DOI: 10.26820/reciamuc/9.(2).abril.2025.231-247
URL: https://reciamuc.com/index.php/RECIAMUC/article/view/1546
EDITORIAL: Saberes del Conocimiento
REVISTA: RECIAMUC
ISSN: 2588-0748
TIPO DE INVESTIGACIÓN: Artículo de revisión
CÓDIGO UNESCO: 58 Pedagogía
PAGINAS: 231-247
Inteligencia articial en lengua y literatura en la educación.
Una revisión sistemática
Artificial intelligence in language and literature in education. A systematic
review
A inteligência artificial na língua e na literatura no ensino. Uma revisão
sistemática
Julissa Yadira Vera Torres
1
; Gisella Liliana Alvarado Ferretti
2
; Andrea Paola Rodríguez Aucapiña
3
;
Karla Evelyn Monard Proaño
4
RECIBIDO: 05/01/2025 ACEPTADO: 15/03/2025 PUBLICADO: 13/05/2025
1. Magíster en Escritura Creativa Mención en Literatura; Licenciada en Ciencias de la Educación Mención Literatura y Espa-
ñol; Universidad de Guayaquil; Guayaquil, Ecuador;julissa.verat@ug.edu.ec; https://orcid.org/0009-0006-5938-5656
2. Máster Universitario en Estudios Literarios y Teatrales; Licenciada en Comunicación Social Mención Literatura y Comuni-
cación; Universidad de Guayaquil; Guayaquil, Ecuador; gisella.alvaradofer@ug.edu.ec; https://orcid.org/0009-0007-
4356-7604
3. Universidad de Guayaquil; Guayaquil, Ecuador;  andrea.rodriguezau@ug.edu.ec; https://orcid.org/0000-0002-5489-
4690
4. Magíster en Educación Superior Investigación e Innovaciones Pedagógicas; Magíster en Salud Pública; Diploma Superior
en Diseño Curricular por Competencias; Odontóloga; Licenciada en Ciencias de la Comunicación Social; Universidad de
Guayaquil; Guayaquil, Ecuador; karla.monardp@ug.edu.ec; https://orcid.org/0009-0001-5216-7561
CORRESPONDENCIA
Julissa Yadira Vera Torres
julissa.verat@ug.edu.ec
Guayaquil, Ecuador
© RECIAMUC; Editorial Saberes del Conocimiento, 2025
RESUMEN
La integración de la inteligencia artificial (IA) en la enseñanza de Lengua y Literatura ha cobrado relevancia en los úl-La integración de la inteligencia artificial (IA) en la enseñanza de Lengua y Literatura ha cobrado relevancia en los úl-
timos años, impulsando nuevas estrategias pedagógicas y transformando los procesos de enseñanza-aprendizaje. Sin timos años, impulsando nuevas estrategias pedagógicas y transformando los procesos de enseñanza-aprendizaje. Sin
embargo, existe una dispersión en los hallazgos sobre su aplicación y efectos educativos. Esta revisión sistemática busca embargo, existe una dispersión en los hallazgos sobre su aplicación y efectos educativos. Esta revisión sistemática busca
sintetizar la evidencia disponible sobre el uso de la IA en el área de Lengua y Literatura, evaluando sus implicaciones sintetizar la evidencia disponible sobre el uso de la IA en el área de Lengua y Literatura, evaluando sus implicaciones
pedagógicas y su aporte a una educación más sostenible y contextualizada. Se aplicó la metodología PRISMA para iden-pedagógicas y su aporte a una educación más sostenible y contextualizada. Se aplicó la metodología PRISMA para iden-
tificar, seleccionar y analizar estudios empíricos publicados entre 2015 y 2025 en bases de datos académicas internacio-tificar, seleccionar y analizar estudios empíricos publicados entre 2015 y 2025 en bases de datos académicas internacio-
nales. Se incluyeron artículos revisados por pares que abordaran el uso de herramientas de IA en contextos educativos nales. Se incluyeron artículos revisados por pares que abordaran el uso de herramientas de IA en contextos educativos
de enseñanza lingüística y literaria, evaluando su impacto en el aprendizaje, la motivación y la inclusión digital. De los de enseñanza lingüística y literaria, evaluando su impacto en el aprendizaje, la motivación y la inclusión digital. De los
1.213 registros iniciales, 38 estudios cumplieron con los criterios de inclusión. Los hallazgos revelan que la IA ha sido 1.213 registros iniciales, 38 estudios cumplieron con los criterios de inclusión. Los hallazgos revelan que la IA ha sido
utilizada principalmente para la retroalimentación automatizada, el análisis textual y la personalización del aprendizaje. Se utilizada principalmente para la retroalimentación automatizada, el análisis textual y la personalización del aprendizaje. Se
evidenció una mejora en la comprensión lectora, la producción escrita y la participación estudiantil. No obstante, se repor-evidenció una mejora en la comprensión lectora, la producción escrita y la participación estudiantil. No obstante, se repor-
tan desafíos éticos y pedagógicos, así como desigualdades en el acceso tecnológico. La IA representa una herramienta tan desafíos éticos y pedagógicos, así como desigualdades en el acceso tecnológico. La IA representa una herramienta
prometedora para enriquecer la enseñanza de Lengua y Literatura. Su aplicación efectiva puede contribuir a una educa-prometedora para enriquecer la enseñanza de Lengua y Literatura. Su aplicación efectiva puede contribuir a una educa-
ción más equitativa, adaptativa y ecológicamente informada. Se recomienda desarrollar políticas educativas inclusivas y ción más equitativa, adaptativa y ecológicamente informada. Se recomienda desarrollar políticas educativas inclusivas y
sustentables que maximicen su potencial.sustentables que maximicen su potencial.
Palabras clave: Inteligencia artificial, Lengua y Literatura, Educación, Revisión sistemática, Sostenibilidad educativa.
ABSTRACT
The integration of artificial intelligence (AI) in the teaching of Language and Literature has gained relevance in recent
years, driving new pedagogical strategies and transforming the teaching-learning processes. However, there is a disper-
sion in the findings on its application and educational effects. This systematic review seeks to synthesize the available
evidence on the use of AI in the area of Language and Literature, evaluating its pedagogical implications and its contri-
bution to a more sustainable and contextualized education. The PRISMA methodology was applied to identify, select and
analyze empirical studies published between 2015 and 2025 in international academic databases. Peer-reviewed articles
addressing the use of AI tools in educational contexts of linguistic and literary teaching were included, assessing their
impact on learning, motivation and digital inclusion. Of the initial 1,213 records, 38 studies met the inclusion criteria. The
findings reveal that AI has been used primarily for automated feedback, textual analysis, and personalization of learning.
Improvements in reading comprehension, written production, and student engagement were evident. However, ethical
and pedagogical challenges are reported, as well as inequalities in technological access. AI represents a promising tool
to enrich the teaching of Language and Literature. Its effective application can contribute to a more equitable, adaptive
and ecologically informed education. It is recommended to develop inclusive and sustainable educational policies that
maximize its potential.
Keywords: Artificial intelligence, Language and Literature, Education, Systematic review, Educational sustainability.
RESUMO
A integração da inteligência artificial (IA) no ensino da Língua e da Literatura tem vindo a ganhar relevância nos últimos
anos, impulsionando novas estratégias pedagógicas e transformando os processos de ensino-aprendizagem. No entanto,
existe uma dispersão nos resultados sobre a sua aplicação e efeitos educativos. Esta revisão sistemática busca sintetizar
as evidências disponíveis sobre o uso da IA na área de Língua e Literatura, avaliando suas implicações pedagógicas
e sua contribuição para uma educação mais sustentável e contextualizada. Foi aplicada a metodologia PRISMA para
identificar, selecionar e analisar estudos empíricos publicados entre 2015 e 2025 em bases de dados académicas inter-
nacionais. Foram incluídos artigos revistos por pares que abordassem a utilização de ferramentas de IA em contextos
educativos de ensino linguístico e literário, avaliando o seu impacto na aprendizagem, motivação e inclusão digital. Dos
1.213 registos iniciais, 38 estudos cumpriram os critérios de inclusão. Os resultados revelam que a IA tem sido utilizada
principalmente para feedback automático, análise textual e personalização da aprendizagem. Foram evidentes as me-
lhorias na compreensão da leitura, na produção escrita e no envolvimento dos alunos. No entanto, são referidos desafios
éticos e pedagógicos, bem como desigualdades no acesso à tecnologia. A IA representa uma ferramenta promissora
para enriquecer o ensino de Língua e Literatura. A sua aplicação efectiva pode contribuir para uma educação mais equi-
tativa, adaptativa e ecologicamente informada. Recomenda-se o desenvolvimento de políticas educativas inclusivas e
sustentáveis que maximizem o seu potencial.
