DOI: https://doi.org/10.63963/001c.157776
تاريخ النشر: 2026-03-10
المؤلف: David Raška وآخرون
الموضوع الرئيسي: إدارة التعليم والتسويق
نظرة عامة
تقدم البحث نهجًا جديدًا لتعزيز التعليم في التسويق عبر الإنترنت من خلال دمج الإرشاد المدعوم بالذكاء الاصطناعي، والذي يقوده المعلمون، والذي يُطلق عليه توجيه الإرشاد العاطفي (CMG). يجمع هذا الأسلوب المدمج بين خبرة المعلمين ورؤى الذكاء الاصطناعي لتقديم توجيه مهني شخصي وقابل للتوسع مضمن في مواد الدورة.
تشير نتائج دراستين إلى أن الطلاب الذين تفاعلوا مع محتوى معزز بـ CMG شهدوا مستويات أعلى بكثير من المشاركة والرضا والشعور بالاتصال والأداء الأكاديمي والثقة المهنية مقارنةً بأولئك في مجموعات التحكم. ومن الجدير بالذكر أن هذه التأثيرات الإيجابية استمرت طوال مدة الدورة. تشير النتائج إلى أن CMG يمثل استراتيجية قابلة للتطبيق وفعالة من حيث التكلفة لتحسين نتائج الطلاب في بيئات التعلم غير المتزامن من خلال الاستفادة الفعالة من كل من تكنولوجيا الذكاء الاصطناعي والإرشاد البشري.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على الدور الحاسم لشغف أعضاء هيئة التدريس بنجاح الطلاب وإشباعهم المهني في التعليم العالي، لا سيما في سياق التعليم في التسويق عبر الإنترنت. تسلط الضوء على التحدي المتمثل في الاستفادة الفعالة من هذا الشغف في بيئات التعلم غير المتزامن، حيث قد يتضاءل الإرشاد التقليدي. لمعالجة هذه الفجوة، تقيم الدراسة تدخل توجيه الإرشاد العاطفي (CMG) الذي يجمع بين روايات الإرشاد الشخصية التي كتبها المعلمون مع تحسينات من الذكاء الاصطناعي التوليدي، وتحديدًا ChatGPT. يهدف هذا النهج المدعوم بالذكاء الاصطناعي إلى تقديم توجيه مهني غني وشخصي، وتقليل المسافة التبادلية، وتعزيز شعور الإرشاد والانتماء بين الطلاب.
تحدد الورقة ضرورة التوجيه الواضح الذي يقوده المعلمون في المشهد المتطور بسرعة لمهن التسويق، والذي تفاقم بسبب ظهور الذكاء الاصطناعي التوليدي. تميز بين الأساليب المدفوعة بالذكاء الاصطناعي والمدعومة بالذكاء الاصطناعي، حيث يكون تدخل CMG مدعومًا بالذكاء الاصطناعي بشكل صارم، مما يسمح للمعلمين بالتحكم في المحتوى أثناء استخدام الذكاء الاصطناعي لتعزيز رواية الإرشاد. تختبر الدراسة الفرضية القائلة بأن التعرض لـ CMG سيؤدي إلى تحسين مشاركة الطلاب ورضاهم واستعدادهم المهني مقارنةً بمجموعة التحكم. من المتوقع أن تقدم النتائج رؤى قيمة لأعضاء هيئة التدريس في التسويق الذين يسعون لتعزيز اتصال الطلاب واستعدادهم المهني في الإعدادات عبر الإنترنت، مع مناقشة النتائج والاتجاهات البحثية المستقبلية التي ستتبع.
الطرق
تفترض الورقة البحثية أن دمج روايات توجيه الإرشاد المهني (CMG) في مواد التعلم عبر الإنترنت يعزز مشاركة الطلاب وإدراكهم لوجود المعلم، مما يقلل من المسافة التبادلية. من المتوقع أن يؤثر هذا الانخفاض بشكل إيجابي على نتائج الطلاب، بما في ذلك المشاركة والرضا والأداء وإدراك دعم المعلم. تفترض الدراسة أن الطلاب الذين تعرضوا لروايات CMG المدعومة بالذكاء الاصطناعي سيبلغون عن مستويات أعلى من الرضا والمشاركة، وتحسين الأداء الأكاديمي، وإحساس أكبر بالدعم من معلميهم. تشير نظرية التوسع والبناء إلى أن التفاعلات العاطفية الإيجابية تعزز القدرة المعرفية على التعلم، مما يربط CMG بمخرجات أكاديمية محسنة.
