COMPETENCIAS DIGITALES Y PEDAGÓGICAS PARA LA INTEGRACIÓN DE LA IA
EN EL AULA DE INGLÉS

DIGITAL AND PEDAGOGICAL COMPETENCIES FOR THE INTEGRATION OF AI IN
THE ENGLISH CLASSROOM

Autores:
¹David
Enrique
Gortaire
Díaz,
²María
Grazzia
González
Quinto,
³Mary
Thalía
Cifuentes Rojas y
4
Rina Rosalinda Castañeda Junco.

¹
ORCID ID:
https://orcid.org/0000
-
0001
-
7364
-
7305

²ORCID ID:
https://orcid.org/0000
-
0002
-
6581
-
6428

3
ORCID ID:
https://orcid.org/0000
-
0002
-
2934
-
3328

4
ORCID ID:
https://orcid.org/0000
-
0002
-
7328
-
9736

¹E-mail de contacto:
dgortaire@utb.edu.ec

²E-mail de contacto:
mgonzalezq@utb.edu.ec

³E-mail de contacto:
mcifuentes@utb.edu.ec

4
E-mail de contacto:
rcastaneda@utb.edu.ec

Afiliación:
1*2*3*4*
Universidad Técnica de Babahoyo, (Ecuador).

Artículo recibido: 25 de Agosto del 2026.

Artículo revisado: 27 de Agosto del 2026.

Artículo aprobado: 27 de Agosto del 2026.

¹Ingeniero en negocios internacionales, graduado de la Escuela Superior Politécnica del Litoral, (Ecuador). Licenciado en Ciencias de la
Educación, graduado de la Universidad Bolivariana del Ecuador, (Ecuador). Magíster en desarrollo rural, graduado de la Escuela Superior
Politécnica del Litoral, (Ecuador). Magíster en Pedagogía del Inglés como Lengua Extranjera, graduado de la Universidad Bolivariana
del Ecuador, (Ecuador).

²Abogada de los tribunales y juzgados de la República del Ecuador, graduada de la Universidad de Guayaquil, (Ecuador). Magíster
Universitario en Derecho Internacional Humanitario, Derechos Humanos y Derecho Operacional, graduada de la Universidad Antonio de
Nebrija, (España).

³Profesora
de
segunda
enseñanza
en
Lenguas
y
Lingüística
(
Ingles
-Frances),
graduada
de
la
Universidad
Técnica
de
Babahoyo,
(Ecuador). Licenciada en Ciencias de la Educación, mención Idiomas (Ingles-Frances), graduada de la Universidad Técnica de Babahoyo,
(Ecuador). Magíster en Gerencia de Innovaciones Educativas, graduada de la Universidad Técnica Estatal de Quevedo, (Ecuador).

4
Profesora
de
segunda
enseñanza,
especialización
Ingles
Frances,
graduada
de
la
Universidad
Técnica
de
Babahoyo,
(Ecuador).
Licenciada en Cie ncias Sociales y de la Educación en Lengua y Lingüística (Ingles - Frances), graduada de la Universidad Técnica de
Babahoyo,
(Ecuador).
Abogada
de
los
tribunales
de
la
República,
graduada
de
la
Universidad
Regional
Autónoma
de
Los
Andes,
(Ecuador). Magíster Universitario en Educación Inclusiva e Intercultural, graduada de la Universidad Internacional de la Rioja, (España).
Magíster
en
Derecho
Constitucional,
graduada
de
la
Universidad
Tecnológica
Empresarial
de
Guayaquil,
(Ecuador).
Magíster
en
Pedagogía del Inglés como lengua extranjera, graduada de la Universidad Bolivariana del Ecuador, (Ecuador).

Resumen

La integración de la inteligencia artificial (IA)
en
la
enseñanza
de
inglés
como
lengua
extranjera (EFL) exige que los docentes posean
una
combinación
distintiva
de
competencias
digitales
y
pedagógicas
que
trascienden
la
alfabetización tecnológica general. Este estudio
examina
cómo
los
docentes
de
EFL
en
educación
superior
perciben
su
propia
preparación digital y pedagógica para integrar
herramientas de IA en la práctica de aula. Se
aplicó
un
diseño
cuantitativo
de
corte
transversal
mediante
un
cuestionario
validado
de autoevaluación, respondido por 96 docentes
de
inglés
de
tres
instituciones
de
educación
superior
en
Ecuador.
El
instrumento
exploró
seis dimensiones: competencia digital general,
competencia
técnica
específica
en
IA,
competencia
de
integración
pedagógica,
competencia de evaluación, competencia ética y
crítica, y percepción de apoyo institucional. Los
resultados muestran que los docentes reportan
una
competencia
de
moderada
a
alta
en
el
manejo individual de herramientas de IA, pero
una competencia sustancialmente menor en la
incorporación
pedagógica
de
dichas
herramientas
al
diseño
de
clases
y
en
la
evaluación
de
sus
implicaciones
éticas.
Los
datos
de
frecuencia
de
uso
indican
que
las
herramientas conversacionales genéricas de IA
se adoptan con mucha mayor frecuencia que las
plataformas
educativas
especializadas
en
IA.
Las barreras percibidas se centran en el tiempo
insuficiente de capacitación, la falta de claridad
en
las
políticas
institucionales
y
las
limitadas
estructuras
de
apoyo
entre
pares,
más
que
en

Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 183

una
resistencia
personal
a
la
tecnología.
Los
docentes con capacitación previa específica en
IA
reportaron
una
competencia
significativamente
mayor
en
las
seis
dimensiones. Estos hallazgos sugieren que las
iniciativas
de
desarrollo
profesional
deben
trascender
la
capacitación
operativa
en
herramientas
hacia
un
modelo
integrado
que
desarrolle
explícitamente
la
competencia
pedagógica
y
ética
junto
con
la
habilidad
técnica.

Palabras
clave:
Inteligencia
artificial,
Competencia
digital,
Competencia
pedagógica,
Enseñanza
de
EFL,
Educación
superior.

