DESARROLLANDO HABILIDADES LINGÜÍSTICAS
EN INGLÉS CON INTELIGENCIA ARTIFICIAL:
UN ENFOQUE EN LA LECTURA CRÍTICA Y
LA COMPRENSIÓN
DEVELOPING ENGLISH LANGUAGE SKILLS WITH
ARTIFICIAL INTELLIGENCE: A FOCUS ON CRITICAL
READING AND COMPREHENSION
Yeinson Narváez Téllez
Institución Educativa Verde Amazónico, Colombia
Kellys Johana Chimá González
Institución Educativa de María, Colombia
Osmin José Serna Luna
Institución educativa Rural Presbítero Antonio José Cadavid, Colombia
Ana Elizabeth Romero Buitrago
Institución Educativa Instituto Técnico Industrial, Caquetá
Víctor Eduardo Cruz Garay
I.E Lejanías, Colombia
pág. 4235
DOI: https://doi.org/10.37811/cl_rcm.v10i4.25428
Desarrollando Habilidades Lingüísticas en Inglés con Inteligencia
Artificial: un Enfoque en la Lectura Crítica y la Comprensión
Yeinson Narváez Téllez1
y.narvaez@udla.edu.co
https://orcid.org/0000-0003-3231-0532
Institución Educativa Verde Amazónico
San Vicente del Caguán
Colombia
Kellys Johana Chimá González
kjchigo@gmail.com
https://orcid.org/0000-0002-1682-6945
Institución Educativa de María
Yarumal, Colombia
Osmin José Serna Luna
Osminserna10@gmail.com
https://orcid.org/0000-0002-5426-0348
Institución educativa
Rural Presbítero Antonio José Cadavid
Donmatías -Colombia
Ana Elizabeth Romero Buitrago
elizabethromero2505@hotmail.com
https://orcid.org/0000-0001-5208-2659
Institución Educativa
Instituto Técnico Industrial
Florencia -Caquetá
Víctor Eduardo Cruz Garay
vicruga80@hotmail.com
https://orcid.org/0000-0001-7137-8682
I.E Lejanías, Meta
Colombia
RESUMEN
La integración de la inteligencia artificial (IA) en la enseñanza del inglés como lengua extranjera ha
crecido de forma acelerada, aunque su aporte específico a la comprensión lectora y a la lectura crítica
permanece disperso en la literatura. El objetivo de esta revisión sistemática fue sintetizar la evidencia
empírica publicada entre 2020 y 2025 sobre el uso de herramientas de IA para el desarrollo de la
comprensión lectora y la lectura crítica en aprendices de inglés (EFL/ESL). Se siguió la guía PRISMA
2020. La búsqueda se realizó en bases de datos y repositorios académicos en español e inglés,
combinando descriptores relativos a inteligencia artificial, comprensión lectora, lectura crítica e inglés
como lengua extranjera. Tras el cribado por título, resumen y texto completo se incluyeron treinta y dos
estudios que cumplieron los criterios de elegibilidad. Los hallazgos se organizaron en cuatro ejes:
efectos sobre la comprensión literal e inferencial, desarrollo de la lectura crítica y el pensamiento de
orden superior, dimensiones afectivas y motivacionales, y condiciones pedagógicas de implementación.
La evidencia sugiere que las intervenciones basadas en IA, cuando se acompañan de andamiaje
pedagógico explícito, se asocian con mejoras en la comprensión y en habilidades críticas como la
identificación de sesgos y la evaluación de argumentos. Persisten, no obstante, limitaciones
metodológicas: predominio de intervenciones cortas, muestras reducidas y escasa representación de
contextos hispanohablantes. Se concluye que la IA constituye un recurso prometedor para la lectura
crítica en inglés, condicionado a un diseño instruccional deliberado y a la mediación docente.
Palabras clave: inteligencia artificial; comprensión lectora; lectura crítica; inglés como lengua
extranjera; revisión sistemática
1 Autor principal
Correspondencia: y.narvaez@udla.edu.co
DOI: https://doi.org/10.37811/cl_rcm.v10i4.25428
Desarrollando Habilidades Lingüísticas en Inglés con Inteligencia
Artificial: un Enfoque en la Lectura Crítica y la Comprensión
Yeinson Narváez Téllez1
y.narvaez@udla.edu.co
https://orcid.org/0000-0003-3231-0532
Institución Educativa Verde Amazónico
San Vicente del Caguán
Colombia
Kellys Johana Chimá González
kjchigo@gmail.com
https://orcid.org/0000-0002-1682-6945
Institución Educativa de María
Yarumal, Colombia
Osmin José Serna Luna
Osminserna10@gmail.com
https://orcid.org/0000-0002-5426-0348
Institución educativa
Rural Presbítero Antonio José Cadavid
Donmatías -Colombia
Ana Elizabeth Romero Buitrago
elizabethromero2505@hotmail.com
https://orcid.org/0000-0001-5208-2659
Institución Educativa
Instituto Técnico Industrial
Florencia -Caquetá
Víctor Eduardo Cruz Garay
vicruga80@hotmail.com
https://orcid.org/0000-0001-7137-8682
I.E Lejanías, Meta
Colombia
RESUMEN
La integración de la inteligencia artificial (IA) en la enseñanza del inglés como lengua extranjera ha
crecido de forma acelerada, aunque su aporte específico a la comprensión lectora y a la lectura crítica
permanece disperso en la literatura. El objetivo de esta revisión sistemática fue sintetizar la evidencia
empírica publicada entre 2020 y 2025 sobre el uso de herramientas de IA para el desarrollo de la
comprensión lectora y la lectura crítica en aprendices de inglés (EFL/ESL). Se siguió la guía PRISMA
2020. La búsqueda se realizó en bases de datos y repositorios académicos en español e inglés,
combinando descriptores relativos a inteligencia artificial, comprensión lectora, lectura crítica e inglés
como lengua extranjera. Tras el cribado por título, resumen y texto completo se incluyeron treinta y dos
estudios que cumplieron los criterios de elegibilidad. Los hallazgos se organizaron en cuatro ejes:
efectos sobre la comprensión literal e inferencial, desarrollo de la lectura crítica y el pensamiento de
orden superior, dimensiones afectivas y motivacionales, y condiciones pedagógicas de implementación.
La evidencia sugiere que las intervenciones basadas en IA, cuando se acompañan de andamiaje
pedagógico explícito, se asocian con mejoras en la comprensión y en habilidades críticas como la
identificación de sesgos y la evaluación de argumentos. Persisten, no obstante, limitaciones
metodológicas: predominio de intervenciones cortas, muestras reducidas y escasa representación de
contextos hispanohablantes. Se concluye que la IA constituye un recurso prometedor para la lectura
crítica en inglés, condicionado a un diseño instruccional deliberado y a la mediación docente.
Palabras clave: inteligencia artificial; comprensión lectora; lectura crítica; inglés como lengua
extranjera; revisión sistemática
1 Autor principal
Correspondencia: y.narvaez@udla.edu.co
pág. 4236
Developing English Language Skills with Artificial Intelligence: A Focus on
Critical Reading and Comprehension
ABSTRACT
The integration of artificial intelligence (AI) into English as a foreign language teaching has grown
rapidly, yet its specific contribution to reading comprehension and critical reading remains scattered
across the literature. This systematic review aimed to synthesize the empirical evidence published
between 2020 and 2025 on the use of AI tools for developing reading comprehension and critical
reading in English learners (EFL/ESL). The PRISMA 2020 guideline was followed. The search covered
academic databases and repositories in Spanish and English, combining descriptors related to artificial
intelligence, reading comprehension, critical reading, and English as a foreign language. After screening
by title, abstract, and full text, thirty-two studies meeting the eligibility criteria were included. Findings
were organized into four axes: effects on literal and inferential comprehension, development of critical
reading and higher-order thinking, affective and motivational dimensions, and pedagogical
implementation conditions. The evidence suggests that AI-based interventions, when accompanied by
explicit pedagogical scaffolding, are associated with gains in comprehension and in critical skills such
as bias identification and argument evaluation. Nevertheless, methodological limitations persist: short
interventions, small samples, and scarce representation of Spanish-speaking contexts predominate. It is
concluded that AI is a promising resource for critical reading in English, conditioned upon deliberate
instructional design and teacher mediation.
Keywords: artificial intelligence; reading comprehension; critical reading; English as a foreign
language; systematic review
Artículo recibido 20 junio 2026
Aceptado para publicación: 20 julio 2026
Developing English Language Skills with Artificial Intelligence: A Focus on
Critical Reading and Comprehension
ABSTRACT
The integration of artificial intelligence (AI) into English as a foreign language teaching has grown
rapidly, yet its specific contribution to reading comprehension and critical reading remains scattered
across the literature. This systematic review aimed to synthesize the empirical evidence published
between 2020 and 2025 on the use of AI tools for developing reading comprehension and critical
reading in English learners (EFL/ESL). The PRISMA 2020 guideline was followed. The search covered
academic databases and repositories in Spanish and English, combining descriptors related to artificial
intelligence, reading comprehension, critical reading, and English as a foreign language. After screening
by title, abstract, and full text, thirty-two studies meeting the eligibility criteria were included. Findings
were organized into four axes: effects on literal and inferential comprehension, development of critical
reading and higher-order thinking, affective and motivational dimensions, and pedagogical
implementation conditions. The evidence suggests that AI-based interventions, when accompanied by
explicit pedagogical scaffolding, are associated with gains in comprehension and in critical skills such
as bias identification and argument evaluation. Nevertheless, methodological limitations persist: short
interventions, small samples, and scarce representation of Spanish-speaking contexts predominate. It is
concluded that AI is a promising resource for critical reading in English, conditioned upon deliberate
instructional design and teacher mediation.
Keywords: artificial intelligence; reading comprehension; critical reading; English as a foreign
language; systematic review
Artículo recibido 20 junio 2026
Aceptado para publicación: 20 julio 2026
pág. 4237
INTRODUCCIÓN
El dominio del inglés como lengua extranjera se ha consolidado como una competencia estratégica en
un mundo globalizado, donde la circulación de conocimiento científico, la movilidad académica y la
inserción laboral dependen en gran medida de la capacidad de comprender y evaluar textos en esa
lengua. Dentro de las habilidades lingüísticas, la comprensión lectora ocupa un lugar central, pues
constituye la puerta de acceso a la información académica y profesional. Sin embargo, en las últimas
décadas la sola comprensión literal ha dejado de considerarse suficiente: los sistemas educativos
demandan lectores capaces de inferir, contrastar fuentes, detectar sesgos y evaluar la solidez de los
argumentos, es decir, lectores críticos. Esta exigencia adquiere particular complejidad cuando la lectura
se realiza en una lengua no materna, donde los procesos de decodificación y los procesos de orden
superior compiten por recursos cognitivos limitados.
