Revisin sistemtica sobre el uso de la inteligencia artificial en la enseanza del ingls universitario

 

Systematic review on the use of artificial intelligence in teaching university English

 

Reviso sistemtica sobre o uso de inteligncia artificial no ensino de ingls universitrio

Ana Elizabeth Maldonado-Len I
anamaldonado@unach.edu.ec
https://orcid.org/0000-0002-3215-4376

,Diana Carolina Chvez-Guzmn II
dianacarolina.chavez@unach.edu.ec
https://orcid.org/0000-0002-3019-944X
Jhon Jairo Inca-Guerrero III
jhon.inca@unach.edu.ec
https://orcid.org/0000-0002-1296-1920

,Daro Javier Cutiopala-Len IV
dario.cutiopala@unach.edu.ec
https://orcid.org/0009-0003-8413-3555
 

 

 

 

 

 

 

 

 

 

 


Correspondencia: anamaldonado@unach.edu.ec

 

 

Ciencias de la Educacin

Artculo de Investigacin

 

 

* Recibido: 12 de mayo de 2025 *Aceptado: 20 de junio de 2025 * Publicado: 07 de julio de 2025

 

        I.            Universidad Nacional de Chimborazo, Ecuador.

      II.            Universidad Nacional de Chimborazo, Ecuador.

   III.            Universidad Nacional de Chimborazo, Ecuador.

   IV.            Universidad Nacional de Chimborazo, Ecuador.


Resumen

En esta investigacin se lleva a cabo un anlisis sobre cmo se utiliza la inteligencia artificial (IA) en la enseanza del ingls en la educacin superior. Se analizaron 601 documentos de la base de datos Scopus, publicados entre 2020 y 2025, para identificar patrones, avances y vacos en la literatura cientfica reciente.

En el presente estudio se realiz un anlisis bibliomtrico, complementado con tcnicas de reduccin de significado y agrupacin de temas para evaluar el progreso cientfico de la IA en la enseanza del ingls para estudiantes de la universidad. Los hallazgos detallan un gran avance en la creacin de conocimiento cientfico a partir de 2020 gracias al uso de nuevas tecnologas, sistemas de tutora inteligente y enfoques automatizados para la enseanza. El anlisis temtico condujo a una clasificacin de doce conceptos significativos en la literatura revisada. Los autores abordan grupos como la retroalimentacin automtica en la escritura, la enseanza de la pronunciacin con tecnologas de reconocimiento de voz, el chatbot educativo, el aprendizaje autnomo e incluso la aplicacin de IA generativa en la educacin.

Palabras clave: inteligencia artificial; enseanza del ingls; aprendizaje automtico; educacin superior.

 

Abstract
This research analyzes how artificial intelligence (AI) is used in English language teaching in higher education. 601 documents from the Scopus database, published between 2020 and 2025, were analyzed to identify patterns, advances, and gaps in the recent scientific literature. In this study, a bibliometric analysis was conducted, complemented by meaning reduction and topic clustering techniques, to assess the scientific progress of AI in English language teaching for university students. The findings detail a major advance in the creation of scientific knowledge since 2020 thanks to the use of new technologies, intelligent tutoring systems, and automated teaching approaches. Thematic analysis led to a classification of twelve significant concepts in the reviewed literature. The authors address groups such as automatic feedback in writing, pronunciation teaching with speech recognition technologies, educational chatbots, autonomous learning, and even the application of generative AI in education.

Keywords: artificial intelligence; English language teaching; machine learning; higher education.

 

Resumo

Esta pesquisa analisa o uso da inteligncia artificial (IA) no ensino de ingls no ensino superior. Foram analisados ​​601 documentos da base de dados Scopus, publicados entre 2020 e 2025, para identificar padres, avanos e lacunas na literatura cientfica recente.

Neste estudo, foi realizada uma anlise bibliomtrica, complementada por tcnicas de reduo de significado e agrupamento de tpicos, para avaliar o progresso cientfico da IA ​​no ensino de ingls para estudantes universitrios. Os resultados detalham um grande avano na criao de conhecimento cientfico desde 2020, graas ao uso de novas tecnologias, sistemas de tutoria inteligente e abordagens de ensino automatizadas. A anlise temtica levou classificao de doze conceitos significativos na literatura revisada. Os autores abordam grupos como feedback automtico na escrita, ensino de pronncia com tecnologias de reconhecimento de fala, chatbots educacionais, aprendizagem autnoma e at mesmo a aplicao de IA generativa na educao.

Palavras-chave: inteligncia artificial; ensino de ingls; aprendizado de mquina; ensino superior.

