Revista de Investigación en Ciencias de la Educación
Vol. 1 No 3, septiembre 2026, 24-37
ISSN: 3073-1461
https://revistasfiecyt.com/index.php/riced
24
Viabilidad pedagógica de la IA generativa de voz en la enseñanza del inglés
Pedagogical viability of generative AI voice in English language teaching
Angel González Escalante
1
Evelyn Guerrero Amarillas
2
1
Autor de correspondencia: angelgonzalez@uas.edu.mx
1
Universidad Autónoma de Sinaloa.
México.
angelgonzalez@uas.edu.mx
https://orcid.org/0009-0007-6927-966X
2
Universidad Autónoma de Sinaloa.
México.
eve.guerrero.a@uas.edu.mx
https://orcid.org/0009-0009-6346-1211
Datos del artículo:
Recibido: junio 15, 2026
Aceptado: agosto 12, 2026
Publicación: septiembre 15, 2026
Palabras clave:
bachillerato, inteligencia artificial,
innovación pedagógica, percepción,
pronunciación, síntesis de voz.
Keywords:
intelligence, pedagogical innovation,
perception, pronunciation, upper
secondary education, voice synthesis.
DOI: https://doi.org/10.53877/95a1xh30
Este artículo está bajo la licencia
Resumen
La integración de la inteligencia artificial generativa en la producción
de materiales educativos plantea interrogantes sobre su viabilidad
pedagógica en contextos con restricciones institucionales. Este
artículo documenta la experiencia de una institución pública de
educación media superior que, ante la ausencia imprevista del
componente auditivo en una serie de libros de inglés, recurrió a
herramientas de inteligencia artificial generativa de voz para
producir los materiales necesarios antes del inicio del ciclo escolar. El
estudio adoptó un enfoque mixto con predominio cuantitativo,
combinando la reconstrucción retrospectiva del proceso de
producción con la aplicación de un cuestionario Likert a 47 docentes
con experiencia previa en audios tradicionales. Los resultados
muestran una percepción favorable en los cuatro bloques del
instrumento (M = 3.98, α = 0.972), con el valor pedagógico como
dimensión mejor valorada y la coherencia curricular como aspecto de
mayor consenso. El análisis cualitativo confirmó la utilidad del
recurso para la práctica docente y desplazó las limitaciones señaladas
hacia condiciones de infraestructura. Los hallazgos sugieren que la
inteligencia artificial generativa de voz constituye una alternativa
viable para la producción de materiales auditivos cuando se articula
con criterios pedagógicos definidos, con implicaciones para
instituciones con restricciones similares en América Latina.
Abstract
The integration of generative artificial intelligence in the production
of educational materials raises questions about its pedagogical
viability in contexts with institutional constraints. This article
documents the experience of a public upper secondary education
institution that, faced with the unexpected absence of an audio
component in an English language textbook series, used generative
AI voice tools to produce the required materials before the start of the
school year. The study adopted a mixed-methods approach with
quantitative predominance, combining a retrospective reconstruction
of the production process with the administration of a Likert
questionnaire to 47 teachers with prior experience using recorded
audio materials. Results indicate a favorable and consistent
perception across the four blocks of the instrument (M = 3.98, α =
0.972), with pedagogical value as the highest-rated dimension and
curricular coherence as the area of greatest consensus. Qualitative
analysis of an open-ended question confirmed the resource's
usefulness for teaching practice, while the limitations identified by
teachers pointed to infrastructure conditions. Findings suggest that
generative AI voice technology represents a viable alternative for the
institutional production of audio materials when implemented
Viabilidad pedagógica de la IA generativa de voz en la enseñanza del inglés
© Fundación Internacional para Educación la Ciencia y la Tecnología, “FIECYT” 25
within a defined pedagogical framework, with relevant implications
for institutions facing similar constraints across Latin America.
Forma sugerida de citar (APA):
González Escalante, A. y Guerrero Amarillas, E. (2026). Viabilidad pedagógica de la IA generativa de
voz en la enseñanza del inglés. RICEd: Revista de Investigación en Ciencias de la Educación. 1(3). Ed. Esp.
24-37. https://doi.org/10.53877/95a1xh30
INTRODUCCIÓN
La inteligencia artificial generativa (IAG) refiere a sistemas computacionales capaces de
producir contenido original como texto, imagen, audio o video, a partir del procesamiento de
grandes volúmenes de datos y sin intervención humana directa en cada salida (García-
Peñalvo et al., 2024). A diferencia de los sistemas de inteligencia artificial convencionales, que
han sido diseñados para clasificar o predecir con base en patrones fijos, los sistemas
generativos aprenden estructuras complejas del lenguaje y el sonido para producir resultados
nuevos con alto grado de coherencia y naturalidad. En el ámbito educativo, su irrupción ha
sido tan acelerada como desigual: mientras algunas instituciones la incorporan como
herramienta pedagógica activa, muchas otras la enfrentan sin marcos claros de uso ni
condiciones para hacerlo (Sánchez-Mendiola y Carbajal-Degante, 2023; Flores-Vivar y García-
Peñalvo, 2023).
Ese panorama es especialmente visible en la producción de materiales didácticos. Las
instituciones públicas de educación media superior en América Latina operan con
restricciones presupuestarias, de tiempo y de personal especializado que dificultan el
desarrollo de recursos de calidad (Sanabria et al., 2017; Sánchez-Mendiola et al., 2020). En el
caso de los materiales de audio para la enseñanza del inglés, esas restricciones son
particularmente críticas: contratar locutores profesionales, gestionar sesiones de grabación y
garantizar la diversidad de voces, acentos y registros que exige una secuencia didáctica
completa representa un costo que la mayoría de las instituciones públicas no puede asumir de
forma sostenida. La consecuencia habitual es la ausencia de audio o el uso de materiales
desactualizados que no responden a los programas vigentes (Miao y Holmes, 2023; Ramírez
Martinell, 2022).
La IAG de voz ofrece una alternativa que hasta hace poco no existía a escala accesible.