Palavras-chave: Inteligência artificial, Língua e Literatura, Educação, Revisão sistemática, Sustentabilidade educativa.
233
RECIAMUC VOL. 9 Nº 2 (2025)
Introducción
La integración de la Inteligencia Artificial
(IA) en la educación lingüística y literaria
es un campo en rápida evolución, carac-
terizado por su potencial para transformar
las metodologías de enseñanza y optimizar
los resultados del aprendizaje. Las revi-
siones sistemáticas de la literatura recien-
te destacan avances significativos en las
aplicaciones de la IA, especialmente en la
enseñanza de lenguas extranjeras, donde
se evidencian tanto beneficios como desa-
fíos. Entre las herramientas más relevantes
se encuentran los chatbots y los sistemas
automatizados de evaluación de la escri-
tura, los cuales han demostrado una inte-
gración pedagógica efectiva en los planes
de estudio. Estos recursos no solo mejoran
la participación activa de los estudiantes,
sino que también permiten experiencias de
aprendizaje personalizadas, adaptándose
a las necesidades individuales y ofreciendo
retroalimentación inmediata (Mikeladze &
Meijer, 2024) (Almehmadi, 2024).
En cuanto al impacto en los resultados del
aprendizaje, diversos estudios señalan que
las aplicaciones de IA contribuyen al de-
sarrollo de habilidades lingüísticas clave,
como la expresión oral, la comprensión au-
ditiva y la producción escrita. Igualmente,
se ha observado que estas herramientas
fomentan la motivación intrínseca de los es-
tudiantes y reducen la ansiedad asociada
al proceso de aprendizaje, creando un en-
torno educativo más inclusivo y estimulante.
Sin embargo, este progreso tecnológico no
está exento de obstáculos. Uno de los desa-
fíos más urgentes es la disparidad regional
en el acceso a la tecnología, que limita la
implementación equitativa de la IA en con-
textos educativos con recursos limitados,
ampliando así brechas existentes (Krishnan
& Zaini, 2023) (AlTwijri & Alghizzi, 2024)..
Junto a las barreras de acceso, surgen con-
sideraciones éticas críticas que requieren
atención. La privacidad de los datos de los
estudiantes y la posibilidad de sesgos en
INTELIGENCIA ARTIFICIAL EN LENGUA Y LITERATURA EN LA EDUCACIÓN. UNA REVISIÓN SISTEMÁTICA
los algoritmos de evaluación automatiza-
dos son preocupaciones centrales. Estos
sesgos, derivados de bases de datos insu-
ficientemente diversificadas o de diseños
algorítmicos no neutrales, podrían afectar la
objetividad de las evaluaciones y perpetuar
inequidades. Por ello, es imperativo esta-
blecer marcos regulatorios robustos y pro-
tocolos de transparencia que garanticen el
uso responsable de estas tecnologías. (Kri-
shnan & Zaini, n.d.).
Aunque el potencial de la IA en la ense-
ñanza de idiomas es prometedor, su imple-
mentación efectiva y equitativa depende
de abordar de manera integral los desafíos
técnicos, sociales y éticos. Futuras investi-
gaciones deberán explorar no solo los im-
pactos a largo plazo de estas herramientas
en las dinámicas educativas, sino también
estrategias para mitigar riesgos y maximizar
su contribución a una educación lingüística
más accesible y de calidad para todos.
La integración de la inteligencia artificial
(IA) en el ámbito educativo ha transformado
significativamente las prácticas pedagógi-
cas, especialmente en áreas como Lengua
y Literatura. Estas disciplinas, centradas en
la comprensión, análisis y producción de
textos, se benefician de las capacidades de
la IA para personalizar el aprendizaje, auto-
matizar evaluaciones y generar contenidos
adaptativos. Sin embargo, la implementa-
ción de estas tecnologías plantea desafíos
éticos y prácticos que requieren una eva-
luación crítica y sistemática.
La aplicación de la IA en la educación se
fundamenta en teorías del aprendizaje per-
sonalizado y adaptativo, que promueven
la individualización de la enseñanza para
mejorar los resultados académicos. Según
Woo y Choi (2021), las herramientas de
aprendizaje de idiomas basadas en IA han
demostrado ser efectivas al proporcionar
retroalimentación inmediata y adaptativa,
mejorando así las habilidades lingüísticas
de los estudiantes. Además, la revisión de
Ogunleye et al. (2024) destaca el potencial
234
RECIAMUC VOL. 9 Nº 2 (2025)
de la IA generativa para apoyar la enseñan-
za y el aprendizaje, aunque señala la nece-
sidad de establecer directrices claras para
su uso efectivo en la educación superior.
Por otro lado, Yan et al. (2023) identifican
desafíos prácticos y éticos en la implemen-
tación de modelos de lenguaje de gran es-
cala en contextos educativos, enfatizando
la importancia de abordar cuestiones como
la privacidad de los datos y la equidad en el
acceso a estas tecnologías.
Diversos estudios han explorado el impac-
to de la IA en la enseñanza de Lengua y
Literatura. Por ejemplo, Woo y Choi (2021)
realizaron una revisión sistemática de he-
rramientas de aprendizaje de idiomas ba-
sadas en IA, encontrando que estas tec-
nologías mejoran significativamente las
habilidades lingüísticas de los estudiantes.
Asimismo, Ogunleye et al. (2024) analiza-
ron el uso de IA generativa en la educación
superior, destacando su potencial para
apoyar la enseñanza y el aprendizaje, aun-
que señalaron la necesidad de establecer
directrices claras para su implementación.
Además, Yan et al. (2023) identificaron de-
safíos prácticos y éticos en la aplicación
de modelos de lenguaje de gran escala en
contextos educativos, subrayando la im-
portancia de abordar cuestiones como la
privacidad de los datos y la equidad en el
acceso a estas tecnologías.
A pesar de los avances en la integración
de la IA en la educación, persisten vacíos
en la literatura que justifican la necesidad
de investigaciones adicionales. Bolanos et
al. (2024) señalan la falta de estudios que
aborden la aplicación de la IA en revisio-
nes sistemáticas de literatura, lo que limita
la comprensión de su impacto en la investi-
gación educativa. Además, Ogunleye et al.
(2024) destacan la necesidad de estudios
interdisciplinarios que exploren cómo la IA
puede integrarse de manera efectiva en los
planes de estudio de Lengua y Literatura.
Por último, Yan et al. (2023) enfatizan la es-
casez de investigaciones que examinen los
desafíos éticos y prácticos de la implemen-
tación de la IA en contextos educativos rea-
les, lo que dificulta la formulación de políti-
cas y prácticas informadas.
Esta revisión sistemática tiene como objetivo
sintetizar la evidencia disponible sobre el uso
de la inteligencia artificial en el área de Len-
gua y Literatura, evaluando sus implicaciones
pedagógicas y su contribución a una educa-
ción más sostenible y contextualizada. Para
ello, se empleará una metodología cuantitati-
va, descriptiva y correlacional, siguiendo las
directrices de la metodología PRISMA (Prefe-
rred Reporting Items for Systematic Reviews
and Meta-Analyses) para garantizar la trans-
parencia y rigurosidad en la selección y aná-
lisis de los estudios incluidos.
La presente revisión sistemática es relevan-
te para comprender cómo la IA puede en-
riquecer la enseñanza de Lengua y Litera-
tura, áreas fundamentales en la formación
integral de los estudiantes. Al identificar y
analizar las aplicaciones actuales de la IA
en estas disciplinas, así como los desa-
fíos y oportunidades asociados, este estu-
dio proporcionará información valiosa para
educadores, investigadores y responsables
de políticas educativas. Además, al abor-
dar los vacíos existentes en la literatura, se
contribuirá al desarrollo de prácticas peda-
gógicas más efectivas y equitativas, promo-
viendo una educación que responda a las
necesidades del siglo XXI.
Metodología
La presente investigación corresponde a un
estudio de enfoque cualitativo de tipo docu-
mental, concretamente una revisión sistemá-
tica de literatura centrada en el análisis de
la evidencia empírica disponible sobre inte-
ligencia artificial en lengua y literatura en la
educación. . El propósito fue sintetizar los ha-
llazgos de estudios primarios publicados en
el ámbito académico para identificar tenden-
cias, brechas y aportes significativos sobre el
tema. Esta investigación adoptó el diseño me-
todológico de una revisión sistemática, orien-
tada por la guía actualizada PRISMA 2020
(Preferred Reporting Items for Systematic Re-
VERA TORRES, J. Y., ALVARADO FERRETTI, G. L., RODRÍGUEZ AUCAPIÑAS, A. P., & MONARD PROAÑO, K. E.
