����������������������������������������������������������������������������������

 

 

Revisi�n sistem�tica sobre el uso de la inteligencia artificial en la ense�anza del ingl�s universitario

 

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

 

Revis�o sistem�tica sobre o uso de intelig�ncia artificial no ensino de ingl�s universit�rio

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: anamaldonado@unach.edu.ec

 

 

Ciencias de la Educaci�n

Art�culo de Investigaci�n

 

 

* 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 investigaci�n se lleva a cabo un an�lisis sobre c�mo se utiliza la inteligencia artificial (IA) en la ense�anza del ingl�s en la educaci�n superior. Se analizaron 601 documentos de la base de datos Scopus, publicados entre 2020 y 2025, para identificar patrones, avances y vac�os en la literatura cient�fica reciente.

En el presente estudio se realiz� un an�lisis bibliom�trico, complementado con t�cnicas de reducci�n de significado y agrupaci�n de temas para evaluar el progreso cient�fico de la IA en la ense�anza del ingl�s para estudiantes de la universidad. Los hallazgos detallan un gran avance en la creaci�n de conocimiento cient�fico a partir de 2020 gracias al uso de nuevas tecnolog�as, sistemas de tutor�a inteligente y enfoques automatizados para la ense�anza. El an�lisis tem�tico condujo a una clasificaci�n de doce conceptos significativos en la literatura revisada. Los autores abordan grupos como la retroalimentaci�n autom�tica en la escritura, la ense�anza de la pronunciaci�n con tecnolog�as de reconocimiento de voz, el chatbot educativo, el aprendizaje aut�nomo e incluso la aplicaci�n de IA generativa en la educaci�n.

Palabras clave: inteligencia artificial; ense�anza del ingl�s; aprendizaje autom�tico; educaci�n 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 intelig�ncia artificial (IA) no ensino de ingl�s no ensino superior. Foram analisados ​​601 documentos da base de dados Scopus, publicados entre 2020 e 2025, para identificar padr�es, avan�os e lacunas na literatura cient�fica recente.

Neste estudo, foi realizada uma an�lise bibliom�trica, complementada por t�cnicas de redu��o de significado e agrupamento de t�picos, para avaliar o progresso cient�fico da IA ​​no ensino de ingl�s para estudantes universit�rios. Os resultados detalham um grande avan�o na cria��o de conhecimento cient�fico desde 2020, gra�as ao uso de novas tecnologias, sistemas de tutoria inteligente e abordagens de ensino automatizadas. A an�lise tem�tica levou � classifica��o de doze conceitos significativos na literatura revisada. Os autores abordam grupos como feedback autom�tico na escrita, ensino de pron�ncia com tecnologias de reconhecimento de fala, chatbots educacionais, aprendizagem aut�noma e at� mesmo a aplica��o de IA generativa na educa��o.

Palavras-chave: intelig�ncia artificial; ensino de ingl�s; aprendizado de m�quina; ensino superior.

 

Introducci�n

La inteligencia artificial (IA) es una parte de la computaci�n 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 m�quinas, especialmente computadoras (Verma, Abhishek et al., 2022). La IA utiliza varias tecnolog�as, como el aprendizaje autom�tico (ML), el aprendizaje profundo (DL), el procesamiento de lenguaje natural (PNL) y sistemas de lenguaje especializados, que permiten a las m�quinas 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 educaci�n, 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 vol�menes de datos de forma r�pida 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 desaf�os, por lo que es clave analizar de forma cr�tica c�mo impacta en lo cultural, social y pol�tico (Olvera-Yerena, 2022).

La aplicaci�n IA en la educaci�n universitaria es multifac�tica y ofrece un potencial transformador en varios �mbitos, incluido el aprendizaje personalizado, el apoyo acad�mico, ayuda a potenciar el aprendizaje de cada estudiante, optimizar su preparaci�n y prepararlos para el futuro tecnol�gico. En la educaci�n superior se utilizan tecnolog�as de IA para adaptar el aprendizaje a las necesidades de cada estudiante, como los docentes inteligentes, el aprendizaje autom�tico y las plataformas adaptativas.� Estas tecnolog�as facilitan las tareas de retroalimentaci�n y evaluaci�n, permitiendo a los educadores concentrarse en los aspectos estrat�gicos de la ense�anza. (Supelano Londo�o, 2024).

