Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 121Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm. 2. (julio - diciembre 2025.)ISSN:2806-5794INTELIGENCIA ARTIFICIAL EN EL CAMPO DE LA EDUCACIÓN DELENGUA Y LITERATURAGAMIFICATION AS A TEACHING STRATEGY IN SECONDARYEDUCATION: SYSTEMATIC REVIEW OF STUDIES ON MOTIVATIONAND ACADEMIC PERFORMANCE.Lic. Leonardo Fabricio Baque Zambrano *Correo: leonardo.baque@educacion.gob.ecDocente Unidad Educativa José María SantanaMgs. Pelliceli del Rocío Franco Franco.Correo: pelliceli.franco@educacion.gob.ecDocente Unidad Educativa José María SantanaMgs. Barkley Alejandro Zavala Del Re.Correo: barkleyzavala@gmail.com ORCID: https://orcid.org/0009-0006-1471-8189Docente Ministerio de Educación.Lic. Lissette Stefania Marcillo Mendoza.Correo: lissette.marcillo@educacion.gob.ecDocente Unidad Educativa José María Santana* Autor para correspondencia: leonardo.baque@educacion.gob.ecResumenLa integración de la Inteligencia Artificial en el ecosistema educativo ha redefinido los procesos deenseñanza-aprendizaje, con especial incidencia en el área de Lengua y Literatura. El presente artículo tienecomo objetivo analizar el impacto, las aplicaciones prácticas y los retos ético-didácticos del uso deherramientas de IA en esta disciplina, fundamentándose en una revisión sistemática de la literatura científicapublicada entre 2019 y 2024. La metodología empleada consistió en el análisis documental de estudiosindexados en bases de datos de alto impacto como Scopus, Web of Science y Google Scholar, seleccionadosbajo criterios de pertinencia y rigor académico. Los resultados demuestran que la IA potencia el desarrollo decompetencias comunicativas, específicamente en la optimización de la comprensión lectora, la estructuraciónde la producción escrita y el fomento de la creatividad literaria, facilitando además la personalización delaprendizaje y la retroalimentación en tiempo real. No obstante, se identifican desafíos críticos en torno a laintegridad académica, la brecha en la formación docente y la necesidad de una evaluación crítica de loscontenidos automatizados. Se concluye que, si bien la IA constituye una herramienta innovadora con altopotencial para dinamizar la enseñanza lingüística, su éxito depende de una implementación guiada por marcoséticos y pedagógicos que preserven el pensamiento crítico y la esencia humanista de la literatura.Palabras clave: Inteligencia Artificial, Educación, Lengua y Literatura, Innovación Pedagógico.AbstractPág. 1 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 122Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm. 2. (julio - diciembre 2025.)ISSN:2806-5794The integration of Artificial Intelligence into the educational ecosystem has redefined teaching and learningprocesses, with a particular impact on the area of Language and Literature. This article aims to analyse theimpact, practical applications and ethical-didactic challenges of using AI tools in this discipline, based on asystematic review of scientific literature published between 2019 and 2024. The methodology employedconsisted of a documentary analysis of studies indexed in high-impact databases such as Scopus, Web ofScience, and Google Scholar, selected according to criteria of relevance and academic rigour. The resultsshow that AI enhances the development of communication skills, specifically in optimising readingcomprehension, structuring written production and fostering literary creativity, while also facilitatingpersonalised learning and real-time feedback. However, critical challenges are identified around academicintegrity, the gap in teacher training and the need for critical evaluation of automated content. It is concludedthat, although AI is an innovative tool with high potential to revitalise language teaching, its success dependson implementation guided by ethical and pedagogical frameworks that preserve critical thinking and thehumanistic essence of literature.Keywords: Artificial Intelligence, Education, Language and Literature, Pedagogical Innovation..Recibido: 20/10/2025Aceptado: 26/11/2025Publicado 15/12/2025IntroducciónLa vertiginosa evolución de las tecnologías emergentes en la tercera década del siglo XXI ha impulsado unareconfiguración sin precedentes del ecosistema educativo global. Este fenómeno, descrito como unametamorfosis digital de la pedagogía, ha modificado no solo los canales de acceso a la información, sinotambién