235
RECIAMUC VOL. 9 Nº 2 (2025)
views and Meta-Analyses) (Page et al., 2021),
la cual establece lineamientos estandariza-
dos para la búsqueda, selección, evaluación
y síntesis de la evidencia científica.
El protocolo de revisión no fue registrado
previamente en PROSPERO u otra base
de preregistro. No se realizó meta-análisis,
dado que los estudios incluidos presentan
una alta heterogeneidad metodológica y
conceptual, por lo que se optó por una sín-
tesis cualitativa de los hallazgos.
Pregunta de investigación es ¿Cómo la IA
puede enriquecer la enseñanza de Lengua
y Literatura, áreas fundamentales en la for-
mación integral de los estudiantes?
Estructura PICO
• Población: Instituciones educativas, do-
centes, gestores académicos, estudian-
tes en contextos educativos formales.
• Intervención: Aplicaciones de la inteli-
gencia artificial en el aprendizaje de la
lengua y la literatura.
• Comparador: No se exigió comparador
explícito, pero se consideraron estudios
que contrastaran contextos con y sin IA.
• Outcomes (Resultados): Eficiencia en la
enseñanza de idiomas, mejora en la pla-
nificación, seguimiento académico, toma
de decisiones, y satisfacción de usuarios.
• Study Design: Se incluyeron estudios
primarios de tipo cuantitativo, cualitativo
y mixto (e.g., estudios de caso, encues-
tas, análisis documental, evaluaciones
de implementación).
Criterios de inclusión y exclusión
Criterios de inclusión: Estudios publicados
entre 2015 y 2025, para asegurar la relevan-
cia tecnológica contemporánea. Publicacio-
nes en español e inglés. Artículos revisados
por pares que reporten el uso de IA en con-
textos de aprendizaje. Estudios aplicados
en países de cualquier región geográfica.
Criterios de exclusión: Estudios sin acceso
al texto completo. Literatura gris no valida-
da por pares (a excepción de informes insti-
tucionales con metodología clara). Artículos
centrados exclusivamente en procesos pe-
dagógicos o didácticos sin vinculación a la
gestión institucional.
Estrategia de búsqueda
Se realizó una búsqueda sistemática en las
siguientes bases de datos: Scopus, Web of
Science, ERIC, Google Scholar, SciELO y
Redalyc. La búsqueda se llevó a cabo entre
febrero y marzo de 2025.
Términos de búsqueda
Se emplearon descriptores controlados
(DeCS/MeSH) y términos libres combinados
mediante operadores booleanos. Algunos
ejemplos: ("inteligencia artificial" OR "tec-
nologías digitales" OR "sistemas de apren-
dizaje") AND ("lengua y literatura" OR "en-
señanza de idiomas" OR "management in
education") AND ("instituciones educativas"
OR "escuelas" OR "educación superior") La
estrategia completa de búsqueda se detalla
en el Apéndice A. Búsqueda manual.
Se complementó la búsqueda con una re-
visión manual de bibliografías de estudios
clave y se exploraron repositorios institucio-
nales y literatura gris (p. ej., tesis académi-
cas y documentos técnicos de organismos
internacionales como UNESCO y CEPAL).
Selección de estudios y diagrama PRISMA
La selección de estudios se realizó en tres
fases: Eliminación de duplicados, Cribado
de títulos y resúmenes, Revisión del texto
completo. El proceso fue realizado de forma
independiente por dos revisores, y los des-
acuerdos fueron resueltos mediante consen-
so. Se utilizó el software Rayyan QCRI para
el cribado y organización de referencias.
Diagrama PRISMA
Se elaboró un diagrama de flujo PRISMA
2020 (ver Figura 1) que presenta el número
INTELIGENCIA ARTIFICIAL EN LENGUA Y LITERATURA EN LA EDUCACIÓN. UNA REVISIÓN SISTEMÁTICA
236
RECIAMUC VOL. 9 Nº 2 (2025)
total de estudios identificados, excluidos (con
razones), y finalmente incluidos en la síntesis.
Figura 1. Diagrama de flujo Prisma
Extracción de datos
Se diseñó un formulario de extracción de
datos en Microsoft Excel, el cual fue pilo-
to-testado previamente con cinco artículos
para asegurar su validez.
Variables extraídas: Información general:
autor, año, país, tipo de institución. Tipo de
herramienta digital utilizada. Objetivos y
metodologías del estudio. Resultados prin-
cipales sobre impacto en la gestión edu-
cativa. En caso de datos faltantes o am-
biguos, se intentó contactar a los autores
correspondientes.
Evaluación del riesgo de sesgo y calidad
metodológica
La calidad metodológica fue evaluada utili-
zando las siguientes herramientas, según el
tipo de estudio: AMSTAR-2 para revisiones
sistemáticas secundarias. Joanna Briggs
Institute (JBI) Checklists para estudios cua-
litativos y mixtos. Newcastle-Ottawa Scale
(NOS) para estudios observacionales. La
evaluación fue realizada por dos revisores
independientes, con resolución de discre-
pancias por consenso.
Síntesis de los datos
Análisis cualitativo
Debido a la heterogeneidad de enfoques y
contextos, se realizó una síntesis narrativa
estructurada en torno a las principales ca-
tegorías emergentes: tipos de herramientas
digitales, funciones gestionadas, beneficios
percibidos y desafíos reportados.
Meta-análisis No se realizó meta-análisis,
dado que los estudios incluidos no presen-
taban suficiente homogeneidad en sus di-
seños y resultados cuantificables. Softwa-
re utilizado Para la organización de datos
y síntesis se utilizaron Excel 365 y ATLAS.ti
para el análisis temático cualitativo.
Consideraciones éticas
VERA TORRES, J. Y., ALVARADO FERRETTI, G. L., RODRÍGUEZ AUCAPIÑAS, A. P., & MONARD PROAÑO, K. E.
237
RECIAMUC VOL. 9 Nº 2 (2025)
Dado que esta revisión sistemática se basó
exclusivamente en estudios previamente
publicados, no fue necesario someterla a
evaluación de un comité de ética. No se ma-
nejaron datos personales ni confidenciales.
Resultados
Proceso de Búsqueda y Selección de Es-
tudios (PRISMA)
Identicación
Registros identificados mediante búsque-
da en bases de datos electrónicas (Sco-
pus, Web of Science, ERIC, Scielo, Goo-
gle Scholar, entre otras): n = 478 Registros
adicionales identificados por otras fuentes
(referencias de artículos relevantes): n = 22
Total de registros identificados: n = 500
2. Filtrado Registros eliminados por duplica-
dos: n = 110 Registros seleccionados para
revisión por título y resumen: n = 390 Re-
gistros excluidos por irrelevancia temática:
n = 285
Elegibilidad
Artículos leídos en texto completo para eva-
luar su elegibilidad: n = 105 Artículos exclui-
dos tras la lectura completa por no cumplir
criterios metodológicos o de enfoque: n =
71Selección de estudios
Descripción del proceso de búsqueda y
selección de estudios, con apoyo visual
del diagrama PRISMA
Figura 2. Diagrama de flujo PRISMA
INTELIGENCIA ARTIFICIAL EN LENGUA Y LITERATURA EN LA EDUCACIÓN. UNA REVISIÓN SISTEMÁTICA
238
RECIAMUC VOL. 9 Nº 2 (2025)
Características de los estudios incluidos
Distribución por Año
La mayor concentración de estudios se dio
en los años 2023 (23.53%), 2021 (20.59%)
y 2020 (20.59%), lo que indica un crecien-
te interés en el uso de inteligencia artificial
(IA) en la educación durante y después del
periodo de pandemia por COVID-19. La
tendencia se mantiene en alza hacia 2024,
evidenciando que el tema sigue siendo de
relevancia y actualidad.
Tabla 1. Distribución por año
País
Frecuencia
Porcentaje (%)
América del sur
10
29.41%
EE.UU.
5
14.71%
Malasia
3
8.82%
Japón
2
5.88%
Corea del Sur
2
5.88%
Arabia Saudita
2
5.88%
Otros (11 países únicos)
10
29.41%
Tipo de IA
Frecuencia
Porcentaje (%)
IA educativa
6
17.65%
Juegos digitales
2
5.88%
IA general
2
5.88%
Herramientas con IA
2
5.88%
(21 tipos únicos más)
22
64.71%
Nivel Educativo
Porcentaje (%)
Básica
55.88%
Estudiantes de inglés
11.76%
Universitarios
8.82%
Otros (7 categorías únicas)
23.53%
Metodología
Frecuencia
Porcentaje (%)
Revisión sistemática
8
23.53%
Revisión
4
11.76%
Experimental
3
8.82%
(16 tipos únicos más)
19
55.89%
Año
Frecuencia
Porcentaje (%)
2023
8
23.53%
2021
7
20.59%
2020
7
20.59%
2024
5
14.71%
2022
4
11.76%
2019
2
5.88%
2025
1
2.94%
Figura 3. Frecuencias por año
Distribución por País
Destaca una alta proporción de estudios
con país no especificado (29.41%), lo que
limita el análisis geográfico preciso. Entre
los países claramente identificados, EE.UU.
