ISSN 2953-6367  
http://revistainvestigo.com  
Julio - diciembre 2026  
Vol. 7 No. 20, PP. 121-135  
https://doi.org/10.56519/avngvn21  
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA  
FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR: UNA REVISIÓN  
NARRATIVA  
ARTIFICIAL INTELLIGENCE IN ENGLISH FOR SPECIFIC PURPOSES  
TEACHING IN HIGHER EDUCATION: A NARRATIVE REVIEW  
Jorge Luis Encarnacion Lalangui1  
{jorgel.encarnacion@espoch.edu.ec1}  
Fecha de recepción: 10/05/2026  
/ Fecha de aceptación: 16/06/2026  
/ Fecha de publicación:08/07/2026  
RESUMEN: La enseñanza del inglés para fines específicos (ESP) en educación superior exige  
el dominio de vocabulario técnico, géneros discursivos especializados y competencias  
comunicativas propias de cada disciplina, lo que plantea desafíos pedagógicos que los enfoques  
tradicionales no siempre logran resolver. La irrupción de herramientas de inteligencia artificial  
(IA) chatbots conversacionales, traductores automáticos, sistemas de retroalimentación  
automatizada ha abierto nuevas posibilidades para personalizar la instrucción y atender estas  
necesidades específicas, pero la evidencia sobre su eficacia en ESP permanece dispersa y sin  
una síntesis integradora. El objetivo de esta revisión narrativa fue analizar la evidencia  
disponible sobre el uso de herramientas de IA en la enseñanza del ESP en educación superior,  
con especial atención al período 2019-2025. La metodología consistió en una búsqueda  
sistemática en las bases de datos Scopus, Web of Science, ERIC y Google Scholar, utilizando  
descriptores relacionados con IA, ESP y enseñanza del inglés en contextos universitarios. Se  
seleccionaron 42 estudios que cumplieron los criterios de inclusión: artículos empíricos o de  
revisión, publicados en revistas indexadas, en inglés o español, centrados en el uso de IA para  
la enseñanza o aprendizaje del inglés técnico o profesional en educación superior. Los  
resultados se organizaron en cuatro ejes temáticos: herramientas de IA utilizadas, habilidades  
lingüísticas abordadas, percepciones de estudiantes y docentes, y desafíos éticos y  
pedagógicos. Los hallazgos indican que las herramientas más investigadas son los chatbots  
conversacionales y los traductores automáticos, que la escritura es la habilidad más  
beneficiada, y que las percepciones estudiantiles son mayoritariamente positivas, aunque con  
reservas sobre precisión terminológica y plagio. Se concluye que la integración de IA en ESP es  
un campo en crecimiento con evidencia favorable pero fragmentada, que requiere más estudios  
en contextos latinoamericanos y con poblaciones lingüísticamente diversas.  
1Docente Investigador, Escuela Superior Politécnica de Chimborazo (ESPOCH), Ecuador, ORCID: http://orcid.org/0009-0007-  
2420-9334  
121  
Revista Científica Multidisciplinaria InvestiGo  
Riobamba – Ecuador  
Cel: +593 97 911 9620  
revisinvestigo@gmail.com  
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
Palabras clave: Inteligencia artificial, inglés para fines específicos, educación superior, revisión  
narrativa, tecnología educativa  
ABSTRACT: English for Specific Purposes (ESP) instruction in higher education requires  
mastery of technical vocabulary, specialized discourse genres, and discipline-specific  
communicative competences, posing pedagogical challenges that traditional approaches do not  
always address effectively. The emergence of artificial intelligence (AI) tools conversational  
chatbots, machine translators, automated feedback systems has opened new possibilities for  
personalizing instruction and meeting these specific needs, yet the evidence on their  
effectiveness in ESP remains scattered and lacks an integrative synthesis. The objective of this  
narrative review was to analyze the available evidence on the use of AI tools in teaching ESP in  
higher education, with particular focus on the period 2019-2025. The methodology involved a  
systematic search of Scopus, Web of Science, ERIC, and Google Scholar databases using  
descriptors related to AI, ESP, and English teaching in university contexts. A total of 42 studies  
meeting inclusion criteria were selected: empirical or review articles published in indexed  
journals, in English or Spanish, focused on the use of AI for teaching or learning technical or  
professional English in higher education. Results were organized around four thematic axes: AI  
tools used, language skills addressed, student and teacher perceptions, and ethical and  
pedagogical challenges. Findings indicate that conversational chatbots and machine translators  
are the most researched tools, writing is the most positively impacted skill, and student  
perceptions are mostly positive though with concerns about terminological accuracy and  
plagiarism. It is concluded that AI integration in ESP is a growing field with favorable but  
fragmented evidence, requiring more studies in Latin American contexts and with linguistically  
diverse populations.  
Keywords: Artificial intelligence, English for specific purposes, higher education, narrative  
review, educational technology  
INTRODUCCIÓN  
La integración de la inteligencia artificial (IA) en la educación superior ha experimentado una  
aceleración sin precedentes desde la aparición de modelos de lenguaje de gran escala como  
ChatGPT en 2022 Kasneci E, Seßler K, Küchemann S, Bannert M, Dementieva D, Fischer F, et al.  
ChatGPT for good? On opportunities and challenges of large language models for education.  
Learning  
and  
Individual  
Differences.  
2023;103:102274.  
https://doi.org/10.1016/j.lindif.2023.102274. En la enseñanza de lenguas extranjeras, esta  
irrupción ha generado tanto entusiasmo como preocupación: las herramientas de IA ofrecen  
retroalimentación inmediata, personalización del aprendizaje y acceso a recursos lingüísticos en  
tiempo real Chen L, Chen P, Lin Z. Artificial Intelligence in Education: A Review. IEEE Access.  
2020;8:75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510; pero también plantean  
interrogantes sobre la calidad de los contenidos generados, la dependencia tecnológica y los  
límites entre el uso legítimo y el plagio académico Cotton DRE, Cotton PA, Shipway JR. Chatting  
and Cheating: Ensuring Academic Integrity in the Era of ChatGPT. Innovations in Education and  
Teaching International. 2024;61(2):228-239. https://doi.org/10.1080/14703297.2023.2190148.  
122  
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
La revisión sistemática que hicieron Crompton y Burke Crompton H, Burke D. Artificial intelligence  
in higher education: the state of the field. International Journal of Educational Technology in  
Higher Education. 2023;20(22):1-22. https://doi.org/10.1186/s41239-023-00392-8 encontró un  
crecimiento enorme en las publicaciones sobre inteligencia artificial en educación superior entre  
2019 y 2023, con un aumento del 300% solo en el último año que analizaron.  
El inglés con fines específicos (ESP, por sus siglas en inglés) es un área particular dentro de la  
enseñanza de este idioma que se diferencia por estar orientada a las necesidades de  
comunicación propias de campos concretos como la ingeniería, la medicina, el derecho, los  
negocios, entre otros Hyland K. English for Academic Purposes: An Advanced Resource Book.  