En este escenario, la irrupción de la inteligencia artificial (IA) generativa y de las herramientas de
procesamiento del lenguaje natural ha transformado el panorama de la enseñanza de lenguas. La
aparición de modelos conversacionales de gran escala ha puesto a disposición de docentes y estudiantes
recursos capaces de simplificar textos, generar preguntas de comprensión, ofrecer retroalimentación
inmediata y adaptar los materiales al nivel de competencia del aprendiz. La literatura reciente
documenta un crecimiento exponencial de la investigación sobre IA aplicada al aprendizaje del inglés,
con un incremento notable a partir de 2020, y señala que la comprensión lectora figura entre los temas
más estudiados, lo que evidencia un interés global por aprovechar estas tecnologías para mejorar la
alfabetización en lengua extranjera.
No obstante, la producción académica sobre IA en la enseñanza del inglés se ha concentrado de manera
desproporcionada en la escritura y, en menor medida, en la expresión oral, mientras que la lectura ha
recibido una atención comparativamente escasa.
Las revisiones disponibles muestran que, del conjunto de estudios empíricos sobre modelos generativos
en contextos de inglés como lengua extranjera, solo una fracción reducida aborda de manera específica
la comprensión lectora, y todavía menos la lectura crítica entendida como habilidad de orden superior.
INTRODUCCIÓN
El dominio del inglés como lengua extranjera se ha consolidado como una competencia estratégica en
un mundo globalizado, donde la circulación de conocimiento científico, la movilidad académica y la
inserción laboral dependen en gran medida de la capacidad de comprender y evaluar textos en esa
lengua. Dentro de las habilidades lingüísticas, la comprensión lectora ocupa un lugar central, pues
constituye la puerta de acceso a la información académica y profesional. Sin embargo, en las últimas
décadas la sola comprensión literal ha dejado de considerarse suficiente: los sistemas educativos
demandan lectores capaces de inferir, contrastar fuentes, detectar sesgos y evaluar la solidez de los
argumentos, es decir, lectores críticos. Esta exigencia adquiere particular complejidad cuando la lectura
se realiza en una lengua no materna, donde los procesos de decodificación y los procesos de orden
superior compiten por recursos cognitivos limitados.
En este escenario, la irrupción de la inteligencia artificial (IA) generativa y de las herramientas de
procesamiento del lenguaje natural ha transformado el panorama de la enseñanza de lenguas. La
aparición de modelos conversacionales de gran escala ha puesto a disposición de docentes y estudiantes
recursos capaces de simplificar textos, generar preguntas de comprensión, ofrecer retroalimentación
inmediata y adaptar los materiales al nivel de competencia del aprendiz. La literatura reciente
documenta un crecimiento exponencial de la investigación sobre IA aplicada al aprendizaje del inglés,
con un incremento notable a partir de 2020, y señala que la comprensión lectora figura entre los temas
más estudiados, lo que evidencia un interés global por aprovechar estas tecnologías para mejorar la
alfabetización en lengua extranjera.
No obstante, la producción académica sobre IA en la enseñanza del inglés se ha concentrado de manera
desproporcionada en la escritura y, en menor medida, en la expresión oral, mientras que la lectura ha
recibido una atención comparativamente escasa.
Las revisiones disponibles muestran que, del conjunto de estudios empíricos sobre modelos generativos
en contextos de inglés como lengua extranjera, solo una fracción reducida aborda de manera específica
la comprensión lectora, y todavía menos la lectura crítica entendida como habilidad de orden superior.
pág. 4238
Esta asimetría genera un vacío relevante, dado que la lectura crítica es precisamente el terreno donde la
IA plantea a la vez las mayores promesas y los riesgos más discutidos, ya que la delegación acrítica de
tareas cognitivas en la máquina podría erosionar la autonomía intelectual del lector en lugar de
fortalecerla.
Desde una perspectiva teórica, la comprensión lectora se concibe como un constructo multidimensional
que articula procesos de bajo nivel, como el acceso léxico y el análisis sintáctico, con procesos de alto
nivel, como la inferencia, la integración de ideas y el monitoreo de la propia comprensión. La lectura
crítica se sitúa en el extremo superior de este continuo e implica evaluar argumentos, reconocer sesgos,
sintetizar información procedente de múltiples fuentes y generar contraargumentos. Los marcos
sociocognitivos, en particular la noción de zona de desarrollo próximo y el concepto de andamiaje,
ofrecen un sustento conceptual para comprender cómo la IA podría operar como un mediador que ajusta
la dificultad de la tarea y sostiene temporalmente el desempeño del aprendiz hasta que este internaliza
las estrategias.
La investigación empírica reciente ha comenzado a poner a prueba estas promesas. Diversos estudios
experimentales y cuasiexperimentales reportan mejoras en la comprensión literal e inferencial cuando
los aprendices trabajan con textos simplificados o generados por IA calibrados a su nivel, así como
reducciones en la ansiedad lectora y aumentos en la motivación. Paralelamente, un cuerpo emergente
de trabajos explora el impacto de los modelos conversacionales sobre el pensamiento crítico y la lectura
crítica, con resultados que, si bien alentadores, resultan heterogéneos en cuanto a diseños, instrumentos
y duración de las intervenciones. Esta heterogeneidad dificulta extraer conclusiones consolidadas y
justifica un esfuerzo de síntesis sistemática.
El contexto latinoamericano e hispanohablante añade una capa adicional de relevancia. La región
enfrenta brechas históricas en el dominio del inglés y desigualdades marcadas en el acceso a la
tecnología, de modo que la incorporación de la IA en la enseñanza del idioma podría tanto ampliar
oportunidades como profundizar inequidades preexistentes. La producción científica en español sobre
este tema ha aumentado, con revisiones y estudios que examinan el uso de asistentes virtuales, chatbots
y modelos generativos en la educación superior; sin embargo, buena parte de esta literatura se concentra
Esta asimetría genera un vacío relevante, dado que la lectura crítica es precisamente el terreno donde la
IA plantea a la vez las mayores promesas y los riesgos más discutidos, ya que la delegación acrítica de
tareas cognitivas en la máquina podría erosionar la autonomía intelectual del lector en lugar de
fortalecerla.
Desde una perspectiva teórica, la comprensión lectora se concibe como un constructo multidimensional
que articula procesos de bajo nivel, como el acceso léxico y el análisis sintáctico, con procesos de alto
nivel, como la inferencia, la integración de ideas y el monitoreo de la propia comprensión. La lectura
crítica se sitúa en el extremo superior de este continuo e implica evaluar argumentos, reconocer sesgos,
sintetizar información procedente de múltiples fuentes y generar contraargumentos. Los marcos
sociocognitivos, en particular la noción de zona de desarrollo próximo y el concepto de andamiaje,
ofrecen un sustento conceptual para comprender cómo la IA podría operar como un mediador que ajusta
la dificultad de la tarea y sostiene temporalmente el desempeño del aprendiz hasta que este internaliza
las estrategias.
La investigación empírica reciente ha comenzado a poner a prueba estas promesas. Diversos estudios
experimentales y cuasiexperimentales reportan mejoras en la comprensión literal e inferencial cuando
los aprendices trabajan con textos simplificados o generados por IA calibrados a su nivel, así como
reducciones en la ansiedad lectora y aumentos en la motivación. Paralelamente, un cuerpo emergente
de trabajos explora el impacto de los modelos conversacionales sobre el pensamiento crítico y la lectura
crítica, con resultados que, si bien alentadores, resultan heterogéneos en cuanto a diseños, instrumentos
y duración de las intervenciones. Esta heterogeneidad dificulta extraer conclusiones consolidadas y
justifica un esfuerzo de síntesis sistemática.
El contexto latinoamericano e hispanohablante añade una capa adicional de relevancia. La región
enfrenta brechas históricas en el dominio del inglés y desigualdades marcadas en el acceso a la
tecnología, de modo que la incorporación de la IA en la enseñanza del idioma podría tanto ampliar
oportunidades como profundizar inequidades preexistentes. La producción científica en español sobre
este tema ha aumentado, con revisiones y estudios que examinan el uso de asistentes virtuales, chatbots
y modelos generativos en la educación superior; sin embargo, buena parte de esta literatura se concentra
pág. 4239
en percepciones y actitudes, más que en mediciones rigurosas de la comprensión o de la lectura crítica,
y rara vez dialoga con la evidencia internacional en inglés.
Ante este panorama, se observa la ausencia de una síntesis que integre de manera sistemática la
evidencia disponible en ambos idiomas sobre el aporte específico de la IA a la comprensión lectora y a
la lectura crítica en aprendices de inglés. Las revisiones previas tienden a abordar el aprendizaje del
inglés en términos generales, a centrarse en una única herramienta como los modelos conversacionales,
o a limitarse a un solo ámbito lingüístico o geográfico. Se requiere, por tanto, una revisión que delimite
con precisión el objeto lectura y que distinga entre la comprensión como proceso general y la lectura
crítica como habilidad de orden superior, atendiendo además a las condiciones pedagógicas que median
entre la herramienta y el aprendizaje.
En consecuencia, el problema de investigación que orienta este trabajo se formula en los siguientes
términos: ¿qué evidencia empírica, publicada entre 2020 y 2025, respalda el uso de herramientas de
inteligencia artificial para el desarrollo de la comprensión lectora y la lectura crítica en aprendices de
inglés como lengua extranjera, y bajo qué condiciones pedagógicas dicha evidencia resulta más
favorable? La justificación de esta pregunta es a la vez teórica y práctica: teórica, porque contribuye a
clarificar el papel de la IA como mediador de procesos de lectura de distinto nivel de complejidad; y
práctica, porque ofrece a docentes, diseñadores instruccionales y responsables de política educativa un
panorama consolidado que puede informar decisiones de integración tecnológica responsables y
contextualizadas.
Por consiguiente, el objetivo general de esta revisión sistemática es sintetizar y analizar críticamente la
evidencia empírica publicada entre 2020 y 2025 sobre el uso de herramientas de inteligencia artificial
para el desarrollo de la comprensión lectora y la lectura crítica en aprendices de inglés como lengua
extranjera. De manera específica, se busca caracterizar los estudios incluidos en cuanto a contextos,
herramientas y diseños; identificar los efectos reportados sobre la comprensión literal e inferencial;
examinar el aporte de la IA al desarrollo de la lectura crítica y del pensamiento de orden superior; y
determinar las condiciones pedagógicas y las limitaciones que modulan dichos efectos.
en percepciones y actitudes, más que en mediciones rigurosas de la comprensión o de la lectura crítica,
y rara vez dialoga con la evidencia internacional en inglés.
Ante este panorama, se observa la ausencia de una síntesis que integre de manera sistemática la
evidencia disponible en ambos idiomas sobre el aporte específico de la IA a la comprensión lectora y a
la lectura crítica en aprendices de inglés. Las revisiones previas tienden a abordar el aprendizaje del
inglés en términos generales, a centrarse en una única herramienta como los modelos conversacionales,
o a limitarse a un solo ámbito lingüístico o geográfico. Se requiere, por tanto, una revisión que delimite
con precisión el objeto lectura y que distinga entre la comprensión como proceso general y la lectura
crítica como habilidad de orden superior, atendiendo además a las condiciones pedagógicas que median
entre la herramienta y el aprendizaje.