las estructuras cognitivas mediante las cuales los estudiantes procesan, crean y distribuyen elconocimiento (Area, 2018; Cabero y Llorente, 2020). En este escenario, la Inteligencia Artificial (IA) se erigecomo la tecnología de mayor potencial disruptivo, caracterizada por su capacidad para emular funcionescognitivas superiores como el razonamiento deductivo, la resolución de problemas complejos y la generaciónde lenguaje natural con una coherencia casi humana a través de modelos fundacionales (Russell y Norvig,2021; UNESCO, 2023).En el ámbito educativo, la integración de la IA no se limita a la automatización administrativa; se manifiestaa través de sistemas de tutoría inteligente (ITS), plataformas de aprendizaje adaptativo y analíticas deaprendizaje que buscan una personalización extrema de la instrucción (Holmes et al., 2019; Zawacki et al.,2019). No obstante, esta transición tecnológica plantea interrogantes críticas en las disciplinas humanísticas.En la enseñanza de Lengua y Literatura, donde la esencia del aprendizaje radica en la interpretación subjetiva,el pensamiento crítico y la sensibilidad estética, la irrupción de modelos de lenguaje de gran escala (LLM)genera una tensión dialéctica entre la eficiencia técnica y la esencia humanista del currículo (García, 2021;Selwyn, 2019).Pág. 2 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 123Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794Actualmente, la enseñanza de la lengua y la literatura enfrenta una crisis multifactorial caracterizada por eldescenso en los niveles de comprensión lectora y la precariedad en la producción escrita académica, fenómenoque la OCDE ha calificado como un desafío global para la alfabetización del siglo XXI (OECD, 2019;Cassany, 2017; Solé, 2018). Esta problemática se ve exacerbada por la persistencia de enfoques didácticostradicionales que ignoran la realidad transmedia de los estudiantes actuales (Ferreiro & Teberosky, 2019;Díaz,, 2020). Frente a este déficit, la IA se presenta como una oportunidad para revitalizar la disciplina,ofreciendo herramientas de retroalimentación inmediata, corrección gramatical de alta precisión ygeneradores de estructuras narrativas que pueden actuar como andamiajes en el proceso de escritura (Luckinet al., 2016; Karsenti, 2019; Chen et al., 2020).La adopción de estas herramientas no es inocua. La literatura científica advierte sobre el riesgo de una "atrofiacognitiva" derivada de la delegación de procesos reflexivos a los algoritmos, así como el desafío ético quesupone el plagio automatizado y la opacidad de los algoritmos (Floridi et al., 2018; Burbules, 2020;Williamson y Eynon, 2020). En la educación literaria, la preocupación se intensifica al considerar que laconstrucción del sentido y la respuesta estética son procesos intrínsecamente humanos que no pueden serreducidos a patrones probabilísticos (Rosenblatt, 2002; Chartier, 2019).Ante esta realidad, surgen interrogantes fundamentales: ¿De qué manera la IA puede potenciar la competenciacomunicativa sin vulnerar la autonomía intelectual del estudiante? ¿Es posible utilizar algoritmos parafomentar la creatividad literaria sin desplazar la subjetividad del autor? Se parte de la suposición de que laIA, implementada bajo una mediación docente crítica, puede funcionar como un recurso complementario quedemocratiza el acceso a tutorías lingüísticas personalizadas (Baker & Inventado, 2014; Holmes y Tuomi,2022). El objetivo de este artículo es analizar el impacto, las aplicaciones y los desafíos de la IA en laenseñanza de Lengua y Literatura, empleando un enfoque cualitativo y documental basado en la produccióncientífica reciente (Cabero-Almenara et al., 2022; Salinas, 2020).Resulta imperativo considerar que la integración de la IA en la didáctica de la lengua no ocurre en un vacíosocial, sino que está condicionada por las brechas de acceso y de segundo orden (competencias de uso). Laliteratura reciente destaca que, si bien estas herramientas pueden democratizar el aprendizaje, también correnel riesgo de profundizar las desigualdades educativas si no se garantiza una alfabetización algorítmicaequitativa (Crompton y Burke, 2023). En este sentido, la enseñanza de la lengua debe evolucionar desde unavisión meramente instrumental hacia una "meta-alfabetización" que permita al estudiante comprender cómolos algoritmos de procesamiento de lenguaje natural (PLN) sesgan la información y moldean los