DOI: https://doi.org/10.18178/ijiet.2026.16.2.2526
تاريخ النشر: 2026-01-01
المؤلف: Informatics System, STIKOM Uyelindo Kupang, Kupang, Indonesia وآخرون
الموضوع الرئيسي: الألعاب التعليمية وت gamification
نظرة عامة
تستكشف هذه الدراسة تأثير دمج الذكاء الاصطناعي التكيفي (AI) والألعاب التعاونية ضمن منصة تعليمية قائمة على السحابة على تخصيص التعلم ومشاركة الطلاب في التعليم العالي. باستخدام تصميم شبه تجريبي يشمل 225 طالبًا عبر ثلاث مجموعات (AI + الألعاب، AI فقط، ومجموعة التحكم)، قامت الدراسة بتقييم نتائج التعلم والمشاركة والدافع الأكاديمي من خلال طرق جمع بيانات متنوعة، بما في ذلك التقييمات المعرفية والمقابلات النوعية. تشير النتائج إلى أن التدخل المشترك للذكاء الاصطناعي والألعاب عزز بشكل كبير نتائج التعلم (F(2,220) = 42.68، p < 0.001، η² = 0.28) والمشاركة، لا سيما في الأبعاد الاجتماعية والوكالة. أكدت نمذجة المعادلات الهيكلية أيضًا التأثيرات الإيجابية لكلتا التقنيتين على مشاركة التعلم (CFI = 0.94؛ RMSEA = 0.048). تقترح الدراسة نموذج "التخصيص السياقي" الذي يدمج التكيفات الفردية والاجتماعية والتعاونية، مما يبرز أهمية الثقافة الرقمية وأنماط التعلم في تعديل فعالية التدخل. تؤكد الخاتمة على أن النهج المشترك لا يحسن فقط النتائج المعرفية ولكن يعزز أيضًا التفاعل الاجتماعي ووكالة الطلاب. ومع ذلك، تعترف الدراسة بالقيود، بما في ذلك إمكانية وجود متغيرات مشوشة بسبب تصميمها شبه التجريبي والعمومية المحدودة للنتائج من سياق جامعة إندونيسية واحدة. بالإضافة إلى ذلك، لم يتم تقييم الآثار طويلة الأمد للتدخل على مشاركة الطلاب، مما يشير إلى الحاجة إلى مزيد من البحث للتحقق من صحة النموذج واستكشاف استدامته.
المقدمة
تناقش مقدمة هذه الورقة البحثية التأثير التحويلي للتقنيات الرقمية على التعليم العالي، لا سيما من خلال اعتماد منصات التعلم القائمة على السحابة التي تعزز الوصول والمرونة للطلاب. ومع ذلك، تحدد ورقتنا البحثية تحديين كبيرين: نقص تجارب التعلم الشخصية وانخفاض مشاركة الطلاب، خاصة في البيئات البعيدة. لمعالجة هذه القضايا، تستكشف الورقة إمكانية دمج أنظمة الذكاء الاصطناعي التكيفي (AI) واستراتيجيات الألعاب. بينما يمكن للذكاء الاصطناعي التكيفي تخصيص مسارات التعلم بناءً على سلوكيات الأفراد، فإنه غالبًا ما يتجاهل الجوانب الاجتماعية الضرورية للتعليم العالي. من ناحية أخرى، يمكن أن تعزز الألعاب الدافع من خلال عناصر تشبه الألعاب، لكن العديد من التطبيقات تركز بشكل مفرط على المكافآت الخارجية، مما قد يقوض الدافع الداخلي.
تقترح الدراسة نموذجًا جديدًا يسمى “التخصيص السياقي”، الذي يبرز التفاعل بين الخصائص الفردية والسياق الاجتماعي والديناميات التعاونية في التعلم. يستند هذا النموذج إلى ثلاثة أطر نظرية: البناء الاجتماعي، الذي يبرز أهمية التعاون؛ نظرية تحديد الذات، التي تركز على تلبية الاحتياجات النفسية لتعزيز الدافع؛ وإطار المعرفة التربوية التكنولوجية (TPACK)، الذي يوجه دمج التكنولوجيا والبيداغوجيا. تهدف الدراسة إلى اختبار هذا النموذج تجريبيًا من خلال فحص التأثيرات التآزرية لدمج الذكاء الاصطناعي التكيفي والألعاب التعاونية ضمن بيئات التعلم القائمة على السحابة، مع معالجة أسئلة البحث الرئيسية المتعلقة بالنتائج المعرفية والمشاركة وأنماط التفاعل التعاوني.
الطرق
توضح قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. تفصل المواد المستخدمة، بما في ذلك الكواشف المحددة، والمعدات، وأي عينات بيولوجية، لضمان إمكانية تكرار النتائج. تشمل المنهجية إعداد التجربة، بما في ذلك البروتوكولات لجمع البيانات وتحليلها، بالإضافة إلى أي طرق إحصائية تم تطبيقها لتفسير النتائج.
