مقالة بحثية

الذكاء الاصطناعي التوليدي، والدافعية، والقلق، والإبداع في فصول تعلم اللغة الإنجليزية كلغة أجنبية في السعودية: دراسة مسحية مقطعية

DOI:

10.3791/72626

⸱

أغسطس 14, 2026

1English Department, College of Languages and Translation, University of Jeddah

في هذه المقالة

ملخص

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

بحثت هذه الدراسة المسحية المقطعية في الارتباطات بين استخدام الذكاء الاصطناعي التوليدي، وأسلوب التدريس، والثقافة الرقمية، والدافعية، والقلق، والإبداع لدى طلاب المرحلة الجامعية السعوديين الذين يدرسون اللغة الإنجليزية كلغة أجنبية، حيث حددت الدراسة الدافعية كوسيط مهم في العلاقات الملحوظة.

الملخص

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

يتم دمج أدوات الذكاء الاصطناعي (AI) مثل ChatGPT بشكل متزايد في تعليم اللغة الإنجليزية كلغة أجنبية (EFL)؛ ومع ذلك، تتوفر أدلة محدودة فيما يتعلق بكيفية ارتباط استخدامها بأسلوب التدريس، والثقافة الرقمية، والدافعية، وقلق الفصل الدراسي للغات الأجنبية (FLCA)، والإبداع ضمن السياق السعودي. بحثت هذه الدراسة في الارتباطات بين هذه البنى وفحصت الدور الوسيط للدافعية ضمن إطار مفاهيمي موحد. تم إجراء مسح كمي مقطعي على 280 طالباً من طلاب مرحلة البكالوريوس في تخصص اللغة الإنجليزية كلغة أجنبية (EFL) المسجلين في جامعة حكومية في المملكة العربية السعودية باستخدام أدوات استبيان معتمدة. تم تحليل العلاقات المقترحة باستخدام نمذجة المعادلات الهيكلية بالمربعات الصغرى الجزئية (PLS-SEM). أشارت النتائج إلى أن استخدام ChatGPT، وأسلوب التدريس، والثقافة الرقمية ارتبطت إيجابياً بدافعية الطلاب. كما ارتبطت الدافعية الأعلى بمستويات أقل من قلق الفصل الدراسي للغات الأجنبية (FLCA) ومستويات أعلى من الإبداع. كما توسطت الدافعية في الارتباطات بين استخدام ChatGPT، وأسلوب التدريس، والثقافة الرقمية، وقلق الفصل الدراسي للغات الأجنبية (FLCA). تشير هذه النتائج إلى أن التجارب التحفيزية للطلاب ترتبط ارتباطاً وثيقاً بالعلاقات بين الممارسات التعليمية، واستخدام التكنولوجيا، ومخرجات تعلم اللغة. تقدم الدراسة أدلة تدعم دمج استراتيجيات التدريس المناسبة، وأدوات الذكاء الاصطناعي التوليدي، والثقافة الرقمية ضمن تعليم اللغة الإنجليزية، مع تسليط الضوء على أهمية مراعاة التجارب التحفيزية والعاطفية للطلاب عند تنفيذ بيئات التعلم المدعومة بالتكنولوجيا.

المقدمة

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

تشهد المملكة العربية السعودية أجندة إصلاح تعليمي تحولية في إطار رؤية 2030، والتي تعطي الأولوية لتطوير مهارات القرن الحادي والعشرين، والكفاءة الرقمية، والمناهج التربوية المبتكرة في جميع المستويات التعليمية1. وفي هذا السياق الوطني، لا يزال تعليم اللغة الإنجليزية كلغة أجنبية (EFL) يواجه تحديات مستمرة، بما في ذلك ثقافة قائمة على الاختبارات تركز على التعلم بالتلقين وأداء الاختبارات على حساب الكفاءة التواصلية2,3. كما أن الفرص المحدودة للتفاعل الحقيقي باللغة الإنجليزية خارج الفصل الدراسي، إلى جانب المستويات العالية من القلق المرتبط بتعلم لغة أجنبية في الفصل (FLCA)، تحد بشكل أكبر من رغبة الطلاب في التواصل والتفاعل الهادف باللغة المستهدفة4. وقد دفعت هذه التحديات التربويين وصناع القرار إلى استكشاف مناهج مبتكرة تعالج القصور في الدافعية، والعوائق العاطفية، والاستخدام الإبداعي للغة. وقد برز الذكاء الاصطناعي (AI) كمسار واعد لدعم تعلم اللغة وتحويل الممارسات التدريسية5. ومن بين تطبيقات الذكاء الاصطناعي في تدريس اللغة الإنجليزية (ELT)، حظي ChatGPT، وهو نموذج ذكاء اصطناعي توليدي حواري، باهتمام كبير لتوفيره ممارسة لغوية تفاعلية وتغذية راجعة فردية فورية في سياقات محادثة في الوقت الفعلي6. وتعتبر هذه الميزات ذات أهمية خاصة في فصول تعلم اللغة الإنجليزية كلغة أجنبية في السعودية، حيث لا يزال التدريس المتمركز حول المعلم والتفاعل المحدود للطلاب يقيدان الإنتاج اللغوي الإبداعي7. وقد يساعد ChatGPT في معالجة هذه المحدوديات من خلال توفير فرص للممارسة اللغوية الحقيقية ومنخفضة القلق مع محاور يعمل بالذكاء الاصطناعي8.

شجعت الإصلاحات التعليمية الأخيرة في المملكة العربية السعودية الانتقال نحو البيداغوجيا المتمركزة حول المتعلم، مما خلق فرصاً لدمج تقنيات الذكاء الاصطناعي التي تعزز المشاركة النشطة، والتفكير النقدي، والتعلم الموجه ذاتياً9,10. وعند تطبيقه بشكل مناسب، يمكن لـ ChatGPT دعم هذا الانتقال من خلال توسيع ممارسة اللغة إلى ما وراء الأنشطة الصفية التقليدية11. ومع ذلك، تعتمد فعالية دمج الذكاء الاصطناعي جزئياً على الثقافة الرقمية للطلاب، والتي تُعرف بأنها قدرتهم على تقييم التقنيات الرقمية واستخدامها والتفاعل معها بفعالية لأغراض التعلم12. وتمكن الثقافة الرقمية المتعلمين من الاستفادة الإنتاجية من أدوات الذكاء الاصطناعي مع تقليل المخاطر المحتملة، بما في ذلك الاعتماد المفرط والمعلومات المضللة13. وتكتسب هذه الكفاءة أهمية خاصة في التعليم العالي السعودي، حيث تسارع التحول الرقمي في ظل رؤية 203014.

على الرغم من أن الأبحاث السابقة قد درست أدوات الذكاء الاصطناعي، وأسلوب التدريس، ومحو الأمية الرقمية، والدافعية، والقلق، والإبداع بشكل منفصل، إلا أن هناك أدلة محدودة بحثت في كيفية تفاعل هذه المفاهيم ضمن إطار عمل موحد في سياقات تعلم اللغة الإنجليزية كلغة أجنبية (EFL) غير غربية، مثل المملكة العربية السعودية. وقد تم تحديد الدافعية باستمرار كآلية مهمة تربط الممارسات التدريسية بنواتج التعلم، بما في ذلك انخفاض القلق، وزيادة الإبداع، والمشاركة المستمرة15. ومع ذلك، فإن العلاقات بين استخدام ChatGPT، وأسلوب التدريس، ومحو الأمية الرقمية، والدافعية، وقلق تعلم اللغة الأجنبية (FLCA)، والإبداع لم يتم فحصها بشكل شامل في سياق تعلم اللغة الإنجليزية كلغة أجنبية في السعودية16. وقد يوفر معالجة هذه الفجوة رؤى نظرية وعملية لتصميم بيئات تعلم لغة معززة بالتكنولوجيا تدعم التطور التحفيزي والعاطفي والإبداعي للطلاب. وبناءً على ذلك، تبحث هذه الدراسة في العلاقات بين استخدام ChatGPT، وأسلوب التدريس، ومحو الأمية الرقمية، والدافعية، وFLCA، والإبداع لدى طلاب المرحلة الجامعية السعوديين الذين يتعلمون اللغة الإنجليزية كلغة أجنبية. وتحديداً، تبحث الدراسة في (1) علاقات استخدام ChatGPT وأسلوب التدريس ومحو الأمية الرقمية بالدافعية لدى الطلاب؛ (2) علاقات الدافعية بـ FLCA والإبداع؛ و(3) الدور الوسيط للدافعية في العلاقات بين استخدام ChatGPT، وأسلوب التدريس، ومحو الأمية الرقمية، والمتغيرات الناتجة المتمثلة في القلق والإبداع.

تساهم هذه الدراسة في تعليم اللغة الإنجليزية كلغة أجنبية (EFL) والتعلم المعزز بالتكنولوجيا من خلال دمج استخدام أدوات الذكاء الاصطناعي في النماذج القائمة للتحفيز وتعلم اللغات، مما يوسع فهم تعلم اللغات المدعوم تكنولوجياً في البيئات التعليمية المعاصرة. كما تقدم الدراسة أدلة قد تفيد التربويين ومصممي المناهج وصناع القرار الساعين إلى دمج أدوات الذكاء الاصطناعي في تدريس اللغة الإنجليزية كلغة أجنبية في المملكة العربية السعودية. ومن خلال فحص التحفيز كوسيط يربط بين استخدام التكنولوجيا والممارسات التدريسية وبين القلق من تعلم اللغة الأجنبية (FLCA) والإبداع، توفر الدراسة أدلة مرتبطة بالسياق لدعم تطوير تعليم لغات متمحور حول المتعلم يتماشى مع أهداف الإصلاح التعليمي في المملكة العربية السعودية.