 

Introduccin

La inteligencia artificial (IA) es una parte de la computacin que se dedica a que dispositivos que pueden hacer tareas que normalmente necesitan inteligencia humana, como aprender, resolver problemas y tomar decisiones. Este concepto fue expuesto por John McCarthy en 1956 y se refiere a imitar los procesos mentales humanos mediante mquinas, especialmente computadoras (Verma, Abhishek et al., 2022). La IA utiliza varias tecnologas, como el aprendizaje automtico (ML), el aprendizaje profundo (DL), el procesamiento de lenguaje natural (PNL) y sistemas de lenguaje especializados, que permiten a las mquinas imitar las habilidades mentales humanas (Evani, 2023; Yazdani et al., 2023).

Las aplicaciones de la IA son diversas e intervienen en muchos sectores. En la salud por ejemplo, ayuda a identificar y tratar enfermedades; en la educacin, adapta los espacios de aprendizaje; y en la agricultura, mejora el manejo del agua y el suelo para tomar ptimas decisiones (Arfi et al., 2023; Cheng, 2023; Damini et al., 2024). La IA maneja grandes volmenes de datos de forma rpida y exacta lo que hace una herramienta muy til para mejorar la eficiencia y los resultados en diversas reas (Lingaraj et al., 2022). Con el auge de la IA, aparecen tanto oportunidades como desafos, por lo que es clave analizar de forma crtica cmo impacta en lo cultural, social y poltico (Olvera-Yerena, 2022).

La aplicacin IA en la educacin universitaria es multifactica y ofrece un potencial transformador en varios mbitos, incluido el aprendizaje personalizado, el apoyo acadmico, ayuda a potenciar el aprendizaje de cada estudiante, optimizar su preparacin y prepararlos para el futuro tecnolgico. En la educacin superior se utilizan tecnologas de IA para adaptar el aprendizaje a las necesidades de cada estudiante, como los docentes inteligentes, el aprendizaje automtico y las plataformas adaptativas. Estas tecnologas facilitan las tareas de retroalimentacin y evaluacin, permitiendo a los educadores concentrarse en los aspectos estratgicos de la enseanza. (Supelano Londoo, 2024).

La incorporacin de la IA en los procesos de enseanza del idioma ingls en la educacin superior transforma las prcticas pedaggicas convencionales. En este sentido, se puede decir que una de las principales caractersticas de esta tecnologa es la capacidad de articular entornos instruccionales especficamente adecuados, en los que los contenidos son ajustados a la perfeccin de acuerdo con el nivel de competencia cognitiva y las necesidades formativas de cada uno. La literatura especializada tiene un punto de vista unnime en este aspecto, en la medida en que este tipo de adaptabilidad tiene un impacto significativo en la participacin intelectual de los aprendices al mismo tiempo que garantiza mejoras perceptibles en los niveles de rendimiento. Tales avances sugieren el advenimiento de escenarios formativos ms ricos en matices, donde la progresin del estudiante responde no ya a la rigidez de programas estandarizados, sino al despliegue gradual de sus propias capacidades. De forma adicional, la aplicacin de arquitecturas informticas como las redes neuronales. Adems, el uso de arquitecturas computacionales como las redes neuronales y las tcnicas de aprendizaje estadstico ha mejorado habilidades especficas especialmente en traduccin y ha promovido una visin ms positiva en los escenarios de la enseanza del lenguaje, moldeando un paradigma donde la instruccin se vuelve al mismo tiempo ms estricta y ms emptica.(Wang et al., 2024; Xu, 2024).

