Cuaderno de Pedagogía Universitaria
Usos de la IA en el desarrollo de competencias
lingüísticas y literarias en futuros docentes de
Lengua y Literatura
Uses of AI in Developing Linguistic and Literary
Competencies in Future Language and Literature
Teachers
Nour Adoumieh-Coconas
a
Sandra Alvarado-Bordas
b
Luisa Acosta-Caba
b
a, b, c
Instituto Superior de Formación Docente Salomé Ureña, Santo Domingo, República
Dominicana.
Autora de correspondencia: nour.adoumieh@isfodosu.edu.do
Resumen
La educación contemporánea afronta cambios paradigmáticos en todos los niveles por
la integración de la inteligencia articial (IA). Su incorporación transforma el modo en
que el profesorado en formación lee, escribe y construye signicados. Este artículo se
propone analizar los usos de la IA en el desarrollo de competencias lingüísticas y literarias
en el estudiantado de la carrera de Lengua y Literatura de una universidad dominicana.
Metodológicamente, se trata de una investigación cualitativa de alcance descriptivo, con
diseño de estudio de casos múltiples, mediante la técnica de grupos focales estraticados
por momento formativo: primer año, medio término y de último año de la carrera. Los datos
fueron sistematizados con el software MAXQDA 2022, lo que permitió organizarlos en
categorías inductivas y estimar frecuencias. El análisis se fortaleció con procedimientos de
validación como la triangulación y la auditoría externa. Los hallazgos evidencian una clara
centralidad de los usos académicos de la lectura y la escritura frente a prácticas vinculadas
a competencias literarias. La estraticación por año evidenció un equilibrio inicial en primer
año, una concentración en lectura y escritura académica en medio término y un reequilibrio
nal con recuperación de lo literario y de lo creativo. En conjunto, la IA aparece como
mediación transversal: clarica, organiza y apoya la revisión textual, sin reemplazar la lectura
crítica, la interpretación situada ni la autoría propia, según lo declarado por el estudiantado
participante. El estudio aporta claves pedagógicas para integrar la IA en la formación del
profesorado de Lengua y Literatura y reconoce su potencial y limitaciones en la construcción
de la competencia comunicativa.
Palabras clave: inteligencia articial, lectura, escritura, literatura, formación docente.
_____________________________
ISSN (en línea): 1814-4152 / Sitio web: http://cuaderno.pucmm.edu.do
CÓMO CITAR: Adoumieh-Coconas, N., Alvarado-Bordas, S. y Acosta-Caba, L. (2026). Usos de la IA en el
desarrollo de competencias lingüísticas y literarias en futuros docentes de Lengua y Literatura. Cuaderno de
Pedagogía Universitaria, 23, e721. https://doi.org/10.29197/cpu.v23i.744
https://doi.org/10.29197/cpu.v23i.744
2
Abstract
Contemporary education faces paradigm shifts at all levels due to the integration of Articial
Intelligence (AI). Its incorporation transforms how future teachers read, write, and construct
meaning. This article aims to analyze the uses of AI in the development of linguistic and
literary competencies in Language and Literature students at a Dominican university.
Methodologically, this is a qualitative investigation of descriptive scope, under the design of a
multiple case study, through the technique of focus groups, stratied into rst-year, mid-year,
and nal-year students. The data were systematized using MAXQDA 2022 software, which
enabled for their organization into inductive categories and the presentation of frequencies.
The analysis was strengthened with validation procedures such as triangulation and external
auditing, which support reliability and interpretive rigor. The ndings reveal a clear centrality
of academic uses of reading and writing over practices linked to literary competencies.
Stratication by year revealed an initial balance in the rst year, an academic focus in the
middle term, and a nal rebalancing with a return to literary and creative writing. Overall, AI
emerges as a cross-cutting mediator: it claries, organizes, and supports textual revision,
without replacing critical reading, situated interpretation, or original authorship. The study
provides pedagogical insights for integrating AI into the training of future Language and
Literature teachers, and it acknowledges both its potential and limitations in the development
of communicative competence.
Keywords: Articial intelligence, reading, writing, literature, teacher education.
Introducción
La irrupción de la inteligencia articial (IA) en los entornos educativos ha generado un debate
amplio sobre sus posibilidades, límites y riesgos. En el ámbito de la formación docente
universitaria, en especial en la carrera de Lengua y Literatura, conviene considerar cómo
estas herramientas inciden en el desarrollo de competencias lingüísticas y literarias, por lo
general asociadas a la lectura crítica, la escritura creativa y el dominio académico, según
las percepciones del estudiantado. Lejos de constituir un mero recurso tecnológico, la IA
se convierte en una mediación transversal que recongura prácticas, habilita nuevas formas
de interacción con los textos y plantea interrogantes éticos y pedagógicos sobre la autoría,
la criticidad y la autenticidad (Díaz-Cuevas y Rodríguez-Herrera, 2024). Según Cassany
(2024), se establece un engranaje entre distintas maneras de procesar y producir discurso
escrito; así, la IA favorece prácticas híbridas de lectura y escritura, en las que se combinan la
interpretación de textos, la reescritura, la generación asistida y la revisión crítica.
La literatura reciente documenta el impacto de la IA en la enseñanza de la escritura
académica. Estas tecnologías permiten personalizar contenidos y ofrecer retroalimentación
inmediata (Montiel-Ruiz y Ruiz, 2023), así como analizar historiales académicos y proponer
aprendizajes adaptativos (Burgueño, 2024). No obstante, Pizarro-Romero y Lovón (2025)
advierten que, aunque la IA apoya la corrección gramatical, la paráfrasis y la búsqueda de
fuentes, también incrementa riesgos de plagio, pérdida de autonomía y debilitamiento del
3
pensamiento crítico. Esta ambivalencia se observa en las percepciones del estudiantado: una
parte resalta su utilidad para estructurar textos y claricar conceptos (Niño-Carrasco et al.,
2025), mientras otra expresa resistencia por temor a la sustitución de habilidades esenciales
y por las implicaciones éticas asociadas a su uso (Pizarro-Romero y Lovón, 2025).
A la vez, la literatura sobre la enseñanza de la escritura académica enfatiza la necesidad de
estrategias formativas que combinen la innovación tecnológica y la autoría reexiva. Rada et
al. (2024), en un estudio sobre el uso de IA para desarrollar la competencia escritural en una
segunda lengua, reportan percepciones de mejora en la estructura oracional, la paráfrasis,
la ampliación del repertorio léxico y la eciencia para generar temas; no obstante, también
señalan una reducción de la independencia, la creatividad y la originalidad. De forma similar,
Dergaa et al. (2023) encontraron potencial para elevar la calidad de la escritura académica y
la eciencia de la investigación, pero también revelaron que existen temores vinculados con
la credibilidad y la autenticidad.
En cuanto a la lectura académica, De Vicente-Yagüe (2024) señala que la IA puede facilitar
la comprensión de textos complejos mediante resúmenes y esquemas conceptuales,
aunque su integración debe estar mediada por criterios pedagógicos. Por otro lado, en el
ámbito literario, investigaciones recientes destacan el potencial de la IA para la escritura
creativa y la lectura crítica. Kabeer et al. (2025) y Bernal et al. (2025) subrayan su papel en
la personalización del aprendizaje, como catalizador de ideas y facilitador de la escritura
creativa y colaborativa; por su parte, Burgueño (2024) propone su uso en actividades
interactivas y evaluaciones diferenciadas. Villacreses et al. (2025) conrman que estas
herramientas permiten mejorar la coherencia narrativa y la retroalimentación inmediata, pero
insisten en que requieren acompañamiento pedagógico para no sacricar la originalidad.
En lectura literaria, Baque et al. (2024) y De Vicente-Yagüe (2024) destacan que la IA puede
enriquecer la experiencia interpretativa a través de anotaciones automáticas y análisis
semánticos, aunque su ecacia depende del desarrollo de competencias críticas que eviten
la dependencia tecnológica. Esto conduce a que su impacto, positivo o negativo, dependerá
de la manera en que se usa y los procesos cognitivos consolidados en cada individuo.
Los estudios mencionados destacan su potencial para fortalecer prácticas de lectura y
escritura, tanto en el plano académico como literario. Estos hallazgos proporcionan un marco
interpretativo para comprender cómo la IA transforma prácticas formativas especícas y, a la
vez, permiten contrastar benecios, riesgos y percepciones.
