DOI: https://doi.org/10.3389/fpsyg.2026.1794730
PMID: https://pubmed.ncbi.nlm.nih.gov/41929815
تاريخ النشر: 2026-03-18
المؤلف: Dan Wang وآخرون
الموضوع الرئيسي: دراسات الكمالية، التسويف، والقلق
نظرة عامة
تستكشف هذه الدراسة العلاقة بين الضغط الأكاديمي والاعتماد على التصميم الذي يتم إنشاؤه بواسطة الذكاء الاصطناعي (AIGD) بين طلاب التصميم، باستخدام نموذج تفاعل الشخص-العاطفة-الإدراك-التنفيذ (I-PACE). تفحص الدراسة بشكل خاص كيف أن التسويف الأكاديمي وسلوكيات طلب المساعدة تتوسط هذه العلاقة. تكشف تحليل البيانات من 492 طالب تصميم عن وجود ارتباط إيجابي بين الضغط الأكاديمي والاعتماد على AIGD، حيث تؤثر سلوكيات التسويف وطلب المساعدة بشكل كبير على هذه الوساطة. توضح النتائج الآليات النفسية التي تحول AIGD من أداة داعمة إلى اعتماد في ظل ظروف الضغط الأكاديمي العالي.
في الختام، تؤسس البحث نموذجًا مفاهيميًا قائمًا على إطار عمل I-PACE، مما يوضح أن الضغط الأكاديمي يساهم بشكل كبير في الاعتماد على AIGD من خلال التأثيرات الوسيطة للتسويف وطلب المساعدة. التفاعل بين هذين السلوكين أمر حاسم لفهم تشكيل الاعتماد على AIGD. تسلط الدراسة الضوء على الدور المزدوج للذكاء الاصطناعي التوليدي كأداة تعليمية ومصدر محتمل للاعتماد، مما يقدم تداعيات عملية للمعلمين لتعزيز عادات استخدام الذكاء الاصطناعي الصحية مع تحقيق التوازن بين الكفاءة والتطور المعرفي. تسهم النتائج في فهم أعمق لسلوك الطلاب في سياق الذكاء الاصطناعي في التعليم.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التأثير التحويلي لتصميم الذكاء الاصطناعي التوليدي (AIGD) على التعليم المعاصر، لا سيما في التخصصات التصميمية. تعزز أدوات AIGD، مثل Midjourney وDALL-E، القدرات الإبداعية لكنها أيضًا تعزز الاعتماد بين الطلاب، الذين قد يعتمدون على هذه التقنيات لتجنب الانخراط العميق في التفكير. يتفاقم هذا الاعتماد بسبب الضغوط الأكاديمية، بما في ذلك المنافسة وتوقعات الأداء، مما يدفع الطلاب لاستخدام AIGD كحل سريع لإدارة المهام التصميمية المعقدة. تحدد الورقة “اعتماد AIGD” كاعتماد مفرط على هذه الأدوات، مما يمكن أن يعيق التفكير المستقل والإبداع.
تهدف الدراسة إلى التحقيق في العلاقة بين الضغط الأكاديمي والاعتماد على AIGD، باستخدام نموذج الشخص-العاطفة-الإدراك-التنفيذ (I-PACE) لاستكشاف الأدوار الوسيطة للتسويف الأكاديمي وسلوكيات طلب المساعدة. من خلال معالجة الفجوات في الأدبيات الحالية بشأن الآثار الضارة للاعتماد على AIGD في التعليم التصميمي، تسعى البحث لتقديم أدلة تجريبية وتوصيات عملية لتعزيز تفاعل متوازن ومستدام مع أدوات AIGD بين الطلاب. تركز أسئلة البحث الرئيسية على العلاقة بين الضغط الأكاديمي والاعتماد على AIGD، بالإضافة إلى التأثيرات الوسيطة للتسويف وسلوك طلب المساعدة.
طرق البحث
تحدد قسم “طرق البحث” الإجراءات التجريبية والتحليلية المستخدمة في الدراسة. توضح اختيار المشاركين، وتصميم التجارب، والتقنيات الإحصائية المستخدمة لتحليل البيانات. استخدم الباحثون بيئة محكومة لتقليل المتغيرات الخارجية، مما يضمن أن النتائج تعود إلى التدخلات التي تم اختبارها.
شملت جمع البيانات قياسات نوعية وكمية، مع وصف أدوات وبروتوكولات محددة لكل منها. تضمنت التحليل تطبيق اختبارات إحصائية لتقييم دلالة النتائج، مع التركيز على ضمان القوة والموثوقية. بشكل عام، تم تصميم المنهجية لتقييم الفرضيات المطروحة في الدراسة بدقة، مما يوفر أساسًا قويًا للنتائج والاستنتاجات اللاحقة.