Adems, se ha mostrado que los mtodos de enseanza con ayuda de la IA mejoran las competencias de traduccin y hablar de los estudiantes. Las plataformas de IA ofrecen una formacin interactiva adaptada que mejora el dominio del habla de los estudiantes. El desarrollo de recursos didcticos inteligentes y el uso de la IA en estrategias de enseanza organizados han ayudado a que la enseanza del ingls sea ms efectiva y adaptada a cada estudiante, atendiendo sus necesidades especficas y mejorando los logros de aprendizaje de los alumnos (Huang & Hu, 2024). Las tecnologas de inteligencia artificial, como los chatbots, los sistemas de tutora inteligentes y las aplicaciones de aprendizaje de idiomas como Duolingo y Babbel, ofrecen lecciones personalizadas que se adaptan al ritmo y los niveles de competencia de los alumnos individuales, acelerando as el aprendizaje y manteniendo la motivacin de los estudiante (Kristiawan et al., 2024; Agrawal, 2024).  Estas herramientas utilizan algoritmos de aprendizaje automtico para identificar los puntos fuertes y dbiles de los alumnos, y ofrecen ejercicios que abordan necesidades especficas (Agrawal, 2024). La IA tambin apoya las habilidades especficas del idioma, como la adquisicin de vocabulario, la correccin gramatical y la pronunciacin, lo que puede beneficiar significativamente a los estudiantes con diferentes estilos y necesidades de aprendizaje (Kovalenko & Baranivska, 2024).  La integracin del PNL mejora la personalizacin al estudiar el lenguaje de los alumnos y ajusta el contenido educativo (Lawrance et al., 2024). Las herramientas de IA dan contestaciones rpidas, y el 80% de los estudiantes segn (Oladele Jegede, 2024) cree que esto ayuda a aprender un nuevo idioma. Otro beneficio es que la IA brinda ayuda las 24 horas, todos los das, mediante tutores virtuales y chatbots, garantizando que el aprendizaje no se restrinja a los horarios de clases normales (Agrawal, 2024) . El mtodo de enseanza de ingls que usa IA (AI-ETM) utiliza algoritmos inteligentes para ajustar las estrategias y el contenido de la enseanza. Esto ayuda a aumentar la motivacin de los estudiantes para aprender el idioma (Zhang et al., 2024). Sin embargo, esta variedad de aplicaciones ha formado un ecosistema complicado y siempre cambiante, donde conviven distintos mtodos, niveles de educacin, tecnologas y contextos culturales. En este contexto, es esencial organizar el conocimiento actual para identificar tendencias, reas ausentes y oportunidades para futuras investigaciones.

Este artculo revisa de forma organizada la investigacin cientfica sobre cmo se usa la inteligencia artificial para impartir ingls. El objetivo es estudiar cmo ha cambiado el tema, definir las reas de investigacin ms importantes y descubrir nuevos patrones al analizar documentos en la base de datos Scopus. Usando tcnicas para documentar publicaciones y analizar su significado con herramientas de aprendizaje automtico, se pretende ofrecer una visin clara que ayude a investigadores y creadores de soluciones educativas inteligentes.

 

 

Metodologa

Para llevar a cabo el anlisis de la literatura cientfica sobre la aplicacin de la IA en la enseanza del ingls, se sigui un enfoque mixto compuesto por tcnicas bibliomtricas, mapeo cientfico y anlisis semntico. El proceso metodolgico general se representa. Este enfoque, estructurado en dos fases principales: preparacin de los datos y anlisis bibliomtrictemtico, busca garantizar la transparencia, la reproducibilidad y la validez del estudio, conforme a las directrices propuestas por (Booth et al., 2016; Gough et al., 2017), ampliamente reconocidas en el mbito de la investigacin educativa.

1.      Preparacin de los Datos

-          Recuperacin de Datos

La informacin bibliogrfica fue extrada de la base de datos Scopus, por su alta cobertura en publicaciones cientficas de calidad. Para construir el corpus, se aplic la siguiente cadena de bsqueda en los campos.

( TITLE-ABS-KEY ( "artificial intelligence" OR AI OR "machine learning" OR "deep learning" OR chatbot* OR "intelligent tutoring system" ) ) AND ( TITLE-ABS-KEY ( "English language teaching" OR "teaching English" OR ELT OR EFL OR ESL ) ) AND ( TITLE-ABS-KEY ( "education" OR "higher education" ) ) AND ( PUBYEAR > 2019 ).

Los criterios de inclusin fueron:

                    Documentos publicados entre 2020 y 2025.

                    Idioma: ingls.

                    Tipos de documentos: artculos cientficos, revisiones y captulos de libro.

                    Documentos con metadatos completos, especialmente con resumen (abstract).

Como resultado, se recopil un total de 601 documentos con informacin bibliogrfica completa, incluyendo ttulo, autores, fuente, ao de publicacin y resumen.

2.      Anlisis Bibliomtrico

Se llev a cabo un estudio de eficiencia utilizando la informacin recopilada de la base de datos Scopus con el fin de descubrir tendencias comunes en la produccin cientfica en relacin con el empleo de la inteligencia artificial en la enseanza del idioma ingls. Gracias al anlisis bibliomtrico, se pudo investigar el avance y la composicin de la literatura de forma numrica Se analizaron los siguientes elementos:

                    Se realiz un monitoreo anual de la cantidad de publicaciones para investigar el crecimiento en la produccin cientfica desde 2020 hasta 2025.

