مقالة بحثية

القوى المزدوجة في الذكاء الاصطناعي: كيف يؤثر الذكاء الاصطناعي التوليدي والاعتماد المتصور على الذكاء الاصطناعي على الخوف من الفقدان (FoMO) واكتساب مفردات طلاب اللغة الإنجليزية كلغة أجنبية

DOI:

10.3791/69637

ديسمبر 19, 2025

في هذه المقالة

ملخص

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تفحص هذه الدراسة كيف يؤثر دمج الذكاء الاصطناعي على متعلمي اللغة الإنجليزية نفسيا وعقليا. وجدت أن استخدام الذكاء الاصطناعي يزيد من القلق (FoMO)، مما يضر بفهم المقروء، بينما يضعف الإرهاق الرقمي العلاقة بين الفهم والمفردات. الهدف هو تسليط الضوء على الحاجة إلى استخدام متوازن من الذكاء الاصطناعي لدعم التعلم.

الملخص

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تفحص هذه الدراسة كيف يؤثر دمج الذكاء الاصطناعي (الذكاء الاصطناعي) في تعلم اللغة على النتائج النفسية والمعرفية بين متعلمي اللغة الإنجليزية كلغة أجنبية (EFL). على وجه التحديد، يبحث في تأثيرات الاعتماد المتصور على الذكاء الاصطناعي، والمخاوف الأخلاقية، واستخدام الذكاء الاصطناعي التوليدي على الخوف من فقدان الفرص (FoMO)، وفهم القراءة المقاس بمقياس استراتيجيات القراءة، واكتساب المفردات، مع النظر في الدور المعتدل للإرهاق الرقمي. تم استخدام تصميم مسح مقطعي مع n = 450 من متعلمين اللغة الإنجليزية كأجنبية، وتم تحليل البيانات باستخدام نمذجة المعادلات الهيكلية ذات المربعات الصغرى الجزئية (PLS-SEM) لتقييم العلاقات المباشرة والوسيطة. تكشف النتائج أن العوامل المتعلقة الذكاء الاصطناعي تتنبأ بشكل كبير بارتفاع ارتفاع معدل الرؤية المفتوحة للقراءة، مما يؤثر سلبا على فهم القراءة. بينما يدعم فهم القراءة بقوة اكتساب المفردات، فإن الإرهاق الرقمي يضعف هذه العلاقة. تسلط الدراسة الضوء على الطبيعة المزدوجة الذكاء الاصطناعي في التعليم، حيث يسهل نتائج التعلم ويساهم في الوقت نفسه في زيادة الضغط النفسي. تؤكد هذه النتائج على أهمية دمج الذكاء الاصطناعي المتوازن في تعلم اللغة، مع التأكيد على الحاجة إلى استراتيجيات تخفف من القلق الرقمي والإرهاق. توسع التداعيات النظرية البحث حول التعلم الوسيط بالتقنية من خلال تحديد FoMO كمسار مؤثر حاسم في السياقات التعليمية المدفوعة بالذكاء الذكاء الاصطناعي. تشمل التوصيات العملية دمج ممارسات العافية الرقمية إلى جانب أدوات الذكاء الاصطناعي لتحسين فوائد التعلم مع تقليل الآثار النفسية السلبية.

المقدمة

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

لقد أدى الدمج السريع للذكاء الاصطناعي التوليدي (الذكاء الاصطناعي) في التعليم إلى تحويل نماذج تعلم اللغة التقليدية، لا سيما في سياقات اللغة الإنجليزية كلغة أجنبية (EFL)1. تعد أدوات مثل مساعدي المفردات المدعومين بالذكاء الذكاء الاصطناعي، وأنظمة التغذية الراجعة الآلية للكتابة، ومنصات التعلم التكيفية بكفاءة محسنة وتعليما شخصيا2. ومع ذلك، فقد أدخل هذا التحول التكنولوجي أيضا تحديات نفسية وتربية، بما في ذلك الاعتماد الملحوظ على الذكاء الاصطناعي، والإرهاق الرقمي، والمخاوف الأخلاقية التي قد تتوسط نتائج التعلم3. إحدى الظواهر التي لم تدرس بشكل كاف لكنها حاسمة في هذا المجال هي الخوف من الفقدان (FoMO). في هذه الحالة النفسية، يشعر المتعلمون بالحاجة إلى تبني أدوات الذكاء الاصطناعي بسبب ضغوط المقارنة الاجتماعية، وربما على حساب الانخراط المعرفي العميق4. بينما استكشفت الأبحاث الحالية دور الذكاء الاصطناعي في اكتساب اللغة5، لم تدرس سوى دراسات قليلة كيف يتفاعل الذكاء الاصطناعي التوليدي مع الاعتماد المدرك وFoMO لتشكيل اكتساب المفردات، مما يترك فجوة كبيرة في فهم القوى المزدوجة الميسرة والضارة في الذكاء الاصطناعي في التعليم6،7.

مراجعة الأدبيات تكشف عن ثلاث ثغرات رئيسية. أولا، ركزت الدراسات حول الذكاء الاصطناعي في تعلم اللغة الإنجليزية كلغة أجنبية بشكل رئيسي على نتائج الأداء (درجات الاختبارات، تحسينات الطلاقة) بدلا من الآليات النفسية التي تحرك تبني الذكاء الاصطناعي8. على سبيل المثال، بينما تم توثيق كفاءة الذكاء الاصطناعي في الاحتفاظ بالمفردات، إلا أن القليل معروف عن كيفية تأثير الاعتماد المدرك، والاعتقاد بأنه لا يمكن التعلم بفعالية بدون الذكاء الاصطناعي، على الدافع والاحتفاظ طويل الأمد9. ثانيا، رغم أن FoMO قد تمت دراستها بشكل موسع في سياقات وسائل التواصل الاجتماعي، إلا أن دوره في بيئات التعلم التي يبوطها الذكاء الاصطناعي لا يزال غير مستكشف. نظرا لأن أدوات الذكاء الاصطناعي غالبا ما توفر تغذية راجعة مرئية اجتماعيا في الوقت الحقيقي (ميزات مقارنة الأقران)، قد يشعر المتعلمون بقلق متزايد بشأن التأخر، مما يزيد من الاعتماد على الذكاء الاصطناعي10. ثالثا، بينما تعتبر المخاوف الأخلاقية بشأن الذكاء الاصطناعي (خصوصية البيانات، التحيز الخوارزمي) معروفة على نطاقواسع، فإن تأثيرها المعتدل على الاعتماد وفعالية التعلم لم يختبر تجريبيا في بيئات اللغة الإنجليزية كلغة أجنبية. تؤكد هذه الفجوات مجتمعة على الحاجة إلى تحقيق شامل يربط بين قبول التكنولوجيا، وعلم النفس التحفيزي، ونظريات التعلم المعرفي.

تعالج هذه الدراسة هذه الفجوات من خلال اقتراح نموذج مفاهيمي جديد يفحص كيف تؤثر استخدام الذكاء الاصطناعي التوليدي، والاعتماد المدرك على الذكاء الاصطناعي، والقلق الأخلاقي المتصور على الذكاء الاصطناعي على FoMO بين متعلمي اللغة الإنجليزية كلغة أجنبية، والدور الوسيط ل FoMO في ربط المتغيرات المستقلة الثلاثة بفهم طلاب اللغة الإنجليزية كلغة أجنبية للقراءة، والتأثير المعتدل للاحتراق الرقمي بين فهم القراءة واكتساب المفردات. يساهم البحث المقترح في تطوير إطار نظري شامل يمكن استخدامه لدراسة تأثيرات اعتماد الذكاء الاصطناعي على الدافع الذاتي واستقلالية المتعلم من خلال عدسات نظرية تقرير المصير (SDT)12، والآليات النفسية وراء FoMO في بيئات التعلم التي يتوسط بها الذكاء الاصطناعي في نظرية المقارنة الاجتماعية13 ، وتأثيرات أدوات الاعتماد على الذكاء الاصطناعي على الحمل المعرفي من خلال نظرية العبء المعرفي (CLT)14.

المساهمات النظرية لهذه الدراسة ثلاثية. أولا، توسع SDT من خلال تصور اعتماد الذكاء الاصطناعي كتهديد محتمل لاستقلالية المتعلم، متحدية الافتراض بأن الذكاء الاصطناعي يعزز الدافعية بشكل عام. ثانيا، يطبق نظرية المقارنة الاجتماعية على التعلم البوساط الذكاء الاصطناعي، كاشفا كيف يتحول FoMO من ظاهرة وسائل التواصل الاجتماعي إلى محرك لتبني الأدوات التعليمية15. ثالثا، يحسن CLT من خلال إظهار أن فوائد الذكاء الاصطناعي الإدراكية (تقليل الحمل الزائد) يمكن مواجهتها بواسطة الحمل المرتبط الناتج عن الاعتماد16، مما يقدم رؤية دقيقة لتأثير الذكاء الاصطناعي على ترميز الذاكرة. توفر هذه التطورات النظرية أساسا للأبحاث المستقبلية حول علم نفس التعلم المدعوم من الذكاء الاصطناعي.

