DOI: https://doi.org/10.1038/s41598-026-46043-6
PMID: https://pubmed.ncbi.nlm.nih.gov/41888576
تاريخ النشر: 2026-03-26
المؤلف: Zhileng Xiong وآخرون
الموضوع الرئيسي: التعلم عبر الإنترنت والتحليلات
نظرة عامة
تستكشف ورقة البحث قبول المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي (AIGC) للتعلم الشخصي بين الطلاب في التعليم العالي الصيني، مع التركيز على تداعياته على الاستدامة التعليمية، والشمول، والعدالة، والجودة. باستخدام نهج مختلط، تجمع الدراسة بين البيانات الكمية من استبيان شمل 928 طالبًا تم تحليلها من خلال نمذجة المعادلات الهيكلية (SEM) مع رؤى نوعية من مقابلات مع 18 طالبًا. تكشف النتائج أن النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT) تتنبأ بفعالية بنوايا الاستخدام، حيث تم تحديد توقع الأداء كأقوى مؤشر. تعزز البيانات النوعية هذه النتائج، مما يبرز العلاقة المعقدة بين الفوائد المدركة والتحديات العملية التي يواجهها الطلاب.
تؤكد الخاتمة على الطبيعة المزدوجة لتأثير AIGC على الاستدامة التعليمية، حيث يعبر الطلاب عن تفاؤلهم بشأن إمكانياته في تعزيز التعلم بينما يواجهون في الوقت نفسه تحديات كبيرة مثل عدم استقرار التكنولوجيا والتحيز الخوارزمي. تكشف الدراسة عن ميل مقلق لمعادلة الاستدامة التعليمية بالأداء التكنولوجي، مما قد يؤدي إلى الاعتماد المفرط على التكنولوجيا على حساب العناصر التعليمية الأساسية التي تركز على الإنسان. لمعالجة هذه القضايا، يقترح المؤلفون ثلاث تداعيات منهجية للمعنيين: دمج الحوكمة مع التقدم التكنولوجي، وتنفيذ الشفافية الخوارزمية لمعالجة مخاوف العدالة، وإنشاء أنظمة مراقبة ديناميكية لضمان ملاءمة المحتوى. تهدف هذه التوصيات إلى تحقيق توازن بين الفعالية التكنولوجية والأبعاد الأخلاقية والتجريبية للتعليم.
مقدمة
تحدد مقدمة ورقة البحث السياق الأساسي وأهمية الدراسة. تبرز الأهداف الرئيسية، التي تشمل معالجة فجوة معينة في الأدبيات الحالية واقتراح نهج أو منهجية جديدة. يؤكد المؤلفون على أهمية بحثهم في تعزيز الفهم داخل هذا المجال، لا سيما فيما يتعلق بالأطر النظرية الرئيسية أو التطبيقات العملية.
بالإضافة إلى ذلك، قد تقدم المقدمة نتائج أولية أو فرضيات توجه التحقيق اللاحق. من خلال تحديد أهمية سؤال البحث وتداعياته، يهيئ المؤلفون المسرح لاستكشاف شامل للموضوع، بهدف في النهاية تقديم رؤى قيمة لكل من الخطاب الأكاديمي والتنفيذ العملي.
الطرق
تحدد قسم منهجية البحث النهج المنهجي المستخدم في الدراسة. يوضح اختيار المشاركين، وتقنيات جمع البيانات، وإجراءات التحليل المستخدمة لضمان صحة وموثوقية النتائج. استخدمت الدراسة تصميمًا مختلطًا، يجمع بين البيانات الكمية والنوعية لتوفير فهم شامل لأسئلة البحث.
