IMPACTO Y DESAFÍOS DE LA INTELIGENCIA
ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS EN
MÉXICO
THE IMPACT AND CHALLENGES OF ARTIFICIAL INTELLIGENCE IN
ENGLISH LANGUAGE TEACHING IN MEXICO
Kenery Estefanía Pérez Reyes
Universidad Juárez Autónoma de Tabasco
María de los Ángeles Hernández Alipi
Universidad Juárez Autónoma de Tabasco
Daniel Domínguez Gómez
Universidad Juárez Autónoma de Tabasco
pág. 3614
DOI: https://doi.org/10.37811/cl_rcm.v10i1.22498
Impacto y Desafíos de la Inteligencia Artificial en la Enseñanza del Inglés en
México
Kenery Estefanía Pérez Reyes 1
192J25303@egresados.ujat.mx
https://orcid.org/0009-0009-4420-843X
Universidad Juárez Autónoma de Tabasco
México
María de los Ángeles Hernández Alipi
maria.hernandez@ujat.mx
https://orcid.org/0000-0001-7218-0395
Universidad Juárez Autónoma de Tabasco
México
Daniel Domínguez Gómez
252H23008@alumno.ujat.mx
https://orcid.org/0009-0007-4695-1978
Universidad Juárez Autónoma de Tabasco
México
RESUMEN
La enseñanza del Inglés como Lengua Extranjera (EFL) en México atraviesa un punto de inflexión
pedagógico y tecnológico ante la rápida incorporación de la Inteligencia Artificial (IA) generativa y
adaptativa entre 2023 y 2025. En un contexto marcado por el nearshoring y la creciente demanda de
competencias lingüísticas para la competitividad y movilidad social, la IA ha comenzado a transformar
las prácticas educativas en los niveles medio superior y superior. Este artículo analiza de manera crítica
la integración, el impacto y los desafíos de estas tecnologías a partir de una revisión sistemática de
literatura reciente y del estudio de casos en entidades como Tabasco, Estado de México y Guanajuato.
Los hallazgos muestran una adopción creciente de herramientas como ChatGPT, Duolingo,
EnglishScore y ELSA Speak, asociada a mejoras en autonomía y personalización del aprendizaje,
aunque persisten brechas significativas en infraestructura y formación docente. Se concluye que la IA
no sustituye la pedagogía tradicional, sino que impulsa un modelo híbrido donde el docente actúa como
mediador pedagógico y guía ético del proceso educativo.
Palabras clave: Inteligencia Artificial, Educación 4.0, Enseñanza del Inglés, México, Tecnología
Educativa
1
Autor principal.
Correspondencia: 192J25303@egresados.ujat.mx
pág. 3615
The Impact and Challenges of Artificial Intelligence in English Language
Teaching in Mexico
ABSTRACT
This article employs an analytical approach to examine the integration of Artificial Intelligence (AI) in
the context of English as a Foreign Language (EFL) instruction within the Mexican education system,
with a particular focus on upper secondary and higher education. A systematic review of recent literature
(2023-2025) and case studies in Mexican states such as Tabasco, Mexico State, and Guanajuato reveals
that Mexico leads the regional adoption of educational technologies with a rate of 34%, surpassing
similar economies such as Brazil. The present study examines the correlation between specific tools
(ChatGPT, Duolingo, EnglishScore, ELSA Speak) and the development of language skills. The findings
indicate a dichotomy: while students report significant improvements in autonomy and personalisation,
institutions face critical gaps in infrastructure and teacher training. The study concludes that AI does not
replace traditional pedagogy, but rather demands a hybrid model where the teacher acts as a content
curator and ethical guide.
