DOI: https://doi.org/10.3389/fpsyg.2025.1568239
PMID: https://pubmed.ncbi.nlm.nih.gov/40678438
تاريخ النشر: 2025-07-03
المؤلف: Ma Yi وآخرون
الموضوع الرئيسي: الدافع والصورة الذاتية في الرياضة
نظرة عامة
تدرس هذه الدراسة الآثار طويلة الأمد للألعاب اللغوية المدفوعة بالذكاء الاصطناعي على الدافع وكفاءة اللغة الإنجليزية بين المتعلمين الصينيين للغة الإنجليزية كلغة أجنبية، مع التركيز على التفاعل بين ت gamification الذكاء الاصطناعي ودعم المعلم. أجريت الدراسة على مدى 16 أسبوعًا مع 150 متعلمًا متوسطًا عبر ثلاث جامعات، وشملت التصميمات المختلطة والطويلة الأمد شبه التجريبية ثلاث مجموعات: واحدة تستخدم الذكاء الاصطناعي مع دعم المعلم، وأخرى تستخدم الذكاء الاصطناعي بمفردها، ومجموعة ضابطة تتفاعل مع منصات الألعاب غير المدفوعة بالذكاء الاصطناعي. أظهرت النتائج الكمية أن مجموعة الذكاء الاصطناعي مع الدعم حققت مكاسب كفاءة أعلى بكثير واستدامة، كما تم قياسه من خلال اختبارات مؤشر IELTS، بينما أكدت البيانات النوعية على أهمية دعم المعلم في توضيح ملاحظات الذكاء الاصطناعي ومعالجة الفروق الثقافية.
تسلط النتائج الضوء على أن دمج تخصيص الذكاء الاصطناعي مع الدعم التربوي البشري أمر حاسم لتحسين نتائج تعلم اللغة. يلعب المعلمون دورًا حيويًا كـ “مترجمين للذكاء الاصطناعي”، حيث يترجمون الملاحظات الخوارزمية إلى إرشادات ذات مغزى ويعززون التفكير الميتا المعرفي بين الطلاب. تدعو الدراسة إلى نهج متوازن يجمع بين gamification التنافسية والتعلم التعاوني، مما يضمن أن الدافع لا يطغى على تطوير المهارات الحقيقية. بالإضافة إلى ذلك، تؤكد على الحاجة إلى الاستجابة الثقافية في أدوات الذكاء الاصطناعي وممارسات التدريس، داعية المعلمين إلى تكييف تفاعلات الذكاء الاصطناعي لتعكس السياقات اللغوية والثقافية المتنوعة. بشكل عام، تؤكد الأبحاث على ضرورة اتباع نهج يركز على الإنسان في دمج الذكاء الاصطناعي في تعليم اللغة الإنجليزية كلغة أجنبية، مما يوفر رؤى قابلة للتنفيذ للمعلمين والمؤسسات.
مقدمة
تسلط مقدمة ورقة البحث الضوء على التأثير الكبير للذكاء الاصطناعي (AI) على تعليم اللغة. تؤكد أن الذكاء الاصطناعي يسهل التعليم المخصص، والتغذية الراجعة الديناميكية، والمحتوى التكيفي الذي يلبي الاحتياجات الفريدة للمتعلمين الفرديين. من خلال الاستشهاد بدراسات متنوعة (المحنا، 2024؛ تشين وآخرون، 2020؛ فتحي وآخرون، 2025؛ شميت وستراثر، 2022؛ وي، 2023)، توضح المؤلفون كيف تستخدم الأدوات المدعومة بالذكاء الاصطناعي تقنيات مثل التعرف على الكلام الآلي، وتعلم الآلة، ومعالجة اللغة الطبيعية. توفر هذه الأدوات اقتراحات في الوقت الحقيقي، وتحدد الأخطاء، وتراقب تقدم المتعلمين، مما يعزز التجربة التعليمية.