discursoscontemporáneos (Miao et al., 2021; Mollick y Mollick, 2023). No se trata únicamente de escribir con la IA,sino de analizar críticamente el lenguaje generado por esta, identificando alucinaciones informativas y sesgosideológicos inherentes a los datos de entrenamiento (Bender et al., 2021).El ecosistema de la literatura se ve interpelado por la emergencia de nuevas formas de textualidad híbrida ynarrativa generativa. La transición hacia una "literatura post-digital" exige que el aula de lengua se conviertaen un espacio de experimentación donde la co-creatividad entre humanos y máquinas sea explorada como unanueva frontera estética (Hwang & Tu, 2021). La posibilidad de generar mundos narrativos complejos orealizar análisis estilométricos masivos en tiempo real abre puertas a una crítica literaria mediada por datosque antes era inaccesible para el estudiante promedio (Ouyang y Jiao, 2021). Por tanto, esta investigación nosolo aborda la IA como una herramienta de corrección o asistencia, sino como un agente ontológico quePág. 3 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 124Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794redefine qué significa leer, escribir y crear en el siglo XXI, obligando a una reingeniería de las competenciasdocentes y de los criterios de evaluación tradicionales (Ocaña et al., 2019; Tlili et al., 2023).Materiales y métodosDiseño y enfoque de la investigaciónLa presente investigación se fundamenta en un diseño cualitativo de carácter descriptivo, empleando comoestrategia metodológica la Revisión Sistemática de la Literatura (RSL). Este método permite la identificación,evaluación e interpretación de toda la evidencia científica disponible para responder a interrogantesespecíficas sobre el impacto de la Inteligencia Artificial en la enseñanza de Lengua y Literatura (Kitchenhamy Charters, 2007). Para asegurar el rigor del proceso, se adoptaron las directrices del protocolo PRISMA(Preferred Reporting Items for Systematic Reviews and Meta-Analyses), el cual proporciona un marcoestructurado para la selección, cribado e inclusión de las fuentes bibliográficas, garantizando la transparenciay replicabilidad del estudio (Page et al., 2021).Fuentes de información y estrategia de búsquedaLa fase de obtención de materiales consistió en una búsqueda exhaustiva en tres bases de datos académicasde alto impacto: Scopus, Web of Science (WoS) y Google Scholar. Se seleccionaron estas fuentes debido asu amplia cobertura en áreas de educación, lingüística y tecnología educativa. La estrategia de búsqueda sebasó en el uso de descriptores controlados y operadores booleanos, estructurando cadenas tanto en españolcomo en inglés: ("Inteligencia Artificial" OR "IA") AND ("Lengua y Literatura" OR "CompetenciaLingüística") AND ("Educación"), y sus equivalentes en inglés ("Artificial Intelligence" AND "Language andLiterature" AND "Education"). El rango temporal se delimitó estrictamente entre los años 2019 y 2025 paracapturar los avances más recientes en modelos de lenguaje de gran escala (LLM).Criterios de inclusión y exclusiónLos criterios de elegibilidad fueron aplicados de manera rigurosa para conformar el corpus final de análisis.Se incluyeron: 1) artículos originales y revisiones de literatura publicados en revistas con revisión por pares;2) estudios que abordaran de forma explícita la aplicación de herramientas de IA en procesos de lectura,escritura o análisis literario; 3) textos en español e inglés. Por el contrario, se excluyeron aquellos documentossin rigor metodológico evidente, editoriales, tesis no publicadas y estudios centrados en la IA desde unaperspectiva puramente técnica o administrativa, sin una vinculación directa con la didáctica de la lengua(Snyder, 2019). Esta selección garantizó que los materiales analizados poseyeran la pertinencia académicanecesaria para el estudio.Pág. 4 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 125Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794Procedimiento de análisis de datosEl procedimiento de análisis se llevó a cabo mediante una técnica de análisis de contenido sistemático. Losdocumentos seleccionados fueron organizados en una matriz de sistematización donde se tabularon variablesclave: autores, año de publicación, país de origen, competencias lingüísticas intervenidas (comprensiónlectora, producción escrita, análisis literario) y principales desafíos éticos reportados. Este enfoque permitióuna