Keywords: Artificial Intelligence, Education 4.0, English Language, Mexico, Educational Technology
Artículo recibido 10 diciembre 2025
Aceptado para publicación: 10 enero 2026
pág. 3616
INTRODUCCIÓN
Antecedentes Históricos: Un Sistema en Tensión Estructural y Política
La enseñanza del inglés en el sistema público mexicano ha sido, de manera persistente, una deuda
estructural del Estado, evidenciada por la brecha sostenida entre el discurso oficial y las condiciones
reales de implementación en las aulas. A pesar de la proximidad geográfica y económica con Estados
Unidos la principal economía angloparlante a nivel global, México continúa registrando niveles de
bilingüismo notablemente bajos. A lo largo del tiempo, diversas políticas públicas han buscado revertir
esta situación; entre ellas, el Programa Nacional de Inglés en Educación Básica (PNIEB), instaurado en
2009 mediante el Acuerdo 592, cuyo objetivo era generalizar la enseñanza del idioma desde la educación
preescolar. No obstante, la ausencia de continuidad institucional y de financiamiento sostenido condujo
a su reconfiguración como Programa Nacional de Inglés (PRONI), el cual, para 2022, alcanzaba una
cobertura efectiva inferior al 20% en las escuelas primarias públicas, reflejando las limitaciones
estructurales del modelo (Mexicanos Primero, 2023).
Las barreras estructurales son profundas. La literatura especializada (Ramírez-Romero & Sayer, 2016;
Sánchez & Martínez, 2024) identifica tres problemas críticos:
• Masificación en el aula: El promedio de alumnos en bachilleratos públicos urbanos (CETIS,
CONALEP, Colegios de Bachilleres) supera frecuentemente los 45 estudiantes, haciendo
pedagógicamente inviable la práctica de habilidades productivas como el speaking.
• Déficit de Capital Humano: Se estima que menos del 40% de la planta docente de nivel básico
cuenta con una certificación de nivel B2 o superior del Marco Común Europeo de Referencia
(MCER), limitando la instrucción a la traducción gramatical y la memorización léxica (British
Council, 2015).
• Discontinuidad Metodológica: Los estudiantes experimentan un "falso principiante" perpetuo,
reiniciando el aprendizaje del verbo to be en cada ciclo escolar debido a la falta de articulación
curricular.
Según el índice EF English Proficiency Index (2024), México se ubicó en la posición 89 de 113 países,
manteniendo una clasificación de "Muy Baja", superado por naciones latinoamericanas con menor
integración comercial a Norteamérica, como Argentina, Bolivia y Honduras. Este estancamiento sugiere
pág. 3617
que las metodologías tradicionales, basadas en la instrucción presencial analógica, han alcanzado su
límite de eficacia en un sistema masificado.
La Disrupción Tecnológica y el Escenario Post-Pandemia (2023-2025)
La pandemia de COVID-19 (2020-2022) actuó como un catalizador de digitalización forzada,
exponiendo la fragilidad de la infraestructura tecnológica educativa. No obstante, fue a finales de 2022,
con el lanzamiento público de ChatGPT-3.5 por OpenAI, cuando se inauguró formalmente la "Era de la
Inteligencia Artificial Generativa" en la educación. A diferencia de las tecnologías educativas
precedentes (CALL - Computer Assisted Language Learning), que operaban bajo lógicas binarias y
respuestas preprogramadas, la IA actual (AIALL - AI Assisted Language Learning) introduce
capacidades inéditas de procesamiento de lenguaje natural (NLP).
Para el año 2025, el ecosistema EdTech en México ha evolucionado hacia la multimodalidad.
Herramientas como Gemini (Google), Copilot (Microsoft) y plataformas adaptativas como Duolingo
Max y ELSA Speak, ofrecen:
• Hiper-personalización: Adaptación del currículo en tiempo real basada en el desempeño del
usuario.
• Inmediatez Recursiva: Retroalimentación instantánea (feedback loops) disponible 24/7.
• Interacción Multimodal: Capacidad de procesar texto, voz e imagen simultáneamente.
