16 de enero de 2026

Medición de la habilidad escrita en español como lengua extranjera con inteligencia artificial generativa

La irrupción de la Inteligencia Artificial Generativa (IAG), y en particular de los Modelos de Lenguaje de gran tamaño (LLMs) como ChatGPT, está transformando el ámbito educativo, especialmente en la enseñanza de lenguas extranjeras. 

Este artículo analiza el potencial de estas tecnologías para automatizar la evaluación de la competencia escrita en español como lengua extranjera (ELE), una tarea especialmente laboriosa al inicio de los cursos universitarios dirigidos a estudiantes Erasmus. 

La metodología se basa en tres experimentos con el Corpus de Aprendices de Español del Instituto Cervantes. En el primero, se utilizó la técnica de zero-shot learning, proporcionando al modelo un prompt con los descriptores del Plan Curricular del Instituto Cervantes. En el segundo y tercer experimentos, se ajustó el modelo mediante fine-tuning con el 90 % y el 80 % del corpus, respectivamente, reservando el resto para validación y prueba. 

Los resultados muestran que los modelos ajustados son capaces de identificar el nivel de competencia escrita con una precisión significativamente superior al enfoque sin entrenamiento previo. 

Estos hallazgos evidencian que los LLMs pueden emplearse para agilizar procesos de evaluación inicial en cursos de ELE, reduciendo la carga docente y mejorando la eficiencia. 

Se concluye que la IAG representa una herramienta complementaria valiosa en contextos educativos multiculturales y multilingües, siempre que su uso esté guiado por criterios pedagógicos sólidos.

---

Cómo citar: Cantero Romero, M.-V., Martín-Valdivia, M.-T., Ortiz-Colón, A. M., & Jiménez-Zafra, S. M. (2026). Medición de la habilidad escrita en español como lengua extranjera con inteligencia artificial generativa. RIED-Revista Iberoamericana de Educación a Distancia, 29(1), 353–379. https://doi.org/10.5944/ried.45486

Measuring writing skills in Spanish as a foreign language with generative artificial intelligence

The emergence of Generative Artificial Intelligence (GAI)—particularly Large Language Models (LLMs) such as ChatGPT—is transforming the educational landscape, especially in the field of foreign language instruction. 

This article explores the potential of these technologies to automate the assessment of writing proficiency in Spanish as a Foreign Language (SFL), a task that is especially time-consuming at the beginning of university-level courses for Erasmus students. 

The study is based on three experiments conducted using the Spanish Learner Corpus compiled by the Instituto Cervantes. The first experiment applied a zero-shot learning approach by prompting the model with level descriptors from the Instituto Cervantes’s Curriculum Plan. In the second and third experiments, the model was adjusted through fine-tuning using 90% and 80% of the corpus, respectively, with the remaining data reserved for testing and validation. 

The results indicate that the fine-tuned models significantly outperform the zero-shot configuration in identifying the correct proficiency levels of learner texts. 

These findings demonstrate that LLMs can be effectively employed to streamline the initial placement process in SFL courses, thus reducing the workload of instructors and improving efficiency. 

The study concludes that GAI can serve as a valuable complementary tool in multilingual and multicultural educational settings, provided its use is guided by sound pedagogical principles.

---

How to Cite: Cantero Romero, M.-V., Martín-Valdivia, M.-T., Ortiz-Colón, A. M., & Jiménez-Zafra, S. M. (2026). Measuring writing skills in Spanish as a foreign language with generative artificial intelligence. RIED-Revista Iberoamericana de Educación a Distancia, 29(1), 353–379. https://doi.org/10.5944/ried.45486

14 de enero de 2026

Inteligencia artificial generativa y autonomía educativa: metáforas históricas y principios éticos para la transformación pedagógica

Este artículo analiza la integración de la inteligencia artificial generativa en educación desde una perspectiva crítica, histórica y ética. Se identifica una creciente preocupación por la opacidad de las herramientas de inteligencia artificial actuales, especialmente en sistemas de aprendizaje. 

El trabajo utiliza un enfoque basado en metáforas para entender cómo las narrativas tecnológicas influyen en la adopción de innovaciones educativas. Se revisan metáforas históricas en las tecnologías aplicadas a la educación, desde Multivac y Matrix hasta el Bazar del software libre y la App Store, y se proponen nuevas imágenes conceptuales que podrían aplicarse al contexto actual en el que la inteligencia artificial irrumpe en la educación. 

A partir de este análisis metafórico, se plantean siete principios éticos para una adopción segura de la inteligencia artificial generativa en educación, centrados en la privacidad, la alineación pedagógica, la supervisión humana y la transparencia tecnológica. 

