DOI: https://doi.org/10.3389/fpubh.2025.1717816
PMID: https://pubmed.ncbi.nlm.nih.gov/41584200
تاريخ النشر: 2026-01-08
المؤلف: Qing Wan وآخرون
الموضوع الرئيسي: التوتر التكنولوجي في البيئات المهنية
نظرة عامة
تدرس هذه الدراسة بشكل منهجي العوامل التي تؤثر على الرفاه المهني للمعلمين، باستخدام نهج مختلط يجمع بين نمذجة المعادلات الهيكلية (SEM) والشبكات العصبية الاصطناعية (ANN). تشير النتائج الرئيسية إلى أن موارد العمل – مثل الاستقلالية في تصميم التعليم، والعلاقات القوية بين المعلم والطالب، والقدرة المهنية المدركة، وصياغة الوظيفة بشكل استباقي – مرتبطة إيجابياً برفاه المعلمين، بينما تؤثر القلق التعليمي سلباً عليه. من الجدير بالذكر أن القلق التعليمي يعمل كوسيط مهم بين هذه الموارد العملية والرفاه، مما يشير إلى أن تخفيف القلق يعزز الآثار الإيجابية للموارد المذكورة أعلاه. علاوة على ذلك، يعتدل الانخراط في العمل العلاقة بين توسيع الكفاءة المدركة، وصياغة الوظيفة بشكل استباقي، والرفاه، مما يشير إلى أن مستويات الانخراط الأعلى تعزز الفوائد المستمدة من هذه العوامل.
تسلط نتائج الدراسة الضوء على الحاجة إلى أن يقوم المسؤولون التعليميون بتعزيز استقلالية التعليم وتوفير تطوير مهني عالي الجودة لتعزيز شعور المعلمين بالكفاءة. بالإضافة إلى ذلك، يُوصى بمعالجة القلق التعليمي من خلال أنظمة الدعم وتعزيز صياغة الوظيفة بشكل استباقي كاستراتيجيات لتحسين الصحة النفسية للمعلمين ورفاههم العام. بينما تقدم النتائج رؤى قيمة لتعزيز رفاه المعلمين، فإن التصميم العرضي للدراسة يحد من القدرة على استنتاج استنتاجات سببية نهائية، مما يستدعي مزيدًا من الأبحاث الطولية أو التجريبية للتحقق من هذه النتائج.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) على قطاع التعليم مع دخوله العقد الثالث من القرن الحادي والعشرين. تعمل تقنيات الذكاء الاصطناعي، ولا سيما نماذج اللغة الكبيرة مثل GPT-4، على إعادة تشكيل نماذج التعليم من خلال الانتقال من نقل المعرفة التقليدي إلى أساليب التعلم المخصصة. تقدم هذه التطورات “معضلة تكنولوجية” للمعلمين، الذين يواجهون تحديات مثل الاستبدال السريع للمهام المعرفية بواسطة الذكاء الاصطناعي، وغموض أدوارهم في بيئات التعليم التعاونية، والحاجة الملحة للتكيف من كونهم “سلطات معرفية” إلى “مصممي تعلم”. يتم التأكيد على أن الرفاه النفسي للمعلمين أمر حاسم للحفاظ على جودة التعليم، حيث إن دمج الذكاء الاصطناعي قد يؤدي إلى زيادة الإرهاق المهني وفقدان المواهب إذا تم تجاهل الآثار النفسية السلبية.
تنتقد الورقة نماذج البحث الحالية التي تركز إما على الجوانب التكنولوجية للذكاء الاصطناعي أو تتناول القضايا الأخلاقية الكبرى، حيث تجادل بأنها تتجاهل التصورات النفسية واستجابات الضغط للمعلمين. تحدد “قلق التعليم بالذكاء الاصطناعي” كقضية مهمة تنبع من مخاوف استبدال الأدوار، ونقص المهارات، والارتباك بشأن التعاون بين الإنسان والآلة، وأنظمة التقييم غير المتوازنة. يهدد هذا القلق الرفاه المهني للمعلمين، وهو أمر حيوي لحيوية النظام التعليمي. تهدف الدراسة إلى استكشاف الآليات الداخلية التي تربط بين قلق التعليم بالذكاء الاصطناعي والرفاه المهني، باستخدام نمذجة المعادلات الهيكلية (SEM) والشبكات العصبية الاصطناعية (ANN) لتحليل هذه العلاقات. تسعى الأبحاث إلى توضيح ظروف قلق التعليم بالذكاء الاصطناعي بين المعلمين الصينيين وارتباطه برفاههم المهني، مما يساهم في تطوير سياسات داعمة وتعزيز قدرة المعلمين على التكيف في بيئة تعليمية متكاملة مع الذكاء الاصطناعي.