تناقش الورقة أيضًا دور الذكاء الاصطناعي في التوجيه المهني، مشددة على إمكانيته في تقديم دعم فوري ومخصص للطلاب الذين يتنقلون عبر مسارات مهنية متنوعة في التسويق. بينما يمكن أن يعزز الذكاء الاصطناعي الوصول والفعالية الذاتية، فإنه يفتقر إلى الذكاء العاطفي والإرشاد الشخصي الذي يقدمه المعلمون البشر. لذلك، يُوصى بنهج مدمج يجمع بين أدوات الذكاء الاصطناعي والإرشاد البشري لتعظيم نتائج التعلم. من المتوقع أن يعزز هذا الدمج من معتقدات الطلاب بشأن توقعاتهم لنجاحهم وملاءمة مواد دراستهم لفرص العمل المستقبلية، مما يؤدي في النهاية إلى تحسين الدافع والمشاركة والاستعداد المهني. تهدف الدراسة إلى التحقق من صحة هذه التوقعات من خلال منهجيات تجريبية في الأقسام التالية.
النتائج
تشير نتائج الدراسة إلى أن دمج روايات توجيه الإرشاد المهني (CMG) في التعلم عبر الإنترنت يعزز بشكل كبير من مشاركة الطلاب ورضاهم. كشفت اختبارات t لعينة مستقلة أن الطلاب في مجموعة CMG المعززة أبلغوا عن مستويات أعلى من المشاركة ورضا المعلم ومستويات توتر أقل مقارنةً بمجموعة التحكم، مما يدعم الفرضيات H1 وH2. بالإضافة إلى ذلك، حقق طلاب CMG أداءً أكاديميًا أفضل، كما يتضح من درجات أعلى في كل من اختبارات التحديث ومهام المشاريع، مما يدعم الفرضية H3. تراوحت أحجام التأثير المحسوبة باستخدام d لـ Cohen من 0.56 إلى 0.95، مما يشير إلى تأثيرات متوسطة إلى كبيرة ويعزز قوة هذه النتائج.
تؤكد الدراسة على أهمية دمج التدخلات المدفوعة بالذكاء الاصطناعي مع التوجيه الذي يقوده المعلمون لتعظيم مشاركة الطلاب وإدراكهم للملاءمة في التعليم عبر الإنترنت. يتماشى ذلك مع نموذج القيمة التوقعية، مما يشير إلى أن الروايات الشخصية المعززة برؤى الذكاء الاصطناعي يمكن أن تخفف بشكل فعال من المسافة التبادلية وتعزز تجارب التعلم. بينما لا تقيم الدراسة الحالية نتائج الاستعداد المهني، فإنها تمهد الطريق لأبحاث مستقبلية تركز على التأثير طويل الأمد لـ CMG على ثقة الطلاب في حياتهم المهنية وسلوكيات إعدادهم للوظائف. بشكل عام، يمثل CMG نهجًا واعدًا وقابلًا للتوسع لتحسين نتائج التعليم عبر الإنترنت، مما يوفر إرشادًا قيمًا مع الحفاظ على تكاليف قابلة للإدارة للمعلمين.
المناقشة
تبحث الدراسة في تأثير توجيه الإرشاد العاطفي المدعوم بالذكاء الاصطناعي (CMG) على مشاركة الطلاب ورضاهم في دورات التسويق عبر الإنترنت غير المتزامنة. مستندة إلى نظرية المسافة التبادلية، تفترض الدراسة أن الانفصال الجسدي والزمني في التعلم عبر الإنترنت يمكن أن يخلق حواجز نفسية تعيق مشاركة الطلاب. من خلال دمج روايات المعلمين الشخصية في مواد الدورة، تهدف الدراسة إلى تعزيز إدراك وجود المعلم وملاءمة الدورة، وبالتالي التخفيف من هذه الحواجز. تشير النتائج إلى أن الطلاب الذين تعرضوا لـ CMG أبلغوا عن مستويات أعلى بكثير من الدعم المدرك والمشاركة والرضا مقارنةً بمجموعة التحكم، مما يشير إلى أن مثل هذه التدخلات يمكن أن تسد الفجوة التبادلية في التعليم عبر الإنترنت.
استخدمت الدراسة تصميمًا من مرحلتين، حيث تم تقييم التأثيرات الفورية أولاً من خلال وحدة تحديث ثم تقييم النتائج على المدى الطويل على مدى دورة مدتها سبعة أسابيع. أظهرت النتائج أن CMG لم يحسن فقط من إدراك الطلاب لرعاية المعلم والإرشاد، بل عزز أيضًا فهمهم للخيارات المهنية واستعدادهم لسوق العمل. أشارت أحجام التأثير إلى أن التدخل كان له تأثير كبير، مما يعزز أهمية دمج أدوات الذكاء الاصطناعي مع الإرشاد البشري في البيئات التعليمية. تسهم الدراسة في تعليم التسويق من خلال إظهار أن الروايات الشخصية التي يقودها المعلمون يمكن أن تخلق تجربة تعلم أكثر دعمًا وملاءمة، مما يجهز الطلاب في النهاية بالثقة والمهارات اللازمة لمهنهم المستقبلية.