النتائج
يقدم قسم النتائج بيانات ديموغرافية من عينة الدراسة، مع تسليط الضوء على هيمنة المشاركين الذكور. تُظهر توزيع الأعمار أن الأفراد الذين تتراوح أعمارهم بين 21 عامًا يمثلون أكبر مجموعة بنسبة 21.7%، بينما يشكل طلاب السنة الثالثة في الجامعة النسبة الأعلى بنسبة 27.44%. من حيث الانتماء المؤسسي، يشكل الطلاب من الجامعات الشاملة الغالبية بنسبة 26.83%. بالإضافة إلى ذلك، يكشف تحليل التخصص الأكاديمي أن تصميم المنتجات يمثل أكبر حصة من المشاركين بنسبة 20.1%. توفر هذه العينة المتنوعة عبر العمر ونوع الجامعة والتخصص التصميمي أساسًا قويًا لمزيد من التحليل في الدراسة.
المناقشة
تستخدم الدراسة نموذج I-PACE لاستكشاف العلاقة بين الضغط الأكاديمي والاعتماد على تصميم الذكاء الاصطناعي (AIGD) بين طلاب التصميم، مع التركيز على الأدوار الوسيطة للتسويف الأكاديمي وسلوك طلب المساعدة الأكاديمية. تشير النتائج إلى وجود ارتباط إيجابي كبير بين الضغط الأكاديمي والاعتماد على AIGD، مما يشير إلى أن الطلاب الذين يعانون من ضغط أكاديمي مرتفع هم أكثر عرضة للاعتماد على أدوات AIGD كآليات للتكيف. يمكن أن يتطور هذا الاعتماد إلى اعتماد نفسي، حيث يدرك الطلاب AIGD ليس فقط كوسيلة للمساعدة الأكاديمية ولكن أيضًا كمصدر للثقة ودعم اتخاذ القرار.
تحدد البحث أيضًا التسويف الأكاديمي كوسيط رئيسي في هذه العلاقة، حيث يؤدي زيادة الضغط الأكاديمي إلى مستويات أعلى من التسويف، مما يزيد بدوره من الاعتماد على AIGD. بالإضافة إلى ذلك، يتوسط سلوك طلب المساعدة الأكاديمية أيضًا هذه العلاقة، حيث يكون الطلاب تحت الضغط أكثر ميلاً لطلب المساعدة من خلال أدوات AIGD. تفترض الدراسة أن كل من سلوكيات التسويف وطلب المساعدة يمكن أن تخلق دورة تعزز الاعتماد على AIGD، مما يبرز الحاجة إلى الوعي بالمخاطر المحتملة المرتبطة بالاعتماد المفرط على التكنولوجيا للدعم الأكاديمي. بشكل عام، تسهم الدراسة في فهم الآليات التي تربط الضغط الأكاديمي بالاستخدام المفرط للتكنولوجيا في السياقات التعليمية، لا سيما في مجال AIGD الناشئ.
القيود
تسلط القيود في هذه الدراسة حول اعتماد AIGD (تصميم الذكاء الاصطناعي) بين طلاب التصميم في الجامعات الضوء على عدة مجالات للبحث المستقبلي. أولاً، التصميم العرضي المستخدم يحد من القدرة على إقامة علاقات سببية، مما يستلزم دراسات طولية لفهم كيفية تأثير AIGD على الكفاءات الأساسية مثل الإبداع والتفكير النقدي بشكل أفضل. ثانيًا، الاعتماد على مقاييس ذاتية للتقييم الذاتي للكفاءة يقدم تحيزًا محتملاً، مما يشير إلى أن الأبحاث المستقبلية يجب أن تتضمن تقييمات موضوعية للتحقق من النتائج المتعلقة بتحسين الكفاءة فيما يتعلق بالاعتماد على AIGD.
بالإضافة إلى ذلك، قد يحد تركيز الدراسة على طلاب التصميم الصينيين من تعميم النتائج بسبب الاختلافات الثقافية والتخصصية. يمكن أن تستفيد التحقيقات المستقبلية من المقارنات عبر الثقافات والتخصصات لتعزيز قابلية تطبيق الاستنتاجات. أخيرًا، تعالج البحث اعتماد AIGD كفكرة واحدة دون تمييز بين أنماط الاستخدام المختلفة، مثل الاستخدام البناء مقابل الاستخدام الضار لأدوات الذكاء الاصطناعي. يجب أن تستكشف الدراسات المستقبلية هذه الفروق الدقيقة لتقييم آثار اعتماد AIGD بشكل أفضل في السياقات التعليمية.
DOI: https://doi.org/10.3389/fpsyg.2026.1794730
PMID: https://pubmed.ncbi.nlm.nih.gov/41929815
Publication Date: 2026-03-18
Author(s): Dan Wang et al.
Primary Topic: Perfectionism, Procrastination, Anxiety Studies
Overview
This study investigates the relationship between academic stress and dependency on artificial intelligence-generated design (AIGD) among design students, utilizing the Interaction of the Person-Affect-Cognition-Execution (I-PACE) model. It specifically examines how academic procrastination and help-seeking behaviors mediate this relationship. An analysis of data from 492 design students reveals a positive correlation between academic stress and AIGD dependency, with procrastination and help-seeking behaviors significantly influencing this chain mediation. The findings elucidate the psychological mechanisms that transform AIGD from a supportive tool into a dependency under conditions of high academic stress.