La incorporaci�n de la IA en los procesos de ense�anza del idioma ingl�s en la educaci�n superior transforma las pr�cticas pedag�gicas convencionales. En este sentido, se puede decir que una de las principales caracter�sticas de esta tecnolog�a es la capacidad de articular entornos instruccionales espec�ficamente adecuados, en los que los contenidos son ajustados a la perfecci�n de acuerdo con el nivel de competencia cognitiva y las necesidades formativas de cada uno. La literatura especializada tiene un punto de vista un�nime en este aspecto, en la medida en que este tipo de adaptabilidad tiene un impacto significativo en la participaci�n intelectual de los aprendices al mismo tiempo que garantiza mejoras perceptibles en los niveles de rendimiento. Tales avances sugieren el advenimiento de escenarios formativos m�s ricos en matices, donde la progresi�n del estudiante responde no ya a la rigidez de programas estandarizados, sino al despliegue gradual de sus propias capacidades. De forma adicional, la aplicaci�n de arquitecturas inform�ticas como las redes neuronales. Adem�s, el uso de arquitecturas computacionales como las redes neuronales y las t�cnicas de aprendizaje estad�stico ha mejorado habilidades espec�ficas especialmente en traducci�n y ha promovido una visi�n m�s positiva en los escenarios de la ense�anza del lenguaje, moldeando un paradigma donde la instrucci�n se vuelve al mismo tiempo m�s estricta y m�s emp�tica.(Wang et al., 2024; Xu, 2024).

Adem�s, se ha mostrado que los m�todos de ense�anza con ayuda de la IA mejoran las competencias de traducci�n y hablar de los estudiantes. Las plataformas de IA ofrecen una formaci�n interactiva adaptada que mejora el ������� dominio del habla de los estudiantes. El desarrollo de recursos did�cticos inteligentes y el uso de la IA en estrategias de ense�anza organizados han ayudado a que la ense�anza del ingl�s sea m�s efectiva y adaptada a cada estudiante, atendiendo sus necesidades espec�ficas y mejorando los logros de aprendizaje de los alumnos (Huang & Hu, 2024). Las tecnolog�as de inteligencia artificial, como los chatbots, los sistemas de tutor�a 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 motivaci�n de los estudiante (Kristiawan et al., 2024; Agrawal, 2024).  Estas herramientas utilizan algoritmos de aprendizaje autom�tico para identificar los puntos fuertes y d�biles de los alumnos, y ofrecen ejercicios que abordan necesidades espec�ficas (Agrawal, 2024). La IA tambi�n apoya las habilidades espec�ficas del idioma, como la adquisici�n de vocabulario, la correcci�n gramatical y la pronunciaci�n, lo que puede beneficiar significativamente a los estudiantes con diferentes estilos y necesidades de aprendizaje (Kovalenko & Baranivska, 2024).  La integraci�n del PNL mejora la personalizaci�n al estudiar el lenguaje de los alumnos y ajusta el contenido educativo (Lawrance et al., 2024). Las herramientas de IA dan contestaciones r�pidas, y el 80% de los estudiantes seg�n (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 d�as, mediante tutores virtuales y chatbots, garantizando que el aprendizaje no se restrinja a los horarios de clases normales (Agrawal, 2024) . El m�todo de ense�anza de ingl�s que usa IA (AI-ETM) utiliza algoritmos inteligentes para ajustar las estrategias y el contenido de la ense�anza. Esto ayuda a aumentar la motivaci�n 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 m�todos, niveles de educaci�n, tecnolog�as y contextos culturales.�� En este contexto, es esencial organizar el conocimiento actual para identificar tendencias, �reas ausentes y oportunidades para futuras investigaciones.

Este art�culo revisa de forma organizada la investigaci�n cient�fica sobre c�mo se usa la inteligencia artificial para impartir ingl�s.� El objetivo es estudiar c�mo ha cambiado el tema, definir las �reas de investigaci�n m�s importantes y descubrir nuevos patrones al analizar documentos en la base de datos Scopus.�� Usando t�cnicas para documentar publicaciones y analizar su significado con herramientas de aprendizaje autom�tico, se pretende ofrecer una visi�n clara que ayude a investigadores y creadores de soluciones educativas inteligentes.