Los sistemas actuales de síntesis de voz neuronal permiten generar audio con múltiples
perfiles vocales, variaciones de entonación, ritmo y acento, e incluso ambientación sonora, en
fracciones del tiempo y el costo que implica una grabación convencional (Forero-Corba y
Negre Bennasar, 2024; Rebolledo y Gisbert, 2025). Sin embargo, su adopción en la producción
de materiales didácticos de inglés para el bachillerato es un fenómeno reciente y escasamente
documentado. La literatura disponible sobre IAG en educación se concentra
mayoritariamente en educación superior (Gallent-Torres et al., 2023; Martínez-Comesaña et
al., 2023) y aborda con menor frecuencia aplicaciones específicas en la producción de audio
para la enseñanza de lenguas extranjeras en niveles preuniversitarios (Briceño-Núñez et al.,
2024). Ese vacío es precisamente el espacio que este trabajo busca documentar.
La relevancia de investigar este fenómeno se sostiene en tres frentes. Desde la
perspectiva educativa, el componente auditivo es estructural en la enseñanza del inglés: sin
exposición a input oral variado y contextualizado, el desarrollo de la comprensión auditiva
queda comprometido desde el diseño del material. Desde la perspectiva tecnológica e
institucional, la IAG representa una solución viable, rápida y escalable para instituciones que
no pueden costear la producción convencional, siempre que los recursos generados cumplan
Angel González / Evelyn Guerrero
RICEd: Revista de Investigación en Ciencias de la Educación, Vol. 1, No 3, Ed. Esp. septiembre 2026, 24-37. 26
con criterios pedagógicos mínimos. Desde la perspectiva científica, la percepción docente
sobre estos materiales constituye un indicador válido y ampliamente utilizado para evaluar
la efectividad de recursos educativos en contextos reales (Cabero-Almenara y Palacios-
Rodríguez, 2021), particularmente cuando el acceso directo al aprendizaje del estudiante no
es el objeto central del estudio.
En ese marco, el presente artículo documenta una experiencia de innovación educativa
ocurrida en una institución pública de educación media superior del noroeste de México,
donde la ausencia imprevista del componente auditivo en materiales de inglés de reciente
producción impulsó la adopción de IAG de voz como solución. El objetivo del estudio es
describir la percepción de los docentes que utilizaron esos audios en su práctica, a partir de
un cuestionario mixto aplicado a 47 profesores con experiencia previa en el uso de audios
tradicionales grabados por humanos. Los hallazgos buscan aportar evidencia empírica sobre
la viabilidad pedagógica de la IAG de voz en este contexto y ofrecer un referente replicable
para instituciones que enfrenten condiciones similares.
Es pertinente destacar que la viabilidad pedagógica de ese recurso no puede evaluarse
sin considerar el lugar que ocupa el audio en la enseñanza del inglés como lengua extranjera,
la evolución tecnológica que hace posible su generación con inteligencia artificial y el papel
que la percepción docente desempeña como indicador legítimo de efectividad en contextos
donde el aprendizaje estudiantil no constituye el objeto central del estudio.
1.1 El audio como componente estructural en la enseñanza del inglés
La comprensión auditiva no es un complemento opcional en la enseñanza del inglés como
lengua extranjera: es una habilidad receptiva activa que condiciona el desarrollo de las demás
competencias comunicativas. Escuchar no equivale a oír; implica procesar información
fonológica, léxica y pragmática en tiempo real, distinguir acentos, interpretar pausas y
anticipar significados a partir del contexto (Córdoba Cubillo et al., 2005). Para que ese proceso
ocurra en el aula, los materiales deben proveer input oral suficiente, variado y
contextualizado.
Martínez Molina et al. (2020) documentan que la exposición sistemática a audio en
lengua extranjera, cuando está bien articulada con actividades de comprensión, mejora no solo
la habilidad auditiva sino también la pronunciación y la confianza del estudiante para
interactuar en el idioma. Esta evidencia refuerza la idea de que el audio no puede pensarse
como un recurso accesorio: su ausencia o su baja calidad compromete la secuencia didáctica
desde su diseño. En ese sentido, la revisión de Rebolledo y Gisbert (2025) sobre herramientas
de inteligencia artificial aplicadas al aprendizaje del inglés confirma que la calidad y variedad
del input auditivo sigue siendo una variable central en el rendimiento de los estudiantes de
lengua extranjera, independientemente del medio tecnológico que lo produzca.
1.2 De la síntesis de voz tradicional a la inteligencia artificial generativa de voz
Los sistemas de texto a voz (TTS, por sus siglas en inglés) existen desde hace décadas, pero su
evolución no ha sido lineal. Los modelos tradicionales basados en concatenación de
segmentos de voz humana producían locuciones reconocibles pero mecánicas, con entonación
plana y escasa variación expresiva. Esa limitación los hizo poco atractivos para usos
pedagógicos donde la naturalidad del habla es una variable relevante (Bione y Cardoso, 2020).
La aparición de modelos neuronales de síntesis de voz transformó ese panorama. Los
sistemas actuales de IAG de voz no concatenan fragmentos pregrabados sino que generan
formas de onda completas a partir de representaciones aprendidas del habla humana, lo que
Viabilidad pedagógica de la IA generativa de voz en la enseñanza del inglés
© Fundación Internacional para Educación la Ciencia y la Tecnología, “FIECYT” 27
les permite reproducir variaciones de ritmo, entonación, acento y registro con un nivel de
naturalidad que los modelos anteriores no podían alcanzar (Nussbaum et al., 2025). García-
Peñalvo et al. (2024) sitúan este avance dentro de la transformación más amplia que la IAG
está produciendo en la educación, señalando que su capacidad generativa abre posibilidades
que van más allá de la automatización de tareas y alcanzan la producción de recursos
pedagógicos de calidad. Forero-Corba y Negre Bennasar (2024) confirman esa tendencia en su
revisión sistemática sobre aplicaciones de inteligencia artificial en educación, donde la síntesis
de voz neuronal aparece como una de las herramientas con mayor proyección para el diseño
de materiales.
Desde la perspectiva del aprendizaje del inglés, Tai y Chen (2024) demostraron en un
ensayo controlado que el uso de voz generada por inteligencia artificial en actividades de
comprensión auditiva no solo no perjudica el rendimiento de los estudiantes, sino que puede
reducir la ansiedad asociada al listening, particularmente cuando las voces presentan variedad
de perfiles y ritmos. Ese hallazgo es relevante para el presente estudio porque sugiere que la
naturalidad percibida por los docentes tiene correlato en la experiencia del estudiante.
