DOI: https://doi.org/10.1007/s40299-025-01067-w
تاريخ النشر: 2026-01-07
المؤلف: Mark Feng Teng
الموضوع الرئيسي: الصحة النفسية من خلال الكتابة
نظرة عامة
يتناول القسم المعنون “نظرة عامة” أهمية تعزيز المشاركة النشطة في عملية التعلم. ويبرز أن تشجيع الطلاب على اتخاذ دور نشط في تعليمهم يمكن أن يعزز بشكل كبير نتائج تعلمهم. يؤكد المؤلفون، هايلاند وهايلاند (2019)، أن هذه المشاركة ضرورية لتطوير مهارات التفكير النقدي وفهم أعمق للمادة. من خلال إلهام الطلاب للمشاركة بنشاط، يمكن للمعلمين خلق بيئة تعليمية أكثر ديناميكية وفعالية.
مقدمة
تناقش مقدمة ورقة البحث أهمية التغذية الراجعة المكتوبة (WF) في تحسين جودة كتابة الطلاب من خلال معالجة الأخطاء اللغوية وتعزيز الدقة النحوية. وتبرز دور المشاركة، التي تُعرف بأنها المشاركة النشطة للطالب في التعلم، والتي تعتبر ضرورية لتحقيق نتائج تعليمية إيجابية. مستندة إلى نظرية تحديد الذات، تؤكد الورقة على أهمية المشاركة العاطفية في كتابة اللغة الثانية (L2)، مشيرة إلى أنها غالبًا ما تكون غير مُفحَصة على الرغم من دورها المركزي في الوساطة بين الاستراتيجيات المعرفية والمشاركة السلوكية. يجادل المؤلفون بأن المشاركة العاطفية تتأثر بشكل خاص بخصائص التغذية الراجعة، مثل النغمة والتخصيص، والتي يمكن أن تؤثر بشكل كبير على دافعية المتعلمين وجهودهم المعرفية.
علاوة على ذلك، تشير المقدمة إلى الإمكانات التحويلية لأنظمة الذكاء الاصطناعي التوليدي (GenAI)، مثل ChatGPT، في إعادة تشكيل عمليات التغذية الراجعة. بينما تقدم GenAI تغذية راجعة فورية ومنظمة، فإنها تحمل مخاطر عاطفية، مثل الاعتماد المفرط وغياب الاتصال الشخصي، مما قد يقلل من الدافعية الذاتية والرضا العاطفي. تهدف الدراسة إلى استكشاف تأثير GenAI على المشاركة العاطفية في تعليم الكتابة، ساعية لتقديم رؤى حول كيفية تعزيز هذه التقنيات للمشاركة العاطفية وتحسين تجربة التعلم بشكل عام.
الطرق
يستعرض قسم “الطرق” الإجراءات التجريبية والتحليلية المستخدمة في الدراسة. استخدم الباحثون مزيجًا من الأساليب الكمية والنوعية لجمع البيانات، مما يضمن تحليلًا شاملاً للظواهر قيد التحقيق. تضمنت المنهجيات المحددة تجارب محكومة، واستطلاعات، ونمذجة إحصائية، والتي تم تصميمها لاختبار الفرضيات التي تم وضعها في بداية البحث.
شمل جمع البيانات استخدام أدوات موحدة لقياس المتغيرات الرئيسية، تلاها تحليلات إحصائية صارمة لتفسير النتائج. تم استخدام تقنيات مثل تحليل الانحدار واختبار الفرضيات لتحديد العلاقات بين المتغيرات، مع ضمان صلاحية وموثوقية النتائج. يبرز القسم أهمية إمكانية التكرار والشفافية في عملية البحث، موضحًا الخطوات المتخذة لتقليل التحيزات وتعزيز قوة الاستنتاجات المستخلصة.
