Retroalimentación inteligente para ensayos en inglés como lengua extranjera

ROXANA REBOLLEDO FONT DE LA VALL

Universidad de Playa Ancha, Chile

Universitat Rovira i Virgili, España

roxana.rebolledo@upla.cl

https://orcid.org/0000-0002-8378-7683

MANUEL HERRERA MONTOYA

Universidad de Playa Ancha, Chile

manuel.herrera@upla.cl

https://orcid.org/0009-0001-3765-1849

Resumen

La presente investigación aborda el uso de herramientas de inteligencia artificial (IA) como apoyo para mejorar las habilidades de escritura de ensayos en estudiantes de Pedagogía en inglés con niveles B1 y C1, según Marco Común Europeo de Referencias para las Lenguas. El estudio se centra en la implementación de una propuesta didáctica multimodal que integra diversas herramientas de IA a través del enfoque de escritura basado en proceso. La metodología incluyó cuatro etapas: autoevaluación mediante una rúbrica, evaluación asistida por IA, propuesta de mejora basada en la retroalimentación de la IA y la reflexión sobre el proceso de interacción con las herramientas. Para recolectar los datos se utilizó un formulario que recogió las actividades realizadas en cada etapa y sus opiniones respecto a la intervención. Asimismo, se aplicó el análisis temático inductivo, con el fin de identificar patrones comunes en las reflexiones compartidas por los estudiantes al finalizar la experiencia. Los resultados de las aportaciones del grupo piloto realizado con 35 estudiantes universitarios muestran una valoración positiva de la intervención, destacando beneficios como la retroalimentación inmediata, el aumento de la conciencia metacognitiva y la mejora percibida en la calidad de la redacción. Se identificaron diferencias en la percepción de utilidad según el nivel de competencia: los estudiantes de nivel intermedio (B1) valoraron más la asistencia en aspectos gramaticales y estructurales, mientras que los avanzados (C1) apreciaron el apoyo en la argumentación y la coherencia. Los resultados sugieren que la integración estratégica de herramientas de IA en el proceso de escritura puede constituir un andamiaje efectivo para el desarrollo de esta habilidad en el ámbito de la enseñanza de lenguas extranjeras.

Palabras clave

Inglés como Lengua Extranjera (ILE); escritura asistida por IA; retroalimentación adaptativa; ensayos académicos.

Smart Feedback for Essay Writing in English as a Foreign Language

Abstract

This research addresses the use of artificial intelligence (AI) tools as support to improve essay writing skills in English pedagogy students at B1 and C1 levels, according to the Common European Framework of Reference for Languages. The study focuses on the implementation of a multimodal didactic proposal that integrates various AI tools through the process-based writing approach.

The methodology included four stages: self-assessment using a rubric, AI-assisted evaluation, improvement proposals based on AI feedback, and reflection on the interaction process with the tools. A form was used to collect data on the activities carried out at each stage and the participants’ opinions regarding the intervention. Additionally, inductive thematic analysis was applied to identify common patterns in the students’ reflections at the end of the experience.

The results from the pilot group of 35 university students show a positive evaluation of the intervention, highlighting benefits such as immediate feedback, increased metacognitive awareness, and a perceived improvement in writing quality. Differences in perceived usefulness were identified according to proficiency level: intermediate (B1) students valued assistance with grammar and structure, while advanced (C1) students appreciated support in argumentation and coherence. The results suggest that the strategic integration of AI tools into the writing process can serve as effective scaffolding for developing this skill in the field of foreign language teaching.

Keywords

English as a Foreign Language (EFL); AI-assisted writing; adaptive feedback; academic essays.

Recibido el 15/4/2025

Aceptado el 23/06/2025

Cómo citar/how to cite

Rebolledo Font de la Vall, R., Herrera Montoya, M. (2025). Retroalimentación inteligente para ensayos en inglés como lengua extranjera. Revista Internacional De Lenguas Extranjeras / International Journal of Foreign Languages, (23), 1-26. https://doi.org/10.17345/rile23.4174

1. Introducción

La escritura académica en una lengua extranjera (LE) representa uno de los mayores desafíos para los estudiantes universitarios, especialmente para aquellos que se forman como futuros profesores de idiomas. Esta habilidad requiere no solo dominio lingüístico, sino también capacidades de organización textual, pensamiento crítico y argumentación coherente. Las dificultades asociadas a la escritura de ensayos en inglés como lengua extranjera (ILE) han sido ampliamente documentadas en la literatura científica, lo que incluye problemas relacionados con la influencia de la lengua materna (Maros et al., 2007), el vocabulario limitado (Ghabool et al., 2012), las estructuras gramaticales (Fareed et al., 2016), la argumentación, la coherencia textual y aspectos actitudinales como la ansiedad ante la escritura.

En el contexto actual, marcado por avances significativos en tecnologías de IA, surge la oportunidad de integrar estas herramientas en procesos de enseñanza-aprendizaje de la escritura académica. Modelos como ChatGPT y otros grandes modelos de lenguaje (LLM) han demostrado capacidades para proporcionar retroalimentación adaptativa detallada, sugerencias de mejora y asistencia en diversas etapas del proceso de escritura, presentándose como herramientas de apoyo para abordar las dificultades tradicionales en esta área (Rebolledo y Gisbert, 2025a).

El objetivo principal de este estudio es desarrollar e implementar una propuesta didáctica multimodal que integre herramientas de IA para mejorar el proceso de redacción de ensayos en estudiantes de pedagogía en inglés (futuros docentes de ILE) en Chile. Se plantea la hipótesis de que la integración pedagógica de estas herramientas contribuirá significativamente a mejorar las habilidades de escritura del alumnado, al mismo tiempo que elevará su nivel de competencia digital.

2. Estado de la cuestión

Para fundamentar esta propuesta, a continuación, se revisan las principales dificultades y enfoques documentados sobre la enseñanza de la escritura en ILE.