1.3 Innovación educativa situada: restricciones como motor de cambio
La innovación educativa no ocurre en el vacío. Martínez-Bonafé y Rogero-Anaya (2021)
argumentan que las condiciones del entorno institucional, incluyendo sus restricciones
presupuestarias, sus urgencias operativas y sus marcos normativos, son factores que no solo
condicionan, sino que en muchos casos detonan procesos de cambio que no habrían surgido
en condiciones ideales. Esa perspectiva sitúa la innovación como un fenómeno emergente,
inseparable del contexto en que ocurre.
En el caso de México, el rediseño curricular impulsado por la Nueva Escuela Mexicana
representó una presión institucional de gran alcance que obligó a numerosas instancias
educativas a replantear sus materiales y prácticas en plazos muy ajustados (Ramírez
Martinell, 2022). Área-Moreira y Adell-Segura (2021) advierten que en ese tipo de procesos la
tecnología digital no es neutral: su adopción responde a condiciones concretas de posibilidad
y no garantiza por sí sola la mejora educativa. Lo que determina el valor pedagógico de una
herramienta tecnológica es la coherencia entre sus capacidades y los objetivos del proceso en
que se inserta. Domingo-Coscollola et al. (2020) refuerzan esta idea al documentar que los
docentes que protagonizan innovaciones desde dentro de sus instituciones tienden a valorar
más la funcionalidad práctica del recurso que su sofisticación técnica, lo cual tiene
implicaciones directas para interpretar los resultados de este estudio.
1.4 La percepción docente como indicador de efectividad de materiales
Evaluar la efectividad de un material didáctico sin medir directamente el aprendizaje del
estudiante es una práctica metodológica legítima cuando el objeto de estudio es la experiencia
del docente como usuario del recurso. Cepeda-Romero et al. (2017) establecen que la
evaluación de materiales didácticos digitales desde la perspectiva del profesorado permite
identificar dimensiones de calidad que las pruebas de rendimiento estudiantil no capturan,
como la integración curricular, la facilidad de uso o la coherencia con la práctica de aula.
Cabero-Almenara y Palacios-Rodríguez (2021) documentan que la valoración docente
de recursos tecnológicos educativos es un indicador ampliamente validado en la literatura,
utilizado de forma recurrente en investigaciones sobre adopción de tecnología en contextos
de enseñanza formal. Aguilar-Martínez et al. (2024) confirman esa validez en un estudio
reciente sobre percepciones docentes hacia tecnología educativa, demostrando que los
Angel González / Evelyn Guerrero
RICEd: Revista de Investigación en Ciencias de la Educación, Vol. 1, No 3, Ed. Esp. septiembre 2026, 24-37. 28
cuestionarios Likert aplicados a profesores producen datos consistentes y metodológicamente
defendibles cuando el instrumento está bien construido y la muestra tiene experiencia directa
con el objeto evaluado. Navarro-Carrascosa (2024) añade una dimensión específica al señalar
que en la enseñanza de lenguas la percepción docente sobre los materiales de audio es
especialmente relevante porque el profesor es quien media entre el recurso y el estudiante,
decidiendo cómo, cuándo y con qué propósito se usa. Wang et al. (2024) respaldan esta
postura desde una revisión sistemática amplia sobre inteligencia artificial en educación,
donde la percepción de los actores del proceso emerge como variable central para comprender
la adopción real de las herramientas.
1.5 Colaboración interdisciplinaria en la producción de materiales educativos
La producción de materiales didácticos de calidad rara vez es obra de un solo perfil
profesional. Prendes-Espinosa y Cerdán-Cartagena (2021) argumentan que los proyectos de
innovación educativa que involucran actores con competencias técnicas diversas tienden a
producir resultados de mayor calidad y sostenibilidad que los desarrollados desde un único
campo de expertise. Esa diversidad no requiere necesariamente de estructuras formales:
Ayuso-del Puerto y Gutiérrez-Esteban (2022) documentan que incluso actores en formación
pueden protagonizar procesos de innovación con herramientas de inteligencia artificial
cuando se les da una tarea concreta con consecuencias reales.
Barrios Alvarado (2025) ilustra este principio en un caso de colaboración entre
diseñadores y docentes para la producción de material didáctico en educación secundaria,
concluyendo que la convergencia de saberes técnicos y pedagógicos eleva la calidad del
producto final y genera aprendizaje en todos los participantes. Esa dinámica es reconocible en
la experiencia documentada en este artículo, donde la incorporación de un estudiante
universitario con habilidades en producción multimedia al proceso de generación de audios
produjo una mejora cualitativa que el equipo académico no habría podido lograr por sus
propios medios.
Cabe señalar que el diseño de estudio de caso instrumental empleado en esta
investigación sigue los principios establecidos por Stake (1999), referente canónico e histórico
en la investigación educativa cualitativa, cuya tipología distingue entre casos intrínsecos,
instrumentales y colectivos según la relación entre el caso y el fenómeno que se busca
comprender. El presente estudio es instrumental en tanto el caso específico de una institución
pública de educación media superior sirve para iluminar un problema de mayor alcance: la
viabilidad de la IAG de voz como herramienta institucional para la producción de materiales
de audio en el bachillerato.
MÉTODOS Y MATERIALES
Diseño de la investigación
Este estudio adoptó un enfoque metodológico mixto con predominio cuantitativo (Pereira-
Pérez, 2011), articulado en dos movimientos complementarios. El primero consistió en la
reconstrucción descriptiva del proceso de producción de los materiales auditivos, a partir de
fuentes documentales, registros digitales y narrativas del equipo participante. Dado que dicho
proceso precedió al diseño formal de la investigación, su descripción se construyó
retrospectivamente mediante triangulación de fuentes (Forni y De Grande, 2020), sin
manipular ni reinterpretar los hechos ocurridos. El segundo movimiento se centró en la
Viabilidad pedagógica de la IA generativa de voz en la enseñanza del inglés
© Fundación Internacional para Educación la Ciencia y la Tecnología, “FIECYT” 29
evaluación del producto resultante a través de un cuestionario aplicado a los docentes que lo
utilizaron en condiciones reales de aula.