النتائج
تشير نتائج الدراسة إلى أن التغذية الراجعة من الذكاء الاصطناعي التوليدي (GenAI) تعزز بشكل كبير الاتصال العاطفي (EC)، وإحساس الانتماء (SoB)، والدافعية والحماس (ME)، والتفاعلات العاطفية (ER) مقارنة بتغذية الأقران. على وجه التحديد، أدت تغذية GenAI إلى زيادات كبيرة في متوسط الدرجات عبر هذه المقاييس، حيث ارتفع EC من متوسط 3.64 إلى 4.96 وSoB من 3.49 إلى 4.87، بينما أظهرت تغذية الأقران تحسينات طفيفة فقط. كانت التباين في درجات ما بعد الاختبار لتغذية GenAI أعلى بشكل ملحوظ، مما يشير إلى تأثير أكثر وضوحًا على المشاركة العاطفية. أكدت التحليلات الإحصائية، بما في ذلك نماذج التأثيرات المختلطة، هذه النتائج، كاشفة عن تأثيرات تفاعلية كبيرة على مر الزمن، خاصة بالنسبة لـ EC (تقدير = 1.23، p < .001) وSoB (تقدير = 1.30، p < .001). علاوة على ذلك، لوحظت علاقات إيجابية قوية بين المتغيرات بعد التدخل، مما يشير إلى أن التحسينات في منطقة واحدة، مثل EC، كانت مرتبطة بتحسينات في مناطق أخرى، مثل SoB وME. بينما أظهرت تغذية GenAI تأثيرًا إيجابيًا ملحوظًا على العوامل العاطفية والدافعية، كان تأثيرها على ER ضئيلًا (تقدير = 0.01، p = .835). بشكل عام، تؤكد الدراسة على فعالية GenAI في تعزيز المشاركة العاطفية والدافعية بين المتعلمين، مشددة على إمكاناتها في تقديم تغذية راجعة فورية وبناءة تعزز الروابط العاطفية للطلاب وإحساسهم بالانتماء.
المناقشة
في مناقشة المشاركة العاطفية في سياق تعليم الكتابة، تؤكد الورقة على الطبيعة متعددة الأبعاد للمشاركة، التي تشمل الأبعاد العاطفية والسلوكية والمعرفية. يتم تسليط الضوء على المشاركة العاطفية، على وجه الخصوص، كعامل حاسم يؤثر على دافعية الطلاب واستجاباتهم للتغذية الراجعة. يشير المؤلفون إلى دراسات مختلفة تثبت وجود علاقة إيجابية بين مشاركة الطلاب وأداء الكتابة، مشيرين إلى أن المشاركة العاطفية – التي تتميز بالاتصال العاطفي، وإحساس الانتماء، والدافعية والحماس، والتفاعلات العاطفية – لم يتم استكشافها بشكل كافٍ على الرغم من أهميتها. يُفترض أن دمج أدوات الذكاء الاصطناعي التوليدي (GenAI)، مثل ChatGPT، يعزز هذه الأبعاد من المشاركة من خلال تقديم تغذية راجعة فورية ودعم شخصي، مما يعزز تجربة تعليمية أكثر إثراءً.
تناقش الورقة أيضًا الطبيعة المزدوجة لتأثير GenAI على المشاركة العاطفية، كاشفة عن استجابات عاطفية إيجابية وسلبية بين المتعلمين. بينما تشير بعض الدراسات إلى أن GenAI يمكن أن يعزز دافعية الطلاب ورضاهم، تبرز دراسات أخرى المخاوف بشأن قدرتها على تقويض التفكير النقدي وإثارة مشاعر سلبية تتعلق بالتهديدات المتصورة من تقنيات الذكاء الاصطناعي. تهدف الأسئلة البحثية المطروحة إلى التحقيق في الفروق في أبعاد المشاركة العاطفية بين الطلاب الذين يتلقون تغذية راجعة من GenAI مقابل تغذية الأقران. تسعى هذه الدراسة إلى سد فجوة في الأدبيات الحالية من خلال تقديم تحليل دقيق للمشاركة العاطفية، وبالتالي المساهمة في فهم أعمق لكيفية استخدام GenAI بشكل فعال في السياقات التعليمية لتحسين نتائج تعلم الطلاب.
