Este estudio examinó la implementación y eficacia instruccional de un marco instruccional multimodal apoyado por IA que integra un asistente generativo de IA (Microsoft Copilot) con una aplicación móvil de aprendizaje basada en reconocimiento de voz (Mondly) para apoyar el desarrollo productivo de vocabulario en educación superior EFL. A diferencia de estudios que se centran en herramientas de IA únicas, este estudio evalúa una configuración instruccional de doble módulo coordinada que combina soporte léxico basado en LLM con práctica de recuperación oral basada en ASR dentro de una rutina estructurada en el aula. El marco propuesto puede considerarse como una disposición instruccional sociotécnica ligera en la que los aprendices interactúan con componentes de IA complementarios mediante retroalimentación guiada y práctica repetida. Se realizó un diseño cuasi-experimental con grupo de control, prueba previa y prueba posterior durante un semestre de once semanas con 64 estudiantes EFL de primer año en una universidad iraquí. El conocimiento productivo del vocabulario se midió mediante el Productive Vocabulary Levels Test (PVLT) y los datos se analizaron usando ANOVA de diseño mixto. Los resultados revelaron una interacción Tiempo × Grupo estadísticamente significativa con un tamaño del efecto grande, indicando mayores ganancias en vocabulario productivo en la condición apoyada por IA comparado con la instrucción tradicional. Los hallazgos cualitativos sugirieron además mejoras percibidas en la recuperación léxica, construcción de oraciones, precisión en la pronunciación y compromiso del aprendiz. Desde una perspectiva instruccional, los hallazgos sugieren que las ganancias de aprendizaje estuvieron asociadas con el uso coordinado de herramientas de IA complementarias dentro de un flujo de trabajo estructurado en el aula. Este estudio ofrece un modelo instruccional práctico que puede adaptarse a contextos comparables de educación superior con recursos limitados.
Building similarity graph...
Analyzing shared references across papers
Loading...
Shivan Mawlood Hussein
Mustafa Kurt
Systems
Near East University
Building similarity graph...
Analyzing shared references across papers
Loading...
Hussein et al. (Mon,) estudiaron esta cuestión.
www.synapsesocial.com/papers/69f594fc71405d493afffe4e — DOI: https://doi.org/10.3390/systems14050474