¿Corrección humana o automática? El futuro de la retroalimentación correctiva escrita en la universidad

La retroalimentación correctiva escrita (RCE) es un pilar fundamental en la enseñanza de lenguas. Tradicionalmente, esta tarea ha recaído en el profesorado, que dedica tiempo y esfuerzo a señalar errores y ofrecer sugerencias de mejora. Sin embargo, la irrupción de la inteligencia artificial (IA) ha abierto un nuevo panorama en el que las herramientas de corrección automática se presentan como una alternativa (o complemento) a la labor docente. ¿Cómo perciben los estudiantes esta nueva realidad? ¿Cuáles son las ventajas y desventajas que tiene cada enfoque? ¿Qué futuro le espera a la retroalimentación escrita en la era digital?

¿Qué es la retroalimentación escrita y por qué es importante?

La RCE es un elemento clave para el desarrollo no solo de la escritura, sino de la competencia lingüística general de los aprendices de lenguas. La RCE suele también denominarse retroalimentación ‘negativa’, ya que implica una respuesta– en forma de marcas, símbolos o comentarios–a un error lingüístico cometido por el aprendiz en la escritura de su texto con el fin de señalarlos y sugerir mejoras. La retroalimentación también puede ser positiva, reconociendo aquellos aspectos de la producción escrita del estudiante que son correctos, y actuando como refuerzo.

Tipos de retroalimentación correctiva escrita (RCE)

Centrándonos en la corrección de errores, existen diversos tipos de RCE según la clase de información que se le ofrece al estudiante sobre su error. Tres de las clases más frecuentes son directo, indirecto, y metalingüístico:

• Directo: cuando el profesor identifica el error y proporciona la corrección exacta, lo que resulta especialmente útil para estudiantes de nivel intermedio o bajo.
• Indirecto: se limita a señalar la existencia de un error, dejando que el estudiante lo identifique y corrija, promoviendo así la reflexión y el aprendizaje autónomo.
• Metalingüístico: ofrece códigos o breves explicaciones sobre la naturaleza del error, ayudando a los estudiantes a comprender las reglas subyacentes.

La RCE directa destaca por su claridad y utilidad inmediata, y por ese mismo motivo suele ser preferida por los estudiantes de niveles más bajos. Por otro lado, la RCE indirecta y la metalingüística están diseñadas para promover la autocorrección del aprendiz y el procesamiento cognitivo más profundo de las reglas lingüísticas. Por tanto, la elección del tipo de feedback dependerá de múltiples factores, como el nivel del estudiante, los objetivos pedagógicos y el contexto de aprendizaje.

¿De qué depende su eficacia?

De hecho, se considera que la eficacia de la retroalimentación no depende de la exactitud o la explicitud de la corrección en sí, sino en su capacidad para involucrar activamente el sistema cognitivo del aprendiz. Una retroalimentación que no logre captar la atención o estimular la comprobación de hipótesis sobre la lengua puede resultar pedagógicamente ineficaz. Por eso, es importante tener en cuenta aspectos como las preferencias de los estudiantes y la inclusión de tareas que fomenten la revisión de textos una vez recibida la retroalimentación (Borràs & López-Serrano, 2023). Un sistema eficaz suele combinar distintos enfoques para maximizar el aprendizaje.

En el contexto de la adquisición de segundas lenguas, la retroalimentación no solo ayuda a corregir errores puntuales, sino que también estimula la reflexión, la autoconciencia y el desarrollo de la autonomía del estudiante. La investigación en enseñanza de lenguas ha demostrado que la retroalimentación escrita es fundamental para evitar la «fosilización» de errores (es decir, que los errores se vuelvan permanentes) y para fomentar la revisión activa de las hipótesis lingüísticas de los estudiantes (p. ej., Mao et al., 2024), Así, la retroalimentacion no solo corrige, sino que también enseña a aprender.

 

El valor de la retroalimentación humana: personalización y conexión

Los profesores aportan una serie de cualidades únicas a la retroalimentación escrita: no solo corrigen errores, sino que también ofrecen una guía personalizada, adaptada a las necesidades y al nivel de cada estudiante. Conocen el contexto de la tarea, comprenden las dificultades individuales y pueden ofrecer consejos específicos para superar los obstáculos.

La retroalimentación humana va más allá de lo puramente lingüístico

La retroalimentación transmite apoyo emocional, motiva al estudiante y fomenta una relación de confianza que favorece el aprendizaje. Los estudiantes valoran especialmente la retroalimentación humana por su capacidad de entender el contexto y ofrecer soluciones adaptadas a sus necesidades específicas. Reconocen el valor del apoyo emocional y la motivación que transmiten los profesores, elementos que contribuyen a crear un ambiente de aprendizaje positivo y enriquecedor (p. ej., Henderson et al., 2025).

 

El auge de la inteligencia artificial en la corrección escrita

Frente a la retroalimentación humana, la IA ofrece una serie de ventajas innegables. En primer lugar, la inmediatez: las herramientas de corrección automática como Grammarly,  DeepL Write, o  Quillbot, pueden analizar textos y señalar errores en cuestión de segundos, lo que permite a los estudiantes recibir retroalimentación de forma casi instantánea.

