Usar la IA no basta: la nueva alfabetización que necesita quien aprende idiomas

La inteligencia artificial generativa ya sabe corregir una redacción, proponer vocabulario, simular conversaciones, explicar gramática y ofrecer retroalimentación casi instantánea. La pregunta educativa, sin embargo, está cambiando. Ya no basta con saber si el estudiante puede utilizar estas herramientas. Empieza a importar algo más exigente: si comprende qué está haciendo la IA, si sabe decidir cuándo confiar en ella y si puede evaluar críticamente lo que recibe. Una revisión sistemática publicada el 7 de septiembre de 2026 ofrece evidencia particularmente útil para la enseñanza de lenguas y llega justo cuando la UNESCO abre en París su Semana del Aprendizaje Digital 2026.

La investigación, publicada en Discover Artificial Intelligence por Yuan Zhang, Xiaoting Qiu y Jiangang Wang, examinó 27 estudios empíricos sobre alfabetización en inteligencia artificial generativa dentro de la enseñanza del inglés, seleccionados a partir de 1,596 registros localizados en Scopus, Web of Science y ERIC. Su principal aporte no consiste en proclamar que la IA mejora el aprendizaje, sino en intentar precisar qué significa realmente estar alfabetizado para trabajar con ella.

Los autores distinguen tres dimensiones: comprensión conceptual, aplicación estratégica y evaluación crítico-ética. La primera supone entender, al menos funcionalmente, que un modelo generativo puede producir respuestas plausibles sin que sean necesariamente verdaderas, que trabaja con probabilidades y que sus resultados tienen limitaciones. La segunda consiste en saber utilizar la herramienta de manera pertinente para una tarea lingüística concreta. La tercera exige verificar resultados, detectar sesgos, juzgar la adecuación lingüística y cultural y decidir responsablemente qué incorporar y qué rechazar.

La distribución de la evidencia resulta reveladora. La aplicación estratégica apareció directamente en 21 de los 27 estudios; la evaluación crítico-ética, en 20; y la comprensión conceptual, solo en 15. Dicho de otra manera: estamos aprendiendo con bastante rapidez a hacer cosas con la IA, pero con menor frecuencia comprobamos si estudiantes y profesores comprenden suficientemente la herramienta con la que están trabajando.

Esta diferencia debería preocupar especialmente a quienes enseñamos idiomas. En una clase de francés, por ejemplo, un alumno puede aprender a pedirle a un chatbot que transforme un texto de nivel A2 en uno de nivel B1, que corrija sus errores o que sugiera expresiones más naturales. Eso demuestra habilidad operativa. No demuestra todavía que comprenda por qué una corrección es adecuada, que pueda detectar una formulación artificial o culturalmente impropia, ni que sea capaz de reproducir después esa mejora sin asistencia.

Aquí aparece una distinción pedagógica fundamental: saber obtener una buena respuesta de la IA no equivale a saber evaluar esa respuesta.

La propia revisión advierte contra otra confusión frecuente. Los cuestionarios de autopercepción pueden mostrar que una persona se siente competente usando IA, pero esa percepción no demuestra automáticamente una competencia observable. De igual manera, una mejora en el producto final —un texto más correcto, por ejemplo— no prueba por sí sola que haya aumentado la alfabetización en IA del estudiante. Para afirmarlo hacen falta tareas e instrumentos alineados con aquello que pretendemos medir.

La consecuencia práctica para FLE y otras lenguas es considerable. En vez de enseñar únicamente técnicas de prompting, podríamos estructurar actividades alrededor de una secuencia más completa: comprender, utilizar, cuestionar, justificar y transferir.

Primero, el estudiante produce o intenta resolver la tarea. Después consulta la IA con un propósito definido. A continuación compara la respuesta con sus conocimientos, un diccionario, una gramática, un corpus o fuentes fiables. Luego debe explicar qué sugerencias acepta, cuáles rechaza y por qué. Finalmente reformula y realiza una tarea semejante sin asistencia.

