DOI: https://doi.org/10.1186/s40359-024-02248-w
PMID: https://pubmed.ncbi.nlm.nih.gov/39695837
تاريخ النشر: 2024-12-18
المؤلف: Ma Yi وآخرون
الموضوع الرئيسي: دراسات الكمالية، التسويف، والقلق
نظرة عامة
تستكشف هذه الورقة البحثية تأثير التطبيقات المدعومة بالذكاء الاصطناعي، مثل ChatGPT وPOE وDuolingo، على التفاعل والتسويف الأكاديمي بين متعلمي اللغة الإنجليزية كلغة أجنبية (EFL). تتناول الدراسة تحديات تفاعل الطلاب والتسويف في سياق تجارب التعلم المخصصة التي تسهلها هذه التقنيات. تشمل الأهداف الرئيسية تقييم تأثير هذه التطبيقات على التفاعل العاطفي والمعرفي والسلوكي، بالإضافة إلى تأثيرها على التسويف الأكاديمي.
باستخدام تصميم شبه تجريبي، شملت الدراسة 350 طالبًا من عشرة فصول دراسية كاملة، مقسمة إلى مجموعات تجريبية وضابطة. تم تطبيق مقاييس التفاعل والتسويف قبل وبعد التعرض لأدوات الذكاء الاصطناعي، وتم تحليل البيانات باستخدام اختبارات t. تكشف النتائج أن المجموعة التجريبية أظهرت مستويات أعلى بكثير من التفاعل عبر جميع الأبعاد مقارنة بالمجموعة الضابطة، إلى جانب انخفاض ملحوظ في التسويف الأكاديمي. تستنتج الدراسة أن التطبيقات المدعومة بالذكاء الاصطناعي يمكن أن تعزز بشكل فعال تفاعل المتعلمين وتقلل من التسويف، داعية إلى دمجها في تعليم EFL والسياقات التعليمية الأوسع.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الاندماج المتزايد للذكاء الاصطناعي (AI) في التعليم، لا سيما في سياقات اللغة الإنجليزية كلغة أجنبية (EFL). تؤكد على التأثير المزدوج للذكاء الاصطناعي على تفاعل المتعلمين—المعرفي والعاطفي والسلوكي—وعلى التسويف الأكاديمي، الذي يؤثر سلبًا على نتائج التعلم. تشير الورقة إلى نمو متوقع كبير في تطبيقات الذكاء الاصطناعي في التعليم، مع اعتراف اليونسكو بدور الذكاء الاصطناعي في تعزيز الإنتاج العلمي في هذا المجال. تم استخدام تقنيات الذكاء الاصطناعي المختلفة، بما في ذلك التعلم الآلي (ML) ومعالجة اللغة الطبيعية (NLP) والحوسبة العاطفية (AC)، لتحسين تجارب تعلم EFL، خاصة خلال جائحة COVID-19، التي سرعت الانتقال إلى منصات التعلم عبر الإنترنت.
على الرغم من الأدبيات الموجودة حول الذكاء الاصطناعي، هناك نقص ملحوظ في المراجعات المركزة حول تأثيراته على تفاعل المتعلمين في EFL والتسويف. تهدف هذه الدراسة إلى سد هذه الفجوة من خلال مراجعة نقدية للأبحاث حول تطبيقات الذكاء الاصطناعي في EFL، واستكشاف تأثيرها على تفاعل المتعلمين والتسويف. تطرح سؤالين بحثيين رئيسيين بشأن تأثير التطبيقات التعليمية المدعومة بالذكاء الاصطناعي على تفاعل الفصول الدراسية والتسويف بين متعلمي اللغة. الإطار النظري مستند إلى نظرية تحديد الذات (SDT) ونظرية القيمة المتوقعة (EVT)، والتي توضح معًا كيف يمكن لأدوات الذكاء الاصطناعي تعزيز استقلالية الطلاب وكفاءتهم وملاءمة المهام، مما يؤثر على التفاعل والتسويف في بيئات تعلم EFL.