                    La clasificacin se ejecut considerando la naturaleza de los documentos, que incluye investigaciones, captulos de libros, ponencias en conferencias, evaluaciones crticas y otras clasificaciones.

                    Las fuentes principales para encontrar las revistas, editoriales o colecciones destacadas en ese campo especfico.

                    Los autores y entidades con mayor cantidad de trabajos publicados demuestran su liderazgo acadmico en el campo de estudio.

                    Se emplearon herramientas de anlisis de datos en Python, destacando el uso de pandas para la gestin de datos en forma de tablas, as como matplotlib y seaborn para crear representaciones grficas relacionadas con estadsticas. Seguimiento anual del nmero de publicaciones para ver cmo crece la produccin cientfica entre 2020 y 2025.

Los resultados de este estudio se presentarn en la seccin 3 de este artculo.

3.      Agrupacin Temtica Usando Resmenes

Se emple una tcnica de clasificacin conceptual para detectar los temas predominantes en la literatura, examinando los ficheros de los textos mediante herramientas de procesamiento del lenguaje natural (PLN) y machine learning.

-          Presentacin del Texto

Se emplearon modelos preentrenados de SentenceTransformers, concretamente:

Utiliza el modelo DistilBERT base NLI para tokenizar y el modelo MPNet base v2 para todas las operaciones. Los modelos generaron vectores densos de 768 dimensiones a partir de cada sinopsis, lo que posibilita una representacin semntica minuciosa de los textos.

-          Reduccin de Dimensiones

Con el propsito de simplificar la interpretacin y representacin grfica, se emple el algoritmo UMAP (Aproximacin y Proyeccin Uniforme de Manifolds) en los vectores de significado. Se llevaron a cabo dos repeticiones utilizando distintos ajustes:

En la primera iteracin, se estableci que hay 15 vecinos cercanos y 7 componentes.

En la segunda iteracin, se encontraron 28 vecinos cercanos y se identificaron 7 componentes.

En ambas: mtrica = 'cosn'

Gracias a este mtodo, se logr ordenar los archivos de forma sistemtica en un rea reducida, conservando conexiones semnticas significativas.

-          Agrupamiento Iterativo

Se emple el mtodo HDBSCAN (Agrupamiento Espacial Basado en Densidad con Ruido Jerrquico) con el fin de identificar conjuntos de temas sin la necesidad de especificar previamente la cantidad de grupos requeridos. En el primer encuentro se identificaron conjuntos amplios. Despus, el grupo ms extenso fue reestructurado en una segunda evaluacin con el fin de identificar subcategoras ms especficas.

Se revis la calidad de la agrupacin utilizando el ndice DBCV (Density-Based Clustering Validation), el cual permite analizar la proximidad y la separacin de los grupos de manera efectiva. Los valores superiores a 0.45 fueron considerados adecuados, ya que revelan agrupaciones ntidas y distintivas.

-          Etiquetado de Grupos y Temas

Se utiliz una estrategia combinada para identificar los temas en cada grupo, basada en:

                    c-TF-IDF (frecuencia de trmino por clase frecuencia inversa de documento): Esta tcnica ayud a encontrar las palabras ms caractersticas de cada tema usando el texto completo de los resmenes.

                    VOSviewer Se us esta herramienta para crear mapas que muestran cmo coexisten las palabras clave que se sacan de los resmenes.

-          Ver redes de significado de palabras dentro de cada grupo.

-          Verificar visualmente las reas temticas ms comunes y cmo estn conectadas entre s.

Esta combinacin de mtodos permiti dar una etiqueta temtica a cada grupo con mucha confianza, utilizando tanto anlisis semntico automtico como visualizacin bibliomtrica.

4.      Validacin Temtica

Finalmente, los clsteres identificados fueron revisados mediante un proceso de validacin cruzada. En una primera etapa, los autores analizaron internamente los resultados de los agrupamientos y los trminos ms representativos. Posteriormente, se realiz una revisin externa con un experto en inteligencia artificial aplicada a la educacin de idiomas. Esta evaluacin permiti:

                    Validar los nombres asignados a los clsteres.

                    Detectar posibles solapamientos entre temas.

                    Consolidar los clsteres en reas temticas ms amplias y relevantes.

Como resultado, se obtuvo una clasificacin temtica slida de la produccin cientfica analizada, cuyos hallazgos se presentan en la seccin de resultados.

