DOI: https://doi.org/10.1057/s41599-026-07072-8
تاريخ النشر: 2026-03-27
المؤلف: Linghao Kong وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في التعليم
نظرة عامة
تستكشف هذه الدراسة الآليات النفسية المزدوجة التي تؤثر بها الذكاء الاصطناعي (AI) على سلوكيات التدريس الابتكارية للمعلمين، مع التركيز على تقييمات التحدي والتهديد كوسائط. باستخدام نظرية تقييم الإجهاد المعرفي، شملت الدراسة مسحًا على مستوى البلاد لـ 1,275 معلمًا في المدارس الابتدائية والثانوية في الصين. استخدمت التحليلات تحليل العوامل التأكيدية، ونمذجة المعادلات الهيكلية، وتقنيات الوساطة المعدلة المعززة لتقييم العلاقات بين استخدام الذكاء الاصطناعي، والتقييمات، وسلوك التدريس الابتكاري.
تكشف النتائج أن استخدام الذكاء الاصطناعي يرتبط إيجابيًا بكل من تقييمات التحدي والتهديد. على وجه التحديد، يرتبط تقييم التحدي ارتباطًا إيجابيًا بسلوك التدريس الابتكاري، بينما يرتبط تقييم التهديد ارتباطًا سلبيًا. تعمل كلا التقييمين كوسائط مهمة في العلاقة بين استخدام الذكاء الاصطناعي وسلوك التدريس الابتكاري. بالإضافة إلى ذلك، يدعم دعم الابتكار في المدارس هذه المسارات: حيث يعزز العلاقة الإيجابية بين استخدام الذكاء الاصطناعي وتقييم التحدي ولكنه أيضًا يعزز بشكل غير متوقع الارتباط بتقييم التهديد. تؤكد الدراسة على الطبيعة المعقدة لتأثير الذكاء الاصطناعي في السياقات التعليمية وتبرز الحاجة إلى أن تعمل المدارس على تعزيز بيئات تشجع تقييمات التحدي مع التخفيف من الضغوط التي قد تؤدي إلى تقييمات التهديد.
النتائج
يقدم قسم تحليل النتائج التجريبية النتائج المستمدة من التجارب أو تقييمات البيانات التي تم إجراؤها. تكشف التحليلات عن ارتباطات كبيرة بين المتغيرات المدروسة، مما يشير إلى أن العلاقات المفترضة صحيحة ضمن المعلمات المختبرة. على وجه التحديد، تظهر النتائج دلالة إحصائية قوية، مع قيم p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة من غير المحتمل أن تكون بسبب الصدفة العشوائية.
علاوة على ذلك، تدعم البيانات النموذج المقترح، كما يتضح من مقاييس جودة الملاءمة، التي تشير إلى مستوى عالٍ من القوة التفسيرية. كما تسلط النتائج الضوء على الاتجاهات والأنماط الرئيسية التي تتماشى مع التوقعات النظرية، مما يعزز من صحة إطار البحث. بشكل عام، توفر النتائج التجريبية أدلة قوية لفرضيات الدراسة وتساهم بأفكار قيمة في هذا المجال.
المناقشة
يستكشف قسم المناقشة في ورقة البحث العلاقة المعقدة بين استخدام الذكاء الاصطناعي (AI) وسلوك التدريس الابتكاري بين معلمي المدارس الابتدائية والثانوية. يبرز أن قدرات الذكاء الاصطناعي، مثل التعلم العميق ومعالجة اللغة الطبيعية، تمكّن من تقديم ملاحظات شخصية وتحسين استراتيجيات التدريس. ومع ذلك، فإن العلاقة بين استخدام الذكاء الاصطناعي والابتكار معقدة وتتأثر بمواقف المعلمين المعرفية ومهاراتهم الرقمية. يتم استخدام نظرية تقييم الإجهاد المعرفي لشرح كيف يدرك المعلمون الذكاء الاصطناعي كونه تحديًا أو تهديدًا. يمكن أن تؤدي التقييمات الإيجابية إلى الانخراط النشط مع الذكاء الاصطناعي، مما يعزز سلوكيات التدريس الابتكاري، بينما قد تؤدي التقييمات السلبية إلى القلق والمقاومة، مما يعيق الابتكار.