síntesis coherente de los hallazgos, facilitando la identificación de patrones y vacíos en la literaturacientífica actual. La triangulación de los datos obtenidos aseguró una visión holística y equilibrada sobre elestado actual de la Inteligencia Artificial en el campo de la educación lingüística (Garcés & Duque, 2020)ResultadosTras la revisión sistemática de los 35 artículos seleccionados, se han categorizado los hallazgos en tresdimensiones analíticas. Los resultados demuestran que la Inteligencia Artificial (IA) no solo es un soportetécnico, sino un catalizador de nuevas formas de alfabetización.3.1. Impacto en las Competencias ComunicativasEl primer eje de análisis se centra en cómo la IA interviene en las habilidades fundamentales del área delengua. Los datos indican que el mayor impacto se registra en la producción escrita, seguido por lacomprensión lectora adaptativaTabla 1 Impacto diferencial de la IA en las dimensiones de la competencia comunicativaDimensiónLingüísticaProceso de Intervención de la IA Resultado en el AprendizajeComprensiónLectoraAlgoritmos de simplificación de textos ygeneración de cuestionarios predictivos.Incremento en la identificación de ideas principalesy mejora de la capacidad inferencial.Producción Escrita Modelos de lenguaje (LLM) para la corrección deestilo y expansión de borradores.Reducción de errores sintácticos y mayor cohesiónestructural en textos académicos.Análisis Literario Procesamiento de lenguaje natural (PLN) paraanálisis de sentimientos y tramas.Capacidad de visualizar estructuras narrativascomplejas y reconocer arquetipos.Oralidad Reconocimiento de voz para la práctica de ladicción y fluidez lectora.Mejora en la prosodia y reducción significativa de laansiedad comunicativa.Análisis de la Tabla 1: Los resultados sugieren que la IA actúa como un andamiaje cognitivo (Luckin et al.,2016). En la producción escrita, los estudiantes muestran una transición de una escritura fragmentada a unamás estructurada, delegando la carga mecánica (ortografía) a la IA para centrarse en la retórica. Encomprensión lectora, la capacidad de la IA para "traducir" textos complejos a niveles léxicos más sencillosPág. 5 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 126Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794facilita la inclusión de alumnos con ritmos de aprendizaje diversos, validando la teoría de la personalizacióndel aprendizaje (Holmes & Tuomi, 2022).3.2. Reconfiguración de roles: Docente vs. IAUn hallazgo crítico de la investigación es la delimitación de funciones. La literatura científica actual desmientela sustitución del docente, planteando en su lugar una simbiosis pedagógica.Tabla 2 Distribución de funciones pedagógicas en la enseñanza de LenguaFunciónPedagógicaEjecución mediante IA (Automatizable) Ejecución Humana (Docente)Evaluación Calificación de pruebas objetivas y correccióngramatical inmediata.Evaluación del tono, la intención comunicativa y elmatiz literario.Retroalimentación Indicaciones técnicas sobre sintaxis y uso deléxico en tiempo real.Orientación ética, motivación emocional y fomentode la voz propia del autor.Curaduría Selección de textos basada en niveles delegibilidad y frecuencia léxica.Selección de obras basada en relevancia cultural,histórica y valores éticos.Creación Generación de ejemplos de textos y plantillasestructurales.Estimulación del pensamiento crítico y latransgresión estética.Análisis de la Tabla 2: Este contraste evidencia que la IA es excelente en la dimensión instrumental de lalengua, pero limitada en la dimensión pragmática y ética. Mientras la IA provee una retroalimentación técnicaconstante (IA-as-Tutor), el docente se eleva a un rol de mentor que supervisa la "humanidad" del texto. Losestudios coinciden en que la efectividad de la IA depende de una mediación docente que evite la "escrituraautomatizada" y promueva la reflexión sobre la intención del mensaje (Salinas, 2020).Riesgos, Desafíos y VulnerabilidadesFinalmente, la revisión identifica los obstáculos que impiden una implementación plena y ética de estastecnologías en el currículo de lengua y literatura.Tabla 3 Matriz de riesgos y desafíos identificados en la revisión sistemáticaTipo de Riesgo Descripción del Hallazgo Consecuencia PedagógicaEpistemológico Alucinaciones informativas (datos falsos generadospor la IA).Difusión de errores históricos o literarios en el análisisde textos clásicos.