Integración de inteligencia artificial en la enseñanza del inglés técnico para personal de comunicaciones de la fuerza aérea ecuatoriana
DOI:
https://doi.org/10.70577/ASCE/436.453/2025Palabras clave:
Inteligencia Artificial, Inglés Técnico, Enseñanza Adaptativa, Reconocimiento Automático Del Habla, Fuerza Aérea Ecuatoriana.Resumen
La integración de inteligencia artificial (IA) en la enseñanza del inglés técnico para el personal de comunicaciones de la Fuerza Aérea Ecuatoriana representa un avance vital para optimizar el dominio del idioma en contextos críticos aeronáuticos. Este estudio se enfoca en evaluar la eficacia de sistemas inteligentes adaptativos, que ajustan el contenido y la dificultad formativa según las necesidades individuales, con un especial énfasis en operaciones de comunicación de alta precisión. La demanda creciente de soluciones basadas en aprendizaje automático y procesamiento del lenguaje natural ha impulsado el desarrollo de tecnologías avanzadas, que incluyen simulaciones realistas y reconocimiento automático del habla (ASR), mejorando la fidelidad y aplicabilidad de los entrenamientos en ambientes controlados. El estudio emplea una metodología mixta, combinando modelos estadísticos avanzados como ANOVA mixto, regresión logística multinomial y análisis bayesiano para evaluar la influencia de variables como modalidad de aprendizaje, frecuencia de entrenamiento, motivación, carga cognitiva y nivel de IA adaptativa. Los resultados indican que, si bien la modalidad de aprendizaje (presencial, virtual o mixta) no produce diferencias estadísticamente significativas, la frecuencia de entrenamiento tiene un impacto positivo marginal en el rendimiento final. Además, se identifica una alta variabilidad individual influida por factores motivacionales y experiencia previa. Esta evidencia valida la importancia de un entrenamiento frecuente y consistente, más allá del formato de instrucción. El trabajo contribuye a cerrar vacíos en la evaluación rigurosa de sistemas inteligentes en contextos militares especializados y ofrece recomendaciones para enfoques flexibles y personalizados en la capacitación del inglés técnico. Se destaca la necesidad de futuras investigaciones con datos operacionales reales y validación de modelos predictivos individualizados.
Descargas
Citas
Alhusaiyan, E., et al. (2025). Trends in AI in language learning: A systematic review. Journal of Applied Learning & Skill Studies. https://doi.org/10.1108/SJLS-2025-0021
Crompton, H., et al. (2024). AI and English language teaching: Affordances and challenges. British Journal of Educational Technology. https://doi.org/10.1111/bjet.13460 DOI: https://doi.org/10.1111/bjet.13460
Drayton, J., et al. (2023). Tower aviation radiotelephony technical vocabulary list. Journal of Air Transport.
Du, J., et al. (2024). AI-powered chatbots for English as a foreign language learning: A systematic review. Computers & Education. https://doi.org/10.1016/j.caeai.2024.100046
Duan, M., et al. (2024). Synthetic data generation in educational AI systems: Ensuring validity and reproducibility. Computers & Education: Artificial Intelligence. https://doi.org/10.1016/j.caeai.2024.100135
Guo, L., et al. (2021). Evolution and trends in intelligent tutoring systems research. Asia Pacific Education Review. https://doi.org/10.1007/s12564-021-09697-7 DOI: https://doi.org/10.1007/s12564-021-09697-7
Hampton, A. J., & Johnston, J. H. (2024). Design recommendations for ITS: Competency-based scenario design. ADL Net.
He, M., Abbasi, B. N., & He, J. (2025). AI-driven language learning in higher education: Self-reflection, creativity, anxiety and resilience. Humanities and Social Sciences Communications, 12, 1525. https://doi.org/10.1057/s41599-025-05817-5 DOI: https://doi.org/10.1057/s41599-025-05817-5
Ilić, J., et al. (2024). Impact of ITS and AI on motivation and achievement in STEM. Research in Education.
Jahchan, N., et al. (2021). Accent-robust ASR approaches for ATC. Interspeech Proceedings. https://doi.org/10.21437/Interspeech.2021-1374
Lee, S. (2025). Generative AI in the language classroom: Review. Interactive Learning Environments. https://doi.org/10.1080/10494820.2025.2498537 DOI: https://doi.org/10.1080/10494820.2025.2498537
Li, Y., et al. (2025). Adaptive ITS for language learning: Empirical study. Smart Learning Environments. https://doi.org/10.1186/s40561-025-00389-y DOI: https://doi.org/10.1186/s40561-025-00389-y
Li, Y., et al. (2025). Design language learning with artificial intelligence. Smart Learning Environments. https://doi.org/10.1186/s40561-025-00379-0 DOI: https://doi.org/10.1186/s40561-025-00379-0
Lin, Y., et al. (2021). Spoken instruction understanding in air traffic control. Aerospace, 8(3), 65. https://doi.org/10.3390/aerospace8030065 DOI: https://doi.org/10.3390/aerospace8030065
Mercado, J., & Pérez, L. (2023). Simulación de sistemas inteligentes en educación de idiomas técnicos. Revista Latinoamericana de Tecnología Educativa.
Nguyen, B. (2023). Using AI tools to develop training materials for aviation English. Journal of Training & Development. https://doi.org/10.1177/21695067231192904 DOI: https://doi.org/10.1177/21695067231192904
Sarhan, A. M., et al. (2025). Intelligent air traffic control using NLP-enhanced speech systems. Journal of Engineering Systems and Information Technology. https://doi.org/10.1186/s43067-025-00234-9 DOI: https://doi.org/10.1186/s43067-025-00234-9
Wang, H., et al. (2023). Examining applications of intelligent tutoring systems: A review. Educational Technology Research and Development. https://doi.org/10.1007/s11423-023-10261-5
Wang, X., et al. (2024). Automatic speech recognition and second language learning: A meta-analysis. IJWBLTT.
Wang, Z., et al. (2024). Enhancing air traffic control communication systems with automatic speech recognition. Sensors, 24(14), 4715. https://doi.org/10.3390/sensors24144715 DOI: https://doi.org/10.3390/s24144715
Ziakkas, D., et al. (2024). The Simulated Air Traffic Control Environment (SATCE): Uses in training. In Lecture Notes in Computer Science. https://doi.org/10.1007/978-3-031-76824-8_25 DOI: https://doi.org/10.1007/978-3-031-76824-8_25
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Jorge Cárdenas
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Eres libre de:
- Compartir : copiar y redistribuir el material en cualquier medio o formato
- Adaptar : remezclar, transformar y desarrollar el material
- El licenciante no puede revocar estas libertades siempre y cuando usted cumpla con los términos de la licencia.
En los siguientes términos:
- Atribución : Debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o a su uso.
- No comercial : no puede utilizar el material con fines comerciales .
- CompartirIgual — Si remezcla, transforma o construye sobre el material, debe distribuir sus contribuciones bajo la misma licencia que el original.
- Sin restricciones adicionales : no puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros hacer algo que la licencia permite.