Para el estudiante promedio mexicano, a menudo excluido de oportunidades de movilidad académica
internacional, la IA representa la primera oportunidad real de interactuar con un tutor de competencia
"nativa" a un bajo costo o nulo, democratizando el acceso a prácticas de inmersión simulada (Fritzner
et al., 2025).
La Imperativa Económica: El Factor Nearshoring y el T-MEC
El estudio de la enseñanza del inglés debe situarse necesariamente dentro de su contexto
macroeconómico. El proceso de nearshoring, entendido como la relocalización de cadenas globales de
suministro desde Asia hacia América del Norte, ha consolidado a México como un polo estratégico de
atracción de inversiones. No obstante, este dinamismo económico se ve limitado por una restricción
crítica en la disponibilidad de capital humano calificado, particularmente en competencias lingüísticas,
lo que reduce la capacidad del país para capitalizar plenamente estas oportunidades.
pág. 3618
Informes recientes de la Confederación de Cámaras Industriales (CONCAMIN) y de ManpowerGroup
(2025) señalan que aproximadamente el 70% de las nuevas vacantes en sectores estratégicos —como la
industria automotriz, aeroespacial y de tecnologías de la información— demandan un dominio del inglés
de nivel intermedio a avanzado (B2+). En este escenario, el conocimiento del idioma ha dejado de
concebirse como una ventaja diferenciadora para consolidarse como un criterio básico de empleabilidad.
Asimismo, análisis económicos recientes (Molina, 2025) estiman que la diferencia salarial entre
egresados bilingües y monolingües en regiones como el Bajío y el norte de México se sitúa entre el 35%
y el 50%. Bajo estas condiciones, la rápida incorporación de herramientas de Inteligencia Artificial por
parte del estudiantado universitario puede interpretarse como una respuesta pragmática a las presiones
del mercado laboral y a la necesidad inmediata de procesos de upskilling.
Desde una perspectiva sociológica, la irrupción de la IA en el aprendizaje de lenguas plantea
interrogantes sobre la equidad y la soberanía cultural. Bajo los principios de la Nueva Escuela
Mexicana (NEM), que aboga por una educación humanista, crítica y comunitaria (SEP, 2024), la
dependencia de algoritmos propietarios extranjeros genera tensiones. ¿Es la IA una herramienta de
emancipación que permite al autodidacta superar las deficiencias del sistema público, o es un mecanismo
que amplifica la brecha digital, reservando las mejores herramientas para quienes pueden pagarlas? Este
estudio se justifica en la necesidad de generar evidencia empírica local que informe la creación de
políticas públicas educativas soberanas y pertinentes para el México del siglo XXI.
OBJETIVOS
Este artículo tiene como objetivo principal diseccionar el fenómeno de la IA en la educación lingüística
mexicana desde una perspectiva sociotécnica y pedagógica. Se plantean las siguientes preguntas
rectoras:
• Pedagógica: ¿Cómo impacta la mediación de la IA generativa en la reducción de la ansiedad
lingüística (Foreign Language Anxiety) y el desarrollo de la competencia comunicativa oral en
estudiantes mexicanos de educación superior?
• Sociológica: ¿De qué manera la adopción de estas herramientas interactúa con las brechas de
desigualdad preexistentes en el país (público vs. privado, norte vs. sur)?
pág. 3619
• Institucional: ¿Están las universidades y bachilleratos públicos preparados normativamente
para integrar estas herramientas, o su uso permanecerá en la esfera del "currículo oculto" y el
aprendizaje sombra (shadow education)?
MARCO TEORICO
La enseñanza tradicional de idiomas se basaba frecuentemente en el conductismo (estímulo-respuesta).
La llegada de la IA revitaliza y expande el Conectivismo propuesto por Siemens (2005). En la era de la
IA, el aprendizaje del inglés no reside únicamente en la memoria a largo plazo del estudiante, sino en
su capacidad para conectar nodos de información externos (IA, bases de datos, comunidades globales)
y sintetizarlos.