يفصل القسم أيضًا الأدوار الوسيطة لتقييمات التحدي والتهديد. يمكن أن يحفز تقييم التحدي، الذي يُنظر إليه كتقييم إيجابي للضغوط، المعلمين على الانخراط في ممارسات ابتكارية، بينما يمكن أن يؤدي تقييم التهديد، الذي يُنظر إليه كتقييم سلبي، إلى سلوكيات تجنب وانخفاض الرغبة في اعتماد الذكاء الاصطناعي. بالإضافة إلى ذلك، يتم التأكيد على دور دعم الابتكار في المدارس كعامل تعديل حاسم يمكن أن يعزز من إدراك المعلمين للذكاء الاصطناعي كمورد للنمو المهني، مما يعزز من تقييم معرفي أكثر إيجابية. تقترح الدراسة نموذج وساطة معدلة، مما يشير إلى أن كلا من تقييمات التحدي والتهديد تعمل كآليات تربط استخدام الذكاء الاصطناعي بسلوك التدريس الابتكاري، مع تشكيل دعم الابتكار في المدارس لهذه العمليات التقييمية.
القيود
تحدد هذه القسم عدة قيود للدراسة التي تحقق في تأثيرات الذكاء الاصطناعي (AI) على سلوكيات التدريس الابتكارية بين المعلمين. أولاً، يثير اعتماد الدراسة على حجم عينة محدود وتقديرات حجم التأثير الخارجي، وبالتحديد ارتباط قدره $r = 0.10$ (p < 0.05) من دراسة ذات صلة (Chen et al., 2025)، مخاوف بشأن قابلية تعميم النتائج. على الرغم من أن القوة الإحصائية (1-β = 0.968) تشير إلى حساسية عالية لاكتشاف التأثيرات الصغيرة، إلا أن التقديرات الخارجية قد لا تعكس بدقة السياق المحدد للعينة الحالية. يُوصى بإجراء أبحاث مستقبلية لإجراء دراسات تجريبية أو جمع بيانات متعددة الموجات لاستنتاج أحجام تأثير أكثر ملاءمة للسياق. ثانيًا، يحد استخدام البيانات المقطعية في نموذج المعادلات الهيكلية من القدرة على التقاط التفاعلات الديناميكية بين البنى على مر الزمن. نظرًا للطبيعة متعددة المراحل لقبول المعلمين للذكاء الاصطناعي - التي تتضمن التكيف، وتعزيز الكفاءة، وتحويل الابتكار - يجب أن تستخدم الدراسات المستقبلية تصاميم طولية ونماذج لوحات متقاطعة لتوضيح العلاقات الزمنية والسببية بين التقييمات المعرفية وسلوكيات التدريس الابتكارية بشكل أفضل. أخيرًا، قد يؤدي الاعتماد على مقاييس ذاتية لتقييم التدريس الابتكاري إلى إدخال تحيز الرغبة الاجتماعية. لتعزيز موثوقية وصحة النتائج، يمكن أن تتضمن الأبحاث المستقبلية تقييمات من مديري المدارس أو الزملاء واستخدام مؤشرات موضوعية مثل نتائج التدريس وملاحظات الفصول الدراسية.
DOI: https://doi.org/10.1057/s41599-026-07072-8
Publication Date: 2026-03-27
Author(s): Linghao Kong et al.
Primary Topic: Artificial Intelligence in Education
Overview
This study investigates the dual psychological mechanisms by which artificial intelligence (AI) influences teachers’ innovative teaching behaviors, focusing on challenge and threat appraisals as mediators. Utilizing cognitive appraisal theory of stress, the research involved a nationwide survey of 1,275 primary and secondary school teachers in China. The analysis employed confirmatory factor analysis, structural equation modeling, and bootstrapped moderated mediation techniques to assess the relationships among AI use, appraisals, and innovative teaching behavior.