Ese pequeño cambio transforma la IA de máquina de respuestas en objeto de razonamiento lingüístico.

Imaginemos una actividad sencilla. Un estudiante de francés escribe: «Je suis intéressé pour apprendre le français». La IA propone una reformulación. La actividad no termina copiándola. El alumno debe identificar qué cambió, buscar evidencia sobre la construcción correspondiente, explicar la diferencia y utilizarla después en otro contexto. El aprendizaje se encuentra precisamente en esa distancia entre recibir una corrección y ser capaz de justificarla y transferirla.

La publicación de esta revisión coincide con el inicio, este 8 de septiembre, de la Semana del Aprendizaje Digital 2026 de la UNESCO en París, dedicada a “La educación en la era de la IA: hechos, tensiones y fronteras”. UNESCO ha colocado en el centro del encuentro la agencia humana, la equidad y la función pública de la educación. Esa coincidencia es significativa: mientras la tecnología avanza hacia tutores y agentes cada vez más autónomos, la investigación educativa empieza a recordarnos que la competencia que debemos desarrollar no puede reducirse a saber manejarlos.

Para el profesor de idiomas, esto redefine también su función. Si la máquina puede generar ejercicios, ejemplos y correcciones, una parte creciente del valor docente estará en enseñar al estudiante a formular juicios: ¿esta frase es gramatical pero poco natural?, ¿este registro corresponde a la situación?, ¿esta traducción conserva la intención?, ¿la respuesta refleja realmente el uso francófono que queremos enseñar?, ¿qué evidencia permite aceptarla?

La alfabetización en IA aplicada a las lenguas termina así pareciéndose mucho a aquello que siempre hemos considerado una educación lingüística de calidad: comprender, comparar, interpretar, decidir y justificar.

Conclusión

La llegada de la IA generativa al aula de idiomas no elimina la necesidad de aprender; desplaza el lugar donde debemos buscar el aprendizaje. Obtener una respuesta será cada vez más fácil. Evaluarla será cada vez más importante.

Por eso, quizá la pregunta que debería acompañar cualquier actividad con IA no sea “¿sabe el estudiante utilizarla?”, sino otra mucho más exigente: “¿sabe cuándo creerle, cuándo corregirla y cuándo prescindir de ella?”.

Cuando el estudiante alcanza ese punto, la IA deja de pensar en su lugar y empieza verdaderamente a ayudarle a pensar sobre la lengua.

Fuentes

Zhang, Yuan; Qiu, Xiaoting; Wang, Jiangang. “A systematic research synthesis of generative AI literacy in English language education”. Discover Artificial Intelligence, publicado el 7 de septiembre de 2026. https://link.springer.com/article/10.1007/s44163-026-02178-z

UNESCO. Digital Learning Week 2026, “Education in the age of AI: Facts | Frictions | Frontiers”, París, 8-11 de septiembre de 2026. https://www.unesco.org/es/event/42301

UNESCO. Inteligencia artificial en educación: enfoque centrado en el ser humano, inclusión, equidad y competencias para docentes y estudiantes. https://www.unesco.org/en/digital-education/artificial-intelligence

La competencia que importa en la era de la IA no es saber usarla, sino saber evaluarla

Una investigación publicada este 7 de septiembre de 2026 sobre alfabetización en inteligencia artificial generativa en la enseñanza del inglés llega en un momento particularmente oportuno. A un día de que la UNESCO inaugure en París su Semana del Aprendizaje Digital, la evidencia obliga a corregir una idea que se ha vuelto demasiado cómoda: que formar al estudiante para la era de la IA consiste principalmente en enseñarle a manejar herramientas. En aprendizaje de lenguas, saber pedirle algo a una máquina es apenas el comienzo. La competencia decisiva es saber juzgar lo que la máquina devuelve y convertir esa respuesta en aprendizaje propio.

La inteligencia artificial generativa ha penetrado con una velocidad extraordinaria en el aprendizaje de idiomas. Puede corregir una redacción, proponer vocabulario, explicar una regla gramatical, simular una conversación, adaptar un texto al nivel del estudiante o sugerir reformulaciones en segundos. Precisamente por eso existe el riesgo de confundir facilidad de uso con competencia.

