📄 social_science

Effects of Human Centered AI Supported Instruction on EFL Listening With Adaptive Feedback Gamified Engagement and Motivational Scaffolding

Este estudio de métodos mixtos que involucra a 53 estudiantes de secundaria iraníes demuestra que un sistema de instrucción de escucha impulsado por IA y gamificado, que incorpora retroalimentación adaptativa y andamiaje motivacional, mejora significativamente la competencia de escucha, la autoeficacia y el compromiso de los estudiantes de EFL en comparación con un enfoque de IA conversacional no gamificado.

Autores originales: Aliakbar Tajik, Atefeh Karkhaneh

Publicado 2026-06-24

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Aliakbar Tajik, Atefeh Karkhaneh

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

El panorama general: Dos formas diferentes de aprender a escuchar

Imagina que estás tratando de aprender a escuchar un idioma extranjero (inglés) en un salón de clases en Irán. Los investigadores querían ver si el uso de la Inteligencia Artificial (IA) podría ayudar a los estudiantes a mejorar en esto. Pero no usaron cualquier IA; compararon dos "entrenadores" muy diferentes.

Entrenador A (Duolingo): Esto es como un videojuego. Te da puntos, insignias, niveles y un contador de "rachas" si no pierdes un día. Se siente como jugar un juego donde eres recompensado constantemente por hacer las cosas bien.
Entrenador B (Replika): Esto es como un amigo por correspondencia amable. Es un chatbot que habla contigo. Es útil y te escucha, pero no te da puntos, tablas de clasificación o niveles de juego. Es solo una conversación.

El estudio preguntó: ¿Qué entrenador ayuda a los adolescentes (de 14 a 15 años) a entender mejor el inglés hablado más rápido?

El experimento: Una carrera de 12 semanas

Los investigadores reunieron a 53 estudiantes y los dividieron en dos equipos. Ambos equipos practicaron durante 12 semanas (24 sesiones en total).

El Equipo Duolingo usó la aplicación tipo juego.
El Equipo Replika usó la aplicación de chatbot.

Antes de comenzar, ambos equipos realizaron una prueba de escucha para asegurarse de que estuvieran en la misma línea de salida. Lo estaban. Luego, practicaron y, al final, realizaron la prueba nuevamente.

Los resultados: El entrenador de juego ganó

Esto fue lo que pasó:

Ambos equipos mejoraron. Al igual que en una carrera, ambos grupos mejoraron sus habilidades de escucha durante las 12 semanas.
El Equipo Duolingo mejoró mucho más. Los estudiantes que usaron la aplicación tipo juego obtuvieron puntuaciones significativamente más altas en la prueba final que los estudiantes del chatbot.

La analogía:
Piensa en aprender a escuchar como escalar una montaña.

Replika fue como tener un guía que camina contigo y habla contigo. Fue agradable, pero tú tenías que encontrar tu propio camino para subir la montaña.
Duolingo fue como un tour guiado con un mapa divertido. Cada vez que dabas un paso, recibías un "¡ding!" y una estrella dorada. El mapa te mostraba exactamente qué tan alto estabas escalando, y el juego te daba ganas de seguir adelante solo para ver qué había en el siguiente nivel. La parte del "juego" mantuvo a los estudiantes motivados para escalar más alto y más rápido.

¿Por qué funcionó mejor el juego?

Los investigadores analizaron por qué el juego funcionó tan bien. Descubrieron que los elementos del "juego" no eran solo por diversión; actuaban como ruedas de entrenamiento para el cerebro.

El desafío "justo y necesario": El juego ajustaba automáticamente la dificultad. Si un estudiante tenía dificultades, la tarea se volvía más fácil. Si le iba bien, se volvía más difícil. Esto los mantenía en un "punto ideal" donde no se aburrían, pero tampoco se sentían abrumados.
Retroalimentación instantánea: Cuando un estudiante cometía un error, el juego se lo decía de inmediato. Era como un entrenador parado justo a tu lado diciendo: "Intenta eso de nuevo", en lugar de esperar hasta el final de la semana.
El efecto de la "racha": El juego rastreaba cuántos días seguidos practicaban. Esto creaba una sensación de "no rompas la cadena" que hacía que los estudiantes regresaran cada día.
Impulso de confianza: Debido a que el juego les otorgaba pequeñas victorias (insignias, puntos), los estudiantes se sentían más seguros. No tenían miedo de cometer errores porque el juego hacía que pareciera parte de la diversión.

Lo que dijeron los estudiantes

Los investigadores también hablaron con los estudiantes.

Dijeron que el juego los hacía sentir menos estresados. En una clase normal, si no entiendes algo de inmediato, te sientes avergonzado. Con la aplicación, podían pausar, retroceder e intentar de nuevo tantas veces como quisieran.
Les encantaban las barras de progreso. Ver una barra llenarse a medida que aprendían les daba una sensación clara de cuánto habían avanzado.
Sentían que tenían el control. Podían practicar cuando quisieran, no solo cuando el profesor lo dijera.

