DOI: https://doi.org/10.3389/fpsyg.2026.1848701
PMID: https://pubmed.ncbi.nlm.nih.gov/42376156
تاريخ النشر: 2026-06-15
المؤلف: X James Li وآخرون
الموضوع الرئيسي: تعليم وتعلم اللغة الإنجليزية كلغة أجنبية/ثانوية
نظرة عامة
تستكشف هذه الدراسة الروابط بين الاستمتاع بتعلم اللغة الأجنبية (FLE) وكفاءة الكتابة الذاتية واستراتيجيات التعلم الذاتي المنظم (SRL) ومشاركة المتعلمين في سياق الكتابة باللغة الإنجليزية كلغة أجنبية (EFL) المدعومة بالذكاء الاصطناعي. باستخدام تصميم مسح عرضي، تم جمع البيانات من 535 طالبًا جامعيًا صينيًا لديهم خبرة في الكتابة المدعومة بالذكاء الاصطناعي. استخدم الباحثون نمذجة المعادلات الهيكلية (SEM) للتحقق من صحة نموذج الوساطة الجزئية المفترض، مما كشف أن FLE يعزز بشكل كبير مشاركة المتعلمين بشكل مباشر وغير مباشر من خلال كفاءة الذات واستراتيجيات SRL.
تشير النتائج إلى أن FLE يؤثر إيجابيًا على كفاءة الذات لدى المتعلمين، مما يشجع بدوره على اعتماد استراتيجيات SRL، مما يؤدي إلى زيادة المشاركة المعرفية والسلوكية والعاطفية والوكيلية في مهام الكتابة. توسع الدراسة النظريات التعليمية الحالية، مثل نظرية التحكم والقيمة ونظرية التعلم الاجتماعي المعرفي، لتشمل مجال تعلم اللغة المدعوم بالذكاء الاصطناعي، مما يبرز أهمية تعزيز بيئات التعلم الممتعة والتي تبني الثقة. تشير النتائج إلى أن المعلمين لديهم استراتيجيات تدخل متعددة تحت تصرفهم، بما في ذلك تعزيز كفاءة الذات، وتعليم استراتيجيات SRL، أو تعزيز الاستمتاع مباشرة لتسهيل مشاركة المتعلمين.
مقدمة
تناقش مقدمة هذه الورقة البحثية التأثير التحويلي للذكاء الاصطناعي (AI) على التعليم، لا سيما في مجال الكتابة باللغة الإنجليزية كلغة أجنبية (EFL). تبرز المفاهيم المختلفة للذكاء الاصطناعي، حيث يركز راسل ونورفيغ (2016) على المحاكاة المعرفية، بينما يركز كابلان وهاينلين (2019) على السلوك التكيفي الموجه نحو الأهداف. تؤكد هذه المنظورات على دور الذكاء الاصطناعي كأداة تعاونية تعزز عمليات الكتابة للطلاب في الجامعات الصينية من خلال توفير التغذية الراجعة اللغوية والدعم الهيكلي، مما يحسن في النهاية نتائج الكتابة من حيث الدقة والترابط وثقة المتعلم.
تستكشف الورقة أيضًا التفاعل بين الاستمتاع وكفاءة الذات واستراتيجيات التعلم الذاتي المنظم (SRL) ومشاركة المتعلمين ضمن بيئات تعلم اللغة المعززة بالتكنولوجيا. تشير الدراسات الحديثة إلى أن الاستمتاع يؤثر بشكل كبير على كفاءة الكتابة الذاتية واستراتيجيات SRL، والتي تؤثر بدورها على مشاركة المتعلمين – وهو عامل أساسي لاكتساب لغة ثانية بنجاح. يقترح المؤلفون التحقيق في العلاقات بين هذه المتغيرات في سياق الكتابة باللغة الإنجليزية كلغة أجنبية المدعومة بالذكاء الاصطناعي، بهدف التحقق من صحة نموذج هيكلي يوضح المسارات المباشرة وغير المباشرة التي تربط الاستمتاع وكفاءة الذات واستراتيجيات SRL بمشاركة المتعلمين. تطرح الدراسة سؤالين رئيسيين حول الروابط والأدوار الوسيطة لهذه العناصر في تعزيز المشاركة خلال مهام الكتابة المدعومة بالذكاء الاصطناعي.