Cognición Extendida (Extended Cognition)
A partir de la tesis de Clark y Chalmers, retomada en el ámbito educativo por investigaciones recientes,
se sostiene que el empleo de herramientas de traducción neuronal y generación automática de texto no
debe interpretarse de forma reductiva como una práctica deshonesta, sino como un mecanismo de
ampliación cognitiva. En este marco, el perfil del estudiante competente en la actualidad se redefine
como aquel capaz de razonar en interacción con la Inteligencia Artificial, integrándola estratégicamente
en sus procesos de aprendizaje para ampliar su Zona de Desarrollo Próximo (ZDP) en términos
vygotskianos (Vygotsky, 1978), donde la IA puede asumir funcionalmente el papel de un “Otro Más
Conocedor” (More Knowledgeable Other).
La Hipótesis del Filtro Afectivo y la IA
Krashen (1982) teorizó que el "Filtro Afectivo" (ansiedad, falta de motivación, baja autoconfianza) actúa
como una barrera que impide la adquisición del lenguaje. En el aula mexicana presencial, culturalmente
sensible a la crítica pública ("el qué dirán"), el miedo a la burla al pronunciar mal es un inhibidor potente.
La IA como tutor:
La Inteligencia Artificial puede desempeñar el rol de un tutor libre de juicios, al funcionar como un
interlocutor emocionalmente neutral que no evalúa de manera punitiva, no manifiesta fatiga y mantiene
una disponibilidad constante (Kohnke & Moorhouse, 2023). Desde una perspectiva teórica, esta
característica contribuye a la reducción significativa del filtro afectivo, facilitando que
el input comprensible sea procesado de manera efectiva y se transforme en intake. En este sentido, la
pág. 3620
interacción humano-máquina configura un entorno percibido como seguro para la experimentación y el
error, condición clave para el desarrollo progresivo de la competencia lingüística y la consolidación
positiva del aprendizaje.
Teoría de la Autodeterminación (SDT) y Motivación
Aplicando la Teoría de la Autodeterminación de Ryan y Deci (2000), la IA potencia la necesidad
psicológica de Autonomía. El estudiante elige qué aprender, cuándo y cómo. A diferencia del currículo
rígido escolar, la IA permite que un estudiante de medicina aprenda inglés con textos de cardiología,
mientras uno de artes lo hace con críticas de cine. Esta relevancia personal incrementa la motivación
intrínseca, un predictor clave del éxito en el aprendizaje de lenguas.
Aprendizaje Adaptativo y Trazado de Conocimiento Bayesiano
Las plataformas modernas utilizan algoritmos de Trazado de Conocimiento Bayesiano (BKT Bayesian
Knowledge Tracing). A diferencia de un libro de texto lineal, estos sistemas calculan
probabilísticamente si un estudiante ha dominado un concepto gramatical específico y ajustan la
dificultad del siguiente reactivo (Zhai, 2023). Si el sistema detecta fallos consistentes en estructuras
complejas, genera andamiaje específico, optimizando la ruta de aprendizaje (learning path).
METODOLOGIA
Para abordar la complejidad del fenómeno, se implementó un diseño metodológico mixto secuencial
explicativo (DEXPLIS), combinando una breve revisión sistemática de literatura. Este enfoque permite
triangular las tendencias de adopción tecnológica con las experiencias pedagógicas y percepciones de
los actores educativos. El periodo de estudio abarca de enero de 2023 a diciembre de 2025, capturando
el ciclo inicial de adopción masiva de la IA Generativa en México.
Se siguió el protocolo PRISMA 2020 (Preferred Reporting Items for Systematic Reviews and Meta-
Analyses) para garantizar la transparencia y replicabilidad en la selección de fuentes.