Abstract

The
integration
of
artificial
intelligence
(AI)
into
English
as
a
Foreign
Language
(EFL)
teaching
requires
teachers
to
possess
a
distinctive
combination
of
digital
and
pedagogical
competencies
that
go
beyond
general
technological
literacy.
This
study
exami
nes how EFL teachers in higher education
perceive
their
own
digital
and
pedagogical
preparedness
to
integrate
AI
tools
into
classroom
practice.
A
quantitative,
cross
-
sectional
design
was
used,
employing
a
validated
self
-
assessment
questionnaire
completed
b
y
96
English
teachers
from
three
higher
education
institutions
in
Ecuador.
The
instrument
explored
six
dimensions:
general
digital
competence,
specific
technical
competence
in
AI,
pedagogical
integration
competence,
assessment
competence,
ethical
and
criti
cal
competence,
and
perceived
institutional
support.
The
results
show
that
teachers report moderate to high competence in
the individual use of AI tools, but substantially
lower
competence
in
the
pedagogical
incorporation of these tools into lesson design
and
in
evaluating
their
ethical
implications.
Frequency
of
use
data
indicate
that
generic
conversational
AI
tools
are
adopted
far
more
frequently
than
AI
-
focused
educational
platforms.
Perceived
barriers
center
on
insufficient
training
time,
a
lack
of
clar
ity
in
institutional policies, and limited peer support
structures,
rather
than
personal
resistance
to
technology.
Teachers
with
prior
specific
AI
training
reported
significantly
greater
proficiency
across
all
six
dimensions.
These
findings suggest that professional development
initiatives should move beyond operational tool
training
toward
an
integrated
mo
del
that
explicitly
develops
pedagogical
and
ethical
competence alongside technical skills.

Keywords:
Artificial
intelligence,
Digital
competence,
Pedagogical
competence,
EFL
teaching, Higher education.

Sumário

A integração da inteligência artificial (IA) no
ensino de inglês como língua estrangeira (EFL)
exige
que
os
professores
possuam
uma
combinação singular de competências digitais e
pedagógicas
que
vão
além
da
alfabetização
tecnológica
geral.
Este
estudo
exam
ina
como
professores de inglês como
língua estrangeira
no
ensino
superior
percebem
sua
própria
preparação
digital
e
pedagógica
para
integrar
ferramentas de IA na prática em sala de aula.
Foi
utilizado
um
delineamento
quantitativo
transversal,
empregando
um
questionário
de
autoavaliação
validado,
respondido
por
96
professores
de
inglês
de
três
instituições
de
ensino
superior
no
Equador.
O
instrumento
explorou
seis
dimensões:
competência
digital
geral,
competência
técnica
específica
em
IA,
competência
de
inte
gração
pedagógica,
competência de avaliação, competência ética e
crítica
e
percepção
de
apoio
institucional.
Os
resultados mostram que os professores relatam
competência
de
moderada
a
alta
no
uso
individual
de
ferramentas
de
IA,
mas
competência
substancial
mente
menor
na
incorporação pedagógica dessas ferramentas no
planejamento
de aulas e na avaliação de suas
implicações éticas. Os dados de frequência de
uso
indicam
que
ferramentas
genéricas
de
IA
conversacional
são
adotadas
com
muito
mais
frequência
do
que
plataformas
educacionais
focadas
em
IA.
As
barreiras
percebidas
centram
-
se
na
insuficiência
de
tempo
para
treinamento,
na
falta
de
clareza
nas
políticas
institucionais e em estruturas limitadas de apoio
entre
pares,
em
vez
de
resistência
pessoal
à
tecnolo
gia. Professores com treinamento prévio

Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 184

específico
em
IA
relataram
proficiência
significativamente
maior
em
todas
as
seis
dimensões. Essas descobertas sugerem que as
iniciativas
de
desenvolvimento
profissional
devem ir além do treinamento em ferramentas
operacionais,
em
direção
a
um
modelo
integ
rado
que
desenvolva
explicitamente
a
competência
pedagógica
e
ética,
juntamente
com as habilidades técnicas.

Palavras
-
chave:
Inteligência
artificial,
Competência
digital,
Competência
pedagógica,
Ensino
de
inglês
como
língua
estrangeira, Ensino superior.

Introducción

La
irrupción
de
la
inteligencia
artificial
generativa en los últimos años ha transformado
de manera acelerada las condiciones en las que
se enseña y se aprende
una lengua extranjera
(Ruiz
et
al.,
2024).
Herramientas
como
los
asistentes conversacionales, los generadores de
contenido y las plataformas educativas con IA
integrada han pasado, en un lapso breve, de ser
recursos
marginales
a
convertirse
en
instrumentos
cotidianos
disponibles
para
docentes y estudiantes de inglés como lengua
extranjera
(EFL).
Esta
transformación
plantea
una pregunta central para la formación docente:
¿qué competencias, más allá del manejo técnico
básico,
requiere
un
profesor
de
inglés
para
integrar
la
IA
de
manera
pedagógicamente
sólida y éticamente responsable en su aula?

La
literatura
especializada
coincide
en
que
la
competencia
digital
docente
no
puede
entenderse
como
una
habilidad
unitaria,
sino
como
un
conjunto
de
dimensiones
interrelacionadas que abarcan desde el manejo
operativo de herramientas hasta su integración
curricular y su evaluación crítica (Celik, 2023;
Lara et al., 2023). En el caso específico de la IA
generativa,
esta
multidimensionalidad
se
acentúa: un docente puede ser capaz de utilizar
un
chatbot
de
IA
con
fluidez
personal
y,
sin
embargo,
carecer
de
las
herramientas
pedagógicas necesarias para diseñar actividades
de
aula
que
aprovechen
dicha
tecnología
de
forma significativa, o para anticipar los riesgos
éticos asociados a su uso, como la dependencia
excesiva
del
estudiante
o
la
evaluación
de
contenido generado automáticamente (Sanabria
et
al.,
2023).
En
el
ámbito
específico
de
la
enseñanza
de
inglés,
la
investigación
reciente
sugiere
que
los
docentes
de
EFL
muestran
actitudes
generalmente
positivas
hacia
la
IA,
pero
con
niveles
de
involucramiento
pedagógico desigual (Jiang, 2022; Sumakul et
al., 2022). Esta desigualdad se explica, al menos
en parte, por la falta de modelos de desarrollo
profesional que aborden de manera explícita la
dimensión pedagógica y ética de la integración
de la IA, en lugar de limitarse a la capacitación
operativa en el uso de herramientas específicas
(Bellomo, 2023; Loewen et al., 2019).