London: Routledge; 2006.. A diferencia del inglés general, el ESP exige el dominio de terminología  
especializada, géneros textuales propios de cada profesión y competencias comunicativas  
situadas en contextos laborales reales Basturkmen H. Developing Courses in English for Specific  
Purposes. 2nd ed. London: Palgrave Macmillan; 2021.. Basturkmen Basturkmen H. Developing  
Courses in English for Specific Purposes. 2nd ed. London: Palgrave Macmillan; 2021. ha  
argumentado que el diseño de cursos de ESP debe partir de un análisis detallado de las  
necesidades comunicativas del campo profesional, lo cual significa que las herramientas  
tecnológicas utilizadas deben evaluarse en función de su capacidad para responder a esas  
necesidades específicas, no a las del aprendizaje de inglés general. Esta especificidad plantea  
desafíos adicionales para la IA: los modelos de lenguaje generalistas pueden generar textos  
fluidos, pero con errores terminológicos que un hablante no especializado no detectaría, lo que  
resulta particularmente problemático en campos donde la precisión léxica tiene consecuencias  
prácticas, un informe de impacto ambiental, un protocolo médico o una ficha técnica de nutrición  
animal, por ejemplo Flowerdew J, Peacock M. Research Perspectives on English for Academic  
Purposes. Cambridge: Cambridge University Press; 2001.. Ningsih, Lenon y Rahman Ningsih N,  
Lenon SS, Rahman P. Embracing the Wave: The Disruption of Conversational AI toward ESP  
Teaching  
Transformation.  
ETERNAL  
Journal.  
2023;9(2):260-286.  
https://doi.org/10.24252/eternal.v92.2023.a6 señalaron que la IA generativa está transformando  
el ESP de maneras que la literatura aún no ha mapeado suficientemente, y que la investigación  
necesita ir más allá de la evaluación de habilidades generales para abordar las competencias  
comunicativas específicas de cada disciplina.  
En América Latina, la enseñanza del inglés en carreras técnicas enfrenta desafíos estructurales  
bien documentados: escasa exposición al idioma fuera del aula, materiales didácticos genéricos  
que no se ajustan a las necesidades disciplinares, heterogeneidad de niveles dentro del mismo  
grupo y, en muchos casos, docentes de inglés sin formación específica en la disciplina de los  
estudiantes González C, Quiroz B. English language teaching in Latin American higher education:  
Challenges and opportunities. Profile: Issues in Teachers' Professional Development.  
2019;21(2):147-161. https://doi.org/10.15446/profile.v21n2.74385. A estos factores se suma, en  
contextos como la Amazonía ecuatoriana, la diversidad lingüística: estudiantes para quienes el  
español ya es segunda lengua y el inglés vendría a ser la tercera Ministerio de Educación del  
Ecuador. Currículo de los Niveles de Educación Obligatoria: Lengua Extranjera – Inglés. Quito:  
Ministerio de Educación; 2019.. La pregunta de si las herramientas de IA pueden contribuir a  
paliar estas carencias o si, por el contrario, introducen nuevas formas de inequidad es oportuna.  
123  
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
Diversas revisiones han abordado la inteligencia artificial en la enseñanza del inglés como lengua  
extranjera (EFL) en general (3, 4), pero las revisiones específicas sobre IA en ESP son escasas.  
Zawacki-Richter et al. (15) realizaron una revisión amplia sobre IA en educación superior sin  
diferenciar entre inglés general y ESP. Pérez-Paredes y Zhang (16) revisaron el aprendizaje de  
lenguas mediado por inteligencia artificial, pero con un enfoque en habilidades receptivas, sin  
profundizar en las necesidades específicas de las carreras técnicas. La revisión de Alharbi (17)  
sobre inteligencia artificial en educación lingüística se centró en el contexto saudí. No se ha  
identificado una revisión que sintetice la evidencia sobre IA aplicada específicamente al ESP en  
educación superior, lo que constituye el vacío que este trabajo busca cubrir. Este vacío es  
particularmente relevante para contextos rurales y multilingües como la Amazonía ecuatoriana  
(20), donde las universidades atienden a estudiantes provenientes de comunidades indígenas;  
shuar, achuar, waorani, cuya lengua materna no es el español sino una lengua ancestral, y para  
quienes el inglés constituye una tercera o cuarta lengua. En estos contextos, la IA podría funcionar  
como una herramienta de mediación que compense la ausencia de docentes especializados en  
ESP y la limitada exposición al inglés técnico fuera del aula: los chatbots conversacionales podrían  
ofrecer práctica oral personalizada sin la presión del juicio de pares, los traductores automáticos  
podrían servir como puente terminológico entre la lengua materna y el inglés disciplinar, y los  
sistemas de retroalimentación automatizada podrían corregir textos técnicos en tiempo real sin  
depender de la disponibilidad del docente. Sin embargo, estas mismas herramientas podrían  
ampliar la brecha si su implementación no considera las particularidades sociolingüísticas locales:  
algoritmos entrenados con corpus anglosajones podrían no reconocer las interferencias del shuar  
chicham o del español de la región amazónica, y la dependencia excesiva de traductores  
automáticos podría inhibir el desarrollo de competencia autónoma en el inglés técnico. Esta  
tensión entre potencial compensatorio y riesgo de ampliación de desigualdades (20, 32) justifica  
la necesidad de una síntesis que evalúe críticamente la evidencia disponible.  
El propósito de esta revisión narrativa es el analizar y agrupar la producción científica que está  
disponible acerca del uso de herramientas de inteligencia artificial en la enseñanza del inglés con  
fines específicos en el nivel de educación superior, poniendo mucha atención sobre todo al  
periodo que va de 2019 a 2025. Los objetivos concretos son: (a) identificar cuáles son las  
herramientas de IA más estudiadas en contextos de ESP; (b) determinar sobre qué habilidades  
lingüísticas se ha escrito más en la literatura; (c) sintetizar las opiniones y percepciones que han  
reportado tanto estudiantes como los docentes en los estudios; y (d) señalar los desafíos éticos y  
pedagógicos que ha ido dejando ver la evidencia disponible.  
MATERIALES Y MÉTODOS  
Se adoptó un diseño de revisión narrativa con enfoque sistematizado Grant MJ, Booth A. A  
typology of reviews: an analysis of 14 review types and associated methodologies. Health  
Information  
&
Libraries  
Journal.  
2009;26(2):91-108.  
https://doi.org/10.1111/j.1471-  
1842.2009.00848.x. Esta modalidad combina la flexibilidad interpretativa de la revisión narrativa  
con la transparencia procedimental de la búsqueda sistemática, y es apropiada cuando el campo  
es emergente y los estudios disponibles son demasiado heterogéneos para un meta-análisis o una  
revisión sistemática con protocolo estricto Ferrari R. Writing narrative style literature reviews.  
124  
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
Medical Writing. 2015;24(4):230-235. https://doi.org/10.1179/2047480615Z.000000000329. El  
estudio no se registró en PROSPERO. No obstante, en lo que respecta el proceso de selección se  
reporta con la debida transparencia siguiendo las diferentes recomendaciones de Ferrari Ferrari  
R. Writing narrative style literature reviews. Medical Writing. 2015;24(4):230-235.  
https://doi.org/10.1179/2047480615Z.000000000329 y los principios PRISMA Pérez-Paredes P,  
Zhang D. Understanding AI-mediated language learning: A systematic review. Computer Assisted  
Language Learning. 2022;37(3):415-442. https://doi.org/10.1080/09588221.2022.2056612:  
pregunta de investigación definida, estrategia de búsqueda explícita, criterios de inclusión y  
exclusión documentados, y además síntesis temática.  
