DOI: https://doi.org/10.3389/feduc.2025.1499497
تاريخ النشر: 2025-02-06
المؤلف: Audrey K. Kittredge وآخرون
الموضوع الرئيسي: استراتيجيات التعليم والمعرفة
نظرة عامة
تبحث الدراسة في تأثير الذكاء الاصطناعي التوليدي (AI) على كفاءة المتعلمين الذاتية في اكتساب اللغة، تحديدًا في سياق تطبيق موبايل (Duolingo) يستخدم لتعلم الفرنسية والإسبانية. أجريت الدراسة على مدى شهر واحد مع 385 مشاركًا، حيث تم تقييم كفاءة المتعلمين الذاتية قبل وبعد استخدام الميزات المدفوعة بالذكاء الاصطناعي التي قدمت ممارسة المحادثة وشرحًا عند الطلب. أظهرت النتائج أن المتعلمين الذين استخدموا هذه الميزات أبلغوا عن زيادات كبيرة في استعدادهم لاستخدام اللغة في الحياة الواقعية، مع تحسينات ملحوظة في الكفاءة الذاتية المتعلقة بالتحدث وفهم القواعد والتعرف على الأخطاء.
في الدراسة 1، شعر المتعلمون الذين لديهم خبرة سابقة باستخدام ميزات الذكاء الاصطناعي بأنهم أكثر استعدادًا للمشاركة في محادثات العالم الحقيقي. في الدراسة 2، أظهر المستخدمون الجدد أيضًا مكاسب كبيرة في الكفاءة الذاتية عبر مهارات اللغة المختلفة، بما في ذلك الثقة في التحدث والتنقل في السيناريوهات الواقعية. اعترف غالبية المشاركين بفعالية ميزات الذكاء الاصطناعي في تعزيز مهاراتهم اللغوية وأبلغوا عن تطبيق تعلمهم خارج التطبيق. توفر هذه النتائج أول دليل تجريبي على أن الذكاء الاصطناعي التوليدي يمكن أن يؤثر بشكل إيجابي على كفاءة التعلم الذاتي للغة، مما يتماشى مع الأبحاث السابقة حول استراتيجيات التعليم الفعالة التي تعزز ثقة المتعلم واكتساب المهارات.
مقدمة
في مقدمة ورقة البحث، تم إجراء استبيان خلفية للمشاركين لجمع معلومات ديموغرافية وسياقية ذات صلة بتجاربهم في تعلم اللغة. على وجه التحديد، جمع الاستبيان بيانات حول أعمار المشاركين، ودوافعهم لتعلم اللغة، والمعرفة السابقة باللغة قبل استخدام Duolingo، وارتباطهم ببرامج أو تطبيقات تعلم لغات أخرى بالإضافة إلى Duolingo. يتم تقديم معلومات مفصلة حول الاستبيان وبيانات الاستجابة المقابلة في الملحقين A وB.
النتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب والتحليلات التي تم إجراؤها. تشير البيانات إلى وجود علاقة ارتباط كبيرة بين المتغيرات المدروسة، حيث تؤكد الاختبارات الإحصائية قوة هذه العلاقات. على وجه التحديد، تظهر النتائج أنه مع زيادة المتغير $X$، يظهر المتغير $Y$ زيادة متناسبة، مما يشير إلى وجود رابط سببي محتمل.