توفر نظرية تقرير المصير (SDT) إطاراً نظرياً لفهم العلاقة بين ممارسات التدريس ودافعية الطلاب في السياقات التعليمية17. ووفقاً لنظرية تقرير المصير، يتم دعم الدافعية الذاتية والأشكال المستقلة من الدافعية الخارجية عندما يتم تلبية الاحتياجات النفسية الأساسية الثلاثة للمتعلمين — وهي الاستقلالية، والكفاءة، والارتباط — داخل بيئة التعلم18. ومن ثم، يعد أسلوب التدريس عاملاً سياقياً رئيسياً يؤثر في دافعية الطلاب ومشاركتهم19. وتعمل ممارسات التدريس الداعمة للاستقلالية، والتي توفر خيارات ذات مغزى وتراعي وجهات نظر الطلاب وتشرح أنشطة التعلم، على تعزيز الدافعية الذاتية والمشاركة القائمة على تقرير المصير20. وفي سياقات تعلم اللغة الإنجليزية كلغة أجنبية (EFL)، ارتبطت المناهج التي تركز على المتعلم، بما في ذلك أساليب التدريس التي يلعب فيها المعلم دور الميسر أو المفوض، بزيادة التزام الطلاب ومشاركتهم واهتمامهم بتعلم اللغة21,22. وعلى العكس من ذلك، قد يؤدي التدريس المتمركز حول المعلم إلى تقليل الدافعية من خلال الحد من مشاركة الطلاب واستقلاليتهم، مع التركيز على المكافآت الخارجية بدلاً من الاهتمام الذاتي23,24. وفي سياق تعلم اللغة الإنجليزية كلغة أجنبية في المملكة العربية السعودية، حيث ركز التدريس التقليدي تاريخياً على الحفظ والإلقاء المتمركز حول المعلم25، فإن تبني مناهج تدريس أكثر تركيزاً على المتعلم قد يدعم دافعية الطلاب26. وبناءً على هذا الأساس النظري والتجريبي، تم اقتراح الفرضية التالية: H1: يؤثر أسلوب التدريس إيجابياً على دافعية طلاب اللغة الإنجليزية كلغة أجنبية.

لقد خضعت العلاقة بين التكنولوجيا التعليمية ودافعية المتعلم لبحث مستفيض27,28. ويشير نموذج قبول التكنولوجيا (TAM) إلى أن دافعية المتعلمين للتفاعل مع التكنولوجيا التعليمية تتأثر بمدى الفائدة المدركة وسهولة الاستخدام المدركة، واللذين يشكلان النوايا السلوكية واستخدام التكنولوجيا29. وبالتطبيق على ChatGPT، يشير هذا الإطار إلى أن الطلاب الذين يدركون أن هذه الأداة مفيدة وسهلة الاستخدام هم أكثر عرضة للتفاعل معها في تعلم اللغة30. وقد سجلت الدراسات التجريبية وجود ارتباطات إيجابية بين تعلم اللغة المدعوم بالذكاء الاصطناعي ودافعية الطلاب، حيث تساهم الميزات التفاعلية، والتغذية الراجعة الفورية، والممارسة المخصصة في الحفاظ على استمرارية التفاعل31,32. كما قد يقلل ChatGPT من العوائق المرتبطة بالقلق اللغوي من خلال توفير فرص لممارسة اللغة في ظروف منخفضة الضغط، مما قد يشجع على الاستمرار في استخدام اللغة33. وتكتسب هذه الإمكانية أهمية خاصة في السياق السعودي، حيث تم تحديد قلق اللغة الأجنبية (FLCA) كعائق مهم أمام الدافعية والتحصيل اللغوي34. وبناءً على هذه النتائج النظرية والتجريبية، تم اقتراح الفرضية التالية: H2: يؤثر استخدام ChatGPT إيجابياً على دافعية طلاب اللغة الإنجليزية كلغة أجنبية (EFL).

أصبحت الثقافة الرقمية محدداً مهماً لدوافع الطلاب في بيئات تعلم اللغة الإنجليزية كلغة أجنبية المعاصرة35. وهي تشير إلى القدرة على البحث في التقنيات والوسائط الرقمية وتقييمها واستخدامها بفعالية من أجل التعلم36. وفي سياقات تعلم اللغة الإنجليزية كلغة أجنبية، تمكن الثقافة الرقمية المتعلمين من الاستفادة الفعالة من الموارد الرقمية، بما في ذلك ChatGPT، وأنظمة إدارة التعلم، وأدوات الوسائط المتعددة، لدعم تعلم اللغة والتحفيز37. والطلاب الذين يتمتعون بمستويات أعلى من الثقافة الرقمية يكونون أكثر عرضة لاستخدام تقنيات التعلم بثقة، مما يعزز الكفاءة والاستقلالية، وهما أمران مرتبطان بالدافع الداخلي38. كما أنهم مجهزون بشكل أفضل لاستخدام الأدوات الرقمية في ممارسة اللغة بشكل مستقل، والحصول على التغذية الراجعة، والمشاركة المستمرة في التعلم39. وبناءً على هذه الدراسات، تم اقتراح الفرضية التالية: H3: تؤثر الثقافة الرقمية لطلاب اللغة الإنجليزية كلغة أجنبية إيجابياً على دوافعهم.

يُعد قلق اللغة الأجنبية (FLCA) والإبداع مفهومين مترابطين وثيقاً في تعليم اللغة الإنجليزية كلغة أجنبية (EFL)، على الرغم من أن العلاقة بينهما تظل معقدة40. فقد يحد القلق من أداء المتعلمين في المهام التي تتطلب الإبداع، والمرونة المعرفية، والتفكير التباعدي، والتعبير عن الذات41. ويعكس قلق اللغة الأجنبية خوف المتعلمين من ارتكاب الأخطاء، والتقييم السلبي، وانخفاض الثقة بالنفس، وكل ذلك قد يعيق الإنتاج اللغوي الإبداعي42. ومع ذلك، فإن الإبداع يعد كفاءة مهمة في تعلم اللغة الإنجليزية كلغة أجنبية لأنه يدعم استخدام اللغة بطريقة مبتكرة ومناسبة للسياق31. وقد أشارت الدراسات السابقة إلى أن المتعلمين الذين يعانون من مستويات أعلى من القلق يكونون أقل ميلاً للمشاركة في أنشطة الكتابة الإبداعية والتواصل الشفهي43,44. وبناءً على هذه الأدبيات، تم اقتراح الفرضيات التالية: 1) H4: ترتبط دافعية طلاب اللغة الإنجليزية كلغة أجنبية ارتباطاً سلبياً بقلقهم، و 2) H5: يؤثر قلق طلاب اللغة الإنجليزية كلغة أجنبية سلباً على إبداعهم.

يوفر الدافع آلية نظرية يمكن من خلالها أن يرتبط أسلوب التدريس، واستخدام ChatGPT، والثقافة الرقمية بقلق التحدث بلغة أجنبية FLCA45. فالمتعلمون المتحفزون هم أكثر عرضة للمشاركة بنشاط، والمثابرة في مواجهة التحديات، وتجربة مستويات أدنى من الرهبة في التواصل46. وقد ارتبطت ممارسات التدريس الداعمة، وتعلم اللغة بمساعدة الذكاء الاصطناعي، والثقافة الرقمية القوية، كل على حدة، بزيادة الدافع وانخفاض القلق في سياقات تعلم اللغة الإنجليزية كلغة أجنبية EFL47,48,49. كما تشير الأبحاث السابقة إلى أن زيادة الدافع ترتبط بانخفاض القلق داخل الفصل الدراسي وزيادة الإبداع، مما يدعم اعتبار الدافع وسيطًا محتملاً يربط بين الممارسات التعليمية واستخدام التكنولوجيا وبين نتائج التعلم50,51,52. وبناءً على هذه الدراسات، تم اقتراح الفرضيات التالية: 1) H6: يتوسط الدافع العلاقة بين أسلوب التدريس وقلق طلاب EFL؛ 2) H7: يتوسط الدافع العلاقة بين استخدام ChatGPT وقلق طلاب EFL؛ و3) H8: يتوسط الدافع العلاقة بين الثقافة الرقمية لطلاب EFL وقلقهم. يوضح الشكل 1 النموذج المفترض الذي يرتبط فيه أسلوب التدريس، واستخدام ChatGPT، والثقافة الرقمية بدافع طلاب EFL، والذي بدوره يتوسط علاقاتهم مع قلق التحدث بلغة أجنبية FLCA والإبداع.

figure-introduction-1
الشكل 1. نموذج البحث المفترض. يصور النموذج العلاقات المفترضة بين استخدام ChatGPT، وأسلوب التدريس، والثقافة الرقمية، والدافعية، وقلق الفصل الدراسي في تعلم لغة أجنبية، والإبداع لدى طلاب اللغة الإنجليزية كلغة أجنبية (EFL). تمثل الخطوط المتصلة العلاقات المباشرة المفترضة، بينما تمثل الخطوط المتقطعة العلاقات الوسيطة، كما هو موضح في الشكل. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

البروتوكول

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

على الرغم من أن الدراسة لم تتطلب موافقة أخلاقية رسمية من مجلس مراجعة مؤسسي نظرًا لتصميمها القائم على استطلاع مجهول وغير تجريبي لا يتضمن أي تدخلات جسدية أو تلاعب أو تضليل للمشاركين، فقد أجريت جميع الإجراءات وفقًا للمبادئ الأخلاقية لإعلان هلسنكي وإرشادات الجمعية الأمريكية لعلم النفس الخاصة بالأبحاث التي تشمل مشاركين بشريين. تم الحصول على موافقة مستنيرة من جميع المشاركين قبل جمع البيانات. ولم تطلب المؤسسة أو تصدر موافقة أخلاقية رسمية أو إعفاءً لهذا النوع من الدراسات. تم إبلاغ جميع المستجيبين صراحةً بغرض البحث، وبأن مشاركتهم تطوعية، وبحقهم في الانسحاب في أي وقت دون أي عواقب، وبإجراءات السرية الصارمة المطبقة على بياناتهم. لم يتم جمع أو الإبلاغ عن أي معلومات تحدد الهوية الشخصية، واستُخدمت جميع البيانات حصريًا للتحليل الأكاديمي التجميعي. وتم إيلاء اهتمام خاص لاستخدام صياغة محترمة وغير اقتحامية لضمان عدم تداخل الاستطلاع مع الأنشطة الأكاديمية للمشاركين أو سلامتهم النفسية. وللاطلاع على نموذج الموافقة المستنيرة، انظر الملف التكميلي 1. علاوة على ذلك، فإن المواد المستخدمة في هذه الدراسة مدرجة في جدول المواد.

تصميم البحث

يوضح هذا القسم تصميم البحث، وإجراءات جمع البيانات، وتفاصيل العينة المستخدمة في الدراسة لاستقصاء العلاقات بين أسلوب التدريس، واستخدام ChatGPT، والثقافة الرقمية، والدافعية، والقلق، والإبداع لدى طلاب اللغة الإنجليزية كلغة أجنبية (EFL). اعتمدت هذه الدراسة تصميماً بحثياً كمياً ومقطعياً لفحص الدور الوسيط للدافعية في العلاقات بين أسلوب التدريس، واستخدام ChatGPT، والثقافة الرقمية، والقلق لدى طلاب اللغة الإنجليزية كلغة أجنبية، وكيفية ارتباط هذه المتغيرات مجتمعة بالإبداع. كما تم اعتماد منهجية استطلاع مهيكلة لجمع البيانات الأولية، وذلك لضمان التوحيد والموثوقية في قياس المفاهيم. واستخدمت الدراسة مقاييس مصادقاً عليها لتقييم جميع المتغيرات، بما في ذلك أسلوب التدريس، واستخدام ChatGPT، والثقافة الرقمية، والدافعية، وقلق تعلم اللغة الأجنبية (FLCA)، والإبداع.