En este marco, la presente investigación se inscribe en un proyecto orientado a analizar las
experiencias del alumnado de la Licenciatura en Lengua y Literatura del Instituto Superior de
Formación Docente Salomé Ureña (ISFODOSU) sobre la integración de la IA en el proceso de
enseñanza y aprendizaje. Este artículo se propone analizar los usos de la IA en el desarrollo
de competencias lingüísticas y literarias en el estudiantado de primer año, medio término y
último año de carrera. Las preguntas guía son:
1. ¿De qué manera utiliza el estudiantado de la carrera de Lengua y Literatura del
ISFODOSU la IA para fortalecer sus competencias lingüísticas y literarias?
2. ¿Qué diferencias emergen en los usos de la IA según el año de la carrera en el que se
encuentra el profesorado en formación de Lengua y Literatura?
4
Con este propósito, se busca ofrecer una visión global a partir de datos que muestran la
evolución del uso de la IA a lo largo de la formación del futuro grupo docente. A partir de
estos hallazgos, el estudio aspira a contribuir con directrices para el diseño de un plan
modélico que oriente su integración crítica en la enseñanza de la lengua y la literatura.
A continuación, se presentan algunas nociones esenciales que constituyen la
fundamentación teórica del estudio. Después, se muestran la descripción del marco
metodológico, la presentación de los resultados, la discusión y las conclusiones.
Fundamentación teórica
El avance de la inteligencia articial en educación exige revisar el marco conceptual que
orienta su inuencia en la formación del profesorado de Lengua y Literatura. Este apartado
ofrece, en primer lugar, una aproximación a la IA desde sus usos más relevantes en el
contexto universitario. En segundo término, aborda las competencias lingüísticas —con
énfasis en la lectura y la escritura académicas— y las competencias literarias, con atención a
la crítica, el hábito lector y la escritura creativa.
En 2013, autores como Badaro et al. (2013) denieron la IA como un mecanismo análogo
a ciertas capacidades cognitivas humanas y advirtieron su proyección hacia ámbitos de las
ciencias sociales. Asimismo, conviene reconocer la correlación entre los avances de la IA y
los aportes de la lingüística generativa, computacional, cognitiva y de corpus.
Ante la disyuntiva entre preservar la cultura y los saberes del pasado o asumir nuevas
tecnologías y desafíos contemporáneos, Ocaña-Fernández et al. (2019) señalan un antes
y un después tras la irrupción de la IA en la educación superior. A partir de los aportes
de Morín (2018, como se citó en Ocaña-Fernández et al., 2019), plantean la necesidad
de equilibrar el desarrollo tecnológico con la responsabilidad universitaria, de modo que
la institución responda a los desafíos actuales sin descuidar la ética y la participación
ciudadana. En esa línea, la IA adquiere relevancia por su impacto en el mercado y su
contribución a la optimización de procesos educativos; por ello, constituye un punto de
inexión en los paradigmas tradicionales de la educación (García-Peña et al., 2020).
En la educación superior, además de los usos ya descritos, la IA se utiliza para automatizar
tareas repetitivas y de gran volumen (García-Peñalvo, 2023), detectar plagio y trabajos
generados con ella (Díaz-Arce, 2023), identicar sentimientos y actitudes (Masias et al.,
2023), apoyar en tareas de redacción académica (Juca-Maldonado, 2023), favorecer la
personalización del aprendizaje (Parra-Sánchez, 2022; Esteves et al., 2024; Flores-Vivar
y García-Peñalvo, 2023) y analizar datos de investigación (Lopezosa y Codina, 2023). En
conjunto, la literatura coincide en la necesidad de un uso responsable, racional y ético de
la IA, con acceso equitativo a sus benecios y sin detrimento del desarrollo de habilidades
lingüísticas, cognitivas y sociales.
Para comprender el uso de la IA en relación con el desarrollo de competencias lingüísticas
en el estudiantado universitario, es preciso explicar la concepción de competencia lingüística
adoptada en esta investigación. Chomsky (1965) la concibe como el conocimiento interno
de las reglas que rigen una lengua, necesario para comprender y producir enunciados.
5
Hymes (1972) amplía esta visión con la noción de competencia comunicativa, que añade la
capacidad de usar ese conocimiento de forma apropiada en contextos reales. Con base en
estas aportaciones, las competencias lingüísticas se entienden como un saber complejo que
integra aspectos formales y pragmáticos de la lengua y permite al usuario hablar, escuchar,
leer y escribir de manera adecuada en situaciones diversas. En este estudio, el foco se sitúa
en situaciones académicas donde la lectura y la escritura adquieren especial relevancia por
su papel en el aprendizaje y la gestión y producción de conocimientos con criterios éticos y
rigurosos (Bereiter y Scardamalia, 1987; Carlino, 2005; Cassany, 2024).
La otra vertiente abordada en esta investigación es el uso de la IA en el desarrollo de la
competencia literaria; esta se entiende como un conjunto integrado de conocimientos
y prácticas que posibilita al lector acercarse a los textos literarios desde una actitud
interpretativa, crítica y estética, lo que favorece su comprensión y disfrute en un marco
cultural (Colomer, 1999). En este sentido, se asumen las perspectivas de Rodari (1999)
y Todorov (1975) sobre escritura creativa; igualmente, la concepción de hábito lector de
Cassany (2006) y las nociones de interpretación/crítica literaria de Mendoza Fillola (2004) y
Colomer (1999).
Metodología
El estudio se enmarca en un enfoque cualitativo de alcance descriptivo. La investigación
forma parte de un proyecto mayor, aunque en este artículo se aborda de manera especíca
la dimensión sobre el desarrollo de las competencias mencionadas. En términos de diseño,
se adoptó un estudio de casos múltiples o colectivos, cuyo enfoque se apoya en Simons
(2009) y Ávila et al. (2022). El estudio de casos múltiples implica el análisis comparativo
de distintas unidades de observación; en esta oportunidad, grupos focales según nivel
académico y recinto. Esta lógica inductiva y descriptiva privilegia la identicación de patrones,
similitudes y diferencias entre casos.
Para la recolección de datos se realizaron grupos focales (Barbour, 2013). A n de captar
el desarrollo en el uso de la IA a lo largo de la carrera, los participantes se organizaron por
estratos: primer año, medio término y último año de carrera de la Licenciatura en Lengua
y Literatura orientada a la Educación Secundaria, en dos recintos del ISFODOSU. En cada
grupo focal se incluyeron entre siete y once estudiantes, con participación voluntaria y
representación académica equilibrada entre ambos recintos. En total, se realizaron seis
grupos focales con un total de cincuenta y cuatro participantes.
Las sesiones se desarrollaron de manera virtual en Microsoft Teams, a partir de una guía de
entrevista semiestructurada que recogía preguntas vinculadas con las cinco categorías de
la dimensión en estudio: interpretación y crítica literaria; escritura creativa; hábito lector de
textos literarios; escritura académica; y comprensión de textos académicos. Las preguntas
guía fueron:
1) ¿Consideras que la inteligencia articial te ayuda a desarrollar la interpretación y crítica
literaria? ¿Cómo lo identicas? Presenta un ejemplo.
2) ¿Consideras que la inteligencia articial te ayuda a desarrollar la escritura creativa?
¿Cómo lo identicas? Presenta un ejemplo.
6
3) ¿Consideras que la inteligencia articial te ayuda a desarrollar el hábito lector de textos
literarios? ¿Cómo lo identicas? Presenta un ejemplo.
4) ¿Consideras que la inteligencia articial te ha ayudado a mejorar tus habilidades de
escritura académica? ¿Cómo lo identicas? Presenta un ejemplo.
5) ¿Consideras que la inteligencia articial te ha ayudado a mejorar tus habilidades de
comprensión lectora de textos académicos? ¿Cómo lo identicas? Presenta un ejemplo.
Posteriormente, las grabaciones de cada sesión se transcribieron con TurboScribe. Luego,
se sometieron a un análisis temático, que combinó codicación inductiva y axial para denir
las subcategorías, realizado en MAXQDA 2022. La validez del procedimiento se sustentó en
la triangulación entre codicadores, con acuerdos sobre las decisiones de clasicación, y en
una auditoría externa orientada a revisar la consistencia del proceso.