لضمان الدقة المنهجية والتطبيق العملي، وجهت التصميم عدة اعتبارات رئيسية. تم اختيار الفئة المستهدفة من متعلمي اللغة الإنجليزية كلغة أجنبية في الجامعات الصينية بسبب تعرضهم الكبير ودمج المؤسسات لأدوات الذكاء الاصطناعي، مما يوفر سياقا ملائما لفحص الاعتماد على الذكاء الاصطناعي. يتم تحديد حدود البناء بوضوح باستخدام مقاييس متعددة العناصر المعتمدة لكل متغير كامن، مما يمنع التداخل المفاهيمي بشكل صحيح. تم تبرير اختيار هذه المقاييس المحددة بموثوقيتها المعتمدة وتطبيقها المباشر للبنى النفسية والسلوكية المعقدة قيد الدراسة (المخاوف الأخلاقية متعددة الأبعاد، والإرهاق الرقمي الخاص بالتعلم). بالنسبة لتحليلات الوساطة والاعتدال المخططة، نعترف بأن البيانات المقطعية، رغم كفايتها للنمذجة التنبؤية عبر PLS-SEM، تحد من الاستدلال السببي النهائي للمسارات الوسيطة والمعتدلة. حجم العينة 465 يتجاوز بكثير الحد الأدنى للمتطلبات للقوة الإحصائية في كل من الانحدار وPLS-SEM، ملتزما ب 'قاعدة 10 مرات' لأقصى عدد من المسارات الهيكلية، مما يضمن تقديرات معلمات مستقرة وقابلة للتعميم للنموذج المقترح.

تعرف البنى المحورية للدراسة كما يلي: الاعتماد المدرك على الذكاء الاصطناعي يشير إلى إيمان المتعلم باعتماده على أدوات الذكاء الاصطناعي لتحقيق الكفاءة وإنجاز المهام. تشمل المخاوف الأخلاقية المتصورة الذكاء الاصطناعي مخاوف بشأن الشفافية الخوارزمية، والعدالة، والسلامة، والمساءلة. يشير استخدام الذكاء الاصطناعي التوليدي إلى تكرار ومدى استخدام نماذج الذكاء الاصطناعي لتوليد النصوص أو الصور. الخوف من الفوات (FoMO) هو القلق من أن الآخرين قد يمررون بتجارب مجزية يغيب عنها، وهنا يوضع في سياق التعلم المدفوع الذكاء الاصطناعي. الإرهاق الرقمي هو حالة الإرهاق العاطفي والذهني الناتجة عن الانخراط الرقمي المطول. وأخيرا، يتم التقاط نتائج التعلم من خلال فهم القراءة، وهي القدرة على فهم وتطبيق الاستراتيجيات مع المواد المكتوبة، واكتساب المفردات، وهي الفعالية الذاتية المدركة في تعلم واستخدام كلمات جديدة.

هيكل هذا المقال كما يلي. يتناول القسم الأول الخلفية والأهمية والفجوات البحثية ومساهمة الدراسة الحالية. يستعرض القسم الثاني الأعمال السابقة حول الذكاء الاصطناعي في تعلم اللغة الإنجليزية كلغة أجنبية، والاعتماد، وحركة الحرية الأجنبية، مع تلخيص النقاشات الرئيسية. يوضح القسم 3 المنهجية التي تشمل تصميم البحث، ودمج الاستطلاعات لقياس الاعتمادية المدركة/الاعتماد على الشعور بالحركة، والمهام التجريبية لتقييم الاحتفاظ بالمفردات. يعرض القسم 4 النتائج، بما في ذلك تحليلات الوساطة/الاعتدال. يناقش القسم الخامس التداعيات على النظرية والبيداغوجيا وتصميم الذكاء الاصطناعي، بينما يختتم القسم السادس بالقيود والاتجاهات المستقبلية.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

أجريت هذه الدراسة وفقا للإرشادات الأخلاقية لأبحاث الأشخاص في جامعة يانغتشو. تم الحصول على موافقة مستنيرة من جميع المشاركين قبل مشاركتهم، مما ضمن أنهم كانوا على علم كامل بهدف الدراسة، وإجراءات الاستطلاع، والطبيعة الطوعية، وحقهم في الانسحاب في أي وقت دون عواقب. جميع الطرق التزمت بالمعايير الأخلاقية للبحث البشري، مما ضمن سرية المشاركين، وإخفاء هوية البيانات، والحماية طوال فترة الدراسة. شملت الدراسة جمع بيانات غير جراحية تعتمد على الاستبيانات مع تقليل المخاطر على المشاركين. تلتزم الدراسة بالإرشادات الأخلاقية للبحث التعليمي، مما يضمن إخفاء هوية المشاركين والمشاركة الطوعية. تم الحصول على الموافقة المستنيرة إلكترونيا، مع معلومات واضحة عن استخدام البيانات وتخزينها. لم يتم جمع أي معلومات شخصية يمكن التعرف عليها، ويتم تخزين الردود بأمان على خوادم محمية بكلمة مرور. يحتفظ المشاركون بحق الانسحاب في أي مرحلة. يتم التخفيف من المخاطر المحتملة (إرهاق الاستبيانات) من خلال تصميم استبيان موجز، ويتم الإبلاغ عن النتائج بشكل مجمع لمنع تحديد الأفراد.

مراجعة الأدبيات

الاعتماد المتصور على الذكاء الاصطناعي، المخاوف الأخلاقية المتصورة تجاه الذكاء الاصطناعي، والخوف من فقدان الفرص (FoMo)
لقد أضفى الدمج الديناميكي لاستخدام الذكاء الاصطناعي (الذكاء الاصطناعي) في التعليم لمسة جديدة بشكل كبير على تعلم اللغات، خاصة بين طلاب اللغة الإنجليزية كلغة أجنبية (EFL)17. أنظمة التدريس الذكية، والتقييم التلقائي للكتابة، ومنصات التعلم التكيفي تعتمد على الذكاء الاصطناعي وتوفر تجربة تعلم فعالة وفردية18. ومع ذلك، ومع هذا التطور التكنولوجي، ظهرت بعض المشاكل النفسية، مثل تصاعد الخوف من الفقدان (FoMO)، وهو نوع من القلق الاجتماعي لأن الناس يخشون عدم مشاركتهم في الأنشطة الممتعة19. وفقا لنتائج البحث، يمكن أن يعزز الاعتماد المتصور على الذكاء الاصطناعي والمخاوف الأخلاقية المتصورة تجاه الذكاء الاصطناعي مستويات FoMO بين متعلمي اللغة الإنجليزية كلغة أجنبية وتغيير تفاعلاتهم مع التعليم القائم على الذكاء الاصطناعي في المستقبل.

بالإضافة إلى ذلك، مع حصول الذكاء الاصطناعي على مكانه في عملية تعليم اللغات، يمكن للطلاب أن يعتمدوا على هذه الأدوات لتحسين قواعدهم ومفرداتهم وتحسين نطقهم. هذا الاعتماد قد يسبب ضغطا نفسيا، وقد يشعر الطلاب أنهم يجب عليهم استخدام أدوات الذكاء الاصطناعي باستمرار لمنع التأخر الأكاديمي. أدت نتائج البحث حول الاعتماد الرقمي إلى استنتاج أن الاعتماد المفرط على التكنولوجيا يسبب القلق بسبب الخوف من عدم الوصول إلى مثل هذه الأجهزة21. في مجال تعلم اللغة الإنجليزية كلغة أجنبية، قد يشعر الطلاب الذين يعتقدون أن الذكاء الاصطناعي ضروري أن يشعروا بعدم التحرك لأنهم يعتقدون أن زملاءهم الطلاب يستغلون المزيد من هذه التقنيات22. تتوافق هذه الظاهرة مع نظرية المقارنة الاجتماعية23، التي تفترض أن الناس يقارنون تقدمهم مع تقدم الآخرين. عندما ينظر إلى التعلم المعزز الذكاء الاصطناعي كإشارة تنافسية، قد يخشى الطلاب فقدان النجاح الأكاديمي ما لم يعظم مشاركتهم في استخدام هذه الأدوات24. بالإضافة إلى ذلك، يمكن للاتصال الدائم الذي تغذيه أدوات الذكاء الاصطناعي أن يشوه الفروق بين التعليم والترفيه، مما يعزز سلوكيات التدجين الإدمانية التي تعزز FoMO25.

H1: الاعتماد الذكاء الاصطناعي المدرك يؤثر إيجابيا على الخوف من فقدان الفرص (FoMO) بين متعلمي اللغة الإنجليزية كلغة أجنبية.