 

Resultados

-          Anlisis de Rendimiento

Para entender cmo se produce ciencia sobre el uso de la IA en la enseanza del ingls, se llev a cabo un anlisis bibliomtrico de rendimiento. Este anlisis ayuda a medir la productividad de la literatura cientfica usando indicadores como el nmero de publicaciones cada ao, el tipo de documento, las fuentes de publicacin y los actores ms importantes (autores e instituciones). A continuacin, se presentan los resultados ms relevantes.

Evaluacin del Rendimiento

La Figura 1 representa la secuencia temporal de los estudios cientficos asociados con la implementacin de la inteligencia artificial en la instruccin del ingls. Se observa un avance gradual en aos recientes, particularmente desde 2020, ao que seal el comienzo de la investigacin sistemtica en el campo. Esta expansin puede ser atribuida a la emergencia de tecnologas pioneras como ChatGPT, al auge global de la educacin digital tras la pandemia, y al incremento en el inters por el aprendizaje de lenguas a travs de plataformas inteligentes.

 

Figura 1

Evolucin anual del nmero de publicaciones

Grfico, Grfico de barras

El contenido generado por IA puede ser incorrecto.

 

         Distribucin segn el Tipo de Documento

La Figura 2 representa la distribucin de las publicaciones en funcin de su categora documental. La mayor proporcin de los artculos publicados en revistas evidencia el inters consolidado por la comunidad acadmica y cientfica. Las actividades cientficas desempean un papel fundamental en la diseminacin de investigaciones de relevancia y en la promocin de usos creativos.

 

Figura 2

Distribucin por tipo de documento

Grfico, Grfico de barras

El contenido generado por IA puede ser incorrecto.

 

         Principales Fuentes de Publicacin

La Figura 3 muestra las diez fuentes ms citadas donde se han publicado investigaciones sobre la implementacin de la inteligencia artificial en la enseanza del ingls. Se observa una cantidad considerable de publicaciones acadmicas sobre tecnologa educativa, aprendizaje de idiomas y aplicaciones de inteligencia artificial. Esta situacin muestra el carcter interdisciplinario de la disciplina, donde se combinan la lingstica aplicada, la pedagoga digital y la ciencia de datos.

La diversidad de fuentes tambin sugiere que el inters temtico se ampla hacia diversas comunidades acadmicas y prcticas. Esto promueve la diversificacin de enfoques y metodologas aplicadas en el estudio.

 

Figura 3

Principales fuentes de publicacin

Grfico, Grfico de embudo

El contenido generado por IA puede ser incorrecto.

 

         Autores e Instituciones Ms Productivos

La Figura 4 identifica a los diez autores con mayor nmero de publicaciones dentro del corpus analizado. Se observa una distribucin dispersa, sin una marcada concentracin en un solo autor, lo que sugiere un campo de estudio emergente y colaborativo. Adems, la Figura 5 muestra un mapa de calor generado con VOSviewer que representa la colaboracin cientfica entre pases en el mbito de la IA aplicada a la enseanza del ingls.

Los pases con colores ms clidos (amarillo y verde brillante) son los que tienen ms actividad colaborativa. El caso ms notable es China, que muestra el color ms intenso, lo que indica que lidera en cantidad de publicaciones y en redes de colaboracin internacionales. Arabia Saudita, India, Estados Unidos, Malasia y Reino Unido son los pases que le siguen y tambin tienen una participacin importante.

Este mapa tambin ayuda a conocer a los principales actores geogrficos en la produccin cientfica de la zona. Tambin muestra cmo estn unidas las naciones, destacando la globalizacin del conocimiento y el inters comn en usar tecnologas nuevas, como la inteligencia artificial, en la educacin. El carcter internacional de las afiliaciones muestra el inters mundial por mejorar la enseanza del ingls usando tecnologas inteligentes. Esto incluye desde la creacin de sistemas de conversacin hasta la personalizacin del aprendizaje en plataformas educativas.

 

Figura 4

Autores con mayor nmero de publicaciones

Grfico, Grfico de barras

El contenido generado por IA puede ser incorrecto.

 

 

 

 

Figura 5

Autores con mayor nmero de publicaciones

Imagen que contiene pjaro, vuelo, grande, pequeo

El contenido generado por IA puede ser incorrecto.