Resultados
El análisis de la dimensión sobre el desarrollo de competencias lingüísticas y literarias permite
comprender cómo el estudiantado articula el uso de la IA al fortalecimiento de competencias
vinculadas con la lengua y la literatura. Se trata de un campo diverso que abarca desde la
interpretación crítica de textos literarios hasta la comprensión de escritos académicos, la
creación, el hábito lector y la producción escrita.
En cuanto a la distribución de los hallazgos, los datos reejan un mayor peso en las
competencias de carácter lingüístico, especícamente en lo concerniente a la lectura y
escritura académicas. La categoría de desarrollo de la escritura académica concentra un
26.30 % de las menciones, seguida muy de cerca por la comprensión lectora de textos
académicos con un 25.26 %, lo que evidencia un uso predominante de la IA en el ámbito
de la producción y análisis académico. En contraste, el desarrollo de la interpretación y
crítica literaria reúne un 18.69 %, el hábito lector de textos literarios alcanza un 15.92 % y la
escritura creativa representa un 13.84 %. Esto se puede visualizar en la Figura 1.
Figura 1
Desarrollo de competencias lingüísticas y literarias
La estraticación de los resultados por año de la carrera permite observar cómo evoluciona
el impacto de la IA en el desarrollo de competencias lingüísticas y literarias a lo largo de la
formación. A continuación, se presenta la evolución por año (Figura 2).
7
Figura 2
Desarrollo de competencias lingüísticas y literarias de los participantes (primer año, medio
término y último año)
El análisis comparativo por año evidencia un patrón claro: al inicio, el alumnado se distribuye
de manera más homogénea entre lo literario y lo lingüístico; en el medio término, predomina
esto último, en especial la escritura y la lectura académica, lo que responde a las demandas
curriculares de investigación y producción cientíca de los períodos académicos; y, en la
etapa nal, se observa un nuevo balance, donde las competencias literarias vuelven a ganar
peso en combinación con las lingüísticas.
En lo sucesivo se presentan las subcategorías que emergieron dentro de cada una de las
categorías principales: interpretación y crítica literaria, escritura creativa, hábito lector de
textos literarios (competencias literarias), escritura académica, y comprensión de textos
académicos (competencias lingüísticas).
1. Desarrollo de la interpretación y crítica literaria
El análisis de la categoría Desarrollo de la interpretación y crítica literaria pone de maniesto
que el estudiantado concibe la IA como un recurso capaz de ampliar sus horizontes
interpretativos y de acompañar los procesos de análisis literario. Sobre esta base, se
presentan las evidencias agrupadas en las siguientes subcategorías: reconocimiento de
aportes de la IA a la interpretación de textos literarios (49 %), uso de la IA para análisis
simbólico, temático o estilístico (14 %), ejemplos de experiencias con IA que fortalecen la
crítica literaria (26 %) y ejemplos de experiencias con IA que limitan la crítica literaria (11 %).
La Figura 3 muestra los porcentajes de los segmentos codicados.
Figura 3
Desarrollo de la interpretación crítica y literaria
8
A) Reconocimiento de aportes de la IA a la interpretación de textos literarios
En esta subcategoría, el estudiantado reconoce que la IA puede potenciar la comprensión e
interpretación de textos al ofrecer recursos adicionales. Un ejemplo recurrente es el apoyo
en la identicación de guras literarias como metáforas o símiles (A-1, Pos. 289), lo que
facilita un análisis formal de la obra. Además, valoran la posibilidad de nuevas perspectivas
interpretativas: “Me abre la puerta para yo poder entonces uir y hacer mi propio análisis”
(B-1, Pos. 254). Por otra parte, se reconoce su utilidad para orientar la reexión, formular
preguntas críticas y ampliar puntos de vista que quizá pasarían desapercibidos en una
primera lectura (A-3, Pos. 271; B-2, Pos. 239).
B) Uso de la IA para análisis simbólico, temático o estilístico
En este nivel, el estudiantado señala que solicitar a la IA la identicación de personajes,
escenas o tópicos contribuye a un acercamiento más ordenado a la obra (A-2, Pos. 287;
A-3, Pos. 134). Igualmente, se utiliza para realizar preguntas reexivas que guíen el análisis
temático (A-3, Pos. 133).
C) Ejemplos de experiencias con IA que fortalecen la crítica literaria
Aquí se agrupan testimonios donde la IA ha tenido un impacto positivo y fortalecedor en la
práctica crítica. Se mencionan experiencias de validación de producciones propias, como
pedirle a la IA retroalimentación sobre poemas creados por el estudiantado (A-1, Pos. 299).
En otros casos, la IA fue utilizada para resumir o explicar textos complejos, como La divina
comedia (A-2, Pos. 286), o para elaborar esquemas que ayudaran a organizar un ensayo (A-
3, Pos. 276). Además, se reconoce a la IA como un mediador que genera insumos iniciales:
resúmenes, lluvias de ideas o posibles preguntas para orientar la crítica (A-2, Pos. 295; B-1,
Pos. 256). La herramienta también se valora por su capacidad de provocar contraste entre
ideas propias y externas, lo que enriquece la criticidad al permitir comparaciones y ajustes en
el análisis (B-2, Pos. 244-245; B-3, Pos. 277).
D) Ejemplos de experiencias con IA que limitan la crítica literaria
Una crítica frecuente que hacen los participantes es la tendencia de la IA a validar
acríticamente la opinión del usuario, sin ofrecer un contrapunto que enriquezca la discusión
(B-1, Pos. 260). Varios participantes sostienen que la crítica literaria requiere la confrontación
con otros lectores o docentes, algo que la IA no puede suplir por su tendencia a coincidir sin
cuestionar. Como se expresa en más de un testimonio: “La IA siempre te va a decir que sí”
(B-1, Pos. 269); “Considero que necesitamos, de todas formas, a una persona que diera
con tu idea” (B-1, Pos. 260). También se destacan respuestas distorsionadas o incompletas
y errores interpretativos graves, como confundir personajes en un cuento o atribuir sentidos
equivocados en poemas de Pizarnik (B-1, Pos. 265) y en La otra estirpe (B-1, Pos. 270).
2. Desarrollo de la escritura creativa
Esta categoría concentra los testimonios del estudiantado sobre cómo la IA se integra o
no en sus procesos de creación literaria. Para facilitar la lectura, los hallazgos se organizan
en nueve subcategorías: generación de ideas o inspiración a partir de la IA (27 %);
9
transferencia de conocimientos a nuevos contextos (2 %); superación del bloqueo creativo
(2 %); reescritura, estilización o mejora de textos creativos con IA (12 %); percepción de
la IA como coautora o guía creativa (10 %); descubrimiento de obras literarias a través de
la IA (5 %); ejemplos de producción creativa apoyada por IA (17 %); ausencia de IA en el
desarrollo de escritura creativa (20 %) y delegación de la generación de ideas a la IA (5 %).
Esta clasicación permite apreciar tanto los usos diversicados de la IA como las resistencias
de algunos participantes frente a su inuencia en la dimensión creativa. En la Figura 4 se
muestran los porcentajes de segmentos codicados.
Figura 4
Desarrollo de la escritura creativa
A) Generación de ideas o inspiración a partir de la IA
El estudiantado reconoce que la IA funciona como un disparador de creatividad, sobre todo
en las fases iniciales del proceso escritural. Se le solicita inspiración para crear poemas,
cuentos, nombres de personajes o situaciones narrativas. Esta práctica es vista como un
recurso complementario que amplía las posibilidades expresivas y ofrece múltiples caminos a
explorar. Así se muestra en los siguientes testimonios:
• “Nosotros que somos del área de lengua y literatura, o sea, siempre estamos
inventando con un poema y otras cosas. Para eso yo la utilizo, para que me dé ideas
de cosas creativas” (A-1, Pos. 87).
• “Yo considero que sí, puesto que hay momentos en el que, como mencionaba
mi compañera O-3, uno pregunta una idea incluso y con esa idea pueden surgir
muchísimas más” (B-1, Pos. 298).
• “Si yo necesito escribir un cuento, yo le puedo dar las ideas que ya yo tengo
pensadas y él me puede como que ayudar con otras ideas que si yo la mezclo, la
junto, pueden surgir textos muy, muy buenos” (B-2, Pos. 265).