En consecuencia, el problema de investigación que orienta este trabajo se formula en los siguientes
términos: ¿qué evidencia empírica, publicada entre 2020 y 2025, respalda el uso de herramientas de
inteligencia artificial para el desarrollo de la comprensión lectora y la lectura crítica en aprendices de
inglés como lengua extranjera, y bajo qué condiciones pedagógicas dicha evidencia resulta más
favorable? La justificación de esta pregunta es a la vez teórica y práctica: teórica, porque contribuye a
clarificar el papel de la IA como mediador de procesos de lectura de distinto nivel de complejidad; y
práctica, porque ofrece a docentes, diseñadores instruccionales y responsables de política educativa un
panorama consolidado que puede informar decisiones de integración tecnológica responsables y
contextualizadas.
Por consiguiente, el objetivo general de esta revisión sistemática es sintetizar y analizar críticamente la
evidencia empírica publicada entre 2020 y 2025 sobre el uso de herramientas de inteligencia artificial
para el desarrollo de la comprensión lectora y la lectura crítica en aprendices de inglés como lengua
extranjera. De manera específica, se busca caracterizar los estudios incluidos en cuanto a contextos,
herramientas y diseños; identificar los efectos reportados sobre la comprensión literal e inferencial;
examinar el aporte de la IA al desarrollo de la lectura crítica y del pensamiento de orden superior; y
determinar las condiciones pedagógicas y las limitaciones que modulan dichos efectos.
pág. 4240
METODOLOGÍA
Tipo y diseño de la revisión
El presente trabajo corresponde a una revisión sistemática de la literatura, entendida como un estudio
secundario que identifica, selecciona, evalúa y sintetiza de manera reproducible la evidencia empírica
disponible sobre una pregunta delimitada. El proceso se condujo siguiendo la guía Preferred Reporting
Items for Systematic Reviews and Meta-Analyses en su versión actualizada de 2020, que estructura la
conducción y el reporte de revisiones en torno a un conjunto de ítems orientados a la transparencia y la
trazabilidad. Dada la heterogeneidad prevista de diseños, instrumentos y medidas de resultado, se optó
por una síntesis narrativa estructurada en lugar de un metaanálisis, decisión que se detalla y justifica en
el apartado de análisis de datos.
La formulación de la pregunta de revisión se apoyó en una adaptación del marco PICo, propio de
estudios de corte cualitativo y mixto, en el que la población corresponde a los aprendices de inglés como
lengua extranjera o segunda lengua, el fenómeno de interés es el uso de herramientas de inteligencia
artificial para la comprensión lectora y la lectura crítica, y el contexto abarca entornos educativos
formales y no formales de cualquier nivel.
Criterios de elegibilidad
Se definieron criterios de inclusión y exclusión antes de iniciar el cribado, con el fin de reducir la
subjetividad en la selección.
Se incluyeron estudios que cumplieran simultáneamente las siguientes condiciones:
a) reportar investigación empírica primaria o síntesis sistemática con datos verificables;
b) centrarse en aprendices de inglés como lengua extranjera o segunda lengua, sin restricción de nivel
educativo;
c) abordar de manera explícita la comprensión lectora o la lectura crítica como variable o foco de
análisis;
d) evaluar el uso de al menos una herramienta de inteligencia artificial;
e) haber sido publicados entre 2020 y 2025; y
f) estar redactados en español o en inglés.
METODOLOGÍA
Tipo y diseño de la revisión
El presente trabajo corresponde a una revisión sistemática de la literatura, entendida como un estudio
secundario que identifica, selecciona, evalúa y sintetiza de manera reproducible la evidencia empírica
disponible sobre una pregunta delimitada. El proceso se condujo siguiendo la guía Preferred Reporting
Items for Systematic Reviews and Meta-Analyses en su versión actualizada de 2020, que estructura la
conducción y el reporte de revisiones en torno a un conjunto de ítems orientados a la transparencia y la
trazabilidad. Dada la heterogeneidad prevista de diseños, instrumentos y medidas de resultado, se optó
por una síntesis narrativa estructurada en lugar de un metaanálisis, decisión que se detalla y justifica en
el apartado de análisis de datos.
La formulación de la pregunta de revisión se apoyó en una adaptación del marco PICo, propio de
estudios de corte cualitativo y mixto, en el que la población corresponde a los aprendices de inglés como
lengua extranjera o segunda lengua, el fenómeno de interés es el uso de herramientas de inteligencia
artificial para la comprensión lectora y la lectura crítica, y el contexto abarca entornos educativos
formales y no formales de cualquier nivel.
Criterios de elegibilidad
Se definieron criterios de inclusión y exclusión antes de iniciar el cribado, con el fin de reducir la
subjetividad en la selección.
Se incluyeron estudios que cumplieran simultáneamente las siguientes condiciones:
a) reportar investigación empírica primaria o síntesis sistemática con datos verificables;
b) centrarse en aprendices de inglés como lengua extranjera o segunda lengua, sin restricción de nivel
educativo;
c) abordar de manera explícita la comprensión lectora o la lectura crítica como variable o foco de
análisis;
d) evaluar el uso de al menos una herramienta de inteligencia artificial;
e) haber sido publicados entre 2020 y 2025; y
f) estar redactados en español o en inglés.
pág. 4241
Se excluyeron los trabajos que:
a) abordaran exclusivamente otras habilidades lingüísticas, como la escritura, la expresión oral o la
comprensión auditiva, sin componente lector;
b) constituyeran ensayos de opinión, editoriales o materiales sin base empírica ni metodológica;
c) no especificaran la herramienta de inteligencia artificial empleada; o
d) no estuvieran disponibles en texto completo.
Los criterios de recencia se aplicaron a la literatura académica; los instrumentos normativos y los
marcos de referencia clásicos se admitieron por su valor conceptual con independencia de su fecha.
Fuentes de información y estrategia de búsqueda
La búsqueda se realizó en bases de datos y repositorios académicos de alcance internacional y regional,
incluyendo Scopus, Web of Science, ScienceDirect, SpringerLink, Wiley Online Library, así como
repositorios y portales de revistas latinoamericanas indexadas en Latindex, SciELO, Dialnet y Redalyc.
Esta cobertura dual buscó equilibrar la evidencia publicada en inglés con la producción
hispanohablante, frecuentemente subrepresentada en las bases de mayor impacto.
La estrategia combinó descriptores en ambos idiomas mediante operadores booleanos. En inglés se
emplearon combinaciones del tipo: ("artificial intelligence" OR "ChatGPT" OR "generative AI" OR
"chatbot") AND ("reading comprehension" OR "critical reading" OR "higher-order thinking") AND
("EFL" OR "ESL" OR "English as a foreign language"). En español se utilizaron equivalentes como:
("inteligencia artificial" OR "ChatGPT" OR "IA generativa") AND ("comprensión lectora" OR "lectura
crítica") AND ("inglés como lengua extranjera" OR "aprendizaje del inglés"). La búsqueda se ejecutó
durante el primer semestre de 2025 y se restringió por año de publicación y por idioma conforme a los
criterios de elegibilidad.
Proceso de selección de estudios
Los registros recuperados se exportaron a una hoja de cálculo, donde se eliminaron los duplicados. A
continuación se realizó un cribado en dos fases: primero por título y resumen, y luego por texto
completo de los registros potencialmente elegibles. Cada fase fue conducida aplicando los criterios
predefinidos, y las decisiones dudosas se resolvieron mediante relectura y contraste con los criterios de
Se excluyeron los trabajos que:
a) abordaran exclusivamente otras habilidades lingüísticas, como la escritura, la expresión oral o la
comprensión auditiva, sin componente lector;
b) constituyeran ensayos de opinión, editoriales o materiales sin base empírica ni metodológica;
c) no especificaran la herramienta de inteligencia artificial empleada; o
d) no estuvieran disponibles en texto completo.
Los criterios de recencia se aplicaron a la literatura académica; los instrumentos normativos y los
marcos de referencia clásicos se admitieron por su valor conceptual con independencia de su fecha.
Fuentes de información y estrategia de búsqueda
La búsqueda se realizó en bases de datos y repositorios académicos de alcance internacional y regional,
incluyendo Scopus, Web of Science, ScienceDirect, SpringerLink, Wiley Online Library, así como
repositorios y portales de revistas latinoamericanas indexadas en Latindex, SciELO, Dialnet y Redalyc.
Esta cobertura dual buscó equilibrar la evidencia publicada en inglés con la producción
hispanohablante, frecuentemente subrepresentada en las bases de mayor impacto.
La estrategia combinó descriptores en ambos idiomas mediante operadores booleanos. En inglés se
emplearon combinaciones del tipo: ("artificial intelligence" OR "ChatGPT" OR "generative AI" OR
"chatbot") AND ("reading comprehension" OR "critical reading" OR "higher-order thinking") AND
("EFL" OR "ESL" OR "English as a foreign language"). En español se utilizaron equivalentes como:
("inteligencia artificial" OR "ChatGPT" OR "IA generativa") AND ("comprensión lectora" OR "lectura
crítica") AND ("inglés como lengua extranjera" OR "aprendizaje del inglés"). La búsqueda se ejecutó
durante el primer semestre de 2025 y se restringió por año de publicación y por idioma conforme a los
criterios de elegibilidad.
Proceso de selección de estudios
Los registros recuperados se exportaron a una hoja de cálculo, donde se eliminaron los duplicados. A
continuación se realizó un cribado en dos fases: primero por título y resumen, y luego por texto
completo de los registros potencialmente elegibles. Cada fase fue conducida aplicando los criterios
predefinidos, y las decisiones dudosas se resolvieron mediante relectura y contraste con los criterios de
pág. 4242
elegibilidad. El flujo de identificación, cribado, elegibilidad e inclusión se representa en la Figura 1,
siguiendo el diagrama de flujo PRISMA 2020, y las cifras correspondientes se resumen en la Tabla 1.
Tabla 1 Flujo de selección de estudios según PRISMA 2020
Fase Detalle n
Identificación Registros identificados en bases de datos y repositorios 612
Identificación Registros eliminados antes del cribado (duplicados) 148
Cribado Registros cribados por título y resumen 464
Cribado Registros excluidos por título y resumen 351
Elegibilidad Artículos evaluados a texto completo 113
Elegibilidad Artículos excluidos a texto completo (con razones) 81
Inclusión Estudios incluidos en la síntesis 32
Nota. Elaboración propia a partir del proceso de revisión conducido conforme a Page et al. (2021). Las razones de exclusión
a texto completo incluyeron ausencia de foco lector, falta de componente de IA y ausencia de datos empíricos.
Extracción y análisis de datos
De cada estudio incluido se extrajeron de manera sistemática los siguientes datos: autoría y año, país o
contexto, población y tamaño muestral, herramienta de IA empleada, diseño metodológico, variable
lectora abordada, instrumentos de medición y principales hallazgos. La información se organizó en una
matriz de extracción que permitió comparar los estudios y detectar patrones.
Ante la diversidad de diseños, poblaciones e instrumentos, y la ausencia de medidas de efecto
homogéneas en una proporción considerable de los trabajos, se descartó la realización de un
metaanálisis, que habría exigido supuestos de comparabilidad no satisfechos por el corpus. En su lugar
se aplicó una síntesis narrativa temática, en la que los hallazgos se agruparon inductivamente en ejes
analíticos coherentes con los objetivos específicos. Este procedimiento privilegia la interpretación
contextualizada de la evidencia por encima de la agregación cuantitativa, y resulta apropiado para
campos emergentes en los que la investigación aún no ha alcanzado la estandarización metodológica
necesaria para la síntesis estadística.
elegibilidad. El flujo de identificación, cribado, elegibilidad e inclusión se representa en la Figura 1,
siguiendo el diagrama de flujo PRISMA 2020, y las cifras correspondientes se resumen en la Tabla 1.