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. تم اختيار المشاركين من خلال أخذ عينات طبقية لضمان التمثيل عبر الفئات الديموغرافية الرئيسية، وشمل عملية جمع البيانات أدوات موحدة لتعزيز الموثوقية والصلاحية.
تم إجراء تحليلات إحصائية باستخدام أدوات البرمجيات لتقييم العلاقات بين المتغيرات، باستخدام تقنيات مثل تحليل الانحدار وANOVA. تم تفسير النتائج في سياق الإطار النظري الذي تم وضعه في مراجعة الأدبيات، مما يسمح بمناقشة قوية للنتائج. بشكل عام، تم تصميم المنهجية لاختبار أسئلة البحث بدقة وتقديم رؤى حول الظواهر الأساسية.
النتائج
يقدم قسم “النتائج” في الورقة البحثية النتائج المستمدة من التجارب أو التحليلات التي تم إجراؤها. يوضح نتائج الدراسة، مع تسليط الضوء على النقاط البيانية الرئيسية، والتحليلات الإحصائية، وأي اتجاهات ملحوظة. عادةً ما تكون النتائج مصحوبة بأشكال وجداول ذات صلة توضح البيانات بصريًا، مما يسهل تفسير النتائج.
قد يناقش القسم أيضًا تداعيات النتائج فيما يتعلق بالفرضيات أو أسئلة البحث المطروحة سابقًا في الدراسة. من الضروري ملاحظة أي ارتباطات أو اختلافات أو أنماط ملحوظة ظهرت، حيث تساهم هذه في الفهم العام لموضوع البحث. يجب وضع النتائج في سياق الأدبيات الحالية، مع التأكيد على مساهمتها في المجال والتطبيقات المحتملة.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على الفجوات النظرية والتجريبية في الأدبيات الحالية بشأن العلاقة بين الاستمتاع بتعلم اللغة الأجنبية (FLE) ومشاركة المتعلمين، لا سيما في سياق الكتابة باللغة الإنجليزية كلغة أجنبية (EFL) المدعومة بأدوات الذكاء الاصطناعي. بينما أثبتت الدراسات السابقة وجود مسارات تربط بين FLE ومشاركة المتعلمين من خلال آليات معرفية وتحفيزية مثل كفاءة الذات واستراتيجيات التعلم الذاتي المنظم (SRL)، إلا أنها لم تدمج هذه العناصر في نموذج هيكلي شامل. تقترح هذه الدراسة إطارًا موحدًا يضع FLE كعامل بعيد يؤثر على مشاركة المتعلمين، يتم الوساطة من خلال كفاءة الذات واستراتيجيات SRL.
يستند الإطار النظري إلى نظرية التحكم والقيمة (CVT) ونظرية التعلم الاجتماعي المعرفي (SCT) ونظرية التعلم الذاتي المنظم (SLT) لتوضيح التفاعل بين المشاعر والدافع واستراتيجيات التعلم. تشير النتائج إلى أن الاستمتاع، وهو شعور إيجابي مرتبط بالتحكم العالي المدرك والقيمة، يعزز بشكل كبير كفاءة الذات واستخدام استراتيجيات SRL، مما يعزز في النهاية مشاركة المتعلمين بشكل أكبر. تفترض الدراسة ست فرضيات، مدعومة بالأدلة التجريبية، تشير إلى أن الاستمتاع يرتبط إيجابيًا بالمشاركة وكفاءة الذات واستراتيجيات SRL ضمن سياقات الكتابة باللغة الإنجليزية كلغة أجنبية المدعومة بالذكاء الاصطناعي. يظهر النموذج المقترح قوة تفسيرية قوية، حيث يفسر تباينًا كبيرًا في مشاركة المتعلمين وكفاءة الذات، مما يساهم في فهم الديناميات العاطفية والمعرفية في بيئات تعلم اللغة المعززة بالتكنولوجيا.