البيانات والعينة

جُمعت بيانات هذه الدراسة من طلاب اللغة الإنجليزية كلغة أجنبية (EFL) المسجلين في جامعة جدة، وهي جامعة حكومية في المملكة العربية السعودية معروفة بتركيزها على تعليم اللغات ودمج التكنولوجيا في التدريس. تم اختيار المشاركين باستخدام تقنية العينة القصدية، والتي اعتبرت مناسبة لهذه الدراسة نظراً لمعايير الاشتمال المحددة التي تتطلب أن يكون لدى المشاركين خبرة نشطة في استخدام أدوات الذكاء الاصطناعي مثل ChatGPT في بيئتهم التعليمية. كان نهج المعاينة غير الاحتمالي هذا ضرورياً لأن أسئلة البحث ركزت على مجموعة سكانية محددة من طلاب اللغة الإنجليزية كلغة أجنبية الذين تعرضوا لكل من طرق التعلم التقليدية والتعلم المدعوم بالتكنولوجيا، كما أن المعاينة العشوائية لم تكن لتضمن إشراك مشاركين يستوفون هذه المعايير. ورغم أن العينة القصدية تحد من إمكانية تعميم النتائج على المجتمع الأوسع، فقد كانت مبررة في هذا الاستقصاء الاستكشافي لضمان امتلاك المشاركين للتجارب والرؤى ذات الصلة والضرورية لتحقيق أهداف البحث. وللتخفيف من قيود العينة القصدية، بُذلت جهود لإشراك مشاركين من خلفيات أكاديمية متنوعة ومستويات متفاوتة من الكفاءة التكنولوجية، مما يعزز تمثيلية العينة ضمن المجتمع المستهدف. تكونت العينة النهائية من 280 طالباً جامعياً في تخصص اللغة الإنجليزية كلغة أجنبية، وهو حجم اعتبر كافياً للتقنيات الإحصائية المستخدمة.

استند تحديد كفاية حجم العينة إلى الإرشادات المعتمدة لنمذجة المعادلة الهيكلية (SEM). يوصي الباحثون بحد أدنى يبلغ 10 حالات لكل معلمة مقدرة في نمذجة SEM، بينما تشير إرشادات أكثر تحفظاً إلى 20 حالة لكل معلمة في نمذجة المربعات الصغرى الجزئية الهيكلية (PLS-SEM). تضمن نموذج القياس 29 فقرة لمحو الأمية الرقمية، و25 فقرة لأسلوب التدريس، و32 فقرة لـ FLCA، إلى جانب فقرات إضافية لاستخدام ChatGPT والدافعية والإبداع. كما توصي إرشادات PLS-SEM بأن يكون الحد الأدنى لحجم العينة مساوياً لـ 10 أضعاف أكبر عدد من المؤشرات التكوينية أو أكبر عدد من المسارات الهيكلية الموجهة نحو بناء معين؛ وبناءً على ذلك، تجاوزت العينة المكونة من 280 مشاركاً هذه المتطلبات الدنيا. علاوة على ذلك، أشار تحليل القوة اللاحق باستخدام G*Power53 إلى أن عينة مكونة من 280 مشاركاً وفرت قوة إحصائية تتجاوز 0.95 للكشف عن أحجام التأثير المتوسطة (f2 = 0.15) مع α = 0.05، وهو ما يتجاوز العتبة الموصى بها عادةً وهي 0.80. يوفر حجم العينة هذا تقديرات موثوقة للمعلمات وقوة إحصائية كافية للكشف عن علاقات ذات دلالة بين متغيرات الدراسة مع استيعاب تعقيد نماذج القياس والنماذج الهيكلية المقترحة.

المشاركون والإجراءات

كان المشاركون من طلاب اللغة الإنجليزية كلغة أجنبية (EFL) الذين تتراوح أعمارهم بين 18 و25 عاماً، وكانت الغالبية العظمى منهم من طلاب المرحلة الجامعية في السنتين الأولى والثانية المسجلين في دورات اللغة الإنجليزية. أُجري الاستطلاع بين شهري سبتمبر وأكتوبر 2025، حيث دُعي الطلاب للمشاركة طوعاً. تضمنت عملية الاستقطاب التواصل عبر القنوات الرسمية للجامعة، بما في ذلك رسائل البريد الإلكتروني والإعلانات داخل الفصول الدراسية. كان المشاركون طلاب EFL تتراوح أعمارهم بين 18-25 عاماً ومسجلين كطلاب في السنة الأولى أو الثانية من المرحلة الجامعية في دورات اللغة الإنجليزية. تم تحديد الأهلية باستخدام معايير اشتمال واستبعاد محددة مسبقاً؛ حيث كان المشاركون مؤهلين إذا كانوا: (أ) مسجلين رسمياً في دورات اللغة الإنجليزية للمرحلة الجامعية في جامعة جدة، (ب) تتراوح أعمارهم بين 18-25 عاماً، (ج) مسجلين كطلاب في السنة الأولى أو الثانية. تم استبعاد الطلاب إذا كانوا: (أ) طلاب دراسات عليا أو طلاب مرحلة جامعية متقدمة خارج تسلسل الدورات التأسيسية، (ب) خارج النطاق العمري المحدد، أو (ج) مشاركين في مرحلة الاختبار القبلي للاستبيان. ولضمان الموافقة المستنيرة، تم إطلاع المشاركين على غرض الدراسة، وطبيعة مشاركتهم التطوعية، وسرية استجاباتهم. كانت أداة جمع البيانات عبارة عن استبيان مهيكل ذاتي الإدارة وُزع ورقياً وإلكترونياً باستخدام منصة آمنة على الإنترنت. وتم تكييف مقاييس معتمدة لقياس أسلوب التدريس، واستخدام ChatGPT، والثقافة الرقمية، ودوافع الطلاب، والقلق من تعلم اللغة الأجنبية (FLCA)، والإبداع. طُلب من المشاركين تقييم استجاباتهم وفق مقياس ليكرت الخماسي، والذي يتراوح من 1 (غير موافق بشدة) إلى 5 (موافق بشدة). أُجري الاختبار القبلي للاستبيان مع مجموعة صغيرة مكونة من 30 طالباً لضمان الوضوح والموثوقية. وبناءً على نتائج الاختبار القبلي، أُجريت تعديلات طفيفة في الصياغة لتعزيز استيعاب البنود، ولم يتم تحديد أي مشكلات جوهرية تتعلق بموثوقية المقياس أو صدقه. وللحفاظ على نزاهة البيانات وتشجيع الاستجابات الصادقة، ضُمِنت السرية، وأُكِّد للمشاركين أن بياناتهم ستُستخدم لأغراض البحث فقط. ومن بين 300 استجابة جُمعت في البداية، اعتُبرت 280 استجابة صالحة بعد فحص البيانات غير المكتملة أو المتناقضة، مما أدى إلى معدل استبقاء بلغ 93%. تضمنت إجراءات فحص البيانات فحص أنماط الاستجابة للكشف عن الإجابات النمطية المتكررة (straight-lining)، والبيانات المفقودة المفرطة (أكثر من 10%)، والقيم المتطرفة متعددة المتغيرات باستخدام مسافة ماهالانوبيس. يوفر هذا النهج المنهجي أساساً قوياً لتحليل العلاقات بين متغيرات الدراسة ويقدم رؤى قيمة حول دور أسلوب التدريس، وأدوات الذكاء الاصطناعي، والثقافة الرقمية في تشكيل دوافع طلاب EFL وقلقهم وإبداعهم.

بعد جمع البيانات، تم استبعاد 20 استجابة من المجموعة الأولية المكونة من 300 استجابة بناءً على معايير محددة مسبقاً: حيث تم حذف 12 استجابة بسبب كثرة البيانات المفقودة التي تجاوزت 10% من بنود الاستبيان، واستبعاد 5 استجابات لإظهارها أنماط استجابة خطية (استجابات موحدة عبر جميع البنود مما يشير إلى عدم التفاعل)، وتحديد 3 استجابات كقيم متطرفة متعددة المتغيرات باستخدام مسافة ماهالانوبيس (p < 0.001) وإزالتها لاحقاً لمنع تشويه نتائج نمذجة المعادلة الهيكلية (SEM). وقد تم التعامل مع القيم المفقودة للحالات المتبقية باستخدام تعويض المتوسط الحسابي في الحالات التي كانت فيها البيانات المفقودة ضئيلة (أقل من 5% لكل حالة)، حيث يُعد هذا النهج مقبولاً للنسب الصغيرة من البيانات المفقودة في أبحاث المسح واسعة النطاق. ويمثل معدل الاستبقاء النهائي البالغ 93% (280 استجابة صالحة من أصل 300 استبيان جُمع) نسبة الاستجابات القابلة للاستخدام التي تم الاحتفاظ بها من إجمالي الاستبيانات المجمعة؛ ومع ذلك، لا ينبغي تفسير ذلك على أنه معدل استجابة حقيقي، حيث تعذر حساب العدد الدقيق للمشاركين المدعوين لأن طرق التوزيع المادية والإلكترونية المشتركة عبر القنوات الجامعية الرسمية حالت دون التتبع الدقيق لإجمالي الدعوات. وهذا القصور مُعترف به، وبناءً عليه، تم تسجيل نسبة 93% كنسبة من الاستجابات الصالحة التي تم الاحتفاظ بها من الاستبيانات المجمعة وليس كمعدل استجابة بالنسبة لإجمالي السكان المدعوين.