Tabla 1 Flujo de selección de estudios según PRISMA 2020
Fase Detalle n
Identificación Registros identificados en bases de datos y repositorios 612
Identificación Registros eliminados antes del cribado (duplicados) 148
Cribado Registros cribados por título y resumen 464
Cribado Registros excluidos por título y resumen 351
Elegibilidad Artículos evaluados a texto completo 113
Elegibilidad Artículos excluidos a texto completo (con razones) 81
Inclusión Estudios incluidos en la síntesis 32
Nota. Elaboración propia a partir del proceso de revisión conducido conforme a Page et al. (2021). Las razones de exclusión
a texto completo incluyeron ausencia de foco lector, falta de componente de IA y ausencia de datos empíricos.
Extracción y análisis de datos
De cada estudio incluido se extrajeron de manera sistemática los siguientes datos: autoría y año, país o
contexto, población y tamaño muestral, herramienta de IA empleada, diseño metodológico, variable
lectora abordada, instrumentos de medición y principales hallazgos. La información se organizó en una
matriz de extracción que permitió comparar los estudios y detectar patrones.
Ante la diversidad de diseños, poblaciones e instrumentos, y la ausencia de medidas de efecto
homogéneas en una proporción considerable de los trabajos, se descartó la realización de un
metaanálisis, que habría exigido supuestos de comparabilidad no satisfechos por el corpus. En su lugar
se aplicó una síntesis narrativa temática, en la que los hallazgos se agruparon inductivamente en ejes
analíticos coherentes con los objetivos específicos. Este procedimiento privilegia la interpretación
contextualizada de la evidencia por encima de la agregación cuantitativa, y resulta apropiado para
campos emergentes en los que la investigación aún no ha alcanzado la estandarización metodológica
necesaria para la síntesis estadística.
pág. 4243
RESULTADOS
Caracterización general de los estudios incluidos
Los treinta y dos estudios incluidos se publicaron entre 2020 y 2025, con una concentración marcada
en los años 2024 y 2025, lo que confirma el carácter reciente y en expansión del campo. En cuanto a la
distribución geográfica, se observó una notable diversidad: junto a una fuerte presencia de
investigaciones procedentes de Asia Oriental y de Oriente Medio, se identificó un conjunto creciente
de estudios latinoamericanos e hispanohablantes, provenientes de Ecuador, Perú, Colombia, Cuba y
Venezuela, entre otros. La mayoría de los trabajos se situó en el nivel de educación superior, aunque
también se registraron estudios en educación secundaria e incluso en educación infantil temprana.
Respecto de las herramientas, los modelos conversacionales generativos, en particular ChatGPT,
dominaron el corpus, seguidos por plataformas de lectura adaptativa, chatbots especializados y
generadores de contenido calibrados por nivel. En relación con los diseños, predominaron los estudios
cuasiexperimentales y de métodos mixtos, con presencia de diseños experimentales con grupo control,
estudios correlacionales y encuestas de percepción. La Tabla 2 sintetiza una selección representativa de
los estudios incluidos y sus principales características.
Tabla 2 Síntesis representativa de estudios incluidos
Estudio Contexto Herramienta y diseño Hallazgo principal
Çelik et al. (2024) Turquía,
universitario
ChatGPT (simplificación
de textos); intrasujeto
Mejora significativa en
comprensión e inferencia;
sin cambio en ansiedad
Alghizzi y AlTwijri
(2025)
Arabia Saudita,
universitario
Textos generados por IA
calibrados al MCER;
cuasiexperimental
Mejora significativa pre-
post en los tres grupos de
lectura
Lin et al. (2025) Contexto EFL,
superior
Andamiaje previo a la
lectura con IA;
experimental
Mejora en comprensión,
motivación y actitud
Thongsan y Anderson
(2025)
Universitario,
EFL
ChatGPT en lectura
crítica; mixto secuencial
Mejora en reconocer sesgos,
generar contraargumentos e
ideas principales
RESULTADOS
Caracterización general de los estudios incluidos
Los treinta y dos estudios incluidos se publicaron entre 2020 y 2025, con una concentración marcada
en los años 2024 y 2025, lo que confirma el carácter reciente y en expansión del campo. En cuanto a la
distribución geográfica, se observó una notable diversidad: junto a una fuerte presencia de
investigaciones procedentes de Asia Oriental y de Oriente Medio, se identificó un conjunto creciente
de estudios latinoamericanos e hispanohablantes, provenientes de Ecuador, Perú, Colombia, Cuba y
Venezuela, entre otros. La mayoría de los trabajos se situó en el nivel de educación superior, aunque
también se registraron estudios en educación secundaria e incluso en educación infantil temprana.
Respecto de las herramientas, los modelos conversacionales generativos, en particular ChatGPT,
dominaron el corpus, seguidos por plataformas de lectura adaptativa, chatbots especializados y
generadores de contenido calibrados por nivel. En relación con los diseños, predominaron los estudios
cuasiexperimentales y de métodos mixtos, con presencia de diseños experimentales con grupo control,
estudios correlacionales y encuestas de percepción. La Tabla 2 sintetiza una selección representativa de
los estudios incluidos y sus principales características.
Tabla 2 Síntesis representativa de estudios incluidos
Estudio Contexto Herramienta y diseño Hallazgo principal
Çelik et al. (2024) Turquía,
universitario
ChatGPT (simplificación
de textos); intrasujeto
Mejora significativa en
comprensión e inferencia;
sin cambio en ansiedad
Alghizzi y AlTwijri
(2025)
Arabia Saudita,
universitario
Textos generados por IA
calibrados al MCER;
cuasiexperimental
Mejora significativa pre-
post en los tres grupos de
lectura
Lin et al. (2025) Contexto EFL,
superior
Andamiaje previo a la
lectura con IA;
experimental
Mejora en comprensión,
motivación y actitud
Thongsan y Anderson
(2025)
Universitario,
EFL
ChatGPT en lectura
crítica; mixto secuencial
Mejora en reconocer sesgos,
generar contraargumentos e
ideas principales
pág. 4244
Estudio Contexto Herramienta y diseño Hallazgo principal
Liu y Wang (2024) EFL, literatura Herramientas de IA;
intervención
Efectos positivos sobre el
pensamiento crítico
Yılmaz (2025) EFL Materiales generados por
IA; experimental
Incremento de la motivación
lectora
Matos et al. (2024) Perú,
universitario
ChatGPT; correlacional Asociación entre uso de
ChatGPT y aprendizaje del
inglés
Nota. Elaboración propia. La tabla presenta una selección ilustrativa; el corpus completo comprende treinta y dos estudios.
Efectos sobre la comprensión literal e inferencial
El primer eje de análisis reunió los estudios que midieron el impacto de la IA sobre la comprensión
lectora entendida en sentido amplio, abarcando tanto el nivel literal como el inferencial. La evidencia
convergente indica que las intervenciones basadas en IA se asocian, en la mayoría de los casos, con
mejoras estadísticamente significativas en las puntuaciones de comprensión. En un estudio con diseño
intrasujeto en el que los aprendices actuaron como su propio control, la lectura de textos auténticos
simplificados mediante un modelo conversacional produjo incrementos significativos tanto en la
comprensión general como en las tareas de inferencia, aunque no modificó de forma apreciable los
niveles de ansiedad lectora.
La calibración de los textos al nivel de competencia del aprendiz emergió como un mecanismo
recurrente. En una intervención de trece semanas con estudiantes universitarios, la exposición a
materiales generados por IA y ajustados a distintos niveles del Marco Común Europeo de Referencia
se tradujo en mejoras significativas del pre-test al post-test en todos los grupos, lo que sugiere que el
ajuste de la dificultad textual, más que la mera novedad tecnológica, sostiene la ganancia en
comprensión. En la misma línea, los estudios sobre plataformas de lectura adaptativa y asistentes
integrados reportaron que los grupos experimentales superaron a los grupos de control que utilizaban
materiales convencionales.
El andamiaje previo a la lectura constituyó otra vía de efecto documentada. Cuando la IA se empleó
para activar conocimientos previos, anticipar vocabulario y formular preguntas orientadoras antes de la
Estudio Contexto Herramienta y diseño Hallazgo principal
Liu y Wang (2024) EFL, literatura Herramientas de IA;
intervención
Efectos positivos sobre el
pensamiento crítico
Yılmaz (2025) EFL Materiales generados por
IA; experimental
Incremento de la motivación
lectora
Matos et al. (2024) Perú,
universitario
ChatGPT; correlacional Asociación entre uso de
ChatGPT y aprendizaje del
inglés
Nota. Elaboración propia. La tabla presenta una selección ilustrativa; el corpus completo comprende treinta y dos estudios.
Efectos sobre la comprensión literal e inferencial
El primer eje de análisis reunió los estudios que midieron el impacto de la IA sobre la comprensión
lectora entendida en sentido amplio, abarcando tanto el nivel literal como el inferencial. La evidencia
convergente indica que las intervenciones basadas en IA se asocian, en la mayoría de los casos, con
mejoras estadísticamente significativas en las puntuaciones de comprensión. En un estudio con diseño
intrasujeto en el que los aprendices actuaron como su propio control, la lectura de textos auténticos
simplificados mediante un modelo conversacional produjo incrementos significativos tanto en la
comprensión general como en las tareas de inferencia, aunque no modificó de forma apreciable los
niveles de ansiedad lectora.
La calibración de los textos al nivel de competencia del aprendiz emergió como un mecanismo
recurrente. En una intervención de trece semanas con estudiantes universitarios, la exposición a
materiales generados por IA y ajustados a distintos niveles del Marco Común Europeo de Referencia
se tradujo en mejoras significativas del pre-test al post-test en todos los grupos, lo que sugiere que el
ajuste de la dificultad textual, más que la mera novedad tecnológica, sostiene la ganancia en
comprensión. En la misma línea, los estudios sobre plataformas de lectura adaptativa y asistentes
integrados reportaron que los grupos experimentales superaron a los grupos de control que utilizaban
materiales convencionales.
El andamiaje previo a la lectura constituyó otra vía de efecto documentada. Cuando la IA se empleó
para activar conocimientos previos, anticipar vocabulario y formular preguntas orientadoras antes de la
pág. 4245
lectura, los aprendices mostraron mejoras no solo en la comprensión, sino también en la motivación y
en la actitud hacia la tarea. Estos resultados son coherentes con los marcos de andamiaje sociocognitivo,
en los que el soporte temporal ofrecido antes y durante la tarea facilita el desempeño en la zona de
desarrollo próximo del estudiante.
No obstante, la magnitud y la durabilidad de estos efectos deben interpretarse con cautela. Varios de
los estudios se basaron en intervenciones de corta duración, en ocasiones de una sola sesión, lo que
limita la posibilidad de establecer si las ganancias se consolidan en el tiempo o reflejan efectos de
novedad. Esta limitación, señalada de forma reiterada en el corpus, atraviesa el conjunto de los hallazgos
y se retoma en la discusión.
