA)?
X2. ¿Cómo es la frecuencia con la que utilizas IA o plataforma
para mejorar el aprendizaje de inglés?
X3. ¿Qué herramienta de IA o plataforma conoces más?
X4. ¿Qué herramienta de IA o plataforma utilizas más para
mejorar el aprendizaje de inglés?
Efectividad de la herramienta de IA o
plataforma en el aprendizaje de
inglés.
X5. ¿En qué nivel el uso de IA o plataforma mejoró tu
aprendizaje de inglés?
X6. ¿Con qué frecuencia utilizas la IA o plataforma para mejorar
el aprendizaje de inglés?
Habilidades lingüísticas más
desarrolladas en los estudiantes al
hacer uso de la herramienta de IA o
plataforma en el aprendizaje de
inglés.
X7. ¿Qué nivel alcanzaste al utilizar la IA o plataforma en
Reading?
X8. ¿Qué nivel alcanzaste al utilizar la IA o plataforma en
Comprensión Lectora?
X9. ¿Qué nivel alcanzaste al utilizar la IA o plataforma en
Writing?
X10. ¿Qué nivel alcanzaste al utilizar la IA o plataforma en
Listening?
X11. ¿Qué nivel alcanzaste al utilizar la IA o plataforma en
Speaking?
X12. ¿Qué habilidad lingüística consideras más desarrollada
gracias al uso de la IA o plataforma?
Fuente: Elaboración propia adaptada de (Santos et al., 2025).
RESULTADOS
El Alfa de Cronbach. Una primera parte de los resultados consiste en evaluar el cuestionario. El Alfa
de Cronbach es un método de cálculo del coeficiente de fiabilidad, que nos ayuda a medir cuán
consistentes y relacionadas entre sí son las preguntas en una escala de medición en un cuestionario,
Cervantes (2005). El Alfa de Cronbach analiza la correlación entre las preguntas de un cuestionario. El
Alfa será alto si las preguntas miden la misma idea o concepto, y una mayor confiabilidad del
cuestionario.
Factores/Dimensiones Ítems
Herramienta de IA o plataforma más
utilizada por los estudiantes en el
aprendizaje de inglés.
X1. ¿Conoces cuáles son las herramientas digitales de
Inteligencia Artificial (IA)?
X2. ¿Cómo es la frecuencia con la que utilizas IA o plataforma
para mejorar el aprendizaje de inglés?
X3. ¿Qué herramienta de IA o plataforma conoces más?
X4. ¿Qué herramienta de IA o plataforma utilizas más para
mejorar el aprendizaje de inglés?
Efectividad de la herramienta de IA o
plataforma en el aprendizaje de
inglés.
X5. ¿En qué nivel el uso de IA o plataforma mejoró tu
aprendizaje de inglés?
X6. ¿Con qué frecuencia utilizas la IA o plataforma para mejorar
el aprendizaje de inglés?
Habilidades lingüísticas más
desarrolladas en los estudiantes al
hacer uso de la herramienta de IA o
plataforma en el aprendizaje de
inglés.
X7. ¿Qué nivel alcanzaste al utilizar la IA o plataforma en
Reading?
X8. ¿Qué nivel alcanzaste al utilizar la IA o plataforma en
Comprensión Lectora?
X9. ¿Qué nivel alcanzaste al utilizar la IA o plataforma en
Writing?
X10. ¿Qué nivel alcanzaste al utilizar la IA o plataforma en
Listening?
X11. ¿Qué nivel alcanzaste al utilizar la IA o plataforma en
Speaking?
X12. ¿Qué habilidad lingüística consideras más desarrollada
gracias al uso de la IA o plataforma?
Fuente: Elaboración propia adaptada de (Santos et al., 2025).
RESULTADOS
El Alfa de Cronbach. Una primera parte de los resultados consiste en evaluar el cuestionario. El Alfa
de Cronbach es un método de cálculo del coeficiente de fiabilidad, que nos ayuda a medir cuán
consistentes y relacionadas entre sí son las preguntas en una escala de medición en un cuestionario,
Cervantes (2005). El Alfa de Cronbach analiza la correlación entre las preguntas de un cuestionario. El
Alfa será alto si las preguntas miden la misma idea o concepto, y una mayor confiabilidad del
cuestionario.
pág. 3598
Tabla 3. Indicadores de fiabilidad del instrumento
Factor No. de ítems Alfa de Cronbach
Utilizadas 4 0.4652148
Efectividad 2 0.6477914
Habilidades 6 0.8830376
Fuente: Elaboración propia.
El Alfa de Cronbach en este estudio fue de 0.855, que se interpreta como Buena, con 12 elementos en
el cuestionario. Los resultados anteriores muestran que los valores de Alfa de Cronbach son bastantes
buenos, con excepción de Alfa de Cronbach para el factor Utilizadas, que tiene una fiabilidad mediocre.
Análisis Factorial Confirmatorio (AFC). Es una herramienta utilizada para medir la fiabilidad y
validez de un modelo de investigación a través de la validación de la estructura de un instrumento de
medición. El AFC se organiza, de cinco fases: especificación del modelo, identificación, estimación de
parámetros, ajustes del modelo e interpretación (Lévy y Varela, 2006), citado por, Martínez (2021).
Tabla 4. Análisis Factorial Confirmatorio. Estimaciones, errores estándar, valores Z y P-valores.
Estimación Error estándar Valor Z Valor P
Utilizadas
X1 1.000
X2 1.894 0.423 4.479 0.000
X3 0.613 0.286 2.141 0.032
X4 0.902 0.386 2.333 0.020
Efectividad
X5 1.000
X6 0.717 0.112 6.403 0.000
Habilidades
X7 1.000
X8 0.944 0.079 11.978 0.000
X9 1.121 0.078 14.382 0.000
Tabla 3. Indicadores de fiabilidad del instrumento
Factor No. de ítems Alfa de Cronbach
Utilizadas 4 0.4652148
Efectividad 2 0.6477914
Habilidades 6 0.8830376
Fuente: Elaboración propia.
El Alfa de Cronbach en este estudio fue de 0.855, que se interpreta como Buena, con 12 elementos en
el cuestionario. Los resultados anteriores muestran que los valores de Alfa de Cronbach son bastantes
buenos, con excepción de Alfa de Cronbach para el factor Utilizadas, que tiene una fiabilidad mediocre.