B) Transferencia de conocimientos a nuevos contextos
Algunos testimonios revelan que las ideas generadas no se quedan en un único ejercicio,
sino que pueden trasladarse a otros ámbitos, incluso no literarios:
10
Uno pregunta una idea incluso y con esa idea pueden surgir muchísimas más. Y aunque
sea de forma inconsciente, quedamos con ese recuerdo… podemos plasmar otras más
en otros contextos, incluso para algo que no tenga nada que ver con lo que pedimos.
(B-1, Pos. 298)
C) Superación del bloqueo creativo
De manera menos frecuente, el estudiantado recurre a la IA como estrategia para superar
bloqueos. En estos casos, la herramienta ofrece estructuras narrativas o sugerencias que
permiten reactivar el ujo creativo cuando este se encuentra estancado: “Lo primero es que
esta puede generar sugerencias o ideas para comenzar un proyecto, ayudar a superar un
bloqueo creativo o darte una estructura para tú trabajar en base a esa estructura” (B-1, Pos.
288).
D) Reescritura, estilización o mejora de textos creativos con IA
La IA también es percibida como una herramienta para revisar, embellecer o ajustar los
textos. El estudiantado destaca que puede ayudar a claricar expresiones, mejorar la
coherencia o sugerir estilos más adecuados al público:
• “Cuando nosotros estamos escribiendo, como somos nosotras que lo estamos
haciendo, entendemos el texto… Entonces acepto sugerencias de ChatGPT y le
pregunto qué yo puedo hacer para que mis lectores lo entiendan” (A-3, Pos. 311).
• “También puede ofrecer recomendaciones sobre el estilo y tono e incluso revisar el
texto para mejorar la coherencia y la cohesión de las ideas” (B-1, Pos. 289).
E) Percepción de la IA como coautora o guía creativa
En varios relatos, la IA es vista como un acompañante creativo, una especie de “coautora”
que amplía y matiza las ideas iniciales. No obstante, el estudiantado insiste en que esta
función es válida siempre que el usuario conserve una base previa de lo que quiere crear:
• “Yo soy partidaria de que siempre y cuando tú tengas ya una idea, una base de lo
que tú quieres que la inteligencia articial amplíe o te ayude, puede ser una excelente
herramienta” (A-3, Pos. 299).
• “Yo tampoco la he utilizado para eso, pero pienso que sí podría ayudar con la
escritura creativa. Inclusive se me ocurre un ejemplo” (B-3, Pos. 314).
F) Descubrimiento de obras literarias a través de la IA
Esta subcategoría se explica en la categoría 3 Desarrollo del hábito lector de textos literarios.
G) Producción creativa apoyada por IA
Las experiencias más concretas de integración de la IA en la escritura creativa aparecen en la
producción de cuentos, guiones teatrales y escenas narrativas. El estudiantado reporta haber
usado la IA para elaborar diálogos, ajustar personajes o explorar nales alternativos.
• “La inteligencia articial me ha ayudado a desarrollarme en escritura creativa. Por
ejemplo, tuve que crear un guion de teatro a partir de un cuento… y a partir de ahí
generó el guion para esa escena” (A-3, Pos. 307).
11
• “Yo podría preguntarle a la IA cómo ella sugiere, a partir de los datos que yo le dé, que
debería morir este personaje… ¿cuál sería más atractiva?” (B-3, Pos. 314–315).
H) Ausencia de IA en el desarrollo de escritura creativa
Un grupo minoritario de participantes rechaza explícitamente el uso de IA en la creación
literaria, pues argumenta que la escritura creativa debe preservar su carácter íntimo, emotivo y
personal. Para estos casos, la intervención de la herramienta es percibida como una amenaza
a la autenticidad:
• “Yo considero que la escritura creativa debe contener sentimientos, debe contener
cosas que salgan de nosotros y no de la inteligencia articial. Por ese lado, yo no estoy
de acuerdo” (A-1, Pos. 316).
• “De mi parte, yo no considero que la inteligencia articial me haya ayudado con mi
forma creativa porque, a simple razón, yo soy de este tipo de personas… yo soy
creativa” (A-1, Pos. 325).
I) Delegación de la generación de ideas a la IA
Finalmente, algunos testimonios advierten sobre el riesgo de depender excesivamente de la IA
para producir ideas. Aunque se reconoce su ecacia para resolver bloqueos, también se teme
que esta práctica debilite la autonomía creativa.
• “Yo considero que sí, pero tiene un arma de doble lo porque nos puede volver
dependientes… uno va a la IA y ve que la IA le puede solucionar” (B-1, Pos. 291).
• “Hoy teníamos que hacer un cartel para una feria y usualmente a mí me salen las
ideas… pero yo me sentía bloqueada. Yo dije: «Vamos a preguntarle a la IA». Y esa fue
mi primera opción” (B-1, Pos. 292–293).
3. Desarrollo del hábito lector de textos literarios
La categoría del hábito lector de textos literarios se estructuró en distintas subcategorías:
motivación para la lectura a partir de recomendaciones o resúmenes (27 %); uso de la IA como
mediadora o facilitadora del gusto por la lectura (8 %); cambios positivos en hábitos de lectura
(16 %); impacto negativo en la motivación por la lectura (5 %); ausencia de ayudas o cambios
negativos en el hábito lector (32 %) y preferencias de estrategias tradicionales (11 %). Así lo
muestra la Figura 5.
Figura 5
Desarrollo del hábito lector
12
A) Motivación para la lectura a partir de recomendaciones o resúmenes
Varios participantes señalaron que la IA les permite acceder a sugerencias de libros,
resúmenes y objetivos principales de una obra, lo cual inuye directamente en su decisión de
leer o no determinados textos. Por ejemplo, uno comentó:
Antes de leer un libro, a veces ChatGPT me da resúmenes, me da los objetivos
principales a los que se enfoca esa obra o cualquier tipo de escrito, de texto. Entonces,
dependiendo de lo que ChatGPT me dice, resulta en mí un interés o un desinterés por
leer o no leer ese texto o esa obra literaria. (A-2, Pos. 130)
En otros casos, la IA actúa como un recomendador de títulos vinculados con géneros
especícos, lo que permite planicar lecturas más anes a sus gustos (A-1, Pos. 352).
Además, un grupo reconoció utilizar la IA para plantear preguntas especícas sobre libros y
recibir sugerencias. Un participante relató:
En mi caso, la uso para recomendaciones de libros, por ejemplo, si yo quiero un cuento
que hable sobre, qué sé yo, la resiliencia, yo le digo a la IA sobre un texto que hable
sobre la resiliencia, y ella me da una lista. (B-1, Pos. 312)
Asimismo, algunos advirtieron que esta práctica requiere cautela, pues las respuestas de la
IA pueden ser imprecisas (A-2, Pos. 116). En menor medida, los participantes mencionaron
la utilidad de la IA para obtener listas de autores vinculados con determinados géneros.
Un estudiante expresó: “Yo le he pedido listas de autores que tengan como un género
especíco, y actualmente me he interesado mucho por las obras de Edgar Allan Poe” (B-1,
Pos. 316).
B) Uso de la IA como mediadora o facilitadora del gusto por la lectura
Los testimonios reejan que la IA también puede desempeñar un rol de mediación en el
gusto por la lectura, al brindar explicaciones adicionales o perspectivas complementarias. Un
estudiante explicó:
Cuando uno le pide a ChatGPT que te explique todo el documento, de una u otra forma
siempre va a buscar una bibliografía extra, pero lo que va a hacer es que va a buscar una
información extra al documento ese. (B-2, Pos. 279)
C) Cambios positivos en hábitos de lectura
Algunos participantes destacaron transformaciones concretas en sus hábitos lectores a
partir del uso de la IA. Por ejemplo, el empleo de asistentes de audiolibros permitió integrar la
lectura a la vida cotidiana:
Si estoy haciendo algunas cosas y nos dejan de tarea leer un libro, que es nuestro caso
usualmente, la inteligencia articial me ayuda con los asistentes de audiolibros, que yo le
mando el documento y lo va leyendo y lo voy escuchando. (A-1, Pos. 172)
Otros valoraron cómo los esquemas generados les facilitan comprender y luego adentrarse
de forma más efectiva en la lectura completa (A-3, Pos. 334).