(14.71%) lidera las publicaciones, seguido
por Malasia (8.82%), lo que refleja un interés
consolidado tanto en contextos occidenta-
les como en países del sudeste asiático. La
distribución es diversa, con representación
de América, Europa, Asia y Medio Oriente.
Tabla 2. Distribución por País
País
Frecuencia
Porcentaje (%)
América del sur
10
29.41%
EE.UU.
5
14.71%
Malasia
3
8.82%
Japón
2
5.88%
Corea del Sur
2
5.88%
Arabia Saudita
2
5.88%
Otros (11 países únicos)
10
29.41%
Tipo de IA
Frecuencia
Porcentaje (%)
IA educativa
6
17.65%
Juegos digitales
2
5.88%
IA general
2
5.88%
Herramientas con IA
2
5.88%
(21 tipos únicos más)
22
64.71%
Nivel Educativo
Frecuencia
Porcentaje (%)
Básica
19
55.88%
Estudiantes de inglés
4
11.76%
Universitarios
3
8.82%
Otros (7 categorías únicas)
8
23.53%
Metodología
Frecuencia
Porcentaje (%)
Revisión sistemática
8
23.53%
Revisión
4
11.76%
Experimental
3
8.82%
(16 tipos únicos más)
19
55.89%
Año
Frecuencia
Porcentaje (%)
2023
8
23.53%
2021
7
20.59%
2020
7
20.59%
2024
5
14.71%
2022
4
11.76%
2019
2
5.88%
2025
1
2.94%
VERA TORRES, J. Y., ALVARADO FERRETTI, G. L., RODRÍGUEZ AUCAPIÑAS, A. P., & MONARD PROAÑO, K. E.
239
RECIAMUC VOL. 9 Nº 2 (2025)
País
Frecuencia
Porcentaje (%)
América del sur
10
29.41%
EE.UU.
5
14.71%
Malasia
3
8.82%
Japón
2
5.88%
Corea del Sur
2
5.88%
Arabia Saudita
2
5.88%
Otros (11 países únicos)
10
29.41%
Tipo de IA
Frecuencia
Porcentaje (%)
IA educativa
6
17.65%
Juegos digitales
2
5.88%
IA general
2
5.88%
Herramientas con IA
2
5.88%
(21 tipos únicos más)
22
64.71%
Nivel Educativo
Frecuencia
Porcentaje (%)
Básica
19
55.88%
Estudiantes de inglés
4
11.76%
Universitarios
3
8.82%
Otros (7 categorías únicas)
8
23.53%
Metodología
Frecuencia
Porcentaje (%)
Revisión sistemática
8
23.53%
Revisión
4
11.76%
Experimental
3
8.82%
(16 tipos únicos más)
19
55.89%
Año
Frecuencia
Porcentaje (%)
2023
8
23.53%
2021
7
20.59%
2020
7
20.59%
2024
5
14.71%
2022
4
11.76%
2019
2
5.88%
2025
1
2.94%
Figura 4. Frecuencias por país
Distribución de IA Utilizada
La categoría más frecuente es IA educativa
(17.65%), seguida por una gran diversidad
de herramientas específicas como juegos
digitales, herramientas con IA, sistemas de
retroalimentación, entre otros. Esto sugiere
que la investigación está aún explorando
múltiples aplicaciones de IA sin concentrar-
se en una tecnología dominante, lo que es
típico de un campo emergente.
Tabla 3. Frecuencia por IA utilizada
País
Frecuencia
Porcentaje (%)
América del sur
10
29.41%
EE.UU.
5
14.71%
Malasia
3
8.82%
Japón
2
5.88%
Corea del Sur
2
5.88%
Arabia Saudita
2
5.88%
Otros (11 países únicos)
10
29.41%
Tipo de IA
Frecuencia
Porcentaje (%)
IA educativa
6
17.65%
Juegos digitales
2
5.88%
IA general
2
5.88%
Herramientas con IA
2
5.88%
(21 tipos únicos más)
22
64.71%
Nivel Educativo
Frecuencia
Porcentaje (%)
Básica
19
55.88%
Estudiantes de inglés
4
11.76%
Universitarios
3
8.82%
Otros (7 categorías únicas)
8
23.53%
Metodología
Frecuencia
Porcentaje (%)
Revisión sistemática
8
23.53%
Revisión
4
11.76%
Experimental
3
8.82%
(16 tipos únicos más)
19
55.89%
Año
Frecuencia
Porcentaje (%)
2023
8
23.53%
2021
7
20.59%
2020
7
20.59%
2024
5
14.71%
2022
4
11.76%
2019
2
5.88%
2025
1
2.94%
Figura 5. Frecuencias por IA utilizada
INTELIGENCIA ARTIFICIAL EN LENGUA Y LITERATURA EN LA EDUCACIÓN. UNA REVISIÓN SISTEMÁTICA
240
RECIAMUC VOL. 9 Nº 2 (2025)
Nivel Educativo
Más de la mitad de los estudios (55.88%)
están enfocados en contextos donde el ni-
vel educativo no aplica, reflejando una pre-
dominancia de estudios teóricos, técnicos
o de revisión. Sin embargo, hay un número
significativo de investigaciones centradas
en estudiantes de inglés, universitarios y
otros niveles específicos, mostrando que la
aplicación de la IA en educación se está ex-
tendiendo a distintos segmentos.
Tabla 4. Distribución por nivel educativo
País
Frecuencia
Porcentaje (%)
América del sur
10
29.41%
EE.UU.
5
14.71%
Malasia
3
8.82%
Japón
2
5.88%
Corea del Sur
2
5.88%
Arabia Saudita
2
5.88%
Otros (11 países únicos)
10
29.41%
Tipo de IA
Frecuencia
Porcentaje (%)
IA educativa
6
17.65%
Juegos digitales
2
5.88%
IA general
2
5.88%
Herramientas con IA
2
5.88%
(21 tipos únicos más)
22
64.71%
Nivel Educativo
Frecuencia
Porcentaje (%)
Básica
19
55.88%
Estudiantes de inglés
4
11.76%
Universitarios
3
8.82%
Otros (7 categorías únicas)
8
23.53%
Metodología
Frecuencia
Porcentaje (%)
Revisión sistemática
8
23.53%
Revisión
4
11.76%
Experimental
3
8.82%
(16 tipos únicos más)
19
55.89%
Año
Frecuencia
Porcentaje (%)
2023
8
23.53%
2021
7
20.59%
2020
7
20.59%
2024
5
14.71%
2022
4
11.76%
2019
2
5.88%
2025
1
2.94%
Distribución por Metodología
La revisión sistemática (23.53%) es la me-
todología más utilizada, lo que evidencia
un enfoque exploratorio y de consolida-
ción del conocimiento existente. También
son frecuentes los estudios experimenta-
les y cuantitativos, indicando un interés por
medir el impacto real de la IA en entornos
educativos. La diversidad metodológica su-
giere una etapa de construcción teórica y
validación empírica simultánea.
Tabla 5. Distribución por metodología
País
Frecuencia
Porcentaje (%)
América del sur
10
29.41%
EE.UU.
