DOI: https://doi.org/10.70730/cqmz6223
تاريخ النشر: 2026-01-31
المؤلف: Sumanee Pinweha وآخرون
الموضوع الرئيسي: اكتساب اللغة الثانية والتعلم
نظرة عامة
تستكشف هذه الدراسة حجم المفردات لدى طلاب الدراسات العليا التايلانديين في كل من التخصصات العلمية وغير العلمية وتفحص تصوراتهم بشأن تأثير حجم المفردات على استخدام أدوات الذكاء الاصطناعي في تعلم اللغة الإنجليزية. شارك عينة من 217 طالبًا من جامعة حكومية في اختبار مستويات المفردات المحدث (Webb et al., 2017) ومقابلات شبه منظمة. أظهرت التحليلات الكمية أن الغالبية العظمى من الطلاب أظهرت مستوى منخفضًا من الكفاءة في المفردات، حيث تفوق الطلاب في العلوم على نظرائهم في غير العلوم في مستويات 1,000 و4,000 و5,000 كلمة، كما أكد اختبار مان-ويتني U.
أشارت الرؤى النوعية من المقابلات إلى أن حجم المفردات لم يؤثر بشكل كبير على مشاركة الطلاب في معظم الأنشطة التعليمية المدعومة بالذكاء الاصطناعي، أو ثقتهم في هذه الأدوات، أو اعتمادهم على الذكاء الاصطناعي، باستثناء اللغة المستخدمة في المطالبات. تشير هذه النتائج إلى الحاجة إلى دمج الذكاء الاصطناعي في تعليم المفردات لطلاب اللغة الإنجليزية كلغة أجنبية (EFL) في التعليم العالي لدعم تعزيز المفردات والكفاءة اللغوية العامة.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على الدور الحاسم للمفردات في فهم اللغة والتواصل، خاصة للناطقين بغيرها. تبرز وجود علاقة قوية بين معرفة المفردات ومهارات اللغة، مما يشير إلى أن المفردات المحدودة يمكن أن تعيق الأداء الأكاديمي للطلاب. بشكل خاص، بالنسبة لطلاب الدراسات العليا التايلانديين، فإن فهم حجم مفرداتهم أمر أساسي، حيث قد يؤثر بشكل مباشر على تحدياتهم الأكاديمية وإنجازاتهم العامة. تهدف الدراسة إلى سد فجوة في الأدبيات الحالية من خلال مقارنة أحجام المفردات لطلاب الدراسات العليا التايلانديين في التخصصات العلمية مقابل غير العلمية واستكشاف كيف تؤثر هذه الأحجام على استخدامهم لأدوات الذكاء الاصطناعي (AI) في تعلم اللغة الإنجليزية.
تفترض الدراسة أن حجم المفردات يعد مؤشرًا مهمًا على الكفاءة اللغوية، والتي بدورها تؤثر على مشاركة المتعلمين مع تقنيات الذكاء الاصطناعي. بينما درست الدراسات السابقة العلاقة بين المفردات ومهارات اللغة، هناك أبحاث محدودة حول استخدام الذكاء الاصطناعي التوليدي، مثل ChatGPT، في سياقات التعليم العالي. تسعى هذه الدراسة إلى معالجة هذه الفجوة من خلال التحقيق في ثلاثة أسئلة بحثية رئيسية: (1) حجم المفردات لطلاب الدراسات العليا التايلانديين في تخصصات مختلفة، (2) الفروق في حجم المفردات بين هذه المجموعات، و(3) تصورات الطلاب حول كيفية تأثير حجم مفرداتهم على استخدامهم لأدوات الذكاء الاصطناعي. من المتوقع أن تساهم النتائج في كل من الأطر النظرية والتطبيقات العملية في تعليم اللغة، خاصة في تعزيز تعليم المفردات ودمج تقنيات الذكاء الاصطناعي في الأنشطة التعليمية.
الطرق
تحدد هذه القسم الطرق المستخدمة في تقييم معرفة المفردات، مع التركيز على اختبار مستويات المفردات المحدث (UVLT) الذي طوره Webb et al. (2017). يتميز UVLT عن أدوات تقييم المفردات الأخرى، مثل اختبار حجم المفردات (VST) الذي أعده Nation وBeglar (2007)، من خلال تقييم المعرفة المعجمية عبر نطاقات تكرارية محددة (1,000 إلى 5,000 كلمة). يسمح هذا النهج المستهدف بتحديد أكثر دقة للعتبات المعجمية التي تشكل تحديات للمتعلمين. يعتمد UVLT على إطار عمل قوي للتحقق من البناء كما اقترح Messick (1989, 1995)، مما يظهر قدرة تشخيصية عالية مع تقديرات فصل الأشخاص تبلغ 4.72 وإحصائيات طبقات العناصر تتجاوز 6.85، مما يشير إلى فعاليته في تمييز مستويات الكفاءة.