Análisis Factorial Confirmatorio (AFC). Es una herramienta utilizada para medir la fiabilidad y
validez de un modelo de investigación a través de la validación de la estructura de un instrumento de
medición. El AFC se organiza, de cinco fases: especificación del modelo, identificación, estimación de
parámetros, ajustes del modelo e interpretación (Lévy y Varela, 2006), citado por, Martínez (2021).
Tabla 4. Análisis Factorial Confirmatorio. Estimaciones, errores estándar, valores Z y P-valores.
Estimación Error estándar Valor Z Valor P
Utilizadas
X1 1.000
X2 1.894 0.423 4.479 0.000
X3 0.613 0.286 2.141 0.032
X4 0.902 0.386 2.333 0.020
Efectividad
X5 1.000
X6 0.717 0.112 6.403 0.000
Habilidades
X7 1.000
X8 0.944 0.079 11.978 0.000
X9 1.121 0.078 14.382 0.000
pág. 3599
X10 1.076 0.074 14.548 0.000
X11 1.005 0.077 13.013 0.000
X12 0.447 0.141 3.181 0.001
Covarianzas
Utilizadas ~~
Efectividad 0.270 0.063 4.287 0.000
Habilidades 0.182 0.048 3.799 0.000
Efectividad ~~
Habilidades 0.472 0.074 6.373 0.000
Fuente: Elaboración propia.
En la tabla anterior, se muestra que los valores de Z son grandes y sus respectivos p valores son bastantes
pequeños, menores que el p-valor 0.05, es decir, todos son significativos estadísticamente. Con los
anteriores resultados se asegura que la evaluación del cuestionario es bastante buena.
Prueba de Bartlett. El análisis estadístico de la matriz de correlaciones, para evaluar la asociación entre
las variables contenidas en el cuestionario. Esta prueba fue diseñada para probar Ho: que todas las
varianzas son iguales contra Ha: que las varianzas sean desiguales al menos para dos grupos. En este
estudio, dicha prueba fue de un valor Chi-cuadrada de 858.05, con 66 grados de libertad, y un p-valor
de 3.376168e-138. Es decir, se rechaza Ho y, por lo tanto, se acepta que las varianzas de las variables
aleatorias son diferentes.
Prueba de esfericidad de Kaiser-Meyer-Olkin (KMO). Es una medida para buscar la idoneidad de
los datos para el análisis factorial. La prueba estudia la adecuación del muestreo para cada variable en
el modelo y para todo el modelo completo. Se trata de una medida de la proporción de varianza entre
variables que pudiera ser varianza común.
Tabla 5. Valores de la prueba de esfericidad KMO.
KMO para cada Ítem
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12
0.94 0.82 0.61 0.62 0.91 0.86 0.89 0.90 0.90 0.86 0.90 0.90
X10 1.076 0.074 14.548 0.000
X11 1.005 0.077 13.013 0.000
X12 0.447 0.141 3.181 0.001
Covarianzas
Utilizadas ~~
Efectividad 0.270 0.063 4.287 0.000
Habilidades 0.182 0.048 3.799 0.000
Efectividad ~~
Habilidades 0.472 0.074 6.373 0.000
Fuente: Elaboración propia.
En la tabla anterior, se muestra que los valores de Z son grandes y sus respectivos p valores son bastantes
pequeños, menores que el p-valor 0.05, es decir, todos son significativos estadísticamente. Con los
anteriores resultados se asegura que la evaluación del cuestionario es bastante buena.
Prueba de Bartlett. El análisis estadístico de la matriz de correlaciones, para evaluar la asociación entre
las variables contenidas en el cuestionario. Esta prueba fue diseñada para probar Ho: que todas las
varianzas son iguales contra Ha: que las varianzas sean desiguales al menos para dos grupos. En este
estudio, dicha prueba fue de un valor Chi-cuadrada de 858.05, con 66 grados de libertad, y un p-valor
de 3.376168e-138. Es decir, se rechaza Ho y, por lo tanto, se acepta que las varianzas de las variables
aleatorias son diferentes.
Prueba de esfericidad de Kaiser-Meyer-Olkin (KMO). Es una medida para buscar la idoneidad de
los datos para el análisis factorial. La prueba estudia la adecuación del muestreo para cada variable en
el modelo y para todo el modelo completo. Se trata de una medida de la proporción de varianza entre
variables que pudiera ser varianza común.
Tabla 5. Valores de la prueba de esfericidad KMO.
KMO para cada Ítem
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12
0.94 0.82 0.61 0.62 0.91 0.86 0.89 0.90 0.90 0.86 0.90 0.90
pág. 3600
KMO global = 0.88
Fuente: Elaboración propia.
Al comparar con los valores de referencia, en el presente estudio se obtuvo que la mayoría de los ítems
se lograron valores mayores a 0.80, o sea son muy buenos; mientras que solo en dos de ellos, X3 y X4
se obtuvieron valores que pueden interpretarse como mediocres, al igual que sucedió con ellos con sus
p-valores, en la Tabla 5, mientras que el valor global de 0.88 es bastante bueno.
Índices de bondad de ajuste. Los criterios de bondad de ajuste son métodos que se usan para evaluar
que tan bien ajusta un modelo estadístico a los datos observados, se apoya en la comparación de la
distribución teórica preestablecidas por el modelo y la distribución real de los datos.
1. RMSEA (Root Mean Square Error of Approximation). Error Cuadrático Medio de
Aproximación de Raíz. Este criterio evalúa la cantidad de error existente entre el modelo propuesto y
las covarianzas reales observadas en los datos. Valores menores a 0.08 representan un ajuste aceptable,
y menores a 0.06 indican un ajuste excelente (Hooper et al., 2008).
2. SRMR (Standardized Root Mean Square Residual). Residuo Cuadrático Medio de Raíz
Estandarizado. Mide la discrepancia entre las covarianzas y las covarianzas reproducidas en el modelo.
Cuantifica si el modelo de factores logró capturar de manera precisa las correlaciones entre todas las
preguntas del instrumento. Valores menores a 0.08 significan un ajuste aceptable, y menores a 0.05
indican un ajuste excelente (Hooper et al., 2008).
3. TLI (Índice de Tucker-Lewis). También conocido como NNFI (Índice de Ajuste no Normalizado),
es un índice de bondad de ajuste incremental, evalúa qué tan bien un modelo se ajusta a los datos. Se
calcula comparando el ajuste del modelo propuesto con el ajuste de un modelo nulo. El TLI se interpreta
en una escala que va de 0.90 o superior, se considera un buen ajuste, mientras que uno más de 0.95
indica un ajuste óptimo (Hooper et al., 2008).