El diseño global corresponde a un estudio de caso instrumental (Stake, 1999), en tanto
el caso particular opera como vehículo para comprender un fenómeno de mayor alcance: la
viabilidad pedagógica e institucional de la inteligencia artificial generativa de voz como
solución escalable en la producción de materiales didácticos de inglés para el bachillerato. El
diseño fue no experimental y transversal, con recopilación de datos en un único momento sin
intervención sobre las variables estudiadas.
Contexto y participantes
La investigación se desarrolló en una institución pública de educación media superior del
noroeste de México, en el marco del rediseño curricular derivado de la implementación de la
Nueva Escuela Mexicana. Ese rediseño exigió la producción de nuevos materiales didácticos
para la asignatura de inglés del primer semestre, lo que desencadenó el proceso de innovación
que este artículo documenta y evalúa.
Los participantes fueron 47 docentes que impartían la asignatura de inglés del primer
semestre con los materiales producidos por la institución al momento de la recolección de
datos. El criterio de inclusión fue doble: haber utilizado los audios generados con inteligencia
artificial generativa durante al menos un semestre completo y contar con experiencia previa
en el uso de audios tradicionales grabados por humanos. Este segundo criterio se estableció a
propósito para garantizar que los participantes dispusieran de un referente comparativo real,
lo que otorga mayor solidez interpretativa a sus valoraciones. La invitación se distribuyó a
través del canal institucional de la academia de inglés, con participación voluntaria y
consentimiento informado digital.
Proceso de producción de los audios
A pocos días del inicio del ciclo escolar en que los materiales serían utilizados por primera
vez, el equipo académico enfrentó un escenario imprevisto: los audios, ya contemplados en el
diseño didáctico, no serían producidos por los medios originalmente acordados debido a
decisiones externas. Esto planteó la necesidad de resolver el componente auditivo en un
margen de tiempo muy ajustado, descartando de inmediato las vías convencionales por
restricciones simultáneas de tiempo y presupuesto.
La respuesta se articuló en dos fases. En la primera, el equipo generó los audios con
una herramienta de inteligencia artificial generativa de voz mediante ajustes básicos de
configuración, principalmente la selección del género de la voz. Ese material cubrió la
necesidad inmediata al inicio de las clases. En la segunda fase, un estudiante universitario de
la misma institución con habilidades en producción multimedia trabajó una versión mejorada
utilizando una herramienta especializada distinta. Sobre esa versión incorporó variaciones de
ritmo y entonación, diversidad de perfiles de voz y ambientación sonora contextualizada en
los diálogos, logrando un nivel notablemente mayor de naturalidad. Los audios resultantes
de esta segunda fase sustituyeron gradualmente a los de la primera durante las semanas
iniciales del semestre.
Por decisión metodológica, los nombres de las herramientas utilizadas en ambas fases
no se especifican en el cuerpo del artículo. Su relevancia científica radica en las capacidades
funcionales que ofrecen, síntesis de voz neuronal, control de ritmo y entonación y diversidad
de perfiles de voz, y no en marcas comerciales sujetas a cambios de disponibilidad o modelo
de negocio.
Angel González / Evelyn Guerrero
RICEd: Revista de Investigación en Ciencias de la Educación, Vol. 1, No 3, Ed. Esp. septiembre 2026, 24-37. 30
Instrumento
Se diseñó un cuestionario ad hoc compuesto por 15 ítems en escala Likert de cinco puntos (1
= Totalmente en desacuerdo, 5 = Totalmente de acuerdo) y una pregunta abierta final. Los
ítems se organizaron en cuatro bloques temáticos: el Bloque A sobre percepción general de los
audios con inteligencia artificial (ítems 1 a 4); el Bloque B sobre valor pedagógico y utilidad
en el aula (ítems 5 a 8); el Bloque C sobre experiencia y adecuación al contexto (ítems 9 a 12);
y el Bloque D sobre implementación institucional y percepción futura (ítems 13 a 15). La
pregunta abierta (ítem 16) recogió narrativas sobre la experiencia general de uso en la práctica
docente y se analizó de forma independiente.
Antes de la aplicación definitiva, el instrumento fue sometido a una prueba piloto con
un grupo reducido de docentes para verificar la comprensión de los ítems y el tiempo
promedio de respuesta. Los ajustes derivados de esa prueba se incorporaron a la versión final.
La consistencia interna del instrumento completo se calculó mediante el coeficiente alfa de
Cronbach, obteniendo α = 0.972, lo que indica alta homogeneidad entre los ítems. Los
coeficientes por bloque oscilaron entre 0.870 y 0.955, confirmando consistencia adecuada en
cada dimensión.
Análisis de datos
El componente cuantitativo se analizó mediante estadística descriptiva: frecuencias absolutas
y porcentajes por ítem, medias y desviaciones estándar por ítem y por bloque, y media global
del instrumento. Los resultados se presentan en tablas comparativas que facilitan la
identificación de patrones de respuesta entre bloques.
El componente cualitativo del ítem 16 se procesó mediante análisis de contenido
temático (Viramontes Anaya, 2024), identificando categorías emergentes en las respuestas de
los docentes, calculando su frecuencia de aparición y contrastándolas con los resultados
cuantitativos. Esa triangulación permitió establecer convergencias, matices y divergencias
entre ambas fuentes de datos, construyendo una lectura más completa de las percepciones
docentes que la que ofrecen los datos numéricos de forma aislada.
RESULTADOS
Resultados cuantitativos
El cuestionario fue respondido por 47 docentes. La media global del instrumento fue de 3.98
(DE = 0.87), con un coeficiente alfa de Cronbach de α = 0.972, lo que indica alta consistencia
interna. Los coeficientes por bloque oscilaron entre 0.870 y 0.955, confirmando homogeneidad
adecuada en cada dimensión. La Tabla 1 presenta las medias y desviaciones estándar por ítem.
