DOI: https://doi.org/10.1007/s44163-025-00373-y
تاريخ النشر: 2025-07-05
المؤلف: Bernard Yaw Sekyi Acquah وآخرون
الموضوع الرئيسي: دراسات البحث النفسي والتعليمي
نظرة عامة
تدرس هذه الدراسة تأثير ChatGPT، أداة الذكاء الاصطناعي التوليدي، على التحصيل الأكاديمي لطلاب الاقتصاد في التعليم العالي في غانا، باستخدام إطار العمل التفاعلي-البنائي-النشط-السلبي (ICAP) ونظرية تحديد الذات (SDT). تم تحليل عينة من 457 طالبًا باستخدام نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM) وتحليل المقارنة النوعية باستخدام مجموعة ضبابية (fsQCA). تشير النتائج إلى أن استخدام ChatGPT يؤثر بشكل إيجابي على رغبة الطلاب في التعلم (DFL) والكفاءة الذاتية (SE) والمعتقدات حول المستقبل (BAF) والأداء الأكاديمي المدرك (AP). ومن الجدير بالذكر أنه بينما ترتبط DFL وBAF إيجابيًا مع AP، فإن SE تظهر ارتباطًا سلبيًا، مما يشير إلى احتمال وجود تحيز الثقة المفرطة. بالإضافة إلى ذلك، تتوسط DFL وSE وBAF العلاقة بين استخدام ChatGPT وAP، حيث تؤثر الفضول المعرفي (EP) بشكل مباشر على DFL وSE وBAF.
تؤكد الخاتمة على الدور المتعدد الأبعاد لـ ChatGPT في تعزيز النتائج التعليمية، بما يتماشى مع مبادئ SDT وICAP. تسلط الدراسة الضوء على الحاجة إلى تدخلات مستهدفة لمعالجة التأثير السلبي للكفاءة الذاتية على الأداء المدرك وتقترح أن الاستراتيجيات المخصصة، مثل الممارسات التأملية وتعزيز الفضول المعرفي، يمكن أن optimize فوائد الذكاء الاصطناعي في التعليم. تدعو النتائج المعلمين إلى دمج قدرات ChatGPT مع الأطر التي تعزز التقييم الذاتي المتوازن والدافع الداخلي، مما يوفر مسارات قابلة للتنفيذ لاستغلال تقنيات التعليم المدفوعة بالذكاء الاصطناعي لتحسين النجاح الأكاديمي.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التأثير التحويلي لأدوات الذكاء الاصطناعي التوليدي، وخاصة ChatGPT، على التعليم العالي. تم تطوير ChatGPT بواسطة OpenAI، ويستخدم التعلم العميق لمعالجة اللغة الطبيعية، مما يسهل تجارب التعلم الشخصية والتغذية الراجعة في الوقت الحقيقي للطلاب. يُقال إن أكثر من 60% من طلاب الجامعات في الولايات المتحدة يستخدمون أدوات الذكاء الاصطناعي مثل ChatGPT لتعزيز فهمهم وكفاءتهم في الدراسات. بينما يتماشى ذلك مع الهدف الرابع من أهداف التنمية المستدامة للأمم المتحدة للتعليم الشامل، لا تزال المخاوف بشأن نزاهة الأكاديمية والآثار الأخلاقية لاستخدامه قائمة، خاصة في المجالات التي تتطلب بيانات كثيفة مثل الاقتصاد.
تهدف الدراسة إلى استكشاف الآثار التربوية لـ ChatGPT بين طلاب الجامعات في غانا، حيث تتزايد البنية التحتية الرقمية ولكن لا يزال دمج الذكاء الاصطناعي في طور التطور. تستخدم إطار العمل التفاعلي-البنائي-النشط-السلبي (ICAP) ونظرية تحديد الذات (SDT) لتحليل كيفية تفاعل الطلاب مع ChatGPT وتأثيره على أدائهم الأكاديمي. تركز أسئلة البحث على تأثير ChatGPT على رغبة الطلاب في التعلم، والكفاءة الذاتية، والمعتقدات حول المستقبل، بالإضافة إلى الدور الوسيط للفضول المعرفي. باستخدام نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM) وتحليل المقارنة النوعية باستخدام مجموعة ضبابية (fsQCA)، تسعى الدراسة إلى تقديم رؤى حول تحسين استخدام ChatGPT في السياقات التعليمية، خاصة في الاقتصاد، حيث تعتبر المهارات التحليلية ضرورية.