Esta búsqueda se terminó realizando en tres bases de datos indexadas que son; Scopus, Web of  
Science y ERIC y además se complementó con Google Scholar exclusivamente como una fuente  
secundaria para lo que es literatura gris y además de publicaciones de acceso abierto no  
indexadas en las tres bases principales. Además, las diferentes consultas se hicieron entre el 15  
de enero y el 10 de marzo de 2025. Para esto se utilizaron diferentes combinaciones de los  
siguientes descriptores en inglés y español: ("artificial intelligence" OR "AI" OR "ChatGPT" OR  
"machine translation" OR "natural language processing") AND ("English for specific purposes" OR  
"ESP" OR "technical English" OR "professional English" OR "English for academic purposes") AND  
("higher education" OR "university" OR "tertiary education"). Esta búsqueda se limitó al período  
enero 2019 – marzo 2025, para hacer la captura de la producción anterior y posterior a la  
irrupción de los modelos de lenguaje de gran escala. Además, se realizó una búsqueda  
complementaria por bola de nieve a partir de las referencias de los artículos seleccionados para  
esto.  
Cabe destacar que los criterios de inclusión fueron: (a) artículos empíricos (cuantitativos,  
cualitativos o mixtos) o de revisión publicados en revistas con revisión por pares; (b) centrados  
en el uso de herramientas de inteligencia artificial para la enseñanza o aprendizaje del inglés  
técnico, profesional y académico en contextos exclusivos de educación superior; (c) publicados  
en inglés o español; y (d) con texto completo accesible. Además, se excluyeron: (a) artículos sobre  
inglés general sin componente ESP; (b) comunicaciones breves, editoriales y cartas al editor; (c)  
estudios centrados exclusivamente en educación primaria o secundaria; y (d) artículos duplicados  
entre bases de datos.  
Entre enero y marzo de 2025, la búsqueda inicial arrojó un total de 387 registros: 142 en Scopus,  
98 en Web of Science, 76 en ERIC y 71 en Google Scholar. Tras eliminar 124 duplicados, se  
revisaron los títulos y resúmenes de 263 artículos, de los cuales 89 artículos fueron seleccionados  
para lectura a texto completo. De los 89 artículos leídos a texto completo, se excluyeron 47 por  
las siguientes razones: 21 no abordaban ESP sino inglés general, 12 no incluían herramientas de  
IA, 8 se centraban en educación primaria o secundaria, y 6 eran comunicaciones breves o  
editoriales. Finalmente, 42 estudios cumplieron todos los criterios de inclusión y conformaron el  
corpus de la revisión. La extracción de datos se realizó mediante una ficha estandarizada que  
registraba: autores, año, país, tipo de estudio, herramienta de IA, habilidad lingüística, población,  
tamaño de muestra, principales hallazgos y limitaciones. Los estudios se clasificaron en cuatro  
diferentes ejes temáticos para su análisis: herramientas de inteligencia artificial utilizadas,  
125  
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
habilidades lingüísticas abordadas, percepciones de usuarios y desafíos éticos y pedagógicos. Se  
empleó un análisis temático inductivo para la síntesis, identificando diferentes patrones  
convergentes y divergentes entre los estudios. La calidad de los estudios empíricos se evaluó  
mediante una adaptación de la lista de verificación de Kmet, Lee y Cook (33), que asigna  
puntuaciones de 0 (no cumple), 1 (cumple parcialmente) o 2 (cumple) a cada criterio: claridad de  
los objetivos, adecuación del diseño, descripción de la muestra, validez y fiabilidad de los  
instrumentos, y pertinencia del análisis estadístico. Los estudios con puntuación promedio ≥ 1,5  
se clasificaron como de calidad alta; entre 1,0 y 1,49 como media; y < 1,0 como baja. De los 42  
estudios, 25 (59,5%) alcanzaron calidad alta, 12 (28,6%) media y 5 (11,9%) baja. Los estudios de  
calidad alta se caracterizaron por diseños con grupo control, instrumentos con alfa > 0,80 y  
reporte de tamaño del efecto, los de calidad media cumplían parcialmente estos criterios, y los  
de calidad baja carecían de grupo control y no reportaban fiabilidad. No se excluyeron estudios  
por baja calidad para evitar un sesgo de selección, pero sus hallazgos se interpretaron con cautela  
y se priorizó la evidencia proveniente de estudios de calidad alta. Además, se reconocen las  
siguientes limitaciones: (a) la revisión narrativa no garantiza exhaustividad ni reproducibilidad  
total; (b) el sesgo idiomático por incluir solo estudios en inglés y español; (c) el sesgo de  
publicación que sobre representa resultados positivos; (d) la heterogeneidad de diseños dificulta  
la comparación directa; y (e) el predominio de diseños transversales (78,6%) limita la evaluación  
de efectos a largo plazo.  
Figura 1. Diagrama de flujo PRISMA del proceso de selección de estudios.  
RESULTADOS  
126  
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
De los 42 estudios analizados, casi la mitad 19 (45,2%) se publicaron entre 2023 y 2025. Los  
períodos 2021-2022 y 2019-2020 aportaron 15 (35,7%) y 8 (19,0%) respectivamente. Esta  
distribución (Tabla 1) confirma la aceleración investigativa posterior a la irrupción de ChatGPT en  
noviembre de 2022. Por tipo de estudio, 24 (57,1%) fueron empíricos cuantitativos, 8 (19,0%)  
cualitativos, 6 (14,3%) mixtos y 4 (9,5%) de revisión. Los contextos geográficos predominantes  
fueron Asia (18 estudios; 42,9%), Europa (11; 26,2%), Medio Oriente (7; 16,7%), y América Latina  
(4; 9,5%), con 2 estudios multicéntricos (4,8%). La subrepresentación de América Latina es  
notable y es un vacío que la literatura reconoce González Sánchez JL, Villota García FR, Moscoso  
Parra AE, Garcés Calva SW, Bazurto Arévalo BM. Aplicación de la inteligencia artificial en la  
educación  
superior.  
Dominio  
de  
las  
Ciencias.  
2023;9(3):1097-1108.  
https://doi.org/10.23857/dc.v9i3.3488.  
Tabla 1. Distribución de los estudios por período de publicación y región geográfica  
Período / Región  
Estudios (n)  
%
2019-2020  
2021-2022  
2023-2025  
Asia  
8
15  
19  
18  
11  
7
19,0  
35,7  
45,2  
42,9  
26,2  
16,7  
9,5  
Europa  
Medio Oriente  
América Latina  
Multicéntricos  
4
2
4,8  
Nota. Fuente: elaboración propia a partir de los 42 estudios incluidos.  
Tabla 2. Categorías de herramientas de IA abordadas en la literatura revisada  
Tipo de herramienta  
Estudios (n)  
%
Chatbots conversacionales (ChatGPT, Bard, propios)  
Traductores automáticos (Google Translate, DeepL)  
Correctores gramaticales (Grammarly, LanguageTool)  
Plataformas adaptativas (Duolingo, ALEKS, ITS)  
Generadores de contenido educativo  
22  
14  
11  
8
52,4  
33,3  
26,2  
19,0  
11,9  
5
Nota. Respuesta múltiple: un estudio puede incluir más de una herramienta.  