بالإضافة إلى ذلك، قد يصف القسم الضوابط التي تم تنفيذها للتحقق من النتائج وأي ظروف محددة تم إجراء التجارب فيها. يضمن هذا النهج الشامل أن تكون نتائج الدراسة قوية ويمكن مقارنتها بشكل موثوق مع الأبحاث المستقبلية في هذا المجال.
المناقشة
استخدمت الدراسة تصميمًا شبه تجريبي مع مجموعة تحكم قبل الاختبار وبعده لتقييم فعالية دمج الذكاء الاصطناعي التكيفي والألعاب التعاونية في بيئة التعلم القائمة على السحابة. تم تقسيم المشاركين، الذين يتألفون من 225 طالبًا جامعيًا من مختلف الكليات في إندونيسيا، إلى ثلاث مجموعات: المجموعة التجريبية 1 (EG1) تلقت كل من الذكاء الاصطناعي التكيفي والألعاب التعاونية، المجموعة التجريبية 2 (EG2) تلقت الذكاء الاصطناعي التكيفي فقط، ومجموعة التحكم (CG) شهدت التعلم القياسي دون هذه الميزات. أشارت النتائج إلى أن EG1 تفوقت بشكل كبير على المجموعات الأخرى في نتائج التعلم المعرفية، والمشاركة، والدافع الأكاديمي، مع زيادة متوسطة في درجات الاختبار بعد التدخل بمقدار 23.2 نقطة مقارنة بـ 16.4 لـ EG2 و7.4 فقط لـ CG. يشير هذا إلى أن الجمع بين الذكاء الاصطناعي التكيفي والألعاب لا يعزز فقط نتائج التعلم ولكن يعزز أيضًا التفاعلات الاجتماعية الأعمق والدافع الداخلي بين الطلاب.
كشفت التحليلات أن دمج أنظمة الذكاء الاصطناعي التكيفي خصص تجارب التعلم بشكل فعال، بينما عززت عناصر الألعاب التعاونية، مثل التحديات الجماعية، بشكل كبير من مشاركة الطلاب ودافعهم. تتماشى نتائج الدراسة مع الأدبيات الموجودة حول فوائد تقنيات التعلم التكيفية والألعاب، مما يعزز مبادئ البناء الاجتماعي ونظرية تحديد الذات. ظهر نموذج “التخصيص السياقي” المقترح كمساهمة نظرية، مما يبرز التآزر بين التكيف الفردي والدعم التعاوني في بيئات التعلم الرقمية. ومع ذلك، تعترف الدراسة بالقيود المتعلقة بالعمومية للنتائج عبر سياقات تعليمية مختلفة وتدعو إلى مزيد من البحث لاستكشاف الاستدامة طويلة الأمد لهذه التدخلات.
القيود
تقدم الدراسة عدة قيود قد تؤثر على عمومية وصلاحية نتائجها. أولاً، تقتصر الأبحاث على مؤسسة تعليمية واحدة في إندونيسيا، مع حجم عينة يبلغ 225 مشاركًا، مما يثير مخاوف بشأن الصلاحية الخارجية. إن استخدام العينة العنقودية على مستوى الصف يقدم تحيزات محتملة تتعلق بخصائص المعلم وديناميات الفصل، مما قد يؤثر على النتائج. بالإضافة إلى ذلك، فإن المدة القصيرة للتدخل (فصل دراسي واحد) تحد من القدرة على تقييم الآثار طويلة الأمد على مشاركة الطلاب، والدافع، وتطوير الكفاءات غير المعرفية مثل التعاون، والإبداع، والثقافة الرقمية.
علاوة على ذلك، قد تكون الاختلافات في ظروف التجربة، لا سيما فيما يتعلق بالوصول إلى الأجهزة وجودة الإنترنت، قد أثرت على التفاعلات على منصة التعلم القائمة على السحابة. كما تؤكد الدراسة على الاعتبارات الأخلاقية في تنفيذ الذكاء الاصطناعي التكيفي، مع معالجة قضايا مثل التحيز الخوارزمي وخصوصية البيانات. تم إخفاء بيانات الطلاب لتحليلها بشكل مجمع، وتمت مراقبة التوصيات التي تم إنشاؤها بواسطة الذكاء الاصطناعي لضمان العدالة. ومع ذلك، فإن نقص القياس الطولي لمشاركة الطلاب بعد التدخل يحد من فهم التأثير المستدام للجمع بين الذكاء الاصطناعي والألعاب على الدافع والمشاركة. يُشجع على إجراء أبحاث مستقبلية لاستكشاف هذا النموذج في سياقات دولية متنوعة وعلى مدى فترات طويلة لتقييم فعاليته بشكل أفضل في تعزيز المهارات غير المعرفية.
DOI: https://doi.org/10.18178/ijiet.2026.16.2.2526
Publication Date: 2026-01-01
Author(s): Informatics System, STIKOM Uyelindo Kupang, Kupang, Indonesia et al.