• Fase de Identificación: Se realizó una búsqueda exhaustiva en bases de datos de alto impacto
(Web of Science, Scopus, ERIC) y repositorios regionales (Redalyc, Scielo, Dialnet). Se
emplearon cadenas de búsqueda booleanas complejas:
pág. 3621
1. ("Artificial Intelligence" OR "Generative AI" OR "Large Language Models") AND
("EFL" OR "English Teaching") AND ("Mexico" OR "Higher Education Latin
America").
• Fase de Cribado: Se identificaron inicialmente 185 documentos. Tras eliminar duplicados y
aplicar criterios de exclusión, se cribaron 112 resúmenes.
• Fase de Elegibilidad: Se revisaron 45 textos completos, evaluando su rigor metodológico. Se
priorizaron estudios empíricos (experimentales o cuasiexperimentales) y tesis de posgrado de
instituciones nacionales acreditadas.
• Inclusión Final: El corpus final se compuso de 32 documentos, integrando por artículos, tesis.
RESULTADOS Y DISCUSIÓN
Panorama Cuantitativo
El análisis de los datos agregados confirma que México no solo sigue tendencias globales, sino que
actúa como un early adopter agresivo en la región. Como se observa en la Tabla 1, la tasa de uso activo
del 34.2% supera significativamente el promedio latinoamericano.
Tabla 1. Uso de IA en Aprendizaje de Idiomas (Latam 2025)
País
Tasa de Uso
Activo (%)
Crecimiento Anual
(YoY)
Segmento
Dominante
México
34.2%
+28%
Universitario /
Young Pro
Brasil
24.5%
+15%
Educación Básica
Colombia
21.0%
+12%
Universitario
Chile
18.3%
+8%
Corporativo
Argentina
19.1%
+5%
Autodidacta
Nota. Elaboración propia con datos de HolonIQ, Neo Educación y reportes de Expansión (2025).
pág. 3622
Este liderazgo mexicano se correlaciona positivamente ($r=0.72$) con la proximidad geográfica a EE.
UU. y la presión del mercado laboral industrial del norte del país. A diferencia de Argentina o Chile,
donde el uso es más académico o cultural, en México el uso es instrumental: se utiliza la IA para simular
entrevistas de trabajo y obtener certificaciones rápidas.
Eficacia Pedagógica Diferenciada
Los hallazgos evidencian que la inteligencia artificial no influye de manera homogénea en el desarrollo
de las competencias, sino que genera una diferenciación significativa entre las habilidades de carácter
receptivo y aquellas de naturaleza productiva.
Tabla 2. Impacto de la IA por Habilidad Lingüística y Nivel CEFR
Habilidad
(Skill)
Herramienta
Predominante
Impacto en
Proficiencia
Observaciones Cualitativas
Speaking
Tutores de Voz
(ELSA, OpenAI
Voice)
Alto (+22%)
Reducción drástica del filtro afectivo. Los
alumnos prefieren practicar con bots antes
que con pares.
Writing
LLMs (ChatGPT,
Claude)
Mixto
Mejora en cohesión y vocabulario, pero
riesgo de dependencia. En niveles A1-A2,
funciona como andamiaje; en B2+, riesgo de
plagio.
Listening
TTS (Text-to-
Speech) Neuronal
Medio-Alto
Exposición a múltiples acentos sintéticos
(US, UK, AUS) mejora la comprensión
global.
Reading
Adaptadores de
Texto
Alto
Incremento en motivación al leer textos de
interés personal adaptados al nivel del
alumno.
Fuente: Síntesis de estudios de Aburto Pineda (2025) y Fritzner et al. (2025).
El Fenómeno del "Speaking" y la Ansiedad
Estudios experimentales en la UAEMex (Aburto Pineda, 2025) demostraron que el grupo experimental
que utilizó tutores de voz durante 15 minutos diarios incrementó su fluidez oral en un 22% y su precisión
pág. 3623
fonética en un 18% comparado con el grupo de control. La variable mediadora clave fue la reducción
de la ansiedad. Los estudiantes reportaron sentirse "libres de juicio" (judgment-free zone), lo que validó
la hipótesis del Filtro Afectivo en entornos digitales (Kohnke & Moorhouse, 2023).