El primer eje temático aborda las herramientas de IA investigadas en la literatura (Tabla 2). Los  
chatbots conversacionales ChatGPT, Google Bard/Gemini y chatbots de diseño propio— fueron  
los más estudiados, apareciendo en 22 de los 42 artículos (52,4%). La popularidad de la IA  
ChatGPT en particular se dio durante el período 2023-2025, coincidiendo con su disponibilidad  
pública Kasneci E, Seßler K, Küchemann S, Bannert M, Dementieva D, Fischer F, et al. ChatGPT for  
good? On opportunities and challenges of large language models for education. Learning and  
Individual Differences. 2023;103:102274. https://doi.org/10.1016/j.lindif.2023.102274. Los  
sistemas de traducción automática (Google Translate, DeepL) estos fueron la segunda categoría  
más frecuente, presentes en 14 estudios (33,3%). Kohnke, Moorhouse y Zou Kohnke L,  
127  
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
Moorhouse BL, Zou D. ChatGPT for Language Teaching and Learning. RELC Journal.  
2023;54(2):537-550. https://doi.org/10.1177/00336882231162868 documentaron de que los  
estudiantes de ESP usan estos sistemas no solo para lo que es traducir, sino como una  
herramienta de consulta terminológica, este es un uso que difiere del que les dan los aprendices  
de inglés general. Los correctores gramaticales con IA (Grammarly, LanguageTool, ProWritingAid)  
aparecieron en 11 estudios (26,2%), con evidencia favorable para la mejora de la escritura  
académica y técnica Alharbi W. AI in the Foreign Language Classroom: A Pedagogical Overview of  
Automated Writing Assistance Tools. Education Research International. 2023;2023:4253818.  
https://doi.org/10.1155/2023/4253818. Las plataformas de aprendizaje adaptativo basadas en IA  
(Duolingo, ALEKS, sistemas de tutoría inteligente) se investigaron en 8 estudios (19,0%), y los  
generadores de contenido educativo (IA para creación de ejercicios, rúbricas y materiales) en 5  
(11,9%). Respuesta múltiple: un estudio puede incluir más de una herramienta. Un dato  
importante es la evolución temporal: antes de 2023, los traductores automáticos eran la  
herramienta más investigada en ESP (presente en el 50% de los estudios del período 2019-2022),  
pero a partir del año 2023 los chatbots conversacionales los desplazaron, apareciendo en el 68,4%  
de los estudios de 2023-2025. Este viraje importante coincide con la disponibilidad pública de  
ChatGPT y refleja obviamente un cambio en las prácticas estudiantiles: de la consulta puntual de  
traducciones a la interacción conversacional con modelos de lenguaje para producir, revisar y  
comprender textos técnicos Kasneci E, Seßler K, Küchemann S, Bannert M, Dementieva D, Fischer  
F, et al. ChatGPT for good? On opportunities and challenges of large language models for  
education.  
Learning  
and  
Individual  
Differences.  
2023;103:102274.  
https://doi.org/10.1016/j.lindif.2023.102274. Wang et al. Wang X, Pang H, Wallace MP, Wang Q,  
Chen W. Learners' perceived AI presences in AI-supported language learning. Computer Assisted  
Language  
Learning.  
2024;37(4):814-840.  
https://doi.org/10.1080/09588221.2024.2312630  
documentaron que los estudiantes universitarios desarrollan una percepción de "presencia  
social" con los chatbots de IA que no se da con los traductores automáticos, lo que podría explicar  
la rápida migración hacia estas herramientas.  
Tabla 3. Habilidades lingüísticas del ESP investigadas en relación con herramientas de IA  
Habilidad lingüística  
Escritura (informes, correos, documentación técnica)  
Lectura y comprensión de textos técnicos  
Estudios (n)  
%
26  
18  
15  
6
61,9  
42,9  
35,7  
14,3  
Vocabulario técnico y especializado  
Producción oral (presentaciones, comunicación profesional)  
Nota. Respuesta múltiple: un estudio puede abordar más de una habilidad.  
El segundo eje temático analiza las habilidades lingüísticas abordadas en la literatura revisada  
(Tabla 3). La escritura fue la habilidad más investigada, presente en 26 estudios (61,9%). Esto es  
coherente con la naturaleza de las herramientas más utilizadas: chatbots y correctores son  
principalmente textuales y su aplicación más inmediata en ESP es la redacción de informes,  
correos profesionales, resúmenes de artículos y documentación técnica Yan L, Wang Z. ChatGPT  
in education: A discourse analysis of worries and concerns on social media. Education and  
Information Technologies. 2024;29(10):12729-12755. https://doi.org/10.1007/s10639-023-  
12256-9. Chen, Chen y Lin Chen L, Chen P, Lin Z. Artificial Intelligence in Education: A Review. IEEE  
128  
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
Access.  
2020;8:75264-75278.  
https://doi.org/10.1109/ACCESS.2020.2988510  
ya  
habían  
anticipado que la IA tendría mayor impacto en las habilidades productivas escritas que en las  
orales, predicción que los datos confirman. La lectura y comprensión de textos técnicos apareció  
en 18 estudios (42,9%), frecuentemente asociada al uso de traductores automáticos y chatbots  
como asistentes de lectura. En estos estudios, la IA se emplea no solo para traducir sino, para  
resumir, parafrasear y explicar secciones complejas de artículos científicos en inglés Pérez-  
Paredes P, Zhang D. Understanding AI-mediated language learning: A systematic review.  
Computer  
Assisted  
Language  
Learning.  
2022;37(3):415-442.  
https://doi.org/10.1080/09588221.2022.2056612. Granić y Marangunić Granić A, Marangunić N.  
Technology acceptance model in educational context: A systematic literature review. British  
Journal of Educational Technology. 2019;50(5):2572-2593. https://doi.org/10.1111/bjet.12864  
encontraron que la facilidad de uso percibida es el factor principal en la adopción de estas  
herramientas para la lectura académica. El vocabulario técnico y especializado fue objeto de 15  
estudios (35,7%), con resultados que sugieren que la IA facilita la consulta terminológica pero no  
necesariamente la retención a largo plazo Dörnyei Z, Ryan S. The Psychology of the Language  
Learner Revisited. New York: Routledge; 2015.. La producción oral fue la habilidad menos  
representada en este estudio, con solo 6 estudios (14,3%), limitación que refleja el estado actual  
de  
la  
tecnología:  
las  
herramientas  
de  
inteligencia  
artificial  
más  
accesibles  
son  
predominantemente textuales, y las aplicaciones de reconocimiento de voz y retroalimentación  
fonética aún presentan limitaciones muy significativas en contextos de ESP donde la  
pronunciación de términos técnicos requiere precisión disciplinar Flowerdew J, Peacock M.  
Research Perspectives on English for Academic Purposes. Cambridge: Cambridge University Press;  
2001..  