Estos principios se ejemplifican con el entorno LAMB (Learning Assistant Manager and Builder), un marco de código abierto que permite diseñar asistentes de aprendizaje basados en inteligencia artificial de forma ética y contextualizada. 

Se presentan casos reales de aplicación de LAMB en educación superior, incluyendo una experiencia controlada con estudiantes que muestran mejoras significativas en autonomía y coherencia pedagógica. 

Finalmente, se destaca cómo LAMB encarna los principios éticos propuestos y responde a las metáforas críticas identificadas, ofreciendo un modelo de integración tecnológica centrado en la autonomía de los docentes, la alineación con los principios y prácticas de la institución educativa y el aprendizaje significativo de los estudiantes.

---

Cómo citar: Alier-Forment, M., Casañ-Guerrero, M. J., Pereira, J., García-Peñalvo, F. J., & Llorens-Largo, F. (2026). Inteligencia artificial generativa y autonomía educativa: metáforas históricas y principios éticos para la transformación pedagógica. RIED-Revista Iberoamericana de Educación a Distancia, 29(1), 9–28. https://doi.org/10.5944/ried.45536

Generative artificial intelligence and educational autonomy: historical metaphors and ethical principles for pedagogical transformation

This article examines the integration of generative artificial intelligence in education from a critical, historical, and ethical perspective. It highlights growing concerns about the opacity of current artificial intelligence tools, particularly in learning systems. 

The study adopts a metaphor-based approach to explore how technological narratives influence the adoption of educational innovations. It reviews historical metaphors used to describe educational technologies, from Multivac and Matrix to the free software Bazaar and the App Store, and proposes new conceptual frameworks that may better reflect the current context in which artificial intelligence is entering the educational sphere. 

Based on this metaphorical analysis, the article outlines seven fundamental ethical principles for the safe adoption of generative artificial intelligence in education, focusing on privacy, pedagogical alignment, human oversight, and technological transparency. 

These principles are illustrated through a practical application: the LAMB (Learning Assistant Manager and Builder) environment, an open-source software framework that enables the ethical and contextualized design of artificial intelligence-based learning assistants. 

The article presents real-world cases of LAMB implementation in higher education, including a controlled experience with students that demonstrates significant improvements in student autonomy and pedagogical coherence. 

Finally, it emphasizes how LAMB embodies the proposed ethical principles and responds to the identified critical metaphors, offering a model for technology integration centered on teacher autonomy, alignment with institutional values and practices, and meaningful student learning that prioritizes pedagogical control over technological determinism.

---

How to Cite: Alier-Forment, M., Casañ-Guerrero, M. J., Pereira, J., García-Peñalvo, F. J., & Llorens-Largo, F. (2026). Generative artificial intelligence and educational autonomy: historical metaphors and ethical principles for pedagogical transformation. RIED-Revista Iberoamericana de Educación a Distancia, 29(1), 9–28. https://doi.org/10.5944/ried.45536

12 de enero de 2026

Análisis de la eficacia de cursos intensivos de programación en los grados de Magisterio

El artículo "Impacto de una formación intensiva en programación en el desarrollo del Pensamiento Computacional en futuros/as maestros/as" aborda una problemática esencial en la formación docente contemporánea: la necesidad de que los futuros profesores desarrollen sus propias competencias en Pensamiento Computacional (PC) antes de aprender a enseñarlo. 

Los autores, González-Martínez, Peracaula-Bosch y Meyerhofer-Parra, parten de la premisa de que para construir un discurso didáctico sólido sobre el PC en educación infantil y primaria, los maestros en formación deben primero consolidarse como usuarios competentes de esta habilidad. La investigación analiza los resultados de una intervención educativa intensiva llevada a cabo con 71 estudiantes de segundo curso de los grados de magisterio en la Universidad de Girona, basada en la práctica de programación por bloques mediante proyectos en Scratch durante la primera parte de una asignatura semestral.

Utilizando un diseño pre-experimental con mediciones antes y después de la formación mediante una prueba estandarizada (Test PC), los resultados confirman la eficacia de la estrategia. El estudio evidencia una mejora generalizada y significativa en los niveles de PC de los participantes. Un hallazgo particularmente relevante es el efecto "igualador" de la formación intensiva: aquellos estudiantes que partían de niveles iniciales más bajos o sin experiencia previa en programación experimentaron los mayores incrementos en sus puntuaciones, mientras que los estudiantes con niveles iniciales altos mejoraron su eficiencia, reduciendo el tiempo de resolución de la prueba. 

Además, se constató una relación clara entre la calidad del proyecto final de programación en Scratch y un alto nivel de PC en el test posterior, demostrando que la tarea práctica contribuye directamente al desarrollo de estas destrezas cognitivas.