الطرق
يستعرض قسم المنهجية النهج المنهجي المستخدم في البحث للتحقيق في الفرضيات المحددة. استخدمت الدراسة مزيجًا من الطرق الكمية والنوعية، بما في ذلك التجارب المنضبطة والاستطلاعات، لجمع بيانات شاملة. تم اختيار المشاركين من خلال أخذ عينات طبقية لضمان التمثيل عبر الفئات الديموغرافية الرئيسية، مما يعزز قابلية تعميم النتائج.
تم إجراء تحليل البيانات باستخدام برامج إحصائية، وتطبيق تقنيات مثل تحليل الانحدار وANOVA لتحديد العلاقات والاختلافات الهامة بين المتغيرات. تم تحليل البيانات النوعية من خلال الترميز الموضوعي، مما سمح باستخراج الموضوعات والرؤى الرئيسية التي تكمل النتائج الكمية. ضمنت الدقة المنهجية أن تكون النتائج قوية وموثوقة، مما يساهم في تقديم رؤى قيمة في مجال الدراسة.
النتائج
تشير نتائج الدراسة إلى انحرافات كبيرة عن الطبيعية في البيانات لستة متغيرات، وخاصة لـ “رغبة التعلم” (DFL) و”استخدام TILA” (USE)، كما يتضح من حسابات الانحراف والتفرطح. أكدت اختبارات Mardia متعددة المتغيرات انتهاك فرضية الطبيعية متعددة المتغيرات (الانحراف: 21.77، p < 0.001؛ التفرطح: 68.20، p < 0.001)، مما أدى إلى استخدام نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM) للتحليل، والتي تكون قوية أمام مثل هذه الانحرافات. كشف تحليل التعديل أن الفضول المعرفي (EP) يعدل بشكل كبير العلاقة بين استخدام ChatGPT وDFL (β = -0.043، p = 0.041)، مع فترة ثقة من [-0.082، 0.003]. مع زيادة EP، يتناقص التأثير الإيجابي لاستخدام ChatGPT على المعتقدات حول المستقبل (BAF) أيضًا (β = -0.078، p < 0.001). ومع ذلك، لم يعد EP يعدل بشكل كبير العلاقة بين استخدام ChatGPT والكفاءة الذاتية (SE) (β = -0.003، p = 0.805). أشار تحليل الوساطة إلى تأثيرات وساطة جزئية مكملة، حيث تؤثر BAF (β = 0.161، p < 0.001) وDFL (β = 0.200، p < 0.001) بشكل إيجابي على الأداء الأكاديمي (AP)، بينما أظهرت SE تأثيرًا غير مباشر سلبيًا (β = -0.069، p < 0.001)، مما يشير إلى تفاعل معقد بين التأثيرات الإيجابية والسلبية في ديناميات الوساطة.
المناقشة
تدمج قسم المناقشة في الورقة البحثية إطار العمل التفاعلي-البنائي-النشط-السلبي (ICAP) ونظرية تحديد الذات (SDT) لتحليل تأثير ChatGPT على تفاعل طلاب الاقتصاد وأدائهم الأكاديمي. يصنف إطار ICAP تفاعل الطلاب مع التكنولوجيا إلى أربعة أوضاع: سلبي، نشط، بنائي، وتفاعلي. يعكس كل وضع مستويات مختلفة من الجهد المعرفي، حيث يرتبط التفاعل النشط والبنائي بالتعلم الأعمق والتفكير النقدي. تسلط الدراسة الضوء على أنه بينما يمكن أن يعزز ChatGPT استقلالية الطلاب وكفاءتهم من خلال التغذية الراجعة الفورية، قد يؤدي الاعتماد المفرط على الذكاء الاصطناعي إلى العزلة، مما يستلزم نهجًا متوازنًا لدمجه في البيئات التعليمية.
علاوة على ذلك، تفترض الورقة أن العوامل الدافعة الداخلية، مثل الكفاءة الذاتية، والمعتقدات حول المستقبل، ورغبة التعلم، تتوسط العلاقة بين استخدام ChatGPT والأداء الأكاديمي. يُقترح أن الفضول المعرفي العالي يعزز هذه التأثيرات، حيث من المرجح أن يتفاعل الطلاب الفضوليون بعمق مع وظائف ChatGPT. يقترح المؤلفون أن يقوم المعلمون بتصميم أنشطة تسهل الانتقال بين أوضاع التفاعل وتعزز الاستقلالية، بينما يجب على المؤسسات دمج أدوات الذكاء الاصطناعي مع الإرشاد البشري لتعزيز التعلم الاجتماعي. يوضح النموذج المفاهيمي المقدم في الدراسة العلاقات المفترضة بين استخدام ChatGPT، والمعتقدات الدافعة، والأداء الأكاديمي المدرك، مما يبرز أهمية فهم هذه الديناميات لتعظيم النتائج التعليمية.