Tabla 4. Distribución de percepciones estudiantiles y docentes sobre el uso de IA en ESP  
Categoría  
Percepciones estudiantiles positivas  
n / total  
21 / 28  
5 / 28  
2 / 28  
3 / 12  
7 / 12  
2 / 12  
%
75,0  
17,9  
7,1  
Percepciones estudiantiles mixtas  
Percepciones estudiantiles negativas  
Percepciones docentes positivas  
Percepciones docentes ambivalentes  
Percepciones docentes negativas  
25,0  
58,3  
16,7  
Nota. Submuestra: 28 estudios reportaron percepciones estudiantiles; 12 incluyeron perspectiva docente.  
El tercer eje temático sintetiza las percepciones de estudiantes y docentes reportadas en la  
literatura (Tabla 4). De los 42 estudios, 28 (66,7%) incluyeron datos sobre percepciones  
estudiantiles y 12 (28,6%) incorporaron lo que es la perspectiva docente. Sobre las percepciones  
estudiantiles, la tendencia general fue muy positiva: 21 de los 28 estudios (75,0%) reportaron  
percepciones muy favorables, 5 (17,9%) resultados mixtos y 2 (7,1%) percepciones  
predominantemente negativas. Las valoraciones positivas se asociaron principalmente con la  
disponibilidad inmediata de la inteligencia artificial, la personalización del ritmo de aprendizaje y  
la reducción de la ansiedad al poder consultar sin la presión social del aula Chen L, Chen P, Lin Z.  
Artificial  
Intelligence  
in  
Education:  
A
Review.  
IEEE  
Access.  
2020;8:75264-75278.  
https://doi.org/10.1109/ACCESS.2020.2988510. Por su parte, las percepciones negativas o mixtas  
129  
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
se concentraron en tres áreas: la precisión terminológica insuficiente de los modelos generalistas  
para vocabulario altamente especializado Flowerdew J, Peacock M. Research Perspectives on  
English for Academic Purposes. Cambridge: Cambridge University Press; 2001., la preocupación  
por la dependencia tecnológica y la posible atrofia de habilidades de aprendizaje autónomo  
Dörnyei Z, Ushioda E. Teaching and Researching Motivation. 3rd ed. London: Routledge; 2021., y  
la ambigüedad sobre los límites éticos del uso de IA en tareas evaluadas Cotton DRE, Cotton PA,  
Shipway JR. Chatting and Cheating: Ensuring Academic Integrity in the Era of ChatGPT.  
Innovations  
in  
Education  
and  
Teaching  
International.  
2024;61(2):228-239.  
https://doi.org/10.1080/14703297.2023.2190148. Dörnyei y Ryan Dörnyei Z, Ryan S. The  
Psychology of the Language Learner Revisited. New York: Routledge; 2015. alertan que la  
comodidad proporcionada por la IA puede funcionar como un factor de dependencia que  
erosiona las estrategias de aprendizaje autónomo. Huang et al. Huang X, Zou D, Cheng G, Chen X,  
Xie H. Trends, Research Issues and Applications of AI in Language Education. Educational  
Technology & Society. 2023;26(1):112-131. https://doi.org/10.30191/ETS.202301_26(1).0009 y  
Wang et al. Wang X, Liu Q, Pang H, Tan SC, Lei J, Wallace MP, et al. What matters in AI-supported  
learning: A study of human-AI interactions in language learning. Computers & Education.  
2023;194:104703.  
https://doi.org/10.1016/j.compedu.2022.104703  
corroboran  
esta  
preocupación desde perspectivas complementarias: el primero desde la adopción tecnológica en  
educación lingüística y el segundo desde la interacción humano-IA en contextos de aprendizaje.  
Las percepciones docentes mostraron, el panorama fue más cauteloso: 7 de los 12 estudios  
(58,3%) reportaron actitudes ambivalentes, con reconocimiento de la utilidad de la IA, pero  
preocupación por la integridad académica y por la falta de formación específica para integrar  
estas herramientas en la didáctica del ESP Pokrivcakova S. Preparing teachers for the application  
of AI-powered tools in foreign language education. Journal of Language and Cultural Education.  
2019;7(3):135-153.  
https://doi.org/10.2478/jolace-2019-0025.  
Solo  
3
estudios  
quienes  
representan el (25,0%) reportaron actitudes docentes abiertamente positivas, y 2 estudios que  
representan (16,7%) actitudes predominantemente negativas.  
Un análisis de la calidad metodológica de los estudios revisados revela que 25 de los 42 estudios  
(59,5%) emplearon diseños cuantitativos con muestras superiores a 50 participantes e  
instrumentos con fiabilidad reportada (alfa de Cronbach > 0,70), lo que permite considerar sus  
hallazgos como razonablemente sólidos. Sin embargo, solo 9 estudios (21,4%) utilizaron grupos  
de comparación (con y sin inteligencia artificial), lo que limita la capacidad de atribuir los  
resultados al uso de IA y no a otros factores. La mayoría de los estudios (33; 78,6%) utilizaron  
diseños transversales de encuesta, lo que impide evaluar efectos con el paso del tiempo. Solo 3  
estudios (7,1%) emplearon diseños longitudinales con mediciones pre-post, y ninguno incluyó  
seguimiento diferido posterior a la intervención. Esta predominancia de diseños transversales es  
una limitación importante del campo que debe considerarse al interpretar los hallazgos globales  
de la revisión.  
Tabla 5. Principales desafíos éticos y pedagógicos reportados en la literatura  
Desafío  
Estudios (n)  
%
Plagio e integridad académica  
Precisión y fiabilidad de contenidos  
31  
24  
73,8  
57,1  
130  
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
Equidad en el acceso  
16  
12  
11  
9
38,1  
28,6  
26,2  
21,4  
Privacidad de datos  
Falta de formación docente  
Ausencia de marcos regulatorios  
Nota. Respuesta múltiple: cada estudio puede reportar más de un desafío.  
El cuarto eje temático recoge los desafíos éticos y pedagógicos reportados en la literatura  
revisada (Tabla 5). Entre estos, el desafío más frecuentemente aqui mencionado fue el plagio y la  
integridad académica, presente en 31 de los 42 estudios que representa (73,8%). Cotton, Cotton  
y Shipway Cotton DRE, Cotton PA, Shipway JR. Chatting and Cheating: Ensuring Academic Integrity  
in the Era of ChatGPT. Innovations in Education and Teaching International. 2024;61(2):228-239.  
https://doi.org/10.1080/14703297.2023.2190148 documentaron que las instituciones de  
educación superior están reaccionando de forma muy desigual: algunas han prohibido el uso de  
inteligencia artificial en tareas evaluadas, otras lo permiten con la declaración de uso de estas, y  
muchas aún no han establecido políticas claras para esto. Kasneci et al. Kasneci E, Seßler K,  
Küchemann S, Bannert M, Dementieva D, Fischer F, et al. ChatGPT for good? On opportunities  
and challenges of large language models for education. Learning and Individual Differences.  