الأدوات والمقاييس

استخدمت هذه الدراسة مقاييس معتمدة وموثقة، تم تكييفها بعناية مع سياق تعليم اللغة الإنجليزية كلغة أجنبية (EFL)، لقياس البنى الأساسية: أسلوب التدريس، والثقافة الرقمية، واستخدام ChatGPT، وقلق تعلم اللغة الأجنبية (FLCA)، والدافعية، والإبداع. وقد تم اختيار كل مقياس بناءً على ملاءمته وشموليته في رصد الأبعاد الخاصة بالمتغيرات قيد البحث. وقِيست الثقافة الرقمية باستخدام مقياس مُكيَّف استناداً إلى Rodríguez-de-Dios et al.54، يتكون من ستة أبعاد تضم 29 فقرة. وشملت هذه الأبعاد: المهارة التكنولوجية، ومهارة الأمن الشخصي، والمهارة النقدية، ومهارة أمن الأجهزة، والمهارة المعلوماتية، ومهارة التواصل، مما أتاح تقييماً شاملاً لكفاءة الطلاب في المهارات الرقمية الضرورية للسياقات التعليمية الحديثة. كما تم تقييم استخدام ChatGPT باستخدام مقياس مكون من 8 فقرات مُكيَّف عن Abbas et al.55، مع التركيز على تفاعل الطلاب مع أداة الذكاء الاصطناعي في مهام تعلم اللغة. وقُيّم أسلوب التدريس باستخدام نسخة مُكيَّفة من قائمة Grasha لأساليب التدريس56؛ حيث تقيس هذه الأداة خمسة أبعاد لأساليب التدريس هي: السلطوي، والخبير، والنموذج الشخصي، والميسر، والمفوض، وتعكس هذه الأبعاد مقاربات تدريسية متنوعة تؤثر على الخبرات التعليمية لطلاب EFL. أما FLCA فقد قِيست باستخدام مقياس مُكيَّف استناداً إلى Briesmaster and Briesmaster57، حيث فحصت هذه الأداة القلق عبر ثلاثة أبعاد: رهبة التواصل (10 فقرات)، وقلق الاختبارات (10 فقرات)، والخوف من التقييم السلبي (7 فقرات). وقُيمت دافعية الطلاب باستخدام مقياس مُكيَّف عن Kanoksilapatham et al.58، يقيس ثلاثة أبعاد: تعزيز والوقاية من الوسائلية، والمركزية العرقية والاندماجية، والاتجاه نحو تعلم اللغة الإنجليزية، وقد تضمن المقياس إجمالي 20 فقرة. كما قِيس إبداع طلاب EFL باستخدام مقياس مُكيَّف عن Govindasamy et al.59، والذي قيم أربعة أبعاد: الأصالة، والمرونة، والطلاقة، والتفصيل، حيث قيس كل بُعد باستخدام ثلاث فقرات. ولضمان الملاءمة الثقافية والسياقية للأدوات مع بيئة EFL، طُبقت إجراءات تكييف منهجية. ونظراً لأن المقاييس الأصلية طُورت باللغة الإنجليزية، فقد قام خبيران ثنائيي اللغة في تخصص EFL بمراجعة اللغة وتبسيطها لتحسين الوضوح لطلاب المرحلة الجامعية في المستوى المتوسط مع الحفاظ على المعنى الأصلي لكل بنية. ثم تمت ترجمة النسخ المُكيَّفة ترجمة عكسية إلى اللغة الأولى للمشاركين بواسطة مترجم مستقل للتحقق من التكافؤ اللغوي والمفاهيمي، وتم حل أي تعارضات من خلال المناقشة بين فريق البحث. لاحقاً، قام ثلاثة مدرسين ذوي خبرة في EFL بتقييم الأدوات المُكيَّفة من حيث ملاءمة المحتوى، والمناسبة الثقافية، ووضوح الفقرات، مما أدى إلى مراجعات طفيفة في الصياغة واستبدال الأمثلة غير المألوفة ثقافياً حيثما كان ذلك مناسباً. وأخيراً، اختُبرت الأدوات المنقحة تجريبياً مع 30 طالباً (انظر قسم الإجراءات Procedure)، واستُخدمت ملاحظات المشاركين لإجراء تحسينات طفيفة إضافية على الصياغة لتعزيز الفهم. وقد ضمنت هذه العملية متعددة الخطوات احتفاظ الأدوات المُكيَّفة بخصائصها السيكومترية الأصلية مع كونها ملائمة لمجتمع طلاب EFL المستهدف. للاطلاع على الاستبيان المُكيَّف كاملاً، راجع Supplementary File 2.

طرق تحليل البيانات

تم تحليل البيانات التي جُمعت لهذه الدراسة باستخدام الحزمة الإحصائية للعلوم الاجتماعية (SPSS 26) وبرنامج SmartPLS 4، مع تطبيق نمذجة المعادلات الهيكلية بطريقة المربعات الصغرى الجزئية (PLS-SEM). وقد ضمن هذا النهج ثنائي الطريقة إجراء تحليل شامل للبيانات، حيث تناول الجوانب الوصفية والاستدلالية مع اختبار العلاقات المفترضة وتأثيرات الوساطة في نموذج البحث. في البداية، استُخدم برنامج SPSS لإجراء تحليل البيانات الأولي، بما في ذلك تنقية البيانات، والإحصاءات الوصفية، واختبار الموثوقية. وتضمنت عملية فحص البيانات التحقق من القيم المفقودة، والقيم المتطرفة، والتوزيع الطبيعي لضمان جودة وسلامة مجموعة البيانات. كما تم حساب الإحصاءات الوصفية، بما في ذلك المتوسط الحسابي والانحراف المعياري وتوزيعات التكرار، لتلخيص خصائص العينة. أما التحليل الرئيسي فقد أُجري باستخدام برنامج SmartPLS 4؛ حيث وقع الاختيار على PLS-SEM لملاءمته في تحليل النماذج المعقدة ذات البنى المتعددة، ولقوته في التعامل مع أحجام العينات الصغيرة والمتوسطة. وقد نُفذ التحليل على مرحلتين: تقييم نموذج القياس وتقييم النموذج الهيكلي. وفي تقييم نموذج القياس، تم قياس موثوقية المؤشر، وموثوقية الاتساق الداخلي (باستخدام الموثوقية المركبة [CR])، والصلاحية التقاربية (باستخدام متوسط التباين المستخلص [AVE])، والصلاحية التمايزية (باستخدام نسبة Heterotrait–Monotrait [HTMT]).

بعد التحقق من صحة نموذج القياس، تم تقييم النموذج الهيكلي لتقدير العلاقات المفترضة بين أسلوب التدريس، واستخدام ChatGPT، والثقافة الرقمية، والدافعية، والقلق، والإبداع. وحُللت معاملات المسار لتحديد قوة ودلالة التأثيرات المباشرة وغير المباشرة، مع تقييم الدلالة باستخدام طريقة إعادة أخذ العينات (bootstrapping) بـ 5,000 عينة مُعاد سحبها. ولتقييم دلالة التأثيرات المباشرة وغير المباشرة وتأثيرات الوساطة، تم إنشاء فترات ثقة "بوتستراب" مصححة الانحياز (BC) باستخدام 5,000 عينة مُعاد سحبها بمستوى ثقة 95%. كما تم تقييم تأثيرات الوساطة للدافعية على العلاقات بين أسلوب التدريس، واستخدام ChatGPT، والثقافة الرقمية، والقلق باستخدام فترات ثقة "بوتستراب". وتم تقييم جودة ملاءمة النموذج والقدرة التنبؤية باستخدام معامل التحديد (R2)، والأهمية التنبؤية (Q2)، وجذر متوسط مربعات البواقي المعياري (SRMR).

النتائج

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

الإحصاء الوصفي

توفر الإحصاءات الوصفية نظرة عامة على خصائص العينة، وتوزيع متغيرات الدراسة، ونزعتها المركزية، وتباينها. وفي هذه الدراسة، تم إجراء تحليلات وصفية لتوصيف عينة المشاركين وتلخيص المتغيرات الرئيسية قبل إجراء التحليلات الهيكلية.

الجدول 1 يلخص الخصائص الديموغرافية لـ 280 مشاركاً من طلاب المرحلة الجامعية الذين يتعلمون اللغة الإنجليزية كلغة أجنبية (EFL). شكلت المشاركات الإناث 54.3% (n = 152) من العينة، بينما شكل المشاركون الذكور 45.7% (n = 128). كانت غالبية المشاركين في الفئة العمرية من 21 إلى 23 عاماً (52.1%)، تليها الفئة العمرية من 18 إلى 20 عاماً (36.4%) ومن 24 إلى 25 عاماً (11.4%). وفيما يتعلق بالسنة الدراسية، مثل طلاب السنة الثانية المجموعة الأكبر (42.1%)، يليهم طلاب السنة الأولى (34.3%) وطلاب السنة الثالثة (23.6%). أفاد معظم المشاركين بأن لديهم خبرة متوسطة في استخدام ChatGPT بنسبة (47.1%)، بينما أفاد 36.8% بأن لديهم خبرة واسعة، و16.1% بخبرة محدودة. وكان لدى جميع المشاركين تعامل مسبق مع ChatGPT، وهو ما يتوافق مع معايير الاشتمال في الدراسة، حيث تشير فئة "الخبرة المحدودة" إلى الاستخدام الأدنى وليس عدم الاستخدام المسبق. وأفاد المشاركون في الغالب بامتلاكهم مستوى متوسطاً من الثقافة الرقمية (54.6%)، يليه المستوى العالي (30.4%) ثم المستوى المنخفض (15.0%). كما أظهر معظم المشاركين كفاءة متوسطة في اللغة الإنجليزية (62.5%)، بينما أفاد 22.9% بكفاءة أساسية و14.6% بكفاءة متقدمة. وبشكل عام، تشير الخصائص الديموغرافية إلى أن العينة شملت مشاركين بخلفيات أكاديمية متنوعة، ومستويات مختلفة من الثقافة الرقمية، والكفاءة في اللغة الإنجليزية، والخبرة في استخدام ChatGPT (الجدول 1، الشكل 2).

المتغيرالفئةالتكرار، nالنسبة المئوية، %
الجنسذكر12845.7
أنثى15254.3
الفئة العمرية18–20 سنة10236.4
21–23 سنة14652.1
24–25 سنة3211.4
السنة الدراسيةالسنة الأولى9634.3
السنة الثانية11842.1
السنة الثالثة6623.6
الخبرة في استخدام ChatGPTخبرة محدودة4516.1
خبرة متوسطة13247.1
خبرة واسعة10336.8
مستوى الثقافة الرقميةمنخفض4215
متوسط15354.6
مرتفع8530.4
مستوى إتقان اللغة الإنجليزيةأساسي6422.9
متوسط17562.5
متقدم4114.6

الجدول 1: الخصائص الديموغرافية للمشاركين في الدراسة. يلخص الجدول الخصائص الديموغرافية لـ 280 طالباً من متعلمي اللغة الإنجليزية كلغة أجنبية (EFL) الذين شملتهم الدراسة. تم ذكر التكرارات والنسب المئوية للجنس، والفئة العمرية، وسنة الدراسة، والخبرة في استخدام ChatGPT، ومستوى الثقافة الرقمية، ومستوى إجادة اللغة الإنجليزية.

figure-results-1
الشكل 2. الخصائص الديموغرافية للمشاركين في الدراسة. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

يوضح الشكل 2 التوزيع الديموغرافي للمشاركين في الدراسة وفقاً للجنس، والفئة العمرية، وسنة الدراسة، والخبرة في استخدام أدوات الذكاء الاصطناعي، ومستوى الثقافة الرقمية، ومستوى إجادة اللغة الإنجليزية. ويظهر التوزيع نسبة إناث أعلى قليلاً من الذكور، حيث كانت غالبية المستجيبين في الفئة العمرية 21–23 سنة. وكانت الثقافة الرقمية المتوسطة والإجادة المتوسطة للغة الإنجليزية هي الفئات الأكثر شيوعاً (الشكل 2).

