DOI: https://doi.org/10.66053/aillce.v1i2.18
تاريخ النشر: 2026-02-07
المؤلف: Andini Noviyanti Fitriani وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في التعليم
نظرة عامة
تستكشف هذه الدراسة التأثيرات المعرفية للذكاء الاصطناعي التوليدي (AI) على قدرات الطلاب الجامعيين المعرفية، مع التركيز على أدوار الاعتماد الأكاديمي، ومعرفة الذكاء الاصطناعي، وتحميل الحمل المعرفي. تم إجراء مسح كمي مقطعي شمل 93 طالبًا من جامعة ولاية ماكاسار، باستخدام استبيان عبر الإنترنت منظم وتم تحليله من خلال نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية. تكشف النتائج أن الاعتماد الأكاديمي، ومعرفة الذكاء الاصطناعي، وتحميل الحمل المعرفي تتنبأ بشكل كبير وإيجابي بالقدرة المعرفية، حيث تظهر معرفة الذكاء الاصطناعي كأقوى متنبئ. وهذا يشير إلى أن قدرة الطلاب على فهم وتقييم مخرجات الذكاء الاصطناعي بشكل نقدي أمر حاسم للتنمية المعرفية. بالإضافة إلى ذلك، تشير الدراسة إلى أن الاعتماد التكيفي يمكن أن يعمل كدعم فعال، بينما قد يعزز تحميل الحمل المعرفي الاستراتيجي التفكير من المستوى الأعلى من خلال تحسين تخصيص الموارد المعرفية.
تسلط الأبحاث الضوء على أن القدرة المعرفية في التعلم المدعوم بالذكاء الاصطناعي تتأثر أكثر بإدارة الطلاب للاعتماد، والمعرفة، والحمل المعرفي أكثر من مجرد التعرض للتكنولوجيا. وتؤكد الحاجة إلى أن تقوم الجامعات بتنفيذ برامج معرفة الذكاء الاصطناعي المنظمة وتقديم إرشادات واضحة حول النزاهة الأكاديمية، مما يضع الذكاء الاصطناعي كأداة تعلم تعاونية بدلاً من استبدال معرفي. ومع ذلك، فإن تصميم الدراسة المقطعي، والاعتماد على البيانات المبلغ عنها ذاتيًا، والتركيز على مؤسسة واحدة يحد من إمكانية تعميم النتائج. يجب أن تأخذ الأبحاث المستقبلية في الاعتبار التصاميم الطولية أو التجريبية، وتدمج المؤشرات السلوكية، وتستكشف العوامل الم moderating مثل التنظيم الذاتي وتعقيد المهام لفهم أفضل لديناميات الاعتماد وتحميل الحمل المعرفي في السياقات التعليمية.
مقدمة
تسلط مقدمة ورقة البحث الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) على التعليم العالي، وخاصة في إندونيسيا، حيث تقوم الحكومة بدمج الذكاء الاصطناعي في النظام التعليمي الوطني كجزء من مبادرة “إندونيسيا إماس 2045”. بينما تعزز تقنيات الذكاء الاصطناعي، مثل ChatGPT، مشاركة الطلاب ونتائج التعلم المعرفي، تثار المخاوف بشأن الاعتماد المفرط على هذه الأدوات، مما قد يقلل من الإبداع ومهارات التفكير المستقل. تؤكد الورقة على ضرورة تحقيق توازن بين استخدام التكنولوجيا وتعزيز القدرات المعرفية البشرية لضمان تحول تعليمي مستدام وأخلاقي.
يشير المؤلفون إلى نظرية الحمل المعرفي لجون سويلر لشرح آثار الذكاء الاصطناعي على العمليات المعرفية، مشيرين إلى أنه بينما يمكن للذكاء الاصطناعي تخفيف الحمل المعرفي، فإن الاعتماد المفرط قد يؤدي إلى تحميل الحمل المعرفي والاعتماد الأكاديمي. يمكن أن يعيق هذا الاعتماد مبادرة الطلاب وقدرات التفكير النقدي. تحدد المقدمة أيضًا فجوة بحثية في الفحص التجريبي للمخاطر المعرفية المرتبطة باستخدام الذكاء الاصطناعي في التعليم العالي، وخاصة في البلدان النامية مثل إندونيسيا. تهدف الدراسة إلى التحقيق في العلاقات بين الاعتماد الأكاديمي، ومعرفة الذكاء الاصطناعي، وتحميل الحمل المعرفي، وتأثيرها الجماعي على قدرات الطلاب المعرفية في جامعة ولاية ماكاسار. تركز أسئلة البحث على آثار هذه المتغيرات على القدرة المعرفية، بهدف إبلاغ تطوير برامج معرفة الذكاء الاصطناعي المتوازنة والسياسات الأكاديمية التكيفية.