الطرق
في هذه الدراسة، تم استخدام نهج مختلط يجمع بين نمذجة المعادلات الهيكلية (SEM) والشبكات العصبية الاصطناعية (ANNs) للتحقيق في تأثير القلق التعليمي الناتج عن تكنولوجيا الذكاء الاصطناعي على الرفاه المهني للمعلمين. بدأت الأبحاث بمراجعة الأدبيات لتحديد المتغيرات الرئيسية، والتي شملت الاستقلالية في تصميم التعليم، وعمق العلاقة بين المعلم والطالب، والقدرة المهنية المدركة، وصياغة الوظيفة بشكل استباقي، والانخراط في العمل، والقلق التعليمي، والرفاه المهني. تم تطوير استبيان وتم تنقيحه من خلال مراجعة الخبراء والاختبار التجريبي، باستخدام مقياس ليكرت من خمس نقاط للقياس.
شملت جمع البيانات عينة عشوائية طبقية من المعلمين عبر مناطق ومراحل تعليمية مختلفة، تلتها معالجة صارمة لضمان جودة البيانات. تم تطبيق SEM في البداية لتحليل العلاقات بين المتغيرات المحددة، مما يسمح بفحص التأثيرات المباشرة وغير المباشرة. بعد ذلك، تم استخدام ANNs لتعزيز نتائج SEM من خلال التقاط العلاقات غير الخطية المعقدة، مما يحسن من دقة التنبؤ وتحديد تفاعلات المتغيرات الرئيسية. سهل دمج نتائج SEM وANN تحليلًا شاملاً لكيفية تأثير القلق التعليمي والانخراط في العمل على الرفاه المهني للمعلمين في سياق تكنولوجيا الذكاء الاصطناعي، مما أدى إلى توصيات سياسية مستهدفة وآثار عملية. تؤكد الدراسة على الشفافية وإمكانية التكرار، موضحة الإجراءات التحليلية وإعدادات المعلمات المستخدمة في نهج SEM-ANN.
النتائج
في هذا القسم، تقدم الدراسة نتائج تحليل نمذجة المعادلات الهيكلية (SEM) لاختبار الفرضيات المقترحة بشأن العوامل التي تؤثر على الرفاه المهني للمعلمين (PW) والقلق التعليمي (EA). تشير النتائج إلى أن استقلالية تصميم التعليم (TDA)، وعمق الاتصال بين المعلم والطالب (TSC)، وتوسيع الكفاءة المدركة (PCE)، وصياغة الوظيفة بشكل استباقي (PJC) تعزز بشكل كبير من PW للمعلمين، مع معاملات مسار معيارية تبلغ 0.238 (p < 0.001)، 0.187 (p < 0.01)، 0.161 (p < 0.05)، و0.164 (p < 0.01) على التوالي. على العكس من ذلك، تؤثر مستويات EA الأعلى سلبًا على PW، مما يؤكد الدعم للفرضيات H1 إلى H4. بالإضافة إلى ذلك، تكشف الدراسة أن TDA وTSC وPCE وPJC تتنبأ بشكل كبير وسلبي بـ EA، مع معاملات تبلغ -0.266 (p < 0.001)، -0.196 (p < 0.01)، -0.222 (p < 0.01)، و-0.234 (p < 0.001) على التوالي. وهذا يشير إلى أن تعزيز هذه العوامل يمكن أن يقلل بشكل فعال من EA، وبالتالي يحسن بشكل غير مباشر من PW. يتم تسليط الضوء على الدور الوسيط لـ EA، حيث أنه يتوسط جزئيًا في العلاقة بين العوامل الإيجابية وPW. علاوة على ذلك، يتم تحديد الانخراط في العمل (WE) كوسيط مهم، مما يعزز الآثار الإيجابية لـ PCE وPJC على PW. تؤكد النتائج التكميلية للدراسة من نماذج الشبكات العصبية الاصطناعية (ANN) هذه النتائج، مما يشير إلى أن TDA هي العامل الأكثر أهمية الذي يؤثر على EA وPW، بينما تعتبر PCE هي الأهم لـ WE، مما يظهر التناسق عبر نماذج SEM وANN.