La tutorización de trabajo final de máster (TFM) con IA
usos, percepciones y necesidades de docentes españoles
DOI:
https://doi.org/10.4151/S0718-09342026012201463Palabras clave:
inteligencia artificial, tutorización académica, trabajo de fin de máster, competencia digital docente, competencia en escrituraResumen
La integración de la inteligencia artificial (IA) en el ámbito académico, especialmente en el contexto del acompañamiento en la elaboración del trabajo de fin de máster (TFM), plantea interrogantes sobre si los docentes usan y cómo perciben la IA en cuanto a herramienta pedagógica, qué necesidades formativas surgen y qué implicaciones conlleva su uso en el apoyo académico a los estudiantes. Este estudio empírico, de enfoque descriptivo focalizado, aborda tres cuestiones fundamentales: primero, cómo los profesores universitarios utilizan y perciben las herramientas de IA, y cuáles son sus necesidades para proporcionar una retroalimentación constructiva y adecuada al estudiantado en el desarrollo de sus TFM. En segundo lugar, se identifican las posibles influencias de algunas características sociodemográficas del profesorado (género, edad, experiencia docente) en el uso, la percepción y las necesidades respecto a la IA. En tercer lugar, se definen los perfiles de competencia digital y de escritura para comprobar si estos tienen influencia significativa en las percepciones y prácticas del profesorado, así como en sus expectativas sobre el papel de la IA en la escritura académica. Se aplicó un cuestionario ad hoc sometido a validación de contenido, mediante juicio de ocho expertos y a un pilotaje preliminar con seis participantes, a 66 docentes supervisores de TFM de 6 universidades madrileñas (España) tanto privadas como públicas. Los resultados indican que los docentes no utilizan mucho las herramientas de IA para tutorizar los TFM y que predominan los perfiles B1 Integrador y B2 Experto en competencia digital, frente a los perfiles C1 Líder y C2 Pionero en competencia escrita. Respecto a las necesidades formativas, la mayoría de los docentes expresan una fuerte demanda de formación en el uso de IA. Con base en estos resultados, la investigación plantea la conveniencia de desarrollar propuestas de alfabetización crítica en IA adaptadas a la diversidad de perfiles docentes.
Citas
Amani, N. & Bisriyah, M. (2025). University Students' Perceptions of AI-Assisted Writing Tools in Supporting Self-Regulated Writing Practices. Indonesian Journal of English Language Teaching and Applied Linguistics, 10(1), 91-107. http://dx.doi.org/10.21093/ijeltal.v10i1.1942
Boillos, M. M., & Idoiaga, N. (2025). Student perspectives on the use of AI-based language tools in academic writing. Journal of Writing Research, 17(1), 155-170. https://doi.org/10.17239/jowr-2025.17.01.06
Carrasco Perea, E., & López Ferrero, C. (2023). Retroalimentación ¿para aprender?: Experiencias de futuros docentes de lenguas. Perspectiva Educacional, 62(2), 234–255. https://doi.org/10.4151/07189729-Vol.62-Iss.2-Art.1419
Ducasse, A. M, López Ferrero, C., & Mateo, M. T. (2023). Technology-enabled Higher Education academic writing feedback: practices, needs and preferences. Australasian Journal of Educational Technology, 39(4), 48-73. https://doi.org/10.14742/ajet.8557
Carless, D., & Boud, D. (2018). The development of student feedback literacy: enabling uptake of feedback. Assessment & Evaluation in Higher Education, 43(8), 1315–1325. https://doi.org/10.1080/02602938.2018.1463354
Chen, Q. (2025). Students’ Perceptions of AI-Powered Feedback in English Writing: Benefits and Challenges in Higher Education. International Journal of Changes in Education. https://doi.org/10.47852/bonviewIJCE52025580
Chen, C.-F. E. & Cheng, W.-Y. E. (2008). Beyond the design of automated writing evaluation: Pedagogical practices and perceived learning effectiveness in EFL writing classes. Language Learning & Technology, 12(2), 94–112. http://dx.doi.org/10125/44145
Cordón, O. (2023). Inteligencia Artificial en Educación Superior: Oportunidades y Riesgos. RiiTE Revista interuniversitaria de investigación en tecnología educativa, 15, 16-27. https://doi.org/10.6018/riite.591581
Duong, T. K. H., & Le, T. T. H. (2024). Utilizing Artificial Intelligence in Writing Feedback: Benefits and Challenges for First-Year Students at Hanoi University of Industry. Proceedings of the AsiaCALL International Conference, 6, 238-249. ISSN: 2833-6836, ISBN: 979-8-9870112-6-3. https://doi.org/10.54855/paic.24617
Fang, Y. (2010). Perceptions of the computer-assisted writing program among EFL college learners. Journal of Educational Technology & Society, 13(3), 246–256. https://www.learntechlib.org/p/74911/
Gibbs, G., y Simpson, C. (2009). Condiciones para una evaluación continuada favorecedora del aprendizaje [Conditions under which assessment supports students’ learning]. Cuadernos de docencia universitaria, 13. ICE, Universitat de Barcelona/ Octaedro.