H2: تؤثر المخاوف الأخلاقية المتصورة الذكاء الاصطناعي بشكل إيجابي على الخوف من الفقدان (FoMO) بين متعلمي اللغة الإنجليزية كلغة أجنبية.

الذكاء الاصطناعي التوليدي (استخدام ChatGPT) والخوف من فقدان الفرص (FoMo)
أدى الزيادة الحالية في شعبية الذكاء الاصطناعي التوليدي (ChatGPT) في مجال التعليم إلى ظهور ظروف جديدة من التجارب النفسية أثناء عملية تعلم لغة 26,27. وقد حددت الدراسة مؤخرا أن استخدام مثل هذه الأدوات الذكاء الاصطناعي عالية التقنية قد يغير بشكل كبير الحالة العاطفية للمتعلمين، لا سيما الخوف من الفوات (FoMO)28. كلما تم برمجة الذكاء الاصطناعي التوليدي لتقديم تغذية راجعة فورية، وتوليد مواد تعليمية، ومحاكاة ممارسة المحادثة، زادت مخاوف الطلاب الذين قد يشعرون بالقلق من أنهم سيتركون خلفهم إذا لم يستخدموا هذه الأدوات بأقصىإمكانات. تشير هذه العملية إلى اتجاه أوسع للتعلم الرقمي حيث لا يجعل التقدم التكنولوجي من الممكن القيام بالمزيد من الأشياء في التعلم فحسب، بل يعرض أيضا تجارب التعلم لمستويات جديدة من القلق.

يمكن تفسير التأثيرات النفسية لأدوات الذكاء الاصطناعي التوليدي على متعلمي اللغة بالرجوع إلى نظرية تقرير المصير، التي تقول إن الكفاءة، والاستقلالية، والارتباط هي احتياجات نفسية أساسية14. في الحالات التي يعتقد فيها الطلاب أن أقرانهم يحققون نتائج متفوقة بمساعدة الذكاء الاصطناعي، والتي تعزى إلى عدم معالجة FoMO في31، يتفاقم الأمر أيضا بسبب تهديدات لشعورهم بالكفاءة. يمكن أن يكون هذا التأثير شديدا بشكل خاص في البيئات الأكاديمية الصعبة حيث يقارن الطلاب تقدمهم وقدراتهم.32. علاوة على ذلك، قد يؤدي الوصول غير المحدود إلى أدوات الذكاء الاصطناعي التوليدي إلى مشكلة الاستخدام المستمر، حيث يخشى المتعلمون أن يتأخروا ويفقدوا تقدما كبيرا.

يأتي FoMO أيضا في شكل الديناميكيات الاجتماعية لتطبيق الذكاء الاصطناعي في مجتمعات التعلم33. بمجرد أن يصبح الذكاء الاصطناعي التوليدي أمرا طبيعيا في البيئة التعليمية، من المرجح أن يخلق شعورا بالضغط الاجتماعي للمواءمة مع الممارسات الرقمية الجديدة التي تشجع في البيئة التعليمية34. قد يكون هذا الضغط قويا بشكل خاص عند تعلم لغة أجنبية، حيث يتوفر الذكاء الاصطناعي للمساعدة في الكتابة والقواعد والتواصل دون جهد واضح من جانب المتعلم35. قد تكون فكرة الاستبعاد في هذا التحول دافعا لتبني استراتيجيات استخدام قهرية، حتى بين المتعلمين الذين قد يكونون أكثر ميلا للتعلم بطرق أكثر تقليدية36. تؤكد الدراسات الجديدة على ضرورة فهم تأثير الوساطة لمختلف خصائص المتعلم على العلاقة بين استخدام الذكاء الاصطناعي التوليدي وFoMO بمزيد من التفصيل. تعتمد الإجابات على هذه الأسئلة على عوامل مثل مستوى مهارات القراءة الرقمية، وتنظيم الذات، ودوافع التعلم، التي يمكن أن تحدد ما إذا كانت أدوات الذكاء الاصطناعي موارد تمكينية أم سبب القلق37. استنادا إلى الأدبيات أعلاه، تم اقتراح الفرضية التالية:

H3: زيادة استخدام الذكاء الاصطناعي التوليدي تؤثر إيجابيا على الخوف من الفقدان (FoMO) بين متعلمي اللغة الإنجليزية كغبار.

الخوف من فقدان الفرص (FoMo)، وفهم القراءة واكتساب المفردات
أصبح المفهوم النفسي للخوف من فقدان الفرصة (FoMO) أكثر تأثيرا على سلوكيات التعلم عبر الإنترنت، مما يبرز علاقة معقدة مع تعلم اللغة الثانية والنتائج الأكاديمية38. تظهر الأبحاث الحديثة أن القراءة المفتوحة (FoMO)، اعتمادا على بعد تعلم اللغة39، قد يكون لها تأثير مميز على تعلم عدة أبعاد من تعلم اللغة، خاصة على فهم القراءة واكتساب المفردات40. يبدو أن هذا الاعتماد مدفوع بالحمل المعرفي41، وأنظمة التحكم في الانتباه42، لأن الأفراد ذوي الرؤية المفرطة يظهرون نمطا فريدا من التفاعلات النصية المادية.

تشير الدراسات التجريبية إلى أن درجة معتدلة من القراءة المفتوحة تزيد من التفاعل مع مواد القراءة عندما يشعر المتعلمون أن مواد القراءة ذات قيمة اجتماعية وأكاديمية. ومع ذلك، يرتبط الإفراط في FoMO بقراءة غير مكتملة ومعالجة معلومات عميقةمنخفضة، مما قد يؤثر على الفهم. يبدو أن هذا الإحساس أكثر انتشارا في مجال القراءة الرقمية، حيث تزيد الإشعارات واحتجاز وسائل التواصل الاجتماعي من اضطرابات الانتباه45. ضمن اكتساب المفردات، لدى FoMO علاقة أكثر تعقيدا، رغم أن التعرض لعناصر معجمية جديدة قد يزداد بسبب زيادة التفاعل46،47، فإن الاحتفاظ به يتضرر بسبب سلوكيات التعلم القهرية.

تشير الأدلة الناشئة إلى وجود اختلافات ثقافية وفردية في هذه العلاقات. بالمقارنة، يبدو أن المتعلمين الجماعيين أكثر عرضة للعواقب السلبية لحركة FoMO على فهم القراءة48، والتي قد تكون مرتبطة بميله المتزايد للمقارنة اجتماعيا49. من ناحية أخرى، لا تؤثر تجارب FoMO على الفهم وتعلم المفردات لدى المتعلمين الذين لديهم استراتيجيات تنظيم ذاتي عالية. استنادا إلى الأدبيات أعلاه، تم اقتراح الفرضيات التالية:

H4: الخوف من الفوات (FoMO) يؤثر سلبا على فهم القراءة.

H5: يؤثر فهم القراءة إيجابيا على اكتساب المفردات.

تأثير الإرهاق الرقمي في التعلم
الإرهاق الرقمي هو قضية حديثة لها آثار نفسية واجتماعية تؤثر على عمليات اكتساب اللغة 51,52. كان الأمر مرهقا عاطفيا ومعرفيا، وفي نفس الوقت افتقدت الدافع بسبب نطاق التعلم الأكاديمي الطويل الذي تعبر عنه التكنولوجيا. أثر الإرهاق الرقمي سلبا على القدرات الإدراكية اللازمة المستخدمة لمعالجة اللغة53. تشير الدراسات العصبية الإدراكية النشطة إلى أن الإرهاق المهني يسبب التعب، مما يتداخل مع سعة الذاكرة العاملة54، وهي مكون أساسي لكل من ذاكرة الكلمات والقراءة55. قد يكون هذا الإرهاق الذهني وراء الأدلة الجديدة على ضعف الترميز الدلالي لدى المتعلمين الذين يعانون من احتراق رقمي عندما يطلب منهم أداء مهام تعلم المفردات.56.

يظهر الإرهاق الرقمي بشكل فريد في سياقات اللغة الإنجليزية كلغة أجنبية بسبب المتطلبات المعرفية والعاطفية المميزة لاكتساب اللغة. على عكس الإرهاق الأكاديمي العام، يتفاقم الإرهاق الرقمي للتعليم الإنجليزي الأجنبي بسبب الحمل المعرفي المستمر لمعالجة الأصوات والتركيب والدلالات غير المألوفة عبر الواجهات الرقمية، والتي يمكن أن تغمر الذاكرة العاملة بشكل أكبرمن التعلم القائم على المحتوى. علاوة على ذلك، يزداد المرشح العاطفي بسبب الطبيعة الأدائية لممارسة اللغة على منصات الذكاء الاصطناعي، حيث قد يشعر المتعلمون بالقلق من التصحيحات الفورية المدفوعة بالخوارزميات والضغط لتحقيق كفاءة شبيهة باللغة الأم58. هذا المزيج من الحمل المعرفي المكثف والضغط الاجتماعي العاطفي الفريد في بيئات اللغة التي يتم الوساطة رقميا يخلق ملف إرهاق محدد يعيق بشكل مباشر العمليات الدقيقة لترميز المفردات وفهم القراءة59.