تم اختيار المشاركين من خلال أخذ عينات طبقية لضمان التمثيل عبر الفئات الديموغرافية الرئيسية. شملت جمع البيانات الاستبيانات والمقابلات المنظمة، التي تم تصميمها لالتقاط كل من البيانات العددية والرؤى الشخصية المتعمقة. تم تطبيق التحليلات الإحصائية، بما في ذلك تقنيات الانحدار والارتباط، على البيانات الكمية، بينما تم استخدام التحليل الموضوعي لتفسير الردود النوعية. سهل هذا الإطار المنهجي فحصًا قويًا لفرضيات البحث، مما أدى إلى نتائج مهمة تساهم في المعرفة الحالية في هذا المجال.
النتائج
يقدم قسم النتائج في ورقة البحث كل من النتائج الكمية والنوعية المتعلقة بتجارب الطلاب مع المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي (AIGC). حدد التحليل الموضوعي لـ 18 مقابلة أربعة مواضيع رئيسية تكمل البيانات الكمية.
الموضوع الأول، “أولوية الأداء”، يبرز أن توقع الأداء هو دافع كبير لاعتماد AIGC. أفاد الطلاب بزيادات كبيرة في الإنتاجية، حيث أشار أحد طلاب علوم الحاسوب إلى أن أدوات AIGC يمكن أن تحدد أخطاء البرمجة في ثوانٍ، مما يزيد من كفاءتهم بشكل فعال. الموضوع الثاني، “السيف ذو الحدين للظروف الميسرة”، يسلط الضوء على الفجوة في الوصول إلى أدوات AIGC بسبب نقص الدعم المؤسسي. عبر الطلاب عن إحباطهم من قيود النسخ المجانية ونقص التوجيه بشأن الاستخدام الفعال والأخلاقي لهذه التقنيات، مما يشير إلى أن مجرد التوفر لا يعادل الوصول.
الموضوع الثالث، “التنقل في المشهد الاجتماعي”، يكشف عن تأثير ديناميات الأقران وتوجيه المعلمين على استخدام AIGC. بينما شعر بعض الطلاب بالضغط لاعتماد أدوات AIGC بسبب معايير المجموعة، استفاد آخرون من دعم أعضاء هيئة التدريس الذي عزز الاستخدام المسؤول. أخيرًا، الموضوع الرابع، “تجارب الحياة من المفارقات”، يوضح الحقائق المعقدة التي يواجهها الطلاب، مثل مفارقة العدالة، حيث يعمل AIGC كموارد قيمة لأولئك الذين يفتقرون إلى الدعم الأكاديمي التقليدي، ولكنه يقدم أيضًا قيودًا في سياقات معينة. بشكل عام، توفر هذه النتائج فهمًا دقيقًا لكيفية تأثير AIGC على تعلم الطلاب ومشاركتهم.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على الإمكانات التحولية لمحتوى الذكاء الاصطناعي (AIGC) في التعليم، لا سيما من خلال عدسة التعلم الشخصي. تشير ظهور نماذج اللغة الكبيرة (LLMs) مثل ChatGPT إلى تحول من الأساليب التعليمية التقليدية إلى نهج أكثر تكيفًا وتفردًا. يسهل AIGC إنشاء محتوى شخصي تلقائي مصمم وفقًا لخلفيات واهتمامات الطلاب، وتخطيط مسارات التعلم الديناميكية بناءً على التغذية الراجعة في الوقت الفعلي، والتفاعل الفوري والتغذية الراجعة من خلال معالجة اللغة الطبيعية المتقدمة (NLP). تتيح هذه القدرة بيئة تعليمية أكثر استجابة، تتجاوز أنظمة التعلم التكيفية التقليدية التي تركز بشكل أساسي على تنسيق المحتوى الموجود.