El
presente
estudio
se
propone
caracterizar
empíricamente estas competencias en un grupo
de
docentes
de
inglés
en
instituciones
de
educación superior ecuatorianas, distinguiendo
explícitamente entre la competencia técnica en
el
manejo
de
herramientas
de
IA
y
la
competencia pedagógica y ética necesaria para
integrarlas
responsablemente
en
el
aula.
Las
preguntas
de
investigación
que
guían
este
estudio son las siguientes: (1) ¿Cómo perciben
los
docentes
de
EFL
su
propia
competencia
digital y pedagógica para integrar la IA en seis
dimensiones
específicas?
(2)
¿Qué
herramientas
de
IA
utilizan
con
mayor
frecuencia y con qué propósitos pedagógicos?
(3) ¿Qué barreras institucionales y personales
perciben
los
docentes
para
desarrollar
estas
competencias? (4)
¿La
capacitación
previa
en
IA se asocia con diferencias significativas en los
niveles
de
competencia
reportados?
Al
responder
estas
preguntas,
este
estudio
aporta
evidencia empírica que puede orientar el diseño
de
programas
de
formación
docente
más

Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 185

ajustados
a
las
necesidades
reales
del
profesorado
de
inglés.
El
concepto
de
competencia
digital
docente
ha
evolucionado
desde
una
concepción
centrada
en
la
alfabetización
tecnológica
general
hacia
modelos que distinguen explícitamente entre el
uso
personal
de
la
tecnología
y
su
aplicación
pedagógica profesional. El Marco Europeo de
Competencia
Digital
para
Educadores,
DigCompEdu.
Figueira
y
Dorotea
(2022)
organiza
esta
competencia
en
seis
áreas:
compromiso
profesional,
recursos
digitales,
enseñanza
y
aprendizaje,
evaluación,
empoderamiento
de
los
estudiantes
y
facilitación
de
la
competencia
digital
estudiantil.
Este
marco
ha
sido
ampliamente
utilizado
como
referencia
diagnóstica
en
estudios
de
competencia
digital
docente
en
diversos
contextos,
incluyendo
la
educación
superior
latinoamericana
(Cid
et
al.,
2025;
Haşlaman et al., 2024).

Con la llegada de la IA generativa, este marco
ha
resultado
insuficiente
para
capturar
las
dimensiones
éticas
y
epistémicas
específicas
que estas tecnologías introducen. Celik (2023)
propone
una
extensión
denominada
TPACK-
inteligente,
que
incorpora
explícitamente
la
comprensión
ética
de
la
IA
como
un
componente
distinto
del
conocimiento
tecnológico-pedagógico
del
contenido,
argumentando que la integración responsable de
la
IA
exige
que
los
docentes
comprendan
cuestiones
como
la
procedencia
de
los
contenidos
generados
automáticamente,
los
sesgos algorítmicos y los límites apropiados de
la
automatización
en
la
evaluación
educativa
(Suzer
y
Koc,
2024).
Esta
extensión
resulta
particularmente
relevante
para
el
presente
estudio,
que
distingue
explícitamente
entre
competencia técnica y competencia ética como
dimensiones separadas (Dela Cruz y Dela Cruz,
2026). Diversos estudios han documentado las
percepciones de los docentes de idiomas frente
a la irrupción de la IA en sus aulas. Jiang (2022)
encontró que, si bien los docentes de idiomas
manifiestan
actitudes
generalmente
favorables
hacia
la
IA,
su
nivel
de
involucramiento
efectivo
varía
considerablemente
según
la
experiencia
tecnológica
previa
y
el
apoyo
institucional
percibido.
Sumakul
et
al.
(2022)
conceptualizan
a
la
IA
como
un
“compañero
pedagógico”
en
el
aula
de
EFL,
cuyo
valor
depende
en
gran
medida
de
la
mediación
docente, y no de la sofisticación técnica de la
herramienta en sí misma. Yilmaz et al. (2026),
aplicando
el
Modelo
de
Aceptación
Tecnológica
a
la
adopción
de
chatbots
educativos,
encontraron
que
la
percepción
de
utilidad y la proactividad del propio sistema de
IA
influyen
más
en
la
disposición
docente
a
adoptarlo
que las características demográficas
del profesor, lo cual sugiere que el diseño de las
herramientas, y no solo la disposición docente,
condiciona su integración efectiva en el aula (L.
Chen et al., 2020).

Un
hallazgo
recurrente
en
la
literatura
es
la
disociación entre la competencia técnica en el
uso
de
herramientas
de
IA
y
la
competencia
pedagógica para integrarlas curricularmente. En
una revisión sistemática sobre el rol de la IA en
los
sistemas
educativos,
identifican
que
la
mayoría
de
los
docentes
alcanza
niveles
operativos aceptables en el uso de herramientas
de IA, pero enfrenta dificultades significativas
para
rediseñar
sus
secuencias
didácticas
en
función
de
las
posibilidades
pedagógicas
que
estas
herramientas
ofrecen,
como
la
retroalimentación
automatizada
o
la
personalización
del
contenido
(Wang,
2022).
Zhao
(2022)
documenta,
en
el
dominio
específico
de
la
escritura
en
inglés,
que
los
asistentes
de
escritura
basados
en
IA
pueden
mejorar
la
precisión
lingüística
de
los
estudiantes, pero solo cuando el docente diseña

Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 186

deliberadamente actividades que integran dicha
retroalimentación en el proceso de revisión, y
no cuando la herramienta se utiliza de manera
aislada o no supervisada. (Enholm et al., 2022)
enfatiza
que
el
verdadero
potencial
transformador
de
la
IA
en
la
educación
de
idiomas
reside
en
su
capacidad
de
personalización,
adaptando
el
contenido
y
el
ritmo
de
aprendizaje
a
las
necesidades
individuales de cada estudiante. Sin embargo,
esta autora advierte que dicho potencial solo se
materializa
cuando
el
docente
posee
la
competencia pedagógica necesaria para diseñar
trayectorias
de
aprendizaje
diferenciadas,
una
competencia que, según los estudios revisados,
tiende
a
estar
menos
desarrollada
que
la
competencia técnica operativa (Zhao, 2022).

La literatura crítica sobre la integración de la IA
en educación insiste en que dicha integración no
debe
evaluarse
únicamente
en
términos
de
eficiencia
instruccional.
Sanabria
et
al
(2023)
argumentan que la adopción acrítica de la IA en
contextos
educativos
latinoamericanos
puede
reproducir
inequidades
existentes,
particularmente
cuando
las
herramientas
se
entrenan
con
datos
que
no
representan
adecuadamente
la
diversidad
lingüística
y
cultural de los estudiantes de la región. En un
mapeo
del
estado
del
campo
de
la
IA
en
la
educación
superior,
identifican
la
falta
de
políticas institucionales claras sobre el uso de la
IA
como
una
de
las
barreras
más
frecuentemente reportadas por los docentes, por
encima de la resistencia personal a la tecnología
(Salas
et
al.,
2022).
En
temas
de
desarrollo
profesional
docente
para
la
educación
en
IA,
concluyen que la mayoría de las iniciativas de
capacitación existentes se centra en el manejo
operativo de herramientas específicas, dejando
en
un
segundo
plano
la
formación
en
competencias
pedagógicas
de
integración
curricular
y
en
competencias
éticas
de
evaluación crítica (Hwang y Chien, 2022). Esta
desproporción,
señalan
los
autores,
ayuda
a
explicar
por
qué
los
docentes
reportan
consistentemente mayor confianza técnica que
confianza pedagógica o ética frente a la IA, un
patrón que constituye precisamente la hipótesis
central que este estudio busca poner a prueba
empíricamente en el contexto de la enseñanza
de
inglés
en
educación
superior
ecuatoriana
(Divekar
et
al.,
2022);
(Lameras
y
Arnab,
2021). En conjunto, esta literatura sugiere que
la competencia docente para integrar la IA en el
aula
de
inglés
debe
entenderse
como
un
constructo
multidimensional
que
incluye,
al
menos,
la
competencia
técnica
operativa,
la
competencia
pedagógica
de
integración
curricular,
la
competencia
de
evaluación
mediada por IA, y la competencia ética y crítica
(An et al., 2023), todas ellas moduladas por las
condiciones
institucionales
de
apoyo
y
capacitación
disponibles.
Esta
conceptualización multidimensional constituye
el
marco
analítico
adoptado
en
el
presente
estudio (Popenici y Kerr, 2017).

