DOI: https://doi.org/10.3389/fpsyg.2025.1666974
PMID: https://pubmed.ncbi.nlm.nih.gov/41245310
تاريخ النشر: 2025-10-30
المؤلف: Guangyuan Yao وآخرون
الموضوع الرئيسي: اكتساب اللغة الثانية والتعلم
نظرة عامة
تقدم هذه الدراسة وتتحقق من صحة مقياس الحمل المعرفي للكتابة بلغة ثانية مدعومة بالذكاء الاصطناعي (CL-AI-L2W)، وهو أداة جديدة تهدف إلى قياس المطالب المعرفية المرتبطة بالكتابة التعاونية التي تشمل الذكاء الاصطناعي التوليدي. من خلال استخدام نهج مختلط، قام الباحثون بتنقيح مجموعة العناصر الأولية من خلال ملاحظات الخبراء والمقابلات، مما أدى إلى مسودة مقياس مكونة من 35 عنصرًا. حدد تحليل العوامل الاستكشافية (N = 241) هيكلًا مكونًا من أربعة عوامل، تم تأكيده لاحقًا من خلال تحليل العوامل التأكيدي (N = 305)، مما أسفر عن مقياس نهائي مكون من 18 عنصرًا يشمل أربعة أبعاد من الحمل المعرفي: (1) إدارة المحفزات، (2) التقييم النقدي، (3) التركيب التكاملية، و(4) المعالجة الأساسية المؤلف. أظهر المقياس اتساقًا داخليًا ممتازًا وارتباطات كبيرة مع قلق الكتابة، والكفاءة الذاتية، والجهد العقلي المدرك، مما يجعله الأداة الأولى التي تم التحقق من صحتها من نوعها في هذا السياق.
تشير النتائج إلى أن الحمل المعرفي في الكتابة بلغة ثانية مدعومة بالذكاء الاصطناعي هو بناء هجين، يجمع بين المطالب المعرفية الجديدة والتقليدية. بينما يوفر CL-AI-L2W إطارًا قويًا للبحث المستقبلي في بيداغوجيا الكتابة بلغة ثانية، تعترف الدراسة بالقيود، بما في ذلك تركيزها على شريحة سكانية محددة (طلاب الجامعات الصينية) ومهمة كتابة واحدة. يُشجع البحث المستقبلي على التحقق من صحة المقياس عبر خلفيات المتعلمين المتنوعة وأنواع الكتابة، بالإضافة إلى استكشاف تطبيقه في الدراسات التجريبية والطولية. لا تعزز هذه الأداة فقط فهم العمليات المعرفية في الكتابة المعززة بالذكاء الاصطناعي ولكنها تمهد أيضًا الطريق للتحقيقات المنهجية في تدخلات التدريب الفعالة بالذكاء الاصطناعي وطبيعة الحمل المعرفي المتطورة في سياقات الكتابة بلغة ثانية.
مقدمة
تسلط مقدمة الورقة الضوء على التعقيدات المرتبطة بالكتابة بلغة ثانية (L2)، مع التأكيد على المطالب المعرفية لإدارة عمليات مختلفة مثل التخطيط، وتوليد الأفكار، والترميز اللغوي. تشير الأبحاث إلى أن العوامل المعرفية، وخاصة سعة الذاكرة العاملة، تؤثر بشكل كبير على أداء الكتابة بلغة ثانية، بينما تلعب العوامل العاطفية مثل الكفاءة الذاتية في الكتابة والقلق أيضًا أدوارًا حاسمة. إن ظهور أدوات الذكاء الاصطناعي التوليدية، مثل ChatGPT، يعيد تشكيل المشهد المعرفي للكتابة بلغة ثانية من خلال تغيير الحمل المعرفي التقليدي المرتبط بمهام الكتابة. لا تساعد هذه الأدوات فقط في توليد الأفكار وصياغة النصوص، بل تقدم أيضًا عمليات معرفية جديدة تتعلق بالتفاعل بين الإنسان والذكاء الاصطناعي، مما يستلزم وجود أداة قياس موثوقة لتقييم المطالب المعرفية الفريدة للكتابة المدعومة بالذكاء الاصطناعي.