13
D) Ausencia de ayudas o cambios negativos en el hábito lector
En la subcategoría con mayor presencia, numerosos miembros del estudiantado declararon
no percibir mejoras en su hábito lector mediante el uso de la IA. Expresiones como “A mí
no me desarrolla el hábito lector” (B-1, Pos. 314) o “Yo entiendo que no, porque ni siquiera
se me ocurre de alguna manera que yo vea a uno como a tener un hábito lector” (B-3, Pos.
322) ilustran esta percepción.
Finalmente, emergieron reexiones sobre la necesidad de precaución en el uso de la IA,
especialmente durante la formación académica. Un estudiante advirtió: “No nos serviría
de nada de que lo hagamos con la IA y que ya en un mañana no sepamos cómo hacer el
análisis” (A-2, Pos. 305).
E) Preferencias de estrategias tradicionales
Un grupo defendió explícitamente el valor de la lectura tradicional en formato físico como
estrategia insustituible. “Yo preero ir al libro y comprobar lo que dice y sumergirme en él” (B-
1, Pos. 318).
4. Desarrollo de la escritura académica
La categoría Desarrollo de la escritura académica se organiza en siete subcategorías: apoyo
de la IA en la estructura de textos académicos (23.68 %); revisión gramatical, estilística o de
cohesión (36.84 %); generación de ideas o esquemas de redacción (19.74 %); ejemplos de
mejoras concretas en textos (10.53 %); desvinculación de la escritura académica de la IA
(1.32 %); limitaciones vinculadas a coherencia y contexto (2.63 %); y solicitud de resúmenes
(5.26 %). Así se evidencia en la Figura 6.
Figura 6
Desarrollo de la escritura académica
A) Apoyo de la IA en la estructura de textos académicos
El estudiantado destaca el valor de la IA como guía para organizar y dar forma a ensayos,
artículos o investigaciones. Un estudiante expresó que la emplea “para que me estructure
el trabajo” (A-1, Pos. 86), mientras otro señaló que la consulta “cuando no conoce alguna
estructura de un texto, cómo debe trabajarlo” (A-2, Pos. 60).
La IA funciona como un recurso pedagógico que ofrece ejemplos de modelos textuales,
lo que facilita a los usuarios seguir convenciones académicas con mayor seguridad. Así lo
reeja un estudiante: “Me gusta mucho escribir artículos, así que cuando olvido algunas
14
partes de la estructura (qué iba primero, el marco metodológico, el marco teórico), me ayuda
muchísimo” (A-2, Pos. 137).
B) Revisión gramatical, estilística o de cohesión con IA
La subcategoría más frecuente evidencia cómo el alumnado emplea la IA como un corrector
textual avanzado, capaz de señalar errores ortográcos, ajustar conectores, proponer
sinónimos y mejorar la uidez de las ideas. Esta práctica, según lo declarado por los
participantes, no sustituye la autoría, sino que complementa el proceso al ofrecer un espejo
en el que los usuarios verican la claridad y cohesión de sus producciones. En palabras de
un participante: “Bueno, la IA sí que me ha ayudado con lo de los errores gramaticales” (B-
1, Pos. 345). Otro añade que la herramienta aporta al estilo mismo del escrito, puesto que
“corrige la coherencia y la cohesión” (B-1, Pos. 348).
C) Generación de ideas o esquemas de redacción con IA
Varios testimonios subrayan que la IA se utiliza como un estimulador cognitivo, que ayuda
a ordenar pensamientos dispersos o a generar nuevos enfoques temáticos. Este uso
favorece la planicación de trabajos académicos y ofrece al estudiantado esquemas de
redacción que sirven como punto de partida para el desarrollo personal de los escritos. Un
ejemplo lo aporta un estudiante que señala: “Yo le digo a la IA que me ayude con eso, o
sea, me plantee el tema desde distintas perspectivas y me da cosas que yo nunca había
considerado” (A-2, Pos. 278).
D) Ejemplos de mejoras concretas en textos académicos mediante IA
Más allá de la estructura y la organización, el estudiantado reconoce cambios tangibles
en la calidad de sus producciones, especialmente en aspectos como el uso correcto de
conectores, la eliminación de redundancias o la claridad de los enunciados. Un estudiante
recuerda cómo, gracias a la IA, pudo corregir errores comunes: “En el primer semestre, yo
utilizaba el conector «mas»… y lo utilizaba de mala manera. Sin embargo, con la IA, yo he
notado en cuáles ocasiones se debe utilizar” (B-1, Pos. 341-342).
E) IA desvinculada del desarrollo de la escritura académica
Aunque minoritaria, esta subcategoría muestra la postura de algunos estudiantes que
preeren preservar la escritura académica como una práctica personal, desligada de la
mediación tecnológica. La percepción es que la excesiva dependencia puede desvirtuar la
autenticidad del aprendizaje. Como lo expresa un participante: “Mantengo la misma postura
con lo de la lectura creativa. En este caso, también me gusta hacerlo de forma personal… y
no le doy esa utilidad en ese apartado” (A-1, Pos. 383).
F) Limitaciones IA – Coherencia y contexto
Algunos estudiantes reconocen que la herramienta presenta limitaciones en la interpretación
contextual y en la selección adecuada de vocabulario. Los algoritmos pueden producir
frases correctas desde el punto de vista formal, pero poco coherentes con la intención
comunicativa del autor: “Hay errores que pasa por alto, que, como yo, que soy humana y
que entiendo el contexto en el que estoy escribiendo, entonces sí puedo corregirlo” (B-2,
Pos. 291).
15
G) Pedir resumen
Otra práctica recurrente consiste en usar la IA para condensar textos extensos, identicar
ideas principales y facilitar la preparación de tareas. Si bien algunos lo asocian a una
estrategia de ahorro de tiempo, también reconocen que estos resúmenes pueden actuar
como punto de partida para profundizar en lecturas posteriores. Un estudiante comenta: “Si,
por ejemplo, a veces suelen mandar documentos muy largos o que hagamos un ensayo o
algo de un libro, y para eso sí, solo utilizo la inteligencia para que me resuma todo el libro”
(A-1, Pos. 379).
5. Desarrollo de la comprensión lectora de textos académicos
Los hallazgos en torno al Desarrollo de la comprensión lectora de textos académicos
permiten observar que la IA ocupa un lugar intermedio: si bien es altamente valorada como
apoyo para aclarar conceptos o fragmentos difíciles (34.72 %) y para traducir o simplicar
lenguaje técnico (5.56 %), el estudiantado también marca con fuerza los límites de su uso
(37.50 %), en especial en tareas que requieren juicio crítico y elaboración personal. De
forma complementaria, se reportan usos instrumentales especícos (11.11 %) y ejemplos
concretos de comprensión lograda con apoyo de la IA (4.17 %), junto con la identicación
de dicultades asociadas a errores de interpretación y limitaciones contextuales (6.94 %). La
Figura 7 evidencia lo que se explicará a continuación.
Figura 7
Desarrollo de la comprensión lectora de textos académicos
A) Claricación de conceptos o fragmentos difíciles mediante IA
El grupo indicó recurrir a la IA para resumir, traducir o reinterpretar pasajes extensos y
complejos, lo que facilita la comprensión y disminuye la carga cognitiva. Un testimonio lo
resume así: “Yo entro a ChatGPT y busco que me ponga un resumen sobre esa clase. O
me convierta ese documento en un resumen que es legible y entendible” (A-1, Pos. 119).
Otro caso muestra la utilidad en la lectura de obras complejas: “Cuando necesito aprender
rápidamente sobre un libro que resulta complejo, pues simplemente con un resumen yo
puedo tener toda una idea del panorama” (A-3, Pos. 230).
La personalización de la herramienta también es destacada: “Yo lo personalizo para pedirle
que ejemplos de estos complejos me los redacte de manera más fácil, de manera que yo lo
entienda” (A-3, Pos. 263).
16
Asimismo, la IA es valorada por ahorrar tiempo en el abordaje de textos extensos: “Como
para tener un ejemplo más claro de lo que el autor me está diciendo sin tener que leer 40
páginas, a menudo ciertos fragmentos le pido que me los interprete” (A-3, Pos. 344). Otros
participantes reconocen que este uso ha fortalecido su aprendizaje: “La IA me ha ayudado
a mejorar mis habilidades de comprensión lectora de textos académicos, porque hay textos
que son un poquito difíciles de entender y que tú necesitas algunas ideas principales” (A-3,
Pos. 349).