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) على دور المعلمين والقلق التعليمي الناتج. يعيد الذكاء الاصطناعي، وخاصة الذكاء الاصطناعي التوليدي، تشكيل نماذج التعليم التقليدية من خلال أتمتة المهام المتكررة مثل التصحيح وتحليل البيانات، مما يسمح للمعلمين بالانتقال من ناقلي المعرفة إلى أدوار “مصممي التعلم” و”مديري الفصول الدراسية”. يتطلب هذا التحول من المعلمين استخدام بيانات التعلم الشخصية التي ينتجها الذكاء الاصطناعي لإنشاء تجارب تعليمية مخصصة مع إدارة التفاعلات المعقدة بين الطلاب وأنظمة الذكاء الاصطناعي. ومع ذلك، يقدم هذا التطور تحديات كبيرة، بما في ذلك “فجوة القدرة” في المعرفة التقنية، وأزمة الهوية المهنية بسبب مخاوف من الانقراض، وزيادة الحمل المعرفي من إدارة أدوات الذكاء الاصطناعي جنبًا إلى جنب مع انخراط الطلاب.
تناقش الورقة أيضًا الآثار الأوسع للقلق التعليمي الناجم عن تأثير الذكاء الاصطناعي على سوق العمل والنماذج التعليمية. يواجه المعلمون والطلاب على حد سواء مخاوف بشأن تراجع قيمة المهارات التقليدية، مما يحفز تحولًا في التركيز التعليمي نحو مهارات الذكاء المعرفي والعاطفي العليا التي لا يمكن للذكاء الاصطناعي تكرارها بسهولة. بالإضافة إلى ذلك، غالبًا ما يحدث دمج أدوات الذكاء الاصطناعي دون تدريب كافٍ، مما يؤدي إلى “ضغط تكنولوجي” بين المعلمين، مما يؤثر سلبًا على شعورهم بالكفاءة الذاتية ورفاههم المهني العام. يجادل المؤلفون بأن معالجة هذه المخاوف من خلال سياسات تعليمية مبتكرة أمر حاسم لتعزيز بيئة داعمة تعزز القيمة المهنية ورفاه المعلمين في بيئة تعليمية مدعومة بالذكاء الاصطناعي.
القيود
تقدم الدراسة عدة قيود يجب الاعتراف بها عند تفسير نتائجها. أولاً، يحد التصميم العرضي من القدرة على استنتاج العلاقات السببية أو التسلسل الزمني للمتغيرات، مما يترك إمكانية وجود سببية عكسية أو تأثيرات مشوشة. لمعالجة ذلك، يجب أن تأخذ الأبحاث المستقبلية في الاعتبار التصاميم الطولية أو التجارب العشوائية المنضبطة لتوضيح الروابط السببية. بالإضافة إلى ذلك، كانت التحقيقات محدودة بموارد العمل المحددة والعوامل النفسية؛ يمكن أن يؤدي دمج مجموعة أوسع من التأثيرات، مثل ثقافة المدرسة التنظيمية، وأنماط القيادة، والتعويض، وعلاقات الزملاء، إلى تعزيز فهم العوامل التي تؤثر على الرفاه المهني للمعلمين.