الإرهاق الرقمي وفهم القراءة يظهران علاقات دقيقة جدا في تطوير المفردات. على الرغم من أن المعرفة المفردية العرضية من المرجح أن تكتسب من خلال الاستنتاج السياقي عندما يمتلك الطلاب مهارات قراءة قوية.60، فإن الارتباط الإيجابي بين المفردات وأداء القراءة ينخفض لدى الطلاب ذوي الاحتراق العالي61. تشير قياسات تتبع العين إلى أن متعلمي الشيخوخة اللفظية يظهرون أيضا انخفاضا في أوقات التثبيت على الأشياء المعجمية الجديدة أثناء قراءة62، مما يشير إلى انخفاض في تركيز الخلفيات الذهنية الغنية بالمفردات. هذا يشبه نظرية التحكم في الانتباه، التي ترى أن التعب المعرفي يؤثر على مهارات الوظائف التنفيذية المشاركة في الفهم والمعالجة المعجمية المتزامنة. من الممكن ملاحظة أن الدور المعتدل للإرهاق الرقمي يظهر فقط من خلال الفروق الفردية في التنظيم الذاتي وتصميم بيئات التعلم63. كما يتجلى المتعلمون الذين لديهم استراتيجيات فوق معرفية عالية الأداء القدرة على التفوق في مواجهة الآثار السلبية للإرهاق، حيث يحافظون على ميزة في المفردات حتى عند مواجهة صعوبات في الفهم. استنادا إلى الأدبيات أعلاه، تم اقتراح الفرضيات التالية:

H6: الإرهاق الرقمي في التعلم يؤثر سلبا على اكتساب المفردات.

H7: الإرهاق الرقمي في التعلم يخفف سلبا من العلاقة بين فهم القراءة واكتساب المفردات، بحيث يضعف الإرهاق الأعلى التأثير الإيجابي للفهم على زيادة المفردات.

تأثير الوساطة الناتج عن الخوف من الفقدان (FoMo)
إدخال الذكاء الاصطناعي في التعليم أضاف أنظمة نفسية معقدة تحدد نتائج فهم القراءة64. تشير البيانات الناشئة إلى أن الخوف من الفقدان (FoMO) هو وسيط حيوي في العلاقة بين تفاعل المتعلمين مع تقنيات الذكاء الاصطناعي وإنجازهم في القراءة65. يبدو أن دور هذا التأثير الوسيط بارز بشكل خاص في البيئات التي تروج فيها أدوات الذكاء الاصطناعي كوسيلة لتسهيل التعلم الأكثر كفاءة، مما يدفع ضغوطا نفسية قد تعيق التفكير من الدرجة العليا66. لضمان عدم تطور مخاوف التعلم الذاتي بسبب إدراك المتعلمين لاعتماد غير عقلاني على مساعدة الذكاء الاصطناعي67، تركز الدراسات الحديثة على تحديد كيف تؤثر مستويات الاعتماد المدركة على الذكاء الاصطناعي على تطور القلق بشأن قدرات التعلم الذاتي68. يتحول هذا القلق إلى حركة الرؤية الذهنية (FoMO) عندما يفكر الطلاب فيما لا يستطيعون فعله مقارنة بنتائج معززة بالذكاء الاصطناعي69، ويظهر ميلا لتحويل الموارد المعرفية بعيدا عن خطوات الفهم العميق.

القضايا الأخلاقية المتعلقة بتطبيق الذكاء الاصطناعي تتوافق مع مسارات FoMO، كما أن المتعلمين الذين يواجهون صراعا أخلاقيا بسبب استخدام الذكاء الاصطناعي يظهرون يقظة متزايدة تجاه أفعال أقرانهم، مما يساعد على تكوين فوارق انتباهية بين الأخلاقيات وفهم القراءة70. ينعكس ذلك في دراسات تتبع العين حيث يقوم القارئ بحركات عيون أكثر انحكارا عند قراءة65. يبدو أن تأثير الوساطة يكون واضحا بشكل خاص عندما لا يتم توضيح القضايا الأخلاقية، مما يترك عبئا معرفيا مستمرا يعيق القراءة71. تخلق أدوات الذكاء الاصطناعي التوليدي أنواعا جديدة من الوساطة مع القدرة على إنتاج مخرجات في لحظة واحدة تقريبا. استنادا إلى الأدبيات أعلاه، تم اقتراح الفرضيات التالية:

H8: الخوف من الفوات (FoMO) يتوسط العلاقة بين الاعتماد الذكاء الاصطناعي المدرك وفهم القراءة

H9: الخوف من الفقدان (FoMO) يتوسط العلاقة بين المخاوف الأخلاقية الذكاء الاصطناعي المدرك وفهم القراءة

H10: الخوف من الفوات (FoMO) يتوسط العلاقة بين استخدام الذكاء الاصطناعي التوليدي وفهم القراءة

الإطار النظري
تستند هذه الدراسة بشكل رئيسي إلى نظرية تقرير المصير (SDT)12، التي توفر إطارا متماسكا لفهم كيفية تأثير أدوات الذكاء الاصطناعي على الاحتياجات النفسية الأساسية التي تدعم دافع المتعلم وتفاعله المعرفي. وفقا للنموذج، فإن الاعتماد الذكاء الاصطناعي المدرك يهدد بشكل مباشر الاحتياجات الأساسية ل SDT وهي الاستقلالية والكفاءة، وقد يقوض الدافع الداخلي لتعلم اللغة من خلال تطوير اعتماد مفرط على التنظيم الخارجي لتحقيق أهداف مثل فهم القراءة واكتساب المفردات. في هذا السياق، يفهم الخوف من الفقدان (FoMO) ضمن إطار الارتباط، الذي يوصفه نظرية المقارنة الاجتماعية الثانوية72. القاعدة الاجتماعية التي تطورت بين الأقران بسبب الاستخدام المكثف الذكاء الاصطناعي تسبب حالة من الخوف من الموت الزائد، مما يؤدي إلى القلق من فقدان الفرصة، مما يزيد من الاعتماد وبالتالي يقلل من الدافع للتعلم المستقل أكثر.

يفسر هذا الديناميكية التحفيزية بالنتائج الإدراكية كما هو موضح في نظرية الحمل المعرفي (CLT)73. على الرغم من أن الذكاء الاصطناعي التوليدي يمكن أن يعزز التعلم من خلال تقليل العبء المعرفي الزائد (مثلا، من خلال التعريف الفوري)، إلا أن الاعتماد المفرط عليه قد يكون غير مجد لاكتساب المفردات من خلال تقليل العبء المعرفي اللازم لترميز المعجم بعمق وتخزينه في الذاكرة طويلة الأمد. ويزداد هذا سوءا بسبب حالة الإرهاق الرقمي، الذي يشكل استنزافا للموارد المعرفية التي تقوض العلاقة بين الفهم والتعلم. بدورها، تقدم SDT الشرح العام للطرق التحفيزية، وتشرح CLT العمليات المعرفية الناتجة، وتصف نظرية المقارنة الاجتماعية المحفز الاجتماعي-العاطفي (FoMO) الناتج عن ذلك، والتي تتحد في شرح مركب لتأثير الذكاء الاصطناعي-الثنائي على تعلم اللغة.

تصميم البحث
تعتمد هذه الدراسة تصميم بحث تجريبي كمي لفحص العلاقات بين العوامل المتعلقة ب الذكاء الاصطناعي (الاعتماد المدرك، المخاوف الأخلاقية، استخدام الذكاء الاصطناعي التوليدي)، الخوف من الفقدان (FoMO)، الإرهاق الرقمي، ونتائج تعلم اللغة (فهم القراءة واكتساب المفردات). يستخدم نهج مسح مقطعي يسمح بجمع البيانات في نقطة زمنية واحدة لتقييم الارتباطات وتأثيرات الوساطة/الاعتدال. التصميم مناسب بشكل خاص لاختبار النموذج النظري المقترح، حيث يمكن استخدام نمذجة المعادلات الهيكلية (SEM) لتحليل العلاقات المعقدة بين البنى الكامنة.