 

 

Metodolog�a

Para llevar a cabo el an�lisis de la literatura cient�fica sobre la aplicaci�n de la IA en la ense�anza del ingl�s, se sigui� un enfoque mixto compuesto por t�cnicas bibliom�tricas, mapeo cient�fico y an�lisis sem�ntico. El proceso metodol�gico general se representa. Este enfoque, estructurado en dos fases principales:� preparaci�n de los datos y an�lisis bibliom�trictem�tico, 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 investigaci�n educativa.

1.      Preparaci�n de los Datos

-          Recuperaci�n de Datos

La informaci�n bibliogr�fica fue extra�da de la base de datos Scopus, por su alta cobertura en publicaciones cient�ficas de calidad. Para construir el corpus, se aplic� la siguiente cadena de b�squeda 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 inclusi�n fueron:

�                    Documentos publicados entre 2020 y 2025.

�                    Idioma: ingl�s.

�                    Tipos de documentos: art�culos cient�ficos, revisiones y cap�tulos de libro.

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

Como resultado, se recopil� un total de 601 documentos con informaci�n bibliogr�fica completa, incluyendo t�tulo, autores, fuente, a�o de publicaci�n y resumen.

2.      An�lisis Bibliom�trico

Se llev� a cabo un estudio de eficiencia utilizando la informaci�n recopilada de la base de datos Scopus con el fin de descubrir tendencias comunes en la producci�n cient�fica en relaci�n con el empleo de la inteligencia artificial en la ense�anza del idioma ingl�s. Gracias al an�lisis bibliom�trico, se pudo investigar el avance y la composici�n de la literatura de forma num�rica Se analizaron los siguientes elementos:

�                    �Se realiz� un monitoreo anual de la cantidad de publicaciones para investigar el crecimiento en la producci�n cient�fica desde 2020 hasta 2025.

�                    La clasificaci�n se ejecut� considerando la naturaleza de los documentos, que incluye investigaciones, cap�tulos de libros, ponencias en conferencias, evaluaciones cr�ticas y otras clasificaciones.

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

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

�                    �Se emplearon herramientas de an�lisis de datos en Python, destacando el uso de pandas para la gesti�n de datos en forma de tablas, as� como matplotlib y seaborn para crear representaciones gr�ficas relacionadas con estad�sticas. Seguimiento anual del n�mero de publicaciones para ver c�mo crece la producci�n cient�fica entre 2020 y 2025.

Los resultados de este estudio se presentar�n en la secci�n 3 de este art�culo.

3.      Agrupaci�n Tem�tica Usando Res�menes

Se emple� una t�cnica de clasificaci�n 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.

-          Presentaci�n 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 representaci�n sem�ntica minuciosa de los textos.

-          Reducci�n de Dimensiones

Con el prop�sito de simplificar la interpretaci�n y representaci�n gr�fica, se emple� el algoritmo UMAP (Aproximaci�n y Proyecci�n Uniforme de Manifolds) en los vectores de significado.� Se llevaron a cabo dos repeticiones utilizando distintos ajustes:

�En la primera iteraci�n, se estableci� que hay 15 vecinos cercanos y 7 componentes.

�En la segunda iteraci�n, se encontraron 28 vecinos cercanos y se identificaron 7 componentes.

�En ambas: m�trica = 'cosn'

�Gracias a este m�todo, se logr� ordenar los archivos de forma sistem�tica en un �rea reducida, conservando conexiones sem�nticas significativas.

-          Agrupamiento Iterativo

Se emple� el m�todo HDBSCAN (Agrupamiento Espacial Basado en Densidad con Ruido Jer�rquico) 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.� Despu�s, el grupo m�s extenso fue reestructurado en una segunda evaluaci�n con el fin de identificar subcategor�as m�s espec�ficas.

Se revis� la calidad de la agrupaci�n utilizando el �ndice DBCV (Density-Based Clustering Validation), el cual permite analizar la proximidad y la separaci�n de los grupos de manera efectiva.� Los valores superiores a 0.45 fueron considerados adecuados, ya que revelan agrupaciones n�tidas 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 t�rmino por clase � frecuencia inversa de documento): Esta t�cnica ayud� a encontrar las palabras m�s caracter�sticas de cada tema usando el texto completo de los res�menes.

�                    VOSviewer Se us� esta herramienta para crear mapas que muestran c�mo coexisten las palabras clave que se sacan de los res�menes.

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

-          Verificar visualmente las �reas tem�ticas m�s comunes y c�mo est�n conectadas entre s�.