القيود
يستعرض هذا القسم عدة قيود للدراسة حول دور الذكاء الاصطناعي التوليدي في تقديم التغذية الراجعة لكتابة اللغة الإنجليزية كلغة أجنبية (EFL). أولاً، كانت الدراسة محصورة في سياق التعليم العالي المحدد في الصين، مما يثير تساؤلات حول إمكانية تعميم النتائج على بيئات تعليمية أخرى، مثل السياقات الغربية أو K-12. قد تؤثر عوامل مثل الخبرة السابقة للطلاب مع أدوات الذكاء الاصطناعي ومستوى إجادتهم للغة الإنجليزية بشكل كبير على استجابتهم للتغذية الراجعة الآلية.
ثانيًا، كانت تدخل الدراسة محدودًا بفصل دراسي واحد، مما يقيّد القدرة على تقييم التأثيرات طويلة الأمد لتغذية الذكاء الاصطناعي على المشاركة العاطفية. نظرًا لأن مشاعر المتعلمين عرضة للتغيير مع مرور الوقت، يجب أن تحقق الأبحاث المستقبلية في ما إذا كانت الاستجابات الإيجابية الأولية لتغذية الذكاء الاصطناعي مستمرة أو تتناقص مع الاستخدام المستمر. أخيرًا، بينما قيست الدراسة المشاركة العاطفية بشكل كمي، إلا أنها افتقرت إلى رؤى نوعية حول تخصيص وتكيف تغذية الذكاء الاصطناعي التوليدي. يمكن أن تعزز إضافة بيانات نوعية، مثل المقابلات، من فهم هذه الجوانب وتوفير رؤية أكثر شمولاً لتجربة المتعلم.
DOI: https://doi.org/10.1007/s40299-025-01067-w
Publication Date: 2026-01-07
Author(s): Mark Feng Teng
Primary Topic: Mental Health via Writing
Overview
The section titled “Overview” discusses the importance of fostering active engagement in the learning process. It highlights that encouraging students to take an active role in their education can significantly enhance their learning outcomes. The authors, Hyland & Hyland (2019), emphasize that such engagement is crucial for developing critical thinking skills and deeper understanding of the material. By inspiring students to participate actively, educators can create a more dynamic and effective learning environment.
Introduction
The introduction of the research paper discusses the significance of written feedback (WF) in enhancing students’ writing quality by addressing linguistic errors and fostering grammatical precision. It highlights the role of engagement, defined as a student’s active involvement in learning, which is crucial for positive educational outcomes. Grounded in self-determination theory, the paper emphasizes the importance of emotional engagement in second language (L2) writing, noting that it is often under-examined despite its central role in mediating cognitive strategies and behavioral participation. The authors argue that emotional engagement is particularly influenced by feedback characteristics, such as tone and personalization, which can significantly affect learners’ motivation and cognitive effort.
Furthermore, the introduction points to the transformative potential of generative AI (GenAI) systems, like ChatGPT, in reshaping feedback processes. While GenAI offers immediate and structured feedback, it poses emotional risks, such as over-reliance and a lack of personal connection, which may diminish intrinsic motivation and emotional satisfaction. The study aims to explore the impact of GenAI on emotional engagement in writing education, seeking to provide insights into how these technologies can enhance affective engagement and improve the overall learning experience.
Methods
The “Methods” section outlines the experimental and analytical procedures employed in the study. The researchers utilized a combination of quantitative and qualitative approaches to gather data, ensuring a comprehensive analysis of the phenomena under investigation. Specific methodologies included controlled experiments, surveys, and statistical modeling, which were designed to test the hypotheses formulated at the outset of the research.