الطرق
توضح قسم المنهجية النهج المنهجي المستخدم في البحث للتحقيق في الفرضيات المحددة. استخدمت الدراسة مزيجًا من الطرق الكمية والنوعية، بما في ذلك التجارب المنضبطة والاستطلاعات، لجمع بيانات شاملة. شمل التصميم التجريبي التوزيع العشوائي للمشاركين على مجموعات علاجية مختلفة لضمان صحة النتائج. تم تطبيق التحليلات الإحصائية، مثل ANOVA ونماذج الانحدار، لتقييم أهمية النتائج.
بالإضافة إلى ذلك، تم جمع البيانات النوعية من خلال المقابلات ومجموعات التركيز، مما يوفر رؤى أعمق حول تجارب المشاركين ووجهات نظرهم. سمح دمج هذه الطرق بتثليث البيانات، مما يعزز قوة الاستنتاجات المستخلصة. بشكل عام، تم تصميم المنهجية لاختبار أسئلة البحث بدقة مع مراعاة تعقيد الموضوع.
النتائج
يقدم قسم النتائج تحليلًا مفصلًا للنتائج الكمية من تدخل استمر 16 أسبوعًا واختبار لاحق بعد 4 أسابيع. اتبعت التحليلات الإطار المنهجي المعتمد، مع التحكم في كفاءة الأساس، والقدرة الرقمية (كما تم قياسها من خلال درجات CPQ)، والخلفية الإقليمية، ما لم يُذكر خلاف ذلك.
بالإضافة إلى النتائج الكمية، تم جمع البيانات النوعية من المقابلات شبه المنظمة، والمجلات التأملية (بمجموع 1,248 إدخالًا)، و120 ساعة من ملاحظات الفصول الدراسية. حدد الترميز الاستقرائي باستخدام NVivo 14 أربعة مواضيع بارزة، حيث وصلت موثوقية الترميز بين المراجعين لتحديد الموضوعات إلى كوهين’s κ = 0.82. سلط تثليث هذه المصادر الضوئية الضوء على رؤى مهمة بشأن دور الدعم في الحفاظ على مشاركة الطلاب، ووجود احتكاك ثقافي في التفاعلات مع أدوات الذكاء الاصطناعي، والمسارات العاطفية التي أثرت على الدافع، مما أدى إما إلى التدهور أو النمو.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على أهمية نظرية تحديد الذات (SDT) في فهم الدافع في تعلم اللغة، مع التأكيد على الاحتياجات النفسية الأساسية للاستقلالية، والكفاءة، والترابط. هذه الاحتياجات حاسمة لتعزيز الدافع الداخلي، الذي يرتبط بمشاركة أعمق وممارسة مستدامة في اكتساب اللغة. تشير الدراسات إلى أن البيئات التي تلبي هذه الاحتياجات تؤدي إلى تعزيز المتعة والأداء في تعلم اللغة، خاصة عندما يتم إعطاء الأولوية للأهداف الداخلية على المكافآت الخارجية. تظهر التطبيقات الحديثة لنظرية SDT في السياقات المعززة بالتكنولوجيا، مثل أدوات تعلم اللغة الم gamified، فعاليتها في تعزيز المشاركة بين المتعلمين من خلال معالجة هذه الاحتياجات النفسية.
تستكشف الورقة أيضًا الدور التحويلي للذكاء الاصطناعي (AI) في تعليم اللغة، مشيرة إلى أن تقنيات الذكاء الاصطناعي، بما في ذلك معالجة اللغة الطبيعية وتعلم الآلة، توفر تجارب تعلم مخصصة تتكيف مع احتياجات المتعلمين الفرديين. تسهل أدوات الذكاء الاصطناعي البيئات التفاعلية والتغذية الراجعة الفورية، وهي ضرورية للحفاظ على دافع المتعلمين وتعزيز الكفاءة الذاتية. ومع ذلك، فإن دمج الذكاء الاصطناعي في تعلم اللغة يقدم تحديات، مثل الاعتماد المفرط على التكنولوجيا والتحيزات في بيانات التدريب. تؤكد المناقشة على ضرورة اتباع نهج متوازن يجمع بين قدرات الذكاء الاصطناعي مع الخبرة التربوية البشرية، لا سيما من خلال دعم المعلم، لتعظيم فوائد الذكاء الاصطناعي في اكتساب اللغة. يضمن هذا النهج دمج أدوات الذكاء الاصطناعي بشكل فعال في عملية التعلم، مما يعزز بيئة داعمة تعزز الدافع ونتائج التعلم.