2023;103:102274. https://doi.org/10.1016/j.lindif.2023.102274 argumentaron que la prohibición  
es contraproducente y que las instituciones deberían formar a los estudiantes en el uso ético y  
productivo de estas herramientas. El segundo desafío más citado fue la precisión y fiabilidad de  
los contenidos generados, mencionado en 24 estudios (57,1%). En el contexto de ESP, esta  
preocupación adquiere una dimensión adicional: un error terminológico en un texto de inglés  
general es un inconveniente menor, pero en un informe técnico o un protocolo médico puede  
tener consecuencias graves Flowerdew J, Peacock M. Research Perspectives on English for  
Academic Purposes. Cambridge: Cambridge University Press; 2001.. El tercer desafío fue la  
equidad en el acceso, identificado en 16 estudios (38,1%): la IA generativa requiere conectividad  
estable y, en muchos casos, suscripciones de pago para acceder a versiones avanzadas, lo que  
puede ampliar la brecha entre instituciones con recursos y aquellas con limitaciones,  
particularmente en regiones rurales de países en desarrollo González Sánchez JL, Villota García  
FR, Moscoso Parra AE, Garcés Calva SW, Bazurto Arévalo BM. Aplicación de la inteligencia artificial  
en  
la  
educación  
superior.  
Dominio  
de  
las  
Ciencias.  
2023;9(3):1097-1108.  
https://doi.org/10.23857/dc.v9i3.3488. Otros desafíos incluyeron la privacidad de datos (12  
estudios; 28,6%), la falta de formación docente (11; 26,2%) y la ausencia de marcos regulatorios  
institucionales (9; 21,4%).  
Un hallazgo transversal requiere análisis particular: la escasez de estudios en contextos  
latinoamericanos. Solo 4 de los 42 artículos revisados (9,5%) fueron realizados en América Latina  
(2 en Colombia, 1 en México, 1 en Ecuador), frente a 18 en Asia y 11 en Europa. Esta  
subrepresentación es problemática porque las condiciones de enseñanza del ESP en la región  
conectividad limitada, diversidad lingüística, brechas de acceso difieren sustancialmente de las  
condiciones predominantes en los estudios disponibles. González Sánchez et al. González Sánchez  
JL, Villota García FR, Moscoso Parra AE, Garcés Calva SW, Bazurto Arévalo BM. Aplicación de la  
inteligencia artificial en la educación superior. Dominio de las Ciencias. 2023;9(3):1097-1108.  
https://doi.org/10.23857/dc.v9i3.3488 señalaron que la investigación sobre IA en educación  
131  
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
superior ecuatoriana es incipiente y que se necesitan estudios que consideren las particularidades  
sociolingüísticas de poblaciones indígenas amazónicas, para quienes el inglés no es L2 sino L3 o  
incluso L4. Al comparar los hallazgos por cada región, se observan diferencias muy relevantes: los  
estudios asiáticos (n = 18) tienden a centrarse en el uso de chatbots para la escritura académica  
y estos reportan percepciones estudiantiles predominantemente positivas, mientras que los  
europeos (n = 11) abordan con una mayor frecuencia los desafíos éticos y la formación docente.  
Los pocos 4 estudios latinoamericanos se caracterizan por muestras más pequeñas, menor acceso  
a herramientas premium y una mayor preocupación por la equidad digital de estos tiempos. Estas  
diferencias sugieren que las recomendaciones pedagógicas derivadas de la evidencia asiática y  
europea no son directamente transferibles a contextos latinoamericanos sin adaptación alguna.  
Figura 2. Distribución temporal de los estudios revisados por año de publicación (n = 42)  
DISCUSIÓN  
Los resultados de esta revisión revelan un campo que crece con rapidez, pero con distribución  
geográfica y temática desigual, la concentración de estudios en Asia y Europa, con apenas un 9,5%  
en América Latina, limita la generalizabilidad de la evidencia disponible a contextos donde las  
condiciones de enseñanza del ESP son sustancialmente diferentes: menor conectividad, mayor  
diversidad lingüística y menor acceso a versiones premium de herramientas de IA. El predominio  
de la escritura como habilidad investigada representa el (61,9%) esto refleja un sesgo inherente  
a la naturaleza textual de las diferentes herramientas más accesibles, pero también una  
oportunidad no aprovechada: en donde el desarrollo de competencias orales en ESP  
presentaciones técnicas, negociaciones profesionales, conferencias sigue siendo un terreno poco  
explorado por la investigación sobre la inteligencia artificial.  
Un aspecto el cual conecta los cuatro ejes temáticos, es la relación entre percepción positiva y el  
aprendizaje efectivo. Que los estudiantes valoren la inteligencia artificial como útil esto no  
garantiza que su competencia lingüística va a mejorar. La evidencia sobre el impacto en  
habilidades productivas es muy limitada y mixta: mientras que la corrección gramatical asistida  
por inteligencia artificial muestra resultados favorables, por lo cual no hay evidencia concluyente  
de que el uso de chatbots para la producción escrita se traduzca en la ganancia lingüística  
autónoma de las personas, es decir, en la capacidad de escribir sin la asistencia de la herramienta  
132  
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
Chen L, Chen P, Lin Z. Artificial Intelligence in Education: A Review. IEEE Access. 2020;8:75264-  
75278. https://doi.org/10.1109/ACCESS.2020.2988510. Esta distinción es muy crítica para ESP,  
donde el objetivo final es que el profesional pueda comunicarse de forma independiente en su  
campo disciplinar Basturkmen H. Developing Courses in English for Specific Purposes. 2nd ed.  
London: Palgrave Macmillan; 2021..  
La disparidad entre las percepciones estudiantiles (75% positivas) y docentes (solo 25%  
abiertamente positivas) sugiere una brecha generacional y formativa la cual requiere atención.  
Los estudiantes, como nativos digitales, adoptan la IA con mucha naturalidad y valoran su  
inmediatez; los docentes, que deben garantizar la calidad del aprendizaje y la integridad  
académica, adoptan una postura más cautelosa. Esta tensión no se resuelve prohibiendo la IA  
sino formando a los docentes en su integración pedagógica, como señalan Kasneci et al. Kasneci  
E, Seßler K, Küchemann S, Bannert M, Dementieva D, Fischer F, et al. ChatGPT for good? On  
opportunities and challenges of large language models for education. Learning and Individual  
Differences.  
Pokrivcakova S. Preparing teachers for the application of AI-powered tools in foreign language  
education. Journal of Language and Cultural Education. 2019;7(3):135-153.  
2023;103:102274.  
https://doi.org/10.1016/j.lindif.2023.102274,  
Pokrivcakova  
https://doi.org/10.2478/jolace-2019-0025 y Crompton y Burke Crompton H, Burke D. Artificial  
intelligence in higher education: the state of the field. International Journal of Educational  
Technology in Higher Education. 2023;20(22):1-22. https://doi.org/10.1186/s41239-023-00392-  
8. La formación docente en IA aplicada al ESP emerge como la necesidad transversal más urgente  
en la literatura revisada: Pikhart y Klimova Pikhart M, Klimova B. Intelligent Information  
Processing for Language Education: The Use of AI in Language Learning Apps. Procedia Computer  
Science. 2020;176:1412-1419. https://doi.org/10.1016/j.procs.2020.09.151 y Zawacki-Richter et  
al. Zawacki-Richter O, Marín VI, Bond M, Gouverneur F. Systematic review of research on AI  
applications in higher education. International Journal of Educational Technology in Higher  
Education. 2019;16(39):1-27. https://doi.org/10.1186/s41239-019-0171-0 reportaron que la falta  
de capacitación docente es el principal obstáculo para la integración efectiva de IA en educación  
lingüística.  