2.1 Dificultades en la escritura de ensayos en ILE

Desde hace más de dos décadas, diversos estudios han identificado múltiples desafíos que enfrentan los estudiantes al escribir ensayos académicos en ILE (Zimmerman y Risemberg, 1997). Al-Khulaidi y Abdulkhalek (2022) clasifican estas dificultades en problemas lingüísticos, cognitivos y psicológicos, destacando cómo estos factores se interrelacionan afectando la producción escrita. Ariyanti y Fitriana (2017) señalan que la falta de cohesión y coherencia en los textos argumentativos de los estudiantes puede deberse a las limitaciones de tiempo y al gran número de estudiantes por clase, lo que impide a los docentes entregar una retroalimentación más detallada y precisa de los ensayos.

Alfaruqy et al. (2022) exploraron específicamente los problemas de escritura de ensayos en estudiantes de primer año de ILE, identificando patrones similares de dificultad en aspectos como la estructura textual, la cohesión, la coherencia y el desarrollo de argumentos sólidos. Por su parte, Akhtar et al. (2020) analizaron la relación entre las actitudes de los estudiantes hacia la escritura académica y los desafíos que enfrentan, encontrando correlaciones significativas entre factores actitudinales y la calidad de la producción escrita.

Al revisar estos hallazgos, surge la necesidad de implementar una estrategia de enseñanza de la escritura que incluya procedimientos paso a paso, explicaciones detalladas de los errores y recomendaciones claras de mejora.

A modo de resumen, en la Figura 1 se pueden apreciar las dificultades comunes en la enseñanza de la escritura y sus correspondientes autores. Esto demuestra que hace más de veinticinco años que la escritura académica en ILE, sigue presentados desafíos al profesorado de idiomas.

2.2 Integración de IA en la enseñanza de la escritura académica

La incorporación de herramientas de IA en contextos de enseñanza-aprendizaje del ILE también ha desarrollado un creciente corpus de investigación (Li, 2021). Abdullayeva y Musayeva (2023) exploraron específicamente el impacto de ChatGPT en las habilidades de escritura de los estudiantes, encontrando que estas herramientas pueden mejorar aspectos como la coherencia textual, la precisión gramatical, el uso del vocabulario y la capacidad de revisión (Mahapatra, 2024). Asimismo, Nguyen Minh An, (2024) destaca particularmente el valor de la retroalimentación inmediata que proporcionan estos sistemas, permitiendo a los estudiantes identificar y corregir errores de manera eficiente. De igual forma, encontró que la herramienta basada en IA estimuló el pensamiento crítico al motivar a los estudiantes a revisar y justificar sus decisiones lingüísticas y argumentativas con mayor conciencia. Además, observó un aumento en la autonomía del aprendizaje, ya que los participantes valoraron el acceso a apoyo inmediato fuera del aula, lo que fortaleció su confianza y capacidad de autorregulación.

Todos estos hallazgos sugieren que las herramientas de IA pueden funcionar entregando un andamiaje personalizado para el desarrollo de habilidades de escritura en ILE (ver Figura 2). Sin embargo, el estudio también identificó desafíos, como la tendencia de algunos estudiantes a depender excesivamente de las sugerencias generadas por la IA.

A su vez, la investigación de Malik et al. (2023) exploró las percepciones de estudiantes universitarios indonesios sobre el uso de herramientas de IA para la redacción de ensayos académicos. Los resultados indican que el uso de estas tecnologías ha mejorado la claridad, coherencia y calidad general de sus ensayos, así como su comprensión de la integridad académica. En este contexto, el estudiantado destaca la importancia de integrar equilibradamente estos sistemas inteligentes con la autoría humana, donde la IA actúe como asistente, pero no reemplace la creatividad ni el juicio personal.

Por lo tanto, la implementación de un enfoque didáctico que utilice tecnologías IA generativas multimodales se presenta como una alternativa pedagógica para superar las dificultades recurrentes en la producción escrita de ensayos por parte del estudiantado, promoviendo a la vez un uso crítico y reflexivo de estas herramientas (Pokrivcakova, 2024). Esto posiciona al profesorado en el rol de alfabetizador en IA, encargado de guiar y enseñar a sus estudiantes, el acceso adecuado, así como el uso responsable y ético de estas herramientas (Pretorius, 2023; Vallejo, 2024).

2.3 El enfoque de proceso en la escritura académica

El enfoque de escritura basado en procesos (EEBP) corresponde a una metodología de enseñanza que fomenta el desarrollo de las habilidades de escritura al centrarse en las diferentes etapas involucradas en la creación de un texto.

El EEBP considera la expresión escrita como un proceso en lugar de un producto. Es un método de enseñanza que se beneficia de las expresiones escritas de los estudiantes y los anima a reflexionar sobre lo que piensan, hacen y consideran durante la escritura, así como las características de sus textos. Este enfoque busca organizar el proceso de escritura de acuerdo con la teoría del aprendizaje constructivista y con la asistencia cognitiva de un profesor, basándose en conceptos como la “zona de desarrollo proximo” y la “asistencia cognitiva” o “andamiaje” de la teoría sociocultural de Vygotsky (Arici, y Kaldirim, 2015).

Este enfoque ha demostrado ser particularmente efectivo en contextos de aprendizaje de LE. Faraj (2015) investigó el uso del EEBP para apoyar la escritura de estudiantes de ILE, encontrando mejoras significativas en la calidad general de los textos producidos, la confianza de los estudiantes y su capacidad para evaluar críticamente su propio trabajo. Sin embargo, su implementación enfrenta desafíos relacionados con el tiempo, la instrucción específica en gramática y vocabulario, y la necesidad de asegurar que los estudiantes desarrollen las habilidades de borrador y revisión.

Dragomir y Niculescu (2020) profundizan en los distintos métodos para desarrollar habilidades de escritura, destacando el valor del EEBP como una metodología que considera la escritura como una actividad recursiva e iterativa que se extiende más allá del producto final. Como se observa en la Figura 3, este enfoque reconoce que la escritura efectiva implica múltiples etapas, incluyendo la planificación, redacción de borradores, revisión y edición, alejándose de perspectivas que se centran exclusivamente en el producto final.

La integración de herramientas de IA en un enfoque de proceso para la escritura representa una contribución significativa, ya que estas tecnologías pueden proporcionar apoyo en cada una de las etapas del proceso, desde la generación de ideas iniciales hasta la revisión final, adaptándose a las necesidades específicas de cada estudiante y cada fase de escritura.