القيود
تسلط قيود هذه الدراسة الضوء على ثلاثة مجالات رئيسية تستحق الاعتبار. أولاً، يحد التصميم العرضي من القدرة على إقامة علاقات سببية بين المتغيرات التي تم فحصها. لمعالجة ذلك، يجب أن تأخذ الأبحاث المستقبلية في الاعتبار التصاميم الطولية أو التجريبية التي يمكن أن تستنتج السببية بشكل أفضل. ثانيًا، كانت العينة تتكون حصريًا من طلاب جامعيين من البر الرئيسي للصين، مما يحد من قابلية تطبيق النتائج عبر الثقافات. قد يؤدي توسيع النطاق الجغرافي والثقافي في الدراسات اللاحقة إلى تعزيز قابلية تعميم النموذج المقترح.
أخيرًا، يركز التركيز على الطلاب الجامعيين من مؤسسة واحدة على قيود تطبيق النتائج. قد تؤثر الاختلافات في المواقف الثقافية تجاه الذكاء الاصطناعي، والسياسات التعليمية، وتجارب تعلم اللغة عبر مجموعات سكانية مختلفة على العلاقات بين المتغيرات. يجب أن تهدف الأبحاث المستقبلية إلى تضمين مجموعة أكثر تنوعًا من المشاركين من مناطق جغرافية ومراحل تعليمية متنوعة، مثل طلاب المدارس الابتدائية والثانوية، وطلاب الدراسات العليا، وطلاب الكليات المهنية. بالإضافة إلى ذلك، قد يؤدي استخدام طرق مختلطة تجمع بين الاستفسار النوعي مع البيانات السلوكية الموضوعية إلى تحسين صلاحية القياس، بينما قد تكشف التحليلات المتعمقة لأنواع أدوات الذكاء الاصطناعي المختلفة وأنماط الاستخدام عن تأثيراتها المميزة على مشاركة المتعلمين.
DOI: https://doi.org/10.3389/fpsyg.2026.1848701
PMID: https://pubmed.ncbi.nlm.nih.gov/42376156
Publication Date: 2026-06-15
Author(s): X James Li et al.
Primary Topic: EFL/ESL Teaching and Learning
Overview
This study explores the interconnections among foreign language enjoyment (FLE), writing self-efficacy, self-regulated learning (SRL) strategies, and learner engagement in the context of AI-assisted English as a foreign language (EFL) writing. Utilizing a cross-sectional survey design, data were collected from 535 Chinese university students experienced in AI-assisted writing. The researchers employed structural equation modeling (SEM) to validate a hypothesized partial mediation model, revealing that FLE significantly enhances learner engagement both directly and indirectly through self-efficacy and SRL strategies.
The findings indicate that FLE positively influences learners’ self-efficacy, which subsequently encourages the adoption of SRL strategies, culminating in increased cognitive, behavioral, emotional, and agentic engagement in writing tasks. The study extends existing educational theories, such as Control-Value Theory and Social Cognitive Theory, to the realm of AI-assisted language learning, emphasizing the importance of fostering enjoyable and confidence-building learning environments. The results suggest that educators have multiple intervention strategies at their disposal, including enhancing self-efficacy, teaching SRL strategies, or directly promoting enjoyment to facilitate learner engagement.
Introduction
The introduction of this research paper discusses the transformative impact of artificial intelligence (AI) on education, particularly in the realm of English as a Foreign Language (EFL) writing. It highlights differing conceptualizations of AI, with Russell and Norvig (2016) emphasizing cognitive emulation and Kaplan and Haenlein (2019) focusing on adaptive goal-oriented behavior. These perspectives underscore AI’s role as a collaborative tool that enhances writing processes for students in Chinese universities by providing linguistic feedback and structural support, ultimately improving writing outcomes in terms of accuracy, coherence, and learner confidence.