Materiales y Métodos

Para
este
estudio
se
empleó
un
diseño
cuantitativo,
no
experimental,
de
corte
transversal, orientado a describir y comparar las
percepciones
docentes
sobre
sus
propias
competencias
digitales
y
pedagógicas
para
la
integración de la IA en el aula de inglés. A su
vez,
participaron
96
docentes
de
inglés
pertenecientes
a
diferentes
instituciones
de
educación
superior de Ecuador, seleccionados
mediante
muestreo
no
probabilístico
por
conveniencia. La muestra incluyó docentes con
distintos
niveles
de
experiencia,
modalidades
contractuales y grados de exposición previa a
capacitación en tecnologías educativas, lo que
permitió
examinar
la
variabilidad
de
competencia
percibida
en
función
de
estas
características.
Se
aplicó
un
cuestionario
de

Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 187

autoevaluación de elaboración propia, validado
mediante juicio de expertos y una prueba piloto
con 15 docentes no incluidos en la muestra final
(alfa de Cronbach global = .89). El instrumento
constó
de
38
ítems
distribuidos
en
seis
dimensiones.
Se
incluyeron
además
ítems
de
frecuencia de uso de herramientas específicas
de IA y dos preguntas abiertas sobre barreras
percibidas.
El
cuestionario
se
administró
de
manera
virtual
durante
un
período
de
tres
semanas,
previa
autorización
institucional
y
consentimiento informado de los participantes.
La participación fue voluntaria y anónima. Los
datos
cuantitativos
se
analizaron
mediante
estadística
descriptiva
(medias,
desviaciones
estándar)
para
cada
dimensión,
y
mediante
pruebas
t
de
Student
para
muestras
independientes
para
comparar
la
competencia
percibida entre docentes con y sin capacitación
previa
en
IA,
utilizando
un
umbral
de
significancia de p < .05. Las respuestas abiertas
se
analizaron
mediante
análisis
de
contenido
temático,
identificando
categorías
recurrentes
de barreras percibidas. El estudio garantizó la
confidencialidad de los datos, el anonimato de
los participantes y el consentimiento informado
previo a la participación, en cumplimiento de
los
principios
éticos
de
la
investigación
con
seres humanos.

Resultados y Discusión

A
continuación,
se
presentan
los
resultados
organizados en seis apartados: el perfil general
de
la
muestra,
la
competencia
percibida
por
dimensión, la frecuencia de uso de herramientas
de
IA,
las
barreras
percibidas,
las
diferencias
según
capacitación
previa,
y
la
relación
entre
competencia pedagógica y ética.

Tabla 1.
Perfil Sociodemográfico y Profesional de los Participantes.

Característica

Categoría

n

%

Años de experiencia

1-5 años

28

29.2

6-15 años

42

43.7

16 años o más

26

27.1

Capacitación previa en IA

Sí

39

40.6

No

57

59.4

Nivel de formación

Licenciatura

34

35.4

Maestría

58

60.4

Doctorado

4

4.2

Fuente: Elaboración propia.

Como
se
observa
en
la
Tabla
1,
la
muestra
estuvo
compuesta
mayoritariamente
por
docentes con formación de maestría (60.4%) y
con experiencia intermedia de entre 6 y 15 años
(43.7%).
Únicamente
el
40.6%
de
los
participantes
reportó
haber
recibido
capacitación
formal
previa
relacionada
específicamente
con
inteligencia
artificial.
La
Tabla 2 muestra un patrón claro: los docentes
reportan
una
competencia
notablemente
más
alta en las dimensiones de competencia digital
general
(M
=
3.82)
y
competencia
técnica
específica
en
IA
(M
=
3.64)
que
en
las
dimensiones
de
integración
pedagógica
(M
=
2.91), evaluación mediada por IA (M = 2.77),
ética y pensamiento crítico (M = 2.85), y apoyo
institucional percibido (M = 2.58). Esta brecha
de
aproximadamente
un
punto
en
la
escala
Likert
confirma
la
disociación
entre
competencia técnica y competencia pedagógica
documentada en la literatura revisada. Los datos
de la Tabla 3 revelan una marcada preferencia
por
herramientas
conversacionales
genéricas
(74.0%)
sobre
plataformas
educativas
especializadas en IA (18.8%) o herramientas de
evaluación automatizada (14.6%). Este patrón
sugiere que la adopción docente está guiada, en
gran medida, por la accesibilidad y familiaridad

Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 188

de las herramientas de uso general, más que por
su
diseño
pedagógico
específico
para
la
enseñanza de idiomas.

Tabla
2.
Competencia
Digital
y
Pedagógica
Percibida por Dimensión.

Dimensión

M

DE

% Acuerdo (4-
5)

Competencia digital
general

3.82

0.71

68.8

Competencia técnica
específica en IA

3.64

0.79

60.4

Competencia de
integración pedagógica

2.91

0.88

32.3

Competencia de
evaluación mediada
por IA

2.77

0.93

27.1

Competencia ética y
crítica

2.85

0.85

29.2

Percepción de apoyo
institucional

2.58

0.97

22.9

Fuente: Elaboración propia.

Tabla 3
. Frecuencia de Uso Semanal o Mayor
de Herramientas de IA.

Tipo de Herramienta

Ejemplos

% Uso
Semanal+

Asistentes
conversacionales
genéricos

ChatGPT, Gemini,
Claude

74.0

Generadores de
imágenes

DALL-E,
Midjourney

21.9

Plataformas educativas
con IA integrada

MagicSchool AI,
Diffit

18.8

Correctores gramaticales
con IA

Grammarly,
Wordtune

45.8

Herramientas de
evaluación automatizada

Turnitin AI,
Gradescope

14.6

Fuente: Elaboración propia.