Las herramientas de IA pueden complementar cada fase del EEBP al brindar apoyo personalizado y automatizado (Nguyen et al., 2024). En la pre-escritura, puede facilitar la generación, organización y planificación de ideas, sugiriendo temas, ofreciendo acceso a recursos relevantes y ayudando a estructurar el contenido. Durante la redacción, puede promover la fluidez con propuestas de inicio, vocabulario alternativo y correcciones lingüísticas en tiempo real. En la retroalimentación, puede realizar un análisis detallado del borrador, con observaciones específicas, simulación de distintas audiencias y apoyo en la revisión por pares. En la revisión, puede sugerir reorganizaciones, fortalecer argumentos y mejorar la claridad (Bai, y Wei, 2024). En la edición, puede detectar errores y orientar sobre el estilo y tono adecuados. En la publicación, puede aportar al diseño y presentación del texto, y en la reflexión, puede guiar al estudiante con preguntas y análisis de las mejoras realizadas, fomentando la metacognición sobre su proceso de escritura.

Es importante destacar que, si bien las herramientas de IA pueden ser un apoyo inicial y complementario, el enfoque basado en proceso enfatiza el desarrollo de las habilidades del escritor a través de la práctica y la reflexión. Por lo tanto, el uso de la IA debe integrarse de manera que fomente el aprendizaje activo y la autonomía del estudiante, en lugar de depender completamente de la tecnología para generar o corregir el texto.

2.4 Herramientas IA multimodales

Este estudio explora la adaptación de seis herramientas multimodales en secuencias didácticas estructuradas para promover el desarrollo de la habilidad de escritura de ensayos en ILE.

Las herramientas IA multimodales son sistemas que procesan y generan información mediante diversos formatos (texto, audio, imágenes, vídeo, datos interactivos, etc.) (Rebolledo y Gisbert, 2025b). En contraste con las herramientas unimodales (que trabajan con un solo tipo de dato), estas integran variadas fuentes para ofrecer respuestas más completas, adaptativas y personalizadas (Baltrušaitis et al., 2019; Lee et al., 2023).

Existen diferentes tipos de herramientas, a continuación, en la Figura 4, se presenta un ejemplo de tablero con herramientas IA multimodales de libre acceso adaptadas para la enseñanza de lenguas extranjeras.

El profesorado de idiomas extranjeros puede aprovechar estas tecnologías multimodales de IA para fomentar los procesos de aprendizaje adaptativo, la personalización de contenidos y la aplicación de metodologías activas según las necesidades de cada estudiante (Fang, y Deng, 2024; Liu et al., 2024).

Estas herramientas permiten una retroalimentación inmediata y personalizada que favorece tanto la comprensión como la producción lingüística. Además, facilitan la práctica oral mediante simulación de conversaciones, mejoran la pronunciación con audios interactivos, y transforman textos en podcasts o canciones, enriqueciendo la exposición auditiva (Tolstykh y Oshchepkova, 2024). Asimismo, en lectura y escritura, apoyan la comprensión textual, la ampliación del vocabulario y la redacción guiada de ensayos, brindando sugerencias estructurales, gramaticales y semánticas.

3. Metodología

3.1 Diseño de la investigación

La presente investigación se enmarca en un enfoque cualitativo, centrado en el desarrollo e implementación de una propuesta didáctica para mejorar las habilidades de escritura de ensayos en ILE mediante la integración de herramientas basadas en IA. El estudio adoptó el diseño de investigación-acción, buscando no solo generar conocimiento sobre el fenómeno estudiado, sino también producir cambios concretos en las prácticas de enseñanza-aprendizaje de la escritura académica.

La propuesta didáctica completa consistió en seis sesiones secuenciales, cada una enfocada en una etapa específica del proceso de escritura y utilizando herramientas de IA seleccionadas estratégicamente para apoyar cada fase. Si bien el diseño contemplaba la implementación completa de las seis sesiones, por limitaciones de tiempo y participación, el presente artículo se centra principalmente en los resultados obtenidos de la primera sesión, que contó con el mayor número de participantes.

3.2 Intervención didáctica con IA

La intervención didáctica, estructurada en seis sesiones, se diseñó para mejorar gradualmente las habilidades de redacción de ensayos mediante la integración de técnicas de edición y revisión asistidas por IA. Este enfoque se alinea con la perspectiva de la escritura orientada al proceso, que la considera una práctica recursiva que se extiende más allá del producto final (Dragomir e Niculescu, 2020).

En la Tabla 1 se muestra la implementación didáctica de la escritura de ensayos con apoyo de IA, diseñada según el enfoque de proceso.

3.2.1 Secuencia didáctica

La Figura 5, representa la intervención didáctica compuesta por una secuencia de seis etapas aplicadas en cada sesión:

1. Guía del docente: El rol del docente es esencial en esta intervención. Es la persona encargada introducir el tema y guiar sobre el uso de las herramientas de IA.
2. Acceso a instrucciones: Los estudiantes acceden al formulario con instrucciones y guías paso a paso ubicado en https://bit.ly/m/ai4efl
3. Trabajo independiente: Los estudiantes trabajaban de forma autónoma en sus ensayos.
4. Interacción con IA: Los estudiantes interactúan con las herramientas de IA correspondientes a la sesión y reciben retroalimentación personalizada.
5. Refinamiento del ensayo: Los estudiantes mejoran sus ensayos en base a la retroalimentación recibida.
6. Reflexión crítica: Los estudiantes reflexionan sobre su proceso de aprendizaje y la utilidad de la actividad.

3.3 Herramientas IA multimodales utilizadas

En la Figura 6, se pueden observar las seis sesiones y la integración de las distintas herramientas de IA multimodales que apoyaron las distintas etapas de la escritura de ensayos.

Se seleccionaron diversas herramientas de IA multimodales (Large Multimodal Models o LMMs) para apoyar las diferentes etapas del proceso de escritura:

• ChatGPT y Claude: Utilizados en la Sesión 1 para evaluación y retroalimentación y en la sesión 2 para comparar bosquejos de ensayos.
• Perplexity: Empleado en la Sesión 3 para investigación y lluvia de ideas.
• Gemini: Utilizado en la Sesión 4 para el desarrollo de declaraciones de tesis.
• NotebookLM: Empleado en la Sesión 5 para profundizar en la comprensión del tema.
• GPT personalizado: Un asistente de IA programado específicamente para la Sesión 6, diseñado para guiar a los estudiantes en el desarrollo de párrafos sin proporcionar respuestas directas, sino fomentando la reflexión y el desarrollo propio mediante preguntas adaptativas.