القيود
تعترف قسم القيود بعدة قيود في التصميم شبه التجريبي المستخدم في الدراسة. أولاً، أدى استخدام الفصول الدراسية المتكاملة إلى تعيين مجموعات غير عشوائية، مما يثير القلق بشأن التحيز المحتمل في الاختيار، على الرغم من التحكم في تباين المعلم. ثانيًا، على الرغم من أن الاستطلاعات الأساسية أشارت إلى قابلية نفسية للمقارنة بين المجموعات، إلا أن العوامل الخارجية مثل أعباء العمل الخارجية للطلاب والأنشطة المهنية الشخصية لم يكن من الممكن التحكم فيها بالكامل، مما قد يؤثر على النتائج. تعقد الطبيعة العرضية للبيانات من إنشاء السببية، مما يشير إلى أنه بينما لوحظت ارتباطات قوية بين تدخل CMG وتحسين نتائج الطلاب، فإن التجارب العشوائية اللازمة لتأكيد العلاقات السببية.
تقترح اتجاهات البحث المستقبلية لتعزيز نتائج الدراسة. يُوصى بأن تستخدم التحقيقات اللاحقة عينات أكثر توازنًا عبر تخصصات مختلفة لتحسين القابلية للتعميم واستكشاف آثار CMG ضمن دورات تسويق متعددة لتقييم التخصص. بالإضافة إلى ذلك، يجب فحص التأثيرات طويلة الأمد على الحصول على الوظائف والاحتفاظ بها والتطوير المهني. يمكن أن يوفر التحقيق في الفروق الفردية بين الطلاب وخصائص الدورة، بالإضافة إلى ضمان العينة العشوائية، رؤى حول السياقات التي يكون فيها CMG الأكثر فعالية. تسلط الدراسة الضوء على أهمية CMG المدعوم بالذكاء الاصطناعي في تعزيز المشاركة والاستعداد المهني، مما يشير إلى أن حتى الجهود المتواضعة في الإرشاد يمكن أن تعزز بشكل كبير تجربة التعلم عبر الإنترنت وتدعم انتقال الطلاب إلى سوق العمل.
DOI: https://doi.org/10.63963/001c.157776
Publication Date: 2026-03-10
Author(s): David Raška et al.
Primary Topic: Management and Marketing Education
Overview
The research presents a novel approach to enhancing online marketing education through the integration of AI-aided, instructor-driven mentoring, termed Caring Mentoring Guidance (CMG). This blended method combines the expertise of instructors with AI insights to deliver personalized and scalable career coaching embedded within course materials.
Results from two studies indicate that students who engaged with CMG-enhanced content experienced significantly higher levels of engagement, satisfaction, perceived connectedness, academic performance, and career confidence compared to those in control groups. Notably, these positive effects were sustained throughout the duration of the course. The findings suggest that CMG represents a viable, cost-effective strategy for improving student outcomes in asynchronous learning environments by effectively leveraging both AI technology and human mentorship.
Introduction
The introduction of this research paper emphasizes the critical role of faculty passion for student success and career fulfillment in higher education, particularly in the context of online marketing education. It highlights the challenge of effectively leveraging this passion in asynchronous learning environments, where traditional mentorship may be diminished. To address this gap, the study evaluates a Caring Mentoring Guidance (CMG) intervention that combines personalized mentoring narratives authored by instructors with enhancements from generative AI, specifically ChatGPT. This AI-aided approach aims to provide rich, personalized career guidance, mitigate transactional distance, and foster a sense of mentorship and belonging among students.
The paper outlines the necessity of explicit instructor-led guidance in the rapidly evolving landscape of marketing careers, exacerbated by the rise of generative AI. It distinguishes between AI-driven and AI-aided approaches, with the CMG intervention being strictly AI-aided, allowing instructors to maintain control over content while utilizing AI to enhance the mentoring narrative. The study tests the hypothesis that exposure to CMG would lead to improved student engagement, satisfaction, and career readiness compared to a control group. The findings are expected to offer valuable insights for marketing faculty seeking to enhance student connection and career preparedness in online settings, with a discussion of results and future research directions to follow.