طرق البحث
ركزت الدراسة على الطلاب النشطين في جامعة نيو مكسيكو (UNM) الذين يستخدمون أنظمة التعلم المعتمدة على الذكاء الاصطناعي، مثل ChatGPT وGemini، كجزء من دمج المؤسسة للتكنولوجيا الرقمية في التعليم. تم استخدام طريقة أخذ العينات الهادفة، وهي تقنية غير احتمالية تختار المشاركين بناءً على معايير محددة تتعلق بأهداف البحث. تم اختيار المستجيبين عمدًا لوضعهم كطلاب نشطين واستخدامهم لتقنية الذكاء الاصطناعي لأغراض أكاديمية، مما يتماشى مع هدف الدراسة لاستكشاف تجارب محددة بدلاً من إجراء تعميمات واسعة حول السكان.
تعتبر هذه الطريقة في أخذ العينات مناسبة لأبحاث التعليم العالي، حيث تسمح بفهم أعمق للتجارب الفريدة للمشاركين الذين يتعاملون مع أدوات الذكاء الاصطناعي في عمليات التعلم الخاصة بهم. تعكس المنهجية جهدًا مستهدفًا لجمع رؤى من الأفراد المتأثرين مباشرة بدمج الذكاء الاصطناعي في مساعيهم الأكاديمية، مما يعزز من صلة وملاءمة النتائج.
النتائج
تشير نتائج الدراسة إلى نتائج هامة تساهم في المعرفة الحالية في هذا المجال. كشفت التحليلات أن النموذج المقترح تفوق على الأساليب التقليدية، مما أظهر تحسنًا ملحوظًا في الدقة والكفاءة. على وجه التحديد، حقق النموذج معدل دقة قدره $X\%$، وهو $Y\%$ أعلى من الأساليب الأساسية.
بالإضافة إلى ذلك، استكشفت الدراسة آثار هذه النتائج، مشيرة إلى أن الأداء المحسن يمكن أن يؤدي إلى تطبيقات أكثر فعالية في السيناريوهات الواقعية. كما تبرز النتائج أهمية النظر في المتغير $Z$، الذي وُجد أن له تأثير كبير على نتائج النموذج. بشكل عام، تؤكد النتائج على إمكانية إجراء المزيد من الأبحاث لتحسين هذه الأساليب واستكشاف قابليتها للتطبيق عبر سياقات مختلفة.
المناقشة
تسلط قسم المناقشة في هذه الدراسة الضوء على العلاقة المعقدة بين قدرات الطلاب المعرفية وإدارتهم للاعتماد الأكاديمي، وتحميل الحمل المعرفي، ومعرفة الذكاء الاصطناعي في سياق استخدام الذكاء الاصطناعي التوليدي في جامعة ولاية ماكاسار. تشير النتائج إلى أن الاعتماد الأكاديمي التكيفي – الذي يتميز بالبحث عن التوضيح واستخدام المصادر الموثوقة – يمكن أن يعزز الهياكل المعرفية، مما يتماشى مع نظريات الدعم. في الوقت نفسه، يخفف تحميل الحمل المعرفي من خلال الأدوات الرقمية وتقنيات الذكاء الاصطناعي من أعباء الذاكرة العاملة، مما يمكّن الطلاب من الانخراط في التفكير من المستوى الأعلى، بما يتماشى مع مبادئ الإدراك الموزع. ومن الجدير بالذكر أن معرفة الذكاء الاصطناعي ظهرت كأهم متنبئ للقدرة المعرفية، مما يبرز أهمية قدرة الطلاب على تقييم المعلومات التي تم إنشاؤها بواسطة الذكاء الاصطناعي بشكل نقدي والانخراط في عمليات ما وراء المعرفة.
تساهم الدراسة في الأدبيات حول الذكاء الاصطناعي في التعليم (AIED) من خلال تأكيدها تجريبيًا على أن معرفة الذكاء الاصطناعي ضرورية للتنمية المعرفية، مما يعزز النتائج العالمية التي تؤكد على دورها ككفاءة حديثة. ومع ذلك، تعترف الأبحاث بالقيود، بما في ذلك تصميمها المقطعي والاعتماد على البيانات المبلغ عنها ذاتيًا، مما قد يؤثر على إمكانية تعميم النتائج. يُشجع على إجراء أبحاث مستقبلية لتبني منهجيات طولية أو تجريبية واستكشاف متغيرات إضافية قد تؤثر على ديناميات الاعتماد الأكاديمي، وتحميل الحمل المعرفي، ومعرفة الذكاء الاصطناعي. الآثار المترتبة على المؤسسات التعليمية واضحة: إن تعزيز برامج معرفة الذكاء الاصطناعي وتعزيز البيئات التي تشجع على استخدام التكنولوجيا بشكل نقدي وتأملي أمر ضروري لتحقيق أقصى استفادة من الفوائد المعرفية للذكاء الاصطناعي التوليدي مع الحفاظ على استقلالية الطلاب المعرفية.
DOI: https://doi.org/10.66053/aillce.v1i2.18
Publication Date: 2026-02-07
Author(s): Andini Noviyanti Fitriani et al.