الطرق
تحدد قسم المنهجية النهج المنهجي المستخدم في البحث للتحقيق في الفرضيات المحددة. استخدمت الدراسة مزيجًا من الطرق الكمية والنوعية، بما في ذلك التحليل الإحصائي ودراسات الحالة، لضمان فهم شامل للظواهر قيد التحقيق. شملت جمع البيانات استبيانات وتجارب، مع التركيز على الحصول على قياسات موثوقة وصحيحة.
تم تطبيق تقنيات إحصائية لتحليل البيانات، بما في ذلك تحليل الانحدار واختبار الفرضيات، لتحديد دلالة النتائج. بالإضافة إلى ذلك، تم جمع رؤى نوعية من خلال المقابلات ومجموعات التركيز، مما سمح باستكشاف أعمق لوجهات نظر المشاركين. ساعد دمج هذه الطرق في إجراء تحليل قوي، مما أدى إلى تحديد الأنماط والعلاقات الرئيسية ذات الصلة بأسئلة البحث المطروحة.
النتائج
يقدم قسم “النتائج” في الورقة البحثية النتائج الرئيسية المستمدة من التجارب والتحليلات التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المستقلة والنتائج الملاحظة، حيث تكشف التحليلات الإحصائية عن قيم p أقل من العتبة التقليدية 0.05. على وجه الخصوص، تظهر النتائج أن التدخل المطبق يؤدي إلى تحسين قابل للقياس في المتغير التابع، مقدرًا بحجم تأثير قدره $d = 0.8$، مما يشير إلى تأثير كبير.
علاوة على ذلك، تسلط النتائج الضوء على التباينات في النتائج عبر مجموعات ديموغرافية مختلفة، مما يشير إلى أن العمر والجنس قد يؤثران على فعالية التدخل. توضح التمثيلات البيانية للبيانات، بما في ذلك الرسوم البيانية الشريطية والمخططات النقطية، هذه الاتجاهات، مما يوفر تأكيدًا بصريًا للنتائج الإحصائية. بشكل عام، تدعم النتائج الفرضية وتساهم برؤى قيمة في مجال الدراسة.
المناقشة
تتناول قسم المناقشة في هذه الورقة البحثية تأثير التطبيقات التعليمية المدعومة بالذكاء الاصطناعي على تفاعل الطلاب والأداء الأكاديمي بين طلاب السنة الأولى الجامعية في جامعة فوشان. مستندة إلى نظرية تحديد الذات (SDT)، تسلط الدراسة الضوء على كيفية تأثير الدوافع الداخلية والخارجية بشكل كبير على تفاعل الطلاب عبر الأبعاد المعرفية والسلوكية والعاطفية. أظهر التصميم شبه التجريبي أن المجموعة التجريبية، التي شاركت في ورشة عمل مدتها ثلاث ساعات حول أدوات الذكاء الاصطناعي، أظهرت تحسينات ذات دلالة إحصائية في التفاعل مقارنة بالمجموعة الضابطة. على وجه الخصوص، أشارت النتائج إلى تحسينات كبيرة في التفاعل المعرفي (F(1, 348) = 548.52، p < .001، جزئي η² = 0.998) والتفاعل السلوكي (F(1, 348) = 338.78، p < .001، جزئي η² = 0.997)، مما يشير إلى أن تطبيقات الذكاء الاصطناعي يمكن أن تحفز الطلاب بشكل فعال وتقلل من سلوكيات التسويف. علاوة على ذلك، تكشف الرؤى النوعية للدراسة أن الطلاب في المجموعة التجريبية كانوا أكثر انتظامًا في إكمال الواجبات وإدارة المهام الأكاديمية، مما يتماشى مع الأبحاث السابقة التي تؤكد على دور التكنولوجيا في التخفيف من التسويف. تؤكد النتائج على ضرورة أن يتبنى المعلمون أدوارًا تسهيلية في توجيه الطلاب للاستفادة من أدوات الذكاء الاصطناعي بشكل فعال، بينما تثير أيضًا اعتبارات أخلاقية بشأن استقلالية الطلاب واعتمادهم على التكنولوجيا. بشكل عام، تساهم النتائج في النقاش حول الإمكانات التحويلية للذكاء الاصطناعي في التعليم، داعية إلى مزيد من الاستكشاف لتأثيراته طويلة الأمد والميزات المحددة لأدوات الذكاء الاصطناعي التي تعزز دافع الطلاب والتعلم الذاتي المنظم في سياقات اللغة الإنجليزية كلغة أجنبية (EFL).
