El efecto de la retroalimentación mediada por inteligencia artificial en la capacidad de escritura de los estudiantes de inglés
DOI:
https://doi.org/10.62452/g6023m93Palabras clave:
Retroalimentación mediada por inteligencia artificial, habilidad de escritura, estudiantes de inglés como lengua extranjera, percepciones, precisión, coherenciaResumen
Este estudio investigó el impacto de la retroalimentación mediada por inteligencia artificial en las habilidades de escritura de estudiantes iraníes de inglés como lengua extranjera de nivel intermedio, con un enfoque en la precisión, coherencia y cohesión, así como en las percepciones de los estudiantes sobre los beneficios y desafíos asociados con la inteligencia artificial en el proceso de escritura. Se seleccionaron intencionalmente sesenta estudiantes mujeres, de 15 a 20 años, de un instituto de idiomas privado, y se dividieron en dos grupos: uno que recibió retroalimentación mediada por inteligencia artificial a través de la aplicación Poe, y otro que recibió retroalimentación tradicional por parte del docente. La competencia en escritura se evaluó mediante la tarea de escritura 2 del IELTS, administrada como pretest y postest. Los resultados indicaron que los estudiantes que recibieron retroalimentación mediada por inteligencia artificial demostraron mejoras significativas en la precisión gramatical, coherencia y cohesión en comparación con aquellos que recibieron retroalimentación tradicional. Los datos cualitativos, recolectados mediante entrevistas semiestructuradas con un subconjunto del grupo experimental, revelaron que los estudiantes valoraron la inmediatez, personalización y accesibilidad de la retroalimentación de inteligencia artificial, lo que aumentó su motivación y apoyó el aprendizaje autónomo. Sin embargo, los participantes también expresaron preocupaciones sobre la falta de conexión humana, la posible dependencia excesiva de la inteligencia artificial y las limitaciones de esta para comprender matices contextuales. Estos hallazgos sugieren que, si bien la retroalimentación mediada por inteligencia artificial es efectiva para mejorar aspectos clave de la escritura en inglés, resulta más beneficiosa cuando se integra con la orientación de un docente.
Descargas
Referencias
Aminovna, B. D. (2022). Importance of coherence and cohesion in writing. Eurasian Research Bulletin, 4, 83–89. https://geniusjournals.org/index.php/erb/article/view/431
Bahaziq, A. (2016). Cohesive devices in written discourse: A discourse analysis of a student’s essay writing. English Language Teaching, 9(7), 112–112. https://doi.org/10.5539/elt.v9n7p112
Barrot, J. S. (2023). Using automated written corrective feedback in the writing classrooms: Effects on L2 writing accuracy. Computer Assisted Language Learning, 36(4), 584–607. https://doi.org/10.1080/09588221.2021.1936071
Borna, P., Mohammadi, R., & Karimi Nia, R. (2024). Investigating the effect of AI writing assistance tools on Iranian intermediate EFL learners' writing performance: A comparative study of ProWritingAid and Grammarly. Research in English Language Pedagogy, 12(3), 478–504. https://doi.org/10.30486/RELP.2024.897162
Chávez-Cárdenas, M. d. C., Fernández-Marín, M. Á., & Lamí-Rodríguez del Rey, L. E. (2025). Web educativa e inteligencia artificial: Transformando el aprendizaje contemporáneo. Sophia Editions.
Chen, X., Xie, H., Zou, D., & Hwang, G.-J. (2020). Application and theory gaps during the rise of artificial intelligence in education. Computers and Education: Artificial Intelligence, 1, Article 100002. https://doi.org/10.1016/j.caeai.2020.100002
Diebold, G. (2023). Higher education will have to adapt to generative AI—And that’s a good thing. Center for Data Innovation. https://datainnovation.org/2023/01/higher-education-will-have-to-adapt-to-generative-ai-and-thats-a-good-thing/
Ellis, R. (2010). A framework for investigating oral and written corrective feedback. EPILOGUE. Studies in Second Language Acquisition, 32(2), 335–349. https://doi.org/10.1017/s0272263109990544
Fathi, J., & Rahimi, M. (2024). Utilising artificial intelligence-enhanced writing mediation to develop academic writing skills in EFL learners: A qualitative study. Computer Assisted Language Learning, 1–20. https://doi.org/10.1080/09588221.2024.2374772
Ghorbandordinejad, F., & Kenshinbay, T. (2024). Exploring AI-driven adaptive feedback in the second language writing skills prompt. AI Technology in Language Teaching, 2(3), 1–13. https://doi.org/10.59652/jetm.v2i3.264
Hyland, K., & Hyland, F. (2006). Feedback on second language students’ writing. Language Teaching, 39(2), 83–101. https://doi.org/10.1017/S0261444806003399
Jafarian, K., Soori, F., & Kafipour, K. (2012). The effect of computer assisted language learning (CALL) on EFL high school students' writing achievement. European Journal of Social Sciences, 27(2), 138–148.