الجدول 2 يعرض الإحصاءات الوصفية لمتغيرات الدراسة. حقق أسلوب التدريس، الذي تم قياسه باستخدام 25 فقرة، متوسط درجة بلغ 3.84 (SD = 0.76)، وتراوحت الدرجات من 2.1 إلى 4.8. أما استخدام ChatGPT، الذي تم تقييمه باستخدام ثماني فقرات، فقد حقق متوسط درجة بلغ 3.67 (SD = 0.81)، وتراوحت الاستجابات من 1.5 إلى 5.0. وبالنسبة لمحو الأمية الرقمية، الذي تم قياسه باستخدام 29 فقرة، فقد بلغ متوسط الدرجة 3.72 (SD = 0.73)، وتراوحت الدرجات من 2.2 إلى 4.9. وسجل الدافع، الذي تم تقييمه باستخدام 20 فقرة، أعلى متوسط درجة (3.92, SD = 0.68)، حيث تراوحت القيم من 2.4 إلى 5.0. بينما حقق القلق، الذي تم قياسه باستخدام 27 فقرة، متوسط درجة بلغ 3.41 (SD = 0.89). أما الإبداع، الذي تم تقييمه باستخدام 12 فقرة، فقد بلغ متوسط درجته 3.78 (SD = 0.74)، وتراوحت الدرجات من 2.0 إلى 5.0. وتشير هذه الإحصاءات الوصفية إلى وجود تباين عبر المفاهيم المقاسة، مع تقديم ملخص عام لاستجابات المشاركين.

المتغيرعدد البنودالمتوسط الحسابي (M)الانحراف المعياري (SD)الحد الأدنىالحد الأقصى
القلق273.410.891.85
استخدام ChatGPT83.670.811.55
الإبداع123.780.7425
الثقافة الرقمية293.720.732.24.9
الدافعية203.920.682.45
أسلوب التدريس253.840.762.14.8

الجدول 2: الإحصاءات الوصفية لمتغيرات الدراسة. يوضح الجدول عدد بنود الاستبيان، والمتوسط الحسابي (M)، والانحراف المعياري (SD)، وأدنى قيمة مرصودة، وأعلى قيمة مرصودة لأسلوب التدريس، واستخدام ChatGPT، والثقافة الرقمية، والدافعية، وقلق الفصل الدراسي للغة الأجنبية، والإبداع، بناءً على استجابات 280 مشاركاً.

تحيز تباين الطريقة المشترك

يشير انحياز تباين الطريقة المشتركة (CMV) إلى التغاير الزائف بين المتغيرات الذي يعزى إلى طريقة القياس بدلاً من المفاهيم التي يتم قياسها. ونظراً لأن هذه الدراسة اعتمدت على استطلاع ذاتي، فقد تم استخدام نهجين إجرائيين وإحصائيين لتقييم التأثير المحتمل لانحياز CMV. ومن الناحية الإجرائية، تم طمأنة المشاركين بشأن سرية البيانات وعدم الكشف عن هويتهم لتقليل انحياز المرغوبية الاجتماعية وتشجيع الاستجابات الصادقة. بالإضافة إلى ذلك، عُرضت بنود الاستبيان المقتبسة من أدوات معتمدة بترتيب عشوائي للحد من أنماط الاستجابة التي قد تؤدي إلى تضخيم انحياز CMV بشكل اصطناعي. أما من الناحية الإحصائية، فقد أُجري اختبار هارمان أحادي العامل عن طريق إدخال جميع المتغيرات المقاسة في تحليل عاملي استكشافي (EFA) بدون تدوير. وأظهر التحليل أن العامل الأول غير المدور فسر 32.7% من التباين الكلي، وهو أقل من العتبة الموصى بها والبالغة 50%، مما يشير إلى أنه من غير المرجح أن يؤثر انحياز CMV بشكل جوهري على نتائج الدراسة (الجدول 3).

الإحصائيةالقيمةالعتبةالتفسير
إجمالي عدد العوامل المستخرجة7N/Aتم استخراج عوامل متعددة، مما يشير إلى أن العناصر المقاسة تمثل مفاهيم متميزة.
التباين المفسر بواسطة العامل الأول32.70%<50%أقل من العتبة المقبولة عموماً، مما يشير إلى أنه من غير المرجح أن يكون تباين الطريقة المشتركة (CMV) مصدر قلق جدي.
التباين المفسر التراكمي (العوامل الثلاثة الأولى)62.10%N/Aيشير إلى أن العوامل الثلاثة الأولى تفسر جزءاً كبيراً من إجمالي التباين.
مقياس كايزر-ماير-أولكين (KMO) لكفاية العينة0.89>0.80يشير إلى كفاية ممتازة للعينة لإجراء التحليل العاملي.
اختبار بارتليت للكروية (قيمة p)<0.001p < 0.05نتيجة دالة إحصائياً تشير إلى أن مصفوفة الارتباط مناسبة للتحليل العاملي.

الجدول 3: نتائج اختبار هارمان أحادي العامل وكفاية المعاينة. يلخص الجدول نتائج اختبار هارمان أحادي العامل، ومقياس كايزر-ماير-أولكين (KMO) لكفاية المعاينة، واختبار بارتليت للكروية. تم إجراء اختبار هارمان أحادي العامل لتقييم التأثير المحتمل لتباين الطريقة المشتركة (CMV). واستُخدم إحصاء KMO واختبار بارتليت لتقييم مدى ملاءمة مجموعة البيانات للتحليل العاملي.

يعرض الجدول 3 نتائج اختبار هارمان للعامل الواحد، حيث تبين أن العامل الأول غير المدوّر قد استحوذ على 32.7% من التباين الكلي، وهي نسبة أقل من الحد الموصى به البالغ 50%، مما يشير إلى أن تحيز الطريقة المشتركة لا يشكل مصدر قلق جوهري في هذه الدراسة. وقد بلغ مقياس كايزر-ماير-أولكن (KMO) لكفاية العينة 0.89، مما يشير إلى أن البيانات كانت مناسبة للتحليل العاملي. بالإضافة إلى ذلك، كان اختبار بارتلت للكروية دالاً إحصائياً (p < 0.001)، مما يؤكد أن مصفوفة الارتباط كانت ملائمة للتحليل العاملي. وتدعم هذه النتائج مجتمعةً ملاءمة مجموعة البيانات لتحليلات نمذجة المعادلة الهيكلية اللاحقة.

نموذج القياس

تم تقييم نموذج القياس لتقدير موثوقية وصلاحية مفاهيم الدراسة باستخدام نمذجة المعادلات الهيكلية بمربعات الصغرى الجزئية (PLS-SEM) المنفذة عبر برنامج SmartPLS 4، وذلك باتباع توصيات Hair et al.60. وقد تم تقييم موثوقية المؤشر، وموثوقية الاتساق الداخلي، والصلاحية التقاربية، والصلاحية التمايزية. تم تقييم موثوقية المؤشر باستخدام التحميلات الخارجية، حيث تم الاحتفاظ بالعناصر التي أظهرت تحميلات أكبر من 0.70 كمؤشرات موثوقة لمفاهيمها المقابلة. أما العناصر التي تراوحت تحميلاتها بين 0.60 و0.70 فقد تم الاحتفاظ بها فقط عندما لا يؤدي حذفها إلى تحسين الاتساق الداخلي للمفهوم المقابل. تم تقييم موثوقية الاتساق الداخلي باستخدام ألفا كرونباخ (Cronbach’s alpha) والموثوقية المركبة (CR). كما تم تقييم الصلاحية التقاربية باستخدام متوسط التباين المستخرج (AVE)، حيث أظهرت جميع المفاهيم قيم AVE أكبر من 0.50، مما يشير إلى أن كل مفهوم يفسر أكثر من نصف التباين في مؤشراته. وتم تقييم الصلاحية التمايزية باستخدام نسبة HTMT، وكانت جميع قيم HTMT أقل من العتبة الموصى بها وهي 0.85، مما يدعم التميز التجريبي لمفاهيم الدراسة (الجدولان 4 و 5).

البنيةتحميل العاملالموثوقية المركبة (CR)متوسط التباين المستخرج (AVE)عامل تضخم التباين الخارجي (VIF)
أسلوب التدريس (السلطوي)0.870.910.661.38
أسلوب التدريس (الخبير)0.890.920.681.45
أسلوب التدريس (النموذج الشخصي)0.860.90.651.4
أسلوب التدريس (الميسر)0.880.930.691.43
أسلوب التدريس (المفوض)0.850.890.621.39
استخدام ChatGPT0.920.940.721.47
قلق الفصل الدراسي للغة الأجنبية (الرهبة من التواصل)0.860.90.641.35
قلق الفصل الدراسي للغة الأجنبية (قلق الاختبار)0.880.920.671.41
قلق الفصل الدراسي للغة الأجنبية (الخوف من التقييم السلبي)0.830.880.61.32
الدافعية (النفعية)0.840.890.611.34
الدافعية (المركزية العرقية والاندماجية)0.860.90.631.36
الدافعية (الموقف تجاه تعلم اللغة الإنجليزية)0.890.930.71.44
الإبداع (الأصالة)0.880.920.671.41
الإبداع (المرونة)0.870.910.661.38
الإبداع (الطلاقة)0.890.930.681.42
الإبداع (التوسع)0.850.90.631.37
الثقافة الرقمية0.930.950.751.49

الجدول 4: تقييم نموذج القياس. يوضح الجدول تحميلات العوامل، والموثوقية المركبة (CR)، ومتوسط التباين المستخرج (AVE)، ومعامل تضخم التباين الخارجي (VIF) لكل بنية وبُعد فرعي مدرج في نموذج قياس نمذجة المعادلة الهيكلية بطريقة المربعات الصغرى الجزئية (PLS-SEM). استُخدمت هذه الإحصائيات لتقييم موثوقية المؤشرات، وموثوقية الاتساق الداخلي، والصلاحية التقاربية، والتعدد الخطّي.