تتمثل قيود أخرى في نقص المعلومات التفصيلية حول خلفية العينة، مما يثير تساؤلات حول إمكانية تعميم النتائج عبر سياقات تعليمية مختلفة أو مناطق أو ثقافات. علاوة على ذلك، قد يؤدي الاعتماد على مقاييس ذاتية إلى إدخال تحيز أسلوب مشترك، مما يشير إلى أن الدراسات المستقبلية يجب أن تدمج مؤشرات موضوعية أو بيانات متعددة المصادر لتحسين الموثوقية. يمكن أن يوفر استخدام منهجيات متنوعة، بما في ذلك المقابلات النوعية أو النهج المختلطة، رؤى أعمق حول ديناميات الرفاه المهني للمعلمين. أخيرًا، مع استمرار تطور تكنولوجيا الذكاء الاصطناعي، فإن البحث المستمر أمر ضروري لمراقبة التحديات والفرص المتغيرة التي تواجه المعلمين.
DOI: https://doi.org/10.3389/fpubh.2025.1717816
PMID: https://pubmed.ncbi.nlm.nih.gov/41584200
Publication Date: 2026-01-08
Author(s): Qing Wan et al.
Primary Topic: Technostress in Professional Settings
Overview
This study systematically investigates the factors influencing teachers’ professional well-being, employing a mixed-methods approach that integrates Structural Equation Modeling (SEM) and Artificial Neural Networks (ANN). Key findings indicate that work resources—such as autonomy in instructional design, strong teacher-student relationships, perceived professional competence, and proactive job crafting—are positively correlated with teachers’ well-being, while educational anxiety negatively impacts it. Notably, educational anxiety serves as a significant mediator between these work resources and well-being, suggesting that alleviating anxiety enhances the positive effects of the aforementioned resources. Furthermore, work engagement moderates the relationship between perceived competence expansion, proactive job crafting, and well-being, indicating that higher engagement levels amplify the benefits derived from these factors.
The study’s implications highlight the need for educational administrators to foster greater instructional autonomy and provide high-quality professional development to enhance teachers’ sense of competence. Additionally, addressing educational anxiety through support systems and promoting proactive job crafting are recommended strategies for improving teachers’ mental health and overall well-being. While the findings offer valuable insights for enhancing teacher well-being, the cross-sectional design of the study limits the ability to draw definitive causal conclusions, necessitating further longitudinal or experimental research to validate these implications.
Introduction
The introduction of this research paper highlights the transformative impact of artificial intelligence (AI) on the education sector as it enters the third decade of the 21st century. AI technologies, particularly large language models like GPT-4, are reshaping educational paradigms by shifting from traditional knowledge transmission to personalized learning approaches. This evolution presents a “technological dilemma” for teachers, who face challenges such as the rapid substitution of cognitive tasks by AI, the ambiguity of their roles in collaborative teaching environments, and the urgent need to adapt from being “knowledge authorities” to “learning designers.” The psychological well-being of teachers is emphasized as crucial for maintaining educational quality, with the integration of AI potentially leading to increased professional burnout and talent loss if the negative psychological impacts are overlooked.
The paper critiques existing research paradigms that either focus on the technological aspects of AI or address macro-ethical concerns, arguing that they neglect the psychological perceptions and stress responses of teachers. It identifies “AI education anxiety” as a significant issue stemming from fears of role replacement, skills deficits, confusion over human-machine collaboration, and imbalanced evaluation systems. This anxiety threatens teachers’ professional well-being, which is vital for the educational system’s vitality. The study aims to explore the internal mechanisms linking AI education anxiety to professional well-being, employing structural equation modeling (SEM) and artificial neural networks (ANN) to analyze these relationships. The research seeks to clarify the conditions of AI education anxiety among Chinese teachers and its correlation with their professional well-being, ultimately contributing to the development of supportive policies and enhancing teachers’ adaptability in an AI-integrated educational landscape.
Methods
In this study, a mixed-methods approach combining Structural Equation Modeling (SEM) and Artificial Neural Networks (ANNs) was employed to investigate the impact of educational anxiety induced by artificial intelligence technology on teachers’ professional well-being. The research began with a literature review to identify key variables, which included autonomy in instructional design, teacher-student relationship depth, perceived professional competence, proactive job crafting, work engagement, educational anxiety, and professional well-being. A questionnaire was developed and refined through expert review and pilot testing, utilizing a five-point Likert scale for measurement.