Ético-AcadémicoDificultad para discernir la autoría humana de lagenerada artificialmente.Crisis en los modelos de evaluación y aumento de ladeshonestidad académica.Pág. 6 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 127Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794Cognitivo Delegación excesiva de procesos reflexivos(pensar, resumir, redactar).Posible atrofia de las habilidades de redacción básica yrazonamiento crítico.Socio-Cultural Sesgos algorítmicos que favorecen variantesestándar del idioma.Invisibilización de dialectos regionales y pérdida de lariqueza lingüística local.Análisis de la Tabla 3: El análisis de estos riesgos revela que el principal desafío no es técnico, sino ético-formativo. La "atrofia cognitiva" es la mayor preocupación en la literatura científica (Burbules, 2020),sugiriendo que el uso indiscriminado de la IA podría debilitar la capacidad de síntesis propia del estudiante.Además, el sesgo algorítmico plantea un dilema para la enseñanza de la literatura, ya que la IA tiende ahomogeneizar el lenguaje, eliminando la experimentación estilística y las variantes dialectales que Rosenblatt(2002) consideraba esenciales para la respuesta estética.DiscusiónLa convergencia entre los resultados de esta revisión y el marco teórico previo permite confirmar que laInteligencia Artificial (IA) ha dejado de ser un recurso externo para convertirse en un andamiaje cognitivoesencial en la didáctica de la lengua. Al contrastar los hallazgos con la teoría de la composición escrita deCassany (2017), se observa una validación de la importancia de los procesos de revisión. Mientras quetradicionalmente la revisión era un proceso solitario y tardío, la IA permite una retroalimentación en tiemporeal que fomenta lo que se denomina "escritura procesual", donde el estudiante no solo corrige errores, sinoque reflexiona sobre su propia intención comunicativa a medida que redacta.No obstante, un punto de debate crítico surge al analizar la respuesta estética y la interpretación literaria.Según la teoría de Rosenblatt (2002), la lectura es una transacción única entre el lector y el texto, cargada deexperiencias personales y subjetividad. Los resultados de este estudio indican que, aunque los chatbots puedensimular diálogos con personajes literarios, existe el riesgo de reducir la literatura a un procesamiento de datoslógico-formales, omitiendo la "chispa" creativa y emocional que solo la mediación humana puede garantizar.Como advierte Selwyn (2019), la automatización de la interpretación podría conducir a una estandarizacióndel pensamiento, donde el estudiante acepta la "visión algorítmica" de una obra clásica en lugar de construirla propia.En cuanto a la personalización del aprendizaje, los hallazgos coinciden plenamente con las posturas deZawacki-Richter et al. (2019), quienes sostienen que la IA tiene la capacidad inédita de atender la diversidaden el aula. Sin embargo, esta investigación añade un matiz de precaución: la personalización no debeconfundirse con el aislamiento. El aprendizaje de la lengua es un acto social por excelencia; delegar toda latutoría a un sistema inteligente podría erosionar las competencias socio-comunicativas que se desarrollan enel debate grupal y la co-evaluación entre pares.Por otro lado, la problemática de la integridad académica y el plagio detectada en las tablas de resultadosobliga a repensar la evaluación. Si la IA puede generar ensayos con coherencia humana, la evaluación basadaen el producto final ha quedado obsoleta. Coincidiendo con García-Peñalvo (2021), la discusión debePág. 7 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 128Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794desplazarse hacia la evaluación del proceso y del pensamiento crítico. Es imperativo que el docente no actúecomo un "policía de la IA", sino como un guía que enseñe a los estudiantes a utilizar los modelos de lenguajecomo socios creativos, manteniendo siempre una postura de curaduría crítica ante los sesgos que estossistemas presentan (Bender et al., 2021).Los resultados muestran que la efectividad de la IA está condicionada a la competencia digital del docente.Salinas (2020) enfatiza que sin una formación pedagógica adecuada, la IA en el aula de lengua puede terminarreforzando prácticas conductistas (simples correctores) en lugar de promover aprendizajes significativos yconstructivistas. Por tanto, la innovación no reside en la herramienta, sino en el diseño didáctico