على الرغم من التحقق النفسي الصارم، فإن UVLT له قيود، بما في ذلك تركيزه على المفردات الاستقبالية بدلاً من السيطرة الإنتاجية، مما يتطلب مزيدًا من الاستكشاف لمختلف جوانب المعرفة المعجمية مثل التراكيب والتعدد الدلالي. بالإضافة إلى ذلك، تظل العلاقة بين درجات UVLT وحجم المفردات الفعلي معقدة، مما يعقد تفسير النتائج. ومع ذلك، يعتبر UVLT أداة مناسبة لهذه الدراسة، خاصة مع تزايد أهمية حجم المفردات بين طلاب الدراسات العليا في سياق البيئات التعليمية المتطورة التي تؤثر عليها أدوات التعلم المدعومة بالذكاء الاصطناعي. ستتناول القسم التالي دمج هذه الأدوات في تعلم اللغة الإنجليزية وتفاعلها مع المتعلمين بمستويات كفاءة متفاوتة.
النتائج
تكشف نتائج الدراسة أن طلاب الدراسات العليا التايلانديين في كل من التخصصات العلمية وغير العلمية يظهرون حجم مفردات محدود، حيث لم يحقق أي من المجموعتين إتقانًا في أي مستوى من مستويات المفردات وفقًا للدرجات المحددة. تشير الإحصائيات الوصفية إلى أن متوسط الدرجات للطلاب في العلوم كان أعلى قليلاً من تلك الخاصة بالطلاب في غير العلوم عبر مستويات مختلفة، خاصة عند مستوى 1,000 كلمة، مما يشير إلى أن طلاب العلوم قد يكون لديهم مفردات أساسية أقوى. ومن الجدير بالذكر أن 12.44% فقط من الطلاب اجتازوا بنجاح مستويات 3,000 إلى 5,000 كلمة، مما يبرز تباينًا كبيرًا في اكتساب المفردات تأثرًا بالتخصص الأكاديمي، خاصة عند المستويات الأعلى.
فيما يتعلق بتأثير حجم المفردات على استخدام أدوات الذكاء الاصطناعي في تعلم اللغة الإنجليزية، تشير النتائج إلى نتائج مختلطة. بينما لم يؤثر حجم المفردات بشكل كبير على أنواع الأنشطة التعليمية لتطوير المهارات الإنتاجية والأكاديمية، بدا أنه يؤثر على الأنشطة غير الأكاديمية التي تركز على اللغة. وجد الطلاب في كلا المجموعتين أن أدوات الذكاء الاصطناعي مفيدة في تقليل الحواجز اللغوية، على الرغم من أن الثقة في الذكاء الاصطناعي كانت متفاوتة بغض النظر عن حجم المفردات. أعرب بعض الطلاب عن ثقتهم في ملاحظات الذكاء الاصطناعي، بينما أشار آخرون إلى قيوده، خاصة في توليد مفردات دقيقة. بشكل عام، تقترح الدراسة أنه بينما يمكن أن يعزز الذكاء الاصطناعي تجارب تعلم اللغة، فإن اعتماد الطلاب عليه ليس متأثرًا بشكل كبير بحجم المفردات، حيث شعر العديد منهم بالقدرة على التعلم من خلال الطرق التقليدية دون مساعدة الذكاء الاصطناعي.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على العلاقة الحاسمة بين حجم المفردات والنجاح الأكاديمي، خاصة بين طلاب الدراسات العليا التايلانديين. يؤكد على أن معرفة المفردات هي عنصر أساسي في الكفاءة اللغوية، ضرورية لكل من الفهم والإنتاج في السياقات الأكاديمية. تشير الدراسات السابقة إلى أن حجم المفردات الذي يتراوح بين 6,000 إلى 9,000 عائلة كلمة ضروري للأغراض الأكاديمية، وتوجد علاقة إيجابية بين حجم المفردات والأداء الأكاديمي. ومع ذلك، هناك فجوة ملحوظة في الأبحاث المتعلقة بحجم المفردات لطلاب الدراسات العليا التايلانديين، الذين يواجهون متطلبات لغوية صارمة في أعمالهم الأكاديمية. تهدف هذه الدراسة إلى معالجة هذه الفجوة من خلال تقييم حجم المفردات واستكشاف تأثيره على استخدام أدوات الذكاء الاصطناعي في تعلم اللغة الإنجليزية.