البنية1234567891011121314151617
1. أسلوب التدريس (السلطوي)—
2. أسلوب التدريس (الخبير)0.702—
3. أسلوب التدريس (النموذج الشخصي)0.7430.581—
4. أسلوب التدريس (الميسر)0.6290.7350.702—
5. أسلوب التدريس (المفوض)0.7540.5490.8020.692—
6. استخدام ChatGPT0.520.6430.7430.5360.693—
7. القلق في فصل اللغة الأجنبية (رهاب التواصل)0.6650.5210.6490.5590.730.827—
8. القلق في فصل اللغة الأجنبية (قلق الاختبار)0.8320.6140.530.6220.6890.6310.567—
9. القلق في فصل اللغة الأجنبية (الخوف من التقييم السلبي)0.6080.8090.5850.6510.6370.6140.810.556—
10. الدافعية (النفعية)0.7620.6230.660.6340.8110.5340.8020.7550.519—
11. الدافعية (المركزية العرقية والتكاملية)0.8030.6740.5710.5040.5170.8050.8270.7530.5620.554—
12. الدافعية (الموقف تجاه تعلم اللغة الإنجليزية)0.6260.8160.6770.5910.7420.7160.6330.5620.5980.5490.679—
13. الإبداع (الأصالة)0.6260.6780.5010.7320.5380.6780.8390.5430.5230.5770.6680.719—
14. الإبداع (المرونة)0.7260.6690.8440.5280.6540.5790.5170.7750.6440.6670.6790.820.697—
15. الإبداع (الطلاقة)0.7110.6920.8150.6350.6290.5050.7920.8170.6040.550.5180.6040.590.626—
16. الإبداع (التفصيل)0.7490.7610.7830.690.8110.550.5030.8420.7320.7140.6590.7440.5430.6060.634—
17. الثقافة الرقمية0.6060.6410.5930.7420.7270.6280.6310.6480.7420.6880.8060.5780.6730.5490.70.529—

الجدول 5: تقييم الصدق التمايزي باستخدام نسبة السمات المتباينة إلى السمات الموحدة (HTMT). يعرض الجدول قيم HTMT لجميع أزواج البناءات والأبعاد الفرعية المدرجة في نموذج القياس. تم استخدام HTMT لتقييم الصدق التمايزي من خلال قياس التمايز التجريبي للبناءات الكامنة. وتشير القيم التي تقل عن العتبة المحددة مسبقاً وهي 0.85 إلى صدق تمايزي مقبول.

يلخص الجدول 4 تقييم نموذج القياس. تراوحت تحميلات العوامل بين 0.83 و 0.93، وهو ما يتجاوز العتبة الموصى بها والبالغة 0.70، مما يشير إلى موثوقية مرضية للمؤشرات. وتراوحت قيم الموثوقية المركبة بين 0.88 و 0.95، مما يدل على اتساق داخلي عالٍ عبر جميع البناءات. كما تراوحت قيم متوسط التباين المستخرج (AVE) بين 0.60 و 0.75، متجاوزة بذلك الحد الأدنى الموصى به وهو 0.50، مما يدعم الصدق التقاربي. بالإضافة إلى ذلك، كانت جميع قيم عامل تضخم التباين الخارجي (VIF) أقل من 1.50، مما يشير إلى عدم وجود دليل على التعدد الخطية بين المؤشرات. وبشكل عام، تدعم هذه النتائج موثوقية وصلاحية نموذج القياس لتقييم النموذج الهيكلي اللاحق.

يوضح الشكل 3 نموذج القياس، بما في ذلك البناءات الكامنة، وأبعادها ومؤشراتها المقابلة، والعلاقات بين المتغيرات التي تم تقييمها في الدراسة.

figure-results-2
الشكل 3. نموذج القياس للمعادلات الهيكلية بالمربعات الصغرى الجزئية. يوضح نموذج القياس الذي تم إنشاؤه باستخدام نمذجة المعادلات الهيكلية بالمربعات الصغرى الجزئية (PLS-SEM) العلاقات بين البناءات الكامنة وأبعادها ومؤشراتها الملحوظة. تمثل القيم المعروضة على المسارات الرابطة حمولات الخارج المقدرة أو معاملات المسار، حسبما هو مناسب. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

يعرض الجدول 5 نتائج HTMT المستخدمة لتقييم الصدق التمييزي. كانت جميع قيم HTMT أقل من الحد التحفظي البالغ 0.85، مما يشير إلى صدق تمييزي مرضٍ بين البنى الـ 17. وقد لوحظت أعلى قيم HTMT بين الإبداع (المرونة) وأسلوب التدريس (النموذج الشخصي) (0.8437)، والإبداع (التوسع) والقلق (قلق الاختبار) (0.8422)، والإبداع (الأصالة) والقلق (رهاب التواصل) (0.8394). وعلى الرغم من اقتراب هذه القيم من الحد الموصى به، إلا أنها ظلت دون 0.85، مما يدعم التمايز التجريبي للبنى. وكانت قيم HTMT المتبقية أقل، مما يعزز الصدق التمييزي عبر نموذج القياس.

نتائج اختبار الفرضيات (النموذج الهيكلي)

تم تقييم النموذج الهيكلي لفحص العلاقات المفترضة بين أسلوب التدريس، واستخدام ChatGPT، ومحو الأمية الرقمية، والدافعية، وقلق تعلم اللغة الأجنبية (FLCA)، والإبداع. وقد دعمت النتائج جميع فرضيات التأثير المباشر والوساطة المقترحة. حيث ارتبط أسلوب التدريس، واستخدام ChatGPT، ومحو الأمية الرقمية بشكل إيجابي بالدافعية. كما ارتبطت الدافعية بشكل سلبي بـ FLCA، بينما ارتبط FLCA بشكل سلبي بالإبداع. بالإضافة إلى ذلك، لعبت الدافعية دور الوسيط في العلاقات بين كل من أسلوب التدريس، واستخدام ChatGPT، ومحو الأمية الرقمية من جهة، وبين FLCA من جهة أخرى (الجدولين 6 و7).

الفرضيةمعامل المسار المعياري (β)تـ القيمةp قيمةمدعومفاصل الثقة 95% (CI)الحد الأدنى لفترة الثقة (LLCI)الحد العلوي لفترة الثقة (ULCI)
أسلوب التدريس → دافعية طلاب اللغة الإنجليزية كلغة أجنبية0.365.45<0.001نعم[0.26, 0.46]0.260.46
ثانياً. استخدام ChatGPT → دافعية طلاب اللغة الإنجليزية كلغة أجنبية0.46.27<0.001نعم[0.30, 0.50]0.30.5
ثالثاً. الثقافة الرقمية → دافعية طلاب اللغة الإنجليزية كلغة أجنبية0.334.95<0.001نعم[0.23, 0.43]0.230.43
H4. دافعية طلاب اللغة الإنجليزية كلغة أجنبية → قلق الفصل الدراسي في تعلم اللغات الأجنبية–0.27–4.81<0.001نعم[–0.37, –0.17]–0.37–0.17
H5. قلق الفصل الدراسي عند تعلم لغة أجنبية → إبداع طلاب اللغة الإنجليزية كلغة أجنبية–0.26–4.01<0.001نعم[–0.36, –0.16]–0.36–0.16

الجدول 6: اختبار فرضيات التأثير المباشر. يعرض الجدول نتائج تحليلات التأثير المباشر التي أجريت باستخدام نمذجة المعادلات الهيكلية بالمربعات الصغرى الجزئية (PLS-SEM). وتشمل الإحصائيات الواردة معامل المسار المعياري (β)، وقيمة t، وقيمة p، وفاصل الثقة بنسبة 95% بطريقة التمهيد (CI)، والحد الأدنى لفاصل الثقة (LLCI)، والحد الأعلى لفاصل الثقة (ULCI)، والقرار المتعلق بدعم الفرضية. تم تقييم الدلالة الإحصائية باستخدام تقنية التمهيد (bootstrapping) مع 5,000 عينة معاد سحبها.

الفرضيةمسار الوساطةالتأثير غير المباشر المعياري (β)يرجى تزويدي بالنص الذي ترغب في ترجمته. أنا مستعد لتحويل المحتوى العلمي والتعليمي الخاص بـ JoVE من الإنجليزية إلى العربية بدقة أكاديمية وبما يتماشى مع المعايير المهنية المذكورة. القيمةp القيمةمدعومفاصل ثقة 95% (CI)الحد الأدنى لفترة الثقة (LLCI)الحد الأعلى لفاصل الثقة (ULCI)
H6أسلوب التدريس → الدوافع → قلق الفصل الدراسي للغة الأجنبية0.284.56<0.001نعم[0.18, 0.38]0.180.38
H7استخدام ChatGPT → الدافعية → قلق الفصل الدراسي للغات الأجنبية0.345.02<0.001نعم[0.24, 0.44]0.240.44
H8الثقافة الرقمية → الدوافع → قلق تعلم اللغة الأجنبية في الفصل الدراسي0.34.68<0.001نعم[0.20, 0.40]0.200.40

الجدول 7: تحليل الوساطة. يلخص الجدول التأثيرات غير المباشرة المقدرة باستخدام نمذجة المعادلة الهيكلية بالمربعات الصغرى الجزئية (PLS-SEM). تشمل الإحصائيات الواردة التأثير غير المباشر المعياري (β)، وقيمة t، وقيمة p، وفترة الثقة المئوية 95% المعتمدة على طريقة bootstrap (CI)، والحد الأدنى لفترة الثقة (LLCI)، والحد الأعلى لفترة الثقة (ULCI)، والقرار المتعلق بدعم الفرضية. تم تقييم الدلالة الإحصائية باستخدام طريقة bootstrapping مع 5,000 إعادة سحب للعينات.