4. CFI (Comparative Fit Index). Índice de Ajuste Comparativo. Este modelo compara el ajuste del
modelo propuesto con el ajuste de un modelo nulo. Indica si el modelo de medición es sustancialmente
mejor al explicar las relaciones entre las variables observadas. Se interpreta en una escala de 0 y 1.
KMO global = 0.88
Fuente: Elaboración propia.
Al comparar con los valores de referencia, en el presente estudio se obtuvo que la mayoría de los ítems
se lograron valores mayores a 0.80, o sea son muy buenos; mientras que solo en dos de ellos, X3 y X4
se obtuvieron valores que pueden interpretarse como mediocres, al igual que sucedió con ellos con sus
p-valores, en la Tabla 5, mientras que el valor global de 0.88 es bastante bueno.
Índices de bondad de ajuste. Los criterios de bondad de ajuste son métodos que se usan para evaluar
que tan bien ajusta un modelo estadístico a los datos observados, se apoya en la comparación de la
distribución teórica preestablecidas por el modelo y la distribución real de los datos.
1. RMSEA (Root Mean Square Error of Approximation). Error Cuadrático Medio de
Aproximación de Raíz. Este criterio evalúa la cantidad de error existente entre el modelo propuesto y
las covarianzas reales observadas en los datos. Valores menores a 0.08 representan un ajuste aceptable,
y menores a 0.06 indican un ajuste excelente (Hooper et al., 2008).
2. SRMR (Standardized Root Mean Square Residual). Residuo Cuadrático Medio de Raíz
Estandarizado. Mide la discrepancia entre las covarianzas y las covarianzas reproducidas en el modelo.
Cuantifica si el modelo de factores logró capturar de manera precisa las correlaciones entre todas las
preguntas del instrumento. Valores menores a 0.08 significan un ajuste aceptable, y menores a 0.05
indican un ajuste excelente (Hooper et al., 2008).
3. TLI (Índice de Tucker-Lewis). También conocido como NNFI (Índice de Ajuste no Normalizado),
es un índice de bondad de ajuste incremental, evalúa qué tan bien un modelo se ajusta a los datos. Se
calcula comparando el ajuste del modelo propuesto con el ajuste de un modelo nulo. El TLI se interpreta
en una escala que va de 0.90 o superior, se considera un buen ajuste, mientras que uno más de 0.95
indica un ajuste óptimo (Hooper et al., 2008).
4. CFI (Comparative Fit Index). Índice de Ajuste Comparativo. Este modelo compara el ajuste del
modelo propuesto con el ajuste de un modelo nulo. Indica si el modelo de medición es sustancialmente
mejor al explicar las relaciones entre las variables observadas. Se interpreta en una escala de 0 y 1.
pág. 3601
Valores mayores a 0.95 significan un ajuste excelente, y valores mayores o iguales a 0.90 significan un
ajuste aceptable (Hooper et al., 2008).
Tabla 6. Índices de bondad de ajuste del modelo Análisis Factorial Confirmatorio.
Índice de Ajuste Valor Criterio de límite Interpretación
RMSEA 0.068 <0.08 Excelente
SRMR 0.055 <0.08 Excelente
CFI 0.957 >0.90 Excelente
TLI 0.945 >0.90 Buen ajuste
Fuente: Elaboración propia.
Los resultados en la Tabla 6 muestran valores de RMSEA y de SRMR menores que 0.08, lo cual suele
interpretarse como valores excelentes; mientras que los de CFI y TLI son valores mayores a 0.90, lo
cual se interpretan también como valores excelente y de buen ajuste. En conclusión, dichos resultados
indican que el modelo estadístico AFC se ajusta bastante bien a los datos observados en este trabajo.
Por lo tanto, es un modelo válido.
Una vez concluido el análisis la evaluación del cuestionario, enseguida se presentan los resultados
descriptivos de cada una de las preguntas de dicho instrumento, para observar el comportamieno de los
estudiantes entrevistados.
Valores mayores a 0.95 significan un ajuste excelente, y valores mayores o iguales a 0.90 significan un
ajuste aceptable (Hooper et al., 2008).
Tabla 6. Índices de bondad de ajuste del modelo Análisis Factorial Confirmatorio.
Índice de Ajuste Valor Criterio de límite Interpretación
RMSEA 0.068 <0.08 Excelente
SRMR 0.055 <0.08 Excelente
CFI 0.957 >0.90 Excelente
TLI 0.945 >0.90 Buen ajuste
Fuente: Elaboración propia.
Los resultados en la Tabla 6 muestran valores de RMSEA y de SRMR menores que 0.08, lo cual suele
interpretarse como valores excelentes; mientras que los de CFI y TLI son valores mayores a 0.90, lo
cual se interpretan también como valores excelente y de buen ajuste. En conclusión, dichos resultados
indican que el modelo estadístico AFC se ajusta bastante bien a los datos observados en este trabajo.
Por lo tanto, es un modelo válido.
Una vez concluido el análisis la evaluación del cuestionario, enseguida se presentan los resultados
descriptivos de cada una de las preguntas de dicho instrumento, para observar el comportamieno de los
estudiantes entrevistados.
pág. 3602
Figura 1. Figura 2.
Figura 1. Se observa que a la pregunta ¿Conoces cuáles son las herramientas digitales de IA? los
estudiantes contestaron el 50.3% A veces, que representa la mayoría de ellos; el 22.5% contestaron que
Demasiado y otro 22.5% Poco.
Figura 2. Sobre la pregunta ¿Frecuencia con la que usas IA para mejorar el inglés? la mayoría respondió
con el 41.06% A veces, seguido de 31.1% Poco. En resumen, en ambas preguntas los encuestados por
mayoría respondió que A veces, seguido de Poco.
Figura 1. Figura 2.
Figura 1. Se observa que a la pregunta ¿Conoces cuáles son las herramientas digitales de IA? los
estudiantes contestaron el 50.3% A veces, que representa la mayoría de ellos; el 22.5% contestaron que
Demasiado y otro 22.5% Poco.
Figura 2. Sobre la pregunta ¿Frecuencia con la que usas IA para mejorar el inglés? la mayoría respondió
con el 41.06% A veces, seguido de 31.1% Poco. En resumen, en ambas preguntas los encuestados por
mayoría respondió que A veces, seguido de Poco.
pág. 3603
Figura 3. Figura 4.
Figura 3. Cuando se preguntó ¿Qué herramienta de IA o plataforma conoces más?, los estudiantes
respondieron en un 72.8% que el ChatGPT, y con apenas 11.9% respondió que Duolingo es la segunda
IA o plataforma que más conoce.