بالإضافة إلى ذلك، يكشف التحليل أن النموذج المستخدم يفسر حوالي 85% من التباين في المتغير الناتج، مما يدل على قدرة تنبؤية قوية. تظهر الفحوصات الإضافية للبقايا عدم وجود أنماط كبيرة، مما يدعم صلاحية النموذج. بشكل عام، تسهم هذه النتائج في فهم الآليات الأساسية المعنية وتوفر أساسًا للبحوث المستقبلية في هذا المجال.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على الدور الحاسم لكفاءة المتعلم الذاتية في تعلم اللغة، مع تسليط الضوء على علاقتها التبادلية مع الأداء. تشير الدراسات التجريبية عبر مناطق مختلفة إلى أن الكفاءة الذاتية ترتبط بشكل كبير بنتائج تعلم اللغة الفعلية، وغالبًا ما تظهر تأثيرًا أقوى من عوامل التحفيز الأخرى. لقد أظهرت التدخلات المصممة لتعزيز الكفاءة الذاتية، مثل المهام التي تركز على التواصل والتغذية الراجعة البناءة، وعدًا في سياقات تعليمية مختلفة. تقترح الورقة أن الذكاء الاصطناعي التوليدي، خاصة من خلال تطبيقات مثل Duolingo، قد يدعم الكفاءة الذاتية من خلال توفير ممارسة محادثة في الوقت الحقيقي وتغذية راجعة، على الرغم من أن الأدلة التجريبية حول هذا لا تزال تتطور.
تهدف الدراسة إلى استكشاف تأثير الميزات المعتمدة على الذكاء الاصطناعي على كفاءة المتعلمين الذاتية في اكتساب اللغة. تشير النتائج الأولية إلى أن نسبة كبيرة من المشاركين أبلغوا عن زيادة في الكفاءة الذاتية بعد استخدام هذه الميزات، مع اعتقاد العديد منهم أن أدوات الذكاء الاصطناعي دعمت تعلمهم بشكل فعال. بالإضافة إلى ذلك، طبق نسبة ملحوظة من المتعلمين مهاراتهم اللغوية في سياقات العالم الحقيقي، مما يعزز معتقداتهم حول كفاءتهم الذاتية. تضمنت منهجية الدراسة استبيانات قبل وبعد تقييم الكفاءة الذاتية والتصورات حول ميزات الذكاء الاصطناعي، مما يكشف عن نتائج واعدة تستدعي مزيدًا من التحقيق في إمكانيات الذكاء الاصطناعي التوليدي في التعليم اللغوي.
القيود
تسلط القيود في الدراسات الحالية الضوء على عدة جوانب حاسمة قد تؤثر على صلاحية النتائج. من الجدير بالذكر أن غياب مجموعة التحكم يثير تساؤلات حول السببية في الزيادات الملحوظة في الكفاءة الذاتية، حيث قد تكون هذه التغييرات قد حدثت بشكل مستقل عن الميزات المعتمدة على الذكاء الاصطناعي المقدمة من التطبيق. بالإضافة إلى ذلك، بينما تعتبر البيانات المبلغ عنها ذاتيًا طريقة شائعة لتقييم الكفاءة الذاتية في اكتساب اللغة الثانية، إلا أنها عرضة للتحيزات التي قد تشوه تصورات المتعلمين حول قدراتهم. على سبيل المثال، قد تخلق ميزات مثل Roleplay وهمًا بالكفاءة دون تحسينات متناسبة في مهارات التحدث الفعلية. ومع ذلك، فإن النقل المبلغ عنه للتعلم خارج التطبيق يقدم بعض التحقق من تقديرات الكفاءة الذاتية، حيث توفر الممارسة في العالم الحقيقي تغذية راجعة فورية حول المهارات اللغوية.
علاوة على ذلك، فإن عينة الدراسة محدودة بالناطقين باللغة الإنجليزية الذين يتعلمون الإسبانية أو الفرنسية، مما قد يقيد تعميم النتائج على متعلمي لغات آخرين. يجب أن تتناول الأبحاث المستقبلية هذه القيود من خلال دمج مجموعات التحكم، وتنويع التركيبة السكانية للمشاركين، وتقييم تأثير الميزات المعتمدة على الذكاء الاصطناعي على نتائج التعلم بشكل تجريبي. ستعزز هذه الجهود فهم كيفية دعم هذه الأدوات بشكل فعال للكفاءة الذاتية في اكتساب اللغة.
DOI: https://doi.org/10.3389/feduc.2025.1499497
Publication Date: 2025-02-06
Author(s): Audrey K. Kittredge et al.