القيود
تسلط قيود الدراسة الضوء على التحديات الكبيرة في دمج الذكاء الاصطناعي في السياقات التعليمية، خاصة فيما يتعلق بالثقة، والتصحيح المفرط، وقلق المتعلمين. أعرب الطلاب عن شكوكهم بشأن قدرة الذكاء الاصطناعي على تقييم المهام اللغوية المعقدة، مما يشير إلى الحاجة إلى أن يتحقق المعلمون من صحة الملاحظات التي يولدها الذكاء الاصطناعي. تم ملاحظة التصحيح المفرط، حيث اعتمد المتعلمون على اقتراحات الذكاء الاصطناعي دون تقييم نقدي، مما يعرضهم لخطر فقدان التعبير الشخصي. بالإضافة إلى ذلك، أدت العناصر التنافسية مثل لوحات الصدارة إلى القلق والإرهاق، مما يبرز أهمية دعم المعلم لتعزيز بيئة تعلم داعمة تتماشى مع مبادئ نظرية تحديد الذات (SDT).
تعتبر الاعتماد على سجلات استخدام الذكاء الاصطناعي لتقييم المشاركة قيدًا ملحوظًا، حيث لا تلتقط هذه السجلات جودة التعلم. بينما تم دمج البيانات النوعية لتوفير فهم أغنى، يجب أن تشمل الأبحاث المستقبلية مقاييس متنوعة للمشاركة واستكشاف قابلية تعميم النتائج عبر مختلف الفئات السكانية للمتعلمين. يُوصى بإجراء دراسات طولية لتقييم التأثير طويل الأمد لأدوات الذكاء الاصطناعي على الدافع والكفاءة، وكذلك للتحقيق في فعالية دمج الذكاء الاصطناعي مع البشر في مختلف السياقات التعليمية والتكنولوجية. تؤكد هذه الأبحاث على ضرورة فهم “اللمسة الإنسانية” في استغلال إمكانيات الذكاء الاصطناعي في تعليم اللغة، داعية إلى اتباع نهج مخصص يأخذ في الاعتبار خصائص المتعلمين الفردية والخلفيات الثقافية.
DOI: https://doi.org/10.3389/fpsyg.2025.1568239
PMID: https://pubmed.ncbi.nlm.nih.gov/40678438
Publication Date: 2025-07-03
Author(s): Ma Yi et al.
Primary Topic: Motivation and Self-Concept in Sports
Overview
This study investigates the long-term effects of AI-driven language games on motivation and English proficiency among Chinese EFL learners, emphasizing the interaction between AI gamification and teacher scaffolding. Conducted over 16 weeks with 150 intermediate learners across three universities, the mixed-methods, longitudinal quasi-experimental design included three groups: one utilizing AI with teacher scaffolding, another using AI alone, and a control group engaging with non-AI gamified platforms. Quantitative results indicated that the AI with Scaffolding group achieved significantly higher and sustained proficiency gains, as measured by IELTS Indicator tests, while qualitative data underscored the importance of teacher scaffolding in contextualizing AI feedback and addressing cultural nuances.
The findings highlight that the integration of AI personalization with human pedagogical support is crucial for optimizing language learning outcomes. Teachers play a vital role as “AI Interpreters,” translating algorithmic feedback into meaningful guidance and fostering metacognitive reflection among students. The study advocates for a balanced approach that combines competitive gamification with collaborative learning, ensuring that motivation does not overshadow genuine skill development. Additionally, it emphasizes the need for cultural responsiveness in AI tools and teaching practices, urging educators to adapt AI interactions to reflect diverse linguistic and cultural contexts. Overall, the research underscores the necessity of a human-centered approach to AI integration in EFL education, providing actionable insights for educators and institutions.