En conclusión, este trabajo ofrece una contribución valiosa al campo de la tecnología educativa al validar un modelo de formación inicial docente que prioriza el desarrollo de destrezas técnicas y conceptuales antes de abordar la didáctica específica. 

Los autores demuestran que una intervención intensiva y bien diseñada no solo es capaz de nivelar los conocimientos de los futuros maestros, independientemente de su bagaje previo, sino que es un paso fundamental para dotarles de la seguridad y competencia necesarias. Esto garantiza que los docentes en formación adquieran una base sólida sobre la cual construir posteriormente su capacidad para enseñar Pensamiento Computacional en las aulas escolares.

---

Cómo citar: González-Martínez, J., Peracaula-Bosch, M., & Meyerhofer-Parra, R. (2024). Impacto de una formación intensiva en programación en el desarrollo del Pensamiento Computacional en futuros/as maestros/as. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), 187–208. https://doi.org/10.5944/ried.27.1.37672

Analysis of the Effectiveness of Intensive Programming Courses in Teacher Training Degrees

The article "Impact of intensive programming training on the development of Computational Thinking in prospective teachers" addresses an essential issue in contemporary teacher training: the need for future teachers to develop their own Computational Thinking (CT) competencies before learning how to teach them.

The authors, González-Martínez, Peracaula-Bosch, and Meyerhofer-Parra, start from the premise that to build a solid didactic discourse on CT in early childhood and primary education, pre-service teachers must first consolidate themselves as competent users of this skill. The research analyzes the results of an intensive educational intervention carried out with 71 second-year students in teacher training degrees at the University of Girona, based on the practice of block-based programming using Scratch projects during the first part of a semester-long course.

Using a pre-experimental design with measurements taken before and after the training via a standardized test (CTt), the results confirm the strategy's effectiveness. The study evidences a generalized and significant improvement in the participants' CT levels. A particularly relevant finding is the "equalizing" effect of the intensive training: those students starting from lower initial levels or with no prior programming experience experienced the greatest increases in their scores, while students with high initial levels improved their efficiency, reducing the time required to solve the test.

Furthermore, a clear relationship was established between the quality of the final Scratch programming project and a high level of CT in the post-test, demonstrating that the practical task contributes directly to the development of these cognitive skills.

In conclusion, this work offers a valuable contribution to the field of educational technology by validating an initial teacher training model that prioritizes the development of technical and conceptual skills before addressing specific didactics.

The authors demonstrate that an intensive and well-designed intervention is not only capable of leveling the knowledge of future teachers, regardless of their previous background, but is also a fundamental step to equip them with the necessary confidence and competence. This ensures that teachers-in-training acquire a solid foundation upon which to subsequently build their capacity to teach Computational Thinking in school classrooms.

---

How to Cite: González-Martínez, J., Peracaula-Bosch, M., & Meyerhofer-Parra, R. (2024). Impact of intensive programming training on the development of Computational Thinking in prospective teachers. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), 187–208. https://doi.org/10.5944/ried.27.1.37672

9 de enero de 2026

Autopercepción y utilidad de la inteligencia artificial generativa en docentes en formación

La irrupción de la Inteligencia Artificial Generativa (IA-Gen) en el ámbito educativo ofrece oportunidades, pero también plantea desafíos éticos y pedagógicos. 

En este contexto, resulta fundamental comprender la percepción de los docentes en formación hacia esta tecnología. 

Este estudio analizó la autopercepción de 174 docentes en formación sobre la IA-Gen aplicada a la educación. Se midieron siete dimensiones (Familiaridad, Relevancia, Habilidades prácticas, Barreras, Confianza, Impacto ético-social y Expectativas) en referencia a la IA-Gen y se valoró la utilidad de ChatGPT como herramienta para diseñar Situaciones de Aprendizaje (SdAs) tras una experiencia formativa con este sistema. Se calcularon estadísticos descriptivos, correlaciones de Spearman, se visualizó una red de correlaciones entre las siete dimensiones y se exploraron diferencias entre las titulaciones. 

Los resultados revelan niveles medios-altos de autopercepción con valoración muy positiva de la utilidad de ChatGPT y un alto nivel de satisfacción con su uso. La Confianza emergió como un nodo central en la red de correlaciones, vinculándose estrechamente con la Relevancia, Barreras, Impacto ético-social y Expectativas, lo que resalta su papel clave en la adopción de estas tecnologías. 

Asimismo, la mayoría de los participantes adoptó una actitud crítica ante la IA-Gen, contrastando las respuestas generadas por ChatGPT en lugar de aceptarlas pasivamente. 