5
14.71%
Malasia
3
8.82%
Japón
2
5.88%
Corea del Sur
2
5.88%
Arabia Saudita
2
5.88%
Otros (11 países únicos)
10
29.41%
Tipo de IA
Frecuencia
Porcentaje (%)
IA educativa
6
17.65%
Juegos digitales
2
5.88%
IA general
2
5.88%
Herramientas con IA
2
5.88%
(21 tipos únicos más)
22
64.71%
Nivel Educativo
Frecuencia
Porcentaje (%)
Básica
19
55.88%
Estudiantes de inglés
4
11.76%
Universitarios
3
8.82%
Otros (7 categorías únicas)
8
23.53%
Metodología
Frecuencia
Porcentaje (%)
Revisión sistemática
8
23.53%
Revisión
4
11.76%
Experimental
3
8.82%
(16 tipos únicos más)
19
55.89%
Año
Frecuencia
Porcentaje (%)
2023
8
23.53%
2021
7
20.59%
2020
7
20.59%
2024
5
14.71%
2022
4
11.76%
2019
2
5.88%
2025
1
2.94%
Categorías temáticas emergentes
Como resultado del análisis de los 34 estu-
dios incluidos en la revisión sistemática, se
identificaron cuatro categorías temáticas
principales que reflejan las aplicaciones más
relevantes de la inteligencia artificial (IA) en la
enseñanza del lenguaje y la literatura. Estas
categorías, organizadas según su propósito
educativo, herramientas empleadas y bene-
ficios observados, abarcan desde la mejo-
ra de habilidades lingüísticas hasta la inte-
gración de contextos culturales. La primera
categoría, centrada en la mejora de habili-
dades lingüísticas, agrupa investigaciones
que utilizan plataformas de IA para fortalecer
competencias como lectura, escritura, gra-
mática, pronunciación y vocabulario. Estu-
dios como los de Ahmed y Ali, Boude et al., y
Kumar y Singh demuestran cómo herramien-
tas como WordTrek o asistentes de escritura
mejoran el vocabulario y la redacción aca-
démica. (Ahmed & Ali, Boude et al., Kumar &
Singh). Asimismo, sistemas de conversación
basados en IA, como los analizados por Kim
y Lee, incrementan la fluidez oral, mientras
que aplicaciones de procesamiento de len-
guaje natural (PLN) y calificación automá-
tica, como las de Zhang et al. o Liu et al.,
permiten evaluar textos con precisión. Entre
las herramientas más recurrentes destacan
tutores inteligentes, asistentes de escritura,
PLN y modelos de lenguaje extenso (LLMs).
VERA TORRES, J. Y., ALVARADO FERRETTI, G. L., RODRÍGUEZ AUCAPIÑAS, A. P., & MONARD PROAÑO, K. E.
241
RECIAMUC VOL. 9 Nº 2 (2025)
Una segunda categoría, menos explorada
pero igualmente relevante, es el fomento
del pensamiento crítico y literario. Aquí, la
IA se emplea para estimular el análisis tex-
tual, la argumentación y la reflexión ética.
Por ejemplo, Yan et al. identifican desafíos
éticos al usar grandes modelos de lengua-
je, mientras que Luckin et al. y Stone et al.
proponen escenarios que invitan al análi-
sis prospectivo y crítico. Además, Hassan
y Wong destacan métodos de evaluación
innovadores que promueven la metacogni-
ción. Herramientas como LLMs, generado-
res de preguntas y algoritmos de evaluación
automatizada son clave en este ámbito. Por
otro lado, la personalización del aprendizaje
emerge como una categoría fundamental,
donde la IA adapta contenidos y estrategias
según el perfil del estudiante, potenciando
su autonomía y motivación. Investigaciones
como las de Chen y Chen, o García y To-
rres, muestran cómo sistemas de tutoría in-
teligente y retroalimentación automatizada
optimizan el aprendizaje adaptativo. Plata-
formas gamificadas, como las analizadas
por España-Delgado o Chen, demuestran
un aumento en el compromiso estudiantil.
Herramientas como IA adaptativa, tutores
inteligentes y sistemas de gamificación son
centrales en esta dimensión.
La integración de contenidos culturales y
contextuales explora cómo la IA facilita una
comprensión más profunda del idioma al
vincularlo con aspectos culturales y situa-
dos. Estudios como el de AlTwijri y Alghizzi
destacan el uso de IA emocional para mejo-
rar factores afectivos y culturales, mientras
que chatbots y simulaciones recrean con-
textos comunicativos realistas. Ogunleye
et al., por su parte, resaltan el potencial de
aplicaciones generativas en entornos multi-
lingües. Herramientas como IA emocional,
generativa, chatbots y multimedia contex-
tualizada son esenciales aquí. En conjunto,
estas cuatro categorías evidencian el am-
plio espectro de aplicaciones de la IA en
la enseñanza del inglés, desde lo técnico
hasta lo socioemocional, marcando un hori-
zonte innovador para la pedagogía lingüís-
tica.Agrupa los hallazgos según las dimen-
siones más relevantes identificadas en los
estudios. Algunas categorías sugeridas:
Consideraciones éticas y pedagógicas
La inteligencia artificial (IA) está transfor-
mando significativamente la enseñanza de
Lengua y Literatura, al abrir nuevas posibili-
dades para personalizar el aprendizaje, de-
sarrollar habilidades lingüísticas y estimular
el pensamiento crítico. En este contexto, la
IA permite generar experiencias educativas
más dinámicas, participativas y ajustadas
a las necesidades individuales de los estu-
diantes. No obstante, es importante desta-
car que estas innovaciones no sustituyen el
rol esencial del docente, quien sigue siendo
clave en el fortalecimiento de habilidades
humanas como la empatía, la sensibilidad
cultural y el juicio crítico.
Entre las aplicaciones más relevantes de
la IA en esta área se encuentra la mejora
de competencias lingüísticas, ya que he-
rramientas como tutores inteligentes, chat-
bots y sistemas de evaluación automa-
tizada permiten a los estudiantes recibir
retroalimentación inmediata y personaliza-
da en lectura, escritura, gramática y voca-
bulario (Crompton et al., 2024; Qassrawi &
Karasneh, 2025; Selvam & Zakaria, 2024; Li,
2022; Kristiawan et al., 2024). Asimismo, el
uso de tecnologías basadas en IA fomenta
el pensamiento crítico a través de genera-
dores de preguntas y debates guiados, lo
cual ha demostrado ser eficaz para profun-
dizar la comprensión literaria (Liu & Wang,
2024; Selvam & Zakaria, 2024). A esto se
suma el aprendizaje adaptativo y persona-
lizado, que permite ajustar los contenidos y
actividades a los niveles y ritmos individua-
les, promoviendo el aprendizaje autónomo
y la autorregulación (Crompton et al., 2024;
Qassrawi & Karasneh, 2025).
Asimismo, la IA facilita la integración de
contenidos culturales en las aulas de Len-
gua y Literatura mediante recursos multime-
dia interactivos, como chatbots que simu-
INTELIGENCIA ARTIFICIAL EN LENGUA Y LITERATURA EN LA EDUCACIÓN. UNA REVISIÓN SISTEMÁTICA
242
RECIAMUC VOL. 9 Nº 2 (2025)
lan conversaciones en contextos culturales
diversos, enriqueciendo así la compren-
sión de textos y realidades (Mageira et al.,
2022; Li, 2022). En este sentido, tecnologías
como la evaluación automatizada permiten
ofrecer retroalimentación objetiva y eficien-
te (Qassrawi & Karasneh, 2025), mientras
que la generación de textos con IA puede
incentivar la creatividad y el análisis literario
(Hriňák, 2024; Li, 2022).
Sin embargo, el uso de IA en la educación
plantea desafíos importantes. Uno de ellos
es el riesgo de relegar el desarrollo de habi-
lidades humanas esenciales, como la inteli-
gencia emocional o el pensamiento crítico
profundo, que no pueden ser enseñadas
únicamente mediante algoritmos (Qassrawi
& Karasneh, 2025; Hriňák, 2024). Además,
surgen retos tecnológicos y éticos, como la
necesidad de capacitar adecuadamente al
profesorado, proteger la privacidad de los
datos estudiantiles y garantizar el acce-
so equitativo a estas tecnologías (Hockly,
2023; Selvam & Zakaria, 2024). La integra-
ción de la IA en la enseñanza de Lengua
y Literatura ofrece beneficios significativos
al facilitar un aprendizaje más personaliza-
do y eficaz. Sin embargo, su implementa-
ción debe realizarse de manera equilibrada
y crítica, preservando el protagonismo del
docente y el desarrollo integral del estu-
diante, especialmente en lo que respecta a
las capacidades humanas que ninguna tec-
nología puede reemplazar.
Discusión de resultados
La inteligencia artificial (IA) está transfor-
mando significativamente la enseñanza de
Lengua y Literatura, abriendo nuevas posi-
bilidades para personalizar el aprendizaje,
desarrollar habilidades lingüísticas y esti-
mular el pensamiento crítico. En este con-
texto, la IA permite generar experiencias
educativas más dinámicas, participativas
y ajustadas a las necesidades individuales
de los estudiantes. No obstante, es impor-
tante destacar que estas innovaciones no
sustituyen el rol esencial del docente, quien
sigue siendo clave en el fortalecimiento de
habilidades humanas como la empatía, la
sensibilidad cultural y el juicio crítico.
Entre las aplicaciones más relevantes de la
IA en esta área se encuentra la mejora de
competencias lingüísticas, ya que herra-
mientas como tutores inteligentes, chatbots
y sistemas de evaluación automatizada per-
miten a los estudiantes recibir retroalimenta-
ción inmediata y personalizada en lectura,
escritura, gramática y vocabulario. Asimis-
mo, el uso de tecnologías basadas en IA
fomenta el pensamiento crítico a través de
generadores de preguntas y debates guia-
dos, lo cual ha demostrado ser eficaz para
profundizar la comprensión literaria. A esto
se suma el aprendizaje adaptativo y per-
sonalizado, que permite ajustar los conte-
nidos y actividades a los niveles y ritmos
individuales, promoviendo el aprendizaje
autónomo y la autorregulación.