La "fórmula secreta" (Los modelos)

Los investigadores crearon algunos nombres sofisticados para sus hallazgos, pero esto es lo que realmente significan en lenguaje sencillo:

Modelo de Motivador con Andamiaje de Tajik (T-SMM): Esta es una forma elegante de decir: "Si construyes un sistema de aprendizaje que te dé la cantidad adecuada de ayuda (andamiaje) Y además te haga sentir bien sobre tu progreso (motivación), aprenderás más rápido".
La Matriz de Aprendizaje de Idiomas Mejorada por IA: Este es solo un mapa que muestra cómo las funciones inteligentes de la computadora (como ajustar la dificultad) se mezclan con los sentimientos humanos (como querer ganar un juego) para crear un entorno de superaprendizaje.

La conclusión

El estudio concluye que, para los adolescentes que aprenden a escuchar inglés, convertir el aprendizaje en un juego funciona mejor que simplemente tener una charla.

No es que el chatbot (Replika) fuera malo; era útil. Pero el juego (Duolingo) tenía herramientas adicionales —puntos, niveles y recompensas instantáneas— que mantuvieron a los estudiantes comprometidos, motivados y practicando con más consistencia. El "juego" no solo hizo que el aprendizaje fuera divertido; hizo que el cerebro trabajara más duro y de forma más inteligente al mantener a los estudiantes en un estado de flujo donde estaban desafiados pero apoyados.

En resumen: Si quieres ayudar a un adolescente a aprender a escuchar un nuevo idioma, dale un juego que lo recompense por cada pequeño paso que dé, en lugar de solo un compañero de conversación. Los puntos y las insignias actúan como el combustible para el motor de su aprendizaje.

Resumen Técnico: Efectos de la Instrucción de la Comprensión Auditiva en EFL Apoyada por IA Centrada en el Humano

Planteamiento del Problema
La comprensión auditiva es un componente cognitivamente exigente pero frecuentemente subestimado en la instrucción del Inglés como Lengua Extranjera (EFL), particularmente en las aulas de adolescentes dentro del contexto educativo iraní. La instrucción tradicional suele priorizar la gramática y la preparación para exámenes sobre la competencia comunicativa, lo que resulta en una exposición mínima a materiales de escucha auténticos, una escasa retroalimentación estructurada y oportunidades de práctica limitadas. Si bien han surgido plataformas de aprendizaje apoyadas por IA para complementar la instrucción, existe una falta de investigación empírica que compare cómo distintos diseños instruccionales —específicamente, los sistemas gamificados y adaptativos frente a la IA conversacional no gamificada— impactan en el desarrollo de la escucha, el compromiso del alumno y la motivación en estudiantes adolescentes de EFL. Los estudios existentes suelen centrarse en la competencia general o aíslan los efectos de la gamificación sin contrastar sistemáticamente estas arquitecturas en entornos de aula controlados.

Metodología
El estudio empleó un diseño de triangulación concurrente de métodos mixtos que involucró a 53 estudiantes de secundaria iraníes (de 14 a 15 años) de escuelas públicas de Varamin. Los participantes fueron asignados aleatoriamente a dos condiciones instruccionales durante un período de 12 semanas (24 sesiones):

Grupo Experimental (Duolingo): Utilizó un sistema de aprendizaje personalizado impulsado por IA y gamificado, que cuenta con seguimiento de progresión, tablas de clasificación, puntos, insignias y tareas de escucha adaptativas y estructuradas.
Grupo de Comparación (Replika): Utilizó una plataforma de IA conversacional no gamificada diseñada para la práctica de diálogo personalizado sin mecanismos de recompensa basados en juegos.

Recolección de Datos e Instrumentos:

Cuantitativo: Pruebas de comprensión auditiva pre y post-intervención (alineadas con los currículos Prospect 2 y Prospect 3) que cubren cinco subcompetencias (Conversación Principal, Identificación de Información Específica, Instrucciones de Clase, Verdadero/Falso, Completación de Diálogo). Un cuestionario desarrollado por los investigadores de 18 ítems midió las percepciones de compromiso, usabilidad y motivación.
Cualitativo: Entrevistas semiestructuradas con 15 participantes y observaciones de clase utilizando una lista de verificación estructurada a través de 20 sesiones.
Análisis: Los datos cuantitativos se analizaron mediante SPSS (pruebas t de muestras pareadas/independientes, ANOVA). Los datos cualitativos se sometieron a un análisis temático (Braun & Clarke, 2006) con codificación híbrida (deductiva/inductiva).