Tabla 1
Medias y desviaciones estándar por ítem (n = 47)
Ítem
Descripción
M
DE
1
Naturalidad imperceptible como IA
3.81
1.04
2
Pronunciación adecuada para fines didácticos
4.06
0.89
3
Calidad de sonido adecuada para el aula
3.98
0.92
4
Ritmo y entonación favorecen la comprensión
3.94
0.89
5
Permiten trabajar comprensión auditiva efectivamente
4.13
0.71
6
Facilitan exposición al inglés auténtico
4.04
0.86
7
Complementan bien el resto de los materiales
4.04
0.84
Viabilidad pedagógica de la IA generativa de voz en la enseñanza del inglés
© Fundación Internacional para Educación la Ciencia y la Tecnología, “FIECYT” 31
8
Su disponibilidad mejora la planeación docente
4.09
0.78
9
Se integran coherentemente con el libro de texto
4.11
0.60
10
Generan interés o curiosidad en los estudiantes
3.83
0.92
11
Resultan más prácticos que materiales anteriores
3.85
0.93
12
Facilitan la secuencia pedagógica de las clases
3.98
0.85
13
Han favorecido continuidad y consistencia en clases
3.91
0.86
14
Funcionan adecuadamente con distintos grupos
3.85
0.93
15
Es positivo que la institución promueva el uso de IA
4.09
0.93
Nota: Escala de 1 (Totalmente en desacuerdo) a 5 (Totalmente de acuerdo).
Los datos por ítem revelan un rango de medias relativamente estrecho, de 3.81 a 4.13, lo que
sugiere una valoración positiva sostenida sin picos extremos en ninguna dirección. Para
facilitar la lectura de estos patrones a nivel dimensional, la Tabla 2 presenta los estadísticos
agregados por bloque junto con los coeficientes de consistencia interna correspondientes.
Tabla 2
Estadísticos por bloque (n = 47)
Bloque
Contenido
M
DE
α
A
Percepción general de los audios con IA
3.95
0.93
0.913
B
Valor pedagógico y utilidad en el aula
4.07
0.79
0.955
C
Experiencia y adecuación al contexto
3.94
0.83
0.870
D
Implementación institucional y percepción futura
3.95
0.90
0.906
Nota: α = coeficiente alfa de Cronbach por bloque.
Los resultados muestran una tendencia positiva consistente en los cuatro bloques, con medias
que oscilan entre 3.94 y 4.07. El Bloque B concentra las valoraciones más altas del instrumento,
con el ítem 5 alcanzando la media más elevada (M = 4.13, DE = 0.71), lo que indica alta
concentración de respuestas en las categorías de acuerdo. El ítem 9 presenta la menor
dispersión de todo el instrumento (DE = 0.60), reflejando el mayor nivel de consenso entre los
docentes respecto a la coherencia entre los audios y las actividades del libro de texto.
En el extremo opuesto, los ítems 1, 10 y 11 registran las medias más bajas del
instrumento, con valores de 3.81, 3.83 y 3.85 respectivamente. El ítem 1 es además el único con
una desviación estándar superior a 1.0 (DE = 1.04), lo que indica mayor heterogeneidad en las
respuestas sobre la capacidad de los audios de pasar como voz humana. Los ítems 10 y 11
muestran menor acuerdo relativo en aspectos relacionados con el interés estudiantil y la
comparación con materiales anteriores.
Resultados cualitativos
El análisis de contenido temático de las respuestas al ítem 16 permitió identificar cinco
categorías emergentes. La Tabla 3 presenta su distribución por frecuencia.
Tabla 3
Categorías temáticas del ítem 16 (n = 47)
Categoría
Frecuencia
%
1. Utilidad pedagógica y apoyo a la práctica docente
24
51.1
2. Apoyo al desarrollo de la comprensión auditiva
6
12.8
3. Limitaciones técnicas y condiciones de uso
6
12.8
4. Naturalidad y pronunciación percibida
5
10.6
5. Valoración positiva con sugerencias de mejora
6
12.8
Nota: Una respuesta puede contener más de una categoría.
Angel González / Evelyn Guerrero
RICEd: Revista de Investigación en Ciencias de la Educación, Vol. 1, No 3, Ed. Esp. septiembre 2026, 24-37. 32
La categoría de mayor frecuencia fue la utilidad pedagógica (51.1%), cuyos comentarios
describen los audios como un recurso que apoya la explicación docente y dinamiza las clases.
Esta tendencia converge con los resultados del Bloque B, particularmente con el ítem 5, que
registró la media más alta del instrumento.
Las categorías 2 y 3 presentaron la misma frecuencia (12.8%). La categoría 2 refuerza los
resultados del Bloque B al destacar el apoyo de los audios al desarrollo de la comprensión
auditiva y la exposición al inglés. La categoría 3, en cambio, introduce un matiz ausente en los
datos cuantitativos: las observaciones sobre limitaciones técnicas apuntan a condiciones de
implementación como el volumen bajo o la acústica de las aulas, no a deficiencias del recurso
en sí mismo.
La categoría 4 (10.6%) representa la divergencia más relevante respecto a los datos
cuantitativos. Algunos docentes describieron ciertas voces como robotizadas o poco naturales,
perspectiva que contrasta con las valoraciones mayoritariamente positivas del Bloque A pero
que es consistente con la mayor dispersión observada en el ítem 1 (DE = 1.04). Entre las
respuestas de esta categoría destaca un caso aislado en que el docente señaló haber dejado de
utilizar el recurso por considerarlo artificial. Aunque minoritaria, esta respuesta es relevante
porque evidencia que la heterogeneidad estadística del ítem 1 tiene correlato cualitativo real.
La categoría 5 (12.8%) refleja una actitud crítica constructiva: los docentes reconocen el valor
del recurso y señalan áreas de mejora específicas, lo que sugiere apropiación del material y
disposición hacia su perfeccionamiento.
DISCUSIÓN
Los resultados del estudio muestran una percepción docente favorable y consistente hacia los
audios generados con inteligencia artificial generativa de voz, con una media global de 3.98 y
coeficientes de consistencia interna que confirman la solidez del instrumento. Esa valoración
positiva no se concentra en una sola dimensión, sino que se distribuye de forma homogénea
entre los cuatro bloques, con un rango de medias agregadas de apenas 0.13 puntos. Este patrón
es coherente con lo documentado por Wang et al. (2024) en su revisión sistemática sobre
inteligencia artificial en educación, donde la aceptación de herramientas de IA por parte de
los docentes tiende a ser más alta cuando el recurso resuelve una necesidad pedagógica
concreta y se integra de forma natural en la práctica existente.