En términos concretos y bien definidos, para un docente de inglés en una universidad ecuatoriana  
hoy, estos hallazgos implican un gran cambio de rol, porque ya no basta con enseñar gramática y  
vocabulario en inglés, sino que debe convertirse en curador de herramientas de inteligencia  
artificial, evaluando cuáles sirven para su disciplina y cuáles no. Un profesor de ESP en ingeniería,  
por ejemplo, debería enseñar a usar ChatGPT para redactar borradores de informes técnicos,  
verificando la terminología contra normas ISO. En la práctica del aula, esto significa diseñar  
actividades donde la inteligencia artificial sea un asistente de escritura y no un sustituto, e  
incorporar varios ejercicios de detección de errores terminológicos en textos generados por  
inteligencia artificial, y usar traductores como punto de partida para negociar significados  
técnicos entre pares. Para las universidades amazónicas, la IA podría compensar la escasez de  
docentes especializados si se capacita a los disponibles en su correcto uso pedagógico (14, 15). El  
hallazgo sobre precisión terminológica tiene implicaciones directas para la práctica del ESP. Los  
modelos de lenguaje generalistas fueron entrenados con corpus de propósito general y, aunque  
pueden generar textos gramaticalmente correctos, su dominio de la terminología especializada  
es variable y dependiente del campo. Basturkmen (7) ya había advertido que las necesidades  
133  
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
lingüísticas en ESP son altamente contextuales, y los datos de esta revisión confirman que la IA  
actual obviamente no sustituye la mediación de un docente con conocimiento disciplinar. Esta  
limitación es relevante en campos como la ingeniería ambiental o la zootecnia, donde la  
terminología técnica en inglés incluye nomenclatura normativa y taxonómica que los modelos de  
IA pueden aproximar, pero no garantizar con la precisión requerida en documentos técnicos  
oficiales.  
Finalmente, los desafíos éticos plagio (73,8%), equidad (38,1%), privacidad (28,6%) configuran un  
panorama que exige respuestas institucionales diferenciadas. Según la evidencia revisada, que las  
instituciones que han adoptado políticas proactivas formación en uso ético, integración curricular  
supervisada, evaluaciones que incorporan la IA en lugar de combatirla obtienen mejores  
resultados que las que simplemente prohíben o ignoran el fenómeno Cotton DRE, Cotton PA,  
Shipway JR. Chatting and Cheating: Ensuring Academic Integrity in the Era of ChatGPT.  
Innovations  
in  
Education  
and  
Teaching  
International.  
2024;61(2):228-239.  
https://doi.org/10.1080/14703297.2023.2190148. En el contexto latinoamericano, donde  
muchas universidades aún no han tomado posición formal, estos datos pueden orientar la toma  
de decisiones. Un aspecto que la literatura no aborda suficientemente es la intersección entre IA  
y diversidad lingüística: en contextos como la Amazonía ecuatoriana, donde los estudiantes  
manejan lenguas indígenas, español e inglés, la IA podría funcionar como herramienta de  
mediación multilingüe, aunque existe el riesgo señalado por Walsh Walsh C. Interculturalidad,  
Estado, Sociedad: Luchas (de)coloniales de nuestra época. Quito: Universidad Andina Simón  
Bolívar/Abya-Yala; 2010. en el contexto de las políticas interculturales ecuatorianas de que una  
implementación acrítica refuerce la posición dominante del inglés frente a las lenguas indígenas  
locales Ministerio de Educación del Ecuador. Currículo de los Niveles de Educación Obligatoria:  
Lengua Extranjera – Inglés. Quito: Ministerio de Educación; 2019.. Esta dimensión intercultural de  
la IA en ESP permanece virtualmente inexplorada y es una agenda de investigación urgente para  
la región.  
CONCLUSIONES  
Esta revisión analizó 42 estudios publicados entre 2019 y 2025, los resultados permiten establecer  
que la integración de IA en la enseñanza del ESP en educación superior es un campo en  
crecimiento, con evidencia favorable pero fragmentada. Como herramientas predominantes, los  
chatbots conversacionales y los traductores automáticos son las más investigadas; la escritura es  
la habilidad más beneficiada; las percepciones estudiantiles son mayoritariamente positivas, pero  
coexisten con preocupaciones legítimas sobre precisión terminológica y uso ético; y la brecha  
entre la adopción estudiantil y la preparación docente es un desafío pendiente. La  
subrepresentación de América Latina en la producción científica sobre el tema (9,5% de los  
estudios) es un vacío que compromete en sobre manera la aplicabilidad de la evidencia disponible  
a contextos con condiciones educativas, lingüísticas y tecnológicas distintas a las de los  
contienentes como de Asia y Europa.  
Se identifican cuatro líneas prioritarias de investigación futura. Primera, estudios empíricos en  
contextos latinoamericanos quienes consideren las particularidades sociolingüísticas de  
poblaciones indígenas y rurales, donde el inglés compite con otras prioridades formativas.  
134  
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
Segunda, investigaciones sobre el uso de inteligencia artificial para el desarrollo de las  
competencias orales en ESP, área virtualmente muy inexplorada. Tercera, estudios longitudinales  
que evalúen si las percepciones positivas iniciales se mantienen con el paso del tiempo o se  
desvanecen una vez que la novedad de la herramienta desaparece con el tiempo. Cuarta,  
investigaciones sobre modelos de formación docente en inteligencia artificial aplicada al ESP,  
dado que la capacitación de los profesores emerge como el factor mediador clave entre la  
disponibilidad de la tecnología y su impacto pedagógico real.  
Las implicaciones prácticas de esta revisión apuntan a que las instituciones de educación superior,  
particularmente en contextos con recursos que son limitados, deberían desarrollar políticas  
institucionales claras sobre uso de inteligencia artificial, además de implementar programas de  
formación docente en integración de IA para ESP, y evaluar de manera crítica las herramientas  
disponibles considerando su precisión terminológica en los campos disciplinares de sus  
estudiantes, esto en lugar de adoptar o rechazar la IA de forma indiscriminada. La evidencia  
revisada indica que la integración exitosa de IA en ESP requiere de un enfoque que combine la  
formación técnica en el uso de las herramientas con lo que es la reflexión crítica sobre sus  
limitaciones y sus riesgos, particularmente en lo que respecta a la precisión terminológica y la  
integridad académica. Para contextos como el ecuatoriano, donde la diversidad lingüística y las  
limitaciones de conectividad configuran unas condiciones de aprendizaje distintas a las de los  
contextos predominantes en la literatura, generar evidencia propia resulta no solo deseable sino  
urgente.  
AGRADECIMIENTOS  
El autor agradece a la Escuela Superior Politécnica de Chimborazo por brindar todas las facilidades  
para la realización de este articulo científico, además de mi esposa Andrea Orozco Lizaola, quien  
siempre me ha brindado su apoyo incondicional y me ha animado a la realización, aunque pesada  
pero fructífera de este articulo científico.  
REFERENCIAS BIBLIOGRÁFICAS  
1.  
Kasneci E, Seßler K, Küchemann S, Bannert M, Dementieva D, Fischer F, et al. ChatGPT for  
good? On opportunities and challenges of large language models for education. Learning  
and Individual Differences. 2023;103:102274. https://doi.org/10.1016/j.lindif.2023.102274  
2.  
3.  