Data collection involved the use of standardized instruments to measure key variables, followed by rigorous statistical analyses to interpret the results. Techniques such as regression analysis and hypothesis testing were employed to ascertain the relationships between variables, while ensuring the validity and reliability of the findings. The section emphasizes the importance of replicability and transparency in the research process, detailing the steps taken to mitigate biases and enhance the robustness of the conclusions drawn.
Results
The results of the study indicate that feedback from Generative AI (GenAI) significantly enhances Emotional Connection (EC), Sense of Belonging (SoB), Motivation and Enthusiasm (ME), and Emotional Reactions (ER) compared to peer feedback. Specifically, GenAI feedback led to substantial increases in mean scores across these metrics, with EC rising from a mean of 3.64 to 4.96 and SoB from 3.49 to 4.87, while peer feedback showed only minimal improvements. The variability in post-test scores for GenAI feedback was notably higher, suggesting a more pronounced impact on emotional engagement. Statistical analyses, including mixed-effects models, confirmed these findings, revealing significant interaction effects over time, particularly for EC (Estimate = 1.23, p < .001) and SoB (Estimate = 1.30, p < .001). Furthermore, strong positive correlations were observed among the variables post-intervention, indicating that improvements in one area, such as EC, were associated with enhancements in others, like SoB and ME. While GenAI feedback demonstrated a marked positive influence on emotional and motivational factors, its effect on ER was negligible (Estimate = 0.01, p = .835). Overall, the study underscores the effectiveness of GenAI in fostering emotional and motivational engagement among learners, highlighting its potential for providing immediate and constructive feedback that enhances students' emotional connections and sense of belonging.
Discussion
In the discussion of emotional engagement within the context of writing education, the paper emphasizes the multifaceted nature of engagement, which encompasses affective, behavioral, and cognitive dimensions. Emotional engagement, in particular, is highlighted as a critical factor influencing students’ motivation and responses to feedback. The authors reference various studies that establish a positive correlation between student engagement and writing performance, noting that emotional engagement—characterized by emotional connection, sense of belonging, motivation and enthusiasm, and emotional reactions—has been underexplored despite its significance. The integration of generative artificial intelligence (GenAI) tools, such as ChatGPT, is posited to enhance these dimensions of engagement by providing immediate feedback and personalized support, thereby fostering a more enriching learning experience.
The paper also discusses the dual nature of GenAI’s impact on emotional engagement, revealing both positive and negative emotional responses among learners. While some studies indicate that GenAI can boost students’ motivation and satisfaction, others highlight concerns regarding its potential to undermine critical thinking and evoke negative emotions related to perceived threats from AI technologies. The research questions posed aim to investigate differences in emotional engagement dimensions between students receiving feedback from GenAI versus peer feedback. This study seeks to fill a gap in existing literature by providing a nuanced analysis of emotional engagement, thereby contributing to a deeper understanding of how GenAI can be effectively utilized in educational contexts to enhance student learning outcomes.
Limitations
This section outlines several limitations of the study on generative AI’s role in providing feedback for English as a Foreign Language (EFL) writing. Firstly, the research was confined to a specific higher education context in China, which raises questions about the generalizability of the findings to other educational environments, such as Western or K-12 settings. Factors such as students’ prior experience with AI tools and their baseline English proficiency may significantly affect their response to automated feedback.
Secondly, the study’s intervention was limited to one semester, which restricts the ability to assess the long-term effects of AI feedback on emotional engagement. Given that learner emotions are subject to change over time, future research should investigate whether initial positive responses to AI feedback are sustained or diminish with continued use. Lastly, while the study quantitatively measured emotional engagement, it lacked qualitative insights into the personalization and adaptability of generative AI feedback. Incorporating qualitative data, such as interviews, could enhance understanding of these aspects and provide a more comprehensive view of the learner experience.