DOI: https://doi.org/10.3389/fpsyg.2026.1776445
PMID: https://pubmed.ncbi.nlm.nih.gov/41783302
تاريخ النشر: 2026-02-17
المؤلف: Xiaoyu Peng وآخرون
الموضوع الرئيسي: رؤى متنوعة في تعليم الموسيقى
مقدمة
تناقش مقدمة هذه الورقة البحثية المشهد المتطور لتعليم الموسيقى، مع تسليط الضوء على التحولات التاريخية من نماذج التدريب التقليدية إلى أنظمة الكونسيرفاتور الحديثة، والآن إلى دمج الذكاء الاصطناعي (AI) في الممارسات التعليمية. يشير المؤلفون إلى أن دور الذكاء الاصطناعي كوكيل تربوي تفاعلي يقدم ملاحظات فورية وتعاونًا إبداعيًا، مما يمكن أن يعزز الدعم المعرفي ويدعم التفكير من المستوى الأعلى. ومع ذلك، فإنهم يحذرون أيضًا من المخاطر المحتملة للاعتماد المفرط على الذكاء الاصطناعي، مما قد يؤدي إلى تقليل الوكالة وإحساس بالعجز المتعلم بين المتعلمين.
تحدد الورقة بحثية اثنين من القيود الكبيرة في الأبحاث الحالية: الميل للتركيز على النتائج المعرفية بدلاً من التأثيرات النفسية، ونقص التمييز بين أنواع أدوات الذكاء الاصطناعي المختلفة. لمعالجة هذه الفجوات، تهدف الدراسة إلى استكشاف كيف تؤثر أدوات الذكاء الاصطناعي المختلفة – الموجهة للتقييم، التوليدية، والشاملة/التكيفية – على معتقدات المتعلمين الذاتية ووكالتهم المعرفية. تسعى لتوضيح الآليات التي يمكن أن تؤدي إلى التمكين أو الاعتماد، مما يوفر أساسًا نظريًا للاعتبارات الأخلاقية وتصميم التعليم في تعليم الموسيقى. ستبحث الدراسة في ثلاثة أسئلة بحثية رئيسية تتعلق بتأثير أدوات الذكاء الاصطناعي على المعتقدات الذاتية، وتجليات التمكين مقابل الاعتماد، والعوامل المعدلة في التفاعلات البشرية مع الذكاء الاصطناعي في سياقات تعلم الموسيقى.
النتائج
تكشف نتائج التحليل عبر 21 دراسة عن تركيز جغرافي كبير، حيث تم إجراء 19 دراسة في الصين، ودراسة واحدة فقط من تركيا وأخرى من إسبانيا. تم الحصول على معظم المشاركين من سياقات التعليم العالي (n = 17)، مما يشير إلى أن الأدلة التجريبية تأتي بشكل أساسي من الفصول الدراسية الجامعية وإعدادات التدريب المهني في الموسيقى. بالمقابل، فإن الأبحاث التي تتعلق بالتعليم الأساسي محدودة، حيث تركز دراسة واحدة فقط على التعليم الثانوي وأخرى على التعليم الابتدائي، ودراستان تتناولان مجموعات مختلطة. تعكس هذه الاتجاهات الاعتماد السريع على التكنولوجيا التعليمية في الأنظمة الآسيوية الشرقية التي تعطي الأولوية للتقييم الكمي، بالإضافة إلى سهولة الوصول الأكبر للمشاركين الجامعيين الذين يشاركون عادة في تعلم ذاتي أكثر مقارنةً بطلاب K-12.
تفاوتت أحجام العينات بشكل كبير، من دراسات حالة (n = 4) إلى استبيانات واسعة النطاق (n = 1,125)، مع نسبة أعلى من المشاركات النسائية، مما قد يؤثر على تقبل الميزات العاطفية للذكاء الاصطناعي، نظرًا لأن المتعلمات أظهرن استجابات تحفيزية مختلفة تجاه أدوات التصور العاطفي. تميز تصميم البحث بشكل أساسي بأساليب كمية (n = 14)، مستخدمًا تصاميم تجريبية/شبه تجريبية أو استبيانات مقطعية. دمجت الدراسات المختلطة (n = 4) عناصر نوعية للحصول على رؤى أعمق، بينما استخدمت الدراسات النوعية (n = 3) دراسات حالة وتحليل موضوعي. تم تصنيف أدوات الذكاء الاصطناعي التي تم فحصها إلى ثلاث مجموعات: الذكاء الاصطناعي الموجه للتقييم (n = 7)، الذكاء الاصطناعي التوليدي (n = 8)، وأنظمة الذكاء الاصطناعي الشاملة/التكيفية (n = 6)، كل منها يؤدي وظائف متميزة مثل التحليل الفوري، وتوليد الموسيقى تلقائيًا، ومسارات التعلم التكيفية.
المناقشة
في هذه الدراسة، يتم وضع تعريفات مفاهيمية أساسية لإنشاء إطار نظري لتحليل المعتقدات الذاتية ووكالة المعرفة في تعلم الموسيقى، خاصة في سياق تدخلات الذكاء الاصطناعي. تُعرف المعتقدات الذاتية كنظام تقييم معرفي حيث يقيم الأفراد قدراتهم وقيمة المهام، مع الكفاءة الذاتية كمتنبئ رئيسي للعمل. يدمج هذا الإطار نظرية باندورا الاجتماعية المعرفية ونظرية توقع القيمة لإكليس وويغفيلد، مع التأكيد على أن معتقدات القدرة ومعتقدات القيمة/الموقف تعمل بشكل متكامل للتأثير على مثابرة المتعلمين وانخراطهم. تُميز وكالة المعرفة كقدرة المتعلمين على تنظيم عمليات تعلمهم بشكل مستقل، ويتم تفعيلها من خلال أربعة أبعاد: القصد، التفاعل الذاتي، الانعكاسية الذاتية، والتفكير المسبق.