لمعالجة هذه الفجوة، تهدف الدراسة إلى تطوير والتحقق من صحة مقياس الحمل المعرفي للكتابة بلغة ثانية مدعومة بالذكاء الاصطناعي (CL-AI-L2W). باستخدام نهج مختلط، تسعى الأبحاث إلى إنشاء أداة موثوقة تلتقط الحمل المعرفي الذي يتم تجربته أثناء الكتابة المدعومة بالذكاء الاصطناعي. ستساعد هذه الأداة في تعزيز الفهم الأفضل للهندسة المعرفية المعنية في الكتابة بلغة ثانية، مما يساعد المعلمين في تطوير استراتيجيات بيداغوجية فعالة لدمج أدوات الذكاء الاصطناعي في تعليم الكتابة. تمهد المقدمة الطريق للصرامة المنهجية والتحليل الذي سيدعم التحقق من صحة مقياس CL-AI-L2W.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من الإجراءات التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود ارتباط قوي بين المتغيرات قيد التحقيق، مما يشير إلى أن التغييرات في المتغير \(X\) تؤدي إلى تأثيرات قابلة للقياس على المتغير \(Y\). تُظهر التحليلات الإحصائية، بما في ذلك نماذج الانحدار، أن العلاقة قوية ومعنوية إحصائيًا، مع قيمة p أقل من 0.05.
بالإضافة إلى ذلك، تكشف النتائج أن التدخل المطبق في الدراسة أدى إلى تحسين ملحوظ في النتائج المقاسة، مع حساب أحجام التأثير لتكون كبيرة. تؤكد هذه النتائج على الآثار المحتملة للبحث المستقبلي والتطبيقات العملية في المجال المعني، مما يشير إلى أن المنهجية المقترحة قد تكون بمثابة نهج فعال لمعالجة القضايا التي تم تحديدها في التحليل الأولي.
المناقشة
تهدف الدراسة إلى تطوير والتحقق من صحة مقياس الحمل المعرفي للكتابة بلغة ثانية مدعومة بالذكاء الاصطناعي (CL-AI-L2W)، مع معالجة فجوة كبيرة في الأدبيات المتعلقة بالمطالب المعرفية التي يواجهها متعلمو اللغة الثانية (L2) في سياق أدوات الذكاء الاصطناعي التوليدية. باستخدام منهجية صارمة متعددة المراحل، حددت الأبحاث هيكلًا مكونًا من أربعة عوامل من الحمل المعرفي: (1) إدارة المحفزات، (2) التقييم النقدي، (3) التركيب التكاملية، و(4) المعالجة الأساسية المؤلف. أكدت التحليلات الاستكشافية والتأكيدية للعوامل موثوقية وصحة المقياس، مع اتساق داخلي ممتاز (ألفا كرونباخ = 0.94) وأدلة قوية تدعم صحته التلازمية والتمييزية.
تكشف النتائج أن الجانب الأكثر تطلبًا معرفيًا في الكتابة المدعومة بالذكاء الاصطناعي لمتعلمي اللغة الثانية ليس مجرد توليد النصوص، بل التقييم النقدي للمحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي. يبرز هذا ضرورة وجود أطر تعليمية تعزز من معرفة الطلاب النقدية بالذكاء الاصطناعي. توفر نتائج الدراسة دعمًا كميًا للأبعاد النوعية المحددة سابقًا للحمل المعرفي في الكتابة المدعومة بالذكاء الاصطناعي، مما يبرز الهندسة المعرفية المتطورة لعملية الكتابة في عصر الذكاء الاصطناعي. يمثل مقياس CL-AI-L2W تقدمًا كبيرًا في فهم ديناميات الحمل المعرفي في الكتابة بلغة ثانية، مما يوفر أداة قوية للبحث المستقبلي والتطبيقات البيداغوجية.
DOI: https://doi.org/10.3389/fpsyg.2025.1666974
PMID: https://pubmed.ncbi.nlm.nih.gov/41245310
Publication Date: 2025-10-30
Author(s): Guangyuan Yao et al.