Tabla
4.
Barreras
Percibidas
para
el
Desarrollo de Competencias en IA.

Categoría de
Barrera

Descripción
Ilustrativa

% Menciones

Tiempo insuficiente
de capacitación

Formación ofrecida
fuera del horario
laboral remunerado

61.5

Falta de políticas
institucionales claras

Ausencia de
lineamientos sobre
uso aceptable de IA

52.1

Escasas estructuras de
apoyo entre pares

No existen espacios
formales para
compartir prácticas

38.5

Preocupación por la
integridad académica

Dificultad para
detectar uso
indebido por
estudiantes

34.4

Fuente: Elaboración propia.

Como se aprecia en la Tabla 4, las barreras más
frecuentemente mencionadas son de naturaleza
estructural e institucional, y no motivacional: el
tiempo insuficiente de capacitación (61.5%) y la
falta de políticas institucionales claras (52.1%)
superan ampliamente a la preocupación por la
integridad
académica
(34.4%),
lo
que
sugiere
que los docentes no rechazan la tecnología, sino
que carecen de las condiciones institucionales
necesarias
para
desarrollar
plenamente
su
competencia.

Tabla
5.
Comparación
de
Competencia
Percibida según Capacitación Previa en IA.

Dimensión

Con
Capacitación
(n=39)

Sin
Capacitación
(n=57)

t

p

Competencia
técnica en IA

4.02

3.38

4.51

<
.001

Integración
pedagógica

3.34

2.62

4.87

<
.001

Evaluación
mediada por
IA

3.11

2.53

3.62

<
.001

Ética y
pensamiento
crítico

3.20

2.61

3.98

<
.001

Fuente: Elaboración propia.

La Tabla 5 muestra diferencias estadísticamente
significativas
y
sustanciales
en
las
cuatro
dimensiones
comparadas.
Los
docentes
con
capacitación
previa
en
IA
reportaron
una
competencia considerablemente mayor no solo
en el uso técnico de herramientas, sino también,
y
de
manera
más
pronunciada
en
términos
relativos,
en
integración
pedagógica,
evaluación
y
ética,
lo
que
sugiere
que
la
capacitación
formal
contribuye
a
cerrar
precisamente
las
brechas
más
amplias
identificadas en la Tabla 2.

Tabla
6.
Correlación
entre
Competencia
Pedagógica y Competencia Ética.

Variables

r

n

p

Integración pedagógica –
Competencia ética

.68

96

< .001

Integración pedagógica –
Apoyo institucional
percibido

.54

96

< .001

Fuente: Elaboración propia.

La Tabla 6 muestra una correlación positiva y
considerable
entre
la
competencia
de
integración pedagógica y la competencia ética y

Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 189

crítica
(r
=
.68),
lo
que
sugiere
que
ambas
dimensiones
tienden
a
desarrollarse
conjuntamente y podrían no ser completamente
independientes
entre
sí.
La
correlación
moderada entre integración pedagógica y apoyo
institucional
percibido
(r
=
.54)
refuerza,
además, la interpretación de que las condiciones
institucionales facilitan, aunque no determinan
por completo, el desarrollo de la competencia
pedagógica
docente.
Los
resultados
de
este
estudio
confirman,
con
evidencia
empírica
específica para el contexto de la enseñanza de
inglés
en
educación
superior
ecuatoriana,
la
disociación
entre
competencia
técnica
y
competencia
pedagógica
documentada
previamente
en
la
literatura
internacional
(Mohammadkarimi,
2023;
Popenici
y
Kerr,
2017).

La brecha de aproximadamente un punto en la
escala Likert entre la competencia técnica en IA
(M
=
3.64)
y
la
competencia
de
integración
pedagógica (M = 2.91) no es un hallazgo menor:
indica
que
un
porcentaje
considerable
de
docentes
que
se
sienten
cómodos
usando
herramientas de IA personalmente no se sienten
igualmente preparados para diseñar actividades
de
aula
que
aprovechen
pedagógicamente
dichas
herramientas.
Esta
brecha
resulta
consistente
con
la
advertencia
de
Marroquín
(2024) de que el potencial transformador de la
IA en la personalización del aprendizaje solo se
materializa
cuando
existe
la
competencia
pedagógica
necesaria
para
diseñarlo
intencionalmente. El marcado predominio en el
uso de herramientas conversacionales genéricas
(74.0%)
sobre
plataformas
educativas
especializadas
(18.8%)
merece
una
interpretación
cuidadosa.
Por
un
lado,
este
patrón es consistente con los hallazgos de Zhai
y Wibowo (2023) respecto a que la facilidad de
uso y la proactividad percibida de un sistema de
IA
influyen
más
en
su
adopción
que
las
características
del
usuario;
las
herramientas
conversacionales genéricas suelen ofrecer una
experiencia
de
usuario
más
pulida
y
familiar
que las plataformas educativas especializadas,
aún
en
desarrollo.
Por
otro
lado,
este
predominio también plantea una preocupación
pedagógica:
las
herramientas
genéricas
no
fueron
diseñadas
específicamente
para
la
enseñanza de idiomas y carecen de funciones
pedagógicas
propias
de
plataformas
especializadas,
como
el
seguimiento
del
progreso
lingüístico
o
la
alineación
explícita
con descriptores de nivel CEFR, lo que podría
limitar su valor instruccional si se usan sin una
mediación pedagógica deliberada por parte del
docente (Arini et al., 2022; Ouyang et al., 2023).

La correlación considerable entre competencia
pedagógica
y
competencia
ética
(r
=
.68)
constituye uno de los hallazgos más interesantes
de
este
estudio,
y
es
consistente
con
el
argumento de Celik (2023) de que la integración
ética
de
la
IA
no
puede
separarse
completamente
de
su
integración
pedagógica:
un docente que diseña cuidadosamente cómo y
cuándo utilizar la IA en su clase probablemente
también
reflexiona,
como
parte
del
mismo
proceso de diseño, sobre los riesgos éticos de
dicho
uso,
como
la
posible
sustitución
del
pensamiento
crítico
del
estudiante
o
la
evaluación
de
contenido
no
producido
genuinamente por él (Chen et al., 2022; (Zhao,
2022).