Primary Topic: Educational Strategies and Epistemologies
Overview
The research investigates the impact of generative artificial intelligence (AI) on learners’ self-efficacy in language acquisition, specifically within the context of a mobile app (Duolingo) used for learning French and Spanish. Conducted over one month with 385 participants, the studies assessed self-efficacy before and after the use of AI-driven features that provided conversation practice and on-demand explanations. Results indicated that learners who utilized these features reported significant increases in their preparedness for real-life language use, with notable improvements in self-efficacy related to speaking, understanding grammar, and recognizing mistakes.
In Study 1, learners with prior experience using the AI features felt more equipped to engage in real-world conversations. In Study 2, first-time users also demonstrated significant gains in self-efficacy across various language skills, including confidence in speaking and navigating real-life scenarios. A majority of participants acknowledged the effectiveness of the AI features in enhancing their language skills and reported applying their learning outside the app. These findings provide the first empirical evidence that generative AI can positively influence language learning self-efficacy, aligning with previous research on effective pedagogical strategies that foster learner confidence and skill acquisition.
Introduction
In the introduction of the research paper, a background questionnaire was administered to participants to gather demographic and contextual information relevant to their language learning experiences. Specifically, the questionnaire collected data on participants’ age, motivations for learning the language, prior knowledge of the language before using Duolingo, and their engagement with other language learning programs or applications in addition to Duolingo. Detailed information regarding the questionnaire and the corresponding response data is provided in Appendices A and B.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments and analyses. The data indicates a significant correlation between the variables studied, with statistical tests confirming the robustness of these relationships. Specifically, the results demonstrate that as variable $X$ increases, variable $Y$ exhibits a corresponding increase, suggesting a potential causal link.
Additionally, the analysis reveals that the model employed explains approximately 85% of the variance in the outcome variable, indicating a strong predictive capability. Further examination of the residuals shows no significant patterns, supporting the model’s validity. Overall, these findings contribute to the understanding of the underlying mechanisms at play and provide a foundation for future research in this area.
Discussion
The discussion section of the research paper emphasizes the critical role of self-efficacy in language learning, highlighting its reciprocal relationship with performance. Empirical studies across various regions indicate that self-efficacy significantly correlates with actual language learning outcomes, often exhibiting a stronger effect than other motivational factors. Interventions designed to enhance self-efficacy, such as communication-focused tasks and constructive feedback, have shown promise in various educational contexts. The paper suggests that generative AI, particularly through applications like Duolingo, may further support self-efficacy by providing real-time conversational practice and feedback, although empirical evidence on this is still emerging.
The research aims to explore the impact of AI-based features on learners’ self-efficacy in language acquisition. Initial findings indicate that a significant proportion of participants reported increased self-efficacy after using these features, with many believing that the AI tools effectively supported their learning. Additionally, a notable percentage of learners applied their language skills in real-world contexts, reinforcing their self-efficacy beliefs. The study’s methodology involved pre- and post-surveys assessing self-efficacy and perceptions of the AI features, revealing promising results that warrant further investigation into the potential of generative AI in language education.
Limitations
The limitations of the current studies highlight several critical aspects that may affect the validity of the findings. Notably, the absence of a control group raises questions about the causality of the observed increases in self-efficacy, as these changes could have occurred independently of the AI-based features provided by the app. Additionally, while self-reported data is a common method for assessing self-efficacy in second language acquisition, it is susceptible to biases that may distort learners’ perceptions of their abilities. For instance, features like Roleplay may create an illusion of proficiency without corresponding improvements in actual speaking skills. However, the reported transfer of learning outside the app offers some validation of self-efficacy estimates, as real-world practice provides immediate feedback on language skills.
Moreover, the study’s sample is limited to English speakers learning Spanish or French, which may restrict the generalizability of the results to other language learners. Future research should address these limitations by incorporating control groups, diversifying participant demographics, and empirically evaluating the impact of AI-based features on learning outcomes. Such efforts will enhance the understanding of how these tools can effectively support self-efficacy in language acquisition.