Desarrollo de la lectura crítica y el pensamiento de orden superior
El segundo eje agrupó los estudios centrados específicamente en la lectura crítica y en las habilidades
de pensamiento de orden superior, foco distintivo de esta revisión. Aquí la evidencia, aunque más
escasa, resulta especialmente relevante. Un estudio con diseño mixto secuencial explicativo, que integró
a estudiantes de nivel universitario en una intervención de ocho semanas con tareas de lectura mediadas
por un modelo conversacional, reportó mejoras significativas en la capacidad de reconocer sesgos,
generar contraargumentos e identificar ideas principales. El análisis cualitativo de las interacciones
evidenció una progresión conductual desde la búsqueda superficial de aclaraciones hacia formas de
indagación más críticas y autónomas.
Otros trabajos abordaron el pensamiento crítico en un sentido más amplio, vinculado a la lectura y al
análisis de textos literarios y argumentativos. Las intervenciones que emplearon herramientas de IA en
clases de literatura en lengua inglesa reportaron efectos positivos sobre el pensamiento crítico de los
aprendices, mientras que estudios comparativos entre la tutoría mediada por IA y la tutoría humana
exploraron el potencial de un enfoque de corte socrático para estimular la reflexión. Estos hallazgos
sugieren que la IA puede funcionar no solo como proveedora de respuestas, sino como interlocutora
que problematiza y desafía las interpretaciones del lector.
Sin embargo, la evidencia también advirtió sobre el reverso de esta promesa. Algunos estudios
documentaron el riesgo de una dependencia excesiva y de una delegación cognitiva que podría
desincentivar el esfuerzo intelectual del aprendiz, fenómeno descrito en la literatura como pereza
lectura, los aprendices mostraron mejoras no solo en la comprensión, sino también en la motivación y
en la actitud hacia la tarea. Estos resultados son coherentes con los marcos de andamiaje sociocognitivo,
en los que el soporte temporal ofrecido antes y durante la tarea facilita el desempeño en la zona de
desarrollo próximo del estudiante.
No obstante, la magnitud y la durabilidad de estos efectos deben interpretarse con cautela. Varios de
los estudios se basaron en intervenciones de corta duración, en ocasiones de una sola sesión, lo que
limita la posibilidad de establecer si las ganancias se consolidan en el tiempo o reflejan efectos de
novedad. Esta limitación, señalada de forma reiterada en el corpus, atraviesa el conjunto de los hallazgos
y se retoma en la discusión.
Desarrollo de la lectura crítica y el pensamiento de orden superior
El segundo eje agrupó los estudios centrados específicamente en la lectura crítica y en las habilidades
de pensamiento de orden superior, foco distintivo de esta revisión. Aquí la evidencia, aunque más
escasa, resulta especialmente relevante. Un estudio con diseño mixto secuencial explicativo, que integró
a estudiantes de nivel universitario en una intervención de ocho semanas con tareas de lectura mediadas
por un modelo conversacional, reportó mejoras significativas en la capacidad de reconocer sesgos,
generar contraargumentos e identificar ideas principales. El análisis cualitativo de las interacciones
evidenció una progresión conductual desde la búsqueda superficial de aclaraciones hacia formas de
indagación más críticas y autónomas.
Otros trabajos abordaron el pensamiento crítico en un sentido más amplio, vinculado a la lectura y al
análisis de textos literarios y argumentativos. Las intervenciones que emplearon herramientas de IA en
clases de literatura en lengua inglesa reportaron efectos positivos sobre el pensamiento crítico de los
aprendices, mientras que estudios comparativos entre la tutoría mediada por IA y la tutoría humana
exploraron el potencial de un enfoque de corte socrático para estimular la reflexión. Estos hallazgos
sugieren que la IA puede funcionar no solo como proveedora de respuestas, sino como interlocutora
que problematiza y desafía las interpretaciones del lector.
Sin embargo, la evidencia también advirtió sobre el reverso de esta promesa. Algunos estudios
documentaron el riesgo de una dependencia excesiva y de una delegación cognitiva que podría
desincentivar el esfuerzo intelectual del aprendiz, fenómeno descrito en la literatura como pereza
pág. 4246
metacognitiva. La distinción resultó clara: los efectos favorables sobre la lectura crítica aparecieron de
manera consistente cuando la intervención incorporó un diseño pedagógico deliberado, con tareas
estructuradas y consignas orientadas a la evaluación y la argumentación, y no cuando la herramienta se
utilizó de forma libre y sin mediación.
En conjunto, este eje muestra que la IA posee un potencial genuino para el desarrollo de la lectura
crítica, pero que dicho potencial es condicional. La herramienta por sí sola no garantiza el desarrollo de
habilidades de orden superior; es el andamiaje pedagógico el que orienta el uso de la IA hacia la
indagación crítica en lugar de hacia la obtención pasiva de respuestas.
Dimensiones afectivas y motivacionales
El tercer eje reunió la evidencia sobre las variables afectivas asociadas a la lectura mediada por IA, en
particular la motivación, el compromiso, la ansiedad y el disfrute. La lectura en lengua extranjera es
una actividad emocionalmente cargada, y varios estudios situaron estas dimensiones en el centro de su
indagación. Los materiales generados por IA se asociaron con incrementos en la motivación lectora, y
las intervenciones con plataformas adaptativas reportaron aumentos en el compromiso, evidenciados
por mayor atención, participación y persistencia en la tarea.
El disfrute lector y la reducción de la carga cognitiva también aparecieron como resultados favorables
en estudios que combinaron la lectura adaptativa con retroalimentación personalizada. Al ajustar la
dificultad del texto y ofrecer apoyo inmediato, la IA parece disminuir la frustración que suele
acompañar la lectura de textos por encima del nivel del aprendiz, lo que a su vez sostiene la motivación.
En contextos de aprendizaje autorregulado, los acompañantes generativos favorecieron la fijación de
metas, el monitoreo y la autorreflexión.
Los resultados sobre la ansiedad, en cambio, fueron menos concluyentes. Mientras algunos estudios
reportaron reducciones significativas, otros no hallaron cambios apreciables pese a las mejoras en
comprensión. Esta divergencia sugiere que el efecto de la IA sobre la ansiedad lectora podría depender
de factores contextuales, como la duración de la intervención, el perfil de los aprendices o el grado de
familiaridad previa con la herramienta.
metacognitiva. La distinción resultó clara: los efectos favorables sobre la lectura crítica aparecieron de
manera consistente cuando la intervención incorporó un diseño pedagógico deliberado, con tareas
estructuradas y consignas orientadas a la evaluación y la argumentación, y no cuando la herramienta se
utilizó de forma libre y sin mediación.
En conjunto, este eje muestra que la IA posee un potencial genuino para el desarrollo de la lectura
crítica, pero que dicho potencial es condicional. La herramienta por sí sola no garantiza el desarrollo de
habilidades de orden superior; es el andamiaje pedagógico el que orienta el uso de la IA hacia la
indagación crítica en lugar de hacia la obtención pasiva de respuestas.
Dimensiones afectivas y motivacionales
El tercer eje reunió la evidencia sobre las variables afectivas asociadas a la lectura mediada por IA, en
particular la motivación, el compromiso, la ansiedad y el disfrute. La lectura en lengua extranjera es
una actividad emocionalmente cargada, y varios estudios situaron estas dimensiones en el centro de su
indagación. Los materiales generados por IA se asociaron con incrementos en la motivación lectora, y
las intervenciones con plataformas adaptativas reportaron aumentos en el compromiso, evidenciados
por mayor atención, participación y persistencia en la tarea.
El disfrute lector y la reducción de la carga cognitiva también aparecieron como resultados favorables
en estudios que combinaron la lectura adaptativa con retroalimentación personalizada. Al ajustar la
dificultad del texto y ofrecer apoyo inmediato, la IA parece disminuir la frustración que suele
acompañar la lectura de textos por encima del nivel del aprendiz, lo que a su vez sostiene la motivación.
En contextos de aprendizaje autorregulado, los acompañantes generativos favorecieron la fijación de
metas, el monitoreo y la autorreflexión.
Los resultados sobre la ansiedad, en cambio, fueron menos concluyentes. Mientras algunos estudios
reportaron reducciones significativas, otros no hallaron cambios apreciables pese a las mejoras en
comprensión. Esta divergencia sugiere que el efecto de la IA sobre la ansiedad lectora podría depender
de factores contextuales, como la duración de la intervención, el perfil de los aprendices o el grado de
familiaridad previa con la herramienta.
pág. 4247
Condiciones pedagógicas de implementación
El cuarto eje sintetizó las condiciones que, de acuerdo con los estudios, modulan la efectividad de la IA
en la lectura. Un patrón transversal fue la centralidad de la mediación docente y del diseño instruccional.
Los estudios que reportaron los efectos más consistentes compartieron el rasgo de integrar la IA dentro
de secuencias pedagógicas planificadas, con objetivos explícitos, tareas estructuradas y momentos de
reflexión, en lugar de incorporarla como un recurso aislado.
La formación del profesorado emergió como una condición habilitante. Varias revisiones y estudios
primarios subrayaron que la integración efectiva de la IA exige que los docentes comprendan tanto las
posibilidades como las limitaciones de la herramienta, y que sean capaces de diseñar consignas que
orienten su uso hacia procesos cognitivos profundos. La ausencia de esta formación se asoció con usos
superficiales que no capitalizan el potencial de la tecnología.
Finalmente, las condiciones de equidad y acceso se identificaron como factores contextuales decisivos,
especialmente en la literatura latinoamericana. La desigualdad en el acceso a dispositivos, conectividad
y herramientas de pago condiciona la posibilidad de que los beneficios documentados se distribuyan de
manera justa. Este conjunto de condiciones configura el marco dentro del cual los efectos favorables
reportados en los ejes anteriores pueden o no materializarse en la práctica.
DISCUSIÓN
El objetivo de esta revisión fue sintetizar y analizar críticamente la evidencia empírica publicada entre
2020 y 2025 sobre el uso de la inteligencia artificial para el desarrollo de la comprensión lectora y la
lectura crítica en aprendices de inglés como lengua extranjera. Los hallazgos permiten sostener que la
IA constituye un recurso prometedor, cuya eficacia se encuentra fuertemente condicionada por el diseño
pedagógico que la enmarca. Este resultado general dialoga y matiza las conclusiones de revisiones
previas, que tendían a presentar el aporte de la IA en términos predominantemente optimistas o, en el
extremo opuesto, marcadamente cautelosos.
En relación con el primer objetivo específico, la caracterización de los estudios confirmó la juventud
del campo y su concentración en la educación superior, así como el predominio de los modelos
conversacionales generativos.
Condiciones pedagógicas de implementación
El cuarto eje sintetizó las condiciones que, de acuerdo con los estudios, modulan la efectividad de la IA
en la lectura. Un patrón transversal fue la centralidad de la mediación docente y del diseño instruccional.