السكان وأخذ العينات
تتكون الفئة المستهدفة من متعلمي اللغة الإنجليزية كلغة أجنبية في الجامعات الصينية، وهو سياق يتم فيه دمج أدوات تعلم اللغة المدعومة بمساعدة الذكاء الاصطناعي بشكل متزايد في المناهج. تم استخدام تقنية أخذ عينات مريحة لتجنيد 465 مشاركا، حيث تم تحديد حجم العينة من خلال تحليل القوة المسبقة باستخدام G*Power 3.174. بالنسبة لتحليلات الانحدار المتعدد المخطط لها (α = 0.05، القوة = 0.95، حجم التأثير المتوسط f² = 0.15)، أشار التحليل إلى أن الحد الأدنى لحجم العينة المطلوب هو 166 مشاركا، مما يؤكد أن عينتنا البالغة 465 توفر قوة إحصائية كافية. حجم العينة كاف أيضا لإجراء تحليل SEM، ويتبع متطلبات PLS-SEM، التي تشير إلى أن الحد الأدنى لعدد نقاط العينة يجب أن يكون 10 أضعاف الحد الأقصى لعدد المسارات الهيكلية إلى البناء في النموذج75. سيتم استقطاب العينات باستخدام وحدات عينة من عدة جامعات تقع في مناطق جغرافية مختلفة من الصين لتحقيق نتائج عالية في جانب التعميم. في المقابل، سيتم تسجيل المتغيرات الديموغرافية (عمر المتقدم، الجنس، مستوى إتقانه للغة الإنجليزية، وتكرار استخدام أدوات الذكاء الاصطناعي) واستخدامها كعناصر ضابطة في الدراسات المستقبلية.

لضمان نزاهة تحليلية لنتائجنا، تم تنفيذ عدة تدابير مراقبة جودة طوال عملية جمع البيانات وتحضيرها. أظهر توزيع الاستطلاع الأولي معدل استجابة 87٪. بعد جمع البيانات، تم تطبيق إجراءات فحص صارمة: تم استبعاد الاستبيانات غير المكتملة التي تحتوي على أكثر من 10٪ من البيانات المفقودة على القائمة، وتم معالجة أي قيم مفقودة متقطعة متبقية على مستوى العنصر باستخدام خوارزمية التوقع والتعظيم في SPSS للحفاظ على القوة الإحصائية مع تقليل التحيز. بالإضافة إلى ذلك، حددت أسئلة فحص الانتباه المدمجة وسهلت إزالة المستجيبين غير المنتبهين. ضمنت هذه الإجراءات الشاملة، إلى جانب فحص الحالات الشاذة متعددة المتغيرات، أن مجموعة البيانات التحليلية النهائية (N=450) تلبي معايير عالية من الموثوقية لنمذجة المعادلات الهيكلية اللاحقة.

إجراء جمع البيانات
تم جمع البيانات من خلال نهج مختلط، باستخدام طرق عبر الإنترنت والموقع لتعظيم المشاركة وسهولة الوصول. تعاون فريق البحث مع مدرسي المقررات في الجامعات المستهدفة، الذين وزعوا رابط الاستبيان الفريد مباشرة على الطلاب عبر مجموعات الفصول الرسمية على ويتشات. استفادت هذه الطريقة من القنوات الموثوقة لتحسين معدلات الاستجابة. لجمع البيانات في الموقع، زار الباحث الرئيسي والمساعدون المدربون الفصول الدراسية المخصصة خلال الجلسات المجدولة. بعد مقدمة موجزة للدراسة، وزعوا حزم الاستبيان الورقية. تم تخصيص إجراءات الحصول على الموافقة المستنيرة لكل وضع. في النسخة الإلكترونية، تم تقديم نموذج موافقة رقمي للمشاركين في الصفحة الأولى. كان مطلوبا منهم اختيار "لقد قرأت وفهمت المعلومات أعلاه، وأوافق طوعا على المشاركة" قبل تفعيل عناصر الاستبيان. بالنسبة للمشاركين في الموقع، تم إرفاق ورقة معلومات مفصلة مع ملف الاستبيان، وتم الحصول على موافقة كتابية من خلال توقيع المشاركين على نموذج موافقة ورقية قبل استلام الاستبيان. تم تصميم الاستبيان الكامل ليتم إكماله خلال 15-20 دقيقة لتقليل إرهاق المستجيبين. لضمان جودة البيانات، تم تضمين عنصرين من فحص الانتباه ("يرجى اختيار 'عدم الموافقة القوية' لهذا البيان") داخل الاستطلاع. تم الإبلاغ تلقائيا عن المشاركات غير المكتملة التي تحتوي على أكثر من 10٪ من البيانات المفقودة وتلك التي فشلت في فحوصات الانتباه واستبعادها لاحقا. امتدت فترة جمع البيانات لأربعة أسابيع، تم خلالها إرسال رسالتين تذكيرتين عبر قنوات التوزيع الأولية. بعد الجمع، خضعت مجموعة البيانات لعملية تنظيف صارمة، شملت فحوصات القيم المفقودة، والقيم الشاذة أحادية المتغير ومتعددة المتغيرات، وانتهاك افتراضات الطبيعية، قبل التحليل الإحصائي.

القياسات والتكيف مع المقياس

الاعتماد المتصور على الذكاء الاصطناعي
تم قياس الاعتماد الذكاء الاصطناعي المدرك باستخدام مقياس مكون من 5 عناصر مقتبس من موراليس-غارسيا وآخرين. يقيس المقياس مدى اعتماد الناس على الذكاء الاصطناعي في أنشطتهم اليومية وعملية اتخاذ القرار. تعكس العناصر عدة جوانب من الاعتمادية، بما في ذلك الحاجة المدركة لاستخدام أدوات الذكاء الاصطناعي لتكون فعالة وعدم القدرة على العمل بدون دعم الذكاء الاصطناعي.

المخاوف الأخلاقية الذكاء الاصطناعي المتصور
تم تقييم المخاوف الأخلاقية باستخدام مقياس متعدد الأبعاد طوره كيم وكو77. لتعزيز صلاحية وملاءمة مجتمع اللغة الإنجليزية كلغة أجنبية، تم تأطير أبعاد المقياس الأربعة ضمن السياق الخاص لتعلم اللغة المدفوع بالذكاء الذكاء الاصطناعي. يتكون هذا المقياس من أربعة أبعاد حاسمة: الشفافية (8 عناصر)، العدالة (5 عناصر)، السلامة (5 عناصر)، والمسؤولية (8 عناصر). يقيم كل بعد تحديات أخلاقية مختلفة، مثل وضوح عمليات اتخاذ القرار في الذكاء الاصطناعي، والتحيزات في خوارزميات الذكاء الاصطناعي، والمخاطر المرتبطة باستخدام الذكاء الاصطناعي، والمساءلة في نشر الذكاء الاصطناعي. يضمن هذا التشغيل المركز أن تتوافق العناصر مباشرة مع المعضلات الأخلاقية التي من المرجح أن يواجهها المتعلمون لغة اللغة الإنجليزية.

استخدام الذكاء الاصطناعي التوليدي
تم تفعيل استخدام الذكاء الاصطناعي التوليدي باستخدام مقياس مكون من 8 بنود من عباس وآخرين. يقيس هذا المقياس مستوى وانتظام استخدام نماذج الذكاء الاصطناعي التوليدي، بما في ذلك أجهزة صنع النصوص والصور. تفحص المنتجات تطبيقات متنوعة، مثل التطبيقات الأكاديمية والمهنية والشخصية، وتساعد على فهم كيفية دمج الناس لها في حياتهم واستخدامها. يتيح لنا هذا النهج الشامل التقاط الدمج الشامل الذكاء الاصطناعي التوليدي في منظومة المتعلمين، وهو شرط أساسي لفهم تأثيراته النفسية والمعرفية الأوسع.

الخوف من الفوات (FoMO)
تم قياس الخوف من فقدان الفرصة باستخدام مقياس مكون من 17 عنصرا بواسطة مازلوم وأتالاي79. تم اختيار هذا المقياس لتقييمه الدقيق للقلق من أن الأقران يمرون بتجارب مجزية يغيب عنها. وهي مناسبة بشكل خاص لهذه الدراسة لأنها تلتقط عناصر ذات صلة كبيرة ببيئات التعلم الرقمية، بما في ذلك الحاجة القهرية للبقاء على اتصال عبر الإنترنت والخوف من فقدان استراتيجيات التعلم المتفوقة أو الموارد أو التقدم الزملائي الذي يسهله الذكاء الاصطناعي، مما يربط مباشرة استخدام الذكاء الاصطناعي بالقلق النفسي الاجتماعي.

فهم القراءة
تم قياس فهم القراءة باستخدام استراتيجيات قراءة مقتبسة من مختاري وآخرون 80، والتي تشمل ثلاثة أبعاد: استراتيجيات القراءة العالمية 5 بنود، استراتيجيات حل المشكلات 5 بنود، واستراتيجيات دعم القراءة 5 بنود. يقيم هذا المقياس كيفية تعامل الأفراد مع المواد المكتوبة وفهمها، مع التركيز على قدرتهم على تلخيص المعلومات، وحل صعوبات الفهم، واستخدام الوسائل الخارجية لتعزيز الفهم.

