Autocorrectores y erosión de la competencia ortográfica: Un estudio de caso con estudiantes de posgrado dedicados a la docencia

Autores/as

DOI:

https://doi.org/10.63415/saga.v3i1.322

Palabras clave:

autocorrector, competencia docente, descarga cognitiva, escritura académica, estudio de caso

Resumen

La integración de sistemas de asistencia a la escritura basados en Inteligencia Artificial (IA) ha transformado la producción académica. Sin embargo, existe preocupación sobre el efecto de estas herramientas en la retención de habilidades cognitivas. Este artículo presenta un estudio de caso exploratorio que analiza el impacto de la corrección automática en la competencia ortográfica de estudiantes de posgrado que se dedican a la docencia (N = 12). Mediante un diseño cuasi-experimental en cuatro fases, se detectó una disociación crítica: mientras el promedio de escritura asistida fue excelente (x̄= 9.69), el dominio explícito de reglas gramaticales cayó drásticamente (x̄= 5.76). El 42 % de la muestra reprobó la prueba teórica. Se concluye que la dependencia tecnológica genera una “competencia ilusoria”, donde el docente pierde capacidad de transposición didáctica al delegar el procesamiento lingüístico al algoritmo

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • José Manuel Gámez Medina, Universidad Autónoma de Zacatecas

    Investigador en el área de ingeniería eléctrica, mecánica y capacitación industrial.

Referencias

Baron, N. S. (2021). How we read now: Strategic choices for print, screen, and audio. Oxford University Press. https://doi.org/10.1093/oso/9780190084097.001.0001

Bozkurt, A., Xiao, J., Lambert, S., Pazurek, A., Crompton, H., Koseoglu, S., Farrow, R., Bond, M., Nerantzi, C., Honeychurch, S., Bali, M., Dron, J., Mir, K., Stewart, B., Costello, E., Mason, J., Stracke, C. M., Romero-Hall, E., Koutropoulos, A., … Jandrić, P. (2023). Speculative futures on ChatGPT 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.7833361

Budiyono, H. (2025). Exploring long-term impact of AI writing tools on independent writing skills: A case study of Indonesian language education students. International Journal of Information and Education Technology, 15(5), 2306. https://doi.org/10.18178/ijiet.2025.15.5.2306

Cordero Monzón, M. A. (2025). Gestión ética y seguridad en el uso de inteligencia artificial por estudiantes universitarios. RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 15(29). https://doi.org/10.23913/ride.v15i29.2134

Floridi, L. (2023). The ethics of artificial intelligence. Oxford University Press. https://doi.org/10.1093/oso/9780198812845.001.0001

Forbes, S., & Guest, O. (2025). To improve literacy, improve equality in education, not large language models. Cognitive Science, 49(4), e70058. https://doi.org/10.1111/cogs.70058

Georgiou, G. (2025). ChatGPT produces more “lazy” thinkers: Evidence of cognitive engagement decline. arXiv. https://doi.org/10.48550/arxiv.2507.00181

Gholizadeh, G., & Rahimi, M. (2023). The mediating role of academic self-regulation in the relationship between autocorrect use and vocabulary size. Contemporary Educational Technology, 15(4), ep456. https://doi.org/10.30935/cedtech/12937

Ismael, K., Saeed, K., Ibrahim, A., & Fatah, D. (2022). Effects of auto-correction on students’ writing skill at three different universities in Sulaimaniyah City. Arab World English Journal, 13(1). https://doi.org/10.24093/awej/call8.16

Oakley, B., Johnston, M., Chen, K., Jung, E., & Sejnowski, T. (2025). The memory paradox: Why our brains need knowledge in an age of AI. arXiv. https://doi.org/10.48550/arxiv.2506.11015

Peng, J., & Yeh, S. (2025). Cognitive offloading in short-term memory tasks: Trust toward tools as a moderator. International Journal of Human–Computer Interaction, 41, 13382–13393. https://doi.org/10.1080/10447318.2025.2474449

Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002

Selim, R., Basu, A., Anto, A., Foscht, T., & Eisingerich, A. (2024). Effects of large language model–based offerings on the well-being of students: Qualitative study. JMIR Formative Research, 8. https://doi.org/10.2196/64081

Stadler, M., Bannert, M., & Sailer, M. (2024). Cognitive ease at a cost: LLMs reduce mental effort but compromise depth in student scientific inquiry. Computers in Human Behavior, 160, 108386. https://doi.org/10.1016/j.chb.2024.108386

Strobl, S., et al. (2023). Automation bias in AI-assisted decision making. In Proceedings of the CHI Conference on Human Factors in Computing Systems. https://doi.org/10.1145/3544548.3581198

UNESCO. (2021). AI and education: Guidance for policy-makers. https://unesdoc.unesco.org/ark:/48223/pf0000376709

UNESCO. (2023). Guidance for generative AI in education and research. https://unesdoc.unesco.org/ark:/48223/pf0000386693

Descargas

Publicado

03/01/2026

Número

Vol. 3 Núm. 1 (2026): Enero-Marzo

Sección

Ciencias de la Educación

Licencia

Derechos de autor 2026 Sahara Araceli Pereyra López, José Manuel Gámez Medina (Autor/a)

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Cómo citar

Pereyra López, S. A., & Gámez Medina, J. M. (2026). Autocorrectores y erosión de la competencia ortográfica: Un estudio de caso con estudiantes de posgrado dedicados a la docencia. SAGA: Revista Científica Multidisciplinar, 3(1), 88-94. https://doi.org/10.63415/saga.v3i1.322

Artículos similares

1-10 de 273

También puede Iniciar una búsqueda de similitud avanzada para este artículo.