 

-          Agrupamiento temtico de la literatura

Para identificar las principales lneas temticas presentes en la literatura sobre el uso de inteligencia artificial en la enseanza del ingls, se aplic una tcnica de agrupamiento conceptual. Este anlisis permiti detectar 12 clsteres temticos relevantes, cada uno caracterizado por un conjunto distintivo de palabras clave. La Tabla 1 resume los clsteres identificados, indicando la cantidad de documentos que los componen y las palabras clave ms representativas:

 

Tabla 1

Resumen de clsteres temticos identificados en la literatura sobre IA en la enseanza del ingls

Clster

Documentos

Palabras clave significativas

0

11

learning, english, teaching, language, reality, virtual, study, students, technology, mixed

1

54

efl, language, learning, learners, study, students, education, self, english, research

2

70

writing, students, feedback, chatgpt, efl, study, language, learning, tools, english

3

31

learning, education, based, digital, using, data, students, intelligence, artificial, teaching

4

12

pronunciation, english, learning, language, students, learners, study, speaking, efl, asr

5

18

language, learning, english, education, teaching, students, also, learners, intelligence, artificial

6

42

english, learning, teaching, students, language, data, system, education, model, technology

7

11

language, chatgpt, learning, study, students, efl, education, research, potential, teachers

8

42

language, learning, english, students, chatbots, chatbot, study, efl, speaking, education

9

12

language, teachers, teaching, chatgpt, education, english, study, learning, integration, research

10

22

use, chatgpt, language, efl, study, technology, english, model, teachers, learning

11

14

teachers, efl, language, education, students, english, study, teaching, learning, intelligence

 

Esta agrupacin muestra una variedad de temas dentro del rea estudiada. Algunos grupos se enfocan en elementos educativos como la retroalimentacin en la redaccin (grupo 2), la pronunciacin asistida por tecnologa (grupo 4), o la aplicacin de realidad virtual y realidad combinada en la enseanza del ingls (grupo 0). Otros grupos muestran el incremento en el inters por herramientas concretas como ChatGPT (grupos 7, 9 y 10), adems de enfoques centrados en sistemas inteligentes y anlisis de datos (grupos 3 y 6).

La Figura 6 enriquece este estudio muestra la agrupacin semntica, lograda a travs de UMAP y HDBSCAN. Cada punto simboliza un artculo y su color refleja el grupo temtico al que se asigna, lo que facilita la observacin de la concentracin y la dispersin de los asuntos estudiados.

 

 

 

 

 

Figura 6

Distribucin espacial de documentos segn clster temtico

Grfico, Grfico de dispersin

El contenido generado por IA puede ser incorrecto.

 

Adems, la Figura 7 muestra la red de palabras clave que ocurren juntas. Este mapa revela las relaciones entre trminos comunes. El tamao de cada nodo indica cun frecuente es el trmino, y el color representa el ao promedio en que se public. Este grfico muestra una gran concentracin en trminos como artificial intelligence, students, chatGPT y teaching, lo que demuestra que estos conceptos son fundamentales en la investigacin reciente. La llegada de nodos amarillos, como el aprendizaje por contraste y la IA generativa, indica el surgimiento de nuevas tendencias en los ltimos aos.

 

 

 

 

 

 

 

 

 

 

 

 

Figura 7

Mapa de coocurrencia de trminos en la literatura

Diagrama, Mapa

El contenido generado por IA puede ser incorrecto.

 

Finalmente, para evaluar la consistencia y estabilidad de los clsteres obtenidos, se realiz una validacin cruzada de los resultados, cuyos indicadores se resumen en la tabla 2. La mayora de los clsteres presentaron valores de estabilidad superiores al 80%, y coeficientes de silueta mayores a 0.4, lo cual respalda la calidad y coherencia de la agrupacin semntica realizada.

 

Clster

Documentos

Estabilidad (%)

Coeficiente de Silueta

0

11

85.4%

0.48

1

54

90.2%

0.51

2

70

94.3%

0.57

3

31

82.6%

0.44

4

12

88.0%

0.46

5

18

80.7%

0.42

6

42

91.1%

0.53

7

11

79.5%

0.39

8

42

89.0%

0.49

9

12

86.8%

0.45

10

22

87.6%

0.47

11

14

90.5%

0.50

Nota: Esta tabla resume las principales agrupaciones temticas obtenidas mediante anlisis semntico de resmenes. Cada clster representa una lnea de investigacin con trminos recurrentes representativos

 

Los valores de estabilidad y silueta muestran una buena coherencia en la mayora de los grupos, especialmente en los clsteres 2, 6 y 1. Esto indica que los temas sobre escritura con IA, enseanza del ingls y aprendizaje con tecnologas tienen una clara identidad temtica y poca variacin semntica.

 

Discusin

Los resultados muestran que el uso de IA para ensear ingls ha crecido de manera constante, sobre todo desde 2020. Este aumento est relacionado con la llegada de herramientas como ChatGPT, pero tambin con la necesidad de que las instituciones se adapten a nuevas formas de enseanza tras la pandemia. La comunidad acadmica ha mostrado inters; sobre todo, se han publicado artculos cientficos, pero tambin hay una considerable cantidad de captulos de libros y ponencias. Esto muestra un campo en crecimiento con muchas reas de investigacin.