القيود
تسلط قسم القيود الضوء على عدة قضايا حرجة في البحث الحالي حول التطبيقات المدعومة بالذكاء الاصطناعي، مثل ChatGPT وPPE وDuolingo، وتأثيراتها على تفاعل متعلمي اللغة الإنجليزية كلغة أجنبية (EFL) والتسويف الأكاديمي. تشمل القيود الرئيسية أحجام العينات الصغيرة والمتجانسة، مما يحد من إمكانية تعميم النتائج، ووجود دراسات قصيرة الأجل التي تفشل في حساب التأثيرات المحتملة على المدى الطويل. لتعزيز صلاحية الأبحاث المستقبلية، يُوصى باستخدام عينات أكبر وأكثر تنوعًا، إلى جانب دراسات طولية يمكن أن تقيم التأثيرات المستدامة بمرور الوقت.
بالإضافة إلى ذلك، فإن نقص مجموعات التحكم المناسبة في بعض الدراسات يعقد نسبة التغييرات الملاحظة إلى استخدام تطبيقات الذكاء الاصطناعي. سيساهم تنفيذ تجارب عشوائية محكومة على نطاق واسع (RCTs) مع ضوابط مناسبة في تعزيز الصلاحية الداخلية. غالبًا ما يتم تجاهل العوامل السياقية، مثل ديناميات الفصل الدراسي والدعم المؤسسي، ولكنها يمكن أن تؤثر بشكل كبير على فعالية هذه التطبيقات. يجب أن تركز الأبحاث المستقبلية أيضًا على تطوير أدوات قياس قوية لتقييم التفاعل والتسويف بدقة. يمكن أن تسفر الدراسات المقارنة بين تطبيقات الذكاء الاصطناعي المختلفة عن رؤى حول فعاليتها النسبية، مما يوجه المعلمين في اختيار الأدوات للسياقات التعليمية المحددة. سيساهم معالجة هذه القيود في فهم أكثر دقة لتأثير الذكاء الاصطناعي على متعلمي EFL ويعزز من الممارسات التعليمية الأفضل.
DOI: https://doi.org/10.1186/s40359-024-02248-w
PMID: https://pubmed.ncbi.nlm.nih.gov/39695837
Publication Date: 2024-12-18
Author(s): Ma Yi et al.
Primary Topic: Perfectionism, Procrastination, Anxiety Studies
Overview
This research paper investigates the impact of AI-powered applications, such as ChatGPT, POE, and Duolingo, on engagement and academic procrastination among English as a Foreign Language (EFL) learners. The study addresses the challenges of student engagement and procrastination in the context of personalized learning experiences facilitated by these technologies. The primary objectives include assessing the influence of these applications on affective, cognitive, and behavioral engagement, as well as their effect on academic procrastination.
Utilizing a quasi-experimental design, the research involved 350 students from ten intact classes, divided into experimental and control groups. Engagement and procrastination scales were administered before and after exposure to the AI tools, with data analyzed using t-tests. The findings reveal that the experimental group exhibited significantly higher levels of engagement across all dimensions compared to the control group, alongside a notable reduction in academic procrastination. The study concludes that AI-empowered applications can effectively enhance learner engagement and reduce procrastination, advocating for their integration into EFL instruction and broader educational contexts.
Introduction
The introduction of this research paper highlights the increasing integration of Artificial Intelligence (AI) in education, particularly in English as a Foreign Language (EFL) contexts. It emphasizes the dual impact of AI on learner engagement—defined as cognitive, emotional, and behavioral involvement—and academic procrastination, which negatively affects learning outcomes. The paper notes a significant projected growth in AI applications in education, with UNESCO recognizing AI’s role in enhancing scientific output in this field. Various AI technologies, including Machine Learning (ML), Natural Language Processing (NLP), and Affective Computing (AC), have been employed to improve EFL learning experiences, especially during the COVID-19 pandemic, which accelerated the shift to online learning platforms.