Este GPT personalizado fue programado con instrucciones específicas para actuar como tutor, guiando a estudiantes de nivel B2-C1 de inglés en el desarrollo de párrafos de ensayo. Se le dio instrucciones precisas para no proporcionar respuestas completas, sino para estimular la creación propia mediante indicaciones, preguntas y retroalimentación sobre los intentos de los estudiantes.

3.4 Participantes

El estudio se llevó a cabo con un grupo piloto de 50 estudiantes de segundo y cuarto año de la carrera de Pedagogía en inglés de una universidad pública chilena en Valparaíso. Los estudiantes cursaban la asignatura de Lengua Inglesa en sus respectivos niveles: cuarto semestre para nivel intermedio (B2) y octavo semestre para nivel avanzado (C1).

La participación en el estudio fue voluntaria, y todos los estudiantes firmaron un consentimiento informado antes de iniciar su participación. Para preservar la confidencialidad, se asignaron códigos a cada participante en lugar de utilizar sus nombres reales. Debido a la disminución significativa de la asistencia y participación voluntaria del alumnado a lo largo del estudio, esta investigación se centró en analizar los datos obtenidos de la primera sesión.

Solamente 35 futuros profesores de ILE participaron voluntariamente en la primera sesión. Un estudiante fue excluido del análisis por no haber subido su ensayo, lo que imposibilitó el seguimiento de su participación. Esto resultó en una muestra piloto final de treinta y cuatro participantes, compuesta por 17 estudiantes de nivel intermedio y 17 de nivel avanzado. Si bien se contabilizaron 17 participantes de nivel intermedio, el participante S13 no respondió a la pregunta, por lo que sus datos no pudieron analizarse. No obstante, S13 entregó su ensayo, participó plenamente en la actividad y, por lo tanto, permaneció en el grupo final.

3.5 Sesión 1: Evaluación y retroalimentación

Dado que la Sesión 1 contó con el mayor número de participantes (35 estudiantes), el presente estudio se centró en el análisis de esta sesión, en la cual se desarrollaron las siguientes actividades:

1. Autoevaluación mediante rúbrica: Los estudiantes evaluaron sus propios ensayos utilizando una rúbrica adaptada del Marco Común Europeo de Referencia para las Lenguas, que evaluaba criterios tales como contenido, organización, uso del lenguaje, pensamiento crítico y extensión de palabras. Las puntuaciones se asignaban como Bueno (3 puntos), Satisfactorio (2 puntos) y Necesita mejorar (1 punto).
2. Evaluación asistida por IA: Los estudiantes introdujeron sus ensayos y la misma rúbrica en ChatGPT o Claude. La IA evaluó los ensayos, asignó puntuaciones y proporcionó retroalimentación detallada.
3. Mejora enfocada con retroalimentación de IA: Los estudiantes formularon tres indicaciones específicas para solicitar asistencia de la IA y así poder abordar las debilidades identificadas, refinando posteriormente su ensayo basado en las sugerencias recibidas.
4. Reflexión sobre el proceso: Los participantes reflexionaron sobre la utilidad general de la intervención, evaluando la actividad y considerando si volverían a repetir los mismos errores en futuros ensayos.

3.6 Recolección de datos

Los datos se recolectaron principalmente a través de formularios de Google donde se recopilaron las autoevaluaciones de los estudiantes, las evaluaciones proporcionadas por la IA, los prompts elaborados por los estudiantes, el refinamiento del ensayo y las reflexiones de los participantes sobre la experiencia (ver Tabla 2).

3.7 Análisis de datos

Se realizó un análisis temático de las reflexiones de los estudiantes siguiendo el método de Braun y Clarke (2006). Este proceso de análisis consta de varias etapas. Primero, se familiariza con los datos mediante lecturas y relecturas. Luego, se generan los códigos iniciales, que posteriormente se analizan en busca de temas. Estos temas se revisan y definen. Finalmente, se elabora el informe.

La Figura 7 ilustra un proceso sistemático e iterativo que requiere una participación continua en la identificación y el refinamiento de temas. Esto puede ser especialmente difícil para investigadores jóvenes con poca experiencia en análisis cualitativo (Zhang et al., 2023). La naturaleza subjetiva del análisis temático puede llevar a diferentes investigadores a encontrar otros temas en los mismos datos (Braun y Clarke, 2019; Morgan, 2022; Ortloff et al., 2023). Por eso es importante contrastar los temas que emergen desde los datos y llegar a consensos entre investigadores (Naeem et al., 2023).

A continuación, se exponen los resultados obtenidos con esta intervención.

4. Resultados

4.1 Comparación entre autoevaluación y evaluación asistida por IA

La Figura 8 ilustra cómo las puntuaciones asignadas por los estudiantes tienden a ser más altas que las generadas por la IA, lo que muestra una diferencia que les ayuda a reflexionar con mayor objetividad sobre su desempeño.

El análisis de las puntuaciones asignadas en la autoevaluación de los estudiantes en comparación con las evaluaciones proporcionadas por la IA reveló una tendencia consistente: los estudiantes tendían a evaluar sus ensayos con puntuaciones más altas que las asignadas por la IA. Este patrón se observó en ambos niveles de competencia lingüística (intermedio y avanzado), aunque con algunas variaciones individuales.

Esta discrepancia entre las autoevaluaciones y las evaluaciones de la IA generó oportunidades valiosas para la reflexión y el diálogo sobre los criterios de calidad en la escritura académica. Los estudiantes pudieron confrontar sus percepciones con una retroalimentación externa, lo que contribuyó a desarrollar una conciencia más precisa de sus fortalezas y áreas de mejora.

4.2 Diferencias según nivel de competencia

La Figura 9 presenta la comparación de los niveles de competencia entre estudiantes de nivel intermedio (B2) y avanzado (C1) en los aspectos de gramática, estructura, argumentación y coherencia.