Los estudios que reportaron los efectos más consistentes compartieron el rasgo de integrar la IA dentro
de secuencias pedagógicas planificadas, con objetivos explícitos, tareas estructuradas y momentos de
reflexión, en lugar de incorporarla como un recurso aislado.
La formación del profesorado emergió como una condición habilitante. Varias revisiones y estudios
primarios subrayaron que la integración efectiva de la IA exige que los docentes comprendan tanto las
posibilidades como las limitaciones de la herramienta, y que sean capaces de diseñar consignas que
orienten su uso hacia procesos cognitivos profundos. La ausencia de esta formación se asoció con usos
superficiales que no capitalizan el potencial de la tecnología.
Finalmente, las condiciones de equidad y acceso se identificaron como factores contextuales decisivos,
especialmente en la literatura latinoamericana. La desigualdad en el acceso a dispositivos, conectividad
y herramientas de pago condiciona la posibilidad de que los beneficios documentados se distribuyan de
manera justa. Este conjunto de condiciones configura el marco dentro del cual los efectos favorables
reportados en los ejes anteriores pueden o no materializarse en la práctica.
DISCUSIÓN
El objetivo de esta revisión fue sintetizar y analizar críticamente la evidencia empírica publicada entre
2020 y 2025 sobre el uso de la inteligencia artificial para el desarrollo de la comprensión lectora y la
lectura crítica en aprendices de inglés como lengua extranjera. Los hallazgos permiten sostener que la
IA constituye un recurso prometedor, cuya eficacia se encuentra fuertemente condicionada por el diseño
pedagógico que la enmarca. Este resultado general dialoga y matiza las conclusiones de revisiones
previas, que tendían a presentar el aporte de la IA en términos predominantemente optimistas o, en el
extremo opuesto, marcadamente cautelosos.
En relación con el primer objetivo específico, la caracterización de los estudios confirmó la juventud
del campo y su concentración en la educación superior, así como el predominio de los modelos
conversacionales generativos.
pág. 4248
La escasez relativa de estudios sobre lectura, frente a la abundancia de trabajos sobre escritura, coincide
con lo señalado por las revisiones sistemáticas que documentaron que la comprensión lectora recibe
una atención comparativamente menor en la investigación sobre modelos generativos en contextos de
inglés como lengua extranjera. Esta revisión contribuye, precisamente, a paliar ese vacío al concentrar
la evidencia dispersa sobre lectura en un único marco de síntesis.
Respecto del segundo objetivo, los efectos sobre la comprensión literal e inferencial resultaron
consistentes y mayoritariamente favorables. La convergencia de estudios que reportan mejoras
significativas mediante la simplificación y la calibración de textos sugiere que el principal mecanismo
de acción de la IA en la comprensión reside en su capacidad para ajustar la dificultad textual a la zona
de desarrollo próximo del aprendiz. Esta interpretación es coherente con los marcos sociocognitivos del
andamiaje y refuerza la idea de que la IA opera con mayor eficacia como un mediador adaptativo que
como un simple proveedor de contenido.
El tercer objetivo, referido a la lectura crítica, arrojó los hallazgos más matizados y, a la vez, más
significativos para el foco de este trabajo. La evidencia indica que la IA puede favorecer el desarrollo
de habilidades de orden superior, como el reconocimiento de sesgos y la generación de
contraargumentos, pero solo bajo condiciones específicas de mediación pedagógica. Este resultado es
teóricamente relevante porque desplaza el eje del debate desde la pregunta sobre si la IA mejora la
lectura crítica hacia la pregunta sobre cómo debe diseñarse su uso para que lo haga. La distinción entre
un uso estructurado, orientado a la indagación, y un uso libre, susceptible de derivar en dependencia y
pereza metacognitiva, constituye probablemente la contribución conceptual central de esta síntesis.
El cuarto objetivo, relativo a las condiciones de implementación, permitió integrar los hallazgos
anteriores en un marco explicativo coherente. La mediación docente, la formación del profesorado y las
condiciones de equidad se revelaron como los factores que determinan si el potencial de la IA se traduce
en aprendizaje efectivo.
En el contexto latinoamericano, este último factor adquiere una relevancia particular, pues las brechas
de acceso podrían convertir una tecnología potencialmente democratizadora en un nuevo vector de
desigualdad si su incorporación no se acompaña de políticas inclusivas.
La escasez relativa de estudios sobre lectura, frente a la abundancia de trabajos sobre escritura, coincide
con lo señalado por las revisiones sistemáticas que documentaron que la comprensión lectora recibe
una atención comparativamente menor en la investigación sobre modelos generativos en contextos de
inglés como lengua extranjera. Esta revisión contribuye, precisamente, a paliar ese vacío al concentrar
la evidencia dispersa sobre lectura en un único marco de síntesis.
Respecto del segundo objetivo, los efectos sobre la comprensión literal e inferencial resultaron
consistentes y mayoritariamente favorables. La convergencia de estudios que reportan mejoras
significativas mediante la simplificación y la calibración de textos sugiere que el principal mecanismo
de acción de la IA en la comprensión reside en su capacidad para ajustar la dificultad textual a la zona
de desarrollo próximo del aprendiz. Esta interpretación es coherente con los marcos sociocognitivos del
andamiaje y refuerza la idea de que la IA opera con mayor eficacia como un mediador adaptativo que
como un simple proveedor de contenido.
El tercer objetivo, referido a la lectura crítica, arrojó los hallazgos más matizados y, a la vez, más
significativos para el foco de este trabajo. La evidencia indica que la IA puede favorecer el desarrollo
de habilidades de orden superior, como el reconocimiento de sesgos y la generación de
contraargumentos, pero solo bajo condiciones específicas de mediación pedagógica. Este resultado es
teóricamente relevante porque desplaza el eje del debate desde la pregunta sobre si la IA mejora la
lectura crítica hacia la pregunta sobre cómo debe diseñarse su uso para que lo haga. La distinción entre
un uso estructurado, orientado a la indagación, y un uso libre, susceptible de derivar en dependencia y
pereza metacognitiva, constituye probablemente la contribución conceptual central de esta síntesis.
El cuarto objetivo, relativo a las condiciones de implementación, permitió integrar los hallazgos
anteriores en un marco explicativo coherente. La mediación docente, la formación del profesorado y las
condiciones de equidad se revelaron como los factores que determinan si el potencial de la IA se traduce
en aprendizaje efectivo.
En el contexto latinoamericano, este último factor adquiere una relevancia particular, pues las brechas
de acceso podrían convertir una tecnología potencialmente democratizadora en un nuevo vector de
desigualdad si su incorporación no se acompaña de políticas inclusivas.
pág. 4249
Los resultados de esta revisión tienen implicaciones prácticas concretas. Para los docentes, sugieren
que la incorporación de la IA en la enseñanza de la lectura en inglés debe partir de objetivos pedagógicos
claros y de consignas que orienten a los estudiantes hacia la evaluación y la argumentación, más que
hacia la obtención pasiva de respuestas. Para los diseñadores instruccionales, indican la conveniencia
de integrar la IA dentro de secuencias que combinen el andamiaje previo a la lectura con momentos de
reflexión metacognitiva. Para los responsables de política educativa, subrayan la necesidad de
acompañar la adopción tecnológica con formación docente y con medidas que garanticen el acceso
equitativo.
Desde el punto de vista teórico, los hallazgos refuerzan la pertinencia de los marcos sociocognitivos
para interpretar el papel de la IA en la lectura y sugieren la conveniencia de desarrollar modelos
específicos que distingan entre el andamiaje orientado a la comprensión y el andamiaje orientado a la
crítica. La lectura crítica, en tanto habilidad de orden superior, parece requerir formas de mediación
cualitativamente distintas de las que bastan para la comprensión literal, un aspecto que la investigación
futura debería explorar con mayor profundidad.
Esta revisión presenta limitaciones que deben reconocerse. En primer lugar, pese a la búsqueda dual en
español e inglés, es posible que estudios relevantes publicados en otros idiomas o en literatura gris no
hayan sido capturados, lo que introduce un potencial sesgo de selección. En segundo lugar, la
conducción de la revisión por un procedimiento de cribado sin doble evaluación independiente en todas
las fases limita la robustez del proceso frente a los estándares más exigentes. En tercer lugar, la decisión
de realizar una síntesis narrativa en lugar de un metaanálisis, justificada por la heterogeneidad del
corpus, impide ofrecer estimaciones cuantitativas del tamaño de los efectos. Finalmente, la propia
heterogeneidad y la corta duración de muchas de las intervenciones incluidas limitan la fuerza de las
conclusiones que pueden extraerse.
Estas limitaciones perfilan una agenda de investigación futura. Se requieren estudios con diseños
longitudinales que examinen la durabilidad de los efectos, con muestras de mayor tamaño y con
instrumentos validados que permitan la comparación entre contextos. Resulta especialmente necesaria
una mayor producción de investigación empírica rigurosa en contextos latinoamericanos e
Los resultados de esta revisión tienen implicaciones prácticas concretas. Para los docentes, sugieren
que la incorporación de la IA en la enseñanza de la lectura en inglés debe partir de objetivos pedagógicos
claros y de consignas que orienten a los estudiantes hacia la evaluación y la argumentación, más que
hacia la obtención pasiva de respuestas. Para los diseñadores instruccionales, indican la conveniencia
de integrar la IA dentro de secuencias que combinen el andamiaje previo a la lectura con momentos de
reflexión metacognitiva. Para los responsables de política educativa, subrayan la necesidad de
acompañar la adopción tecnológica con formación docente y con medidas que garanticen el acceso
equitativo.
Desde el punto de vista teórico, los hallazgos refuerzan la pertinencia de los marcos sociocognitivos
para interpretar el papel de la IA en la lectura y sugieren la conveniencia de desarrollar modelos
específicos que distingan entre el andamiaje orientado a la comprensión y el andamiaje orientado a la
crítica. La lectura crítica, en tanto habilidad de orden superior, parece requerir formas de mediación
cualitativamente distintas de las que bastan para la comprensión literal, un aspecto que la investigación
futura debería explorar con mayor profundidad.
Esta revisión presenta limitaciones que deben reconocerse. En primer lugar, pese a la búsqueda dual en
español e inglés, es posible que estudios relevantes publicados en otros idiomas o en literatura gris no
hayan sido capturados, lo que introduce un potencial sesgo de selección. En segundo lugar, la
conducción de la revisión por un procedimiento de cribado sin doble evaluación independiente en todas
las fases limita la robustez del proceso frente a los estándares más exigentes. En tercer lugar, la decisión
de realizar una síntesis narrativa en lugar de un metaanálisis, justificada por la heterogeneidad del
corpus, impide ofrecer estimaciones cuantitativas del tamaño de los efectos. Finalmente, la propia
heterogeneidad y la corta duración de muchas de las intervenciones incluidas limitan la fuerza de las
conclusiones que pueden extraerse.
Estas limitaciones perfilan una agenda de investigación futura. Se requieren estudios con diseños
longitudinales que examinen la durabilidad de los efectos, con muestras de mayor tamaño y con
instrumentos validados que permitan la comparación entre contextos. Resulta especialmente necesaria
una mayor producción de investigación empírica rigurosa en contextos latinoamericanos e
pág. 4250
hispanohablantes, que atienda a las condiciones específicas de la región y que trascienda el estudio de
las percepciones para medir de manera directa el desarrollo de la comprensión y de la lectura crítica.