La Paradoja de la Escritura
En la producción escrita se identificaron mayores retos: pese a la mejora en la forma de los textos,
Alipour (2024) advierte que el uso de la IA sin mediación docente puede debilitar la estructuración
argumentativa, ya que los estudiantes tienden a aceptar sus sugerencias sin cuestionamiento, lo que
limita el desarrollo de una voz autoral propia.
Brechas Sociotécnicas
El análisis de los metadatos geográficos puso de manifiesto una polarización significativa en el acceso
y uso de la IA. Aproximadamente el 65 % de la utilización activa de herramientas premium se concentra
en Nuevo León, Ciudad de México y Jalisco, mientras que entidades como Chiapas y Oaxaca registran
niveles de adopción inferiores al 5 %, con una dependencia casi total de versiones gratuitas y
condicionadas por limitaciones de conectividad. Este patrón sugiere que la IA, más que fungir como un
“gran igualador”, podría estar profundizando una brecha digital de segundo orden, asociada a la
capacidad de procesamiento y a la calidad de los modelos disponibles.
DISCUSIONES
Los resultados del estudio permiten afirmar que el discurso sobre el eventual desplazamiento del docente
por la inteligencia artificial carece de sustento empírico; sin embargo, también evidencian que la
transformación del rol docente es impostergable. La IA ha demostrado una clara ventaja en tareas de
instrucción mecánica y corrección gramatical repetitiva, actividades que tradicionalmente absorbían una
proporción considerable del tiempo de clase. Este desplazamiento funcional no reduce la centralidad del
docente, sino que la redefine: de transmisor de contenidos a Arquitecto de Aprendizaje y mediador
cultural, responsable de diseñar experiencias formativas complejas, contextualizadas y críticamente
guiadas.
Desde el marco TPACK, el conocimiento tecnológico deja de ser un complemento para convertirse en
un componente estructural de la competencia docente. No se trata únicamente de saber usar
herramientas, sino de desarrollar una alfabetización algorítmica que permita enseñar a los estudiantes a
pág. 3624
auditar las respuestas de la IA, identificar alucinaciones, reconocer sesgos culturales y evaluar la
pertinencia contextual de los resultados generados. En esta línea, Crompton y Burke (2023) sostienen
que la educación superior debe transitar de una lógica prohibicionista hacia modelos de evaluación que
integren explícitamente el uso crítico de la IA.
No obstante, esta reconfiguración pedagógica se inserta en un campo de tensiones con los principios de
la Nueva Escuela Mexicana (NEM). Existe una fricción epistemológica entre la estandarización
algorítmica propia de los modelos de lenguaje y el enfoque humanista, comunitario y contextual que
promueve la NEM. Los LLMs, entrenados mayoritariamente con variedades hegemónicas del inglés,
tienden a invisibilizar los World Englishes y las identidades lingüísticas locales, lo que plantea riesgos
de homogeneización discursiva. En este sentido, el uso educativo de la IA debe orientarse desde una
perspectiva crítica y decolonial, donde la tecnología funcione como un medio para amplificar la voz del
estudiante y no como un mecanismo de normalización cultural. La soberanía tecnológica implica, por
tanto, no solo acceso, sino también la adaptación y el desarrollo de modelos sensibles al contexto
latinoamericano, evitando nuevas formas de colonialismo digital.
Finalmente, los hallazgos revelan una crisis en los mecanismos tradicionales de evaluación,
particularmente en lo que respecta al ensayo escrito realizado fuera del aula. Las dificultades para
garantizar la integridad académica han erosionado su validez como instrumento único de certificación
del aprendizaje. En respuesta, las instituciones comienzan a migrar hacia modelos de evaluación
multimodal y procesual, que incluyen defensas orales, análisis de historiales de edición, proyectos
aplicados y actividades realizadas en clase. En este nuevo paradigma, la pregunta evaluativa central deja
de ser “¿quién escribió este texto?” para transformarse en “¿cómo utilizó el estudiante las herramientas
disponibles para resolver un problema comunicativo de manera ética, crítica y efectiva?”.