Esta asociación
sugiere que los
programas de
desarrollo
profesional
podrían
beneficiarse
de
abordar la integración pedagógica y la reflexión
ética de manera conjunta, en lugar de tratarlas
como
módulos
de
capacitación
separados
(Phothong
et
al.,
2026).
Las
diferencias
significativas encontradas entre docentes con y
sin capacitación previa en IA (Tabla 5) ofrecen
una
segunda
línea
de
evidencia
que
refuerza

Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 190

esta
interpretación:
la
brecha
entre
ambos
grupos
fue
proporcionalmente
mayor
en
integración
pedagógica
y
en
ética
que
en
competencia técnica pura, lo que indica que la
capacitación
formal
parece
tener
un
efecto
particularmente
valioso
precisamente
en
las
dimensiones donde la competencia general de la
muestra
es
más
baja
(Ebadi
y
Amini,
2024).
Parte de la capacitación docente existente en IA
se
centra
en
el
manejo
operativo
de
herramientas,
dejando
relativamente
desatendidas
las
dimensiones
pedagógica
y
ética;
los
resultados
de
este
estudio
sugieren
que, cuando dicha capacitación sí aborda estas
dimensiones, su efecto es sustancial (Argüelles
et al., 2021).

Las
barreras
percibidas
por
los
docentes,
predominantemente
estructurales
(tiempo
de
capacitación insuficiente, ausencia de políticas
institucionales
claras),
y
sugieren
que
la
responsabilidad
de
cerrar
estas
brechas
de
competencia
no
recae
únicamente
en
la
disposición
individual
del
docente,
sino,
de
manera
importante,
en
las
condiciones
institucionales
bajo
las
cuales
dicho
docente
puede desarrollar su práctica (Hwang y Chien,
2022; Lameras y Arnab, 2021). La correlación
moderada entre integración pedagógica y apoyo
institucional
percibido
(r
=
.54)
refuerza
esta
lectura: parte de la variabilidad en competencia
pedagógica podría explicarse por diferencias en
el apoyo institucional recibido, y no únicamente
por
características
individuales
del
docente
(Ungerer y Slade, 2022).

Los hallazgos de este estudio también dialogan
con la preocupación planteada por Sanabria et
al. (2023) respecto a los riesgos de una adopción
acrítica
de
la
IA
en
contextos
educativos
latinoamericanos.
El
hecho
de
que
la
competencia
ética
y
crítica
sea,
junto
con
el
apoyo
institucional
percibido,
una
de
las
dimensiones peor valoradas por los docentes de
la muestra sugiere que existe un riesgo real de
que
la
integración
de
la
IA
avance
más
rápidamente en su dimensión operativa que en
su
dimensión
reflexiva,
precisamente
el
desequilibrio
que
la
literatura
crítica
advierte
como más problemático (Junaidi, 2020). Deben
reconocerse
ciertas
limitaciones.
La
muestra,
aunque
numéricamente
adecuada
para
los
análisis realizados, proviene de un muestreo por
conveniencia en tres instituciones ecuatorianas,
lo que limita la generalización de los hallazgos
a
otros
contextos
institucionales
o
nacionales
(Argüelles
et
al.,
2021). El diseño transversal
impide
establecer
relaciones
causales,
particularmente
en
la
asociación
observada
entre
capacitación
previa
y
competencia
percibida,
ya
que
los
docentes
con
mayor
motivación
o
interés
en
la
IA
podrían
haber
buscado capacitación de manera más proactiva.
Al
tratarse
de
un
instrumento
de
autoevaluación,
los
resultados
podrían
estar
sujetos a cierto grado de deseabilidad social, un
fenómeno común en este tipo de investigación
(Putra et al., 2023).

Conclusiones

Este
estudio
caracterizó
las
competencias
digitales
y
pedagógicas
que
un
grupo
de
docentes
de
inglés
en
educación
superior
ecuatoriana
percibe
poseer
para
integrar
la
inteligencia artificial en su práctica de aula. Los
resultados evidencian una brecha consistente y
estadísticamente
respaldada
entre
una
competencia técnica relativamente sólida y una
competencia
pedagógica,
evaluativa
y
ética
considerablemente menos desarrollada, patrón
que se replica tanto en las medias generales de
competencia
como
en
las
diferencias
observadas
entre
docentes
con
y
sin
capacitación
previa.
La
fuerte
asociación
encontrada
entre
competencia
pedagógica
y
competencia
ética
sugiere
que
ambas

Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 191

dimensiones
deberían
abordarse
de
manera
conjunta
e
intencional
en
los
programas
de
formación
docente,
en lugar de tratarse
como
componentes
aislados
de
una
capacitación
predominantemente
técnica.
Asimismo,
el
predominio
del
uso
de
herramientas
conversacionales
genéricas
sobre
plataformas
educativas
especializadas
señala
una
oportunidad
de
mejora:
los
procesos
de
capacitación institucional podrían orientar a los
docentes hacia una selección más informada y
pedagógicamente
fundamentada
de
las
herramientas
de
IA
disponibles.
Las
barreras
identificadas,
de
naturaleza
mayoritariamente
institucional y no motivacional, indican que el
cierre de estas brechas de competencia requiere
una responsabilidad compartida entre el docente
individual
y
la
institución:
esta
última
debe
proveer
tiempo
protegido
de
capacitación,
políticas de uso claras y espacios estructurados
de intercambio entre pares. Como líneas futuras
de
investigación,
se
recomienda
replicar
este
estudio con muestras probabilísticas y en otros
contextos
institucionales,
así
como
explorar
mediante
diseños
longitudinales
si
las
intervenciones
de
capacitación
que
abordan
explícitamente la dimensión pedagógica y ética
producen
mejoras
sostenidas
en
la
práctica
docente y, en última instancia, en los resultados
de aprendizaje de los estudiantes de inglés.

Referencias Bibliográficas

An, X., Chai,
C., Li, Y., Zhou, Y., Shen, X.,
Zheng,
C.,
&
Chen,
M.
(2023).
Modeling
English teachers’ behavioral intention to use
artificial
intelligence
in
middle
schools.
Education
and
Information
Technologies,
28(5),
5187–5208.
https://doi.org/10.1007/s10639-022-11286-z

Argüelles,
A.,
García,
F.,
&
Ramírez,
M.
(2021). Education in Latin America: Toward
the digital transformation in universities. En
Radical solutions for digital transformation in
Latin
American
universities:
Artificial
intelligence
and
technology
4.0
in
higher
education
(pp.
93–108).
Springer.
https://doi.org/10.1007/978-981-16-3941-
8_7

Arini, D., Hidayat, F., Winarti, A., & Rosalina,
E. (2022). Artificial intelligence (AI)-based
mobile learning in ELT for EFL learners: The
implementation
and
learners’
attitudes.
International Journal of Educational Studies
in
Social
Sciences,
2(2).
https://doi.org/10.53402/ijesss.v2i2.40

Bellomo,
S.
(2023).
Inteligencia
artificial
en
educación
superior.
Journal
of
Ethics
in
Higher
Education,
(3),
87–114.
https://doi.org/10.26034/fr.jehe.2023.4626