B) Parafraseo o simplicación de lenguaje técnico con IA
Aunque con menor frecuencia que la claricación de conceptos, varios estudiantes
reconocen que utilizan la IA para simplicar términos técnicos o frases complejas. Un ejemplo
lo expresa con claridad: “A veces no entiendo con un lenguaje más estructurado y le digo
que lo simplique” (A-2, Pos. 59). En otros casos, el uso está asociado a la reformulación de
ideas: “También la utilizo para parafrasear ideas” (A-3, Pos. 87).
Este proceso de parafraseo se percibe como un recurso de mediación lingüística,
especialmente cuando se enfrentan a textos de alta densidad terminológica. Una participante
señala: “Yo le he compartido textos que tienen ese tipo de lenguaje técnico y le he pedido
que lo clarique a un lenguaje más llano que yo pueda entender” (B-2, Pos. 230). De forma
similar, otro testimonio destaca la combinación entre ejemplos y lenguaje accesible: “He
empleado la IA para que estos textos sean explicados de una mejor forma, con ejemplos y
en un lenguaje más llano y accesible” (B-2, Pos. 232).
C) Ejemplos de comprensión lograda con apoyo de la IA
Algunos testimonios ilustran cómo la IA no solo aclara conceptos, sino que aporta a la
construcción de ejemplos o metáforas que hacen más accesible la comprensión de textos.
Una estudiante lo explicó con una analogía: “Yo considero que la inteligencia articial nos
ayuda y hace la función de un tráiler. Pero para una comprensión más efectiva, debemos
buscar otros medios” (A-1, Pos. 404).
En otros casos, se utiliza para identicar palabras clave y focalizar la lectura: “En un informe
de Morfología de 200 páginas simplemente puse una síntesis de cuáles eran las palabras
claves para buscar yo misma leer esas partes” (B-1, Pos. 363). Asimismo, un ejemplo
reciente conecta la comprensión con la preparación de presentaciones: “Tenía que hacer una
exposición sobre la simbología y alegoría en La divina comedia, y la IA me ayudó a claricar
la diferencia entre símbolo y alegoría” (B-2, Pos. 223).
D) Aspectos en los que no se utiliza la IA
Una proporción signicativa del estudiantado estableció fronteras claras sobre cuándo
no recurrir a la IA. Estas restricciones están asociadas a la escritura creativa, los ensayos
personales y la interpretación crítica, actividades que consideran deben preservar la voz y la
reexión individual. Algunos ejemplos lo ilustran: “Por eso yo no usaría la inteligencia articial.
Para hacer un informe de un trabajo quiero hacerlo a mi manera” (A-1, Pos. 438); “No la
utilizo para escritura creativa y para algunas cosas académicas que considero que necesitan
17
de mí” (A-1, Pos. 450). Igualmente, varios participantes resaltaron el riesgo de un uso
excesivo: “Cuando se trata de asignaciones creativas, como poemas o ensayos, que tienen
esa parte personal, pues ahí no la utilizo” (A-3, Pos. 428).
E) Aspectos en los que se utiliza la IA
Aunque buena parte del estudiantado señaló limitaciones, un grupo reconoció la utilidad
de la IA en la comprensión lectora de textos académicos. Estos usos se concentraron en
tareas de esquematización de ideas, vericación ortográca y gramatical y planicación de
actividades académicas. Tal como expresó un participante: “Bueno, yo utilizo la inteligencia
para esquematizar las ideas” (A-3, Pos. 402). Otro ejemplo muestra cómo la IA fue
empleada para evaluar la corrección lingüística de los textos propios: “La utilizo es como
para que pueda evaluar si la ortografía está bien, si estoy usando los signos de puntuación
correctamente” (A-3, Pos. 412). Asimismo, fue reconocida como recurso didáctico en el
contexto de la práctica docente: “Yo considero que es buena para las partes didácticas, para
dinamizar la clase” (B-3, Pos. 407).
F) Dicultades de la IA ante la comprensión
Por último, se documentaron limitaciones concretas en el uso de la IA para la comprensión
lectora. Estas se relacionan con problemas en la generación de referencias y citas, así como
con la incapacidad de ofrecer interpretaciones profundas. Un estudiante señaló: “En mi
caso, en las citas formato APA... siempre me lo da de mala forma porque el maestro siempre
me recalca que no está bien” (B-1, Pos. 373). Otros destacaron la distancia emocional y
conceptual de las respuestas: “Porque está muy limitada a no tener sentimientos, siempre
sus opiniones van a ser muy holísticas y muy alejadas de la realidad” (B-1, Pos. 378).
También se identicaron casos de dependencia excesiva que llevó al estancamiento, como
ilustra este testimonio: “Entonces me fui por la vía fácil, que fue la inteligencia articial. Y
estoy ahí. Estoy estancada” (B-1, Pos. 394).
Discusión y conclusiones
Los hallazgos de esta investigación ratican que la IA se ha posicionado como un mediador
central en la formación lingüística y literaria, con efectos diferenciados según el tipo de
competencia y el momento formativo del profesorado en formación de Lengua y Literatura.
El predominio de usos vinculados con la escritura académica y la comprensión lectora
de textos académicos conrma que el estudiantado concibe la IA principalmente como
un andamiaje instrumental, orientado a organizar ideas, claricar conceptos complejos y
optimizar la calidad de los textos. Esta perspectiva coincide con Montiel-Ruiz y Ruiz (2023)
y Burgueño (2024), quienes destacan su potencial para ofrecer retroalimentación inmediata
y personalización de los aprendizajes. Asimismo, se conecta con los aportes de Incio et
al. (2022) y García-Peñalvo (2023), quienes, en su revisión, identican un viraje hacia la
automatización de tareas rutinarias, lo que permite al estudiantado concentrarse en procesos
de mayor valor cognitivo.
18
Sin embargo, esta funcionalidad no está exenta de riesgos. En línea con lo señalado por
Pizarro-Romero y Lovón (2025), los resultados evidencian la posibilidad de una dependencia
funcional, en la medida en que algunos estudiantes delegan fases críticas de la escritura en
las herramientas, lo cual debilita su autonomía y pensamiento crítico. Este riesgo ha sido
también advertido por Díaz-Arce (2023), quien documenta el plagio académico mediado
por IA como un problema en bachillerato, y por García-Peñalvo (2023), quien advierte
que la irrupción de ChatGPT ha generado tanto expectativas como pánico, lo que exige
respuestas institucionales basadas en políticas claras más que en prohibiciones. De forma
complementaria, Flores-Vivar y García-Peñalvo (2023) sostienen que la incorporación de la
IA en la educación requiere marcos éticos y pedagógicos sólidos, dado que los riesgos de
plagio, supercialidad y pérdida de autonomía solo pueden enfrentarse con estrategias de
uso responsable. Desde esta vertiente, también es preciso señalar que los riesgos de no
interactuar directamente con las fuentes podrían generar limitaciones de distintas magnitudes
(Anson, 2024). De igual modo, se destaca la dependencia de la IA para simplicar los textos,
a partir de resúmenes, paráfrasis y simplicación del estilo.
Un aspecto clave de este estudio es la progresión observada en los distintos momentos de
la carrera: el equilibrio inicial entre lo literario y lo académico, el predominio intermedio de lo
académico y la posterior revalorización de lo literario y creativo en la etapa nal. Este patrón
reeja que la IA acompaña la transición hacia un perl investigador, pero no sustituye la
dimensión estética y crítica de la lengua. Tal hallazgo dialoga con Ávila et al. (2022), quienes
sostienen que la escritura debe abordarse de forma transversal en el currículo de formación
docente; no como un conjunto de tareas aisladas, sino como práctica situada que articula
reexión, creación y producción académica. En este sentido, la IA no puede reducirse a
un mero recurso de asistencia técnica: debe concebirse como parte de una ecología de
aprendizajes que acompañe al estudiantado en el desarrollo de competencias complejas a lo
largo de su trayectoria formativa.
En el ámbito de la escritura creativa y el hábito lector, los hallazgos evidencian contraste
entre sí. Por un lado, el alumnado reconoce que la IA permite desbloquear ideas, explorar
nuevas narrativas y acercarse a lecturas complejas mediante resúmenes o explicaciones.