El análisis de las reflexiones reveló diferencias significativas en la valoración de la actividad según el nivel de competencia lingüística de los estudiantes.

Nivel intermedio: Los estudiantes de nivel intermedio valoraron principalmente la asistencia para mejorar aspectos fundamentales como gramática, estructura y vocabulario. Para ellos, la IA representó una herramienta valiosa para identificar y corregir errores básicos que limitaban su expresión escrita.

Nivel avanzado: Por su parte, los estudiantes de nivel avanzado apreciaron más el apoyo para aspectos relacionados con la argumentación, la coherencia y el refinamiento estilístico. Estos estudiantes ya contaban con una base más sólida en términos gramaticales y léxicos, por lo que valoraron la asistencia de la IA para desarrollar aspectos más complejos de la escritura académica.

Estas diferencias subrayan la importancia de adaptar el uso de herramientas de IA según las necesidades específicas de cada nivel de competencia, reconociendo que las necesidades de apoyo varían significativamente a medida que los estudiantes avanzan en su dominio del ILE.

4.3 Temas emergentes del análisis temático

El análisis temático de las reflexiones de los estudiantes sobre la utilidad de la actividad reveló cinco temas principales representados en la Figura 10, cada uno con subtemas específicos que ilustran las experiencias de los estudiantes con herramientas de escritura con IA en respuesta a la pregunta “¿Fue útil esta actividad? ¿Por qué?”.

Para realizar este análisis, dentro de la etapa de identificación de posibles temas emergentes, se detectaron frases clave que indicaban percepciones, aprendizajes y experiencias relevantes en el uso de herramientas de inteligencia artificial. Estas frases fueron agrupadas por niveles y organizadas en subtemas que permitieron estructurar los hallazgos de forma más precisa, tal como se muestra en la Tabla 3.

1. Mejora de habilidades impulsada por IA

Este tema representa cómo las herramientas de IA apoyan el desarrollo de habilidades lingüísticas y de escritura en diferentes niveles de competencia. El análisis reveló dos enfoques diferentes:

Subtema 1.1: Desarrollo de habilidades fundamentales (nivel intermedio)

Subtema 1.2: Refinamiento avanzado de habilidades (nivel avanzado)

Los estudiantes de nivel intermedio valoraron principalmente la ayuda para mejorar aspectos básicos como gramática y vocabulario: “para mejorar mi gramática y aprender a escribir ensayos en inglés”. Mientras tanto, los estudiantes de nivel avanzado apreciaron el apoyo para habilidades más complejas: “En ciertas ocasiones, el uso de IA puede mejorar y apoyar nuestro proceso de aprendizaje, especialmente si contamos con dos fuentes diferentes para comparar y analizar con el fin de enriquecer el trabajo”3.

2. Retroalimentación de precisión

Otro aspecto clave fue la precisión de la retroalimentación de IA, que los estudiantes valoraron por su claridad y utilidad. La retroalimentación identificó errores específicos de gramática, estructura y contenido, y brindó recomendaciones concretas para mejorar sus ensayos. Este nivel de detalle ayudó a los participantes a comprender sus fortalezas y debilidades, lo que les permitió realizar cambios de forma más reflexiva y eficaz.

Subtema 2.1: Retroalimentación diagnóstica

Subtema 2.2: Orientación práctica

Los estudiantes valoraron tanto la identificación precisa de sus debilidades (“Fue muy útil saber cuáles son mis debilidades”) como las sugerencias prácticas para mejorarlas (“La IA puede mejorar tu escritura al revisar tus textos. Usar una rúbrica es más preciso que simplemente pedir que revises y corrijas un ensayo, gracias a la información que proporciona”)

3. Uso estratégico de herramientas de IA

Este tema describe cómo los estudiantes abordaron y desarrollaron estrategias para usar las herramientas de IA eficazmente. Durante la sesión de 75 minutos, los estudiantes mostraron distintos niveles de interacción con las herramientas, independientemente de su dominio del inglés. Algunos desarrollaron rápidamente estrategias, mientras que otros aún estaban explorando las funcionalidades básicas. El análisis reveló que el uso estratégico de la IA representa un conjunto de habilidades específicas que no se correlacionan necesariamente con el dominio del inglés.

Subtema 3.1: Familiarización con las herramientas

Subtema 3.2: Aplicación estratégica

Los estudiantes expresaron valor en conocer nuevas herramientas (“Podemos comprender mejor el uso de las herramientas de IA y también conocer otras plataformas como Claude”) y aprender a utilizarlas estratégicamente (“Me ayudó a comprender cuáles son mis puntos débiles y dónde debo mejorar. Las herramientas que podemos usar y las indicaciones también son muy útiles”)

4. Obstáculos en la integración de IA

A pesar de la buena acogida, los estudiantes se enfrentaron a diversos desafíos al integrar herramientas de IA en su proceso de aprendizaje. El análisis reveló que la complejidad técnica y las barreras motivacionales a veces impiden que los estudiantes aprovechen al máximo estas tecnologías, lo que podría ralentizar su adopción. Estos hallazgos resaltan la importancia de abordar los desafíos de implementación al introducir herramientas de IA en contextos educativos.

Subtema 4.1: Complejidad técnica

Subtema 4.2: Restricciones motivacionales

Algunos estudiantes mencionaron dificultades relacionadas con la complejidad técnica (“Pero todavía me parece complicado”) o limitaciones motivacionales (“No mucho. Necesitaba más tiempo y no estaba de humor”)

5. Crecimiento metacognitivo

Un hallazgo importante fue el impacto de la IA en el desarrollo metacognitivo de los estudiantes. Al interactuar con las herramientas, muchos comenzaron a reflexionar sobre su proceso de escritura, identificando errores recurrentes y comprendiendo cómo mejorar de forma autónoma. En algunos casos, esta experiencia también fortaleció su confianza en sus habilidades de escritura, al observar un progreso concreto a lo largo del ejercicio.