تناقش القسم أيضًا دمج أدوات الذكاء الاصطناعي في تعلم اللغة، مشيرًا إلى فوائدها المحتملة وتحدياتها. يمكن أن تعزز أدوات مثل ChatGPT وGrammarly اكتساب المفردات ومهارات الكتابة، لكنها قد تؤدي أيضًا إلى الاعتماد المفرط، مما يقلل من الفرص للتعلم المستقل والانخراط النقدي. تشير النتائج إلى أن مستويات كفاءة المتعلمين تؤثر بشكل كبير على تفاعلهم مع أدوات الذكاء الاصطناعي، حيث يميل الطلاب ذوو الكفاءة المنخفضة إلى الاعتماد بشكل أكبر على الترجمة الآلية وملاحظات الذكاء الاصطناعي. تستخدم الدراسة نهجًا مختلطًا لتحليل حجم المفردات وتصورات استخدام أدوات الذكاء الاصطناعي، مستفيدة من الأطر التي تفحص التفاعل بين معرفة المفردات والأنشطة التعليمية المدعومة بالذكاء الاصطناعي. بشكل عام، تؤكد الأبحاث على أهمية فهم كيفية تأثير حجم المفردات على الانخراط مع أدوات الذكاء الاصطناعي، وهو أمر حاسم لتحسين استراتيجيات تعلم اللغة في سياقات التعليم العالي.
القيود
تقدم الدراسة عدة قيود قد تؤثر على تعميم وموثوقية نتائجها. أولاً، أجريت الأبحاث حصريًا مع طلاب الدراسات العليا من جامعة واحدة، مما يشير إلى أن النتائج قد لا تمثل مجموعة أوسع من طلاب الدراسات العليا عبر مؤسسات مختلفة. بالإضافة إلى ذلك، تم جمع البيانات حول استخدام الذكاء الاصطناعي فقط من خلال المقابلات، مما يفتقر إلى طرق مكملة مثل الدراسات الملاحظة أو تحليل المطالبات، والتي يمكن أن تعزز من موثوقية النتائج. يجب أن تتضمن الأبحاث المستقبلية أدوات جمع بيانات متعددة لتعزيز موثوقية النتائج.
علاوة على ذلك، بينما يقيم اختبار مستوى المفردات (UVLT) معرفة المفردات، فإنه لا يقيم عمق تلك المعرفة. يمكن أن تستفيد الدراسات المستقبلية من تضمين تقييمات تقيس مدى فعالية استخدام الطلاب لمفرداتهم، كما اقترح Schmitt et al. (2011). أخيرًا، حدث جمع البيانات في نقطة زمنية واحدة، مما يشير إلى أن نهجًا طوليًا سيكون مفيدًا لفهم تطور انخراط الطلاب مع الذكاء الاصطناعي على مدى فترة طويلة.
DOI: https://doi.org/10.70730/cqmz6223
Publication Date: 2026-01-31
Author(s): Sumanee Pinweha et al.
Primary Topic: Second Language Acquisition and Learning
Overview
This study explores the vocabulary size of Thai graduate students in both science and non-science disciplines and examines their perceptions regarding the impact of vocabulary size on the use of AI tools for English language learning. A sample of 217 students from a public university participated in the Updated Vocabulary Levels Test (Webb et al., 2017) and semi-structured interviews. Quantitative analysis revealed that the majority of students exhibited low vocabulary proficiency, with science students outperforming their non-science counterparts at the 1,000-, 4,000-, and 5,000-word levels, as confirmed by the Mann-Whitney U test.
Qualitative insights from the interviews indicated that vocabulary size did not significantly affect students’ engagement with most AI-assisted language learning activities, their trust in these tools, or their reliance on AI, with the exception of the language used in prompts. These findings suggest a need for integrating AI into vocabulary instruction for English as a Foreign Language (EFL) learners in higher education to support vocabulary enhancement and overall language proficiency.
Introduction
The introduction of this research paper emphasizes the critical role of vocabulary in language comprehension and communication, particularly for non-native speakers. It highlights a strong correlation between vocabulary knowledge and language skills, indicating that limited vocabulary can hinder students’ academic performance. Specifically, for Thai graduate students, understanding their vocabulary size is essential, as it may directly impact their academic challenges and overall achievement. The study aims to fill a gap in existing literature by comparing the vocabulary sizes of Thai graduate students in science versus non-science disciplines and exploring how these sizes influence their use of Artificial Intelligence (AI) tools for English language learning.
The research posits that vocabulary size serves as a significant indicator of language proficiency, which in turn affects learners’ engagement with AI technologies. While previous studies have examined the relationship between vocabulary and language skills, there is limited research on the use of generative AI, such as ChatGPT, in higher education contexts. This study seeks to address this gap by investigating three primary research questions: (1) the vocabulary size of Thai graduate students in different disciplines, (2) differences in vocabulary size between these groups, and (3) students’ perceptions of how their vocabulary size impacts their use of AI tools. The findings are expected to contribute to both theoretical frameworks and practical applications in language education, particularly in enhancing vocabulary instruction and integrating AI technologies into learning activities.