Algo atrayente es que no hay un nico autor o institucin que lidere claramente esta rea, sino que se observa un entorno de trabajo colaborativo y bastante distribuido. A nivel mundial, pases como China, Arabia Saudita, India y Estados Unidos son destacados por su produccin y colaboracin, lo que muestra que el inters en usar IA para ensear ingls es realmente global.

Los temas tratados y los clsteres identificados ayudan a comprender mejor las principales reas de investigacin. Algunos se enfocan en aspectos muy especficos como la pronunciacin, la retroalimentacin en la escritura o el uso de chatbots. Otros se orientan ms hacia enfoques generales de aprendizaje con tecnologas inteligentes. Es interesante que uno de los temas ms tratados sea la escritura y el feedback automtico. Esto se debe, probablemente, a que son tareas en las que la IA puede ayudar mucho a los profesores.

La validacin de los clsteres muestra que la mayora estn claros y son consistentes, especialmente los que se refieren a la escritura con ayuda de IA, el aprendizaje de idiomas y el uso de tecnologas educativas. Esto respalda la idea de que estos son temas importantes y conocidos en la investigacin actual.

El mapa de palabras clave muestra cmo han cambiado los intereses a lo largo del tiempo. Palabras como "inteligencia artificial", "estudiantes" o "enseanza" siguen siendo importantes, pero tambin estn surgiendo nuevas ideas como "aprendizaje contrastivo" o "IA generativa". Esto indica que el campo est cambiando rpidamente y que seguirn apareciendo nuevos temas de estudio.

 

Conclusiones

La revisin bibliomtrica y temtica ayuda a comprender cmo la inteligencia artificial se ha convertido en un engranaje fundamental para la enseanza. La mayora de las publicaciones compartan enfoques metodolgicos dispersos, pero se notaban temas comunes como la personalizacin del aprendizaje, el uso de chatbots y los sistemas de retroalimentacin automtica.

La presencia de clsteres temticos claros dice que el campo est formando una base de investigacin bastante buena. Al mismo tiempo, se investigan ms a fondo reas nuevas como la IA generativa y el aprendizaje contrastivo. Tal dinamismo abre oportunidades para comprender cmo estas tecnologas pueden mejorar la enseanza y el aprendizaje.

Los resultados demuestran, por lo tanto, que existe una comunidad cientfica activa que se centra en cmo incluir la innovacin en la enseanza del ingls. El ltimo punto tambin revela varios aspectos cuyas consecuencias necesitan ser examinadas ms a fondo, ya que se necesita ms investigacin en torno a cmo estas herramientas realmente impactan diferentes entornos educativos desde un punto de vista tico, pedaggico y cultural. Por lo tanto, se sientan las bases para futuras investigaciones relacionadas con cmo usar y cmo evaluar de manera crtica la IA en la enseanza de idiomas.

 

Referencias

1.      Agrawal, P. (2024). Role of Artificial Intelligence in Teaching and Learning English Language. International Journal For Multidisciplinary Research, 6(3), 22148. https://doi.org/10.36948/ijfmr.2024.v06i03.22148

2.      Arfi, S., Srivastava, N., & Sharma, N. (2023). Artificial Intelligence: An Emerging Intellectual Sword for BattlingCarcinomas. Current Pharmaceutical Biotechnology, 24(14), 17841794. https://doi.org/10.2174/1389201024666230411091057

3.      Booth, A., Sutton, A., & Papaioannou, D. (2016). Systematic approaches to a successful literature review (Second edition). SAGE.

4.      Cheng, X. (2023). The Widespread Application of Artificial Intelligence in Education Necessitates Critical Analyses. Science Insights Education Frontiers, 16(2), 24752476. https://doi.org/10.15354/sief.23.co081

5.      Damini, D., Ashwini, K., & Dipali, M. (2024). Research Paper on What is Artificial Intelligence and Its Applications. INTERANTIONAL JOURNAL OF SCIENTIFIC RESEARCH IN ENGINEERING AND MANAGEMENT, 08(02), 110. https://doi.org/10.55041/IJSREM28575

6.      Evani, T. (2023). Redefining Artificial Intelligence within Sociolinguistic Frames: The Dilemma of Automated Behaviorism and Natural Language Processing. International Journal of Humanities, Social Sciences and Education, 10(4), 14. https://doi.org/10.20431/2349-0381.1004001