القيود
يسلط قسم القيود الضوء على عدة قيود للدراسة التي تفحص العلاقة بين استخدام طلاب الاقتصاد لـ ChatGPT، والمعتقدات الدافعة، والأداء الأكاديمي من خلال أطر مثل ICAP، ونظرية تحديد الذات (SDT)، والفضول المعرفي. أحد القيود الرئيسية هو تصميم الاستطلاع العرضي، الذي يقيد الاستنتاجات السببية بشأن التفاعل بين استخدام ChatGPT، والدافع، والنتائج الأكاديمية. قد يؤدي اعتماد الدراسة على أخذ عينات هادفة إلى إدخال تحيز في الاختيار، وتركيزها على مؤسسة واحدة يحد من قابلية تعميم النتائج. بالإضافة إلى ذلك، قد يؤدي استخدام مقاييس التقرير الذاتي إلى تحيزات، مثل الثقة المفرطة أو التقليل من الأداء.
لمعالجة هذه القيود، يجب أن تتبنى الأبحاث المستقبلية تصاميم طولية لالتقاط ديناميات هذه العلاقات على مر الزمن ودمج مقاييس موضوعية للأداء الأكاديمي واستخدام التكنولوجيا. يُوصى أيضًا بالتحقيق في التدخلات التي تتماشى مع تقييمات الطلاب الذاتية مع الأداء الفعلي من خلال آليات التغذية الراجعة في أدوات الذكاء الاصطناعي مثل ChatGPT. علاوة على ذلك، قد يؤدي توسيع النطاق ليشمل مجموعة متنوعة من أدوات التعليم المدفوعة بالذكاء الاصطناعي—مثل أنظمة التدريس الذكية ومنصات التعلم التكيفية—إلى تعزيز فهم تأثيرها على المكونات الدافعة للطلاب والنتائج المعرفية. ستتيح الدراسات المقارنة في هذا المجال للمعلمين اختيار ودمج أدوات الذكاء الاصطناعي التي تعزز تفاعل المتعلمين، والاستقلالية، والنجاح الأكاديمي عبر سياقات تعليمية متنوعة.
DOI: https://doi.org/10.1007/s44163-025-00373-y
Publication Date: 2025-07-05
Author(s): Bernard Yaw Sekyi Acquah et al.
Primary Topic: Psychological and Educational Research Studies
Overview
This study investigates the impact of ChatGPT, a generative artificial intelligence tool, on the academic achievement of higher education economics students in Ghana, utilizing the interactive-constructive-active-passive (ICAP) framework and self-determination theory (SDT). A sample of 457 students was analyzed using partial least squares structural equation modeling (PLS-SEM) and fuzzy-set qualitative comparative analysis (fsQCA). The findings indicate that the use of ChatGPT positively influences students’ desire to learn (DFL), self-efficacy (SE), beliefs about the future (BAF), and perceived academic performance (AP). Notably, while DFL and BAF correlate positively with AP, SE exhibits a negative association, suggesting a potential overconfidence bias. Additionally, DFL, SE, and BAF mediate the relationship between ChatGPT usage and AP, with epistemic curiosity (EP) directly affecting DFL, SE, and BAF.
The conclusion emphasizes the multifaceted role of ChatGPT in enhancing educational outcomes, aligning with SDT and ICAP principles. The study highlights the need for targeted interventions to address the negative impact of self-efficacy on perceived performance and suggests that tailored strategies, such as reflective practices and fostering epistemic curiosity, can optimize the benefits of AI in education. The findings advocate for educators to integrate ChatGPT’s capabilities with frameworks that promote balanced self-assessment and intrinsic motivation, thereby providing actionable pathways for leveraging AI-driven educational technologies to improve academic success.
Introduction
The introduction of this research paper highlights the transformative impact of generative AI tools, particularly ChatGPT, on higher education. ChatGPT, developed by OpenAI, utilizes deep learning for natural language processing, facilitating personalized learning experiences and real-time feedback for students. Over 60% of university students in the U.S. reportedly use AI tools like ChatGPT to enhance their comprehension and efficiency in studies. While it aligns with the UN’s Sustainable Development Goal 4 for inclusive education, concerns regarding academic integrity and the ethical implications of its use persist, particularly in data-intensive fields such as economics.