Subtema 5.1: Metacognición mejorada

Subtema 5.2: Fomento de la confianza

Finalmente, muchos estudiantes destacaron cómo la actividad promovió su autoconocimiento (“Esta actividad me resultó muy útil para comprender y adquirir conocimientos sobre mi propio proceso de escritura”) y confianza (“Gracias a esta actividad estoy consiguiendo escribir un ensayo adecuado y estoy mejorando mis habilidades lingüísticas”)

5. Discusión

5.1 La IA como andamiaje para la escritura académica

Los resultados de este estudio sugieren que las herramientas de IA pueden funcionar como un valioso andamiaje en el proceso de desarrollo de habilidades de escritura académica en ILE a través del enfoque basado en proceso. Este concepto de andamiaje, fundamentado en las teorías de Vygotsky sobre la zona de desarrollo próximo, implica proporcionar apoyos temporales que gradualmente se retiran a medida que el aprendiz desarrolla mayor autonomía.

La retroalimentación inmediata, detallada y personalizada que proporcionan herramientas como ChatGPT y Claude permite a los estudiantes identificar problemas específicos en sus textos y recibir sugerencias concretas para mejorarlos. La posibilidad de recibir retroalimentación inmediata y detallada facilitó la identificación de errores y permitió un proceso de mejora más dinámico. Estos hallazgos coinciden con estudios previos (Nguyen Minh An, 2024; Abdullayeva y Musayeva, 2023), que han destacado la capacidad de la IA para ofrecer retroalimentación personalizada que impacta positivamente en el desarrollo de la escritura académica.

La posibilidad de solicitar correcciones específicas mediante indicaciones personalizadas permitió un proceso de autocorrección más autónomo, donde los estudiantes podían interactuar con la herramienta para mejorar aspectos específicos de sus ensayos según sus necesidades individuales.

El valor de estas herramientas reside no solo en su capacidad para identificar y corregir errores, sino también en su capacidad para promover la reflexión metacognitiva sobre el proceso de escritura, como evidencian las opiniones del estudiantado sobre el aumento de su conciencia sobre sus propias fortalezas y debilidades.

5.2 La IA como complemento, no sustituto, del rol docente

Un hallazgo importante de este estudio es que, contrario a algunos temores expresados sobre la obsolescencia del rol docente frente a la IA, estas herramientas parecen demandar una transformación y fortalecimiento de dicho rol, no su eliminación. Como se evidenció durante la implementación, los estudiantes requirieron orientación constante para utilizar efectivamente las herramientas de IA, formular prompts adecuados, interpretar críticamente la retroalimentación recibida e integrarla en procesos de mejora genuinos.

El docente emerge como un “alfabetizador en IA” (Vallejo, 2024), responsable de modelar el uso apropiado de estas herramientas, establecer parámetros éticos para su utilización —es decir, fomentar su empleo como apoyo al aprendizaje y no como un medio para copiar y atribuirse autoría indebida—, diseñar secuencias didácticas que integren estratégicamente la IA en experiencias de aprendizaje significativas, y guiar la reflexión crítica sobre sus posibilidades y limitaciones. Esto concuerda con lo planteado por Dragomir y Niculescu (2020) sobre la necesidad de enfoques pedagógicos que integren nuevas tecnologías sin perder de vista los fundamentos del proceso de escritura como actividad cognitiva compleja.

5.3 Diferenciación según niveles de competencia

Las diferencias observadas en la valoración de la asistencia de IA según el nivel de competencia lingüística de los estudiantes plantea importantes implicaciones pedagógicas. Las necesidades de apoyo evolucionan a medida que los estudiantes desarrollan mayor dominio del idioma, lo que sugiere la necesidad de adaptar tanto los prompts como las actividades para responder a necesidades específicas de cada nivel.

Para estudiantes de nivel intermedio, las actividades podrían enfocarse inicialmente en la identificación y corrección de errores gramaticales y léxicos, así como en el desarrollo de estructuras básicas de ensayo. Para estudiantes avanzados, el énfasis podría trasladarse hacia aspectos más sofisticados como la coherencia argumentativa, la precisión estilística y la profundidad analítica.

5.4 Desafíos en la implementación

A pesar de las ventajas y beneficios identificados, la implementación de herramientas de IA en contextos educativos enfrenta diversos desafíos. Uno de los principales obstáculos detectados en este estudio es la restricción de tiempo, ya que una integración efectiva requiere períodos adecuados para la familiarización tecnológica, la experimentación y la reflexión pedagógica. A esto se suma la complejidad técnica, dado que no todos los estudiantes poseen el mismo nivel de competencia digital, lo que puede generar frustración o resistencia en las etapas iniciales. También se identificaron factores motivacionales, ya que algunos estudiantes manifestaron reservas o falta de interés frente al uso de estas herramientas, lo que evidencia la necesidad de estrategias que motiven a aprender tanto para el presente académico como para su futuro desempeño laboral y profesional.

Estos desafíos enfatizan la importancia de hacer una implementación gradual, planificada y sensible a las características específicas de cada contexto y grupo de estudiantes.

6. Conclusiones

La presente investigación proporciona evidencia preliminar sobre la implementación de una propuesta didáctica multimodal que integra herramientas de IA para mejorar el proceso de redacción de ensayos en ILE. Los resultados del pilotaje sugieren que estas herramientas pueden contribuir significativamente al desarrollo de habilidades de escritura académica cuando se integran estratégicamente en un enfoque de proceso y se adaptan a las necesidades específicas de diferentes niveles de competencia lingüística.

Entre los beneficios percibidos por los estudiantes destacan la mejora de habilidades específicas de escritura, la identificación precisa de errores, la recepción de retroalimentación inmediata y detallada, y la ampliación del vocabulario. Además, la intervención promovió el desarrollo metacognitivo, aumentando la conciencia de los estudiantes sobre sus propias fortalezas y debilidades, y fomentando su confianza en sus habilidades de escritura.

Las diferencias observadas según el nivel de competencia lingüística subrayan la importancia de adaptar estas herramientas a las necesidades específicas de cada grupo. Mientras los estudiantes de nivel intermedio valoraron principalmente la asistencia para aspectos gramaticales y estructurales, los de nivel avanzado apreciaron más el apoyo para la argumentación y coherencia.