Despite the existing literature on AI, there is a notable lack of focused reviews on its effects on EFL learners’ engagement and procrastination. This study aims to fill this gap by critically reviewing research on AI applications in EFL, exploring their influence on learner engagement and procrastination. It poses two primary research questions regarding the impact of AI-empowered educational applications on classroom engagement and procrastination among language learners. The theoretical framework is grounded in Self-Determination Theory (SDT) and Expectancy-Value Theory (EVT), which together elucidate how AI tools can enhance student autonomy, competence, and task relevance, thereby influencing engagement and procrastination in EFL learning environments.
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 statistical analysis and case studies, to ensure a comprehensive understanding of the phenomena under investigation. Data collection involved surveys and experiments, with a focus on obtaining reliable and valid measurements.
Statistical techniques were applied to analyze the data, including regression analysis and hypothesis testing, to determine the significance of the findings. Additionally, qualitative insights were gathered through interviews and focus groups, allowing for a deeper exploration of participant perspectives. The integration of these methods facilitated a robust analysis, leading to the identification of key patterns and relationships relevant to the research questions posed.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments and analyses. The data indicates a significant correlation between the independent variables and the observed outcomes, with statistical analyses revealing p-values below the conventional threshold of 0.05. Specifically, the results demonstrate that the intervention applied leads to a measurable improvement in the dependent variable, quantified by an effect size of $d = 0.8$, suggesting a large effect.
Additionally, the results highlight variations in outcomes across different demographic groups, indicating that age and gender may moderate the effectiveness of the intervention. Graphical representations of the data, including bar charts and scatter plots, further illustrate these trends, providing a visual confirmation of the statistical findings. Overall, the results substantiate the hypothesis and contribute valuable insights into the field of study.
Discussion
The discussion section of this research paper examines the impact of AI-empowered educational applications on student engagement and academic performance among first-year undergraduate students at Foshan University. Grounded in Self-Determination Theory (SDT), the study highlights how intrinsic and extrinsic motivations significantly influence student engagement across cognitive, behavioral, and affective dimensions. The quasi-experimental design revealed that the experimental group, which participated in a three-hour workshop on AI tools, exhibited statistically significant improvements in engagement compared to the control group. Specifically, the findings indicated substantial enhancements in cognitive engagement (F(1, 348) = 548.52, p < .001, partial η² = 0.998) and behavioral engagement (F(1, 348) = 338.78, p < .001, partial η² = 0.997), suggesting that AI applications can effectively motivate students and reduce procrastination behaviors. Moreover, the study's qualitative insights reveal that students in the experimental group were more consistent in completing assignments and managing academic tasks, aligning with previous research that emphasizes the role of technology in mitigating procrastination. The results underscore the necessity for educators to adopt facilitative roles in guiding students to leverage AI tools effectively, while also raising ethical considerations regarding student autonomy and dependency on technology. Overall, the findings contribute to the discourse on AI's transformative potential in education, advocating for further exploration of its long-term impacts and the specific features of AI tools that enhance student motivation and self-regulated learning in English as a Foreign Language (EFL) contexts.
Limitations
The section on limitations highlights several critical issues in the current research on AI-empowered applications, such as ChatGPT, PPE, and Duolingo, and their effects on English as a Foreign Language (EFL) learners’ engagement and academic procrastination. Key limitations include small and homogeneous sample sizes, which restrict the generalizability of findings, and the predominance of short-term studies that fail to account for potential long-term impacts. To enhance the validity of future research, larger and more diverse samples are recommended, alongside longitudinal studies that can assess sustained effects over time.
Additionally, the lack of appropriate control groups in some studies complicates the attribution of observed changes to the use of AI applications. Implementing large-scale randomized controlled trials (RCTs) with proper controls would strengthen internal validity. Contextual factors, such as classroom dynamics and institutional support, are often neglected but can significantly affect the effectiveness of these applications. Future research should also focus on developing robust measurement tools to accurately assess engagement and procrastination. Comparative studies between different AI applications could yield insights into their relative effectiveness, guiding educators in tool selection for specific educational contexts. Addressing these limitations will lead to a more nuanced understanding of AI’s impact on EFL learners and inform better educational practices.