Introduction
The introduction of the research paper highlights the significant impact of artificial intelligence (AI) on language education. It emphasizes that AI facilitates personalized instruction, dynamic feedback, and adaptive content that cater to the unique needs of individual learners. Citing various studies (Almuhanna, 2024; Chen et al., 2020; Fathi et al., 2025; Schmidt and Strasser, 2022; Wei, 2023), the authors illustrate how AI-powered tools utilize technologies such as automated speech recognition, machine learning, and natural language processing. These tools provide real-time suggestions, identify errors, and monitor learner progress, thereby enhancing the educational experience.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. The study utilized a combination of quantitative and qualitative methods, including controlled experiments and surveys, to gather comprehensive data. The experimental design involved random assignment of participants to different treatment groups to ensure the validity of the results. Statistical analyses, such as ANOVA and regression models, were applied to evaluate the significance of the findings.
Additionally, qualitative data were collected through interviews and focus groups, providing deeper insights into participant experiences and perceptions. The integration of these methods allowed for triangulation of data, enhancing the robustness of the conclusions drawn. Overall, the methodology was designed to rigorously test the research questions while accommodating the complexity of the subject matter.
Results
The results section presents a detailed analysis of the quantitative outcomes from a 16-week intervention and a subsequent 4-week delayed post-test. The analyses adhered to the established methodological framework, controlling for baseline proficiency, digital literacy (as measured by CPQ scores), and regional background, unless specified otherwise.
In addition to quantitative findings, qualitative data were gathered from semi-structured interviews, reflective journals (totaling 1,248 entries), and 120 hours of classroom observations. Inductive coding using NVivo 14 identified four prominent themes, with inter-coder reliability for theme identification reaching Cohen’s κ = 0.82. The triangulation of these data sources highlighted significant insights regarding the role of scaffolding in maintaining student engagement, the presence of cultural friction in interactions with AI tools, and the emotional trajectories that influenced motivation, either leading to decay or growth.
Discussion
The discussion section of the research paper highlights the significance of Self-Determination Theory (SDT) in understanding motivation in language learning, emphasizing the essential psychological needs of autonomy, competence, and relatedness. These needs are crucial for fostering intrinsic motivation, which correlates with deeper engagement and sustained practice in language acquisition. Studies indicate that environments fulfilling these needs lead to enhanced enjoyment and performance in language learning, particularly when intrinsic goals are prioritized over extrinsic rewards. Recent applications of SDT in technology-enhanced contexts, such as gamified language learning tools, demonstrate their effectiveness in promoting engagement among learners by addressing these psychological needs.
The paper also explores the transformative role of artificial intelligence (AI) in language education, noting that AI technologies, including natural language processing and machine learning, provide personalized learning experiences that adapt to individual learners’ needs. AI tools facilitate interactive environments and immediate feedback, which are vital for maintaining learner motivation and enhancing self-efficacy. However, the integration of AI in language learning presents challenges, such as potential over-reliance on technology and biases in training data. The discussion underscores the necessity of a balanced approach that combines AI capabilities with human pedagogical expertise, particularly through teacher scaffolding, to maximize the benefits of AI in language acquisition. This approach ensures that AI tools are effectively integrated into the learning process, fostering a supportive environment that enhances motivation and learning outcomes.
Limitations
The limitations of the study highlight significant challenges in integrating AI into educational contexts, particularly regarding trust, overcorrection, and learner anxiety. Students expressed skepticism about AI’s ability to assess complex language tasks, indicating a need for educators to validate AI-generated feedback. Overcorrection was noted, where learners adopted AI suggestions without critical evaluation, risking a loss of personal expression. Additionally, competitive elements like leaderboards induced anxiety and burnout, emphasizing the importance of teacher scaffolding to foster a supportive learning environment that aligns with Self-Determination Theory (SDT) principles.
The study’s reliance on AI usage logs for engagement assessment is a notable limitation, as these logs do not capture the quality of learning. While qualitative data were incorporated to provide a richer understanding, future research should include diverse measures of engagement and explore the generalizability of findings across different learner demographics. Longitudinal studies are recommended to assess the long-term impact of AI tools on motivation and proficiency, as well as to investigate the effectiveness of AI-human integration in various educational settings and technological contexts. This research underscores the necessity of understanding the “human touch” in leveraging AI’s potential in language education, advocating for tailored approaches that consider individual learner characteristics and cultural backgrounds.