Estas acciones son consistentes con la concepción de competencia literaria que se asume
en esta investigación, entendida como la capacidad de acercarse a los textos literarios para
comprenderlos, producirlos y disfrutarlos desde una perspectiva crítica y cultural (Colomer,
1999; Rodari, 1999; Todorov, 1975; Cassany, 2006; Mendoza Fillola, 2004).
Por otro lado, señalan que estas prácticas pueden derivar en una homogeneización de
los textos y en la pérdida de la experiencia estética personal. Lo anterior coincide con De
Vicente-Yagüe (2024), quien enfatiza que la IA puede mediar en la comprensión lectora, pero
no sustituye la reexión crítica y el descubrimiento personal que caracterizan a la lectura
académica y literaria profunda. También conecta con Ocaña-Fernández et al. (2019), quienes
ya advertían que las tecnologías inteligentes, aunque promueven nuevas formas de aprender,
implican el riesgo de dependencia tecnológica si no se enmarcan en procesos pedagógicos
integrales.
19
Asimismo, el aporte de Cassany (2024) es decisivo para interpretar estas tensiones.
Su noción de “escritura híbrida” ilumina la manera en que estudiantado y profesorado
resignican la autoría en la era de la IA. Los testimonios recabados en este estudio muestran
que el grupo estudiantil es consciente de la utilidad de la IA para elaborar borradores,
esquemas o reformulaciones, pero también reconoce que la criticidad y la profundidad
interpretativa se construyen en el aula y en la interacción humana, lo cual reivindica el papel
de las prácticas comunicativas del nivel superior en la transformación del conocimiento y
la gestión rigurosa de conceptos y teorías (Bereiter y Scardamalia, 1987; Carlino, 2005;
Cassany, 2024).
Lo anterior sugiere que las preocupaciones sobre plagio o pérdida de creatividad no deben
abordarse únicamente con medidas punitivas, sino con protocolos pedagógicos como los
que propone Cassany (2024): transparencia (reconocer el uso de prompts), vericación
(contrastar con fuentes), justicación (explicar los benecios del uso) y profundización
(añadir reexión propia). Estos principios ofrecen un marco viable para legitimar la IA como
herramienta didáctica y, al mismo tiempo, resguardar los valores éticos de la práctica
académica.
Este estudio revela que la IA es altamente valorada como recurso que facilita, organiza y
acompaña, pero que no reemplaza las competencias humanas de interpretación, creación
y criticidad, las cuales constituyen el núcleo de la formación en Lengua y Literatura. Como
apuntan Ayuso y Gutiérrez (2022), la formación inicial del profesorado exige que la IA se
integre no solo como recurso técnico, sino como objeto de reexión pedagógica y ética.
La presente investigación permite reconocer aportes y tensiones que impactan directamente
en la formación docente universitaria. En términos pedagógicos, los hallazgos evidencian
que la IA constituye un mediador signicativo para fortalecer la escritura académica y la
comprensión lectora, a la vez que ofrece posibilidades de innovación en la escritura creativa,
la interpretación literaria y el hábito lector. Estas potencialidades, sin embargo, solo alcanzan
su verdadero valor formativo cuando se enmarcan en propuestas didácticas explícitas que
promuevan la autorregulación, la reexión crítica y la ética en el uso de las tecnologías.
En línea con Popenici (2023), el futuro de la educación superior dependerá de nuestra
capacidad para diseñar escenarios donde la IA se convierta en un socio cognitivo que amplía
posibilidades, sin sustituir la autonomía intelectual ni la ética académica, que sustentan
una educación de calidad. En este sentido, esta investigación rearma la necesidad de
diseñar estrategias curriculares que integren de manera transversal el trabajo con la IA en la
enseñanza de la lengua y la literatura, de modo que se convierta en una herramienta para la
estimulación de procesos cognitivos y no en un sustituto de las competencias humanas.
Al mismo tiempo, es importante precisar el alcance de este artículo. El mismo forma parte
de un proyecto mayor que analizó múltiples dimensiones sobre la integración de la IA en el
proceso de enseñanza y aprendizaje; sin embargo, aquí se presenta únicamente el análisis
Desarrollo de la competencia lingüística y literaria. Esto implica que las conclusiones no
agotan la complejidad del estudio, sino que se concentran en un aspecto especíco. Los
datos permiten profundizar en este ámbito, pero deben ser comprendidos como parte de un
corpus más amplio que incluye otros elementos igualmente relevantes.
20
Para cerrar, los resultados conrman que la integración de la IA en la formación universitaria
plantea un reto ético y pedagógico ineludible: aprovechar sus benecios sin sacricar la
autonomía, la creatividad ni la criticidad que denen la práctica académica. Como señala
Cassany (2024), la escritura híbrida nos obliga a replantear la originalidad y la autoría en
la universidad contemporánea. La clave está en fomentar protocolos de transparencia,
vericación y profundización que legitimen el uso de la IA, al tiempo que refuercen la
responsabilidad intelectual del estudiantado. Bajo estas condiciones, estas tecnologías
podrían repercutir positivamente y enriquecer la formación docente (por ejemplo, integrar
la IA en talleres de escritura crítica, diseñar rúbricas que valoren la reexión personal frente
al texto generado por la máquina o promover la lectura comparativa entre producciones
humanas y asistidas por IA), así como consolidar un enfoque educativo inclusivo, crítico y
creativo, en sintonía con las demandas actuales de la educación superior.
Recibido: 3/11/2025 | Revisado: 27/11/2025 | Aprobado: 15/12/2025 | Publicado:
12/2/2026
Contribuciones de autoría:
Nour Adoumieh-Coconas: Conceptualización, curación de datos, análisis formal, adquisición
de fondos, metodología, administración del proyecto, supervisión, validación, visualización,
redacción – borrador original.
Sandra Alvarado-Bordas: Conceptualización, adquisición de fondos, visualización, redacción
– revisión y edición.
Luisa Acosta-Caba: Conceptualización, adquisición de fondos, visualización, redacción –
revisión y edición.
Todas las autoras han leído y aceptado la versión publicada del manuscrito.
Financiamiento: este trabajo forma parte del proyecto Perspectivas de Estudiantes de
Lengua y Literatura del ISFODOSU sobre la Integración de la Inteligencia Articial y Modelos
de Aplicación en el Proceso de Enseñanza-Aprendizaje, código (PI-8-2024-007), el cual ha
sido nanciado por el Instituto Superior de Formación Docente Salomé Ureña a través de la
convocatoria interna de proyectos de investigación 2024. Grupo de Investigación: Sociedad,
Discurso y Educación.
Conicto de interés: las autoras declaran no tener conicto de interés.
Certicación ética: CEIE-0010126
Dataset: https://data.mendeley.com/datasets/t2n494mbkm/1
Agradecimiento: expresamos nuestro agradecimiento a los estudiantes que participaron
en los grupos focales y a los semilleristas del Grupo de Investigación Sociedad, Discurso
y Educación: Audi Chacón, Davison Sena, Nehiel Lorenzo y Denjir Arriechi por su valiosa
disponibilidad y compromiso en el desarrollo de este proyecto.
21
Referencias bibliográcas
Anson, D. (2024). The impact of large language models on university students’ literacy development:
A dialogue with Lea and Street’s academic literacies framework. Higher Education Research &
Development, 43(7), 1465–1478. https://doi.org/10.1080/07294360.2024.2332259
Ávila, N., Figueroa, J., Navarro, F., Calle-Arango, L., Cortés, A. M. y Morales, S. (2022). ¿Formamos
docentes que escriben? Oportunidades para escribir a través del currículum en pedagogía en
educación básica. Calidad en la educación, 56, 212–254. https://doi.org/10.31619/caledu.
n56.1182
Ayuso, D. y Gutiérrez, P. (2022). La inteligencia articial como recurso educativo durante la formación
inicial del profesorado. RIED: Revista Iberoamericana de Educación a Distancia, 25(2), 347–362.
https://doi.org/10.5944/ried.25.2.32332
Badaro, S., Ibañez, L. y Agüero, M. (2013). Sistemas expertos: Fundamentos, metodologías y
aplicaciones. Ciencia y Tecnología, 1(13). https://doi.org/10.18682/cyt.v1i13.122
Baque, V., Zabala, M., Mendoza, V., Recalde, E., Nevares, M., Castillo, N. y Barreto, W. (2024).