El Bloque B, referido al valor pedagógico y la utilidad en el aula, concentró las
valoraciones más altas del instrumento. El ítem 5, sobre la capacidad de los audios para
trabajar la comprensión auditiva de forma efectiva, alcanzó la media más elevada de todo el
cuestionario (M = 4.13). Este resultado es consistente con los hallazgos de Tai y Chen (2024),
quienes demostraron que el audio generado por inteligencia artificial no perjudica el
rendimiento en tareas de comprensión auditiva en inglés como lengua extranjera y puede
incluso reducir la ansiedad asociada a ese tipo de actividades. La preeminencia del valor
funcional sobre otros aspectos del recurso sugiere que los docentes evaluaron los audios
principalmente desde su utilidad práctica en el aula, más que desde criterios de perfección
técnica o estética vocal. Esa distinción entre utilidad funcional y perfección estética es
relevante para interpretar los resultados en su conjunto, porque explica por qué valoraciones
moderadas en algunos ítems coexisten con una aprobación general sólida.
El ítem 9, sobre la coherencia entre los audios y las actividades del libro de texto,
presentó la menor dispersión de todo el instrumento (DE = 0.60), lo que indica el mayor nivel
de consenso entre los participantes. Ese dato tiene implicaciones curriculares directas: sugiere
que el proceso de producción logró articular el componente auditivo con el resto del material
de forma que los docentes perciben como coherente. Cepeda-Romero et al. (2017) señalan que
Viabilidad pedagógica de la IA generativa de voz en la enseñanza del inglés
© Fundación Internacional para Educación la Ciencia y la Tecnología, “FIECYT” 33
la integración curricular es una de las dimensiones más valoradas por el profesorado al
evaluar materiales didácticos digitales, precisamente porque afecta de forma directa la
planificación y ejecución de las clases. Que sea el ítem de mayor consenso en este estudio
refuerza la idea de que la coherencia entre el audio y el material escrito es un criterio
prioritario para los docentes, por encima incluso de la naturalidad de las voces.
En el extremo opuesto, el ítem 1 registró la media más baja del instrumento (M = 3.81)
y la única desviación estándar superior a 1.0 (DE = 1.04), lo que indica heterogeneidad real en
la percepción sobre la capacidad de los audios de pasar como voz humana. Este resultado es
esperado a la luz de la literatura sobre síntesis de voz neuronal: Nussbaum et al. (2025)
documentan que la naturalidad percibida de una voz sintética es una variable subjetiva
altamente sensible a la experiencia previa del oyente, su familiaridad con voces artificiales y
el contexto en que se produce la escucha. Bione y Cardoso (2020) añaden que los docentes de
lenguas extranjeras tienden a ser más críticos que los estudiantes respecto a la naturalidad de
las voces sintéticas, precisamente porque su formación los sensibiliza hacia matices fonéticos
que un oyente no especializado no detecta. La dispersión del ítem 1 refleja esa variabilidad
individual y no debe interpretarse como rechazo al recurso, sino como un diagnóstico técnico
sobre un aspecto mejorable. El análisis cualitativo del ítem 16 confirma esta lectura: las
respuestas de la categoría 4, referidas a la naturalidad percibida, describen reservas específicas
sobre ciertas voces sin que ninguna de ellas suponga un cuestionamiento del recurso en su
conjunto, con la excepción de un caso aislado.
Los ítems 10 y 11, sobre el interés estudiantil y la comparación con materiales anteriores,
presentaron las medias más bajas junto con el ítem 1. Una interpretación posible es que los
docentes son más cautelosos cuando sus valoraciones implican hablar en nombre de sus
estudiantes o establecer comparaciones directas con recursos previos, lo que introduce un
sesgo de prudencia que no necesariamente refleja una valoración negativa del material.
Aguilar-Martínez et al. (2024) documentan un patrón similar en estudios sobre percepción
docente hacia tecnología educativa, donde las dimensiones que requieren inferir la
experiencia del estudiante producen sistemáticamente respuestas más conservadoras que las
dimensiones centradas en la experiencia del propio docente.
El análisis cualitativo aporta una dimensión que los datos numéricos no capturan
completamente. La categoría 3, referida a limitaciones técnicas y condiciones de uso, desplaza
la crítica del recurso hacia el contexto de implementación: volumen insuficiente, acústica
deficiente del aula o dificultades de acceso desde el celular. Fernández-Gutiérrez et al. (2020)
argumentan que la efectividad percibida de las tecnologías educativas depende tanto de las
características del recurso como de las condiciones institucionales en que se usa, y que separar
ambas variables es indispensable para una evaluación justa. En este caso, esa distinción es
favorable para el recurso: las limitaciones señaladas por los docentes son de infraestructura,
no de calidad del audio.
Desde una perspectiva institucional, la experiencia documentada ilustra lo que
Martínez-Bonafé y Rogero-Anaya (2021) describen como innovación educativa emergente: un
proceso que no surgió de una planificación deliberada sino de una restricción contextual que
el equipo convirtió en oportunidad. La incorporación de un estudiante universitario al
proceso de producción es coherente con lo planteado por Prendes-Espinosa y Cerdán-
Cartagena (2021), quienes señalan que los proyectos de innovación que integran actores con
perfiles técnicos diversos tienden a producir resultados de mayor calidad y sostenibilidad.
Que ese actor fuera un estudiante en formación, sin experiencia profesional formal en el área,
añade un elemento que merece atención en futuras investigaciones sobre colaboración
interdisciplinaria en la producción de materiales educativos.
Angel González / Evelyn Guerrero
RICEd: Revista de Investigación en Ciencias de la Educación, Vol. 1, No 3, Ed. Esp. septiembre 2026, 24-37. 34
Finalmente, los resultados de este estudio se suman a una evidencia creciente sobre la
viabilidad de la IAG como herramienta institucional para la producción de recursos
educativos en contextos con restricciones de tiempo y presupuesto (Miao y Holmes, 2023;
García-Peñalvo et al., 2024). La percepción docente favorable, sostenida en los cuatro bloques
del instrumento y respaldada por los datos cualitativos, sugiere que cuando la IAG de voz se
articula con criterios pedagógicos claros y se integra coherentemente con el material existente,
constituye una alternativa viable y escalable a los modelos convencionales de producción de
audio didáctico.