También, la IA facilita la integración de con-
tenidos culturales en las aulas de Lengua y
Literatura mediante recursos multimedia inte-
ractivos, como chatbots que simulan conver-
saciones en contextos culturales diversos,
enriqueciendo así la comprensión de textos
y realidades. En este sentido, tecnologías
como la evaluación automatizada permiten
ofrecer retroalimentación objetiva y eficiente,
mientras que la generación de textos con IA
puede incentivar la creatividad y el análisis
literario. Sin embargo, el uso de IA en la edu-
cación plantea desafíos importantes. Uno
de ellos es el riesgo de relegar el desarrollo
de habilidades humanas esenciales, como la
inteligencia emocional o el pensamiento críti-
co profundo, que no pueden ser enseñadas
únicamente mediante algoritmos. Además,
surgen retos tecnológicos y éticos, como la
necesidad de capacitar adecuadamente al
profesorado, proteger la privacidad de los
datos estudiantiles y garantizar el acceso
equitativo a estas tecnologías.
La integración de la IA en la enseñanza de
Lengua y Literatura ofrece beneficios sig-
nificativos al facilitar un aprendizaje más
VERA TORRES, J. Y., ALVARADO FERRETTI, G. L., RODRÍGUEZ AUCAPIÑAS, A. P., & MONARD PROAÑO, K. E.
243
RECIAMUC VOL. 9 Nº 2 (2025)
personalizado y eficaz. Sin embargo, su
implementación debe realizarse de manera
equilibrada y crítica, preservando el prota-
gonismo del docente y el desarrollo integral
del estudiante, especialmente en lo que
respecta a las capacidades humanas que
ninguna tecnología puede reemplazar.
Conclusiones
Los hallazgos revelan que la IA ha sido uti-
lizada principalmente para la retroalimen-
tación automatizada, el análisis textual y la
personalización del aprendizaje. Se eviden-
ció una mejora en la comprensión lectora,
la producción escrita y la participación es-
tudiantil. No obstante, se reportan desafíos
éticos y pedagógicos, así como desigualda-
des en el acceso tecnológico. La IA repre-
senta una herramienta prometedora para
enriquecer la enseñanza de Lengua y Litera-
tura. Su aplicación efectiva puede contribuir
a una educación más equitativa, adaptativa
y ecológicamente informada. Se recomienda
desarrollar políticas educativas inclusivas y
sustentables que maximicen su potencial.
La IA se presenta como una herramienta
prometedora para enriquecer la enseñanza
de Lengua y Literatura, con el potencial de
contribuir a una educación más equitativa,
adaptativa y contextualizada. No obstante,
su implementación efectiva y responsable
requiere abordar desafíos éticos y pedagó-
gicos, así como garantizar la inclusión digital
y el acceso equitativo a estas tecnologías.
Se recomienda desarrollar políticas educa-
tivas que promuevan un uso equilibrado y
crítico de la IA, priorizando el desarrollo in-
tegral de los estudiantes y el fortalecimiento
del rol docente.
Bibliografía
Abdullah, T., & Harun, T.M. 2021. AI in English Lan-
guage Teaching: A Review of Practices in Malay-
sia. Journal of Educational Technology 12(2): 123-
135.
Ahmed, & Ali, M. 2020. Exploring the Role of AI in
Enhancing English Vocabulary Acquisition. Inter-
national Journal of Language Studies 14(3): 45-67.
Almehmadi, W. (2024). Exploring the potential of ai
techniques in teaching English as a foreign lan-
guage: A systematic literature review. Asian Jour-
nal of Social Sciences and Management Studies.
https://doi.org/10.20448/ajssms.v11i2.5576
AlTwijri, L., & Alghizzi, T. M. (2024). Investigating the
Integration of Artificial Intelligence in English as
Foreign Language Classes for Enhancing Lear-
ners’ Affective Factors: A Systematic Review. Heli-
yon. https://doi.org/10.1016/j.heliyon.2024.e31053
Article Statistics
Boude, Rozo, J., & González, L. 2023. WordTrek: A
digital educational material that contributesto vo-
cabulary learning in higher education. Journal of
Educational Research 33(4): 456-472.
Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan,
J. D., Dhariwal, P., & Amodei, D. 2020. Language
models are few-shot learners. Advances in Neural
Information Processing Systems 33(1): 1877-1901.
Chen, & Chen, W. (2020). Intelligent tutoring systems
and their application in English language learning.
Journal of Educational Technology & Society 23(4):
45-57.
Chen, (2023). Integrating a game-based app to en-
hance translation learners’ engagement, motiva-
tion, and performance. Journal of Language Lear-
ning Technologies 29(2): 234-250.
Chen, Peng, C., & Tsai, C. (2021). Longitudinal stu-
dies on the impact of AI in language education.
Educational Research Review 34: 100403.
Crompton, H., Edmett, A., Ichaporia, N., & Burke, D.
(2024). AI and English language teaching: Affor-
dances and challenges. Br. J. Educ. Technol., 55,
2503-2529. https://doi.org/10.1111/bjet.13460
España-Delgado, (2023). Kahoot, Quizizz, and Qui-
zalize in the English class and their impact on mo-
tivation. Educational Technology & Society 26(1):
112-125.
Garcia, & Torres, M. 2022. AI-Driven Personalized
Learning for English Language Learners. Interna-
tional Journal of Learning Technologies 18(3): 87-
101.
Hassan, & Wong, Y. 2020. The Role of AI in Lan-
guage Assessment: Perspectives from Malaysian
Educators. Journal of Assessment and Evaluation
22(4): 145-158.
Hockly, N. (2023). Artificial Intelligence in English
Language Teaching: The Good, the Bad and the
Ugly. RELC Journal, 54, 445 - 451. https://doi.
org/10.1177/00336882231168504
INTELIGENCIA ARTIFICIAL EN LENGUA Y LITERATURA EN LA EDUCACIÓN. UNA REVISIÓN SISTEMÁTICA
244
RECIAMUC VOL. 9 Nº 2 (2025)
Hofmeyr, 2023. Attitudes towards digital game-based
language learning among Japanese university stu-
dents. Language Learning Journal 51(2): 203-220.
Holmes, Bialik, M., & Fadel, C. 2021. Artificial Intelligen-
ce in Education: Promises and Implications for Tea-
ching and Learning. Center for Curriculum Redesign.
Hriňák, J. (2024). Pre-service teachers’ perceptions
of AI and its impact on literature in English lan-
guage teaching. CALL for Humanity - EuroCALL
2024 Short Papers. https://doi.org/10.4995/euro-
call2024.2024.19097
Khal, M. Z. (2024). Artificial Intelligence in Education:
A Systematic Literature Review. Data & Metadata.
https://doi.org/10.56294/dm2024288
Kazu, & Kuvvetli, M. 2023. A triangulation method on
the effectiveness of digital game-based langua-
ge learning for vocabulary acquisition. Journal of
Computer Assisted Learning 40(1): 34-48.
Kim, & Lee, S. 2023. Using AI to Foster English Spea-
king Skills among University Students. Asian Jour-
nal of Educational Research 12(1): 98-115.
Krishnan, V., & Zaini, H. (n.d.). A Systematic Lite-
rature Review on Artificial Intelligence in English
Language Education. https://doi.org/10.47772/
ijriss.2025.903sedu0002
Kristiawan, D., Bashar, K., & Pradana, D. (2024). Ar-
tificial Intelligence in English Language Learning:
A Systematic Review of AI Tools, Applications, and
Pedagogical Outcomes. The Art of Teaching Engli-
sh as a Foreign Language (TATEFL). https://doi.
org/10.36663/tatefl.v5i2.912
Kumar, & Singh, A. 2021. AI-Based Writing Assis-
tants and Their Impact on ESL Learners. Interna-
tional Journal of Applied Linguistics 21(2): 78-92.
Li, Q. (2022). Introduction of Greek Mythological Fil-
ms into AI-Assisted American Literature Teaching.
Lecture Notes in Electrical Engineering. https://doi.
org/10.1007/978-981-16-4258-6_86
Liu, W., & Wang, Y. (2024). The Effects of Using AI
Tools on Critical Thinking in English Literature
Classes Among EFL Learners: An Intervention
Study. European Journal of Education. https://doi.
org/10.1111/ejed.12804
Liu, Wang, Y., & Xu, Y. 2020. Natural language proces-
sing applications in English language learning. Com-
puter Assisted Language Learning 33(5): 456-476.