Percepciones y experiencias de docentes universitarios sobre la inteligencia articial:
Transformación, ética y desafíos en el uso académico por estudiantes. Latam: Revista
Latinoamericana de Ciencias Sociales y Humanidades, 5(6), 1–22. https://dialnet.unirioja.es/
servlet/articulo?codigo=10082253
Barbour, R. (2013). Los grupos de discusión en investigación cualitativa. Ediciones Morata.
Bereiter, C., & Scardamalia, M. (1987). The psychology of written composition. Lawrence Erlbaum
Associates.
Bernal, A., Coronel, E., Aldas, K., Carvajal, C., Valarezo, B., Vera, J., & Chávez, J. (2025). The impact
of Articial Intelligence on personalized learning in English Language Education. Ciencia Latina:
Revista Multidisciplinar, 9(1), 5500–5518. https://ciencialatina.org/index.php/cienciala/article/
view/16234
Burgueño, J. (2024). Inteligencia articial en la formación de maestros. Padres y Maestros / Journal of
Parents and Teachers, (398), 6–11. https://doi.org/10.14422/pym.i398.y2024.001
Carlino, P. (2005). Escribir, leer y aprender en la universidad: Una introducción a la alfabetización
académica. Fondo de Cultura Económica.
Cassany, D. (2006). Tras las líneas: Sobre la lectura contemporánea. Anagrama.
Cassany, D. (2024). Enseñar a leer y escribir con inteligencias articiales generativas: Reexiones,
oportunidades y retos. Enunciación, 29(1), 1–21. https://doi.org/10.14483/22486798.22891
Chomsky, N. (1965). Aspects of the theory of syntax. MIT Press.
Colomer, T. (1999). Introducción a la literatura infantil y juvenil. Síntesis.
Dergaa, I., Chamari, K., Zmijewski, P., & Ben, H. (2023). From human writing to articial intelligence
generated text: Examining the prospects and potential threats of ChatGPT in academic writing.
Biology of sport, 40(2), 615–622. https://doi.org/10.5114/biolsport.2023.125623
De Vicente-Yagüe, M. (2024, 12 de marzo). Comprensión lectora, pensamiento creativo e inteligencia
articial. El Diario de la Educación. https://eldiariodelaeducacion.com/2024/03/12/comprension-
lectora-pensamiento-creativo-e-inteligencia-articial/
22
Díaz-Arce, D. (2023). Plagio a la Inteligencia Articial en estudiantes de bachillerato: Un problema real.
Revista Innova Educación, 5(2), 164–179. https://doi.org/10.35622/j.rie.2023.02.007
Díaz-Cuevas, A. y Rodríguez-Herrera, J. (2024). Usos de la Inteligencia Articial en la escritura
académica: Experiencias de estudiantes universitarios en 2023. Cuaderno de Pedagogía
Universitaria, 21(42), 25–44. https://doi.org/10.29197/cpu.v21i42.595
Esteves, Z., Cevallos, M., Herrera, M. y Muñoz, J. (2024). Cómo impacta la inteligencia articial en la
educación. RECIAMUC, 8(1), 62–70. doi.org/10.26820/reciamuc/8.(1).ene.2024.62-70
Flores-Vivar, J.-M. y García-Peñalvo, F.-J. (2023). Reexiones sobre la ética, potencialidades y retos
de la inteligencia articial en el marco de la educación de calidad (ODS4). Comunicar: Revista
Cientíca de Comunicación y Educación, 31(74), 37–47. https://doi.org/10.3916/C74-2023-03
García-Peña, V., Mora-Marcillo, A. y Ávila-Ramírez, J. (2020). La inteligencia articial en la educación.
Dominio de las Ciencias, 6(3), 648–666. https://doi.org/10.23857/dc.v6i3.1421
García-Peñalvo, F. (2023). La percepción de la inteligencia articial en contextos educativos tras el
lanzamiento de ChatGPT: Disrupción o pánico. Education in the Knowledge Society (EKS), 24,
e31279. https://doi.org/10.14201/eks.31279
Hymes, D. (1972). On communicative competence. En J. Pride, & J. Holmes. (Eds.), Sociolinguistics:
Selected readings (pp. 269–293). Penguin.
Incio, F., Capuñay, D., Estela, R., Valles, M., Vergara, S. y Elera, D. (2022). Inteligencia articial
en educación: Una revisión de la literatura en revistas cientícas internacionales. Apuntes
Universitarios, 12(1), 141–163. https://doi.org/10.17162/au.v12i1.974
Juca-Maldonado, F. (2023). El impacto de la inteligencia articial en los trabajos académicos y de
investigación. Revista Metropolitana de Ciencias Aplicadas, 6(S1), Article S1.
Kabeer, A., Bhat, R., Antony, S., & Tramboo, I. (2025). Enhancing creative writing skills in secondary
school students through prompt engineering and articial intelligence. Forum for Linguistic Studies,
7(3), 800–815. https://doi.org/10.30564/s.v7i3.8511
Lopezosa, C. y Codina, L. (2023). ChatGPT y software CAQDAS para el análisis cualitativo de
entrevistas: Pasos para combinar la inteligencia articial de OpenAI con ATLAS.ti, Nvivo y
MAXQDA. DigiDoc Research Group.
Masias, E., Segovia, J., Casique, A. y Díaz, M. (2023). Análisis de sentimientos con inteligencia articial
para mejorar el proceso enseñanza-aprendizaje en el aula virtual. PUBLICACIONES, 53(2), 185–
216. https://doi.org/10.30827/publicaciones.v53i2.26825
Mendoza Fillola, A. (2004). Didáctica de la lengua y la literatura para educar en el siglo XXI. Editorial La
Muralla.
Montiel-Ruiz, F. y Ruiz, M. (2023). Inteligencia articial como recurso docente en un colegio rural
agrupado. RiiTE: Revista Interuniversitaria de Investigación en Tecnología Educativa, (14), 28–40.
https://doi.org/10.6018/riite.592031
Niño-Carrasco, S., Castellanos-Ramírez, J., Perezchica, J. y Sepúlveda, J. (2025). Percepciones de
estudiantes universitarios sobre los usos de inteligencia articial en educación. Revista Fuentes,
27(1), 94–106. https://revistascienticas.us.es/index.php/fuentes/article/view/26356/24034
Ocaña-Fernández, Y., Valenzuela-Fernández, L. y Garro-Aburto, L. (2019). Inteligencia articial y sus
implicaciones en la educación superior. Propósitos y Representaciones, 7(2), 536–568. https://doi.
org/10.20511/pyr2019.v7n2.274
23
Parra-Sánchez, J. (2022). Potencialidades de la inteligencia articial en educación superior: Un
enfoque desde la personalización. Revista Docentes 2.0, 14(1), 19–27. https://doi.org/10.37843/
rted.v14i1.296
Pizarro-Romero, J. y Lovón, M. (2025). El uso de la IA en cursos de redacción e investigación
universitaria en el aula: Una experiencia de caso. Desde el Sur, 17(1), 1–17. http://dx.doi.
org/10.21142/des-1701-2025-0015
Popenici, S. (2023). Articial intelligence and learning futures: Critical narratives of technology and
imagination in higher education. Routledge. https://doi.org/10.4324/9781003266563
Rada, T., Suwandi, S., & Ananda, R. (2024). EFL students’ perception in Indonesia and Taiwan on
using articial intelligence to enhance writing skills. Jurnal Ilmiah Peuradeun, 12(3), 987–1016.
https://doi.org/10.26811/peuradeun.v12i3.1520
Rodari, G. (1999). Gramática de la fantasía: Introducción al arte de inventar historias. Editorial Booket.
Simons, H. (2009). El estudio de caso: Teoría y práctica. Morata. http://archive.org/details/el-estudio-
de-caso-teoria-y-practica
Todorov, T. (1975). The fantastic: A structural approach to a literary genre (R. Howard, Trad.). Cornell
University Press.
Villacreses, E., Moreira, N., Calderón, J., Torres, V., Iza, M., Tandazo, F. y Bernal, A. (2025). Inteligencia
articial: Transformando la escritura académica y creativa en la era del aprendizaje signicativo.
Revista Cientíca de Salud y Desarrollo Humano, 6(1), 1427–1451. https://revistavitalia.org/index.
php/vitalia/article/view/533/1126