La inteligencia artificial promete una escena casi ideal para quien aprende una lengua: conversación disponible a cualquier hora, correcciones inmediatas, explicaciones personalizadas y materiales adaptados al nivel del estudiante. Pero una investigación publicada en 2026 introduce una precisión decisiva: disponer de IA no convierte automáticamente al alumno en un aprendiz autónomo. La diferencia parece estar en lo que hace mentalmente mientras la utiliza y en el acompañamiento pedagógico que recibe. Un estudio de Yang Zhao y Huiyi Jin, publicado en Learning and Motivation, examinó a 715 universitarios que utilizaban inteligencia artificial para aprender lenguas. Los investigadores analizaron cuatro elementos: pensamiento crítico, apoyo docente, estado de concentración o flow y aprendizaje autorregulado. Los resultados muestran asociaciones positivas entre el pensamiento crítico y la autorregulación, y también entre el apoyo del profesor y esa capacidad del estudiante para dirigir su propio aprendizaje. La conclusión tiene importancia porque cuestiona una idea que empieza a instalarse en la educación: si la IA permite aprender individualmente, entonces el profesor será progresivamente menos necesario. La evidencia apunta en otra dirección. Cuanto más autónoma parece la tecnología, más importante resulta enseñar al estudiante a utilizarla con criterio. Autonomía no significa aprender solo En didáctica de lenguas, autonomía no equivale a ausencia del profesor. Un estudiante autónomo es capaz de establecer objetivos, seleccionar estrategias, comprobar si está progresando, detectar dificultades y modificar su manera de aprender. La IA puede ayudar en todas esas operaciones. Puede generar ejercicios de vocabulario, mantener una conversación simulada, explicar una construcción gramatical, corregir una producción escrita o proponer actividades de comprensión. El problema aparece cuando el estudiante delega precisamente las operaciones cognitivas que debería estar desarrollando. Si pide directamente la traducción, pierde una oportunidad de formular hipótesis. Si solicita que la IA escriba el texto completo, desaparece buena parte del proceso de producción. Si acepta una corrección sin comprender por qué una expresión era inadecuada, obtiene una respuesta mejor sin necesariamente convertirse en un hablante mejor. Por eso el pensamiento crítico adquiere una función lingüística. Frente a una respuesta generada por IA, el estudiante debería aprender a preguntarse: ¿esta expresión corresponde realmente al registro que necesito?, ¿suena natural?, ¿por qué se utiliza este tiempo verbal?, ¿existe otra manera de decirlo?, ¿puedo explicar con mis propias palabras la corrección que acabo de recibir? La tecnología deja entonces de ser una máquina de respuestas y se convierte en un interlocutor que obliga a comparar, justificar y reformular. El profesor cambia de función, no desaparece Uno de los resultados más interesantes del estudio es precisamente la relación positiva entre apoyo docente y aprendizaje autorregulado. Puede parecer paradójico: cuanto más queremos que el estudiante aprenda por sí mismo, más importante continúa siendo el profesor. La paradoja desaparece cuando distinguimos dependencia de acompañamiento. El buen docente no resuelve permanentemente la tarea del alumno; crea las condiciones para que éste pueda resolverla progresivamente sin ayuda. En una clase de francés como lengua extranjera, por ejemplo, el profesor puede establecer reglas concretas para trabajar con IA. Antes de consultar el sistema, el estudiante produce su primera respuesta. Después solicita retroalimentación. A continuación compara ambas versiones, identifica tres modificaciones y explica oralmente por qué acepta o rechaza cada una. Finalmente produce una nueva versión sin copiar la respuesta de la máquina. Ese pequeño cambio transforma radicalmente la actividad. La IA continúa proporcionando retroalimentación inmediata, pero el estudiante conserva la responsabilidad intelectual sobre el proceso. Una revisión sistemática publicada este año en Learning and Individual Differences, basada en 25 estudios empíricos, llega a una conclusión compatible. La IA puede favorecer el aprendizaje