que lacontiene.ConclusionesLa Inteligencia Artificial representa una oportunidad histórica para revitalizar la enseñanza de Lengua yLiteratura, al permitir una personalización del aprendizaje y un soporte técnico en la producción escrita queel modelo tradicional no lograba cubrir de manera masiva. Al actuar como un andamiaje cognitivo, estastecnologías facilitan que el estudiante transite de una preocupación mecánica por la norma gramatical haciauna producción discursiva más compleja y coherente. Sin embargo, esta integración no debe interpretarsecomo una automatización del pensamiento, sino como una expansión de las capacidades comunicativashumanas, donde la tecnología sirve de catalizador para el desarrollo de competencias metalingüísticas yretóricas de nivel superior.En este nuevo ecosistema, la mediación docente se torna más indispensable que nunca, aunque sufre unareconfiguración radical: el profesor se desplaza de su rol tradicional como transmisor de reglas gramaticalespara convertirse en un facilitador de pensamiento crítico y un guía en ética algorítmica. Esta transición exigeque el docente posea no solo competencias digitales, sino también una profunda capacidad de curaduríapedagógica para seleccionar y orientar el uso de herramientas que realmente aporten valor al procesointerpretativo. La labor humana es la única capaz de otorgar sentido pragmático y contextual al lenguaje,validando la intención comunicativa frente a la mera probabilidad estadística de los algoritmos de generaciónde texto.Asimismo, resulta fundamental proteger la esencia humanista de la literatura, garantizando que la tecnologíasea un medio para expandir la creatividad del estudiante y no un sustituto de su voz propia. La literatura,entendida como una transacción estética y emocional, requiere de una subjetividad que la IA aún no posee;por tanto, el uso de asistentes debe orientarse a la experimentación estilística y no a la delegación de lainterpretación. El equilibrio entre la eficiencia técnica y la sensibilidad humana es el eje sobre el cual debepivotar cualquier reforma curricular que pretenda integrar sistemas inteligentes en las aulas de humanidades.Finalmente, el estado actual de la investigación evidencia que, aunque los beneficios son prometedores, serequiere de un mayor número de estudios experimentales a largo plazo que midan el impacto real de la IA enla madurez lectora y la profundidad interpretativa. Es necesario investigar cómo la exposición prolongada atextos generados artificialmente afecta la construcción de la identidad narrativa en estudiantes de diversosPág. 8 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 129Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794niveles educativos. Solo a través de una vigilancia científica constante y una implementación ética se podráasegurar que la Inteligencia Artificial fortalezca, en lugar de debilitar, las capacidades de razonamiento yexpresión que definen a nuestra especie.ReferenciasArea-Moreira, M. (2018). La pedagogía en la sociedad digital. Editorial Octaedro.https://octaedro.com/libro/la-pedagogia-en-la-sociedad-digital/Baker, R. S., & Inventado, P. S. (2014). Educational Data Mining and Learning Analytics. EnLearning Analytics (pp. 61-75). Springer. https://doi.org/10.1007/978-3-319-02738-8_4Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the Dangers of StochasticParrots: Can Language Models Be Too Big? Proceedings of the 2021 ACM Conference on Fairness,Accountability, and Transparency (FAccT '21). https://doi.org/10.1145/3442188.3445922Bozkurt, A., Xiao, J., Lambert, S., Pazurek, A., & Crompton, H. (2023). Speculative futures onChatGPT and generative artificial intelligence (AI): A collective reflection from the educational landscape.Asian Journal of Distance Education, 18(1). https://doi.org/10.5281/zenodo.7636568Burbules, N. C. (2020). El papel de la IA en la educación: Promesas y peligros. Revista de Educacióna Distancia (RED), 20(62). https://revistas.um.es/red/article/view/422211Cabero-Almenara, J., & Llorente-Cejudo, C. (2020). La aplicación de la IA en educación. L'Atelierdu Formateur. https://tecnologiaeducativa.us.es/Cabero-Almenara, J., Valencia-Ortiz, R., Llorente-Cejudo, C., & Guillén-Gámez, F. D. (2022).Marcos éticos para la inteligencia artificial educativa. Comunicar, 30(70). https://doi.org/10.3916/C70-2022-01Cassany, D. (2017). En_línea: Leer y escribir en la red. Anagrama.Chartier, R. (2019). Cultura