Una revisión sistemática publicada hoy en Discover Artificial Intelligence por Yuan Zhang, Xiaoting Qiu y Jiangang Wang examina la alfabetización en IA generativa dentro de la educación en lengua inglesa. Su punto de partida resulta revelador: la IA ya está incorporada a escritura, retroalimentación, comunicación y decisiones docentes, pero todavía no existe una comprensión suficientemente uniforme de qué significa ser realmente competente en su utilización.

Esta cuestión adquiere especial relevancia para quienes enseñamos lenguas extranjeras. Un alumno puede aprender rápidamente a escribir una instrucción como «corrige este texto y hazlo sonar más natural». La IA puede producir inmediatamente una versión mejor. Pero entre el texto inicial y el texto corregido queda abierta la pregunta pedagógica fundamental: ¿qué aprendió el estudiante?

El problema puede observarse con un ejemplo sencillo de FLE. Un estudiante escribe: «Je suis allé à Paris depuis deux ans» cuando quiere expresar que fue a París hace dos años. Una IA puede sustituirlo por «Je suis allé à Paris il y a deux ans». Si el alumno copia la corrección, obtiene un producto lingüísticamente mejor. Si compara ambas construcciones, pregunta por qué “depuis” no funciona en ese contexto, formula otros ejemplos y luego emplea correctamente “il y a” en una situación nueva, ha ocurrido algo diferente: aprendizaje.

La distinción parece pequeña, pero cambia por completo la función pedagógica de la tecnología. La IA deja de ser una máquina de corregir productos y se convierte en un instrumento para provocar operaciones cognitivas: comparar, formular hipótesis, verificar, justificar y transferir.

Una investigación publicada por Cambridge University Press en ReCALL aporta una pista especialmente interesante. Xiaoqi Wang y Lawrence Jun Zhang estudiaron a 343 universitarios que aprendían lenguas extranjeras y utilizaban IA generativa fuera del aula. Analizaron distintas dimensiones de alfabetización en IA y su relación con el aprendizaje autorregulado. Los resultados muestran que la conciencia sobre el funcionamiento de estas herramientas y, especialmente, la capacidad de evaluar sus respuestas predijeron significativamente el aprendizaje autorregulado apoyado por IA. En cambio, el mero uso de la herramienta no lo hizo.

Este hallazgo merece detenerse. Utilizar mucho una IA no significa necesariamente aprender mejor con ella.

Más sorprendente todavía es otro resultado del estudio: la interacción estudiante-estudiante apareció como el predictor más fuerte del aprendizaje autorregulado apoyado por IA. Es decir, la incorporación de una máquina conversacional extremadamente sofisticada no elimina la importancia de aprender con otras personas. La tecnología puede ampliar el ecosistema de aprendizaje, pero no convierte automáticamente la interacción humana en un elemento secundario.

Para la enseñanza de idiomas, esto invita a abandonar una visión excesivamente individual de la IA. En lugar de imaginar a cada alumno aislado frente a un chatbot, podemos diseñar actividades en las que los estudiantes comparen respuestas producidas por diferentes sistemas, detecten errores, discutan cuál formulación resulta más natural, justifiquen una elección gramatical o contrasten una explicación de la IA con un diccionario, una gramática o un corpus fiable.

La alfabetización en IA se convierte entonces en alfabetización lingüística crítica.

Esta discusión coincide con la Semana del Aprendizaje Digital 2026 que la UNESCO celebrará en París del 8 al 11 de septiembre bajo el lema «Educación en la era de la IA: hechos, tensiones y fronteras». La organización advierte que la rápida expansión de tutores de IA, sistemas agentivos y conocimiento sintético obliga a mantener en el centro la capacidad de acción humana, la equidad y la función pública de la educación.