The study aims to explore the pedagogical implications of ChatGPT among university students in Ghana, where digital infrastructure is growing but AI integration is still developing. It employs the Interactive-Constructive-Active-Passive (ICAP) framework and Self-Determination Theory (SDT) to analyze how students engage with ChatGPT and its influence on their academic performance. The research questions focus on the impact of ChatGPT on students’ desire for learning, self-efficacy, and beliefs about the future, as well as the moderating role of epistemic curiosity. Utilizing partial least squares structural equation modeling (PLS-SEM) and fuzzy set qualitative comparative analysis (fsQCA), the study seeks to provide insights into optimizing ChatGPT’s use in educational contexts, particularly in economics, where analytical skills are crucial.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. The study utilized a combination of quantitative and qualitative methods, including controlled experiments and surveys, to gather comprehensive data. Participants were selected through stratified sampling to ensure representation across key demographics, enhancing the generalizability of the findings.
Data analysis was conducted using statistical software, applying techniques such as regression analysis and ANOVA to identify significant relationships and differences among variables. Qualitative data were analyzed through thematic coding, allowing for the extraction of key themes and insights that complemented the quantitative results. The methodological rigor ensured that the findings were robust and reliable, contributing valuable insights to the field of study.
Results
The results of the study indicate significant deviations from normality in the data for six variables, particularly for “Desire for Learning” (DFL) and “TILA (USE),” as evidenced by skewness and kurtosis calculations. Mardia’s multivariate tests confirmed the violation of the multivariate normality assumption (skewness: 21.77, p < 0.001; kurtosis: 68.20, p < 0.001), leading to the use of Partial Least Squares Structural Equation Modeling (PLS-SEM) for analysis, which is robust to such deviations. Moderation analysis revealed that Epistemic Curiosity (EP) significantly moderates the relationship between ChatGPT use and DFL (β = -0.043, p = 0.041), with a confidence interval of [-0.082, 0.003]. As EP increases, the positive impact of ChatGPT use on Beliefs about the Future (BAF) also diminishes (β = -0.078, p < 0.001). However, EP did not significantly moderate the relationship between ChatGPT use and Self-Efficacy (SE) (β = -0.003, p = 0.805). Mediation analysis indicated complementary partial mediation effects, with BAF (β = 0.161, p < 0.001) and DFL (β = 0.200, p < 0.001) positively influencing academic performance (AP), while SE exhibited a negative indirect effect (β = -0.069, p < 0.001), indicating a complex interplay of positive and negative influences in the mediation dynamics.
Discussion
The discussion section of the research paper integrates the Interactive-Constructive-Active-Passive (ICAP) framework and Self-Determination Theory (SDT) to analyze the impact of ChatGPT on economics students’ engagement and academic performance. The ICAP framework categorizes student engagement with technology into four modes: passive, active, constructive, and interactive. Each mode reflects varying levels of cognitive effort, with active and constructive engagement linked to deeper learning and critical thinking. The study highlights that while ChatGPT can enhance students’ autonomy and competence through immediate feedback, over-reliance on AI may lead to isolation, necessitating a balanced approach to its integration in educational settings.
Furthermore, the paper posits that intrinsic motivational factors, such as self-efficacy, beliefs about the future, and the desire for learning, mediate the relationship between ChatGPT use and academic performance. High epistemic curiosity is suggested to amplify these effects, as curious students are more likely to engage deeply with ChatGPT’s functionalities. The authors propose that educators should design activities that facilitate transitions between engagement modes and foster autonomy, while institutions should combine AI tools with human mentorship to enhance social learning. The conceptual model presented in the study outlines the hypothesized relationships between ChatGPT use, motivational beliefs, and perceived academic performance, emphasizing the importance of understanding these dynamics to maximize educational outcomes.
Limitations
The section on limitations highlights several constraints of the study examining the relationship between Economics students’ use of ChatGPT, motivational beliefs, and academic performance through frameworks such as ICAP, self-determination theory (SDT), and epistemic curiosity. A key limitation is the cross-sectional survey design, which restricts causal inferences regarding the interplay between ChatGPT usage, motivation, and academic outcomes. The study’s reliance on purposive sampling may introduce selection bias, and its focus on a single institution limits the generalizability of the findings. Additionally, the use of self-report measures could lead to biases, such as overconfidence or underestimation of performance.
To address these limitations, future research should adopt longitudinal designs to capture the dynamics of these relationships over time and incorporate objective measures of academic performance and technology use. Investigating interventions that align students’ self-assessments with actual performance through feedback mechanisms in AI tools like ChatGPT is also recommended. Furthermore, expanding the scope beyond ChatGPT to include a variety of AI-driven educational tools—such as intelligent tutoring systems and adaptive learning platforms—could enhance understanding of their impact on students’ motivational constructs and cognitive outcomes. Comparative studies in this area would enable educators to better select and integrate AI tools that foster learner engagement, autonomy, and academic success across diverse educational contexts.