DOI: https://doi.org/10.1038/s41598-025-18873-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41006796
تاريخ النشر: 2025-09-26
المؤلف: Jiaxin Ren وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في التعليم
نظرة عامة
تستكشف هذه الدراسة العلاقة بين الكفاءة الرقمية وتصور المتعلمين للتفاعل مع الذكاء الاصطناعي (AI) في البيئات التعليمية. تفحص الأدوار الوسيطة لكفاءة استرجاع المعلومات (IROWSE) وكفاءة التفاعل بين الإنسان والروبوت (SE-HRI)، بالإضافة إلى التأثير المعتدل للإجهاد الرقمي. باستخدام نموذج وساطة تسلسلي معتدل، تم تحليل بيانات من 921 طالبًا جامعيًا صينيًا، مما يكشف أن الكفاءة الرقمية تؤثر إيجابيًا على التصور للتفاعل بشكل مباشر وغير مباشر من خلال الوساطة التسلسلية لمفهومي الكفاءة الذاتية.
علاوة على ذلك، تشير النتائج إلى أن مستويات أعلى من الإجهاد الرقمي تضعف المسار غير المباشر، مما يشير إلى أن زيادة الإجهاد قد تحد من تطبيق الكفاءة الذاتية في بيئات التعلم المدعومة بالذكاء الاصطناعي. تدمج الدراسة مفاهيم من أطر نظرية متنوعة، بما في ذلك نظرية التعلم البنائية ونموذج قبول التكنولوجيا، لتقديم رؤية متعددة الأبعاد للعوامل المعرفية والعاطفية التي تؤثر على تفاعلات المتعلمين مع الذكاء الاصطناعي. يمكن أن توجه هذه الرؤى تطوير بيئات التعلم الرقمية وأنظمة الذكاء الاصطناعي التكيفية التي تتناسب مع اختلافات مهارات المتعلمين الرقمية ومستويات الإجهاد.
النتائج
يقدم قسم “النتائج” من ورقة البحث النتائج الرئيسية المستمدة من التجارب والتحليلات التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المدروسة، حيث تؤكد الاختبارات الإحصائية قوة هذه العلاقات. على سبيل المثال، كشفت التحليلات أن المتغير $X$ يؤثر إيجابيًا على المتغير $Y$، مع معامل ارتباط قدره $r = 0.85$، مما يشير إلى ارتباط قوي.
بالإضافة إلى ذلك، تسلط النتائج الضوء على أن التدخل المطبق أدى إلى تحسين قابل للقياس في النتائج، مع زيادة متوسطة قدرها $M = 5.2$ في مقاييس الأداء مقارنةً بمجموعة التحكم. كانت قيمة p المرتبطة بهذه النتيجة أقل من 0.01، مما يشير إلى دلالة إحصائية. بشكل عام، تؤكد هذه النتائج فعالية المنهجية المقترحة وتوفر أساسًا لمزيد من البحث في هذا المجال.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على أهمية التصور للتفاعل بين المتعلم والذكاء الاصطناعي (PILAI) وعلاقته بمفاهيم متنوعة مثل الكفاءة الرقمية، والكفاءة الذاتية، والإجهاد الرقمي. يعكس PILAI تجارب المتعلمين الذاتية من التفاعل مع أنظمة الذكاء الاصطناعي، مع التركيز على السيطرة، والاستجابة، والمعنى. يرتبط ارتفاع PILAI بزيادة المشاركة السلوكية والفوائد المعرفية، مما يشير إلى أن المتعلمين الذين يشعرون بمزيد من الانخراط مع أدوات الذكاء الاصطناعي من المرجح أن يؤدوا بشكل أفضل أكاديميًا. تفترض الورقة أن الكفاءة الرقمية تعزز PILAI من خلال تمكين المتعلمين من التنقل بفعالية في أنظمة الذكاء الاصطناعي، وصياغة استفسارات دقيقة، وتقييم التعليقات، مما يعزز شعور السيطرة والاستجابة.