Celik, I. (2023). Towards Intelligent-TPACK:
An empirical study on teachers’ professional
knowledge
to
ethically
integrate
artificial
intelligence (AI)-based tools into education.
Computers in Human Behavior, 138, 107468.
https://doi.org/10.1016/j.chb.2022.107468

Chen, L., Chen, P., & Lin, Z. (2020). Artificial
intelligence
in
education:
A
review.
IEEE
Access,
8,
75264–75278.
https://doi.org/10.1109/ACCESS.2020.2988
510

Chen, X., Bear, E., Hui, B., Santhi-Ponnusamy,
H., & Meurers, D. (2022). Education theories
and
AI
affordances:
Design
and
implementation
of
an
intelligent
computer
assisted
language
learning
system.
En
M.
Rodrigo,
N.
Matsuda,
A.
Cristea,
&
V.
Dimitrova
(Eds.),
Artificial
intelligence
in
education: Posters and late breaking results,
workshops
and
tutorials,
industry
and
innovation tracks, practitioners’ and doctoral
consortium
(pp.
582–585).
Springer.
https://doi.org/10.1007/978-3-031-11647-
6_120

Cid, L., Aznar, I., Gómez, G., & Martínez, J.
(2025). A systematic review on the level of
digital
competence
of
in-service
Spanish
teachers
according
to
the
DigCompEdu
framework. Education Sciences, 15(6), 655.
https://doi.org/10.3390/educsci15060655

Dela,
C.,
&
Dela,
L.
(2026).
Leveraging
artificial
intelligence
for
intelligent
student
support: An AI-enabled SRM framework for
higher
education.
Multidisciplinary
Science

Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 192

Journal,
8(3).
https://doi.org/10.31893/multiscience.20261
60

Divekar, R., Drozdal, J., Chabot, S., Zhou, Y.,
Su,
H.,
Chen,
Y.,
Zhu,
H.,
Hendler,
J.,
&
Braasch,
J.
(2022).
Foreign
language
acquisition
via
artificial
intelligence
and
extended
reality:
Design
and
evaluation.
Computer
Assisted
Language
Learning,
35(9),
2332–2360.
https://doi.org/10.1080/09588221.2021.1879
162

Ebadi, S., & Amini, A. (2024). Examining the
roles of social presence and human-likeness
on
Iranian
EFL
learners’
motivation
using
artificial intelligence technology: A case of
CSIEC
chatbot.
Interactive
Learning
Environments,
32(2),
655–673.
https://doi.org/10.1080/10494820.2022.2096
638

Enholm,
I.,
Papagiannidis,
E.,
Mikalef,
P.,
&
Krogstie, J. (2022). Artificial intelligence and
business
value:
A
literature
review.
Information Systems Frontiers, 24(5), 1709–
1734.
https://doi.org/10.1007/s10796-021-
10186-w

Figueira,
L.,
&
Dorotea,
N.
(2022).
Digital
competence:
DigCompEdu
Check-In
as
a
digital
literacy
diagnostic
tool
to
support
teacher
training.
Educação
&
Formação,
7,
e8332.
https://doi.org/10.25053/redufor.v7.e8332

Haşlaman, T., Atman, N., & Mumcu, F. (2024).
Development
and
in-depth
investigation
of
pre-service
teachers’
digital
competencies
based
on
DigCompEdu:
A
case
study.
Quality
&
Quantity,
58(1),
961–986.
https://doi.org/10.1007/s11135-023-01674-z

Hwang,
G.,
&
Chien,
S.
(2022).
Definition,
roles,
and
potential
research
issues
of
the
metaverse
in
education:
An
artificial
intelligence
perspective.
Computers
and
Education: Artificial Intelligence, 3, 100082.
https://doi.org/10.1016/j.caeai.2022.100082

Jiang,
R.
(2022).
How
does
artificial
intelligence
empower
EFL
teaching
and
learning
nowadays?
A
review
on
artificial
intelligence in the EFL context. Frontiers in
Psychology,
13,
1049401.
https://doi.org/10.3389/fpsyg.2022.1049401

Junaidi, J., Hamuddin, B., Julita, K., Rahman,
F., & Derin, T. (2020). Artificial intelligence
in
EFL
context:
Rising
students’
speaking
performance
with
Lyra
virtual
assistance.
International
Journal
of
Advanced
Science
and
Technology,
29(5),
6735–6741.
https://sersc.org/journals/index.php/IJAST/a
rticle/view/17726

Lameras, P., & Arnab, S. (2022). Power to the
teachers: An exploratory review on artificial
intelligence in education. Information, 13(1),
14.
https://doi.org/10.3390/info13010014

Lara, R., Criollo, L., Calderón, C., & Matamba,
B. (2023). La inteligencia artificial: Análisis
del
presente
y
futuro
en
la
educación
superior. Revista Científica Multidisciplinar
G-Nerando,
4(1).
https://doi.org/10.60100/rcmg.v4i1.98

Loewen, S., Crowther, D., Isbell, D., Kim, K.,
Maloney, J., Miller, Z., & Rawal, H. (2019).
Mobile-assisted
language
learning:
A
Duolingo case study. ReCALL, 31(3), 293–
311.
https://doi.org/10.1017/S0958344019000065

Mohammadkarimi,
E.
(2023).
Teachers’
reflections
on
academic
dishonesty
in
EFL
students’
writings
in
the
era
of
artificial
intelligence. Journal of Applied Learning and
Teaching,
6(2),
105–113.
https://doi.org/10.37074/jalt.2023.6.2.10

Ouyang, F., Wu, M., Zheng, L., Zhang, L., &
Jiao,
P.
(2023).
Integration
of
artificial
intelligence
performance
prediction
and
learning analytics to improve student learning
in
online
engineering
course.
International
Journal of Educational Technology in Higher
Education,
20(1),
4.
https://doi.org/10.1186/s41239-022-00372-4

Phothong, L., Sukprasert, A., & Ngamtampong,
N. (2026). Artificial intelligence governance
in
smart
cities:
A
causal
model
of
citizen
sustainability
co-creation
through
acceptance,
trust,
and
adaptability.
Sustainability,
18(2),
1109.
https://doi.org/10.3390/su18021109

Popenici, S., & Kerr, S. (2017). Exploring the
impact
of
artificial
intelligence
on
teaching

Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 193
Licencia de Creative Commons

and
learning
in
higher
education.
Research
and
Practice
in
Technology
Enhanced
Learning,
12(1),
1–13.
https://doi.org/10.1186/s41039-017-0062-8