CONCLUSIONES
La presente revisión sistemática sintetizó la evidencia empírica publicada entre 2020 y 2025 sobre el
uso de la inteligencia artificial para el desarrollo de la comprensión lectora y la lectura crítica en
aprendices de inglés como lengua extranjera. En respuesta directa al objetivo planteado, se concluye
que la IA representa un recurso con potencial demostrado para mejorar la comprensión lectora y para
favorecer el desarrollo de la lectura crítica, si bien este potencial se encuentra condicionado por el diseño
pedagógico que enmarca su uso.
En cuanto a la comprensión literal e inferencial, la evidencia es consistente y mayoritariamente
favorable: la capacidad de la IA para simplificar y calibrar textos al nivel del aprendiz se asocia con
mejoras significativas, interpretables a la luz de los marcos del andamiaje adaptativo. Respecto de la
lectura crítica, los hallazgos son más matizados pero especialmente valiosos: la IA puede fortalecer
habilidades de orden superior como el reconocimiento de sesgos y la generación de contraargumentos,
aunque únicamente cuando su uso se estructura mediante tareas deliberadas y mediación docente,
evitando el riesgo de la dependencia y la delegación cognitiva.
Las dimensiones afectivas y motivacionales tienden a beneficiarse de la mediación de la IA, con
incrementos en la motivación y el compromiso, mientras que los efectos sobre la ansiedad resultan
menos concluyentes. Como condición transversal, la mediación docente, la formación del profesorado
y la equidad en el acceso se identificaron como los factores que determinan la eficacia real de estas
herramientas, con particular relevancia en el contexto latinoamericano.
Se recomienda, en consecuencia, integrar la inteligencia artificial en la enseñanza de la lectura en inglés
a través de diseños instruccionales que orienten su uso hacia la indagación crítica, acompañar su
adopción con formación docente específica y desarrollar políticas que garanticen un acceso equitativo.
Asimismo, se recomienda impulsar investigación empírica longitudinal y contextualizada, en especial
en la región latinoamericana, que permita consolidar y precisar los hallazgos aquí sintetizados.
hispanohablantes, que atienda a las condiciones específicas de la región y que trascienda el estudio de
las percepciones para medir de manera directa el desarrollo de la comprensión y de la lectura crítica.
CONCLUSIONES
La presente revisión sistemática sintetizó la evidencia empírica publicada entre 2020 y 2025 sobre el
uso de la inteligencia artificial para el desarrollo de la comprensión lectora y la lectura crítica en
aprendices de inglés como lengua extranjera. En respuesta directa al objetivo planteado, se concluye
que la IA representa un recurso con potencial demostrado para mejorar la comprensión lectora y para
favorecer el desarrollo de la lectura crítica, si bien este potencial se encuentra condicionado por el diseño
pedagógico que enmarca su uso.
En cuanto a la comprensión literal e inferencial, la evidencia es consistente y mayoritariamente
favorable: la capacidad de la IA para simplificar y calibrar textos al nivel del aprendiz se asocia con
mejoras significativas, interpretables a la luz de los marcos del andamiaje adaptativo. Respecto de la
lectura crítica, los hallazgos son más matizados pero especialmente valiosos: la IA puede fortalecer
habilidades de orden superior como el reconocimiento de sesgos y la generación de contraargumentos,
aunque únicamente cuando su uso se estructura mediante tareas deliberadas y mediación docente,
evitando el riesgo de la dependencia y la delegación cognitiva.
Las dimensiones afectivas y motivacionales tienden a beneficiarse de la mediación de la IA, con
incrementos en la motivación y el compromiso, mientras que los efectos sobre la ansiedad resultan
menos concluyentes. Como condición transversal, la mediación docente, la formación del profesorado
y la equidad en el acceso se identificaron como los factores que determinan la eficacia real de estas
herramientas, con particular relevancia en el contexto latinoamericano.
Se recomienda, en consecuencia, integrar la inteligencia artificial en la enseñanza de la lectura en inglés
a través de diseños instruccionales que orienten su uso hacia la indagación crítica, acompañar su
adopción con formación docente específica y desarrollar políticas que garanticen un acceso equitativo.
Asimismo, se recomienda impulsar investigación empírica longitudinal y contextualizada, en especial
en la región latinoamericana, que permita consolidar y precisar los hallazgos aquí sintetizados.
pág. 4251
La lectura crítica en lengua extranjera, lejos de verse amenazada por la inteligencia artificial, puede
fortalecerse con ella siempre que el diseño pedagógico mantenga al aprendiz en el centro del proceso
de construcción de sentido.
REFERENCIAS BIBLIOGRAFICAS
Acosta-Vargas, P., Acosta-Vargas, G., Jadán-Guerrero, J., & Salvador-Acosta, B. (2024). Addressing
web accessibility challenges with generative artificial intelligence tools for inclusive education.
En Proceedings of the 2024 International Conference on eDemocracy & eGovernment (pp. 1–
7). IEEE. https://doi.org/10.1109/ICEDEG61611.2024.10702085
Alarcón-Díaz, M. A., & colaboradores. (2025). Inteligencia artificial y competencias comunicativas en
inglés: Una revisión sistemática con enfoque crítico. Revista Temas de Comunicación, (48).
Alarifi, S., AlSahli, M. M., & Alghizzi, T. M. (2025). Assessing EFL undergraduates’ attitudes,
engagement, and satisfaction toward the use of artificial intelligence in enhancing reading
comprehension. Arab World English Journal, Special Issue on Artificial Intelligence, 112–138.
Alazemi, A. F. T. (2024). Formative assessment in artificial integrated instruction: Delving into the
effects on reading comprehension progress, online academic enjoyment, personal best goals,
and academic mindfulness. Language Testing in Asia, 14(1), 44.
https://doi.org/10.1186/s40468-024-00319-8
Alghizzi, T. M., & AlTwijri, L. (2025). Proficiency-calibrated AI-generated reading input in EFL: A
CEFR-aligned comparison of extensive- and intensive-oriented pathways. Education Sciences,
16(7), 1068. https://doi.org/10.3390/educsci16071068
Ali, J. K. M., Shamsan, M. A. A., Hezam, T. A., & Mohammed, A. A. Q. (2023). Impact of ChatGPT
on learning motivation: Teachers and students’ voices. Journal of English Studies in Arabia
Felix, 2(1), 41–49. https://doi.org/10.56540/jesaf.v2i1.51
Çelik, B., Kaya, H., & Bağçeci, B. (2024). Does AI simplification of authentic blog texts improve
reading comprehension, inferencing, and anxiety? A one-shot intervention in Turkish EFL
context. The International Review of Research in Open and Distributed Learning, 25(3).
https://doi.org/10.19173/irrodl.v25i3.7779
La lectura crítica en lengua extranjera, lejos de verse amenazada por la inteligencia artificial, puede
fortalecerse con ella siempre que el diseño pedagógico mantenga al aprendiz en el centro del proceso
de construcción de sentido.
REFERENCIAS BIBLIOGRAFICAS
Acosta-Vargas, P., Acosta-Vargas, G., Jadán-Guerrero, J., & Salvador-Acosta, B. (2024). Addressing
web accessibility challenges with generative artificial intelligence tools for inclusive education.
En Proceedings of the 2024 International Conference on eDemocracy & eGovernment (pp. 1–
7). IEEE. https://doi.org/10.1109/ICEDEG61611.2024.10702085
Alarcón-Díaz, M. A., & colaboradores. (2025). Inteligencia artificial y competencias comunicativas en
inglés: Una revisión sistemática con enfoque crítico. Revista Temas de Comunicación, (48).
Alarifi, S., AlSahli, M. M., & Alghizzi, T. M. (2025). Assessing EFL undergraduates’ attitudes,
engagement, and satisfaction toward the use of artificial intelligence in enhancing reading
comprehension. Arab World English Journal, Special Issue on Artificial Intelligence, 112–138.
Alazemi, A. F. T. (2024). Formative assessment in artificial integrated instruction: Delving into the
effects on reading comprehension progress, online academic enjoyment, personal best goals,
and academic mindfulness. Language Testing in Asia, 14(1), 44.
https://doi.org/10.1186/s40468-024-00319-8
Alghizzi, T. M., & AlTwijri, L. (2025). Proficiency-calibrated AI-generated reading input in EFL: A
CEFR-aligned comparison of extensive- and intensive-oriented pathways. Education Sciences,
16(7), 1068. https://doi.org/10.3390/educsci16071068
Ali, J. K. M., Shamsan, M. A. A., Hezam, T. A., & Mohammed, A. A. Q. (2023). Impact of ChatGPT
on learning motivation: Teachers and students’ voices. Journal of English Studies in Arabia
Felix, 2(1), 41–49. https://doi.org/10.56540/jesaf.v2i1.51
Çelik, B., Kaya, H., & Bağçeci, B. (2024). Does AI simplification of authentic blog texts improve
reading comprehension, inferencing, and anxiety? A one-shot intervention in Turkish EFL
context. The International Review of Research in Open and Distributed Learning, 25(3).
https://doi.org/10.19173/irrodl.v25i3.7779
pág. 4252
Cordero Polanco, T. J., & Castillo Vernaza, D. A. (2024). La inteligencia artificial para la producción
escrita coherente y cohesiva de textos en inglés. CIE Academic Journal, 3(2), 30–35.
https://doi.org/10.47300/2953-3015-v3i2-04
Council of Europe. (2020). Common European Framework of Reference for Languages: Learning,
teaching, assessment – Companion volume. Council of Europe Publishing.
Delgado, N., Campo, L., Sainz de la Maza, M., & Etxabe-Urbieta, J. M. (2024). Aplicación de la
inteligencia artificial (IA) en educación: Los beneficios y limitaciones percibidos por el
profesorado. Revista Electrónica Interuniversitaria de Formación del Profesorado, 27(1), 207–
224. https://doi.org/10.6018/reifop.577211
Donoso, C. M. M., Echeverría, Z. L. O., Moreira, P. R. W., & Ponce, A. L. S. (2023). Innovación en la
enseñanza del inglés en la educación superior: Desafíos, oportunidades y buenas prácticas.
Revista Científica Arbitrada Multidisciplinaria PENTACIENCIAS, 5(7), 165–174.
https://doi.org/10.59169/pentaciencias.v5i7.924
Escobar, J. (2021). La inteligencia artificial y la enseñanza de lenguas: Una aproximación al tema.
Decires, 21(25), 29–44. https://doi.org/10.22201/cepe.14059134e.2021.21.25.3
Fakour, H., & Imani, M. (2025). Socratic wisdom in the age of AI: A comparative study of ChatGPT
and human tutors in enhancing critical thinking skills. Frontiers in Education, 10, Article
1528603. https://doi.org/10.3389/feduc.2025.1528603
Fernández, M. L. R., Álvarez, P. L. R., Ramos, A. M. G., Quiñones, L. D. R., de la Roche, M. M., &
Rojas, M. S. A. (2023). Estrategias didácticas significativas asistidas por la IA para contribuir
al desarrollo de una ciudadanía responsable, desde la comprensión lectora, la producción oral
y textual en los estudiantes de educación superior. Revista Sapientía, 15(30), Article 30.
https://doi.org/10.54278/sapientia.v15i30.171
Guagchinga Chicaiza, N. W., Borja Salazar, E. C., & Pacheco Pruna, E. M. (2024). La inteligencia
artificial en el aprendizaje del idioma inglés para estudiantes de nivel pre-intermedio (B1). Serie
Científica de la Universidad de las Ciencias Informáticas, 17(11), 45–54.