The findings reveal that AI use positively correlates with both challenge and threat appraisals. Specifically, challenge appraisal is positively linked to innovative teaching behavior, while threat appraisal has a negative association. Both appraisals serve as significant mediators in the relationship between AI use and innovative teaching behavior. Additionally, school innovation support moderates these pathways: it enhances the positive relationship between AI use and challenge appraisal but also unexpectedly intensifies the association with threat appraisal. The study underscores the complex nature of AI’s impact in educational contexts and emphasizes the need for schools to foster environments that promote challenge appraisals while mitigating pressures that could lead to threat appraisals.
Results
The empirical results analysis section presents the findings derived from the conducted experiments or data evaluations. The analysis reveals significant correlations between the variables under study, indicating that the hypothesized relationships hold true within the tested parameters. Specifically, the results demonstrate a strong statistical significance, with p-values less than 0.05, suggesting that the observed effects are unlikely to be due to random chance.
Furthermore, the data supports the proposed model, as evidenced by the goodness-of-fit metrics, which indicate a high level of explanatory power. The findings also highlight key trends and patterns that align with theoretical expectations, reinforcing the validity of the research framework. Overall, the empirical results provide robust evidence for the study’s hypotheses and contribute valuable insights to the field.
Discussion
The discussion section of the research paper explores the intricate relationship between artificial intelligence (AI) use and innovative teaching behavior among primary and secondary school teachers. It highlights that AI’s capabilities, such as deep learning and natural language processing, enable personalized feedback and optimization of teaching strategies. However, the relationship between AI use and innovation is complex and influenced by teachers’ cognitive attitudes and digital literacy. The cognitive appraisal theory of stress is employed to explain how teachers perceive AI as either a challenge or a threat. Positive appraisals can lead to proactive engagement with AI, enhancing innovative teaching behaviors, while negative appraisals may result in anxiety and resistance, hindering innovation.
The section further delineates the mediating roles of challenge and threat appraisals. Challenge appraisal, viewed as a positive evaluation of stressors, can motivate teachers to engage in innovative practices, while threat appraisal, perceived as a negative evaluation, can lead to avoidance behaviors and decreased willingness to adopt AI. Additionally, the role of school innovation support is emphasized as a critical moderating factor that can enhance teachers’ perceptions of AI as a resource for professional growth, thereby fostering a more favorable cognitive appraisal. The study proposes a moderated mediation model, suggesting that both challenge and threat appraisals serve as mechanisms linking AI use to innovative teaching behavior, with school innovation support shaping these appraisal processes.
Limitations
This section outlines several limitations of the study investigating the effects of artificial intelligence (AI) on innovative teaching behaviors among teachers. Firstly, the study’s reliance on a limited sample size and external effect size estimates, specifically a correlation of $r = 0.10$ (p < 0.05) from a related study (Chen et al., 2025), raises concerns about the generalizability of the findings. Although the statistical power (1-β = 0.968) suggests high sensitivity to detect small effects, the external estimates may not accurately reflect the specific context of the current sample. Future research is recommended to conduct pilot studies or multi-wave data collections to derive more contextually relevant effect sizes. Secondly, the use of cross-sectional data in the structural equation model limits the ability to capture the dynamic interactions among constructs over time. Given the multi-stage nature of teachers' acceptance of AI—comprising adaptation, efficiency enhancement, and innovation transformation—future studies should employ longitudinal designs and cross-lagged panel models to better elucidate the temporal and causal relationships between cognitive appraisals and innovative teaching behaviors. Lastly, the reliance on self-reported measures for assessing innovative teaching may introduce social desirability bias. To enhance the reliability and validity of findings, future research could incorporate evaluations from school administrators or colleagues and utilize objective indicators such as teaching outcomes and classroom observations.