En segundo lugar, la objetividad: la IA se basa en reglas y algoritmos, lo que garantiza una evaluación imparcial y libre de sesgos.

Por último, la escalabilidad: las herramientas de IA pueden procesar grandes volúmenes de texto de forma simultánea, lo que las convierte en una solución ideal para clases numerosas o cursos online.

Ventajas y desventajas de la IA para la retroalimentación correctiva

Además de estos beneficios generales, estudios recientes han revelado que los estudiantes percibían las sugerencias generadas por la idea como claras, detalladas y aplicables, lo que resultaba en que revisaran sus textos con más frecuencia cuando la retroalimentación era generada por IA que cuando recibían comentarios solo por parte del profesorado (Tran, 2025).

No obstante, la retroalimentación generada por IA también presenta limitaciones importantes. Si bien es eficaz para detectar errores superficiales (ortografía, gramática básica, etc.), puede tener dificultades para comprender el contexto, identificar matices y ofrecer sugerencias para mejorar la coherencia, la cohesión o el estilo del texto. Además, la retroalimentación automática puede resultar impersonal y carecer del componente motivacional que caracteriza a la retroalimentación humana.

¿Corrección automática o humana? La percepción de los estudiantes

Una investigación reciente llevada a cabo en educación superior (p. ej. Henderson et al., 2025) demuestra que la percepción de los estudiantes sobre la retroalimentación generada por IA varía en función de diversos factores.

En general, los estudiantes valoran la objetividad y la utilidad de la retroalimentación automática, especialmente cuando se trata de corregir errores superficiales. Sin embargo, también reconocen que la retroalimentación humana es más valiosa para comprender el contexto, recibir apoyo emocional y mejorar aspectos más complejos de la escritura.

La brecha de autenticidad

Un aspecto interesante que emerge de los estudios es la «brecha de autenticidad» que se produce cuando los estudiantes saben que la retroalimentación proviene de una máquina. En estos casos, la credibilidad de la retroalimentación disminuye en comparación con la retroalimentación humana o híbrida. Por otro lado, la experiencia previa con herramientas de IA en el ámbito educativo puede aumentar la confianza de los estudiantes en la retroalimentación automática.

Hacia un modelo híbrido

El futuro de la retroalimentación escrita en la universidad no pasa por elegir entre la corrección automática y la humana, sino por combinar lo mejor de ambos enfoques.

Un modelo híbrido en el que la IA se encargue de las correcciones básicas y el profesorado se centre en aspectos más complejos (organización del texto, desarrollo de ideas, etc.) puede ser la solución más eficaz para mejorar el aprendizaje de los estudiantes (Tran, 2025; Zhang et al., 2025).

La IA como asistente del profesor

En este modelo, la IA actuaría como un asistente del profesor, liberándolo de tareas repetitivas y permitiéndole dedicar más tiempo a ofrecer una retroalimentación personalizada y de calidad.

Los estudiantes, por su parte, se beneficiarían de la inmediatez y la objetividad de la retroalimentación automática, así como del apoyo y la guía del profesor.

Además, este modelo de retroalimentación híbrido abre un camino prometedor no solo en el aula de idiomas, sino en la enseñanza en inglés como medio de instrucción (Campos, 2025).

La IA, gracias a su capacidad para proporcionar feedback inmediato y detallado sobre aspectos (meta)lingüísticos más generales, puede resultar un gran aliado para los docentes, ya que permite que estos focalicen su retroalimentación en el desarrollo del contenido disciplinar (p. ej., precisión conceptual y estilo de comunicación propio de la disciplina). De este modo, los estudiantes se benefician de una retroalimentación más completa, que potencia tanto su competencia lingüística general como la académica.

Recomendaciones clave para el uso de la IA en la retroalimentación correctiva

Para integrar la IA de forma efectiva en su uso de la retroalimentación escrita en la universidad, es fundamental que el profesorado adopte un enfoque crítico y reflexivo. Algunas recomendaciones clave son:

• Combinar la retroalimentación automática con la humana: No delegar toda la responsabilidad en la IA, sino utilizarla como una herramienta complementaria.
• Priorizar la relación profesor-alumno: No olvidar que la retroalimentación es un acto comunicativo que requiere empatía, comprensión y apoyo emocional.
• Fomentar la reflexión y el análisis crítico: Animar a los estudiantes a cuestionar la retroalimentación automática y a contrastarla con sus propios conocimientos y criterios.
• Abordar las cuestiones éticas: Reflexionar sobre los posibles sesgos de los algoritmos, la privacidad de los datos y la integridad académica.

Conclusión

Si tenemos en cuenta que la retroalimentación escrita seguirá siendo un pilar esencial en el proceso de enseñanza-aprendizaje a nivel universitario, la llegada de la inteligencia artificial supone una oportunidad para repensar y enriquecer las prácticas pedagógicas. El futuro pasa por modelos híbridos que combinen la eficiencia y objetividad de la IA con la empatía, la personalización y la capacidad diagnóstica del profesorado.