Ese principio puede traducirse al aula de idiomas mediante una regla sencilla: la IA debería aumentar la capacidad del alumno para tomar decisiones lingüísticas, no sustituirlas.

Una secuencia práctica puede organizarse en cinco momentos.

Primero, producir. El estudiante intenta resolver la tarea con sus propios recursos: escribir un párrafo, grabar una intervención oral o formular una respuesta.

Segundo, consultar. Utiliza la IA para recibir retroalimentación, alternativas o explicaciones.

Tercero, evaluar. No acepta automáticamente la respuesta. Identifica qué cambió, pregunta por qué, compara alternativas y verifica aquello que resulte dudoso.

Cuarto, reformular. Produce una nueva versión tomando decisiones propias y explica al menos algunas de ellas.

Quinto, transferir. Afronta una tarea semejante pero nueva sin asistencia de IA.

Este último paso es probablemente el más importante. Permite distinguir el rendimiento asistido de la competencia adquirida.

También modifica la función del profesor. Si una máquina puede corregir rápidamente numerosos errores superficiales, el valor profesional del docente se desplaza hacia tareas de mayor nivel: seleccionar situaciones comunicativas significativas, diagnosticar dificultades, enseñar estrategias, cuestionar respuestas aparentemente correctas y diseñar actividades que obliguen al estudiante a demostrar autonomía.

La pregunta educativa deja así de ser «¿sabe utilizar ChatGPT u otra IA?» y pasa a ser mucho más exigente: «¿sabe cuándo confiar, cuándo dudar, cómo verificar y qué hacer después con la respuesta?».

En una clase de francés, inglés o cualquier otra lengua, esa diferencia puede determinar si estamos formando usuarios eficientes de tecnología o verdaderos hablantes capaces de pensar y actuar lingüísticamente por sí mismos.

Conclusión

La llegada de la inteligencia artificial no reduce la necesidad de alfabetización lingüística; la vuelve más compleja. El estudiante del futuro necesitará comprender textos, producir discursos y comunicarse, pero también evaluar las mediaciones tecnológicas que intervienen en esas actividades.

La paradoja es significativa: cuanto mejores sean las respuestas de la IA, más difícil será detectar cuándo son incompletas, inadecuadas o simplemente falsas. Por eso la competencia decisiva no será formular la instrucción perfecta, sino conservar suficiente conocimiento y criterio para juzgar la respuesta.

En la enseñanza de idiomas, el objetivo no debería ser conseguir que la IA hable mejor por el estudiante. Debería ser conseguir que, después de trabajar con ella, el estudiante pueda hablar, escribir, comprender y decidir mejor cuando la IA ya no esté presente.

Fuentes

Zhang, Yuan; Qiu, Xiaoting; Wang, Jiangang (2026). “A systematic research synthesis of generative AI literacy in English language education”. Discover Artificial Intelligence, publicado el 7 de septiembre de 2026. https://link.springer.com/article/10.1007/s44163-026-02178-z

Wang, Xiaoqi; Zhang, Lawrence Jun (2026). “Fostering generative AI-supported self-regulated learning (GenAI-SRL) in informal digital language learning through literacy and interactions”. ReCALL, Cambridge University Press / EUROCALL, vol. 38, n.º 3, pp. 382-398. https://doi.org/10.1017/S0958344026100524

UNESCO (2026). Digital Learning Week 2026: Education in the age of AI: Facts | Frictions | Frontiers. París, 8-11 de septiembre de 2026. https://www.unesco.org/es/event/42301

UNESCO (2024, actualización 2026). AI competency framework for teachers. https://www.unesco.org/en/articles/ai-competency-framework-teachers

La IA invade la enseñanza de idiomas, pero la evidencia todavía corre detrás de la tecnología

La inteligencia artificial ya ocupa un lugar visible en la enseñanza de lenguas: corrige textos, conversa con estudiantes, propone vocabulario, genera ejercicios y ofrece retroalimentación en segundos. Sin embargo, una revisión académica publicada el 3 de septiembre de 2026 introduce una advertencia que debería interesar especialmente a docentes y responsables educativos: la investigación sobre IA y enseñanza de idiomas está creciendo a una velocidad extraordinaria, pero todavía sabemos mucho más sobre lo que profesores y estudiantes piensan de estas herramientas que sobre lo que realmente producen en el aprendizaje.