Figura 4. Por su parte, a la pregunta ¿Qué herramienta de IA usas más para mejorar el inglés?, una
amplia mayoría respondió que Duolingo con 43% y el ChapGPT con 41.1%. Es decir, que el ChatGPT
y el Duolingo son las IA que más conocen y que además son las que más utilizan como herramienta de
IA o plataforma para mejorar el inglés.
Figura 3. Figura 4.
Figura 3. Cuando se preguntó ¿Qué herramienta de IA o plataforma conoces más?, los estudiantes
respondieron en un 72.8% que el ChatGPT, y con apenas 11.9% respondió que Duolingo es la segunda
IA o plataforma que más conoce.
Figura 4. Por su parte, a la pregunta ¿Qué herramienta de IA usas más para mejorar el inglés?, una
amplia mayoría respondió que Duolingo con 43% y el ChapGPT con 41.1%. Es decir, que el ChatGPT
y el Duolingo son las IA que más conocen y que además son las que más utilizan como herramienta de
IA o plataforma para mejorar el inglés.
pág. 3604
Figura 5. Figura. 6
Figura 5. A la pregunta ¿En qué nivel el uso de IA mejoró tu aprendizaje de inglés?, los estudiantes
entrevistados respondieron con Bueno en un 37% , Muy bueno con 29.1% y Regular con 26.4%; es
decir, la gran mayoría el 93% respondieron que entre Muy bueno y Regular ha sido el uso de la IA para
el mejoramiento del aprendizaje de inglés.
Figura 6. Mientras que a la pregunta ¿Con qué frecuencia usas IA para mejorar el inglés?, el 46.4%
respondió que 1 hora a la semana; en segundo lugar con 21.2% respondió que 3 horas a la semana. En
suma, entre Muy bueno y Regular es el nivel del uso de IA y la frecuencia en el uso es de 1 hora a la
semana para mejorar el aprendizaje de inglés.
Figura 7. Figura 8.
Figura 5. Figura. 6
Figura 5. A la pregunta ¿En qué nivel el uso de IA mejoró tu aprendizaje de inglés?, los estudiantes
entrevistados respondieron con Bueno en un 37% , Muy bueno con 29.1% y Regular con 26.4%; es
decir, la gran mayoría el 93% respondieron que entre Muy bueno y Regular ha sido el uso de la IA para
el mejoramiento del aprendizaje de inglés.
Figura 6. Mientras que a la pregunta ¿Con qué frecuencia usas IA para mejorar el inglés?, el 46.4%
respondió que 1 hora a la semana; en segundo lugar con 21.2% respondió que 3 horas a la semana. En
suma, entre Muy bueno y Regular es el nivel del uso de IA y la frecuencia en el uso es de 1 hora a la
semana para mejorar el aprendizaje de inglés.
Figura 7. Figura 8.
pág. 3605
Figura 7. Ante la pregunta ¿Qué nivel alcanzaste al usar IA en Reading?, los estudiantes respondieron
que Bueno el 39.1%, Regular el 35.8% y Muy bueno el 17.9%, a los niveles alcanzados usando IA en
Reading, como parte del aprendizaje de inglés.
Figura 8. En cuanto a la pregunta ¿Qué nivel alcanzaste al usar IA en Compresión Lectora?, los
entrevistados respondieron Bueno el 40.4%, un Regular el 29.1%, y un Muy bueno el 22.5%, a los
niveles alcanzados en Comprensión Lectora. En resumen, los estudiantes respondieron con Bueno y
Regular los niveles alcanzados en Reading, asimismo, Bueno y Regular a los niveles alcanzados al usar
IA para la Comprensión Lectora.
Figura 9. Figura 10.
Figura 7. Ante la pregunta ¿Qué nivel alcanzaste al usar IA en Reading?, los estudiantes respondieron
que Bueno el 39.1%, Regular el 35.8% y Muy bueno el 17.9%, a los niveles alcanzados usando IA en
Reading, como parte del aprendizaje de inglés.
Figura 8. En cuanto a la pregunta ¿Qué nivel alcanzaste al usar IA en Compresión Lectora?, los
entrevistados respondieron Bueno el 40.4%, un Regular el 29.1%, y un Muy bueno el 22.5%, a los
niveles alcanzados en Comprensión Lectora. En resumen, los estudiantes respondieron con Bueno y
Regular los niveles alcanzados en Reading, asimismo, Bueno y Regular a los niveles alcanzados al usar
IA para la Comprensión Lectora.
Figura 9. Figura 10.
pág. 3606
Figura 9. Para la pregunta ¿Qué nivel alcanzaste al usar IA o plataforma en Writing?, los estudiantes
respondieron con Bueno en un 36.4%, Regular un 33.8% y 17.9% Muy bueno, lo cual demuestra que
son muy buenos los niveles alcanzados al usar IA en Writing.
Figura 10. Asimismo, para la pregunta ¿Qué nivel alcanzaste al usar IA o plataforma en Listening?,
respondieron con Bueno un 36.4%, Regular un 35.7% y Muy bueno el 18.5% a los niveles alcanzados
al usar IA en Listening. En suma, el nivel alcanzado al usar IA en Writing y Listining, es Bueno con el
36% en ambos casos.
Figura 9. Para la pregunta ¿Qué nivel alcanzaste al usar IA o plataforma en Writing?, los estudiantes
respondieron con Bueno en un 36.4%, Regular un 33.8% y 17.9% Muy bueno, lo cual demuestra que
son muy buenos los niveles alcanzados al usar IA en Writing.
Figura 10. Asimismo, para la pregunta ¿Qué nivel alcanzaste al usar IA o plataforma en Listening?,
respondieron con Bueno un 36.4%, Regular un 35.7% y Muy bueno el 18.5% a los niveles alcanzados
al usar IA en Listening. En suma, el nivel alcanzado al usar IA en Writing y Listining, es Bueno con el
36% en ambos casos.
pág. 3607
Figura 11. Figura 12.
Figura 11. Finalmente, para responder a la pregunta ¿Qué nivel alcanzaste al usar IA en Speaking?, los
estudiantes contestaron Bueno el 39.7% y Regular el 33.8% a los niveles alcanzados al usar IA en
Speaking.
Figura 12. Y para la pregunta ¿Qué habilidad consideras más desarrollada gracias a la IA?, los
estudiantes contestaron que la habilidad más desarrollada gracias a la IA fue Comprensión Lectora con
el 42.4%, y en segundo lugar, la habilidad Reading con el 21.9%. En suma, bueno para el nivel alcanzado
al usar IA en Speaking y la habilidad más desarrollada fue la Comprensión Lectora.