7.      Gough, D., Oliver, S., & Thomas, J. (2017). An introduction to systematic reviews (2nd edition). SAGE.

8.      Huang, X., & Hu, H. (2024). Research on the Construction of English Teaching Resource Base in Colleges and Universities under the Background of Artificial Intelligence. Applied Mathematics and Nonlinear Sciences, 9(1), 20231272. https://doi.org/10.2478/amns.2023.2.01272

9.      Kovalenko, I., & Baranivska, N. (2024). INTEGRATING ARTIFICIAL INTELLIGENCE IN ENGLISH LANGUAGE TEACHING: EXPLORING THE POTENTIAL AND CHALLENGES OF AI TOOLS IN ENHANCING LANGUAGE LEARNING OUTCOMES AND PERSONALIZED EDUCATION. European Socio-Legal & Humanitarian Studies, 1, 8695. https://doi.org/10.61345/2734-8873.2024.1.9

10.  Kristiawan, D., Bashar, K., & Pradana, D. A. (2024). Artificial Intelligence in English Language Learning: A Systematic Review of AI Tools, Applications, and Pedagogical Outcomes. The Art of Teaching English as a Foreign Language (TATEFL), 5(2), 207218. https://doi.org/10.36663/tatefl.v5i2.912

11.  Lawrance, J. C., Sambath, P., Shiny, C., Vazhangal, M., S, P., & Bala, B. K. (2024). Developing an AI-Assisted Multilingual Adaptive Learning System for Personalized English Language Teaching. 2024 10th International Conference on Advanced Computing and Communication Systems (ICACCS), 428434. https://doi.org/10.1109/ICACCS60874.2024.10716887

12.  Lingaraj, L., Vallabhaneni, S., Saraf, P., & Adarsh Rolla, S. (2022). ARTIFICIAL INTELLIGENCE CREATING THE FUTURE: A REVIEW. INTERNATIONAL JOURNAL OF SCIENTIFIC RESEARCH, 4445. https://doi.org/10.36106/ijsr/9304634

13.  Oladele Jegede, O. (2024). Artificial Intelligence and English Language Learning: Exploring the Roles of AI-Driven Tools in Personalizing Learning and Providing Instant Feedback. Universal Library of Languages and Literatures, 01(02), 0619. https://doi.org/10.70315/uloap.ullli.2024.0102002

14.  Olvera-Yerena, E. (2022). La IA en el borde del fin del mundo. FIGURAS REVISTA ACADMICA DE INVESTIGACIN, 4(1), 8086. https://doi.org/10.22201/fesa.26832917e.2022.4.1.247

15.  Supelano Londoo, M. L. (2024). Incidencia de la inteligencia artificial en el aprendizaje de los estudiantes universitarios. Plumilla Educativa, 33(2), 124. https://doi.org/10.30554/p.e.2.5153.2024

16.  Verma, Abhishek, Verma, H., & Mishra, A. (2022). A REVIEW OF ARTIFICIAL INTELLIGENCE AND ITS APPLICATION IN THE FUTURE MEDICAL FIELD. INTERANTIONAL JOURNAL OF SCIENTIFIC RESEARCH IN ENGINEERING AND MANAGEMENT, 06(12). https://doi.org/10.55041/IJSREM17329

17.  Wang, J., Zhang, J., Chen, L., & Dai, J. (2024). Study of Artificial Intelligence-Assisted English Oral Teaching. Scientific Journal of Intelligent Systems Research, 6(8), 18. https://doi.org/10.54691/8965yk53

18.  Xu, Q. (2024). Artificial Intelligence Technology Boosts the Construction of Intelligent Translation Teaching Mode of English in Colleges and Universities. Applied Mathematics and Nonlinear Sciences, 9(1), 20241673. https://doi.org/10.2478/amns-2024-1673

19.  Yazdani, A., Costa, S., & Kroon, B. (2023). Artificial intelligence: Friend or foe? Australian and New Zealand Journal of Obstetrics and Gynaecology, 63(2), 127130. https://doi.org/10.1111/ajo.13661

20.  Zhang, X., Zhang, C., & Chen, T. (2024). Modeling and Analysis of College English from the Perspective of Connected Intelligent Algorithms. International Journal of High Speed Electronics and Systems, 2540176. https://doi.org/10.1142/S0129156425401767

 

 

2025 por los autores. Este artculo es de acceso abierto y distribuido segn los trminos y condiciones de la licencia Creative Commons Atribucin-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).

 

 

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';





Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/