Gómez-García, M., Ruiz-Palmero, J., Boumadan-Hamed, M., & Soto-Varela, R. (2025). Percepciones de futuros docentes y pedagogos sobre uso responsable de la IA. Un instrumento de medida. RIED. Revista Iberoamericana de Educación a Distancia, 28(2), 235-250. https://doi.org/10.5944/ried.28.2.43288
González-Medina, I., Navío, E., & Gavín Chocano, Ó. (2024). Análisis de la competencia digital en profesores de educación primaria en relación con los factores de género, edad y experiencia. Pixel-Bit. Revista de Medios y Educación, 71, 179-201. https://doi.org/10.12795/pixelbit.107277
Instituto Cervantes. (2002). Marco Común Europeo de referencia para las lenguas: aprendizaje, enseñanza, evaluación. Ministerio de Educación, Cultura y Deporte, Subdirección General de Cooperación Internacional. http://cvc.cervantes.es/obref/marco
Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado (INTEF). (2017). Herramienta para la revisión de la calidad didáctica de los materiales educativos digitales (Anexo F de la norma UNE 71362:2017). Ministerio de Educación, Cultura y Deporte. https://intef.es/wp-content/uploads/2020/01/AnexoF_UNE_713622017.pdf
Jensen, L. X., Bearman, M., Boud, D., & Konradsen, F. (2025). Feedback encounters in doctoral supervision: the role of generative AI chatbots. Assessment & Evaluation in Higher Education, 1–14. https://doi.org/10.1080/02602938.2025.2478155
Hewett,B. L., & DePew, K.E. (Eds.) (2015). Foundational Practices of Online Writing Instruction. Parlor Press. https://doi.org/10.37514/PER-B.2015.0650
Lillo-Fuentes, F., Venegas, R., & Lobos, I. (2023). Evaluación automatizada y semiautomatizada de la calidad de textos escritos: una revisión sistemática. Perspectiva Educacional, 62(2), 5-36. https://dx.doi.org/10.4151/07189729-vol.62-iss.2-art.1420
Martínez Pérez, S., & Fernández Robles, B. (2018). Objetos de Realidad Aumentada: percepciones del alumnado de Pedagogía. Pixel-Bit. Revista de Medios y Educación, 53, 207–220. https://doi.org/10.12795/pixelbit.2018.i53.14
Muñoz-Basols, J., & Fuertes Gutiérrez, M. (2024). Oportunidades de la Inteligencia Artificial (IA) en la enseñanza y el aprendizaje de lenguas. Muñoz-Basols, J.; Fuertes Gutiérrez, M.; & Cerezo, L. (coords.) La enseñanza del español mediada por tecnología: de la justicia social a la Inteligencia Artificial (IA), pp. 343-365. Taylor & Francis. https://doi.org/10.4324/9781003146391-18
Morales, O., & Espinoza, N. (2005). La revisión de textos académicos en formato electrónico en el ámbito universitario. Educere, 9(30), 333–344. http://www.redalyc.org/articulo.oa?id=35603009
O´Neill, R., & Russell, A. (2019). Stop! Grammar time: University students’ perceptions of the automated feedback program Grammarly. Australasian Journal of Educational Technology, 35(1), 4246. https://doi.org/10.14742/ajet.3795
Peterson, E. K. (2017). The Impact of Computer-Generated Feedback on Student Perceptions of Revision Process. Sophia Centre Press, St. Catherine University repository website. https://sophia.stkate.edu/maed/247
Reynolds, B. L., Kao, C. W., & Huang, Y. Y. (2021). Investigating the effects of perceived feedback source on second language writing performance: A quasi-experimental study. The AsiaPacific Education Researcher, 30(6), 585–595. https://doi.org/10.1007/s40299-021-00597-3
Roscoe, R. D., Wilson, J., Johnson, A. C., & Mayra, C. R. (2017). Presentation, expectations, and experience: Sources of student perceptions of automated writing evaluation. Computers in Human Behavior, 70, 207–221. https://doi.org/10.1016/j.chb.2016.12.076
Wang, P.-L. (2015). Effects of an automated writing evaluation program: Student experiences and perceptions. Electronic Journal of Foreign Language Teaching, 12(1), 79–100. http://e-flt.nus.edu.sg/v12n12015/wang.pdf
Zhang, Z. (2020). Engaging with automated writing evaluation (AWE) feedback on L2 writing: Student perceptions and revisions. Assessing Writing, 43, 78–91. https://doi.org/10.1016/j.asw.2019.100439
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Revista Signos. Estudios de Lingüística
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Aquellos autores que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra por medio de este documento de cesión de derechos de autoría, el cuál estará simultáneamente sujeto a la licencia de reconocimiento de Creative Commons que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista.
- Los autores podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un repositorio institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores difundir su obra a través de Internet (p. ej.: en publicaciones institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase el efecto del acceso abierto).