Chen L, Chen P, Lin Z. Artificial Intelligence in Education: A Review. IEEE Access.  
2020;8:75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510  
Cotton DRE, Cotton PA, Shipway JR. Chatting and Cheating: Ensuring Academic Integrity in  
the Era of ChatGPT. Innovations in Education and Teaching International. 2024;61(2):228-  
239. https://doi.org/10.1080/14703297.2023.2190148  
4.  
5.  
Kohnke L, Moorhouse BL, Zou D. ChatGPT for Language Teaching and Learning. RELC  
Journal. 2023;54(2):537-550. https://doi.org/10.1177/00336882231162868  
Crompton H, Burke D. Artificial intelligence in higher education: the state of the field.  
International Journal of Educational Technology in Higher Education. 2023;20(22):1-22.  
https://doi.org/10.1186/s41239-023-00392-8  
135  
         
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
6.  
7.  
8.  
9.  
Hyland K. English for Academic Purposes: An Advanced Resource Book. London: Routledge;  
2006.  
Basturkmen H. Developing Courses in English for Specific Purposes. 2nd ed. London:  
Palgrave Macmillan; 2021.  
Flowerdew J, Peacock M. Research Perspectives on English for Academic Purposes.  
Cambridge: Cambridge University Press; 2001.  
Ningsih N, Lenon SS, Rahman P. Embracing the Wave: The Disruption of Conversational AI  
toward  
ESP  
Teaching  
Transformation.  
ETERNAL  
Journal.  
2023;9(2):260-286.  
https://doi.org/10.24252/eternal.v92.2023.a6  
10.  
González C, Quiroz B. English language teaching in Latin American higher education:  
Challenges and opportunities. Profile: Issues in Teachers' Professional Development.  
2019;21(2):147-161. https://doi.org/10.15446/profile.v21n2.74385  
11.  
12.  
13.  
Consejo de Educación Superior del Ecuador. Reglamento de Régimen Académico. Registro  
Oficial Suplemento 854. Quito: CES; 2023.  
Ministerio de Educación del Ecuador. Currículo de los Niveles de Educación Obligatoria:  
Lengua Extranjera – Inglés. Quito: Ministerio de Educación; 2019.  
Huang X, Zou D, Cheng G, Chen X, Xie H. Trends, Research Issues and Applications of AI in  
Language  
Education.  
Educational  
Technology  
&
Society.  
2023;26(1):112-131.  
https://doi.org/10.30191/ETS.202301_26(1).0009  
14.  
15.  
16.  
17.  
18.  
Pikhart M, Klimova B. Intelligent Information Processing for Language Education: The Use  
of AI in Language Learning Apps. Procedia Computer Science. 2020;176:1412-1419.  
https://doi.org/10.1016/j.procs.2020.09.151  
Zawacki-Richter O, Marín VI, Bond M, Gouverneur F. Systematic review of research on AI  
applications in higher education. International Journal of Educational Technology in Higher  
Education. 2019;16(39):1-27. https://doi.org/10.1186/s41239-019-0171-0  
Pérez-Paredes P, Zhang D. Understanding AI-mediated language learning: A systematic  
review.  
Computer  
Assisted  
Language  
Learning.  
2022;37(3):415-442.  
https://doi.org/10.1080/09588221.2022.2056612  
Alharbi W. AI in the Foreign Language Classroom: A Pedagogical Overview of Automated  
Writing Assistance Tools. Education Research International. 2023;2023:4253818.  
https://doi.org/10.1155/2023/4253818  
Grant MJ, Booth A. A typology of reviews: an analysis of 14 review types and associated  
methodologies.  
Health  
Information  
&
Libraries  
Journal.  
2009;26(2):91-108.  
https://doi.org/10.1111/j.1471-1842.2009.00848.x  
19.  
20.  
Ferrari R. Writing narrative style literature reviews. Medical Writing. 2015;24(4):230-235.  
https://doi.org/10.1179/2047480615Z.000000000329  
González Sánchez JL, Villota García FR, Moscoso Parra AE, Garcés Calva SW, Bazurto Arévalo  
BM. Aplicación de la inteligencia artificial en la educación superior. Dominio de las Ciencias.  
2023;9(3):1097-1108. https://doi.org/10.23857/dc.v9i3.3488  
21.  
Yan L, Wang Z. ChatGPT in education: A discourse analysis of worries and concerns on social  
media.  
Education  
and  
Information  
Technologies.  
2024;29(10):12729-12755.  
https://doi.org/10.1007/s10639-023-12256-9  
136  
                             
INTELIGENCIA ARTIFICIAL EN LA ENSEÑANZA DEL INGLÉS PARA FINES ESPECÍFICOS EN EDUCACIÓN SUPERIOR:  
UNA REVISIÓN NARRATIVA  
22.  
Baidoo-Anu D, Ansah LO. Education in the Era of Generative AI: Understanding the Potential  
Benefits of ChatGPT. Journal of AI. 2023;7(1):52-62. https://doi.org/10.61969/jai.1337500  
23.  
Granić A, Marangunić N. Technology acceptance model in educational context: A systematic  
literature review. British Journal of Educational Technology. 2019;50(5):2572-2593.  
https://doi.org/10.1111/bjet.12864  
24.  
25.  
26.  
Dörnyei Z, Ryan S. The Psychology of the Language Learner Revisited. New York: Routledge;  
2015.  
Davis FD. Perceived usefulness, perceived ease of use, and user acceptance of information  
technology. MIS Quarterly. 1989;13(3):319-340. https://doi.org/10.2307/249008  
Wang X, Pang H, Wallace MP, Wang Q, Chen W. Learners' perceived AI presences in AI-  
supported language learning. Computer Assisted Language Learning. 2024;37(4):814-840.  
https://doi.org/10.1080/09588221.2024.2312630  
27.  
28.  
29.  
Dörnyei Z, Ushioda E. Teaching and Researching Motivation. 3rd ed. London: Routledge;  
2021.  
Venkatesh V, Thong JYL, Xu X. Consumer Acceptance and Use of Information Technology:  
Extending UTAUT. MIS Quarterly. 2012;36(1):157-178. https://doi.org/10.2307/41410412  
Pokrivcakova S. Preparing teachers for the application of AI-powered tools in foreign  
language education. Journal of Language and Cultural Education. 2019;7(3):135-153.  
https://doi.org/10.2478/jolace-2019-0025  
30.  
31.  
Hernández-Sampieri R, Mendoza CP. Metodología de la investigación: las rutas cuantitativa,  
cualitativa y mixta. Ciudad de México: McGraw-Hill Education; 2018.  
Wang X, Liu Q, Pang H, Tan SC, Lei J, Wallace MP, et al. What matters in AI-supported  
learning: A study of human-AI interactions in language learning. Computers & Education.  
2023;194:104703. https://doi.org/10.1016/j.compedu.2022.104703  
32.  
33.  
Walsh C. Interculturalidad, Estado, Sociedad: Luchas (de)coloniales de nuestra época. Quito:  
Universidad Andina Simón Bolívar/Abya-Yala; 2010.  
Kmet LM, Lee RC, Cook LS. Standard quality assessment criteria for evaluating primary  
research papers. Edmonton: Alberta Heritage Foundation for Medical Research; 2004.  
137