En conclusión, aunque se observa una disposición favorable hacia la integración de la IA-Gen en educación, los futuros docentes demandan formación específica para su uso pedagógico y expresan preocupación por las implicaciones éticas de dicha integración.

 ---

Cómo citar: Pinto-Llorente, A. M., Izquierdo-Álvarez, V., & Dolcet-Negre, M. M. (2026). Autopercepción y utilidad de la inteligencia artificial generativa en docentes en formación. RIED-Revista Iberoamericana de Educación a Distancia, 29(1), 111–132. https://doi.org/10.5944/ried.45480

Self-perception and usefulness of generative artificial intelligence among pre-service teachers

The advent of Generative Artificial Intelligence (GenAI) in education presents opportunities, but it also raises ethical and pedagogical challenges. 

In this context, it is imperative to comprehend how pre-service teachers perceive this technology. 

The present study analysed the self-perception of 174 pre-service teachers regarding the application of GenAI in education. Seven dimensions (Familiarity, Relevance, Practical Skills, Barriers, Confidence, Ethical-Social Impact, and Expectations) were measured in relation to GenAI. In addition, the usefulness of ChatGPT as a tool for designing Learning Situations (LSs) was assessed after a training experience with this system. Descriptive statistics and Spearman correlations were calculated, and a network of correlations between the seven dimensions was visualised. Differences between degrees were also explored. 

The findings indicated medium-to-high levels of self-perception, suggesting a very positive evaluation of ChatGPT's usefulness and a high level of satisfaction with its use. Confidence emerged as a central node in the correlation network, exhibiting close associations with Relevance, Barriers, Ethical-social impact, and Expectations. 

This underscores its pivotal role in the adoption of these technologies. Similarly, most participants adopted a critical stance towards GenAI, checking the responses generated by ChatGPT rather than passively accepting them. 

In conclusion, while there is a favourable attitude towards integrating GenAI into education, future teachers demand specific training to use it pedagogically and express concern about the ethical implications of such integration.

 ---

How to Cite: Pinto-Llorente, A. M., Izquierdo-Álvarez, V., & Dolcet-Negre, M. M. (2026). Self-perception and usefulness of generative artificial intelligence among pre-service teachers. RIED-Revista Iberoamericana de Educación a Distancia, 29(1), 111–132. https://doi.org/10.5944/ried.45480

7 de enero de 2026

Nuevo número en RIED: Vol. 29 Núm. 1 (2026): Inteligencia artificial en la educación superior: diseño, competencias, evaluación y desafíos


Ver Vol. 29 Núm. 1 (2026): Inteligencia artificial en la educación superior: diseño, competencias, evaluación y desafíos

Coords: Equipo editorial de RIED

La incorporación de la inteligencia artificial en la educación superior está redefiniendo los modos de enseñar, aprender y evaluar en entornos digitales. Este número de RIED reúne aportes teóricos, metodológicos y empíricos que analizan la IA y, de forma destacada, la IA generativa desde una perspectiva que articula ética, diseño pedagógico, desarrollo de competencias y evidencia. Los 16 artículos abordan la autonomía y la autorregulación del aprendizaje, la formación y autoevaluación del profesorado, la percepción y motivación del estudiantado, así como sistemas adaptativos, retroalimentación y evaluación mediadas por IA en diversos contextos universitarios. En conjunto, el volumen ofrece claves y propuestas para una integración crítica, responsable y pedagógicamente sólida de la inteligencia artificial en la educación superior digital.


DOI: https://doi.org/10.5944/ried.29.1

Publicado: 2026-01-02

New issue in RIED: Vol. 29 No. 1 (2026): Artificial intelligence in higher education: design, competencies, assessment, and challenges

 

View Vol. 29 No. 1 (2026): Artificial intelligence in higher education: design, competencies, assessment, and challenges

Coords: Editorial Team - RIED

The incorporation of artificial intelligence into higher education is redefining the ways of teaching, learning, and assessing in digital environments. This issue of RIED brings together theoretical, methodological, and empirical contributions that analyze AI and, in particular, generative AI from a perspective that integrates ethics, pedagogical design, competency development, and evidence. The 16 articles address learner autonomy and self-regulated learning, faculty training and self-assessment, student perceptions and motivation, as well as AI-mediated adaptive systems, feedback, and assessment across diverse university contexts. Taken as a whole, the volume offers insights and proposals for a critical, responsible, and pedagogically sound integration of artificial intelligence in digital higher education.
DOI: https://doi.org/10.5944/ried.29.1

Published: 2026-01-02

Suscribirse a: Comentarios (Atom)