Los hallazgos de este estudio permiten responder afirmativamente a la pregunta de investigación inicial: una propuesta didáctica multimodal que integre herramientas de IA puede efectivamente mejorar el proceso de redacción de ensayos en ILE. Sin embargo, esta mejora no ocurre automáticamente con la mera introducción de la tecnología, sino que requiere un diseño pedagógico cuidadoso, acompañamiento docente continuo y adaptación a las características específicas de cada contexto educativo.

Como recomendaciones pedagógicas derivadas de esta investigación, se sugiere incluir estas prácticas en la formación inicial docente. Es fundamental que los futuros profesores se familiaricen previamente con las herramientas de inteligencia artificial antes de implementarlas en el aula, explorando tanto sus posibilidades como sus limitaciones. Asimismo, se destaca la importancia de brindar un acompañamiento continuo a los estudiantes, especialmente en las primeras etapas del uso de estas tecnologías, para asegurar una integración adecuada. La implementación debe ser gradual, comenzando con actividades sencillas que permitan una familiarización técnica progresiva. Un aspecto importante para aprovechar estas herramientas es el diseño de los prompts o indicaciones que se le entregan a la IA, lo cual exige precisión pedagógica. Además, se debe promover la reflexión crítica frente a la retroalimentación automatizada, de modo que los estudiantes aprendan a evaluar sus sugerencias y no las acepten de manera pasiva.

No obstante, este estudio presenta ciertas limitaciones, entre ellas, el tamaño reducido del grupo piloto, la implementación apurada de la secuencia didáctica debido a restricciones de tiempo, y el carácter voluntario de la participación, que podría haber sesgado la muestra hacia estudiantes con mayor interés o apertura hacia el uso de tecnologías basadas en inteligencia artificial.

Futuras investigaciones podrían explorar el impacto a largo plazo de estas intervenciones, comparar la efectividad de diferentes herramientas de IA, analizar el desarrollo de la autonomía de los estudiantes a medida que se familiarizan con estas tecnologías, y examinar cómo estas herramientas pueden integrarse en currículos formales de enseñanza de lenguas extranjeras.

En conclusión, las herramientas de IA constituyen aporte significativo para mejorar la enseñanza y el aprendizaje de la escritura académica en ILE, no como sustitutos del esfuerzo personal o la orientación docente, sino como recursos que, cuando se utilizan estratégicamente, pueden fortalecer y enriquecer el desarrollo de estas habilidades.

Contribución de autoría CREdiT

La contribución de autoría de los firmantes se detalla a continuación, conforme a los criterios establecidos en la política de autoría de esta revista:

La autora participó en la concepción y el diseño del trabajo, así como en la adquisición y análisis de los datos. Además, contribuyó en la redacción inicial del manuscrito y en la revisión crítica del texto antes de su presentación para su publicación.

El coautor participó en la concepción y el diseño del estudio, así como en el análisis e interpretación de los datos recopilados y en la revisión crítica del texto antes de su presentación para su publicación.

Referencias bibliográficas

ABDULLAYEVA, Madina y MUSAYEVA, Zilola (2023). The Impact of Chat GPT on Student’s Writing Skills: An Exploration of Ai-Assisted Writing Tools. International Conference of Education, Research and Innovation, 1(4), 61-66. https://zenodo.org/records/7876800

AKHTAR, Rubina, HASSAN, Hanita y SAIDALVI, Aminabi (2020). The effects of ESL students’ attitude on academic writing apprehensions and academic writing challenges. International Journal of Psychosocial Rehabilitation, 24(5), 5404-5412. https://www.psychosocial.com/index.php/ijpr/article/download/5387/4930/9910

ALFARUQY, Doni, SETYAWAN, Harits y ROHMAN, Tefur Nur (2022). Exploring first-year EFL students’ problems in essay writing. ELE Reviews: English Language Education Reviews, 2(1), 1-12. https://doi.org/10.22515/elereviews.v2i1.4453

AL-KHULAIDI, Mohammed y ABDULKHALEK, Mona (2022). Academic Writing Problems in L2 Settings: Realities and Need for Intervention. Journal of English Studies in Arabia Felix, 1(1), 42-51. https://doi.org/10.56540/jesaf.v1i1.15

ARICI, Ali Fuat, y KALDIRIM, Abdullah (2015). The effect of the process-based writing approach on writing success and anxiety of pre-service teachers. The Anthropologist, 22(2), 318-327.

ARIYANTI, Ariyanti y FITRIANA, Rinda (2017). EFL students’ difficulties and needs in essay writing. In Proceedings of the International Conference on Teacher Training and Education - ICTTE 2017. Atlantis Press, 32-42. https://doi.org/10.2991/ictte-17.2017.4

BAI, Lifang y WEI, Yijia (2024). Exploring EFL Learners’ Integration and Perceptions of ChatGPT’s Text Revisions: A Three-Stage Writing Task Study. IEEE Transactions on Learning Technologies. https://doi.org/10.1109/TLT.2024.3491864

BALTRUŠAITIS, Tadas, AHUJA, Chaitanya y MORENCY, Louis-Philippe (2019). Multimodal Machine Learning: A Survey and Taxonomy. IEEE Transactions on Pattern Analysis and Machine Intelligence, 41(2), 423-443. https://doi.org/10.1109/TPAMI.2018.2798607

BRAUN, Virginia y CLARKE, Victoria (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77-101. https://www.tandfonline.com/doi/abs/10.1191/1478088706QP063OA

BRAUN, Virginia y CLARKE, Victoria (2019). Reflecting on reflexive thematic analysis. Qualitative Research in Sport, Exercise and Health, 11(4), 589-597. https://doi.org/10.1080/2159676X.2019.1628806

DRAGOMIR, Isabela y NICULESCU, Brânduşa-Oana (2020). Different approaches to developing writing skills. Land Forces Academy Review, 25(3), 201-206. https://doi.org/10.2478/raft-2020-0024

FANG, Xiaouxan y DENG, Hao (2024). Using generative AI to facilitate digital multimodal composing in EFL learning. In The 28th Global Chinese Conference on Computers in Education (GCCCE 2024). https://tinyurl.com/genai-efl-dmc

FARAJ, Avan (2015). Scaffolding EFL Students’ Writing through the Writing Process Approach. Journal of Education and Practice, 6(13), 131-141. https://files.eric.ed.gov/fulltext/EJ1080494.pdf