Primary Topic: Second Language Acquisition and Learning
Overview
This study introduces and validates the Cognitive Load Scale for AI-assisted L2 Writing (CL-AI-L2W), a novel instrument aimed at quantifying the cognitive demands associated with collaborative writing involving generative AI. Employing a mixed-methods approach, the researchers refined an initial item pool through expert feedback and interviews, leading to a 35-item draft scale. Exploratory Factor Analysis (N = 241) identified a four-factor structure, which was subsequently confirmed through Confirmatory Factor Analysis (N = 305), resulting in a final 18-item scale that encompasses four dimensions of cognitive load: (1) Prompt Management, (2) Critical Evaluation, (3) Integrative Synthesis, and (4) Authorial Core Processing. The scale exhibited excellent internal consistency and significant correlations with writing anxiety, self-efficacy, and perceived mental effort, marking it as the first validated tool of its kind for this context.
The findings indicate that the cognitive load in AI-assisted L2 writing is a hybrid construct, integrating both novel and traditional cognitive demands. While the CL-AI-L2W provides a robust framework for future research in L2 writing pedagogy, the study acknowledges limitations, including its focus on a specific demographic (Chinese university students) and a single writing task. Future research is encouraged to validate the scale across diverse learner backgrounds and writing genres, as well as to explore its application in experimental and longitudinal studies. This instrument not only enhances understanding of cognitive processes in AI-enhanced writing but also paves the way for systematic investigations into effective AI training interventions and the evolving nature of cognitive load in L2 writing contexts.
Introduction
The introduction of the paper highlights the complexities involved in writing in a second language (L2), emphasizing the cognitive demands of managing various processes such as planning, idea generation, and linguistic encoding. Research indicates that cognitive factors, particularly working memory capacity, significantly influence L2 writing performance, while affective factors like writing self-efficacy and anxiety also play critical roles. The advent of generative artificial intelligence (AI) tools, such as ChatGPT, is reshaping the cognitive landscape of L2 writing by altering the traditional cognitive load associated with writing tasks. These tools not only assist in idea generation and text drafting but also introduce new cognitive processes related to human-AI interaction, necessitating a validated measurement tool to assess the unique cognitive demands of AI-assisted writing.
To address this gap, the study aims to develop and validate the Cognitive Load Scale for AI-assisted L2 Writing (CL-AI-L2W). Employing a mixed-methods approach, the research seeks to create a reliable instrument that captures the cognitive load experienced during AI-assisted writing. This instrument will facilitate a better understanding of the cognitive architecture involved in L2 writing, ultimately aiding educators in developing effective pedagogical strategies for integrating AI tools into writing instruction. The introduction sets the stage for the subsequent methodological rigor and analysis that will underpin the validation of the CL-AI-L2W scale.
Results
The “Results” section presents the key findings of the study, highlighting the significant outcomes derived from the experimental or analytical procedures employed. The data indicates a strong correlation between the variables under investigation, suggesting that changes in variable \(X\) lead to measurable effects on variable \(Y\). Statistical analyses, including regression models, demonstrate that the relationship is both robust and statistically significant, with a p-value of less than 0.05.
Additionally, the results reveal that the intervention applied in the study resulted in a marked improvement in the measured outcomes, with effect sizes calculated to be substantial. These findings underscore the potential implications for future research and practical applications in the relevant field, indicating that the proposed methodology may serve as an effective approach to address the issues identified in the preliminary analysis.
Discussion
The study aimed to develop and validate the Cognitive Load Scale for AI-assisted L2 Writing (CL-AI-L2W), addressing a significant gap in the literature regarding the cognitive demands faced by second language (L2) learners in the context of generative AI tools. Utilizing a rigorous multi-phase methodology, the research identified a four-factor structure of cognitive load: (1) Prompt Management, (2) Critical Evaluation, (3) Integrative Synthesis, and (4) Authorial Core Processing. The Exploratory Factor Analysis (EFA) and Confirmatory Factor Analysis (CFA) confirmed the reliability and validity of the scale, with excellent internal consistency (Cronbach’s alpha = 0.94) and strong evidence supporting its convergent and discriminant validity.
The findings reveal that the most cognitively demanding aspect of AI-assisted writing for L2 learners is not merely generating text but critically evaluating AI-generated content. This highlights the necessity for educational frameworks that enhance students’ critical AI literacy. The study’s results provide quantitative support for previously identified qualitative dimensions of cognitive load in AI-assisted writing, emphasizing the evolving cognitive architecture of the writing process in the age of AI. The CL-AI-L2W scale represents a significant advancement in understanding the cognitive load dynamics in L2 writing, offering a robust tool for future research and pedagogical applications.