Ese desfase obliga a cambiar la pregunta. Ya no basta con saber si ChatGPT, los chatbots o los sistemas de corrección automática pueden incorporarse a una clase de inglés o de francés. La cuestión pedagógicamente relevante es otra: ¿qué competencias lingüísticas mejoran, en qué condiciones, durante cuánto tiempo y con qué intervención del profesor?

Una revisión a gran escala publicada en Discover Computing ofrece una fotografía especialmente útil del campo. Los investigadores Cihat Atar, Tuba Arabaci Atlamaz y Berat Dogan analizaron publicaciones sobre inteligencia artificial en la enseñanza del inglés como lengua segunda o extranjera indexadas en Scopus y ERIC. El estudio reunió 856 registros —780 artículos únicos al descontar las coincidencias entre ambas bases— publicados entre 2003 y 2025. El crecimiento se disparó después de la aparición comercial de los grandes modelos de lenguaje a finales de 2022 y alcanzó 433 publicaciones en 2024.

La cantidad impresiona. La distribución de esa investigación, sin embargo, resulta todavía más reveladora.

Mediante modelado temático, los autores identificaron seis grandes núcleos: retroalimentación de IA sobre escritura; percepciones de profesores y estudiantes; chatbots y práctica oral; estrategias docentes; potencial de ChatGPT y la IA generativa; y lectura y vocabulario. La escritura y la retroalimentación dominan el panorama, mientras otras dimensiones esenciales de la competencia lingüística reciben bastante menos atención.

Hay además un sesgo educativo considerable. Entre los trabajos de ERIC que especificaban nivel educativo, 193 de 241 correspondían a educación superior. Esto significa que buena parte de lo que actualmente llamamos “evidencia” sobre IA y aprendizaje de idiomas procede de universitarios. Trasladar automáticamente esas conclusiones a adolescentes o niños sería metodológicamente imprudente.

Ese punto tiene una consecuencia inmediata para la enseñanza de FLE y otras lenguas extranjeras en secundaria. Que una herramienta funcione con un estudiante universitario que posee autonomía académica, alfabetización digital y determinadas estrategias metacognitivas no demuestra que produzca el mismo resultado con un alumno de doce, catorce o dieciséis años. La edad, el nivel lingüístico, la capacidad para verificar una respuesta y el grado de acompañamiento docente modifican profundamente la experiencia.

El hallazgo central de la revisión puede resumirse en una paradoja: nunca se había investigado tanto la IA aplicada a la enseñanza de idiomas, pero una proporción importante de esa literatura continúa concentrándose en percepciones, actitudes y posibilidades, más que en aplicaciones pedagógicas capaces de demostrar resultados de aprendizaje sólidos.

Esto debería introducir una saludable disciplina en el aula. El hecho de que un estudiante diga que aprende mejor con IA no demuestra por sí solo que haya adquirido una competencia. Tampoco la rapidez con que una aplicación corrige un texto equivale necesariamente a una mejor escritura. Una corrección puede producir un texto impecable y, al mismo tiempo, dejar intacta la interlengua del estudiante si este simplemente acepta la solución sin comprender el error.

La diferencia está entre corregir el producto y transformar la competencia.

Por eso la retroalimentación automática, precisamente uno de los ámbitos más estudiados, necesita mediación pedagógica. La revisión reconoce el potencial de la IA para ofrecer orientación metalingüística, pero también señala que la calidad de la retroalimentación profunda continúa siendo motivo de preocupación y que el profesor no debería limitarse a entregar al alumno comentarios generados automáticamente.