CONCLUSIONES
La presente investigación corrobora que la integración de la Inteligencia Artificial en la enseñanza del
inglés en México no constituye una tendencia efímera, sino una reconfiguración estructural impulsada
por fuerzas macroeconómicas y sociales irreversibles. A través del análisis triangular de datos de
adopción, eficacia pedagógica y contexto sociopolítico, se derivan tres conclusiones fundamentales:
Confirmación del impacto pedagógico en la competencia oral. La IA ha demostrado ser el
pág. 3625
instrumento más efectivo y escalable para mitigar el déficit histórico de la producción oral (speaking)
en el sistema público. Al reducir significativamente el filtro afectivo mediante la interacción con tutores
asépticos y disponibles 24/7, la tecnología ofrece una solución pragmática a la masificación áulica,
permitiendo niveles de práctica individualizada inviables bajo el modelo tradicional.
El Riesgo Latente de una Meritocracia Algorítmica: Si bien la IA democratiza el acceso a la práctica,
también amenaza con cristalizar nuevas formas de desigualdad. La brecha digital de segundo nivel
definida por la calidad del modelo al que se tiene acceso (versiones premium vs. gratuitas)está alineada
peligrosamente con las disparidades geográficas y socioeconómicas preexistentes. Sin una intervención
estatal decidida en infraestructura y subsidio de licencias educativas, el dominio del inglés mediado por
IA podría convertirse en un privilegio exclusivo del norte industrializado, exacerbando la inmovilidad
social en el sur del país.
Necesidad de una Transformación Docente y Curricular: La coexistencia con la IA exige una
actualización urgente de la formación docente en las Escuelas Normales. El profesorado no debe ser un
espectador pasivo ni un policía anti-plagio, sino un guía ético y epistemológico. Es crítico integrar la
alfabetización algorítmica en el currículo nacional, alineando el uso de la tecnología con los principios
humanistas de la Nueva Escuela Mexicana para fomentar un uso crítico, soberano y culturalmente
consciente de las herramientas globales.
En síntesis, el porvenir de la enseñanza del inglés en México estará determinado menos por el grado de
avance tecnológico disponible y más por la capacidad del sistema educativo para regular e implementar
la IA bajo criterios de equidad, justicia social y pertinencia cultural.
REFERENCIAS BIBLIOGRÁFICAS
Aburto Pineda, L. G. (2025). Mejorando el aprendizaje del inglés mediante inteligencia artificial:
Evidencia desde un modelo híbrido en la educación superior en México. Revista Veritas De
Difusão Científica, 6(1), 3468–3488.
Alipour, P. (2024). ChatGPT as a writing assistant: An experimental study on EFL students' writing
performance and attitudes. Interactive Learning Environments.
https://www.google.com/search?q=https://doi.org/10.1080/10494820.2024.2312000
pág. 3626
Banco Mundial. (2024). Digital skills and future of work in Latin America: The AI disruption. World
Bank Publications.
Barragán Goytortuo, A. M., Arriaga Plascencia, G., & González Silva, M. (2025). El uso de Inteligencia
Artificial (ChatGPT) dentro de la comunidad estudiantil de la licenciatura en enfermería y
obstetricia. Jóvenes en la Ciencia, 28.
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in
Psychology, 3(2), 77-101.
British Council. (2015). English in Mexico: An examination of policy, perceptions and influencing
factors. British Council Mexico.