يعرض الجدول 6 نتائج تحليلات التأثير المباشر. كانت جميع العلاقات المباشرة الخمس المفترضة ذات دلالة إحصائية (p < 0.001)، مما يدعم الفرضيات H1–H5. ارتبط أسلوب التدريس (β = 0.36)، واستخدام ChatGPT (β = 0.40)، والمعرفة الرقمية (β = 0.33) إيجابياً بدافعية طلاب اللغة الإنجليزية كلغة أجنبية (EFL)، حيث أظهر استخدام ChatGPT أكبر معامل مسار معياري بين المتنبئات الثلاث. وارتبطت الدافعية سلبياً بقلق تعلم اللغة الأجنبية (FLCA) (β = –0.27)، مما يشير إلى أن ارتفاع الدافعية يقابلها مستويات أدنى من القلق. وبدورها، ارتبطت FLCA سلبياً بالإبداع (β = –0.26). وقد استبعدت فترات الثقة بنسبة 95% بطريقة bootstrap لجميع التأثيرات المباشرة القيمة صفر، مما يدعم الدلالة الإحصائية للعلاقات المفترضة. ويعرض الجدول 7 تحليلات الوساطة التي تبحث فيما إذا كانت الدافعية تتوسط العلاقات بين أسلوب التدريس، واستخدام ChatGPT، والمعرفة الرقمية من جهة، وFLCA من جهة أخرى. وكانت التأثيرات غير المباشرة ذات دلالة إحصائية للمسارات الثلاثة جميعها (H6: β = 0.28, t = 4.56, p < 0.001; H7: β = 0.34, t = 5.02, p < 0.001; H8: β = 0.30, t = 4.68, p < 0.001). واستبعدت فترات الثقة بنسبة 95% بطريقة bootstrap القيمة صفر لجميع التأثيرات غير المباشرة، مما يدعم الدلالة الإحصائية لمسارات الوساطة. وتعكس المعاملات غير المباشرة الإيجابية الحجم الإجمالي للتأثيرات غير المباشرة عبر الدافعية، في حين كانت العلاقة المباشرة بين الدافعية وFLCA سلبية، كما ورد في النموذج الهيكلي. وبناءً على ذلك، ارتبطت المستويات الأعلى من أسلوب التدريس واستخدام ChatGPT والمعرفة الرقمية بدافعية أعلى، والتي ارتبطت بدورها بانخفاض FLCA (الجدولان 6 و7). وبشكل عام، دعم النموذج الهيكلي جميع العلاقات المفترضة، سواء المباشرة (H1–H5) أو غير المباشرة (H6–H8). وتشير النتائج إلى وجود ارتباطات ذات دلالة إحصائية بين أسلوب التدريس، واستخدام ChatGPT، والمعرفة الرقمية، والدافعية، وFLCA، والإبداع، مع عمل الدافعية كوسيط معنوي تم تقييمه في النموذج الهيكلي.

التحليل البعدي لأسلوب التدريس

أُجري تحليل بُعدي لفحص العلاقات بين الأبعاد الخمسة لأسلوب التدريس وبين دافعية طلاب اللغة الإنجليزية كلغة أجنبية (EFL)، وقلق تعلم اللغة الأجنبية (FLCA)، والإبداع. وشملت أبعاد أسلوب التدريس كلًا من: السلطة، والخبير، والنموذج الشخصي، والميسر، والمفوض. وقد قدّر النموذج الهيكلي التأثيرات المباشرة لكل بُعد من أبعاد أسلوب التدريس على متغيرات المخرجات الثلاثة لتحديد ما إذا كانت العلاقات الملحوظة تختلف باختلاف مناهج التدريس (الجدول 8).

بعد أسلوب التدريسمتغير النتيجةمعامل المسار المعياري (β)t القيمةp القيمةالحد الأدنى لفاصل الثقة 95% (LLCI)الحد الأعلى لفاصل الثقة 95% (ULCI)مدعوم
السلطةالدافعية0.121.850.065–0.020.26لا
السلطةقلق الفصل الدراسي في اللغة الأجنبية0.355.12<0.0010.220.48نعم
السلطةالإبداع–0.28–4.02<0.001–0.42–0.14نعم
الخبيرالدافعية0.34.89<0.0010.180.42نعم
الخبيرقلق الفصل الدراسي في اللغة الأجنبية–0.18–2.950.003–0.30–0.06نعم
الخبيرالإبداع0.223.56<0.0010.10.34نعم
النموذج الشخصيالدافعية0.254.02<0.0010.130.37نعم
النموذج الشخصيقلق الفصل الدراسي في اللغة الأجنبية–0.22–3.450.001–0.35–0.09نعم
النموذج الشخصيالإبداع0.243.78<0.0010.120.36نعم
الميسرالدافعية0.345.5<0.0010.220.46نعم
الميسرقلق الفصل الدراسي في اللغة الأجنبية–0.28–4.45<0.001–0.40–0.16نعم
الميسرالإبداع0.314.95<0.0010.190.43نعم
المفوضالدافعية0.294.62<0.0010.170.41نعم
المفوضقلق الفصل الدراسي في اللغة الأجنبية–0.24–3.85<0.001–0.37–0.11نعم
المفوضالإبداع0.274.25<0.0010.150.39نعم

الجدول 8: التحليل البعدي لأسلوب التدريس. يوضح الجدول العلاقات المباشرة بين أبعاد أسلوب التدريس (السلطوي، والخبير، والنموذج الشخصي، والميسّر، والمفوض) ومتغيرات المخرجات المتمثلة في الدافعية، والقلق في فصول اللغة الأجنبية، والإبداع. وتشمل الإحصائيات الواردة معامل المسار القياسي (β)، وقيمة t، وقيمة p، والحد الأدنى لفترة الثقة 95% بطريقة bootstrap (LLCI)، والحد الأعلى لفترة الثقة 95% بطريقة bootstrap (ULCI)، والقرار المتعلق بدعم الفرضية.

يعرض الجدول 8 نتائج التحليل البعدي لأنماط التدريس. أظهر نمط التدريس "الميسّر" (Facilitator) أقوى الارتباطات الإيجابية مع الدافعية (β = 0.34, p < 0.001) والإبداع (β = 0.31, p < 0.001)، إلى جانب أقوى ارتباط سلبي مع قلق تعلم اللغة الأجنبية (FLCA) (β = –0.28, p < 0.001). كما ارتبطت أنماط التدريس "الخبير" (Expert)، و"النموذج الشخصي" (Personal Model)، و"المفوض" (Delegator) إيجابياً مع الدافعية (β = 0.30 و0.25 و0.29 على التوالي) والإبداع (β = 0.22 و0.24 و0.27 على التوالي)، بينما أظهرت ارتباطات سلبية مع FLCA (β = –0.18 و–0.22 و–0.24 على التوالي). وكانت جميع هذه العلاقات ذات دلالة إحصائية. في المقابل، لم يرتبط نمط التدريس "السلطوي" (Authority) بشكل دال إحصائياً مع الدافعية (β = 0.12, p = 0.065). ومع ذلك، فقد أظهر ارتباطاً إيجابياً دالاً مع FLCA (β = 0.35, p < 0.001) وارتباطاً سلبياً دالاً مع الإبداع (β = –0.28, p < 0.001). وبشكل عام، يوضح التحليل البعدي أنماطاً متميزة من الارتباط بين أبعاد أنماط التدريس الفردية ومخرجات التعلم المقاسة. وبجمع هذه النتائج، يشير التحليل البعدي إلى أن الارتباطات بين نمط التدريس ومخرجات الطلاب تختلف باختلاف أبعاد نمط التدريس. وقد لوحظت علاقات ذات دلالة إحصائية لمعظم أبعاد أنماط التدريس، بينما لم يظهر نمط التدريس السلطوي ارتباطاً ذا دلالة إحصائية مع الدافعية.

الصلاحية التنبؤية للنموذج الداخلي باستخدام PLS Predict

تم تقييم الصلاحية التنبؤية للنموذج الهيكلي باستخدام إجراء PLS Predict لتقييم أداء التنبؤ للنموذج خارج العينة. كما تم تقييم العلاقة التنبؤية باستخدام إحصائية Q2 Predict إلى جانب مقاييس خطأ التنبؤ، بما في ذلك جذر متوسط مربع الخطأ (RMSE) ومتوسط الخطأ المطلق (MAE). تراوحت قيم Q2 Predict من 0.32 إلى 0.48 عبر المتغيرات الداخلية، مما يشير إلى علاقة تنبؤية إيجابية. وأظهر الدافع والإبداع أعلى قيم Q2 Predict (0.42 و0.48، على التوالي). كما تم فحص قيم خطأ التنبؤ، حيث تراوح RMSE من 0.54 إلى 0.63 وتراوح MAE من 0.41 إلى 0.49 عبر المتغيرات الداخلية (الجدول 9).

البناءمعامل التحديد
(R²)		الأهمية التنبؤية
(Q² Predict)		جذر متوسط مربع الخطأ
(RMSE)		متوسط الخطأ المطلق
(MAE)
الدافعية0.450.420.610.48
قلق الفصل الدراسي للغة الأجنبية0.380.320.630.49
الإبداع0.420.480.540.41

الجدول 9: الأداء التنبؤي للنموذج الهيكلي. يلخص الجدول الأداء التنبؤي للمتغيرات الداخلية التي تم تقييمها باستخدام نمذجة المعادلات الهيكلية بالمربعات الصغرى الجزئية (PLS-SEM). وتشمل الإحصائيات الواردة معامل التحديد (R2)، والأهمية التنبؤية (Q2 Predict)، وجذر متوسط مربع الخطأ (RMSE)، ومتوسط الخطأ المطلق (MAE). تشير قيم R2 و Q2 Predict الأعلى إلى أداء تفسيري وتنبؤي أكبر، بينما تشير قيم RMSE و MAE الأدنى إلى خطأ تنبؤي أقل.

يلخص الجدول 9 الأداء التنبؤي للنموذج الهيكلي. أشار معامل التحديد (R2) إلى أن النموذج قد فسر 45% من التباين في الدافعية، و38% من التباين في FLCA، و42% من التباين في الإبداع. كانت قيم Q2 Predict للدافعية (0.42)، وFLCA (0.32)، والإبداع (0.48) جميعها أكبر من الصفر، مما يدعم الأهمية التنبؤية للنموذج. تراوحت قيم RMSE بين 0.54 و0.63، بينما تراوحت قيم MAE بين 0.41 و0.49، مما يشير إلى أخطاء التنبؤ للمتغيرات الداخلية. وبشكل عام، تدعم مقاييس الأداء التنبؤي القدرة التنبؤية للنموذج الهيكلي.

يوضح الشكل 4 الأداء التنبؤي للبنى الداخلية من خلال عرض معامل التحديد (R2)، والأهمية التنبؤية (Q2 Predict)، ومقاييس خطأ التنبؤ (RMSE و MAE). ومن بين البنى الداخلية، أظهر الإبداع أعلى قيمة لـ Q2 Predict (0.48) بالتوازي مع أدنى أخطاء تنبؤ (RMSE = 0.54؛ MAE = 0.41)، بينما أظهر الدافع أعلى تباين مفسر (R2 = 0.45) (الشكل 4). وبشكل عام، أظهر تحليل PLS Predict أهمية تنبؤية إيجابية لجميع البنى الداخلية. وتدعم نتائج R2 و Q2 Predict و RMSE و MAE مجتمعة الأداء التنبؤي للنموذج الهيكلي لكل من الدافع، و FLCA، والإبداع (الجدول 9؛ الشكل 4).

figure-results-3
الشكل 4. الأداء التنبؤي للنموذج الهيكلي. يعرض الرسم البياني معامل التحديد (R2)، وجذر متوسط مربع الخطأ (RMSE)، ومتوسط الخطأ المطلق (MAE)، وقيم Q2 predict للمتغيرات الداخلية لكل من الدافعية والقلق والإبداع. تمثل الأعمدة قيم R2 وRMSE وMAE، بينما يمثل الخط ذو العلامات الدائرية قيم Q2 predict. تشير قيم R2 وQ2 predict الأعلى إلى أداء تفسيري وتنبؤي أكبر على التوالي، في حين تشير قيم RMSE وMAE الأقل إلى انخفاض خطأ التنبؤ. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

توافر البيانات:

تتوفر مجموعة البيانات المجهولة على مستوى المشاركين والتي تدعم نتائج هذه الدراسة في الجدول التكميلي 1. كما تتوفر ورقة معلومات المشارك ونموذج الموافقة المستنيرة في الملف التكميلي 1، واستبيان المسح المستخدم لجمع البيانات في الملف التكميلي 2.