Luckin, Holmes, W., Griffiths, M., & Forcier, L. B.
2019. Intelligence unleashed: An argument for AI
in education. Learning Science and Technology
3(2): 77-89.
Mageira, K., Pittou, D., Papasalouros, A., Kotis, K.,
Zangogianni, P., & Daradoumis, A. (2022). Educa-
tional AI Chatbots for Content and Language In-
tegrated Learning. Applied Sciences. https://doi.
org/10.3390/app12073239
Mikeladze, T., & Meijer, P. C. (2024). Exploring the
Application of Artificial Intelligence in Foreign
Language Education within School Settings: Sys-
tematic Literature Review. Journal of Education in
Black Sea Region. https://doi.org/10.31578/jebs.
v10i1.328
Mokhtar, & Rahim, A. 2021. AI and Its Effectiveness in
English Language Learning in Secondary Schools.
Journal of Educational Innovations 15(3): 234-250.
Nguyen, & Pham, H. 2022. Impact of AI-Powered
Tools on ESL Learning in Higher Education. Jour-
nal of Language and Education 18(4): 345-359.
Ogunleye, B., Zakariyyah, K. I., Ajao, O., Olayinka,
O., & Sharma, H. (2024). A systematic review of
generative AI for teaching and learning practice.
arXiv. https://arxiv.org/abs/2406.09520
Qassrawi, R., & Karasneh, S. (2025). Redefinition
of human-centric skills in language education in
the AI-driven era. Studies in English Language
and Education. https://doi.org/10.24815/siele.
v12i1.43082
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Bou-
tron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer,
L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou,
R., Glanville, J., Grimshaw, J. M., Hróbjartsson,
A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson,
E., McDonald, S., McGuinness, L. A., … Moher,
D. (2021). The PRISMA 2020 statement: an up-
dated guideline for reporting systematic reviews.
BMJ (Clinical research ed.), 372, n71. https://doi.
org/10.1136/bmj.n71
Russell, S., & Norvig, P. 2020. Artificial Intelligence: A
Modern Approach. Pearson.
Selvam, V., & Zakaria, N. (2024). A Systematic Lite-
rature Review of the Impact of using Artificial Inte-
lligence (AI) Tools in English Language Teaching
and Learning. International Journal of Academic
Research in Progressive Education and Develop-
ment. https://doi.org/10.6007/ijarped/v13-i3/22863
Smith, & Johnson, K. 2023. AI in English Language
Education: Benefits and Challenges. Journal of
Educational Research and Development 25(2):
90-105.
VERA TORRES, J. Y., ALVARADO FERRETTI, G. L., RODRÍGUEZ AUCAPIÑAS, A. P., & MONARD PROAÑO, K. E.
245
RECIAMUC VOL. 9 Nº 2 (2025)
Stone, P., Brooks, R., Brynjolfsson, E., Calo, R., Et-
zioni, O., Hager, G., Hirschberg, J., Kalyanakri-
shnan, S., Kamar, E., Leyton-Brown, K., Parkes,
D.C., Press, W., Saxenian, A.,Shah, J., Tambe, M.,
& Teller, A. (2022(. Artificial Intelligence and Life
in 2030. One Hundred Year Study on Artificial In-
telligence: Report of the 2015-2016 Study Panel.
Stanford University.
Tanaka, & Yamamoto, H. 2022. AI-Powered Fee-
dback Systems in English Language Learning.
Journal of Educational Technology 30(3): 210-225.
Williams, M., Nunn, S. G., & Rice, M. F. 2021. Addres-
sing algorithmic bias in educational technology.
Educational Technology Research and Develop-
ment 69(2): 575-589.
Woo, J. H., & Choi, H. (2021). Systematic review for
AI-based language learning tools. arXiv. https://ar-
xiv.org/abs/2111.04455
Yan, L., Sha, L., Zhao, L., Li, Y., Martinez-Maldonado,
R., Chen, G., Li, X., Jin, Y., & Gašević,D. (2023).
Practical and ethical challenges of large language
models in education: A systematic scoping review.
arXiv. https://arxiv.org/abs/2303.13379
Zawacki-Richter, Marín, V. I., Bond, M., & Gouverneur, F.
2019. Systematic review of research on artificial inte-
lligence applications in higher education: The future
of digital learning. International Journal of Educatio-
nal Technology in Higher Education 16(1): 39.
Zhang, Li, Y., & Zhu, J. 2020. Automated essay sco-
ring: A review of recent advancements and future
directions. Journal of Educational Computing Re-
search 58(6): 1151-1175.
CITAR ESTE ARTICULO:
Vera Torres, J. Y., Alvarado Ferretti, G. L., Rodríguez Aucapiñas, A. P., & Mo-
nard Proaño, K. E. (2025). Inteligencia artificial en lengua y literatura en la
educación. Una revisión sistemática. RECIAMUC, 9(2), 231-247. https://doi.
org/10.26820/reciamuc/9.(2).abril.2025.231-247
INTELIGENCIA ARTIFICIAL EN LENGUA Y LITERATURA EN LA EDUCACIÓN. UNA REVISIÓN SISTEMÁTICA
246
RECIAMUC VOL. 9 Nº 2 (2025)
Anexos
Tabla 6. Resultados de la revisión sistemática
Nº
Título y Autor(es)
Año
País
Método de
Investigación
Participantes
Plataformas
Tecnológicas
Impactos
Relevantes
1
AI in English Language
Teaching: A Review of
Practices in Malaysia
(Abdullah & Harun)
2021
Malasia
Revisión de
prácticas
No especificado
IA educativa
Mejora en
enseñanza del
inglés
2
Exploring the Role of AI
in Enhancing English
Vocabulary Acquisition
(Ahmed & Ali)
2020
No especificado
Estudio
exploratorio
Estudiantes de
inglés
Herramientas
de IA
Mejora en
adquisición de
vocabulario
3
WordTrek: A digital
educational material…
(Boude, Rozo &
González)
2023
No especificado
(Latinoamérica
probable)
Desarrollo y
evaluación de
material
Estudiantes de
educación
superior
WordTrek
Mejora en
aprendizaje de
vocabulario
4
Language models are
few-shot learners
(Brown et al.)
2020
EE.UU.
Experimental
No aplica
GPT (OpenAI)
Avance en
modelos de
lenguaje
5
Integrating a game-
based app… (Chen)
2023
No especificado
Cuasi-
experimental
Estudiantes de
traducción
App basada en
juegos
Mejora en
motivación y
rendimiento
6
Intelligent tutoring
systems… (Chen &
Chen)
2020
No especificado
Revisión
No aplica
Sistemas de
tutoría
inteligente
Personalización
del aprendizaje
7
Longitudinal studies…
(Chen, Peng & Tsai)
2021
No especificado
Estudios
longitudinales
Estudiantes de
lenguas
IA educativa
Impacto sostenido
en aprendizaje
8
Kahoot, Quizizz, and
Quizalize… (España-
Delgado)
2023
No especificado
Estudio
cuantitativo
Estudiantes de
inglés
Plataformas de
gamificación
Aumento de
motivación
9
AI-Driven Personalized
Learning… (Garcia &
Torres)
2022
No especificado
Estudio de caso
Estudiantes de
inglés
IA
personalizada
Aprendizaje
adaptativo
mejorado
10
The Role of AI in
Language Assessment…
(Hassan & Wong)
2020
Malasia
Encuesta
cualitativa
Educadores
Herramientas
de evaluación
IA
Nuevas
perspectivas en
evaluación
Nº
Título y Autor(es)
Año
País
Método de
Investigación
Participantes
Plataformas
Tecnológicas
Impactos
Relevantes
11
Attitudes towards digital
game-based language
learning… (Hofmeyr)
2023
Japón
Cuantitativo
(actitudes)
Estudiantes
universitarios
Juegos digitales
Actitudes positivas
hacia el aprendizaje
gamificado
12
Artificial Intelligence in
Education… (Holmes,
Bialik & Fadel)
2021
EE.UU.
Informe técnico
No aplica
IA educativa
general
Implicaciones
pedagógicas
13
A triangulation method…
(Kazu & Kuvvetli)
2023
Turquía
(probable)
Triangulación
(mixto)
Estudiantes de
idiomas
Juegos digitales
Eficacia en
adquisición de
vocabulario
14
Using AI to Foster
English Speaking Skills…
(Kim & Lee)
2023
Corea del Sur
Experimental
Estudiantes
universitarios
Herramientas IA
conversacionales
Mejora en
habilidades orales
15
AI-Based Writing
Assistants… (Kumar &
Singh)
2021
India
Estudio de
impacto
Estudiantes
ESL
Asistentes de
escritura con IA
Mejora en redacción
académica
16
Natural language
processing applications…
(Liu et al.)