CONCLUSIONES
Este estudio documenta una experiencia de innovación educativa en la que la inteligencia
artificial generativa de voz resolvió de forma viable, rápida y pedagógicamente aceptable la
ausencia imprevista del componente auditivo en materiales de inglés para el bachillerato. La
percepción de 47 docentes con experiencia previa en el uso de audios tradicionales grabados
por humanos fue favorable en los cuatro bloques del instrumento, con una media global de
3.98 y alta consistencia interna. Esa valoración no se concentró en una sola dimensión, sino
que se distribuyó de forma homogénea, lo que sugiere una aprobación integral del recurso y
no solo de alguno de sus aspectos particulares.
La aportación central de este trabajo es de carácter práctico e institucional. Ante
condiciones que combinan urgencia temporal, restricciones presupuestarias y necesidad de
escalabilidad, la IAG de voz demostró ser una alternativa funcional que los docentes
reconocen como útil para su práctica. El proceso se escaló exitosamente a los tres tomos
subsecuentes de la serie, lo que confirma la sostenibilidad del modelo más allá de la solución
inicial. Ese trayecto, de la contingencia a la consolidación, constituye un referente replicable
para instituciones públicas de educación media superior que enfrenten condiciones similares
en la producción de materiales auditivos para la enseñanza del inglés.
Desde la perspectiva científica, el estudio aporta evidencia empírica en un área con
escasa documentación en la literatura hispanohablante: el uso de IAG de voz específicamente
para la producción de materiales didácticos de audio en el bachillerato latinoamericano. Los
resultados contribuyen a la discusión sobre los criterios con que los docentes evalúan recursos
tecnológicos en contextos reales, confirmando que la utilidad funcional y la coherencia
curricular pesan más que la perfección técnica en la valoración cotidiana del material.
Limitaciones
El estudio presenta limitaciones que condicionan el alcance de sus conclusiones. El diseño
transversal recoge percepciones en un único momento y no permite observar cambios en la
práctica docente ni efectos sostenidos en el tiempo. La muestra, aunque pertinente y bien
definida, corresponde a una sola institución, lo que limita la generalización de los resultados
a otros contextos sin la mediación de estudios comparativos. Por último, el instrumento mide
la percepción docente pero no el aprendizaje de los estudiantes, de modo que la relación entre
el uso de los audios y la mejora en la comprensión auditiva no está establecida en este trabajo
y constituye una pregunta abierta para investigaciones futuras.
Líneas futuras de investigación
Los hallazgos de este estudio abren cuatro líneas de investigación que merecen atención. La
primera es el diseño de estudios longitudinales que permitan observar el efecto sostenido del
Viabilidad pedagógica de la IA generativa de voz en la enseñanza del inglés
© Fundación Internacional para Educación la Ciencia y la Tecnología, “FIECYT” 35
uso de audios con IAG en el desempeño de los estudiantes en comprensión auditiva y
producción oral. La segunda es la comparación sistemática entre audios generados con IAG y
grabaciones de hablantes humanos en condiciones controladas, para establecer con mayor
precisión en qué dimensiones y para qué perfiles de estudiante la diferencia es
pedagógicamente relevante. La tercera es la incorporación de la voz del estudiante al análisis,
explorando su percepción y motivación ante este tipo de materiales. La cuarta es la evaluación
de la transferibilidad del modelo a otros niveles educativos y otras asignaturas, analizando su
costo-beneficio institucional en contextos de producción de materiales a escala.
Más allá de la innovación tecnológica, la relevancia de la IA generativa en la producción
de materiales didácticos reside en su articulación con el criterio del profesorado. Los hallazgos
respaldan que esta tecnología es una alternativa pedagógicamente sólida para contextos con
limitaciones institucionales, siempre que el docente mantenga el rol central en la curaduría y
validación de los recursos auditivos resultantes. La evidencia presentada no agota la discusión
sobre el tema, pero contribuye a fundamentarla con datos empíricos provenientes de un
contexto latinoamericano escasamente documentado en la literatura especializada.
REFERENCIAS BIBLIOGRÁFICAS
Abreus González, P. A., Martínez Molina, P. D., & Castiñeira Enríquez, P. A. (2020). El
desarrollo de la comprensión auditiva en inglés mediante la audición extensiva.
Qualitas Revista Científica, 19(19), 077–094. https://bit.ly/3P8w2fp
Aguilar-Martínez, J. L., Sánchez-Prieto, J. C., & Martínez-Abad, F. (2024). Percepciones
docentes hacia los efectos de la brecha digital y la inclusión educativa. Revista
Latinoamericana de Tecnología Educativa – RELATEC, 23(2), 51–67.
https://acortar.link/HSGueU
Área-Moreira, M., & Adell-Segura, J. (2021). Tecnologías digitales y cambio educativo. Una
aproximación crítica. REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en
Educación, 19(4), 83–96. https://acortar.link/xJTwiF
Ayuso-del Puerto, D., & Gutiérrez-Esteban, P. (2022). La inteligencia artificial como recurso
educativo durante la formación inicial del profesorado. RIED. Revista Iberoamericana de
Educación a Distancia, 25(2), 347–362. https://acortar.link/MVH7EV
Barrios Alvarado, A. G. (2025). Práctica interdisciplinaria entre el diseño y la educación para
el diseño de material didáctico destinado a alumnos de educación secundaria. Revista
de Estudios Interdisciplinarios del Arte, Diseño y la Cultura, (15), 347–371.
http://bit.ly/4dcb2hK
Bione, T., & Cardoso, W. (2020). Synthetic voices in the foreign language context. Language
Learning & Technology, 24(1), 169–186. https://acortar.link/OlV1Uq
Briceño-Núñez, C. E., Pernia-Molina, R., Teixeira-Robles, Y. M., & Juárez-Viloria, C. N. (2024).
Enfoque holístico en la enseñanza de idiomas: usos de la inteligencia artificial en
contextos universitarios. DIDAC, (84 JUL-DIC), 30–43. https://acortar.link/56E9iy.