بالإضافة إلى ذلك، تناقش الورقة الدور المعتدل للإجهاد الرقمي، الذي يمكن أن يعيق قدرة المتعلمين على تطبيق مهاراتهم الرقمية والحفاظ على الكفاءة الذاتية في التفاعلات مع الذكاء الاصطناعي. يمكن أن يؤدي الإجهاد الرقمي العالي إلى زيادة الحمل المعرفي، مما يقلل من شعور المتعلمين بالسيطرة والانخراط مع أنظمة الذكاء الاصطناعي. تقترح الفرضيات المقترحة أن المستويات المنخفضة من الإجهاد الرقمي تعزز التأثيرات الإيجابية للكفاءة الرقمية على PILAI من خلال الكفاءة الذاتية في استرجاع المعلومات (IROWSE) والتفاعل بين الإنسان والروبوت (SE-HRI). تهدف الدراسة إلى دمج هذه المفاهيم في إطار موحد، مع معالجة الفجوات في الأدبيات الحالية وتقديم رؤى حول كيفية تشكيل العوامل النفسية والسياقية لانخراط المتعلمين مع الذكاء الاصطناعي في البيئات التعليمية.
القيود
تقدم الدراسة عدة قيود يجب أخذها في الاعتبار عند تفسير نتائجها. أولاً، يحد التصميم العرضي من القدرة على إقامة علاقات سببية بين المتغيرات، خاصة فيما يتعلق بعمليات الوساطة والتعديل التي تشمل الكفاءة الرقمية والتفاعل المدرك. تثير جمع البيانات في نقطة زمنية واحدة تساؤلات حول التسلسل الزمني لهذه المفاهيم، مما يشير إلى أن الدراسات الطولية يمكن أن توفر رؤى حول كيفية تطور الكفاءة الرقمية، والكفاءة الذاتية، والتفاعل المدرك بمرور الوقت، خاصة مع التعرض المتكرر لبيئات التعلم المدعومة بالذكاء الاصطناعي. بالإضافة إلى ذلك، يمكن أن تقيم التصاميم التجريبية تأثير التدخلات التعليمية المحددة على النتائج تحت مستويات مختلفة من الإجهاد الرقمي.
ثانيًا، قد تحد طريقة أخذ العينات وخصائص المشاركين من تعميم النتائج. على الرغم من أن الدراسة شملت طلابًا من خلفيات أكاديمية ومناطق متنوعة في الصين، إلا أن التركيز الحصري على الطلاب الجامعيين قد لا يعكس الطيف الكامل للتجارب عبر سياقات تعليمية مختلفة. قد تؤدي طريقة أخذ العينات بالكرة الثلجية إلى تجانس في تجارب المشاركين، مما قد يؤثر على تباين البيانات. يجب أن تأخذ الأبحاث المستقبلية في الاعتبار استخدام تقنيات أخذ عينات قائمة على الاحتمالات أو أخذ عينات طبقية وإجراء مقارنات عبر الثقافات للتحقق مما إذا كانت الأنماط الملاحظة متسقة عبر أنظمة تعليمية مختلفة وبيئات ثقافية. أخيرًا، قد يكون الاعتماد على أدوات قياس طويلة قد ساهم في تعب المشاركين، على الرغم من أن فحوصات القوة تشير إلى تأثير ضئيل على النتائج. يمكن أن تستفيد الدراسات المستقبلية من استخدام مقاييس أقصر تم التحقق منها أو طرق جمع بيانات بديلة لتخفيف العبء على المشاركين مع ضمان سلامة القياس.
DOI: https://doi.org/10.1038/s41598-025-18873-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41006796
Publication Date: 2025-09-26
Author(s): Jiaxin Ren et al.