Esta combinaci�n de m�todos permiti� dar una etiqueta tem�tica a cada grupo con mucha confianza, utilizando tanto an�lisis sem�ntico autom�tico como visualizaci�n bibliom�trica.

4.      Validaci�n Tem�tica

Finalmente, los cl�steres identificados fueron revisados mediante un proceso de validaci�n cruzada. En una primera etapa, los autores analizaron internamente los resultados de los agrupamientos y los t�rminos m�s representativos. Posteriormente, se realiz� una revisi�n externa con un experto en inteligencia artificial aplicada a la educaci�n de idiomas. Esta evaluaci�n permiti�:

�                    Validar los nombres asignados a los cl�steres.

�                    Detectar posibles solapamientos entre temas.

�                    Consolidar los cl�steres en �reas tem�ticas m�s amplias y relevantes.

Como resultado, se obtuvo una clasificaci�n tem�tica s�lida de la producci�n cient�fica analizada, cuyos hallazgos se presentan en la secci�n de resultados.

 

Resultados

-          An�lisis de Rendimiento

Para entender c�mo se produce ciencia sobre el uso de la IA en la ense�anza del ingl�s, se llev� a cabo un an�lisis bibliom�trico de rendimiento. Este an�lisis ayuda a medir la productividad de la literatura cient�fica usando indicadores como el n�mero de publicaciones cada a�o, el tipo de documento, las fuentes de publicaci�n y los actores m�s importantes (autores e instituciones). A continuaci�n, se presentan los resultados m�s relevantes.

Evaluaci�n del Rendimiento

La Figura 1 representa la secuencia temporal de los estudios cient�ficos asociados con la implementaci�n de la inteligencia artificial en la instrucci�n del ingl�s. Se observa un avance gradual en a�os recientes, particularmente desde 2020, a�o que se�al� el comienzo de la investigaci�n sistem�tica en el campo.�� Esta expansi�n puede ser atribuida a la emergencia de tecnolog�as pioneras como ChatGPT, al auge global de la educaci�n digital tras la pandemia, y al incremento en el inter�s por el aprendizaje de lenguas a trav�s de plataformas inteligentes.

 

Figura 1

Evoluci�n anual del n�mero de publicaciones

 

�         Distribuci�n seg�n el Tipo de Documento

La Figura 2 representa la distribuci�n de las publicaciones en funci�n de su categor�a documental.� La mayor proporci�n de los art�culos publicados en revistas evidencia el inter�s consolidado por la comunidad acad�mica y cient�fica.� Las actividades cient�ficas desempe�an un papel fundamental en la diseminaci�n de investigaciones de relevancia y en la promoci�n de usos creativos.

 

Figura 2

Distribuci�n por tipo de documento

 

�         Principales Fuentes de Publicaci�n

La Figura 3 muestra las diez fuentes m�s citadas donde se han publicado investigaciones sobre la implementaci�n de la inteligencia artificial en la ense�anza del ingl�s. Se observa una cantidad considerable de publicaciones acad�micas sobre tecnolog�a educativa, aprendizaje de idiomas y aplicaciones de inteligencia artificial. Esta situaci�n muestra el car�cter interdisciplinario de la disciplina, donde se combinan la ling��stica aplicada, la pedagog�a digital y la ciencia de datos.

La diversidad de fuentes tambi�n sugiere que el inter�s tem�tico se ampl�a hacia diversas comunidades acad�micas y pr�cticas. Esto promueve la diversificaci�n de enfoques y metodolog�as aplicadas en el estudio.

 

Figura 3

Principales fuentes de publicaci�n

 

�         Autores e Instituciones M�s Productivos

La Figura 4 identifica a los diez autores con mayor n�mero de publicaciones dentro del corpus analizado. Se observa una distribuci�n dispersa, sin una marcada concentraci�n en un solo autor, lo que sugiere un campo de estudio emergente y colaborativo. Adem�s, la Figura 5 muestra un mapa de calor generado con VOSviewer que representa la colaboraci�n cient�fica entre pa�ses en el �mbito de la IA aplicada a la ense�anza del ingl�s.

Los pa�ses con colores m�s c�lidos (amarillo y verde brillante) son los que tienen m�s actividad colaborativa.� El caso m�s notable es China, que muestra el color m�s intenso, lo que indica que lidera en cantidad de publicaciones y en redes de colaboraci�n internacionales. Arabia Saudita, India, Estados Unidos, Malasia y Reino Unido son los pa�ses que le siguen y tambi�n tienen una participaci�n importante.