Chomsky, N., Roberts, I., & Watumull, J. (2023, 8 de marzo). The false promise of ChatGPT. The New
York Times. https://www.nytimes.com/2023/03/08/opinion/noam-chomsky-chatgpt-ai.html
Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: the state of the
field. International Journal of Educational Technology in Higher Education, 20(1), 1-22.
https://doi.org/10.1186/s41239-023-00392-8
Expansión. (2025, 5 de noviembre). México es líder en aprendizaje de inglés con IA.
https://expansion.mx/tecnologia
Fritzner, J., Sierra Vergara, G. I., & Córdova Campos, N. D. (2025). Transformación en la enseñanza
del inglés: El impacto revolucionario de la inteligencia artificial. Ciencia Latina Revista
Científica Multidisciplinar, 9(3).
García-Peñalvo, F. J. (2023). La percepción de la Inteligencia Artificial en contextos educativos tras el
lanzamiento de ChatGPT: disrupción o pánico. Education in the Knowledge Society (EKS), 24,
e31279. https://doi.org/10.14201/eks.31279
González-Videgaray, M., & Hernández-Zamora, G. (2024). Ecologías de aprendizaje digital en el
bachillerato de la UNAM: Más allá del aula. Revista Mexicana de Bachillerato a
Distancia, 16(32).
Hockly, N. (2023). Artificial Intelligence in ELT: An overview. ELT Journal, 77(4), 431-439.
https://doi.org/10.1093/elt/ccad033
pág. 3627
Kohnke, L., & Moorhouse, B. L. (2023). ChatGPT for language teaching and learning. RELC
Journal, 54(2), 537-550. https://doi.org/10.1177/00336882231162868
Krashen, S. D. (1982). Principles and practice in second language acquisition. Pergamon Press.
Mexicanos Primero. (2023). Aprender a aprender en la escuela: La asignatura pendiente del inglés.
Mexicanos Primero.
Mizumoto, A., & Eguchi, M. (2023). Exploring the potential of using ChatGPT in English language
learning. New Directions in Teaching and Learning English, 1, 1-15.
Molina, I. (2025, 22 de julio). Nearshoring impulsa demanda de talento bilingüe en la industria
mexicana. Mexico Industry.
Neo Educación. (2025). Reporte de tendencias EdTech Latam: 34% de los estudiantes ya usa
Inteligencia Artificial para aprender inglés.
Organización para la Cooperación y el Desarrollo Económicos. (2024). PISA 2022 results (Volume III):
Creative minds, creative schools. OECD Publishing. https://doi.org/10.1787/765ee8c2-en
Ramírez-Romero, J. L., & Sayer, P. (2016). Resource book for language teachers and researchers in
Mexico. Pearson.
Rodríguez Flores, J. C. (2024). Impulso a la certificación del idioma inglés mediada por la inteligencia
artificial en estudiantes de nivel superior. RIDE Revista Iberoamericana para la Investigación
y el Desarrollo Educativo, 14(28). https://doi.org/10.23913/ride.v14i28.1900
Ryan, R. M., & Deci, E. L. (2000). Self-determination theory and the facilitation of intrinsic motivation,
social development, and well-being. American Psychologist, 55(1), 68–78.
https://doi.org/10.1037/0003-066X.55.1.68
Sánchez, M., & Martínez, A. (2024). La Inteligencia Artificial en la enseñanza del inglés en nivel medio
superior en México: Retos y Oportunidades. Actas del Congreso Internacional de Innovación
Educativa. Dialnet.
Secretaría de Educación Pública. (2024). Marco Curricular Común de la Educación Media Superior:
Lengua y Comunicación. Gobierno de México.
Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of
Instructional Technology and Distance Learning, 2(1), 3-10.
pág. 3628
UNESCO. (2024). Guidance for generative AI in education and research. UNESCO.
https://www.google.com/search?q=https://doi.org/10.54675/10.54675/3120
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard
University Press.
Zhai, X. (2023). ChatGPT user experience: Implications for education. SSRN Electronic Journal.
https://doi.org/10.2139/ssrn.4312418