Resultados Clave

Competencia Auditiva: Ambos grupos mejoraron, pero el grupo de Duolingo demostró avances significativamente mayores en todas las subcompetencias de escucha en comparación con el grupo de Replika.
- Puntuaciones Totales del Post-test: Duolingo ($M=31.32, SD=1.75$) vs. Replika ($M=26.42, SD=3.62 $);$ t(51)=6.085, p<.001$, con un tamaño del efecto grande ( $d=1.73$ ).
- Se encontraron diferencias significativas en la Comprensión de la Conversación Principal ( $p<.001$ ), Identificación de Información Específica ( $p<.001$ ), Comprensión de Instrucciones de Clase ( $p<.001$ ), Análisis de Verdadero/Falso ( $p=.026$ ) y Completación de Diálogo ( $p<.001$ ).
- El ANOVA de un factor indicó que las mejoras de Duolingo se distribuyeron uniformemente entre las subcompetencias ( $F(4, 125)=2.317, p=.078$ ), lo que sugiere un desarrollo holístico.
Compromiso y Motivación: Los resultados del cuestionario indicaron un alto compromiso con los elementos gamificados de Duolingo (Media=4.32) y el andamiaje adaptativo (Media=4.21).
Hallazgos Cualitativos: El análisis temático reveló seis temas clave para el grupo de Duolingo: progresión de dificultad adaptativa, autonomía del alumno, compromiso a través del logro, entrada comprensible, aprendizaje situado y aprendizaje interactivo. Los estudiantes informaron que la naturaleza de auto-ritmo y el aumento gradual de la dificultad redujeron la ansiedad y mantuvieron la motivación.
Triangulación: Las observaciones de clase corroboraron los datos autoinformados, mostrando altas tasas de ajuste autónomo de tareas (79%), uso de funciones de repetición y participación sostenida durante tareas de desafío óptimo.

Contribuciones Principales
El artículo realiza tres contribuciones primarias al campo del aprendizaje de lenguas potenciado por IA:

Síntesis Teórica: Integra la Teoría de los Esquemas, la Teoría de la Autorregulación, la Evaluación Dinámica (Teoría Sociocultural) y la Teoría de la Gamificación para explicar cómo funciona la instrucción de la escucha mediada por IA. Esta síntesis va más allá de las aplicaciones teóricas aisladas hacia una lente conceptual de múltiples capas.
Desarrollo de Modelos: Basándose en los hallazgos empíricos, los autores proponen dos marcos integradores:
- Matriz de Aprendizaje de Lenguas Potenciado por IA (AELLM): Mapea la interacción entre la personalización algorítmica y el andamiaje sociocultural.
- Diseño de Entorno de Aprendizaje Inteligente (ILED): Sintetiza la progresión adaptativa, los disparadores de motivación intrínseca, la gestión de la carga cognitiva y los bucles de retroalimentación.
- Modelo de Motivador Andamiado de Tajik (T-SMM): Un modelo explicativo específico de contexto que describe cómo la retroalimentación y el andamiaje motivacional apoyan el compromiso y el desarrollo de la escucha a lo largo del tiempo.
Evidencia Empírica: El estudio proporciona evidencia comparativa controlada de que la retroalimentación gamificada estructurada combinada con algoritmos adaptativos produce resultados de escucha superiores en comparación con la IA conversacional de acceso abierto para estudiantes de secundaria de EFL, desafiando la suposición de que la integración de la IA por sí sola garantiza mejores resultados.

Significancia y Reivindicaciones
Los autores afirman que el estudio ofrece un plano validado por la investigación para diseñar plataformas de aprendizaje inteligente. La significancia radica en demostrar que la sinergia de diseño motivacional (gamificación), andamiaje adaptativo y práctica estructurada repetida crea un "ecosistema transformador y sensible al contexto" para el aprendizaje de idiomas.

El artículo establece explícitamente que sus hallazgos sugieren:

Los entornos de IA gamificados pueden impulsar un progreso equilibrado en la comprensión auditiva de manera más efectiva que las herramientas conversacionales no gamificadas en este grupo demográfico específico.
El éxito de tales plataformas depende de la alineación de la adaptabilidad impulsada por la máquina con los principios pedagógicos validados por la investigación (por ejemplo, Zona de Desarrollo Próximo, entrada comprensible).
Estos principios de diseño ofrecen soluciones escalables para contextos de EFL con acceso limitado a materiales de escucha auténticos.

Los autores mantienen un tono modesto respecto a la causalidad, señalando que, aunque los resultados son robustos, es necesaria la investigación futura con muestras más grandes y diseños longitudinales (por ejemplo, usando ANCOVA para controlar las variaciones de base) para aislar completamente la influencia causal de las características de diseño específicas. Enfatizan que el estudio interpreta constructos como la "adaptabilidad emocional" a un nivel pedagógico y perceptivo, en lugar de afirmar que las plataformas utilizan computación afectiva avanzada o algoritmos neurocognitivos.