Jasim, M. Y., Musa, Z. H., Asim, Z. A., & Salman, A. R. (2024). Developing EFL writing with AI: Balancing benefits and challenges. Technology Assisted Language Education, 2(2), 80-93. https://doi.org/10.22126/TALE.2024.10953.1052
Jawas, U. (2019). Writing anxiety among Indonesian EFL students: Factors and strategies. International Journal of Instruction, 12(4), 733–746. https://files.eric.ed.gov/fulltext/EJ1230040.pdf
Lee, I. (2019). Teacher written corrective feedback: Less is more. Language Teaching, 52(4), 524–536. https://doi.org/10.1017/s0261444819000247
León-González, J. L., & Pire-Rojas, A. (Comp). (2025). Investigación, neurociencia e inteligencia artificial: Hacia una formación universitaria integral. Sophia Editions.
Marzuki, W., Rusdin, D., Darwin, W., & Indrawati, I. (2023). The impact of AI writing tools on the content and organization of students' writing: EFL teachers' perspective. Cogent Education, 10(2). https://doi.org/10.1080/2331186X.2023.2236469
Sanosi, A. B. (2022). The impact of automated written corrective feedback on EFL learners’ academic writing accuracy. The Journal of Teaching English for Specific and Academic Purposes, 10(2), 301–317. https://doi.org/10.22190/JTESAP2202301S
Wang, D. (2024). Teacher-versus AI-generated (POE application) corrective feedback and language learners’ writing anxiety, complexity, fluency, and accuracy. International Review of Research in Open and Distributed Learning, 25(3), 37–56. https://doi.org/10.19173/irrodl.v25i3.7646
Wang, Z., & Han, F. (2022). The effects of teacher feedback and automated feedback on cognitive and psychological aspects of foreign language writing: A mixed-methods research. Frontiers in Psychology, 13, 909802. https://doi.org/10.3389/fpsyg.2022.909802
Weigle, R. (2002). Focus on the global essay: A schematic approach to improving TOEFL writing. Cambridge University Press.
Zeevy-Solovey, O. (2024). Comparing peer, ChatGPT, and teacher corrective feedback in EFL writing: Students’ perceptions and preferences. Technology in Language Teaching & Learning, 6(3), 1–23. https://doi.org/10.29140/tltl.v6n3.1482
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Zeinab Elghani, Nafiseh Asadzadeh-Maleki (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los autores que publican en la Revista Metropolitana de Ciencias Aplicadas (REMCA), están de acuerdo con los siguientes términos:
1. Derechos de Autor
Los autores conservan los derechos de autor sobre sus trabajos sin restricciones. Los autores otorgan a la revista el derecho de primera publicación. Para ello, ceden a la revista, de forma no exclusiva, los derechos de explotación (reproducción, distribución, comunicación pública y transformación). Los autores pueden establecer otros acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista, siempre que exista un reconocimiento de su publicación inicial en esta revista.
© Los autores.
2. Licencia
Los trabajos se publican en la revista bajo la licencia de Atribución-NoComercial-CompartirIgual 4.0 Internacional de Creative Commons (CC BY-NC-SA 4.0). Los términos se pueden consultar en: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
Esta licencia permite:
- Compartir: copiar y redistribuir el material en cualquier medio o formato.
- Adaptar: remezclar, transformar y crear a partir del material.
Bajo los siguientes términos:
- Atribución: ha de reconocer la autoría de manera apropiada, proporcionar un enlace a la licencia e indicar si se ha hecho algún cambio. Puede hacerlo de cualquier manera razonable, pero no de forma tal que sugiera que el licenciador le da soporte o patrocina el uso que se hace.
- NoComercial: no puede utilizar el material para finalidades comerciales.
- CompartirIgual: si remezcla, transforma o crea a partir del material, debe difundir su creación con la misma licencia que la obra original.
No hay restricciones adicionales. No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros hacer cualquier cosa que la licencia permita.