DISCUSIÓN Y CONCLUSIONES
La confiabilidad del instrumento muestra un Alfa de Cronbach que fue de 0.855, la cual se interpreta
como Buena, con 12 elementos o ítems en el cuestionario. Estos resultados muestran que los valores de
Figura 11. Figura 12.
Figura 11. Finalmente, para responder a la pregunta ¿Qué nivel alcanzaste al usar IA en Speaking?, los
estudiantes contestaron Bueno el 39.7% y Regular el 33.8% a los niveles alcanzados al usar IA en
Speaking.
Figura 12. Y para la pregunta ¿Qué habilidad consideras más desarrollada gracias a la IA?, los
estudiantes contestaron que la habilidad más desarrollada gracias a la IA fue Comprensión Lectora con
el 42.4%, y en segundo lugar, la habilidad Reading con el 21.9%. En suma, bueno para el nivel alcanzado
al usar IA en Speaking y la habilidad más desarrollada fue la Comprensión Lectora.
DISCUSIÓN Y CONCLUSIONES
La confiabilidad del instrumento muestra un Alfa de Cronbach que fue de 0.855, la cual se interpreta
como Buena, con 12 elementos o ítems en el cuestionario. Estos resultados muestran que los valores de
pág. 3608
Alfa de Cronbach son bastantes buenos. Por tanto, se concluye que el instrumento posee niveles de
confiabilidad para medir la IA o plataforma como medio de aprendizaje del inglés para el desarrollo de
habilidades lingüísticas en estudiantes de Ingeniería.
Respecto a las estimaciones del modelo AFC, tanto los valores de Z son grandes y sus respectivos p
valores son bastantes pequeños, todos estadísticamente significativos. AFC permitió conseguir el
objetivo ya que las hipótesis planteadas son aceptadas y por tanto, el modelo construido es válido; es
decir mide lo que pretende medir ya que la fiabilidad, bondad del modelo es adecuada y el grado de
significancia de los parámetros estimados es muy alto (Carrasco et al., s/f). La prueba de Bartlett es
buena pues tiene un p-valor menor que 0.05. En la prueba de esfericidad de KMO la mayoría de los
ítems lograron valores mayores a 0.80, al igual que sucedió con sus p-valores; mientras que el valor
global de 0.88 es bastante bueno. Los índices de bondad de ajuste resultado del modelo, todos menores
que 0.08 o mayores que 0.90, indican que el modelo estadístico teórico AFC se ajusta bastante bien a
los datos observados. Por consiguiente, se puede concluir que el instrumento utilizado en este trabajo
resulta bastante bueno.
Se concluye que la mayoría respondieron A veces, a las preguntas conoces las herramientas digitales de
IA, y con qué frecuencia la usas para mejorar el aprendizaje de inglés; mientras que el ChatGPT y la
plataforma Duolingo son las herramientas de IA que más conocen y que más utilizán como herramienta
de IA para mejorar el inglés. También se concluye que, entre Muy bueno y Regular es el nivel del uso
de IA. En cuanto a la frecuencia del uso de IA para mejorar el inglés está es de 1 hora a la semana y de
3 horas a la semana.
Como señala Zamora & Stynze (2024), la IA estimula la formación personalizada y contribuye con el
aprendizaje colaborativo. Arana (2021), concluye que desarrollan las habilidades de aprendizaje y
adaptabilidad que le permitan tomar decisiones autónomas. Por otro lado, Sánchez-Macías et al., (2025)
que en los últimos grados del programa educativo y el uso más frecuente de las AI se asocian a actitudes
más positivas.
En este trabajo se concluye que los estudiantes respondieron con buenos los niveles alcanzados en
Reading, y para Comprensión Lectora; mientras que el nivel alcanzado al usar IA en Writing y Listening,
es Bueno en ambos casos. Leiva et al., (2025) señalan se reconoce que la integración de herramientas
Alfa de Cronbach son bastantes buenos. Por tanto, se concluye que el instrumento posee niveles de
confiabilidad para medir la IA o plataforma como medio de aprendizaje del inglés para el desarrollo de
habilidades lingüísticas en estudiantes de Ingeniería.
Respecto a las estimaciones del modelo AFC, tanto los valores de Z son grandes y sus respectivos p
valores son bastantes pequeños, todos estadísticamente significativos. AFC permitió conseguir el
objetivo ya que las hipótesis planteadas son aceptadas y por tanto, el modelo construido es válido; es
decir mide lo que pretende medir ya que la fiabilidad, bondad del modelo es adecuada y el grado de
significancia de los parámetros estimados es muy alto (Carrasco et al., s/f). La prueba de Bartlett es
buena pues tiene un p-valor menor que 0.05. En la prueba de esfericidad de KMO la mayoría de los
ítems lograron valores mayores a 0.80, al igual que sucedió con sus p-valores; mientras que el valor
global de 0.88 es bastante bueno. Los índices de bondad de ajuste resultado del modelo, todos menores
que 0.08 o mayores que 0.90, indican que el modelo estadístico teórico AFC se ajusta bastante bien a
los datos observados. Por consiguiente, se puede concluir que el instrumento utilizado en este trabajo
resulta bastante bueno.
Se concluye que la mayoría respondieron A veces, a las preguntas conoces las herramientas digitales de
IA, y con qué frecuencia la usas para mejorar el aprendizaje de inglés; mientras que el ChatGPT y la
plataforma Duolingo son las herramientas de IA que más conocen y que más utilizán como herramienta
de IA para mejorar el inglés. También se concluye que, entre Muy bueno y Regular es el nivel del uso
de IA. En cuanto a la frecuencia del uso de IA para mejorar el inglés está es de 1 hora a la semana y de
3 horas a la semana.
Como señala Zamora & Stynze (2024), la IA estimula la formación personalizada y contribuye con el
aprendizaje colaborativo. Arana (2021), concluye que desarrollan las habilidades de aprendizaje y
adaptabilidad que le permitan tomar decisiones autónomas. Por otro lado, Sánchez-Macías et al., (2025)
que en los últimos grados del programa educativo y el uso más frecuente de las AI se asocian a actitudes
más positivas.