The paper further explores the interplay between enjoyment, self-efficacy, self-regulated learning (SRL) strategies, and learner engagement within technology-enhanced language learning environments. Recent studies indicate that enjoyment significantly influences writing self-efficacy and SRL strategies, which in turn affect learner engagement—an essential factor for successful second language acquisition. The authors propose to investigate the relationships among these variables in the context of AI-assisted EFL writing, aiming to validate a structural model that elucidates the direct and indirect pathways linking enjoyment, self-efficacy, and SRL strategies to learner engagement. The study poses two primary research questions regarding the associations and mediating roles of these constructs in enhancing engagement during AI-assisted writing tasks.
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. Participants were selected through stratified sampling to ensure representation across key demographics, and the data collection process involved standardized instruments to enhance reliability and validity.
Statistical analyses were conducted using software tools to evaluate the relationships between variables, employing techniques such as regression analysis and ANOVA. The results were interpreted in the context of the theoretical framework established in the literature review, allowing for a robust discussion of the findings. Overall, the methodology was designed to rigorously test the research questions and provide insights into the underlying phenomena.
Results
The “Results” section of the research paper presents the findings derived from the conducted experiments or analyses. It details the outcomes of the study, highlighting key data points, statistical analyses, and any observed trends. The results are typically accompanied by relevant figures and tables that illustrate the data visually, allowing for easier interpretation of the findings.
The section may also discuss the implications of the results in relation to the hypotheses or research questions posed earlier in the study. It is essential to note any significant correlations, differences, or patterns that emerged, as these contribute to the overall understanding of the research topic. The findings should be contextualized within the existing literature, emphasizing their contribution to the field and potential applications.
Discussion
The discussion section of the research paper highlights the theoretical and empirical gaps in existing literature regarding the relationship between Foreign Language Enjoyment (FLE) and learner engagement, particularly in the context of English as a Foreign Language (EFL) writing assisted by AI tools. While previous studies have established pathways linking FLE to learner engagement through cognitive and motivational mechanisms such as self-efficacy and self-regulated learning (SRL) strategies, they have not integrated these elements into a comprehensive structural model. This study proposes a unified framework that positions FLE as a distal factor influencing learner engagement, mediated by self-efficacy and SRL strategies.
The theoretical framework draws on Control-Value Theory (CVT), Social Cognitive Theory (SCT), and Self-Regulated Learning Theory (SLT) to elucidate the interplay between emotions, motivation, and learning strategies. The findings suggest that enjoyment, a positive emotion associated with high perceived control and value, significantly enhances self-efficacy and the use of SRL strategies, ultimately fostering greater learner engagement. The study posits six hypotheses, supported by empirical evidence, indicating that enjoyment positively correlates with engagement, self-efficacy, and SRL strategies within AI-assisted EFL writing contexts. The proposed model demonstrates strong explanatory power, accounting for substantial variance in learner engagement and self-efficacy, thereby contributing to the understanding of emotional and cognitive dynamics in language learning environments enhanced by technology.
Limitations
The limitations of this study highlight three key areas that warrant consideration. Firstly, the cross-sectional design restricts the ability to establish causal relationships among the variables examined. To address this, future research should consider longitudinal or experimental designs that can better infer causality. Secondly, the sample was exclusively comprised of university students from mainland China, which limits the cross-cultural applicability of the findings. Expanding the geographical and cultural scope in subsequent studies could enhance the generalizability of the proposed model.
Lastly, the focus on undergraduate students from a single institution further constrains the findings’ applicability. Variations in cultural attitudes toward artificial intelligence, educational policies, and language learning experiences across different populations may influence the relationships among the variables. Future research should aim to include a more diverse array of participants from various geographical regions and educational stages, such as primary and secondary school students, graduate students, and vocational college students. Additionally, employing mixed methods that integrate qualitative inquiry with objective behavioral data could improve measurement validity, while in-depth analyses of different AI tool types and usage patterns may reveal their distinct impacts on learner engagement.