Methods
The research paper posits that integrating Career Mentoring Guidance (CMG) narratives into online learning materials enhances student engagement and perceptions of instructor presence, thereby reducing transactional distance. This reduction is anticipated to positively influence student outcomes, including engagement, satisfaction, performance, and perceptions of instructor support. The study hypothesizes that students exposed to AI-aided CMG narratives will report higher satisfaction and engagement levels, improved academic performance, and a greater sense of support from their instructors. The Broaden-and-Build Theory suggests that positive emotional interactions foster cognitive capacity for learning, further linking CMG to enhanced academic outcomes.
The paper also discusses the role of AI in career guidance, highlighting its potential to provide immediate, tailored support for students navigating diverse marketing career paths. While AI can enhance accessibility and self-efficacy, it lacks the emotional intelligence and personalized mentorship that human instructors offer. Therefore, a blended approach combining AI tools with human mentorship is advocated to maximize learning outcomes. This integration is expected to reinforce students’ expectancy beliefs regarding their success and the relevance of their coursework to future career opportunities, ultimately leading to improved motivation, engagement, and career readiness. The study aims to validate these predictions through empirical methodologies in subsequent sections.
Results
The results of the study indicate that the integration of Career Mentoring Guidance (CMG) narratives into online learning significantly enhances student engagement and satisfaction. Independent samples t-tests revealed that students in the CMG-enhanced group reported higher levels of engagement, instructor satisfaction, and lower stress levels compared to the control group, supporting hypotheses H1 and H2. Additionally, CMG students achieved better academic performance, as evidenced by higher scores on both refresher tests and project assignments, thus supporting hypothesis H3. Effect sizes calculated using Cohen’s d ranged from 0.56 to 0.95, indicating medium-to-large effects and reinforcing the robustness of these findings.
The study underscores the importance of combining AI-driven interventions with instructor-led guidance to maximize student engagement and perceived relevance in online education. It aligns with the expectancy-value model, suggesting that personalized narratives augmented by AI insights can effectively mitigate transactional distance and enhance learning experiences. While the current study does not assess career readiness outcomes, it sets the stage for future research focused on the long-term impact of CMG on students’ career confidence and job preparation behaviors. Overall, CMG represents a promising, scalable approach to improving online education outcomes, providing valuable mentorship while maintaining manageable costs for instructors.
Discussion
The research investigates the impact of AI-aided Faculty Mentoring Guidance (CMG) on student engagement and satisfaction in asynchronous online marketing courses. Grounded in Transactional Distance Theory, the study posits that physical and temporal separation in online learning can create psychological barriers that hinder student engagement. By integrating personalized instructor narratives into course materials, the study aims to enhance perceived instructor presence and course relevance, thereby mitigating these barriers. The findings indicate that students exposed to CMG reported significantly higher levels of perceived support, engagement, and satisfaction compared to a control group, suggesting that such interventions can effectively bridge the transactional distance in online education.
The study employed a two-phase design, first assessing immediate effects through a refresher module and then evaluating longitudinal outcomes over a seven-week course. Results showed that CMG not only improved students’ perceptions of instructor care and mentorship but also enhanced their understanding of career options and readiness for the job market. Effect sizes indicated that the intervention had a substantial impact, reinforcing the importance of combining AI-driven tools with human mentorship in educational settings. The research contributes to marketing education by demonstrating that personalized, instructor-led narratives can create a more supportive and relevant learning experience, ultimately equipping students with the confidence and skills necessary for their future careers.
Limitations
The section on limitations acknowledges several constraints of the quasi-experimental design employed in the study. Firstly, the use of intact classes led to non-random group assignments, which, while controlling for instructor variance, raises concerns about potential selection bias. Secondly, although baseline surveys indicated psychometric comparability among groups, external factors such as students’ outside workloads and personal career activities could not be fully controlled, potentially influencing outcomes. The cross-sectional nature of the data further complicates the establishment of causality, suggesting that while strong associations between the CMG intervention and improved student outcomes were observed, randomized control trials are necessary for confirming causal relationships.
Future research directions are proposed to enhance the study’s findings. It is recommended that subsequent investigations utilize more balanced samples across various disciplines to improve generalizability and explore the effects of CMG within multiple marketing courses to assess domain specificity. Additionally, long-term impacts on job attainment, retention, and professional development should be examined. Investigating individual differences among students and course characteristics, as well as ensuring random sampling, could provide insights into the contexts in which CMG is most effective. The study highlights the importance of AI-aided CMG in fostering engagement and career readiness, suggesting that even modest efforts in mentorship can significantly enhance the online learning experience and support students’ transitions into the workforce.