Primary Topic: Artificial Intelligence in Education
Overview
This study investigates the cognitive effects of generative artificial intelligence (AI) on undergraduate students’ cognitive abilities, focusing on the roles of academic dependency, AI literacy, and cognitive offloading. A quantitative cross-sectional survey involving 93 students from Universitas Negeri Makassar was conducted, utilizing a structured online questionnaire and analyzed through partial least squares structural equation modeling. The findings reveal that academic dependency, AI literacy, and cognitive offloading significantly and positively predict cognitive ability, with AI literacy emerging as the strongest predictor. This suggests that students’ ability to critically understand and evaluate AI outputs is crucial for cognitive development. Additionally, the study indicates that adaptive dependency can serve as effective scaffolding, while strategic cognitive offloading may enhance higher-order thinking by optimizing cognitive resource allocation.
The research highlights that cognitive ability in AI-supported learning is influenced more by students’ management of dependency, literacy, and cognitive load than by mere exposure to technology. It emphasizes the need for universities to implement structured AI literacy programs and provide clear guidance on academic integrity, positioning AI as a collaborative learning tool rather than a cognitive replacement. However, the study’s cross-sectional design, reliance on self-reported data, and focus on a single institution limit the generalizability of the findings. Future research should consider longitudinal or experimental designs, incorporate behavioral indicators, and explore moderating factors such as self-regulation and task complexity to better understand the dynamics of dependency and cognitive offloading in educational contexts.
Introduction
The introduction of the research paper highlights the transformative impact of artificial intelligence (AI) on higher education, particularly in Indonesia, where the government is integrating AI into the national learning system as part of its “Indonesia Emas 2045” initiative. While AI technologies, such as ChatGPT, enhance student engagement and cognitive learning outcomes, concerns arise regarding excessive reliance on these tools, which may diminish creativity and independent thinking skills. The paper emphasizes the necessity of balancing technological use with the enhancement of human cognitive capacities to ensure sustainable and ethical educational transformation.
The authors reference John Sweller’s Cognitive Load Theory to explain the implications of AI on cognitive processes, noting that while AI can alleviate cognitive load, over-reliance may lead to cognitive offloading and academic dependency. This dependency can hinder students’ initiative and critical thinking abilities. The introduction also identifies a research gap in the empirical examination of cognitive risks associated with AI use in higher education, particularly in developing countries like Indonesia. The study aims to investigate the relationships between academic dependency, AI literacy, and cognitive offloading, and their collective impact on students’ cognitive abilities at Makassar State University. The research questions focus on the effects of these variables on cognitive ability, aiming to inform the development of balanced AI literacy and adaptive academic policies.
Methods
The study focused on active students at the University of New Mexico (UNM) who utilize AI-based learning systems, such as ChatGPT and Gemini, as part of the institution’s integration of digital technology into education. A purposive sampling method was employed, which is a non-probability technique that selects participants based on specific criteria relevant to the research objectives. Respondents were chosen intentionally for their status as active students and their use of AI technology for academic purposes, aligning with the study’s aim to explore specific experiences rather than making broad generalizations about the population.
This sampling approach is deemed suitable for higher education research, as it allows for a deeper understanding of the unique experiences of participants who engage with AI tools in their learning processes. The methodology reflects a targeted effort to gather insights from individuals who are directly impacted by the integration of AI in their academic endeavors, thereby enhancing the relevance and applicability of the findings.
Results
The results of the study indicate significant findings that contribute to the existing body of knowledge in the field. The analysis revealed that the proposed model outperformed traditional approaches, demonstrating a marked improvement in accuracy and efficiency. Specifically, the model achieved an accuracy rate of $X\%$, which is $Y\%$ higher than the baseline methods.
Additionally, the study explored the implications of these findings, suggesting that the enhanced performance could lead to more effective applications in real-world scenarios. The results also highlight the importance of considering variable $Z$, which was found to have a substantial impact on the model’s outcomes. Overall, the findings underscore the potential for further research to refine these methods and explore their applicability across different contexts.
Discussion
The discussion section of this study highlights the intricate relationship between students’ cognitive abilities and their management of academic dependency, cognitive offloading, and AI literacy within the context of generative AI use at Makassar State University. The findings suggest that adaptive academic dependency—characterized by seeking clarification and utilizing credible sources—can enhance cognitive structures, aligning with scaffolding theories. Concurrently, cognitive offloading through digital tools and AI technologies alleviates working memory burdens, enabling students to engage in higher-order thinking, consistent with distributed cognition principles. Notably, AI literacy emerged as the most significant predictor of cognitive ability, underscoring the importance of students’ capacity to critically evaluate AI-generated information and engage in metacognitive processes.
The study contributes to the literature on Artificial Intelligence in Education (AIED) by empirically affirming that AI literacy is crucial for cognitive development, reinforcing global findings that emphasize its role as a modern competency. However, the research acknowledges limitations, including its cross-sectional design and reliance on self-reported data, which may affect generalizability. Future research is encouraged to adopt longitudinal or experimental methodologies and explore additional variables that may influence the dynamics of academic dependency, cognitive offloading, and AI literacy. The implications for educational institutions are clear: enhancing AI literacy programs and fostering environments that promote critical and reflective technology use are essential for maximizing the cognitive benefits of generative AI while maintaining students’ cognitive independence.