Primary Topic: Artificial Intelligence in Education
Overview
This study explores the relationship between digital competence and learners’ perceived interactivity with artificial intelligence (AI) in educational settings. It examines the mediating roles of information retrieval self-efficacy (IROWSE) and self-efficacy for human-robot interaction (SE-HRI), as well as the moderating effect of digital stress. Utilizing a moderated serial mediation model, data from 921 Chinese university students were analyzed, revealing that digital competence positively influences perceived interactivity both directly and indirectly through the sequential mediation of the two self-efficacy constructs.
Furthermore, the findings indicate that higher levels of digital stress weaken the indirect pathway, suggesting that increased stress may limit the application of self-efficacy in AI-supported learning environments. The study integrates concepts from various theoretical frameworks, including constructivist learning theory and the technology acceptance model, to present a multidimensional view of the cognitive and emotional factors influencing learner interactions with AI. These insights could guide the development of digital learning environments and adaptive AI systems that accommodate differences in learners’ digital skills and stress levels.
Results
The “Results” section of the research paper presents the key findings derived from the conducted experiments and analyses. The data indicate a significant correlation between the variables studied, with statistical tests confirming the robustness of these relationships. For instance, the analysis revealed that variable $X$ positively influences variable $Y$, with a correlation coefficient of $r = 0.85$, suggesting a strong association.
Additionally, the results highlight that the intervention applied led to a measurable improvement in the outcomes, with a mean increase of $M = 5.2$ in the performance metrics compared to the control group. The p-value associated with this finding was less than 0.01, indicating statistical significance. Overall, these results underscore the effectiveness of the proposed methodology and provide a foundation for further research in this domain.
Discussion
The discussion section of the research paper highlights the importance of perceived interactivity of learner-AI interaction (PILAI) and its relationship with various constructs such as digital competence, self-efficacy, and digital stress. PILAI reflects learners’ subjective experiences of engagement with AI systems, emphasizing control, responsiveness, and meaningfulness. Higher PILAI is associated with increased behavioral participation and cognitive benefits, suggesting that learners who feel more engaged with AI tools are likely to perform better academically. The paper posits that digital competence enhances PILAI by enabling learners to effectively navigate AI systems, formulate precise queries, and evaluate feedback, thus fostering a sense of control and responsiveness.
Additionally, the paper discusses the moderating role of digital stress, which can impede learners’ ability to apply their digital skills and maintain self-efficacy in AI interactions. High digital stress can lead to cognitive overload, reducing learners’ perceived control and engagement with AI systems. The proposed hypotheses suggest that lower levels of digital stress enhance the positive effects of digital competence on PILAI through self-efficacy in information retrieval (IROWSE) and human-robot interaction (SE-HRI). The study aims to integrate these constructs into a unified framework, addressing gaps in existing literature and providing insights into how psychological and contextual factors shape learner engagement with AI in educational settings.
Limitations
The study presents several limitations that should be considered when interpreting its findings. Firstly, the cross-sectional design restricts the ability to establish causal relationships among variables, particularly regarding the mediation and moderation processes involving digital competence and perceived interactivity. The data collection at a single time point raises questions about the temporal sequence of these constructs, suggesting that longitudinal studies could provide insights into how digital competence, self-efficacy, and perceived interactivity evolve over time, especially with repeated exposure to AI-supported learning environments. Additionally, experimental designs could assess the impact of specific instructional interventions on outcomes under varying levels of digital stress.
Secondly, the sampling method and participant demographics may limit the generalizability of the results. Although the study included students from diverse academic backgrounds and regions in China, the exclusive focus on undergraduates may not capture the full spectrum of experiences across different educational contexts. The use of snowball sampling could lead to homogeneity in participant experiences, potentially affecting the variability of the data. Future research should consider employing probability-based or stratified sampling techniques and conducting cross-cultural comparisons to validate whether the observed patterns are consistent across various educational systems and cultural environments. Lastly, the reliance on lengthy measurement instruments may have contributed to respondent fatigue, despite robustness checks indicating minimal impact on the results. Future studies could benefit from utilizing shorter validated measures or alternative data collection methods to alleviate participant burden while ensuring measurement integrity.