Este mapa tambi�n ayuda a conocer a los principales actores geogr�ficos en la producci�n cient�fica de la zona.� Tambi�n muestra c�mo est�n unidas las naciones, destacando la globalizaci�n del conocimiento y el inter�s com�n en usar tecnolog�as nuevas, como la inteligencia artificial, en la educaci�n.� El car�cter internacional de las afiliaciones muestra el inter�s mundial por mejorar la ense�anza del ingl�s usando tecnolog�as inteligentes. Esto incluye desde la creaci�n de sistemas de conversaci�n hasta la personalizaci�n del aprendizaje en plataformas educativas.

 

Figura 4

Autores con mayor n�mero de publicaciones

 

 

 

 

Figura 5

Autores con mayor n�mero de publicaciones

 

-          Agrupamiento tem�tico de la literatura

Para identificar las principales l�neas tem�ticas presentes en la literatura sobre el uso de inteligencia artificial en la ense�anza del ingl�s, se aplic� una t�cnica de agrupamiento conceptual. Este an�lisis permiti� detectar 12 cl�steres tem�ticos relevantes, cada uno caracterizado por un conjunto distintivo de palabras clave. La Tabla 1 resume los cl�steres identificados, indicando la cantidad de documentos que los componen y las palabras clave m�s representativas:

 

Tabla 1

Resumen de cl�steres tem�ticos identificados en la literatura sobre IA en la ense�anza del ingl�s

 

Esta agrupaci�n muestra una variedad de temas dentro del �rea estudiada. Algunos grupos se enfocan en elementos educativos como la retroalimentaci�n en la redacci�n (grupo 2), la pronunciaci�n asistida por tecnolog�a (grupo 4), o la aplicaci�n de realidad virtual y realidad combinada en la ense�anza del ingl�s (grupo 0). Otros grupos muestran el incremento en el inter�s por herramientas concretas como ChatGPT (grupos 7, 9 y 10), adem�s de enfoques centrados en sistemas inteligentes y an�lisis de datos (grupos 3 y 6).

La Figura 6 enriquece este estudio muestra la agrupaci�n sem�ntica, lograda a trav�s de UMAP y HDBSCAN. Cada punto simboliza un art�culo y su color refleja el grupo tem�tico al que se asigna, lo que facilita la observaci�n de la concentraci�n y la dispersi�n de los asuntos estudiados.

 

 

 

 

 

Figura 6

Distribuci�n espacial de documentos seg�n cl�ster tem�tico

 

Adem�s, la Figura 7 muestra la red de palabras clave que ocurren juntas.� Este mapa revela las relaciones entre t�rminos comunes. El tama�o de cada nodo indica cu�n frecuente es el t�rmino, y el color representa el a�o promedio en que se public�.� Este gr�fico muestra una gran concentraci�n en t�rminos como artificial intelligence, students, chatGPT y teaching, lo que demuestra que estos conceptos son fundamentales en la investigaci�n reciente.� La llegada de nodos amarillos, como el aprendizaje por contraste y la IA generativa, indica el surgimiento de nuevas tendencias en los �ltimos a�os.

 

 

 

 

 

 

 

 

 

 

 

 

Figura 7

Mapa de coocurrencia de t�rminos en la literatura

 

Finalmente, para evaluar la consistencia y estabilidad de los cl�steres obtenidos, se realiz� una validaci�n cruzada de los resultados, cuyos indicadores se resumen en la tabla 2. La mayor�a de los cl�steres presentaron valores de estabilidad superiores al 80%, y coeficientes de silueta mayores a 0.4, lo cual respalda la calidad y coherencia de la agrupaci�n sem�ntica realizada.

 

Nota: Esta tabla resume las principales agrupaciones tem�ticas obtenidas mediante an�lisis sem�ntico de res�menes. Cada cl�ster representa una l�nea de investigaci�n con t�rminos recurrentes representativos

 

Los valores de estabilidad y silueta muestran una buena coherencia en la mayor�a de los grupos, especialmente en los cl�steres 2, 6 y 1. Esto indica que los temas sobre escritura con IA, ense�anza del ingl�s y aprendizaje con tecnolog�as tienen una clara identidad tem�tica y poca variaci�n sem�ntica.