الإرهاق الرقمي في التعلم
تم قياس الإرهاق الرقمي في التعلم باستخدام مقياس مقتبس من إرتن وأوزديمير81، ويتكون من ثلاثة أبعاد: الشيخونة الرقمية (12 عنصرا)، الحرمان الرقمي (6 عناصر)، والإرهاق العاطفي (6 عناصر). يقيم هذا المقياس الآثار النفسية السلبية للتفاعل الرقمي المطول، بما في ذلك التعب الناتج عن وقت الشاشة المفرط، والشعور بالانفصال، والإرهاق الذهني بسبب متطلبات التعلم عبر الإنترنت.

اكتساب المفردات
تم تقييم اكتساب المفردات باستخدام مقياس مكون من 4 عناصر من لي وآخرون 82. يستخدم هذا المقياس لقياس فعالية استراتيجيات تعلم المفردات في كيفية تبني الناس للكلمات الجديدة وتذكرها واستخدامها في سياقات مختلفة. تقيم المادة الكفاءة الذاتية والثقة في استخدام المفردات.

خطة تحليل البيانات
تعتمد الدراسة استراتيجية تحليلية شاملة من مرحلتين لفحص العلاقات المفترضة بدقة. تجرى عمليات الفحص الأولي للبيانات والتحليلات الأولية باستخدام SPSS 28، مع التركيز على الإحصاءات الوصفية لتقييم توزيعات البيانات، وتحليلات موثوقية المقياس (ألفا كرونباخ)، والارتباطات ثنائية المتغير لفحص الارتباطات الأولية بين البنى الرئيسية. جميع عناصر مقياس ليكرت كانت مشفرة على مقياس فاصل من 5 نقاط (1=معارض بشدة إلى 5=أتفق بشدة). يضمن هذا التحليل الأساسي جودة البيانات ويوفر رؤى أساسية حول الخصائص الأساسية لمجموعة البيانات قبل الانتقال إلى النمذجة الأكثر تعقيدا. للتحليل الأولي، يستخدم SmartPLS 4 لتنفيذ نمذجة المعادلات الهيكلية لأصغر مربعات جزئية (PLS-SEM)، والتي تم اختيارها لتعاملها القوي مع النماذج التنبؤية المعقدة التي تتضمن المتغيرات الكامنة83. يبدأ التحليل بتقييم شامل لنموذج القياس، حيث يحدد تحليل العوامل التأكيدية الخصائص السيكومترية للمقاييس. تشمل التقييمات الرئيسية اختبارات الاتساق الداخلي (الموثوقية المركبة)، والصلاحية المتقاربة (متوسط التباين المستخرج منه)، والصلاحية التمييزية (معيار فورنيل-لاركر ونسبة التغاير إلى الصفات الأحادية). تضمن هذه الخطوات أن تكون البنى صحيحة نظريا ومتميزة تجريبيا.

بعد ذلك، يتم فحص النموذج البنيوي لاختبار العلاقات المفترضة بين البناء. يتم تحليل معاملات المسار من حيث حجمها واتجاهها وأدلتها الإحصائية، بينما يتم حساب أحجام التأثير (f²) لتقييم التأثير الجوهري. يتم تقييم الصلة التنبؤية للنموذج باستخدام إحصائية ستون-جيسر Q²، مع إجراءات العصابة للتحقق من قدرة النموذج على التنبؤ بالمتغيرات الذاتية. بالنسبة لتحليلات الوساطة، تستخدم الدراسة نهج Preacher وHayes84، وهو نهج التمهيد (bootstraping)، الذي يوفر فترات ثقة قوية للتأثيرات غير المباشرة مع التحكم في المتغيرات المحتملة المسببة للارتباك. يتم اختبار تأثيرات الاعتدال من خلال مصطلحات تفاعل يتم إنشاؤها باستخدام طريقة مؤشر المنتج PLS، مع تحليل انحدار بسيط لتفسير تأثيرات التفاعل الكبيرة. تستخدم جميع التحليلات 5,000 عينة bootstrap لتوليد تقديرات مستقرة وضمان متانة النتائج.

للتحليل الأولي، يستخدم SmartPLS 4 لتنفيذ نمذجة المعادلات الهيكلية لأصغر مربعات جزئية (PLS-SEM)، والتي تم اختيارها لتعاملها القوي مع النماذج التنبؤية المعقدة التي تتضمن المتغيرات الكامنة83. يختار PLS-SEM بدلا من SEM القائم على التغاير (CB-SEM) مبررا بالهدف الأساسي للدراسة في التنبؤ بالمتغيرات الداخلية (اكتساب المفردات) ونموذجها المعقد الذي يتميز بآليات الوساطة والتعديل85. علاوة على ذلك، يفضل PLS-SEM على الانحدار المتعدد لأنه يقدر في الوقت نفسه العلاقات بين جميع البنى الكامنة داخل النموذج بأكمله، مع الأخذ في الاعتبار خطأ القياس. بينما تقدم التصاميم التجريبية استنتاجا سببيا قويا، تهدف طبيعة هذه الدراسة المقطعية إلى إقامة علاقات تنبؤية في سياق التعلم الواقعي، وهو ما يناسب PLS-SEM86. وأخيرا، يمكن رؤية هذه الدراسة مقدمة لتحليل البيانات ونتائج هذه الدراسة في قسم النتائج أدناه.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

الإحصائيات الوصفية
تقدم الإحصائيات الوصفية نظرة عامة على المتغيرات المهمة في هذه الدراسة، مثل الاعتماد المدرك على الذكاء الاصطناعي، المخاوف الأخلاقية، واستخدام الذكاء الاصطناعي التوليدي، الخوف من الفويت (FoMo)، فهم القراءة، الإرهاق الرقمي، واكتساب المفردات. سيظهر التحليل الاتجاهات المركزية، والتشتت، والخصائص التوزيعية للبيانات، مما يوفر فهما لاهتمام المشاركين بتقنيات الذكاء الاصطناعي والنتائج النفسية والمنطقية لها. تم قياس الطبيعية والتباين عبر البنى باستخدام مقاييس تشمل المتوسط، والانحراف المعياري، و...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

فحصت الدراسة الحالية التفاعل المعقد بين العوامل المتعلقة ب الذكاء الاصطناعي، والحالات النفسية، ونتائج التعلم بين متعلمي اللغة الإنجليزية كلغة أجنبية، وأسفرت عن عدة نتائج رئيسية. كان نهجنا المنهجي، وتحديدا استخدام PLS-SEM، حاسما لنمذجة هذه العلاقات المعقدة. على عكس الاعتماد على التغاير (CB-SEM)، الذي يناسب أكثر تأكيد النظرية، فإن توجه PLS-SEM التنبؤي وقدرته على التعامل مع نماذج معقدة مع متغيرات وسيطة ومعتدلة جعلته الخيار الأمثل لهذا البحث الاستكشافي85. خطوة منهجية ...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

جميع المؤلفين يعلنون عدم وجود تضارب مصالح.

شكر وتقدير

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم تمويل هذا البحث من صندوق العلوم الاجتماعية الإقليمي في جيانغسو، رقم المنحة: (23YYB011). وقد دعمت جامعة الأمير سلطان هذا العمل تحت مختبر أبحاث اللغة والاتصال تحت منحة RL-CH-2019/9/1.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
حاسوب محمولتقنيات ديللا يوجديستخدم لمعالجة البيانات والتوثيق
البرمجيات الإحصائية (SPSS)شركة آي بي إم.الإصدار 26.0يستخدم في التحليل الإحصائي
مايكروسوفت إكسلمايكروسوفتمكتب 365إدخال البيانات والتعامل الأساسي مع البيانات