علاوة على ذلك، تتماشى الدراسة مع التعلم الشخصي المدفوع بـ AIGC مع الهدف الرابع من أهداف التنمية المستدامة للأمم المتحدة (SDG 4)، مما يبرز الشمولية والعدالة والجودة في التعليم. يمكن أن يعزز AIGC الاستدامة التعليمية من خلال تكييف المحتوى مع الاحتياجات الثقافية واللغوية المتنوعة، وكسر الحواجز الجغرافية، وتحسين نتائج التعلم بشكل عام. ومع ذلك، فإن التنفيذ الناجح لـ AIGC في السياقات التعليمية يعتمد على قبول المستخدم، الذي يتأثر بالعوامل النفسية والبيئية كما هو موضح في النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT). تحدد الدراسة العوامل الرئيسية لاعتماد AIGC بين طلاب الجامعات الصينية وتهدف إلى استكشاف العلاقة بين النية السلوكية لاستخدام AIGC وإدراك الاستدامة التعليمية، مع معالجة الفجوات الموجودة في الأدبيات بشأن عواقب استخدام AIGC والمفارقات الاجتماعية التقنية المعنية.
القيود
تقدم الدراسة عدة قيود تؤثر على نتائجها. أولاً، يحد التصميم العرضي من القدرة على استنتاج العلاقات السببية بمرور الوقت. ثانيًا، قد يؤدي الاعتماد على البيانات المبلغ عنها ذاتيًا إلى إدخال تحيز الرغبة الاجتماعية، مما قد يشوه النتائج. بالإضافة إلى ذلك، يثير استخدام طريقة أخذ عينات غير احتمالية مخاوف بشأن إمكانية تعميم النتائج على مجموعة سكانية أوسع.
لمعالجة هذه القيود، يجب أن تركز الأبحاث المستقبلية على التحليلات الطولية لفحص كيف تتغير تصورات الطلاب وقبولهم لمحتوى الذكاء الاصطناعي (AIGC) مع الاستخدام المطول وزيادة الكفاءة. سيوفر هذا النهج رؤى حول الطبيعة المتطورة لمفاهيم مثل توقع الجهد ضمن النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT).
DOI: https://doi.org/10.1038/s41598-026-46043-6
PMID: https://pubmed.ncbi.nlm.nih.gov/41888576
Publication Date: 2026-03-26
Author(s): Zhileng Xiong et al.
Primary Topic: Online Learning and Analytics
Overview
The research paper investigates the acceptance of Artificial Intelligence-Generated Content (AIGC) for personalized learning among students in Chinese higher education, emphasizing its implications for educational sustainability, inclusion, equity, and quality. Utilizing a mixed-methods approach, the study combines quantitative data from a survey of 928 students analyzed through Structural Equation Modeling (SEM) with qualitative insights from interviews with 18 students. The findings reveal that the Unified Theory of Acceptance and Use of Technology (UTAUT) effectively predicts usage intentions, with Performance Expectancy identified as the strongest predictor. Qualitative data further enrich these results, highlighting the complex relationship between perceived benefits and practical challenges faced by students.
The conclusion underscores the dual nature of AIGC’s impact on educational sustainability, where students express optimism about its potential to enhance learning while simultaneously confronting significant challenges such as technological instability and algorithmic bias. The study reveals a concerning tendency to equate educational sustainability with technological performance, which may lead to an over-reliance on technology at the expense of essential human-centric educational elements. To address these issues, the authors propose three systematic implications for stakeholders: the integration of governance with technological advancements, the implementation of algorithmic transparency to address fairness concerns, and the establishment of dynamic monitoring systems to ensure content relevance. These recommendations aim to balance technological efficacy with the ethical and experiential dimensions of education.
Introduction
The introduction of the research paper outlines the foundational context and significance of the study. It highlights the primary objectives, which include addressing a specific gap in the existing literature and proposing a novel approach or methodology. The authors emphasize the relevance of their research in advancing understanding within the field, particularly in relation to key theoretical frameworks or practical applications.
Additionally, the introduction may present preliminary findings or hypotheses that guide the subsequent investigation. By establishing the importance of the research question and its implications, the authors set the stage for a comprehensive exploration of the topic, ultimately aiming to contribute valuable insights to both academic discourse and practical implementation.