Data collection involved a stratified random sampling of teachers across various regions and educational stages, followed by rigorous preprocessing to ensure data quality. SEM was initially applied to analyze the relationships among the identified variables, allowing for the examination of both direct and indirect effects. Subsequently, ANNs were utilized to enhance the SEM findings by capturing complex nonlinear relationships, thereby improving predictive accuracy and identifying key variable interactions. The integration of SEM and ANN results facilitated a comprehensive analysis of how educational anxiety and work engagement influence teachers’ professional well-being in the context of AI technology, leading to targeted policy recommendations and practical implications. The study emphasizes transparency and reproducibility, detailing the analytical procedures and parameter settings used in the SEM-ANN approach.
Results
In this section, the study presents the results of a structural equation modeling (SEM) analysis to test the proposed hypotheses regarding factors influencing teachers’ professional well-being (PW) and educational anxiety (EA). The findings indicate that teaching design autonomy (TDA), depth of teacher-student connection (TSC), perceived competence expansion (PCE), and proactive job crafting (PJC) significantly enhance teachers’ PW, with standardized path coefficients of 0.238 (p < 0.001), 0.187 (p < 0.01), 0.161 (p < 0.05), and 0.164 (p < 0.01), respectively. Conversely, higher levels of EA negatively impact PW, confirming the support for hypotheses H1 to H4. Additionally, the study reveals that TDA, TSC, PCE, and PJC significantly and negatively predict EA, with coefficients of -0.266 (p < 0.001), -0.196 (p < 0.01), -0.222 (p < 0.01), and -0.234 (p < 0.001), respectively. This suggests that enhancing these factors can effectively reduce EA, thereby indirectly improving PW. The mediating role of EA is highlighted, as it partially mediates the relationship between the positive factors and PW. Furthermore, work engagement (WE) is identified as a significant moderator, amplifying the positive effects of PCE and PJC on PW. The study's supplementary findings from artificial neural network (ANN) models corroborate these results, indicating TDA as the most critical factor influencing EA and PW, while PCE is paramount for WE, demonstrating consistency across both SEM and ANN models.
Discussion
The discussion section of the research paper highlights the transformative impact of artificial intelligence (AI) on the role of teachers and the resulting educational anxieties. AI, particularly generative AI, is reshaping traditional educational paradigms by automating repetitive tasks such as grading and data analysis, which allows teachers to transition from knowledge transmitters to roles as “learning designers” and “classroom conductors.” This shift necessitates that teachers utilize AI-generated personalized learning data to create tailored educational experiences while managing complex interactions between students and AI systems. However, this evolution introduces significant challenges, including a “capability gap” in technical literacy, a crisis of professional identity due to fears of obsolescence, and increased cognitive load from managing AI tools alongside student engagement.
The paper also addresses the broader implications of educational anxiety stemming from AI’s influence on the labor market and educational models. Teachers and students alike face concerns about the diminishing value of traditional skills, prompting a shift in educational focus towards higher-order cognitive and emotional intelligence skills that AI cannot easily replicate. Additionally, the integration of AI tools often occurs without sufficient training, leading to “technological stress” among teachers, which negatively impacts their sense of self-efficacy and overall professional well-being. The authors argue that addressing these anxieties through innovative educational policies is crucial for fostering a supportive environment that enhances teachers’ professional value and well-being in an AI-empowered educational landscape.
Limitations
The study presents several limitations that should be acknowledged when interpreting its findings. Primarily, the cross-sectional design restricts the ability to infer causal relationships or the temporal sequence of variables, leaving open the possibility of reverse causality or confounding influences. To address this, future research should consider longitudinal designs or randomized controlled trials to clarify causal links. Additionally, the investigation was limited to specific work resources and psychological factors; incorporating a broader range of influences, such as school organizational culture, leadership styles, compensation, and colleague relationships, could enhance the understanding of factors impacting teachers’ professional well-being.
Another limitation is the lack of detailed information regarding the sample background, which raises questions about the generalizability of the results across different educational contexts, regions, or cultures. Furthermore, the reliance on self-reported measures may introduce common method bias, suggesting that future studies should integrate objective indicators or multi-source data to improve reliability. Employing diverse methodologies, including qualitative interviews or mixed-methods approaches, could also provide deeper insights into the dynamics of teachers’ professional well-being. Lastly, as AI technology continues to evolve, ongoing research is essential to monitor the changing challenges and opportunities faced by educators.