المراجع

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Chen, Y. H. Exploring the influence of generative artificial intelligence anxiety on problematic ChatGPT use: The fear of missing out and personality traits. Univ Access Inf Soc. 24, 2477-2490 (2025).
  2. Lap, T. Q., Vy, P. N. T., Uyen, N. C. B., Tuan, L. C. 34;Fear of missing out!": Veteran EFL teachers' perceptions of using AI-powered tools in English language teaching. Int J Inf Educ Technol. 15 (6), 1161-1171 (2025).
  3. Khamis, N. Y. H., Yusof, N. Artificial intelligence revolutionising writing assessments. Int J Lang Educ Appl Linguist. 14 (2), 1-6 (2024).
  4. Ng, P. M., Chan, J. K., Kwong, R., Kwok, M. L. J., Lau, M. M., et al. Bonus or burden? Exploring the interplay of FOMO and attitudes on DeepSeek adoption, managing information and firm performance in China. J Enterp Inf Manag. , https://profile.cpce-polyu.edu.hk/en/publications/bonus-or-burden-exploring-the-interplay-of-fomo-and-attitudes-on--3/ (2025).
  5. Yang, X., Song, B., Chen, L., Ho, S. S., Sun, J. Technological optimism surpasses fear of missing out: A multigroup analysis of presumed media influence on generative AI technology adoption across varying levels of technological optimism. Comput Human Behav. 162, 108466(2025).
  6. Lee, B. G. Understanding the digital and AI transformation. , Springer Nature. Singapore. (2024).
  7. Mathur, S., Shah, C. S., Vishnoi, S. K., Tewari, A. ChatGPT and me: A dual factor examination. J Comput Inf Syst. , (2025).
  8. Caporusso, N. Generative artificial intelligence and the emergence of creative displacement anxiety. Res Psychol Behav. , (2023).
  9. Abd Ellatif Elsayed, H. Fear of missing out and its impact: Exploring relationships with social media use, psychological well-being, and academic performance among university students. Front Psychol. 16, 1582572(2025).
  10. Yankouskaya, A., Liebherr, M., Ali, R. Can ChatGPT be addictive? A call to examine the shift from support to dependence in AI conversational large language models. Hum Cent Intell Syst. 5, 77-89 (2025).
  11. Montag, C., Yang, H., Wu, A. M., Ali, R., Elhai, J. D. The role of artificial intelligence in general, and large language models specifically, for understanding addictive behaviors. Ann N Y Acad Sci. 1548 (1), 5-11 (2025).
  12. Deci, E. L., Ryan, R. M. The general causality orientations scale: Self-determination in personality. J Res Pers. 19 (2), 109-134 (1985).
  13. Festinger, L. A theory of social comparison processes. Hum Relat. 7 (2), 117-140 (1954).
  14. Sweller, J. Cognitive load during problem solving: Effects on learning. Cogn Sci. 12 (2), 257-285 (1988).
  15. Ryan, R. M., Deci, E. L. Intrinsic and extrinsic motivation from a self-determination theory perspective: Definitions, theory, practices, and future directions. Contemp Educ Psychol. 61, 101860(2020).
  16. Wu, D., Zhao, Y. C., Wang, X., Song, S., Lian, J. Digital hoarding in everyday hedonic social media use: The roles of fear of missing out (FoMO) and social media affordances. Int J Hum Comput Interact. 40 (18), 5399-5414 (2024).
  17. Venkatesh, V. Determinants of perceived ease of use: Integrating control, intrinsic motivation, and emotion into the technology acceptance model. Inf Syst Res. 11 (4), 342-365 (2000).
  18. Liu, J. When usefulness fuels fear: The paradox of generative AI dependence and the mitigating role of AI literacy. Int J Hum Comput Interact. , (2025).
  19. Shukla, A., Jirli, P. Ethical and social consequences of accelerated technology adoption. Augmenting retail reality, Part A: Blockchain, AR, VR, and the Internet of Things. , Emerald Publishing Limited. (2024).
  20. Owen, A., Graham, M. Ethical considerations in artificial intelligence and the growing dependence on data: Challenges, implications, and future perspectives. , (2024).
  21. Wang, Y. Emotional dependence path of artificial intelligence chatbot based on structural equation modeling. Procedia Comput Sci. 247, 1089-1094 (2024).
  22. Erdmann, M., Lassleben, L., Wagner, L., Prinzing, C., Sauer, S., et al. Effects of increased usage of artificial intelligence (AI) technology on user's perception of dependency on chatbots and smart home systems. In Int Conf Hum Comput Interact. , 178-195 (2025).
  23. Zhang, X., Hu, J., Zhou, Y. The role of perceived utility and ethical concerns in the adoption of AI-based data analysis tools: A multi-group structural equation model analysis among academic researchers. Educ Inf Technol. 30 (13), 18819-19188 (2025).
  24. Uppal, K., Hajian, S. Students' perceptions of ChatGPT in higher education: A study of academic enhancement, procrastination, and ethical concerns. Eur J Educ Res. 14 (1), 199-211 (2025).
  25. Putri, K. Y., Naf'ihima, F. A. R. Pre-service teacher' perceptions of generative AI: Dependency, effect, and ethics. Educ Linguist Knowl J. 7 (1), 1-21 (2025).
  26. Morales-García, W. C., Sairitupa-Sanchez, L. Z., Morales-García, S. B., Morales-García, M. Development and validation of a scale for dependence on artificial intelligence in university students. Front Educ. 9, 1323898(2024).
  27. Khoso, A. K., Honggang, W., Darazi, M. A. Empowering creativity and engagement: The impact of generative artificial intelligence usage on Chinese EFL students' language learning experience. Comput Hum Behav Rep. 18, 100627(2025).
  28. Amin, M. Y. M. AI and Chat GPT in language teaching: Enhancing EFL classroom support and transforming assessment techniques. Int J High Educ Pedagog. 4 (4), 1-15 (2023).
  29. Murphy, R. S., Wotley, D., Minn, D. Integrating ChatGPT into the EFL classroom: Benefits and challenges. Bull Cent Fundam Educ. 40, 97-166 (2023).
  30. Ahmed, M. A. ChatGPT and the EFL classroom: Supplement or substitute in Saudi Arabia's eastern region. Inf Sci Lett. 12 (7), 2727-2734 (2023).
  31. Long, H. S. Exploring the use of ChatGPT as a tool for written corrective feedback in an EFL classroom. J Asia TEFL. 21 (2), 397-412 (2024).
  32. Ferhataj, A., Memaj, F., Sahatcija, R., Ora, A., Koka, E. Ethical concerns in AI development: Analyzing students' perspectives on robotics and society. J Inf Commun Ethics Soc. 23 (2), 165-187 (2025).
  33. Zaiarna, I., Zhyhadlo, O., Dunaievska, O. ChatGPT in foreign language teaching and assessment: Exploring EFL instructors' experience. Inf Technol Learn Tools. 4 (102), 176-191 (2024).
  34. Mali, Y. C. G. Exploring the use of ChatGPT in EFL/ESL writing classrooms: A systematic review. J Lang Educ. 11 (2), 137-156 (2025).
  35. Bin-Hady, W. R. A., Ali, J. K. M., Al-Humari, M. A. The effect of ChatGPT on EFL students' social and emotional learning. J Res Innov Teach Learn. 17 (2), 243-255 (2024).
  36. Kavak, V. İ, Evis, D., Ekinci, A. The use of ChatGPT in language education. Exp Appl Med Sci. 5 (2), 72-82 (2024).
  37. Li, J., Ren, X., Jiang, X., Chen, C. H. Exploring the use of ChatGPT in Chinese language classrooms. Int J Chin Lang Teach. 4 (3), 36-55 (2024).
  38. Dilzhan, B. Teaching English and artificial intelligence: EFL teachers' perceptions and use of ChatGPT. [Dissertation]. , SDU University. (2023).
  39. Hong, W., Liu, R. D., Ding, Y., Yang, X., Yang, Y., Lin, J. The myth of parental fear of missing out on their children's schooling in China: A tentative study to explore its effect on children's learning engagement. Educ Psychol. 45 (9), 1-20 (2025).
  40. Gezgin, D. M., Efeoğlu, E. Using explainable artificial intelligence to predict internet addiction in Turkish university students. Int J Hum Comput Interact. , (2025).
  41. Al-Furaih, S. A., Al-Awidi, H. M. Fear of missing out (FoMO) among undergraduate students in relation to attention distraction and learning disengagement in lectures. Educ Inf Technol. 26 (2), 2355-2373 (2021).
  42. Sweller, J. Cognitive load theory and educational technology. Educ Technol Res Dev. 68 (1), 1-16 (2020).
  43. Engle, R. W. Working memory and executive attention: A revisit. Perspect Psychol Sci. 13 (2), 190-193 (2018).
  44. Pekrun, R. Inquiry on emotions in higher education: Progress and open problems. Stud High Educ. 44 (10), 1806-1811 (2019).
  45. Santi, E., Kholipa, R., Putri, M. G. Reading interest strength and vocabulary acquisition of EFL learners: A meta-analysis. J Lang Linguist Stud. 17 (3), 1225-1242 (2021).
  46. Chang, A. C., Renandya, W. A. The effect of narrow reading on L2 learners' vocabulary acquisition. RELC J. 52 (3), 493-508 (2021).
  47. Lin, Z., Chen, H. Investigating the capability of ChatGPT for generating multiple-choice reading comprehension items. Syst. 123, 103344(2024).