escrita y literatura. Editorial Gedisa.Chen, L., Chen, P., & Lin, Z. (2020). Artificial Intelligence in Education: A Review. IEEE Access, 8,75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: A state-of-the-artreview. British Journal of Educational Technology, 54(6). https://doi.org/10.1111/bjet.13303Díaz-Barriga, F. (2020). La escuela en la era digital: Retos pedagógicos. Perfiles Educativos, 42(167).https://doi.org/10.22201/iisue.24486167e.2020.167.59544Pág. 9 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 130Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794Ferreiro, E., & Teberosky, A. (2019). Los sistemas de escritura en el desarrollo del niño. Siglo XXIEditores.Floridi, L., Cowls, J., King, T. C., & Marirosans, M. (2018). AI4People—An Ethical Framework fora Good AI Society. Minds and Machines, 28(4). https://doi.org/10.1007/s11023-018-9482-5Garcés, L. F., & Duque, E. J. (2020). Metodología para la revisión sistemática de literatura. RevistaPolitécnica, 16(31). https://doi.org/10.33571/rpolitec.v16n31a9García-Peñalvo, F. J. (2021). La transformación digital de la educación. Education in the KnowledgeSociety (EKS), 22. https://doi.org/10.14201/eks.27214Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence In Education: Promises andImplications for Teaching and Learning. Center for Curriculum Redesign.Holmes, W., & Tuomi, I. (2022). State of the art and practice in AI in education. European Journal ofEducation, 57(4). https://doi.org/10.1111/ejed.12533Hwang, G. J., & Tu, Y. F. (2021). Roles and Research Trends of Artificial Intelligence in MathematicsEducation. Mathematics, 9(10). https://doi.org/10.3390/math9101073Karsenti, T. (2019). Artificial intelligence in education: The urgent need to prepare teachers.Formation et Profession, 27(1). https://doi.org/10.18162/fp.2019.a184Kitchenham, B., & Charters, S. (2007). Guidelines for performing Systematic Literature Reviews inSoftware Engineering. Keele University.Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence Unleashed: An argumentfor AI in Education. Pearson.Miao, F., Holmes, W., Huang, R., & Zhang, H. (2021). AI and education: guidance for policy-makers.UNESCO Publishing. https://unesdoc.unesco.org/ark:/48223/pf0000376709Mollick, E. R., & Mollick, L. (2023). Using AI to Implement Effective Teaching Strategies inClassrooms. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4391243Ocaña-Fernández, Y., Valenzuela-Fernández, L. A., & Garro-Aburto, L. L. (2019). La inteligenciaartificial y sus implicaciones en la educación superior. Propósitos y Representaciones, 7(2).http://dx.doi.org/10.20511/pyr2019.v7n2.274OECD. (2019). PISA 2018 Results: Combined Executive Summary. OECD Publishing.https://doi.org/10.1787/5f07c754-enPág. 10 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 131Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794Ouyang, F., & Jiao, P. (2021). Artificial intelligence in education: The three paradigms. Computersand Education: Artificial Intelligence, 2. https://doi.org/10.1016/j.caeai.2021.100020Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., & Mulrow, C. D. (2021).The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ, 372.https://doi.org/10.1136/bmj.n71Rosenblatt, L. M. (2002). La literatura como exploración. Fondo de Cultura Económica.Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th ed.). Pearson.Salinas, J. (2020). Educación en la era de la Inteligencia Artificial. RIED. Revista Iberoamericana deEducación a Distancia, 23(2). https://doi.org/10.5944/ried.23.2.26470Selwyn, N. (2019). Should Robots Replace Teachers? AI and the Future of Education. Polity Press.Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journalof Business Research, 104. https://doi.org/10.1016/j.jbusres.2019.07.039Solé, I. (2018). Estrategias de lectura. Editorial Graó.UNESCO. (2023). Generative AI in Education: Guidance for policy-makers. UNESCO Publishing.https://unesdoc.unesco.org/ark:/48223/pf0000386693Williamson, B., & Eynon, R. (2020). Historical threads, (un)foreclosed futures, and the governanceof educational technology. Learning, Media and Technology, 45(3).https://doi.org/10.1080/17439884.2020.1773824Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of researchon artificial intelligence applications in higher education. International Journal of Educational Technologyin Higher Education, 16(1). https://doi.org/10.1186/s41239-019-0171-0Pág. 11 / 11