In conclusion, the research establishes a conceptual model based on the I-PACE framework, demonstrating that academic stress significantly contributes to AIGD dependency through the mediating effects of procrastination and help-seeking. The interaction between these two behaviors is critical in understanding the formation of AIGD dependency. The study highlights the dual role of generative AI as both an educational aid and a potential source of dependency, offering practical implications for educators to promote healthy AI usage habits while balancing efficiency and cognitive development. The results contribute to a deeper understanding of student behavior in the context of AI in education.
Introduction
The introduction of this research paper highlights the transformative impact of artificial intelligence generative design (AIGD) on contemporary education, particularly in design disciplines. AIGD tools, such as Midjourney and DALL-E, enhance creative capabilities but also foster a dependency among students, who may rely on these technologies to circumvent deep cognitive engagement. This dependency is exacerbated by academic stressors, including competition and performance expectations, leading students to use AIGD as a quick solution to manage complex design tasks. The paper identifies “AIGD dependency” as an excessive reliance on these tools, which can hinder independent thinking and creativity.
The study aims to investigate the relationship between academic stress and AIGD dependency, utilizing the Person-Affect-Cognition-Execution (I-PACE) model to explore the mediating roles of academic procrastination and help-seeking behaviors. By addressing the gaps in existing literature regarding the detrimental effects of AIGD dependency in design education, the research seeks to provide empirical evidence and practical recommendations for fostering a balanced and sustainable interaction with AIGD tools among students. The primary research questions focus on the association between academic stress and AIGD dependency, as well as the mediating effects of procrastination and help-seeking behavior.
Methods
The “Methods” section outlines the experimental and analytical procedures employed in the study. It details the selection of participants, the design of the experiments, and the statistical techniques used for data analysis. The researchers utilized a controlled environment to minimize external variables, ensuring that the results were attributable to the interventions being tested.
Data collection involved both qualitative and quantitative measures, with specific instruments and protocols described for each. The analysis included the application of statistical tests to evaluate the significance of the findings, with a focus on ensuring robustness and reliability. Overall, the methodology was designed to rigorously assess the hypotheses posed in the study, providing a solid foundation for the subsequent results and conclusions.
Results
The results section presents demographic data from the study’s sample, highlighting a predominance of male respondents. The age distribution shows that individuals aged 21 represent the largest group at 21.7%, while third-year university students constitute the highest percentage at 27.44%. In terms of institutional affiliation, students from comprehensive universities make up the majority at 26.83%. Additionally, the academic major analysis reveals that product design accounts for the largest share of respondents at 20.1%. This diverse sample across age, university type, and design major provides a robust foundation for further analysis in the study.
Discussion
The study utilizes the I-PACE model to explore the relationship between academic stress and Artificial Intelligence Generated Design (AIGD) dependency among design students, focusing on the mediating roles of academic procrastination and academic help-seeking behavior. The findings indicate a significant positive correlation between academic stress and AIGD dependency, suggesting that students experiencing high academic stress are more likely to rely on AIGD tools as coping mechanisms. This reliance can evolve into psychological dependence, as students perceive AIGD as not only a means of academic assistance but also a source of confidence and decision-making support.
The research further identifies academic procrastination as a key mediator in this relationship, where increased academic stress leads to higher levels of procrastination, which in turn exacerbates AIGD dependency. Additionally, academic help-seeking behavior also mediates this relationship, as students under stress are more inclined to seek assistance through AIGD tools. The study posits that both procrastination and help-seeking behaviors can create a cycle that reinforces AIGD dependency, highlighting the need for awareness of the potential risks associated with over-reliance on technology for academic support. Overall, the study contributes to understanding the mechanisms linking academic stress to problematic technology use in educational contexts, particularly in the emerging domain of AIGD.
Limitations
The limitations of this study on AIGD (Artificial Intelligence Generated Design) dependency among design major university students highlight several areas for future research. Firstly, the cross-sectional design employed restricts the ability to establish causal relationships, necessitating longitudinal studies to better understand how AIGD influences core competencies such as creativity and critical thinking. Secondly, the reliance on self-reported measures for perceived competence introduces potential bias, suggesting that future research should incorporate objective assessments to validate findings regarding competence improvement in relation to AIGD dependency.
Additionally, the study’s focus on Chinese design students may limit the generalizability of the results due to cultural and disciplinary differences. Future investigations could benefit from cross-cultural and interdisciplinary comparisons to enhance the applicability of conclusions. Lastly, the research treats AIGD dependency as a singular concept without distinguishing between different usage patterns, such as constructive versus detrimental use of AI tools. Future studies should explore these nuances to better assess the implications of AIGD dependency in educational contexts.