En este trabajo se concluye que los estudiantes respondieron con buenos los niveles alcanzados en
Reading, y para Comprensión Lectora; mientras que el nivel alcanzado al usar IA en Writing y Listening,
es Bueno en ambos casos. Leiva et al., (2025) señalan se reconoce que la integración de herramientas
pág. 3609
de IA en la enseñanza del inglés potencia de manera significativa el desarrollo de competencias
comunicativas en estudiantes.
También se concluye que el uso y la aplicación de la IA se utilizan el ChapGPT y la plataforma Duolingo
para mejorar el inglés, la frecuencia de su uso es de 1 a 3 horas a la semana, y el niveles alcanzados son
buenos en Reading, Comprensión Lectora, Writing y Listinig. Díaz et al., (2025), reveló una alta
correlación significativa entre el uso de ChatGPT y el mejoramiento en las habilidades estudiantes,
enfatizando una alta satisfacción general con esa herramienta. Matos et al., (2024), mostraron una
correlación significativa entre el uso del Chat GPT y el aprendizaje del inglés; sin embargo, se encontró
que el uso del ChatGPT y el nivel de aprendizaje del inglés lo que indica la necesidad de mejorar la
implementación. Concluye que el uso y la aplicación de la IA en el aprendizaje del inglés resulta de
bastante utilidad.
Rebolledo & Gisbert (2025), identificaron y categorizaron tres situaciones: los usos pedagógicos de las
herramientas de IA, las estrategias didácticas implementadas y las habilidades lingüísticas desarrolladas
en el proceso de enseñanza-aprendizaje. Gragera (2024), señaló que los estudiantes aportaron mejoras
en la producción escrita y el control del lenguaje técnico y académico gracias a la IA. Por su parte,
Negrete & Mosquera (2025), encontraron que la IA ayuda a que cada estudiante aprenda inglés a su
manera, se sienta más entusiasmado y logre mejores resultados. Chicaiza et al., (2023), revisaron los
avances en el uso de IA en el aprendizaje de inglés, e incluyeron sistemas de tutoría inteligente,
reconocimiento de voz y traducción automática, así como chatbot conversacionales.
REFERENCIAS BIBLIOGRÁFICAS
Arana, C. (2021, julio). Inteligencia Artificial Aplicada a la Educación: Logros, Tendencias y
Perspectivas. INNOVA UNTREF Revista Argentina de Ciencia y Tecnología, 1–22.
Cali-Magallanes, D. J., López-Izquierdo, D. M., Plúas-Aguirre, E. A., & Orejuela-Soto, M. F. (2024).
La importancia del idioma inglés en la educación superior y su perspectiva en el campo
profesional. MQRInvestigar, 8(3), 1696–1706.
https://doi.org/10.56048/mqr20225.8.3.2024.1696-1706
de IA en la enseñanza del inglés potencia de manera significativa el desarrollo de competencias
comunicativas en estudiantes.
También se concluye que el uso y la aplicación de la IA se utilizan el ChapGPT y la plataforma Duolingo
para mejorar el inglés, la frecuencia de su uso es de 1 a 3 horas a la semana, y el niveles alcanzados son
buenos en Reading, Comprensión Lectora, Writing y Listinig. Díaz et al., (2025), reveló una alta
correlación significativa entre el uso de ChatGPT y el mejoramiento en las habilidades estudiantes,
enfatizando una alta satisfacción general con esa herramienta. Matos et al., (2024), mostraron una
correlación significativa entre el uso del Chat GPT y el aprendizaje del inglés; sin embargo, se encontró
que el uso del ChatGPT y el nivel de aprendizaje del inglés lo que indica la necesidad de mejorar la
implementación. Concluye que el uso y la aplicación de la IA en el aprendizaje del inglés resulta de
bastante utilidad.
Rebolledo & Gisbert (2025), identificaron y categorizaron tres situaciones: los usos pedagógicos de las
herramientas de IA, las estrategias didácticas implementadas y las habilidades lingüísticas desarrolladas
en el proceso de enseñanza-aprendizaje. Gragera (2024), señaló que los estudiantes aportaron mejoras
en la producción escrita y el control del lenguaje técnico y académico gracias a la IA. Por su parte,
Negrete & Mosquera (2025), encontraron que la IA ayuda a que cada estudiante aprenda inglés a su
manera, se sienta más entusiasmado y logre mejores resultados. Chicaiza et al., (2023), revisaron los
avances en el uso de IA en el aprendizaje de inglés, e incluyeron sistemas de tutoría inteligente,
reconocimiento de voz y traducción automática, así como chatbot conversacionales.
REFERENCIAS BIBLIOGRÁFICAS
Arana, C. (2021, julio). Inteligencia Artificial Aplicada a la Educación: Logros, Tendencias y
Perspectivas. INNOVA UNTREF Revista Argentina de Ciencia y Tecnología, 1–22.
Cali-Magallanes, D. J., López-Izquierdo, D. M., Plúas-Aguirre, E. A., & Orejuela-Soto, M. F. (2024).
La importancia del idioma inglés en la educación superior y su perspectiva en el campo
profesional. MQRInvestigar, 8(3), 1696–1706.
https://doi.org/10.56048/mqr20225.8.3.2024.1696-1706
pág. 3610
Carrasco, G. A., Donoso, A. J. A., Duarte, A. T., & Hernández, J. J. (s/f). Análisis Factorial
Confirmatorio del Cuestionario que mide la efectividad del uso de metodologías de
participación activa (CEMPA). 1–20.
Cervantes, V. H. (2005). Interpretaciones del coeficiente alpha de Cronbach. Departamento de
Psicología. Universidad Nacional de Colombia, ResearchGate, 3, 9–28.
https://www.researchgate.net/publication/259392074
Chicaiza, R. M., Camacho, C. L. A., Ghose, G., Castro, M. I. E., & Gallo, F. 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://doi.org/10.56712/latam.v4i2.781
Díaz, V. J. P., Navarrete, L. P. S., Fabara, S. Z. J., & Cayambe, G. M. D. (2025). Estudio correlacional
del uso de ChatGPT y los resultados del aprendizaje del inglés en estudiantes universitarios.
Revista Paraguaya de Educación a Distancia (REPED), 6(1), 66–77.
https://doi.org/10.56152/reped2025-vol6num1-art6
Donoso, C. M. M., Echeverría, Z. L. O., Moreira, P. R. W., & Ponce, A. L. S. (2023). Innovación en la
enseñanza del inglés en la Educación Superior: desafíos, oportunidades y buenas prácticas.
Revista Científica Arbitrada Multidisciplinaria PENTACIENCIAS, 5(7), 165–174.
https://doi.org/10.59169/pentaciencias.v5i7.924
Dzul, E. (2018). ¿Qué es el Diseño No Experimental? Universidad Autónoma del Estado de Hidalgo.