FAREED, Muhammad, ASHRAF, Almas y BILAL, Muhammad (2016). ESL learners’ writing skills: Problems, factors and suggestions. Journal of Education and Social Sciences, 4(2), 81–92. https://tinyurl.com/writing-skills-problems

GHABOOL, Neda, MARIADASS, Marian y KASHEF, Seyyed (2012). Investigating Malaysian ESL students’ writing problems on conventions, punctuation, and language use at secondary school level. Journal of Studies in Education, 2(3), 130–143. https://doi.org/10.5296/jse.v2i3.1892

LEE, Gyeong-Geon, SHI, Lehong, LATIF, Ehsan, GAO, Yizhu, BEWERSDORF, Arne, NYAABA, Matthew y ZHAI, Xiaoming (2023). Multimodality of ai for education: Towards artificial general intelligence. arXiv. arXiv preprint arXiv:2312.06037. https://doi.org/10.48550/arXiv.2312.06037

LI, Mimi (2021). Researching and teaching second language writing in the digital age (pp. 51–78). Switzerland. Palgrave Macmillan Cham. https://doi.org/10.1007/978-3-030-87710-1

LIU, Meilu, ZHANG, Lawrence Jung y BIEBRICHER, Christine (2024). Investigating students’ cognitive processes in generative AI-assisted digital multimodal composing and traditional writing. Computers & Education, 211, 104977. https://doi.org/10.1016/j.compedu.2023.104977

MAHAPATRA, Santosh (2024). Impact of ChatGPT on ESL students’ academic writing skills: A mixed methods intervention study. Smart Learning Environments, 11(1), 9. https://doi.org/10.1186/s40561-024-00295-9

MALIK, Agung, PRATIWI, Yuni, ANDAJANI, Kusubakti, NUMERTAYASA, Wayan., SUHARTI, Sri y DARWIS, Arisa (2023). Exploring artificial intelligence in academic essay: higher education student’s perspective. International Journal of Educational Research Open, 5, 100296. https://doi.org/10.1016/j.ijedro.2023.100296

MAROS, Marlyna, HUA, Tan Kim, y SALEHUDDIN, Khazriyati (2007). Interference in learning English: Grammatical errors in English essay writing among rural Malay secondary school students in Malaysia. e-Bangi: Journal of Social Sciences and Humanities, 2(2), 1-15. https://myjurnal.mohe.gov.my/public/article-view.php?id=7648

MORGAN, Hani (2022). Understanding thematic analysis and the debates involving its use. The Qualitative Report, 27(10), 2079–2090. Retrieved February 25, 2025, from https://core.ac.uk/download/pdf/534378655.pdf

NAEEM, Muhammad, OZUEM, Wilson, HOWELL, Kerry y RANFAGNI, Silvia (2023). A step-by-step process of thematic analysis to develop a conceptual model in qualitative research. International journal of qualitative methods, 22. https://doi.org/10.1177/16094069231205789

NGUYEN, Andy, HONG, Yvonne, DANG, Belle, y HUANG, Xiaoshan (2024). Human-AI collaboration patterns in AI-assisted academic writing. Studies in Higher Education, 49(5), 847-864. https://doi.org/10.1080/03075079.2024.2323593

NGUYEN MINH, An (2024). Leveraging ChatGPT for enhancing English writing skills and critical thinking in university freshmen. Journal of Knowledge Learning and Science Technology, 3(2), 51–62. https://doi.org/10.60087/jklst.vol3.n2.p62

ORTLOFF, Anna-Marie, FASSL, Matthias, PONTICELLO, Alexander, MARTIUS, Florin, MERTENS, Anne, KROMBHOLZ, Katharina, y SMITH, Matthew (2023). Different researchers, different results? Analyzing the influence of researcher experience and data type during qualitative analysis of an interview and survey study on security advice. In Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems (pp. 1–21). https://doi.org/10.1145/3544548.3580766

POKRIVCAKOVA, Silvia (2024). Pre-service teachers’ attitudes towards artificial intelligence and its integration into EFL teaching and learning. Journal of Language and Cultural Education, 11(3), 100–114. https://doi.org/10.2478/jolace-2023-0031

PRETORIUS, Lynette (2023). Fostering AI literacy: A teaching practice reflection. Journal of Academic Language and Learning, 17(1), T1-T8. Retrieved from https://journal.aall.org.au/index.php/jall/article/view/891

REBOLLEDO, Roxana y GISBERT, Mercè (2025a). Aprendizaje adaptativo del inglés como lengua extranjera con herramientas de inteligencia artificial: una revisión sistemática de la literatura. Profesorado, Revista de Currículum y Formación del Profesorado, 29(1), 241-264. https://doi.org/10.30827/profesorado.v29i1.30828

REBOLLEDO, Roxana y GISBERT, Mercè (2025b). IA y aprendizaje híbrido: ¿cómo la IA personaliza el aprendizaje en modelos mixtos de enseñanza presencial y virtual? Espiral, Bitácora ODITE. https://ciberespiral.org/es/ia-y-aprendizaje-hibrido-como-la-ia-personaliza-el-aprendizaje-en-modelos-mixtos-de-ensenanza-presencial-y-virtual/

TOLSTYKH, Olesya y OSHCHEPKOVA, Tamara (2024). Beyond ChatGPT: roles that artificial intelligence tools can play in an English language classroom. Discover Artificial Intelligence, 4(1), 60. https://doi.org/10.1007/s44163-024-00158-9

VALLEJO, Alcira (2024). La transformación del rol docente en la era de la Inteligencia Artificial: hacia un liderazgo pedagógico estratégico. Trayectorias Universitarias, 10(19), 165. https://doi.org/10.24215/24690090e165

ZHANG, He, WU, Chuchao, XIE, Jingyi, LYU, Yao, CAI, Jie y CARROLL, John (2023). Redefining qualitative analysis in the AI era: Utilizing ChatGPT for efficient thematic analysis. arXiv. https://doi.org/10.48550/arXiv.2309.10771

ZIMMERMAN, Barry y RISEMBERG, Rafael (1997). Becoming a self-regulated writer: A social cognitive perspective. Contemporary Educational Psychology, 22(1), 73–101. https://doi.org/10.1006/ceps.1997.0919