  48. Shane-Simpson, C., Bakken, T. Students' fear of missing out predicts in-class social media use. Teach Psychol. 51 (2), 141-150 (2024).
  49. Tong, X., Yu, L., Deacon, S. H. A meta-analysis of the relation between syntactic skills and reading comprehension: A cross-linguistic and developmental investigation. Rev Educ Res. 95 (3), 385-426 (2025).
  50. Arini, A., Hudha, M. C. Analyzing the effect of FoMO on students' learning motivation in Islamic religious education. Southeast Asian J Islam Educ. 8 (1), 125-138 (2025).
  51. Mohamed, A. A. A. E. F. Fear of missing out disorder of social networking sites (FoMO) towards blinds and mechanisms of combating it in the framework of technological literacy. Egypt J Public Opin Res. 21 (1), 67-130 (2022).
  52. Chen, C., Shen, Y., Xiao, F., Ni, J., Zhu, Y. The effect of smartphone dependence on learning burnout among undergraduates: The mediating effect of academic adaptability and the moderating effect of self-efficacy. Front Psychiatry. 14, 1155544(2023).
  53. Ye, X., et al. Effect of fear of missing out on learning burnout in medical students: A moderated mediation. Front Psychiatry. 14, 1289906(2023).
  54. Yang, X., Du, J. The effect of teacher self-efficacy, online pedagogical and content knowledge, and emotion regulation on teacher digital burnout: A mediation model. BMC Psychol. 12 (1), 51(2024).
  55. Qin, Y., Liu, S. J., Xu, X. L. The causalities between learning burnout and internet addiction risk: A moderated-mediation model. Soc Psychol Educ. 26 (5), 1455-1477 (2023).
  56. Li, H. I cannot miss it for the world: The relationship between fear of missing out (FoMO) and acceptance of ChatGPT. Basic Appl Soc Psych. 46 (5), 285-294 (2024).
  57. Saboor, A., Ali, K., Mugheri, A., Fatima, M. The impact of digital transformation on educational leadership: Assessing digital burnout and mental health in virtual teaching. Rev Appl Manag Soc Sci. 7 (4), 391-408 (2024).
  58. Kuadey, N. A. m, et al. Using machine learning algorithms to examine the impact of technostress creators on student learning burnout and perceived academic performance. Int J Inf Technol. 16 (4), 2467-2482 (2024).
  59. Al-Enezi, F. K. The mediating role of academic resilience between digital overload and school burnout among high school students in Kuwait. Educ Process Int J. 17, e2025341(2025).
  60. Basri, S., Hawaldar, I. T., Nayak, R., Rahiman, H. U. Do academic stress, burnout and problematic internet use affect perceived learning? Evidence from India during the COVID-19 pandemic. Sustainability. 14 (3), 1409(2022).
  61. Hussain, Z., Chenmei, C., Saeed, M., Hassan, N., Chiragh, F. Personality and teachers' burnout stress: Exploring the digital competence as personal job resource in allied health institutions. Front Psychol. 15, 1334371(2024).
  62. Zhang, P., Ma, S., Zhao, Y., Ling, J., Sun, Y. Analysing influencing factors and correlation paths of learning burnout among secondary vocational students in the context of social media: An integrated ISM-MICMAC approach. Heliyon. 10 (7), e28696(2024).
  63. Song, W., Wang, Z., Zhang, R. Classroom digital teaching and college students' academic burnout in the post COVID-19 era: A cross-sectional study. Int J Environ Res Public Health. 19 (20), 13403(2022).
  64. Dinh, T. C. T., Lee, Y. Social media influencers and followers' conspicuous consumption: The mediation of fear of missing out. Heliyon. 10 (16), (2024).
  65. Kovan, A., Yıldırım, M., Gülbahçe, A. The relationship between fear of missing out and social media addiction among Turkish Muslim students: A serial mediation model through self-control and responsibility. Soc Sci Humanit Open. 10, 101084(2024).
  66. Shi, G., Wu, Y., Pang, H., Liu, Z. The double-edged sword effect of leaders' fear of missing out on leaders' creativity: An experience sampling method study. Psychol Res Behav Manag. 17, 259-271 (2024).
  67. Batmaz, H., Çelik, E., Koçak, L., Tufan, B. N., Makas, S., et al. Fear of missing out mediated the relationship between social appearance anxiety and phubbing in Turkish adults. J Gambl Issues. 53, (2024).
  68. Budhathoki, T., Zirar, A., Njoya, E. T., Timsina, A. ChatGPT adoption and anxiety: A cross-country analysis utilising the unified theory of acceptance and use of technology (UTAUT). Stud High Educ. 49 (5), 831-846 (2024).
  69. Holte, A. J., Nixon, A., Cooper, J. Attachment anxiety mediates the relationship of need to belong and fear of missing out (FoMO). Discov Psychol. 4 (1), 141(2024).
  70. Liu, H., Li, T., Zheng, H., Li, Y., Fan, J. Exploring the relationship between students' language learning curiosity and academic achievement: The mediating role of foreign language anxiety. Behav Sci. 15 (8), 1133(2025).
  71. Jin, W., Li, P., Ma, H., Qin, M. The impact of communication software usage on work engagement in remote work: The mediating role of distraction and FoMO. Curr Psychol. 43 (27), 23156-23177 (2024).
  72. Festinger, L. A theory of social comparison processes. Hum Relat. 7 (2), 117-140 (1954).
  73. Sweller, J. Cognitive load during problem solving: Effects on learning. Cogn Sci. 12 (2), 257-285 (1988).
  74. Faul, F., Erdfelder, E., Buchner, A., Lang, A. G. Statistical power analyses using G*Power 3.1: Tests for correlation and regression analyses. Behav Res Methods. 41 (4), 1149-1160 (2009).
  75. Henseler, J., Hubona, G., Ray, P. A. Using PLS path modeling in new technology research: Updated guidelines. Ind Manag Data Syst. 116 (1), 2-20 (2016).
  76. Kim, D., Ko, Y. Development and validation of an ethical awareness scale for AI technology. J Digit Converg. 20 (1), 71-86 (2022).
  77. Abbas, M., Jam, F. A., Khan, T. I. Is it harmful or helpful? Examining the causes and consequences of generative AI usage among university students. Int J Educ Technol High Educ. 21 (1), 10(2024).
  78. Mazlum, M., Atalay, A. Developing the fear of missing out (FoMO) scale for university students: The validity and reliability study. J Pedagog Res. 6 (4), (2022).
  79. Mokhtari, K., Dimitrov, D. M., Reichard, C. A. Revising the metacognitive awareness of reading strategies inventory (MARSI) and testing for factorial invariance. 8 (2), 219-246 (2018).
  80. Erten, P., Özdemir, O. The digital burnout scale. İnönü Univ J Fac Educ. 21 (2), 668-683 (2020).
  81. Li, R., Meng, Z., Tian, M., Zhang, Z., Xiao, W. Modelling Chinese EFL learners' flow experiences in digital game-based vocabulary learning: The roles of learner and contextual factors. Comput Assist Lang Learn. 34 (4), 483-505 (2021).
  82. Hair, J., Alamer, A. Partial least squares structural equation modeling (PLS-SEM) in second language and education research: Guidelines using an applied example. Res Methods Appl Linguist. 1 (3), 100027(2022).
  83. Preacher, K. J., Hayes, A. F. Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models. Behav Res Methods. 40 (3), 879-891 (2008).
  84. Hair, J. F., Risher, J. J., Sarstedt, M., Ringle, C. M. When to use and how to report the results of PLS-SEM. Eur Bus Rev. 31 (1), 2-24 (2019).
  85. Hair, J. F. Jr, Hult, G. T. M., Ringle, C. M., Sarstedt, M., Danks, N. P., Ray, S. Partial least squares structural equation modeling (PLS-SEM) using R: A workbook. , Springer Nature. (2021).
  86. Salah, M., Abdelfattah, F., Alhalbusi, H., Al Mukhaini, M. Me and my AI bot: Exploring the 'AIholic' phenomenon and university students' dependency on generative AI chatbots-Is this the new academic addiction. , (2023).
  87. Razali, K., Razali, I. Strategies in improving reading comprehension through vocabulary acquisition. Englisia J Lang Educ Humanit. 1 (1), 1-16 (2013).
  88. Noor, U., Younas, M., Saleh Aldayel, H., Menhas, R., Qingyu, X. Learning behavior, digital platforms for learning and its impact on university student’s motivations and knowledge development. Front. Psychol. , (2022).
  89. Nguyen Thi Thu, H. EFL teachers' perspectives toward the use of ChatGPT in writing classes: A case study at Van Lang University. Int J Lang Instr. 2 (3), 1-47 (2023).
  90. Ghafar, Z. N. ChatGPT: A new tool to improve teaching and evaluation of second and foreign languages. A review of ChatGPT: The future of education. Int J Appl Res Sustain Sci. 1 (2), 73-86 (2023).
  91. Morales-García, W. C., Sairitupa-Sanchez, L. Z., Morales-García, S. B., Morales-García, M. Development and validation of a scale for dependence on artificial intelligence in university students. Front Educ. 9, 1323898(2024).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

مقالات ذات صلة