Putra,
J.,
Teufel,
S.,
&
Tokunaga,
T.
(2023).
Improving
logical
flow
in
English-as-a-
foreign-language
learner
essays
by
reordering sentences. Artificial Intelligence,
320,
103935.
https://doi.org/10.1016/j.artint.2023.103935

Ruiz,
G.,
Vasco,
J.,
&
Lozano,
S.
(2024).
Evaluación
y
acreditación
universitaria:
Integración de la inteligencia artificial en los
sistemas
de
calidad.
Revista
Social
Fronteriza,
4(6),
e46511.
https://doi.org/10.59814/resofro.2024.4(6)51
1

Salas, S., Xiao, K., & Hu, X. (2022). Artificial
intelligence and learning analytics in teacher
education:
A
systematic
review.
Education
Sciences,
12(8),
569.
https://doi.org/10.3390/educsci12080569

Sanabria, J., Silveira, Y., Pérez, D., & de-Jesús,
M.
(2023).
Incidencias
de
la
inteligencia
artificial
en
la
educación
contemporánea.
Comunicar:
Revista
Científica
de
Comunicación y Educación, 31(77), 97–107.
https://doi.org/10.3916/C77-2023-08

Sumakul,
D.,
Hamied,
F.,
&
Sukyadi,
D.
(2022).
Artificial
intelligence
in
EFL
classrooms: Friend or foe? LEARN Journal:
Language
Education
and
Acquisition
Research
Network,
15(1),
232–256.
https://so04.tci-
thaijo.org/index.php/LEARN/article/view/25
6723

Suzer, E., & Koc, M. (2024). Teachers’ digital
competency
level
according
to
various
variables:
A
study
based
on
the
European
DigCompEdu framework in a large Turkish
city.
Education
and
Information
Technologies,
29(16),
22057–22083.
https://doi.org/10.1007/s10639-024-12711-1

Ungerer,
L.,
&
Slade,
S.
(2022).
Ethical
considerations
of
artificial
intelligence
in
learning
analytics
in
distance
education
contexts. En Learning analytics in open and
distributed learning: Potential and challenges
(pp.
105–120).
Springer.
https://doi.org/10.1007/978-981-19-0786-
9_10

Wang,
Z.
(2022).
Computer-assisted
EFL
writing
and
evaluations
based
on
artificial
intelligence:
A case from
a college reading
and writing course. Library Hi Tech, 40(1),
80–97.
https://doi.org/10.1108/LHT-05-
2020-0113

Yilmaz,
M.,
Gauthier,
A.,
&
Cukurova,
M.
(2026).
Supporting
online
learners’
regulation
skills
with
the
help
of
learning
analytics
and
generative
artificial
intelligence.
Educational
Technology
Research and Development, 74, 1223–1252.
https://doi.org/10.1007/s11423-026-10595-1

Zhai, C., & Wibowo, S. (2023). A systematic
review
on
artificial
intelligence
dialogue
systems
for
enhancing
English
as
foreign
language students’ interactional competence
in the university. Computers and Education:
Artificial
Intelligence,
4,
100134.
https://doi.org/10.1016/j.caeai.2023.100134

Zhao,
X.
(2022).
Leveraging
artificial
intelligence
(AI)
technology
for
English
writing:
Introducing
Wordtune
as
a
digital
writing
assistant
for
EFL
writers.
RELC
Journal,
00336882221094089.
https://doi.org/10.1177/00336882221094089

Esta obra está bajo una licencia de
Creative
Commons
Reconocimiento-No
Comercial
4.0 Internacional. Copyright © David Enrique Gortaire
Díaz,
María
Grazzia
González
Quinto,
Mary
Thalía
Cifuentes Rojas y Rina Rosalinda Castañeda Junco.

Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 194

Declaraciones éticas y editoriales del artículo

Contribución de los autores (Taxonomía CRediT)

David Enrique Gortaire Díaz: conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de los
datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.

María Grazzia González Quinto: curación y organización de los datos, participación en la recolección de información, validación de los resultados
obtenidos y elaboración de representaciones gráficas y visualización de los datos.

Mary Thalía Cifuentes Rojas: provisión de recursos académicos y materiales para el desarrollo del estudio, apoyo en la administración del proyecto
investigativo y revisión editorial del manuscrito antes de su publicación.

Rina Rosalinda Castañeda Junco:
conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de
los datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.

Declaración de conflicto de intereses

Los autores declaran que no existe conflicto de intereses en relación con la investigación presentada, la autoría del manuscrito ni la publicación del
presente artículo.

Declaración de financiamiento

La presente investigación no recibió financiamiento específico de agencias públicas, comerciales o de organizaciones sin fines de lucro. En caso de
existir financiamiento institucional o externo, este deberá ser declarado explícitamente por los autores en esta sección.

Declaración del editor

El editor responsable certifica que el proceso editorial del presente artículo se desarrolló conforme a los principios de integridad científica,
transparencia y buenas prácticas editoriales. El manuscrito fue sometido a un proceso de evaluación mediante revisión por pares doble ciego,
garantizando la confidencialidad de la identidad de los autores y revisores durante todo el proceso de dictamen académico. Asimismo, el editor
declara que el artículo cumple con los criterios científicos, metodológicos y éticos establecidos por la revista.

Declaración de los revisores

Los revisores externos que participaron en la evaluación del presente manuscrito declaran haber realizado el proceso de revisión de manera objetiva,
independiente y confidencial. Asimismo, manifiestan que no mantienen conflictos de interés con los autores ni con la investigación evaluada, y que
sus observaciones y recomendaciones se fundamentan exclusivamente en criterios científicos, metodológicos y académicos.

Declaración ética de la investigación

Los autores declaran que la investigación se desarrolló respetando los principios éticos de la investigación científica, garantizando la confidencialidad
de los datos y el respeto a los participantes del estudio. En los casos en que la investigación involucre seres humanos, los procedimientos deben
ajustarse a los principios éticos establecidos en la Declaración de Helsinki y a las normativas institucionales correspondientes.

Declaración sobre el uso de inteligencia artificial

Los autores declaran que el uso de herramientas de inteligencia artificial, en caso de haberse utilizado durante el proceso de investigación o redacción
del manuscrito, se realizó únicamente como apoyo técnico para mejorar la claridad del lenguaje o el análisis de información, manteniendo siempre la
responsabilidad intelectual sobre el contenido del artículo. Las herramientas de inteligencia artificial no fueron utilizadas como autoras del
manuscrito ni sustituyen la responsabilidad académica de los investigadores.

Disponibilidad de datos

Los datos que respaldan los resultados de esta investigación estarán disponibles previa solicitud razonable al autor de correspondencia, respetando las
normas éticas y de confidencialidad establecidas por la investigación.

Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 195