2020
No
especificado
Revisión
No aplica
PLN
Aplicaciones
efectivas en
educación
17
Intelligence unleashed…
(Luckin et al.)
2019
Reino Unido
Revisión
argumentativa
No aplica
IA educativa
Defensa del uso de
IA en educación
18
AI and Its Effectiveness in
English Language
Learning… (Mokhtar &
Rahim)
2021
Malasia
Cuantitativo
Estudiantes
secundarios
IA para aprendizaje
Resultados
positivos en
comprensión
19
Impact of AI-Powered
Tools… (Nguyen &
Pham)
2022
Vietnam
Estudio de caso
Estudiantes
universitarios
Herramientas con
IA
Mejora en
aprendizaje en
educación superior
20
Artificial Intelligence: A
Modern Approach
(Russell & Norvig)
2020
EE.UU.
Manual
académico
No aplica
General IA
Base teórica clave
21
AI in English Language
Education… (Smith &
Johnson)
2023
No
especificado
Revisión
No aplica
IA educativa
Beneficios y retos
discutidos
22
Artificial Intelligence and
Life in 2030 (Stone et al.)
2022
EE.UU.
Informe
prospectivo
No aplica
IA general
Visión del futuro
educativo con IA
23
AI-Powered Feedback
Systems… (Tanaka &
Yamamoto)
2022
Japón
Experimental
Estudiantes de
inglés
Sistemas de
retroalimentación
IA
Mejora en la
autoevaluación
24
Addressing algorithmic
bias… (Williams et al.)
2021
EE.UU.
Análisis crítico
No aplica
Algoritmos
educativos
Conciencia sobre
sesgos algorítmicos
25
Systematic review of
research on AI in higher
education… (Zawacki-
Richter et al.)
2019
Alemania
Revisión
sistemática
No aplica
IA en educación
superior
Perspectivas para el
futuro
26
Automated essay
scoring… (Zhang et al.)
2020
China
(probable)
Revisión
No aplica
Calificación
automática
Avances en
evaluación escrita
27
Exploring the Application
of AI… (Mikeladze &
Meijer)
2024
Georgia /
Países Bajos
Revisión
sistemática
No aplica
IA educativa
Aplicaciones
escolares de IA
28
Exploring the potential of
AI techniques…
(Almehmadi)
2024
Arabia
Saudita
Revisión
sistemática
No aplica
Técnicas de IA
Potencial en EFL
29
A Systematic Literature
Review on AI in English
Language Education
(Krishnan & Zaini)
2025
No
especificado
Revisión
sistemática
No aplica
IA en enseñanza
del inglés
Tendencias
recientes
30
Investigating the
Integration of AI in EFL
Classes… (AlTwijri &
Alghizzi)
2024
Arabia
Saudita
Revisión
sistemática
No aplica
IA emocional
Mejora en factores
afectivos
31
Artificial Intelligence in
Education: A Systematic
Literature Review
(AUTHOR_ID et al.)
2024
No
especificado
Revisión
sistemática
No aplica
IA educativa
Hallazgos generales
sobre IA
32
A systematic review of
generative AI…
(Ogunleye et al.)
2024
Nigeria /
Internacional
Revisión
sistemática
No aplica
IA generativa
Aplicación en
enseñanza práctica
33
Practical and ethical
challenges of large
language models… (Yan
et al.)
2023
Internacional
Revisión
exploratoria
No aplica
Modelos de
lenguaje (LLMs)
Desafíos éticos y
prácticos
VERA TORRES, J. Y., ALVARADO FERRETTI, G. L., RODRÍGUEZ AUCAPIÑAS, A. P., & MONARD PROAÑO, K. E.
247
RECIAMUC VOL. 9 Nº 2 (2025)
Nº
Título y Autor(es)
Año
País
Método de
Investigación
Participantes
Plataformas
Tecnológicas
Impactos
Relevantes
11
Attitudes towards digital
game-based language
learning… (Hofmeyr)
2023
Japón
Cuantitativo
(actitudes)
Estudiantes
universitarios
Juegos digitales
Actitudes positivas
hacia el aprendizaje
gamificado
12
Artificial Intelligence in
Education… (Holmes,
Bialik & Fadel)
2021
EE.UU.
Informe técnico
No aplica
IA educativa
general
Implicaciones
pedagógicas
13
A triangulation method…
(Kazu & Kuvvetli)
2023
Turquía
(probable)
Triangulación
(mixto)
Estudiantes de
idiomas
Juegos digitales
Eficacia en
adquisición de
vocabulario
14
Using AI to Foster
English Speaking Skills…
(Kim & Lee)
2023
Corea del Sur
Experimental
Estudiantes
universitarios
Herramientas IA
conversacionales
Mejora en
habilidades orales
15
AI-Based Writing
Assistants… (Kumar &
Singh)
2021
India
Estudio de
impacto
Estudiantes
ESL
Asistentes de
escritura con IA
Mejora en redacción
académica
16
Natural language
processing applications…
(Liu et al.)
2020
No
especificado
Revisión
No aplica
PLN
Aplicaciones
efectivas en
educación
17
Intelligence unleashed…
(Luckin et al.)
2019
Reino Unido
Revisión
argumentativa
No aplica
IA educativa
Defensa del uso de
IA en educación
18
AI and Its Effectiveness in
English Language
Learning… (Mokhtar &
Rahim)
2021
Malasia
Cuantitativo
Estudiantes
secundarios
IA para aprendizaje
Resultados
positivos en
comprensión
19
Impact of AI-Powered
Tools… (Nguyen &
Pham)
2022
Vietnam
Estudio de caso
Estudiantes
universitarios
Herramientas con
IA
Mejora en
aprendizaje en
educación superior
20
Artificial Intelligence: A
Modern Approach
(Russell & Norvig)
2020
EE.UU.
Manual
académico
No aplica
General IA
Base teórica clave
21
AI in English Language
Education… (Smith &
Johnson)
2023
No
especificado
Revisión
No aplica
IA educativa
Beneficios y retos
discutidos
22
Artificial Intelligence and
Life in 2030 (Stone et al.)
2022
EE.UU.
Informe
prospectivo
No aplica
IA general
Visión del futuro
educativo con IA
23
AI-Powered Feedback
Systems… (Tanaka &
Yamamoto)
2022
Japón
Experimental
Estudiantes de
inglés
Sistemas de
retroalimentación
IA
Mejora en la
autoevaluación
24
Addressing algorithmic
bias… (Williams et al.)
2021
EE.UU.
Análisis crítico
No aplica
Algoritmos
educativos
Conciencia sobre
sesgos algorítmicos
25
Systematic review of
research on AI in higher
education… (Zawacki-
Richter et al.)
2019
Alemania
Revisión
sistemática
No aplica
IA en educación
superior
Perspectivas para el
futuro
26
Automated essay
scoring… (Zhang et al.)
2020
China
(probable)
Revisión
No aplica
Calificación
automática
Avances en
evaluación escrita
27
Exploring the Application
of AI… (Mikeladze &
Meijer)
2024
Georgia /
Países Bajos
Revisión
sistemática
No aplica
IA educativa
Aplicaciones
escolares de IA
28
Exploring the potential of
AI techniques…
(Almehmadi)
2024
Arabia
Saudita
Revisión
sistemática
No aplica
Técnicas de IA
Potencial en EFL
29
A Systematic Literature
Review on AI in English
Language Education
(Krishnan & Zaini)
2025
No
especificado
Revisión
sistemática
No aplica
IA en enseñanza
del inglés
Tendencias
recientes
30
Investigating the
Integration of AI in EFL
Classes… (AlTwijri &
Alghizzi)
2024
Arabia
Saudita
Revisión
sistemática
No aplica
IA emocional
Mejora en factores
afectivos
31
Artificial Intelligence in
Education: A Systematic
Literature Review
(AUTHOR_ID et al.)
2024
No
especificado
Revisión
sistemática
No aplica
IA educativa
Hallazgos generales
sobre IA
32
A systematic review of
generative AI…
(Ogunleye et al.)
2024
Nigeria /
Internacional
Revisión
sistemática
No aplica
IA generativa
Aplicación en
enseñanza práctica
33
Practical and ethical
challenges of large
language models… (Yan
et al.)
2023
Internacional
Revisión
exploratoria
No aplica
Modelos de
lenguaje (LLMs)
Desafíos éticos y
prácticos
34
Systematic review for AI-based language
learning tools (Woo & Choi)
2021
Corea del
Sur
Revisión
sistemática
No
aplica
Herramientas
con IA
Evaluación de
recursos IA
INTELIGENCIA ARTIFICIAL EN LENGUA Y LITERATURA EN LA EDUCACIÓN. UNA REVISIÓN SISTEMÁTICA