 

Discusi�n

Los resultados muestran que el uso de IA para ense�ar ingl�s ha crecido de manera constante, sobre todo desde 2020. Este aumento est� relacionado con la llegada de herramientas como ChatGPT, pero tambi�n con la necesidad de que las instituciones se adapten a nuevas formas de ense�anza tras la pandemia. La comunidad acad�mica ha mostrado inter�s; sobre todo, se han publicado art�culos cient�ficos, pero tambi�n hay una considerable cantidad de cap�tulos de libros y ponencias. Esto muestra un campo en crecimiento con muchas �reas de investigaci�n.

Algo atrayente es que no hay un �nico autor o instituci�n que lidere claramente esta �rea, sino que se observa un entorno de trabajo colaborativo y bastante distribuido. A nivel mundial, pa�ses como China, Arabia Saudita, India y Estados Unidos son destacados por su producci�n y colaboraci�n, lo que muestra que el inter�s en usar IA para ense�ar ingl�s es realmente global.

Los temas tratados y los cl�steres identificados ayudan a comprender mejor las principales �reas de investigaci�n. Algunos se enfocan en aspectos muy espec�ficos como la pronunciaci�n, la retroalimentaci�n en la escritura o el uso de chatbots. Otros se orientan m�s hacia enfoques generales de aprendizaje con tecnolog�as inteligentes. Es interesante que uno de los temas m�s tratados sea la escritura y el feedback autom�tico. Esto se debe, probablemente, a que son tareas en las que la IA puede ayudar mucho a los profesores.

La validaci�n de los cl�steres muestra que la mayor�a est�n claros y son consistentes, especialmente los que se refieren a la escritura con ayuda de IA, el aprendizaje de idiomas y el uso de tecnolog�as educativas.� Esto respalda la idea de que estos son temas importantes y conocidos en la investigaci�n actual.

El mapa de palabras clave muestra c�mo han cambiado los intereses a lo largo del tiempo.� Palabras como "inteligencia artificial", "estudiantes" o "ense�anza" siguen siendo importantes, pero tambi�n est�n surgiendo nuevas ideas como "aprendizaje contrastivo" o "IA generativa". Esto indica que el campo est� cambiando r�pidamente y que seguir�n apareciendo nuevos temas de estudio.

 

Conclusiones

La revisi�n bibliom�trica y tem�tica ayuda a comprender c�mo la inteligencia artificial se ha convertido en un engranaje fundamental para la ense�anza. La mayor�a de las publicaciones compart�an enfoques metodol�gicos dispersos, pero se notaban temas comunes como la personalizaci�n del aprendizaje, el uso de chatbots y los sistemas de retroalimentaci�n autom�tica.

La presencia de cl�steres tem�ticos claros dice que el campo est� formando una base de investigaci�n bastante buena. Al mismo tiempo, se investigan m�s a fondo �reas nuevas como la IA generativa y el aprendizaje contrastivo. Tal dinamismo abre oportunidades para comprender c�mo estas tecnolog�as pueden mejorar la ense�anza y el aprendizaje.

Los resultados demuestran, por lo tanto, que existe una comunidad cient�fica activa que se centra en c�mo incluir la innovaci�n en la ense�anza del ingl�s. El �ltimo punto tambi�n revela varios aspectos cuyas consecuencias necesitan ser examinadas m�s a fondo, ya que se necesita m�s investigaci�n en torno a c�mo estas herramientas realmente impactan diferentes entornos educativos desde un punto de vista �tico, pedag�gico y cultural. Por lo tanto, se sientan las bases para futuras investigaciones relacionadas con c�mo usar y c�mo evaluar de manera cr�tica la IA en la ense�anza 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), 1784�1794. 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), 2475�2476. 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), 1�10. 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), 1�4. 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, 86�95. 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), 207�218. 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), 428�434. 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, 44�45. 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), 06�19. 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 ACAD�MICA DE INVESTIGACI�N, 4(1), 80�86. https://doi.org/10.22201/fesa.26832917e.2022.4.1.247

15.  Supelano Londo�o, M. L. (2024). Incidencia de la inteligencia artificial en el aprendizaje de los estudiantes universitarios. Plumilla Educativa, 33(2), 1�24. 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), 1�8. 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), 127�130. 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 art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

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