Gragera, R. (2024). Percepción del alumnado universitario sobre la eficacia de la Inteligencia Artificial
en el aprendizaje del inglés. European Public and Social Innovation Review, 9, 1–14.
https://doi.org/10.31637/epsir-2024-401
Guacán, T. R. C., Miguez, H. R. E., Lozada, L. R. F., Jácome, C. D. I., & Cruz, G. W. A. (2023). La
Inteligencia Artificial utilizada como un recurso para el aprendizaje. Ciencia Latina Revista
Científica Multidisciplinar, 7(4), 8263–8277. https://doi.org/10.37811/cl_rcm.v7i4.7561
Guagchinga, C. N. W., Borja, S. E. C., & Pacheco, P. E. M. (2024). La Inteligencia Artificial en el
aprendizaje del idioma inglés para estudiantes de Nivel Pre-Intermedio (B1). Serie Científica de
la Universidad de las Ciencias Informáticas, 17(11), 45–54. http://publicaciones.uci.cu
Carrasco, G. A., Donoso, A. J. A., Duarte, A. T., & Hernández, J. J. (s/f). Análisis Factorial
Confirmatorio del Cuestionario que mide la efectividad del uso de metodologías de
participación activa (CEMPA). 1–20.
Cervantes, V. H. (2005). Interpretaciones del coeficiente alpha de Cronbach. Departamento de
Psicología. Universidad Nacional de Colombia, ResearchGate, 3, 9–28.
https://www.researchgate.net/publication/259392074
Chicaiza, R. M., Camacho, C. L. A., Ghose, G., Castro, M. I. E., & Gallo, F. 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://doi.org/10.56712/latam.v4i2.781
Díaz, V. J. P., Navarrete, L. P. S., Fabara, S. Z. J., & Cayambe, G. M. D. (2025). Estudio correlacional
del uso de ChatGPT y los resultados del aprendizaje del inglés en estudiantes universitarios.
Revista Paraguaya de Educación a Distancia (REPED), 6(1), 66–77.
https://doi.org/10.56152/reped2025-vol6num1-art6
Donoso, C. M. M., Echeverría, Z. L. O., Moreira, P. R. W., & Ponce, A. L. S. (2023). Innovación en la
enseñanza del inglés en la Educación Superior: desafíos, oportunidades y buenas prácticas.
Revista Científica Arbitrada Multidisciplinaria PENTACIENCIAS, 5(7), 165–174.
https://doi.org/10.59169/pentaciencias.v5i7.924
Dzul, E. (2018). ¿Qué es el Diseño No Experimental? Universidad Autónoma del Estado de Hidalgo.
Gragera, R. (2024). Percepción del alumnado universitario sobre la eficacia de la Inteligencia Artificial
en el aprendizaje del inglés. European Public and Social Innovation Review, 9, 1–14.
https://doi.org/10.31637/epsir-2024-401
Guacán, T. R. C., Miguez, H. R. E., Lozada, L. R. F., Jácome, C. D. I., & Cruz, G. W. A. (2023). La
Inteligencia Artificial utilizada como un recurso para el aprendizaje. Ciencia Latina Revista
Científica Multidisciplinar, 7(4), 8263–8277. https://doi.org/10.37811/cl_rcm.v7i4.7561
Guagchinga, C. N. W., Borja, S. E. C., & Pacheco, P. E. M. (2024). La Inteligencia Artificial en el
aprendizaje del idioma inglés para estudiantes de Nivel Pre-Intermedio (B1). Serie Científica de
la Universidad de las Ciencias Informáticas, 17(11), 45–54. http://publicaciones.uci.cu
pág. 3611
Hernández, C. E., & Carpio, Natalia. (2019). Introducción a los tipos de muestreo. ALERTA Revista
Científica del Instituto Nacional de Salud, 2(1), 75–79. https://doi.org/10.5377/alerta.v2i1.7535
Hernández-Sampieri, R., Fernández-Collado, C., & Baptista-Lucio, P. (2014). Metodología de la
investigación (McGRAW-HILL, Ed.; 6a.).
Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: las rutas cuantitativa,
cualitativa y mixta. En McGraw Hill Mexico.
Hooper, D., Coughlan, J., & Mullen, Michael. (2008). Structural Equation Modelling: Guidelines for
Determining Model Fit. Electronic Journal of Business Research Methods, 6(1), 53–60.
http://arrow.dit.ie/buschmanart
Juca-Maldonado, F. (2023). El impacto de la Inteligencia Artificial en los trabajos académicos y de
investigación. Revista Metropolitana de Ciencias Aplicadas, 6, 289–296.
www.redalyc.org/articulo.oa?id=721778121031
Leiva, Y. A. R., Aseicha, C. M. L., Mozo, G. J. C., & Risueño, C. P. M. (2025). La Inteligencia Artificial
como herramienta pedagógica en el desarrollo de competencias comunicativas en el idioma
inglés. Un enfoque desde el contexto de seguridad en entornos urbanos. Revista
Multidisciplinaria Prospherus, 2(3), 304–323. https://doi.org/10.63535/6e4e8k12
Martínez, A. M. (2021). Análisis factorial confirmatorio: un modelo de gestión del conocimiento en la
universidad pública. RIDE Revista Iberoamericana para la Investigación y el Desarrollo
Educativo, 12(23), 1–23. https://doi.org/10.23913/ride.v12i23.1103
Matas, A. (2018). Diseño del formato de escalas tipo Likert: Un estado de la cuestión. Revista
Electrónica de Investigación Educativa, 20(1), 38–47.
https://doi.org/10.24320/redie.2018.20.1.1347
Matos, J. A. S., Rivera, R. C. N., Salazar, Z. J. R., & Chiri, S. 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
Negrete, B. M. E., & Mosquera, A. D. R. (2025). Estrategias Didácticas Basadas en Inteligencia
Artificial para el Aprendizaje del Inglés: Una Revisión Sistemática de la Producción
Hernández, C. E., & Carpio, Natalia. (2019). Introducción a los tipos de muestreo. ALERTA Revista
Científica del Instituto Nacional de Salud, 2(1), 75–79. https://doi.org/10.5377/alerta.v2i1.7535
Hernández-Sampieri, R., Fernández-Collado, C., & Baptista-Lucio, P. (2014). Metodología de la
investigación (McGRAW-HILL, Ed.; 6a.).
Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: las rutas cuantitativa,
cualitativa y mixta. En McGraw Hill Mexico.
Hooper, D., Coughlan, J., & Mullen, Michael. (2008). Structural Equation Modelling: Guidelines for
Determining Model Fit. Electronic Journal of Business Research Methods, 6(1), 53–60.
http://arrow.dit.ie/buschmanart
Juca-Maldonado, F. (2023). El impacto de la Inteligencia Artificial en los trabajos académicos y de
investigación. Revista Metropolitana de Ciencias Aplicadas, 6, 289–296.
www.redalyc.org/articulo.oa?id=721778121031
Leiva, Y. A. R., Aseicha, C. M. L., Mozo, G. J. C., & Risueño, C. P. M. (2025). La Inteligencia Artificial
como herramienta pedagógica en el desarrollo de competencias comunicativas en el idioma
inglés. Un enfoque desde el contexto de seguridad en entornos urbanos. Revista
Multidisciplinaria Prospherus, 2(3), 304–323. https://doi.org/10.63535/6e4e8k12
Martínez, A. M. (2021). Análisis factorial confirmatorio: un modelo de gestión del conocimiento en la
universidad pública. RIDE Revista Iberoamericana para la Investigación y el Desarrollo
Educativo, 12(23), 1–23. https://doi.org/10.23913/ride.v12i23.1103
Matas, A. (2018). Diseño del formato de escalas tipo Likert: Un estado de la cuestión. Revista
Electrónica de Investigación Educativa, 20(1), 38–47.
https://doi.org/10.24320/redie.2018.20.1.1347
Matos, J. A. S., Rivera, R. C. N., Salazar, Z. J. R., & Chiri, S. 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
Negrete, B. M. E., & Mosquera, A. D. R. (2025). Estrategias Didácticas Basadas en Inteligencia
Artificial para el Aprendizaje del Inglés: Una Revisión Sistemática de la Producción
pág. 3612
Bibliográfica 2019-2023. Ciencia Latina Revista Científica Multidisciplinar, 9(1), 4538–4560.
https://doi.org/10.37811/cl_rcm.v9i1.16172
Paniagua, U. Y. L., Troncoso, D., Fragoso, G. P. P., & Merant, N. (2025). La inteligencia artificial en la
enseñanza/aprendizaje del idioma inglés. Una revisión sistemática. AULA Revista de
Humanidades y Ciencias Sociales, 7(2), 2–23. https://doi.org/10.33413/aulahcs.2025.71i2.427
Rebolledo, R., & Gisbert, M. (2025). Aprendizaje adaptativo del inglés como lengua extranjera con
herramientas de Inteligencia Artificial: una revisión sistemática de la literatura. Revista de
currículum y formación del profesorado, 29(1), 1–24. https://doi.org/10.30827/profesorado
Sánchez-Macías, A., Veytia-Bucheli, M. G., Flores-Rueda, I. C., & Azuara-Pugliese, V. (2025).
Diagnóstico y validación de un instrumento sobre la percepción del estudiantado universitario
hacia la Inteligencia Artificial. AiBi Revista de Investigación, Administración e Ingeniería, 13,
1–11. https://doi.org/10.15649/2346030X.4274
Santos, P. A., Chuquisengo, E., & Vasquez, A. E. (2025). Diseño y validación de un instrumento para
medir el uso de la herramienta Julius AI en estudiantes universitarios peruanos. Espacios,
46(02), 204–212. https://doi.org/10.48082/espacios-a25v46n02p16
Tamayo, M. (2003). El proceso de la Investigación Científica (Grupo Noriega Editores, Ed.; 4a.).
Limusa, S.A. de C.V.
Tello, C. L. E., Morales, B. P. A., Ocaña, G. M. M., & Lindao, G. L. S. (2024). Plataformas Basadas en
Inteligencia Artificial para el Aprendizaje Autónomo del Inglés. Reincisol., 3(6), 5088–5100.
https://doi.org/10.59282/reincisol.v3(6)5088-5100
Zamora, Ú. Z. C., & Stynze, G. H. O. (2024). Conocimiento, uso y percepción de la inteligencia artificial
en la enseñanza superior. Revista Científica Estelí, 49, 128–146.
https://doi.org/10.5377/esteli.v13i49.17889
Bibliográfica 2019-2023. Ciencia Latina Revista Científica Multidisciplinar, 9(1), 4538–4560.
https://doi.org/10.37811/cl_rcm.v9i1.16172
Paniagua, U. Y. L., Troncoso, D., Fragoso, G. P. P., & Merant, N. (2025). La inteligencia artificial en la
enseñanza/aprendizaje del idioma inglés. Una revisión sistemática. AULA Revista de
Humanidades y Ciencias Sociales, 7(2), 2–23. https://doi.org/10.33413/aulahcs.2025.71i2.427
Rebolledo, R., & Gisbert, M. (2025). Aprendizaje adaptativo del inglés como lengua extranjera con
herramientas de Inteligencia Artificial: una revisión sistemática de la literatura. Revista de
currículum y formación del profesorado, 29(1), 1–24. https://doi.org/10.30827/profesorado
Sánchez-Macías, A., Veytia-Bucheli, M. G., Flores-Rueda, I. C., & Azuara-Pugliese, V. (2025).
Diagnóstico y validación de un instrumento sobre la percepción del estudiantado universitario
hacia la Inteligencia Artificial. AiBi Revista de Investigación, Administración e Ingeniería, 13,
1–11. https://doi.org/10.15649/2346030X.4274
Santos, P. A., Chuquisengo, E., & Vasquez, A. E. (2025). Diseño y validación de un instrumento para
medir el uso de la herramienta Julius AI en estudiantes universitarios peruanos. Espacios,
46(02), 204–212. https://doi.org/10.48082/espacios-a25v46n02p16
Tamayo, M. (2003). El proceso de la Investigación Científica (Grupo Noriega Editores, Ed.; 4a.).
Limusa, S.A. de C.V.
Tello, C. L. E., Morales, B. P. A., Ocaña, G. M. M., & Lindao, G. L. S. (2024). Plataformas Basadas en
Inteligencia Artificial para el Aprendizaje Autónomo del Inglés. Reincisol., 3(6), 5088–5100.
https://doi.org/10.59282/reincisol.v3(6)5088-5100
Zamora, Ú. Z. C., & Stynze, G. H. O. (2024). Conocimiento, uso y percepción de la inteligencia artificial
en la enseñanza superior. Revista Científica Estelí, 49, 128–146.
https://doi.org/10.5377/esteli.v13i49.17889