84_JUL-DIC.210
Cabero-Almenara, J., & Palacios-Rodríguez, A. (2021). La evaluación de la educación virtual:
las e-actividades. RIED. Revista Iberoamericana de Educación a Distancia, 24(2), 169–188.
https://acortar.link/EdwChD
Cepeda-Romero, O., Gallardo-Fernández, I. M., & Rodríguez-Rodríguez, J. (2017). La
evaluación de los materiales didácticos digitales. Revista Latinoamericana de Tecnología
Educativa – RELATEC, 16(2), 79–95. https://acortar.link/PrWMns
Angel González / Evelyn Guerrero
RICEd: Revista de Investigación en Ciencias de la Educación, Vol. 1, No 3, Ed. Esp. septiembre 2026, 24-37. 36
Córdoba Cubillo, P., Coto Keith, R., & Ramírez Salas, M. (2005). La comprensión auditiva:
definición, importancia, características, procesos, materiales y actividades.
Actualidades Investigativas en Educación, 5(1). https://acortar.link/F2QBqk
Fernández-Gutiérrez, M., Gimenez, G., & Calero, J. (2020). Is the use of ICT in education
leading to higher student outcomes? Analysis from the Spanish autonomous
communities. Computers & Education, 157, 103969. https://acortar.link/zr6DQB
Flores-Vivar, J. M., & García-Peñalvo, F. J. (2023). Reflexiones sobre la ética, potencialidades y
retos de la inteligencia artificial en el marco de la educación de calidad (ODS4).
Comunicar, 31(74), 37–47. https://acortar.link/Y8QBtz
Forero-Corba, W., & Negre Bennasar, F. (2024). Técnicas y aplicaciones del machine learning
e inteligencia artificial en educación: una revisión sistemática. RIED. Revista
Iberoamericana de Educación a Distancia, 27(1), 209–253. https://acortar.link/W0ituF
Forni, P., & De Grande, P. (2020). Triangulación y métodos mixtos en las ciencias sociales
contemporáneas. Revista Mexicana de Sociología, 82(1), 159–189.
https://acortar.link/ucBAKp
Gallent-Torres, C., Zapata-González, A., & Ortego-Hernando, J. L. (2023). El impacto de la
inteligencia artificial generativa en educación superior: una mirada desde la ética y la
integridad académica. RELIEVE. Revista Electrónica de Investigación y Evaluación
Educativa, 29(2), art. M5. https://acortar.link/8P5FcV
García-Peñalvo, F. J., Llorens-Largo, F., & Vidal, J. (2024). La nueva realidad de la educación
ante los avances de la inteligencia artificial generativa. RIED. Revista Iberoamericana de
Educación a Distancia, 27(1), 9–39. https://acortar.link/l26tXd
Martínez-Bonafé, J., & Rogero-Anaya, J. (2021). El entorno y la innovación educativa. REICE.
Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 19(4), 71–81.
https://acortar.link/lpeONH
Martínez-Comesaña, M., Rigueira-Díaz, X., Larrañaga-Janeiro, A., Martínez-Torres, J.,
Ocarranza-Prado, I., & Kreibel, D. (2023). Impacto de la inteligencia artificial en los
métodos de evaluación en educación primaria y secundaria: revisión sistemática de la
literatura. Revista de Psicodidáctica, 28(2), 93–103. https://acortar.link/SoCDwN
Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO.
https://acortar.link/5GOvy9
Nussbaum, C., Frühholz, S., & Schweinberger, S. R. (2025). Understanding voice naturalness.
Trends in Cognitive Sciences, 29(5), 467–480. https://acortar.link/5zbkOn
Pereira-Pérez, Z. (2011). Los diseños de método mixto en la investigación en educación: una
experiencia concreta. Revista Electrónica Educare, 15(1), 15–29.
https://acortar.link/nu9j8j
Prendes-Espinosa, M. P., & Cerdán-Cartagena, F. (2021). Tecnologías avanzadas para afrontar
el reto de la innovación educativa. RIED. Revista Iberoamericana de Educación a Distancia,
24(1), 35–53. https://acortar.link/jWBSoD
Ramírez Martinell, A. (2022). Cultura digital y educación media superior. En A. Aguirre y A.
Ramírez (Coords.), La educación media superior ante la nueva escuela mexicana (pp. 66–79).
COBAEV. https://bit.ly/4spGJsJ
Rebolledo, R., & Gisbert, M. (2025). Aprendizaje adaptativo del inglés como lengua extranjera
con herramientas de inteligencia artificial: una revisión sistemática de la literatura.
Profesorado. Revista de Currículum y Formación del Profesorado, 29(1), 241–264.
https://acortar.link/Espebo
Sanabria, A., Álvarez-Núñez, Q., & Peirats, J. (2017). Las políticas educativas en la producción
y distribución de materiales didácticos digitales. Revista Latinoamericana de Tecnología
Educativa – RELATEC, 16(2), 63–77. https://acortar.link/OKJR0v
Viabilidad pedagógica de la IA generativa de voz en la enseñanza del inglés
© Fundación Internacional para Educación la Ciencia y la Tecnología, “FIECYT” 37
Sánchez-Mendiola, M., & Carbajal-Degante, E. (2023). La inteligencia artificial generativa y la
educación universitaria: ¿salió el genio de la lámpara? Perfiles Educativos, 45(Especial),
70–86. https://acortar.link/pwbSKr
Sánchez-Mendiola, M., Martínez-Franco, A. I., Torres-Carrasco, U., de Agüero-Servín, M.,
Hernández-Romo, A. K., Benavides-Lara, M. A., Rendón-Cazales, V. J., & Jaimes-
Vergara, C. A. (2020). Retos educativos durante la pandemia de COVID-19: una
encuesta a profesores de la UNAM. Revista Digital Universitaria, 21(3).
https://acortar.link/PnKsdF
Stake, R. E. (1999). Investigación con estudio de casos (R. Filella, Trad., 2.ª ed.). Ediciones Morata.
Tai, T.-Y., & Chen, H. H.-J. (2024). The impact of AI-driven speech recognition on EFL listening
comprehension, flow experience, and anxiety: a randomized controlled trial.
Humanities and Social Sciences Communications, 11, art. 447.
https://acortar.link/fBYIHG
Viramontes Anaya, E. (2024). Análisis cualitativo en la investigación. IE Revista de Investigación
Educativa de la REDIECH, 15, e2074. https://acortar.link/uBm5ju
Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Artificial intelligence in
education: A systematic literature review. Expert Systems with Applications, 252(Part A),
124167. https://acortar.link/xddfuO