Methods
The section outlines the methods employed in assessing vocabulary knowledge, focusing on the Updated Vocabulary Levels Test (UVLT) developed by Webb et al. (2017). The UVLT distinguishes itself from other vocabulary assessment tools, such as the Vocabulary Size Test (VST) by Nation and Beglar (2007), by evaluating lexical knowledge across specific frequency bands (1,000 to 5,000 words). This targeted approach allows for a more precise identification of lexical thresholds that pose challenges for learners. The UVLT is grounded in a robust construct validation framework as proposed by Messick (1989, 1995), demonstrating high diagnostic capability with person separation estimates of 4.72 and item strata statistics exceeding 6.85, indicating its effectiveness in differentiating proficiency levels.
Despite its rigorous psychometric validation, the UVLT has limitations, including its focus on receptive vocabulary rather than productive control, which necessitates further exploration of various lexical knowledge aspects such as collocations and polysemy. Additionally, the relationship between UVLT scores and actual vocabulary size remains complex, complicating result interpretation. Nonetheless, the UVLT is deemed a suitable instrument for this research, particularly as the significance of vocabulary size among graduate students grows in the context of evolving educational environments influenced by AI-powered learning tools. The subsequent section will address the integration of these AI tools in English language learning and their interaction with learners of varying proficiency levels.
Results
The results of the study reveal that Thai graduate students in both science and non-science disciplines exhibit a limited vocabulary size, with neither group achieving mastery at any vocabulary level according to established cut-off scores. Descriptive statistics indicate that the mean scores for science students were slightly higher than those for non-science students across various levels, particularly at the 1,000-word level, suggesting that science students may have a stronger foundational vocabulary. Notably, only 12.44% of students successfully passed the 3,000 to 5,000-word levels, highlighting a significant divergence in vocabulary acquisition influenced by academic discipline, particularly at the higher levels.
In terms of the influence of vocabulary size on the use of AI tools for English language learning, the findings indicate mixed results. While vocabulary size did not significantly affect the types of learning activities for developing productive and academic skills, it appeared to influence non-academic language-focused activities. Students across both groups found AI tools beneficial for reducing language barriers, although trust in AI varied regardless of vocabulary size. Some students expressed confidence in AI’s feedback, while others noted its limitations, particularly in generating accurate vocabulary. Overall, the study suggests that while AI can enhance language learning experiences, students’ reliance on it is not heavily influenced by vocabulary size, as many felt capable of learning through traditional methods without AI assistance.
Discussion
The discussion section of the research paper highlights the critical relationship between vocabulary size and academic success, particularly among Thai graduate students. It emphasizes that vocabulary knowledge is a fundamental component of language proficiency, essential for both comprehension and production in academic contexts. Previous studies indicate that a vocabulary size of approximately 6,000 to 9,000 word families is necessary for academic purposes, and a positive correlation exists between vocabulary size and academic performance. However, there is a notable gap in research concerning the vocabulary size of Thai graduate students, who face rigorous linguistic demands in their academic work. This study aims to address this gap by assessing vocabulary size and exploring its impact on the use of AI tools in English language learning.
The section also discusses the integration of AI tools in language learning, noting their potential benefits and challenges. Tools such as ChatGPT and Grammarly can enhance vocabulary acquisition and writing skills, but they may also lead to overreliance, reducing opportunities for independent learning and critical engagement. The findings suggest that learners’ proficiency levels significantly influence their interaction with AI tools, with lower proficiency students tending to depend more heavily on machine translation and AI feedback. The study employs a mixed-methods approach to analyze vocabulary size and perceptions of AI tool usage, utilizing frameworks that examine the interplay between vocabulary knowledge and AI-assisted learning activities. Overall, the research underscores the importance of understanding how vocabulary size affects engagement with AI tools, which is crucial for optimizing language learning strategies in higher education contexts.
Limitations
The study presents several limitations that may affect the generalizability and validity of its findings. Firstly, the research was conducted exclusively with graduate students from a single university, suggesting that results may not be representative of a broader population of graduate students across different institutions. Additionally, the data on AI usage was solely gathered through interviews, lacking complementary methods such as observational studies or prompt analyses, which could enhance the validation of the findings. Future research should incorporate multiple data collection instruments to strengthen result reliability.
Moreover, while the Vocabulary Level Test (UVLT) assesses vocabulary knowledge, it does not evaluate the depth of that knowledge. Future studies could benefit from including assessments that measure how effectively students can utilize their vocabulary, as suggested by Schmitt et al. (2011). Lastly, the data collection occurred at a single point in time, indicating that a longitudinal approach would be advantageous for understanding the evolution of students’ engagement with AI over an extended period.