Primary Topic: Educational Games and Gamification
Overview
This study investigates the impact of integrating adaptive Artificial Intelligence (AI) and collaborative gamification within a cloud-based learning platform on learning personalization and student engagement in higher education. Utilizing a quasi-experimental design involving 225 students across three groups (AI + gamification, AI only, and control), the research assessed learning outcomes, engagement, and academic motivation through various data collection methods, including cognitive assessments and qualitative interviews. The findings indicate that the combined intervention of AI and gamification significantly enhanced learning outcomes (F(2,220) = 42.68, p < 0.001, η² = 0.28) and engagement, particularly in social and agency dimensions. Structural Equation Modeling further confirmed positive effects of both technologies on learning engagement (CFI = 0.94; RMSEA = 0.048). The study proposes a "Contextual Personalization" model that integrates individual, social, and collaborative adaptations, highlighting the importance of digital literacy and learning styles in moderating intervention effectiveness. The conclusion emphasizes that the combined approach not only improves cognitive outcomes but also fosters social interaction and student agency. However, the study acknowledges limitations, including the potential for confounding variables due to its quasi-experimental design and the restricted generalizability of findings from a single Indonesian university context. Additionally, the long-term effects of the intervention on student engagement were not assessed, indicating a need for further research to validate the model and explore its sustainability.
Introduction
The introduction of this research paper discusses the transformative impact of digital technologies on higher education, particularly through the adoption of cloud-based learning platforms that enhance accessibility and flexibility for students. However, it identifies two significant challenges: the lack of personalized learning experiences and low student engagement, especially in remote settings. To address these issues, the paper explores the potential of integrating adaptive Artificial Intelligence (AI) systems and gamification strategies. While adaptive AI can tailor learning paths based on individual behaviors, it often neglects the social aspects crucial for higher education. Conversely, gamification can boost motivation through game-like elements, but many implementations focus excessively on extrinsic rewards, which may undermine intrinsic motivation.
The study proposes a novel model termed “Contextual Personalization,” which emphasizes the interplay between individual characteristics, social context, and collaborative dynamics in learning. This model is grounded in three theoretical frameworks: Social Constructivism, which highlights the importance of collaboration; Self-Determination Theory, which focuses on fulfilling psychological needs to enhance motivation; and the Technological Pedagogical Content Knowledge (TPACK) framework, which guides the integration of technology and pedagogy. The research aims to empirically test this model by examining the synergistic effects of combining adaptive AI and collaborative gamification within cloud-based learning environments, addressing key research questions related to cognitive outcomes, engagement, and collaborative interaction patterns.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the materials used, including specific reagents, equipment, and any biological samples, ensuring reproducibility of the results. The methodology encompasses the experimental setup, including the protocols for data collection and analysis, as well as any statistical methods applied to interpret the findings.
Additionally, the section may describe the controls implemented to validate the results and any specific conditions under which the experiments were conducted. This comprehensive approach ensures that the study’s findings are robust and can be reliably compared to future research in the field.
Discussion
The study utilized a quasi-experimental design with a pretest-posttest control group to assess the effectiveness of integrating adaptive AI and collaborative gamification in a cloud-based learning environment. Participants, comprising 225 undergraduate students from various faculties in Indonesia, were divided into three groups: Experimental Group 1 (EG1) received both adaptive AI and collaborative gamification, Experimental Group 2 (EG2) received adaptive AI only, and the Control Group (CG) experienced standard learning without these features. The findings indicated that EG1 significantly outperformed the other groups in cognitive learning outcomes, engagement, and academic motivation, with a mean posttest score increase of 23.2 points compared to 16.4 for EG2 and only 7.4 for CG. This suggests that the combination of adaptive AI and gamification not only enhances learning outcomes but also fosters deeper social interactions and intrinsic motivation among students.
The analysis revealed that the integration of adaptive AI systems effectively personalized learning experiences, while collaborative gamification elements, such as group challenges, significantly enhanced student engagement and motivation. The study’s results align with existing literature on the benefits of adaptive learning technologies and gamification, reinforcing the principles of Social Constructivism and Self-Determination Theory. The proposed “Contextual Personalization” model emerged as a theoretical contribution, emphasizing the synergy between individual adaptation and collaborative support in digital learning environments. However, the study acknowledges limitations regarding the generalizability of findings across different educational contexts and calls for further research to explore the long-term sustainability of these interventions.
Limitations
The study presents several limitations that may impact the generalizability and validity of its findings. Firstly, the research is confined to a single higher education institution in Indonesia, with a sample size of 225 participants, which raises concerns about external validity. The use of cluster sampling at the class level introduces potential biases related to instructor characteristics and classroom dynamics, which could affect the outcomes. Additionally, the short duration of the intervention (one semester) restricts the ability to assess long-term effects on student engagement, motivation, and the development of non-cognitive competencies such as collaboration, creativity, and digital literacy.
Moreover, variations in experimental conditions, particularly concerning access to devices and internet quality, may have influenced interactions on the cloud-based learning platform. The study also emphasizes ethical considerations in the implementation of adaptive AI, addressing issues such as algorithmic bias and data privacy. Student data were anonymized for aggregate analysis, and AI-generated recommendations were monitored to ensure fairness. However, the lack of longitudinal measurement of student engagement post-intervention limits the understanding of the sustained impact of combining AI and gamification on motivation and engagement. Future research is encouraged to explore this model in diverse international contexts and over extended periods to better evaluate its effectiveness in fostering non-cognitive skills.