autorregulado, pero los investigadores identifican también problemas de precisión, adaptación, alfabetización en IA y posibles efectos negativos. Su propuesta incluye dos niveles inseparables: uno correspondiente al alumno —planificación, ejecución, reflexión e iteración— y otro al profesor, responsable de alfabetización en IA, integración pedagógica, acompañamiento y seguimiento del progreso. La fórmula, por tanto, no es estudiante más IA menos profesor. Es estudiante más IA más un profesor que enseña a aprender. De la corrección instantánea a la metacognición Esto obliga también a reconsiderar qué debemos valorar en la enseñanza de idiomas. Durante mucho tiempo hemos prestado gran atención al producto final: el texto correctamente escrito, la respuesta gramaticalmente adecuada o la traducción correcta. La IA puede producir esos resultados en segundos. Lo que adquiere mayor valor educativo es el proceso que conduce hasta ellos. Un estudiante que puede explicar por qué modificó una frase, reconocer un error recurrente, elegir conscientemente una estrategia o evaluar críticamente una sugerencia de la IA está desarrollando algo que va más allá de una respuesta correcta: está aprendiendo a aprender una lengua. La investigación reciente sobre IA agéntica en enseñanza universitaria de inglés refuerza esa posibilidad. Un estudio de 16 semanas con 120 estudiantes de nivel B1 encontró mayores avances en autonomía, estrategias de autorregulación y motivación intrínseca cuando un sistema de IA desempeñaba funciones estructuradas de docente y asistente. Pero precisamente porque se trataba de una intervención pedagógicamente diseñada, el resultado no demuestra que cualquier utilización espontánea de un chatbot produzca los mismos efectos. Ahí está probablemente la distinción que deberíamos llevar al aula. Una regla sencilla: pensar antes de preguntar Para profesores y estudiantes de idiomas, una práctica puede resumir buena parte de esta evidencia: producción humana primero, asistencia artificial después. Antes de pedir una traducción, intentar traducir. Antes de solicitar una redacción, escribir una primera versión. Antes de pedir la respuesta correcta, formular una hipótesis. Después puede entrar la IA: comparar, explicar, cuestionar, ofrecer alternativas y ayudar a reformular. Incluso podemos añadir una última etapa: retirar nuevamente la tecnología y pedir al estudiante que produzca por sí mismo. Ese momento permite comprobar si hubo aprendizaje o simplemente asistencia. La diferencia parece pequeña, pero pedagógicamente es enorme. En el primer modelo la IA sustituye el esfuerzo; en el segundo, lo convierte en objeto de reflexión. Conclusión La discusión sobre inteligencia artificial y enseñanza de idiomas se ha concentrado demasiado en las capacidades de las herramientas: qué pueden traducir, corregir, generar o simular. La pregunta pedagógica más importante es otra: ¿qué capacidades desarrolla el estudiante mientras las utiliza? La evidencia de 2026 empieza a ofrecer una respuesta matizada. La IA puede favorecer autonomía, motivación y autorregulación, pero esos beneficios dependen del pensamiento crítico, de la manera en que se diseñan las actividades y del acompañamiento del profesor. La tecnología puede hacer cada vez más cosas por el estudiante. Precisamente por eso, la misión del profesor será asegurarse de que no haga por él aquello que necesita hacer para aprender. Fuentes Zhao, Yang y Jin, Huiyi. “Self-regulated learning in AI-supported language learning: A self-determination theory perspective on critical thinking, teacher support, and flow”. Learning and Motivation, vol. 95, 2026, 102299. DOI: 10.1016/j.lmot.2026.102299. “Using artificial intelligence to support self-regulated learning: A systematic review of empirical research”. Learning and Individual Differences, vol. 128, mayo de 2026, 102917. DOI: 10.1016/j.lindif.2026.102917. Li, Kuei-Hao y Chang, Chia-Kai. “Agentic AI as a dual-role lecturer and teaching assistant: effects on learner autonomy, self-regulated learning, and intrinsic motivation in university-level EFL education”. Frontiers in Psychology, 25 de junio de 2026. DOI: 10.3389/fpsyg.2026.1847607.
No hay comentarios:
Publicar un comentario