Methods
The research methodology section outlines the systematic approach employed in the study. It details the selection of participants, data collection techniques, and analytical procedures utilized to ensure the validity and reliability of the findings. The study employed a mixed-methods design, integrating both quantitative and qualitative data to provide a comprehensive understanding of the research questions.
Participants were selected through stratified sampling to ensure representation across key demographics. Data collection involved surveys and structured interviews, which were designed to capture both numerical data and in-depth personal insights. Statistical analyses, including regression and correlation techniques, were applied to the quantitative data, while thematic analysis was used to interpret qualitative responses. This methodological framework facilitated a robust examination of the research hypotheses, leading to significant findings that contribute to the existing body of knowledge in the field.
Results
The results section of the research paper presents both quantitative and qualitative findings regarding student experiences with Artificial Intelligence Generative Content (AIGC). The thematic analysis of 18 interviews identified four key themes that complement the quantitative data.
The first theme, “The Primacy of Performance,” underscores that Performance Expectancy is a significant motivator for AIGC adoption. Students reported substantial increases in productivity, with one computer science student noting that AIGC tools could identify coding errors in seconds, effectively doubling their efficiency. The second theme, “The Double-Edged Sword of Facilitating Conditions,” highlights the disparity in access to AIGC tools due to institutional support gaps. Students expressed frustration over the limitations of free versions and the lack of guidance on effective and ethical use of these technologies, indicating that mere availability does not equate to accessibility.
The third theme, “Navigating the Social Landscape,” reveals the influence of peer dynamics and instructor guidance on AIGC usage. While some students felt pressured to adopt AIGC tools due to group norms, others benefited from faculty support that fostered responsible use. Finally, the fourth theme, “Lived Experiences of the Paradoxes,” illustrates the complex realities students face, such as the Equity Paradox, where AIGC serves as a valuable resource for those lacking traditional academic support, yet also presents limitations in specific contexts. Overall, these findings provide a nuanced understanding of how AIGC impacts student learning and engagement.
Discussion
The discussion section of the research paper highlights the transformative potential of Artificial Intelligence-Generated Content (AIGC) in education, particularly through the lens of personalized learning. The emergence of Large Language Models (LLMs) like ChatGPT signifies a shift from traditional educational methods to more adaptive, individualized approaches. AIGC facilitates the automated generation of personalized content tailored to students’ backgrounds and interests, dynamic learning path planning based on real-time feedback, and instantaneous interaction and feedback through advanced Natural Language Processing (NLP). This capability allows for a more responsive educational environment, moving beyond conventional adaptive learning systems that primarily curate existing content.
Furthermore, the study aligns AIGC-driven personalized learning with the United Nations Sustainable Development Goal 4 (SDG 4), emphasizing inclusivity, equity, and quality in education. AIGC can enhance educational sustainability by adapting content to diverse cultural and linguistic needs, breaking down geographical barriers, and improving overall learning outcomes. However, the successful implementation of AIGC in educational contexts hinges on user acceptance, which is influenced by psychological and environmental factors as outlined in the Unified Theory of Acceptance and Use of Technology (UTAUT). The study identifies key determinants of AIGC adoption among Chinese university students and aims to explore the relationship between behavioral intention to use AIGC and perceptions of educational sustainability, addressing existing gaps in the literature regarding the consequences of AIGC usage and the socio-technical paradoxes involved.
Limitations
The study presents several limitations that impact its findings. Firstly, the cross-sectional design restricts the ability to infer causal relationships over time. Secondly, the reliance on self-reported data may introduce social desirability bias, potentially skewing the results. Additionally, the use of a non-probabilistic sampling method raises concerns regarding the generalizability of the findings to a broader population.
To address these limitations, future research should focus on longitudinal analyses to examine how students’ perceptions and acceptance of Artificial Intelligence Generated Content (AIGC) change with extended use and increased proficiency. This approach would provide insights into the evolving nature of constructs such as effort expectancy within the Unified Theory of Acceptance and Use of Technology (UTAUT).