En una clase de francés, por ejemplo, pedir a una IA que corrija “Hier je vais au cinéma avec mes amis” puede producir inmediatamente “Hier, je suis allé au cinéma avec mes amis”. Pero el aprendizaje empieza después de la corrección: ¿por qué cambia el tiempo verbal?, ¿por qué aller utiliza être en el passé composé?, ¿cómo cambia la forma si quien habla es una mujer?, ¿puede el estudiante reutilizar esa estructura diez minutos después sin consultar la herramienta?

Una integración pedagógica razonable puede organizarse mediante cinco movimientos: producir, consultar, explicar, reformular y transferir. Primero, el estudiante produce sin asistencia. Después consulta la IA y compara su respuesta. En tercer lugar debe explicar qué cambió y por qué. Luego reformula en un contexto distinto. Finalmente realiza una nueva tarea sin IA. Esta última fase es decisiva porque permite distinguir ayuda tecnológica de aprendizaje efectivo.

La investigación publicada esta semana también plantea una cuestión de equidad. La concentración de estudios en educación superior puede reflejar diferencias de infraestructura, acceso tecnológico y formación docente entre niveles educativos. Si la IA entra rápidamente en las aulas mientras la preparación de los profesores avanza lentamente, la brecha relevante no será únicamente quién tiene acceso a la tecnología, sino quién sabe utilizarla pedagógicamente.

Esta preocupación coincide con el debate que la UNESCO llevará a París del 8 al 11 de septiembre durante la Semana del Aprendizaje Digital 2026. Bajo el lema “La educación en la era de la IA: Hechos | Fricciones | Fronteras”, la organización examinará tutores de IA, sistemas agentivos, contenido sintético, soberanía digital y preservación de la educación como bien común. El encuentro culminará con una declaración ministerial sobre educación en la era de la inteligencia artificial.

Para la enseñanza de lenguas, la discusión llega en el momento adecuado. El desafío ya no consiste en decidir si la IA entrará al aula: ya entró. El verdadero trabajo comienza ahora, cuando debemos distinguir innovación de novedad.

Una herramienta merece incorporarse no porque produzca ejercicios espectaculares o converse fluidamente en francés, sino cuando ayuda al estudiante a desarrollar una competencia que posteriormente puede movilizar por sí mismo. Esa debería ser una regla sencilla para evaluar cualquier tecnología educativa: la asistencia puede ser intensa durante el aprendizaje, pero la evidencia de dominio debe aparecer cuando la asistencia desaparece.

Conclusión

La investigación más reciente obliga a moderar tanto el entusiasmo como el rechazo. La IA posee un potencial real para ampliar la práctica oral, individualizar ejercicios, ofrecer retroalimentación y facilitar el contacto con una lengua fuera del aula. Pero la cantidad de publicaciones no equivale todavía a certeza pedagógica.

La próxima etapa de la enseñanza de idiomas con IA debería abandonar la pregunta “¿qué puede hacer esta herramienta?” y adoptar otra mucho más exigente: “¿qué aprende el estudiante gracias a ella que después puede hacer sin ella?”.

Cuando podamos responder esa pregunta con evidencia, la inteligencia artificial habrá dejado de ser simplemente una tecnología impresionante para convertirse en una verdadera herramienta de adquisición lingüística.

Fuentes

Atar, C., Arabaci Atlamaz, T. & Dogan, B. “An NLP-enhanced large-scale review of AI trends and research gaps in English language education”. Discover Computing, publicado el 3 de septiembre de 2026. https://link.springer.com/article/10.1007/s10791-026-10475-5

UNESCO. “Semana del Aprendizaje Digital 2026: La educación en la era de la IA: Hechos | Fricciones | Fronteras”. 8–11 de septiembre de 2026, París. https://www.unesco.org/es/weeks/digital-learning

UNESCO. “Educación en la era de la IA: La Semana del Aprendizaje Digital de la UNESCO marcará la adopción de una Declaración Ministerial”. Publicado el 25 de agosto y actualizado el 2 de septiembre de 2026. https://www.unesco.org/es/articles/educacion-en-la-era-de-la-ia-la-semana-del-aprendizaje-digital-de-la-unesco-marcara-la-adopcion-de