Kohnke, L., Moorhouse, B. L., & Zou, D. (2023). ChatGPT for language teaching and learning. RELC
Journal, 54(2), 537–550. https://doi.org/10.1177/00336882231162868
Cordero Polanco, T. J., & Castillo Vernaza, D. A. (2024). La inteligencia artificial para la producción
escrita coherente y cohesiva de textos en inglés. CIE Academic Journal, 3(2), 30–35.
https://doi.org/10.47300/2953-3015-v3i2-04
Council of Europe. (2020). Common European Framework of Reference for Languages: Learning,
teaching, assessment – Companion volume. Council of Europe Publishing.
Delgado, N., Campo, L., Sainz de la Maza, M., & Etxabe-Urbieta, J. M. (2024). Aplicación de la
inteligencia artificial (IA) en educación: Los beneficios y limitaciones percibidos por el
profesorado. Revista Electrónica Interuniversitaria de Formación del Profesorado, 27(1), 207–
224. https://doi.org/10.6018/reifop.577211
Donoso, C. M. M., Echeverría, Z. L. O., Moreira, P. R. W., & Ponce, A. L. S. (2023). Innovación en la
enseñanza del inglés en la educación superior: Desafíos, oportunidades y buenas prácticas.
Revista Científica Arbitrada Multidisciplinaria PENTACIENCIAS, 5(7), 165–174.
https://doi.org/10.59169/pentaciencias.v5i7.924
Escobar, J. (2021). La inteligencia artificial y la enseñanza de lenguas: Una aproximación al tema.
Decires, 21(25), 29–44. https://doi.org/10.22201/cepe.14059134e.2021.21.25.3
Fakour, H., & Imani, M. (2025). Socratic wisdom in the age of AI: A comparative study of ChatGPT
and human tutors in enhancing critical thinking skills. Frontiers in Education, 10, Article
1528603. https://doi.org/10.3389/feduc.2025.1528603
Fernández, M. L. R., Álvarez, P. L. R., Ramos, A. M. G., Quiñones, L. D. R., de la Roche, M. M., &
Rojas, M. S. A. (2023). Estrategias didácticas significativas asistidas por la IA para contribuir
al desarrollo de una ciudadanía responsable, desde la comprensión lectora, la producción oral
y textual en los estudiantes de educación superior. Revista Sapientía, 15(30), Article 30.
https://doi.org/10.54278/sapientia.v15i30.171
Guagchinga Chicaiza, N. W., Borja Salazar, E. C., & Pacheco Pruna, E. M. (2024). La inteligencia
artificial en el aprendizaje del idioma inglés para estudiantes de nivel pre-intermedio (B1). Serie
Científica de la Universidad de las Ciencias Informáticas, 17(11), 45–54.
Kohnke, L., Moorhouse, B. L., & Zou, D. (2023). ChatGPT for language teaching and learning. RELC
Journal, 54(2), 537–550. https://doi.org/10.1177/00336882231162868
pág. 4253
Kristiawan, D., Ferdiansyah, S., & Picard, M. (2024). Artificial intelligence in English language
learning: A systematic review. (Systematic assessment of AI applications in EFL).
International Journal of Language Education.
Lee, H.-Y., Chen, P.-H., Wang, W.-S., Huang, Y.-M., & Wu, T.-T. (2024). Empowering ChatGPT with
guidance mechanism in blended learning: Effect of self-regulated learning, higher-order
thinking skills, and knowledge construction. International Journal of Educational Technology
in Higher Education, 21(1), 16. https://doi.org/10.1186/s41239-024-00447-4
Lee, J. H., Shin, D., & Noh, W. (2023). Artificial intelligence-based content generator technology for
young English-as-a-foreign-language learners’ reading enjoyment. RELC Journal, 54(2), 508–
516. https://doi.org/10.1177/00336882231165060
Liang, W., & Liu, S. (2024). Exploring the use of ChatGPT to foster EFL learners’ critical thinking
skills from a post-humanist perspective. Thinking Skills and Creativity, 54, Article 101645.
https://doi.org/10.1016/j.tsc.2024.101645
Lin, M. P.-C., Chang, D., & Hajian, S. (2025). Enhancing English reading comprehension, learning
motivation and attitude through AI-supported pre-reading scaffolding. Journal of Computer
Assisted Learning, 41(1). https://doi.org/10.1111/jcal.70150
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, 59(4),
e12804. https://doi.org/10.1111/ejed.12804
Matos, J. A. S., Rivera, R. C. N., Salazar, Z. J. R., & Chiri, S. P. C. (2024). Uso del ChatGPT y
aprendizaje de inglés en estudiantes universitarios. Horizontes. Revista de Investigación en
Ciencias de la Educación, 8(33), 834–842.
https://doi.org/10.33996/revistahorizontes.v8i33.766
Menacho Ángeles, M. R., Pizarro Arancibia, L. M., Osorio Menacho, J. A., & León Pizarro, B. L.
(2024). Inteligencia artificial como herramienta en el aprendizaje autónomo de los estudiantes
de educación superior. Revista InveCom, 4(2).
Mollick, E., & Mollick, L. (2023). Assigning AI: Seven approaches for students, with prompts. The
Wharton School Research Paper. https://doi.org/10.2139/ssrn.4475995
Kristiawan, D., Ferdiansyah, S., & Picard, M. (2024). Artificial intelligence in English language
learning: A systematic review. (Systematic assessment of AI applications in EFL).
International Journal of Language Education.
Lee, H.-Y., Chen, P.-H., Wang, W.-S., Huang, Y.-M., & Wu, T.-T. (2024). Empowering ChatGPT with
guidance mechanism in blended learning: Effect of self-regulated learning, higher-order
thinking skills, and knowledge construction. International Journal of Educational Technology
in Higher Education, 21(1), 16. https://doi.org/10.1186/s41239-024-00447-4
Lee, J. H., Shin, D., & Noh, W. (2023). Artificial intelligence-based content generator technology for
young English-as-a-foreign-language learners’ reading enjoyment. RELC Journal, 54(2), 508–
516. https://doi.org/10.1177/00336882231165060
Liang, W., & Liu, S. (2024). Exploring the use of ChatGPT to foster EFL learners’ critical thinking
skills from a post-humanist perspective. Thinking Skills and Creativity, 54, Article 101645.
https://doi.org/10.1016/j.tsc.2024.101645
Lin, M. P.-C., Chang, D., & Hajian, S. (2025). Enhancing English reading comprehension, learning
motivation and attitude through AI-supported pre-reading scaffolding. Journal of Computer
Assisted Learning, 41(1). https://doi.org/10.1111/jcal.70150
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, 59(4),
e12804. https://doi.org/10.1111/ejed.12804
Matos, J. A. S., Rivera, R. C. N., Salazar, Z. J. R., & Chiri, S. P. C. (2024). Uso del ChatGPT y
aprendizaje de inglés en estudiantes universitarios. Horizontes. Revista de Investigación en
Ciencias de la Educación, 8(33), 834–842.
https://doi.org/10.33996/revistahorizontes.v8i33.766
Menacho Ángeles, M. R., Pizarro Arancibia, L. M., Osorio Menacho, J. A., & León Pizarro, B. L.
(2024). Inteligencia artificial como herramienta en el aprendizaje autónomo de los estudiantes
de educación superior. Revista InveCom, 4(2).
Mollick, E., & Mollick, L. (2023). Assigning AI: Seven approaches for students, with prompts. The
Wharton School Research Paper. https://doi.org/10.2139/ssrn.4475995
pág. 4254
Negrete, B. M. E., & Mosquera, A. D. R. (2025). Estrategias didácticas basadas en inteligencia artificial
para el aprendizaje del inglés: Una revisión sistemática de la producción bibliográfica 2019–
2023. Ciencia Latina Revista Científica Multidisciplinar, 9(1), 4538–4560.
https://doi.org/10.37811/cl_rcm.v9i1.16172
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., … Moher,
D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic
reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71
Sylvia. (2025). Artificial intelligence in EFL reading instruction: A systematic literature review.
INTERACTION: Jurnal Pendidikan Bahasa, 12(1), 858–871.
https://doi.org/10.36232/interactionjournal.v12i1.3149
Thongsan, N., & Anderson, K. (2025). From passive answers to active inquiry: How AI supports critical
reading in EFL classrooms. LEARN Journal: Language Education and Acquisition Research
Network, 18(2), 795–820.
Umeanowai, K. O. (2024). Exploring the impact of artificial intelligence in EFL learning: A
bibliometric and systematic review of trends (2013–2023). (Bibliometric analysis of AI in
EFL).
Warschauer, M., Tseng, W., Yim, S., Webster, T., Jacob, S., Du, Q., & Tate, T. (2023). The affordances
and contradictions of AI-generated text for writers of English as a second or foreign language.
Journal of Second Language Writing, 62, 101071. https://doi.org/10.1016/j.jslw.2023.101071
Yılmaz, R. (2025). The impact of the use of artificial intelligence–generated materials on reading
motivation among EFL learners. Reading Research Quarterly.
https://doi.org/10.1002/rrq.70016
Negrete, B. M. E., & Mosquera, A. D. R. (2025). Estrategias didácticas basadas en inteligencia artificial
para el aprendizaje del inglés: Una revisión sistemática de la producción bibliográfica 2019–
2023. Ciencia Latina Revista Científica Multidisciplinar, 9(1), 4538–4560.
https://doi.org/10.37811/cl_rcm.v9i1.16172
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., … Moher,
D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic
reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71
Sylvia. (2025). Artificial intelligence in EFL reading instruction: A systematic literature review.
INTERACTION: Jurnal Pendidikan Bahasa, 12(1), 858–871.
https://doi.org/10.36232/interactionjournal.v12i1.3149
Thongsan, N., & Anderson, K. (2025). From passive answers to active inquiry: How AI supports critical
reading in EFL classrooms. LEARN Journal: Language Education and Acquisition Research
Network, 18(2), 795–820.
Umeanowai, K. O. (2024). Exploring the impact of artificial intelligence in EFL learning: A
bibliometric and systematic review of trends (2013–2023). (Bibliometric analysis of AI in
EFL).
Warschauer, M., Tseng, W., Yim, S., Webster, T., Jacob, S., Du, Q., & Tate, T. (2023). The affordances
and contradictions of AI-generated text for writers of English as a second or foreign language.
Journal of Second Language Writing, 62, 101071. https://doi.org/10.1016/j.jslw.2023.101071
Yılmaz, R. (2025). The impact of the use of artificial intelligence–generated materials on reading
motivation among EFL learners. Reading Research Quarterly.
https://doi.org/10.1002/rrq.70016