La inteligencia artificial está cambiando rápidamente la enseñanza de idiomas. Hoy, un estudiante puede recurrir a estas herramientas para revisar textos, ampliar vocabulario, practicar pronunciación, comparar traducciones o recibir explicaciones personalizadas. Sin embargo, disponer de IA no garantiza aprender mejor. El verdadero desafío es saber utilizarla con intención, pensamiento crítico y autonomía, evitando que se convierta simplemente en una vía rápida para obtener respuestas.
Partiendo de la Teoría Social Cognitiva de Albert Bandura, Qian Wang y Yongliang Wang analizan qué factores ayudan a desarrollar el aprendizaje autorregulado en contextos de enseñanza de lenguas apoyados por IA. Esta perspectiva sostiene que aprender resulta de la interacción entre características personales, condiciones del entorno y comportamientos. El estudio considera tres recursos principales: la curiosidad por aprender idiomas, el apoyo percibido del docente y la alfabetización en inteligencia artificial. Además, propone que dos experiencias psicológicas —el grit, entendido como perseverancia sostenida, y el flow, un estado de profunda concentración e involucramiento— funcionan como puentes hacia una mayor autorregulación.
Para comprobarlo, los investigadores realizaron un estudio cuantitativo y transversal con 1,022 estudiantes universitarios de diez instituciones ubicadas en cinco provincias de China, todos con experiencia previa en aprendizaje de idiomas apoyado por IA. Aplicaron cuestionarios para medir las seis variables y analizaron los datos mediante modelos de ecuaciones estructurales, análisis de mediación y análisis de redes psicológicas. Este último permitió observar no solo relaciones individuales, sino cómo las variables conforman un sistema interconectado.
Los resultados muestran un patrón consistente: curiosidad, apoyo docente y alfabetización en IA se relacionaron positivamente tanto con el grit como con el flow, y ambos predijeron significativamente el aprendizaje autorregulado. Además, grit y flow mediaron las relaciones entre los tres recursos iniciales y la autorregulación. El análisis de redes aportó un hallazgo especialmente interesante: el aprendizaje autorregulado fue el nodo más central del sistema, conectado estrechamente con los demás factores.
La investigación deja así un mensaje relevante: incorporar IA en educación no significa disminuir la importancia del docente ni confiar exclusivamente en la tecnología. Los estudiantes necesitan curiosidad para explorar, alfabetización en IA para valorar críticamente sus respuestas, perseverancia para afrontar dificultades y acompañamiento docente para orientar el proceso.
Aunque el diseño transversal y el muestreo por conveniencia aconsejan prudencia al establecer relaciones causales o generalizar los resultados, el estudio abre una ruta sugerente para pensar la educación con IA desde la agencia del estudiante, y no únicamente desde las capacidades de la herramienta. Una lectura especialmente recomendable para docentes, investigadores y responsables educativos interesados en comprender qué necesita realmente una persona para aprender de manera autónoma junto a la inteligencia artificial.
¿Quieres saber más? Conoce la investigación completa con los siguientes datos:
Wang, P. y Y. Wang . 2026. “ Predictores del aprendizaje autorregulado en la educación lingüística con apoyo de IA: una perspectiva desde la teoría sociocognitiva ”. European Journal of Education 61 , n.º 3 : e70824. https://doi.org/10.1111/ejed.70824
Fuente de la imagen:
OpenAI. (2026). Aprendizaje autorregulado y educación de lenguas apoyada por inteligencia artificial [Imagen generada por inteligencia artificial]. ChatGPT.