تستكشف الدراسة أيضًا التفاعل بين التمكين التكنولوجي والاعتماد المعرفي، حيث تفترض أن التحميل المعرفي هو آلية حيث ينقل المتعلمون المطالب المعرفية إلى أدوات الذكاء الاصطناعي. يمكن أن يؤدي هذا التحميل إلى إما تمكين، حيث يعمل الذكاء الاصطناعي كدعامة تعزز التعلم، أو اعتماد، حيث يؤدي الاعتماد على الذكاء الاصطناعي إلى تقويض القدرات المعرفية للمتعلمين. تسلط الأبحاث الضوء على أن أدوات الذكاء الاصطناعي الموجهة للتقييم تعزز المعتقدات الذاتية من خلال تقديم ملاحظات ملموسة، بينما يعزز الذكاء الاصطناعي التوليدي الإبداع والتحفيز من خلال تقليل الحواجز التقنية. تعزز أنظمة الذكاء الاصطناعي الشاملة/التكيفية الانخراط من خلال تخصيص مسارات التعلم. في النهاية، تشير النتائج إلى أنه بينما يمكن أن يمكّن الذكاء الاصطناعي المتعلمين من خلال تعزيز وعيهم الذاتي وإبداعهم، فإنه يحمل أيضًا مخاطر الاعتماد المعرفي إذا اعتمد المتعلمون بشكل مفرط على الملاحظات الآلية.
DOI: https://doi.org/10.3389/fpsyg.2026.1776445
PMID: https://pubmed.ncbi.nlm.nih.gov/41783302
Publication Date: 2026-02-17
Author(s): Xiaoyu Peng et al.
Primary Topic: Diverse Music Education Insights
Introduction
The introduction of this research paper discusses the evolving landscape of music education, highlighting the historical shifts from traditional apprenticeship models to modern conservatory systems, and now to the integration of artificial intelligence (AI) in educational practices. The authors note that AI’s role as an interactive pedagogical agent offers real-time feedback and creative collaboration, which can enhance cognitive scaffolding and support higher-order thinking. However, they also caution against the potential risks of over-reliance on AI, which may lead to diminished agency and a sense of learned helplessness among learners.
The paper identifies two significant limitations in existing research: a tendency to focus on cognitive outcomes rather than psychological impacts, and a lack of differentiation among various AI tool types. To address these gaps, the study aims to explore how different AI tools—assessment-oriented, generative, and comprehensive/adaptive—affect learners’ self-beliefs and cognitive agency. It seeks to clarify the mechanisms that can lead to either empowerment or dependence, thereby providing a theoretical foundation for ethical considerations and instructional design in music education. The study will investigate three core research questions regarding the influence of AI tools on self-beliefs, the manifestations of empowerment versus dependence, and the moderating factors in human-AI interactions within music learning contexts.
Results
The results of the analysis across 21 studies reveal a significant geographical concentration, with 19 studies conducted in China, and only one each from Türkiye and Spain. Most participants were sourced from higher education contexts (n = 17), indicating that empirical evidence primarily stems from university classrooms and professional music training settings. In contrast, research involving basic education is limited, with only one study each focusing on secondary and primary education, and two studies addressing mixed cohorts. This trend reflects the rapid adoption of educational technology in East Asian systems that prioritize quantitative assessment, as well as the greater accessibility of university participants who typically engage in more self-directed learning compared to K-12 students.
The sample sizes varied considerably, from case studies (n = 4) to large-scale surveys (n = 1,125), with a higher proportion of female participants, which may influence receptivity to affective AI features, given that female learners have shown different motivational responses to emotional visualization tools. The research design predominantly featured quantitative methodologies (n = 14), utilizing experimental/quasi-experimental designs or cross-sectional surveys. Mixed-methods studies (n = 4) incorporated qualitative elements for deeper insights, while qualitative studies (n = 3) employed case studies and thematic analysis. The AI tools examined were categorized into three groups: assessment-oriented AI (n = 7), generative AI (n = 8), and comprehensive/adaptive AI systems (n = 6), each serving distinct functions such as real-time analysis, automatic music generation, and adaptive learning pathways.
Discussion
In this study, core conceptual definitions are established to create a theoretical framework for analyzing self-beliefs and cognitive agency in music learning, particularly in the context of AI interventions. Self-beliefs are defined as a cognitive evaluative system where individuals assess their capabilities and the value of tasks, with self-efficacy as a key predictor of action. This framework integrates Bandura’s social cognitive theory and Eccles and Wigfield’s expectancy-value theory, emphasizing that ability beliefs and value-attitude beliefs work synergistically to influence learners’ persistence and engagement. Cognitive agency is characterized as the learners’ capacity to autonomously regulate their learning processes, operationalized through four dimensions: intentionality, self-reactiveness, self-reflectiveness, and forethought.
The study further explores the interplay between technological empowerment and cognitive dependence, positing cognitive offloading as a mechanism where learners transfer cognitive demands to AI tools. This offloading can lead to either empowerment, where AI serves as a scaffold that enhances learning, or dependence, where reliance on AI undermines learners’ cognitive capacities. The research highlights that assessment-oriented AI tools enhance self-beliefs by providing concrete feedback, while generative AI fosters creativity and motivation by lowering technical barriers. Comprehensive/adaptive AI systems promote engagement by personalizing learning pathways. Ultimately, the findings suggest that while AI can empower learners by enhancing their self-awareness and creativity, it also poses risks of cognitive dependence if learners overly rely on automated feedback.