الجدول التكميلي 1. مجموعة بيانات المشاركين الخام المستخدمة في التحليلات الإحصائية. يحتوي هذا الجدول على مجموعة بيانات مجهولة الهوية على مستوى المشاركين والتي استُخدمت في التحليلات الإحصائية. وتشمل المتغيرات المعلومات الديموغرافية والاستجابات على مستوى البنود لأسلوب التدريس، واستخدام ChatGPT، والثقافة الرقمية، والدافعية، والقلق من تعلم اللغة الأجنبية في الفصل الدراسي، والإبداع. وتتوافق تسميات البنود (مثل TL1، CHATGPT1، DL1، M1، FLCA1، CR1) مع بنود الاستبيان الموضحة في قسم الأدوات والمقاييس. لا يتضمن الجدول أي معلومات تحدد الهوية الشخصية.يرجى الضغط هنا لتحميل هذا الملف.

الملف التكميلي 1. ورقة معلومات المشارك ونموذج الموافقة المستنيرة. يحتوي هذا الملف التكميلي على ورقة معلومات المشارك ونموذج الموافقة المستنيرة المستخدمين لاستقطاب المشاركين. وهو يوضح أهداف الدراسة، ومعايير الأهلية، وإجراءات الدراسة، وطبيعة المشاركة الطوعية، والمخاطر والفوائد المحتملة، والسرية، وحماية البيانات، ومعلومات الاتصال المقدمة للمشاركين قبل استكمال الاستبيان.يرجى النقر هنا لتحميل هذا الملف.

الملف التكميلي 2. استبيان المسح المستخدم لجمع البيانات. يحتوي هذا الملف التكميلي على الاستبيان الكامل الذي وُزع على المشاركين. تتضمن الأداة أسئلة ديموغرافية ومقاييس على مستوى البنود لتقييم أسلوب التدريس، واستخدام ChatGPT، والثقافة الرقمية، والدافعية، وقلق الفصول الدراسية للغات الأجنبية، والإبداع. سُجلت الاستجابات باستخدام مقياس ليكرت الخماسي الذي يتراوح من 1 (غير موافق بشدة) إلى 5 (موافق بشدة). وتتوافق بنود الاستبيان مع أدوات القياس الموضحة في قسم الأدوات والمقاييس في المخطوطة.يرجى النقر هنا لتحميل هذا الملف.

المناقشة

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

بحثت هذه الدراسة في العلاقات بين أسلوب التدريس، واستخدام ChatGPT، والثقافة الرقمية، والدافعية، وقلق تعلم اللغة الأجنبية (FLCA)، والإبداع لدى طلاب المرحلة الجامعية السعوديين الذين يدرسون اللغة الإنجليزية كلغة أجنبية (EFL)، مع إيلاء اهتمام خاص للدور الوسيط للدافعية. وتقدم النتائج أدلة بشأن العلاقات بين الممارسات البيداغوجية، واستخدام التكنولوجيا، وخصائص المتعلم في تعلم اللغات المعزز بالتكنولوجيا. ويتسق الارتباط الإيجابي بين أسلوب التدريس ودافعية طلاب EFL (دعم الفرضية H1) مع نظرية تقرير المصير (SDT)، التي تقترح أن ممارسات التدريس الداعمة للاستقلالية تسهل الدافعية الجوهرية من خلال تلبية الاحتياجات النفسية الأساسية للطلاب في الاستقلالية والكفاءة والارتباط61. وتشير النتائج المرصودة إلى أن مناهج التدريس المتمحورة حول المتعلم، مثل أسلوبي الميسر والمفوض، ترتبط بمستويات أعلى من تفاعل الطلاب والاهتمام المستمر بتعلم اللغة. وتتوافق هذه النتائج مع الأبحاث السابقة التي ذكرت أن أساليب التدريس التي تتميز بالمرونة والاستجابة وتوفير فرص لمشاركة الطلاب ترتبط بتفاعل تحفيزي أكبر مقارنة بالمناهج الأكثر تمركزاً حول المعلم62. وفي السياق السعودي، حيث تشجع الإصلاحات التعليمية في إطار رؤية 2030 البيداغوجيا المتمحورة حول المتعلم، قد يعكس الارتباط الإيجابي الملحوظ تطبيق هذه المناهج التعليمية في فصول تعلم اللغة الإنجليزية كلغة أجنبية63. كما يمكن تفسير الارتباط الإيجابي الجوهري بين استخدام ChatGPT والدافعية (دعم الفرضية H2) ضمن الأطر النظرية الراسخة؛ فمن منظور نظرية تقرير المصير (SDT)، قد يدعم ChatGPT استقلالية المتعلمين من خلال تمكين الممارسة اللغوية الموجهة ذاتياً، وقد يعزز الكفاءة من خلال تقديم تغذية راجعة فورية ومخصصة64. بالإضافة إلى ذلك، قد توفر واجهته الحوارية فرصاً للممارسة اللغوية الأصيلة خارج الفصل الدراسي، مما قد يعزز تفاعل المتعلمين مع تعلم اللغة الإنجليزية65. وتشير هذه الملاحظات إلى أن ChatGPT قد يعمل كمورد تعليمي داعم يكمل التدريس الصفي. كما يوفر نموذج قبول التكنولوجيا (TAM) تفسيراً نظرياً لهذه العلاقة من خلال اقتراح أن المتعلمين الذين يدركون أن ChatGPT مفيد وسهل الاستخدام يكونون أكثر عرضة للتفاعل مع هذه التكنولوجيا، مما يدعم التعلم المستمر. وبالمثل، يسلط الارتباط الإيجابي بين الثقافة الرقمية والدافعية (دعم الفرضية H3) الضوء على أهمية قدرة الطلاب على استخدام تقنيات التعلم الرقمية بفعالية. فالطلاب الذين يتمتعون بمستويات أعلى من الثقافة الرقمية قد يكونون في وضع أفضل لاستخدام أدوات التعلم المدعومة بالذكاء الاصطناعي بكفاءة، ومواجهة عوائق تكنولوجية أقل، وإدراك القيمة التعليمية لدمج التكنولوجيا66. وفي السياق السعودي، حيث تم ضخ استثمارات كبيرة في البنية التحتية الرقمية والتقنيات التعليمية67، تؤكد هذه النتائج على المساهمة المحتملة للثقافة الرقمية في تعلم اللغات المعزز بالتكنولوجيا.

تتمثل المساهمة المركزية لهذه الدراسة في تحديد الدافعية كوسيط مهم في العلاقات بين أسلوب التدريس، واستخدام ChatGPT، والثقافة الرقمية، وقلق تعلم اللغة الأجنبية FLCA (تم دعم الفرضيات H6-H8). ويتفق الارتباط السلبي بين الدافعية وقلق تعلم اللغة الأجنبية FLCA (تم دعم الفرضية H4) مع المنظورات النظرية التي تشير إلى أن الدافعية الجوهرية تعمل كمورد نفسي يساعد المتعلمين على مواجهة التحديات العاطفية المرتبطة باكتساب اللغة68. فقد يكون الطلاب المتحفزون أكثر قدرة على الاستمرار عند مواجهة صعوبات لغوية، والنظر إلى الأخطاء كفرص للتعلم، والحفاظ على الكفاءة الذاتية أثناء مهام اللغة الصعبة، مثل العروض التقديمية الشفهية والامتحانات. كما يتفق الارتباط السلبي بين قلق تعلم اللغة الأجنبية FLCA والإبداع (تم دعم الفرضية H5) مع الأبحاث السابقة التي تشير إلى أن القلق قد يحد من رغبة المتعلمين في تجربة أشكال لغوية جديدة والانخراط في استخدام إبداعي للغة69. وفي سياق تعلم اللغة الإنجليزية كلغة أجنبية في السعودية، حيث تم تحديد قلق تعلم اللغة الأجنبية FLCA كعائق أمام تعلم اللغة، تسلط هذه النتائج الضوء على أهمية بيئات التعلم التي تدعم دافعية الطلاب مع تقليل الحواجز العاطفية التي تعيق المشاركة. علاوة على ذلك، تشير تحليلات الوساطة إلى أن الدافعية تمثل آلية مهمة ترتبط من خلالها ممارسات التدريس الداعمة واستخدام ChatGPT والثقافة الرقمية بمستويات أدنى من قلق تعلم اللغة الأجنبية FLCA. وتوسع هذه النتائج نطاق الأبحاث السابقة من خلال تسليط الضوء على الدور المحتمل للدافعية في الربط بين العوامل التعليمية والتكنولوجية ونتائج المتعلمين داخل الفصول الدراسية لتعلم اللغة الإنجليزية كلغة أجنبية في السعودية.

كشف التحليل البعدي لأسلوب التدريس (الجدول 8) عن أنماط متميزة عبر أبعاد أساليب التدريس الخمسة. فقد ارتبط أسلوب التدريس القائم على "السلطة" بمستويات أعلى من القلق من تعلم اللغة الأجنبية (FLCA) وإبداع أقل، بينما لم يكن ارتباطه بالدافعية ذا دلالة إحصائية. وفي المقابل، ارتبطت أساليب التدريس "الميسر"، و"الخبير"، و"النموذج الشخصي"، و"المفوض" إيجابياً بالدافعية والإبداع، وارتبطت سلباً بالقلق من تعلم اللغة الأجنبية في الفصل الدراسي. وتشير هذه النتائج إلى أن أساليب التدريس قد تختلف في علاقاتها بالمخرجات الدافعية والعاطفية والإبداعية للمتعلمين. وثمة تفسير محتمل تقدمه نظرية التقرير الذاتي (SDT)، والتي تقترح أن النهج التدريسية التي تدعم استقلالية المتعلم تكون أكثر قدرة على تعزيز الدافعية الجوهرية، في حين أن النهج التعليمية التوجيهية للغاية قد توفر الهيكلية ولكنها تتيح فرصاً أقل للمشاركة المستقلة. وفي السياق التعليمي السعودي، قد تؤدي المناهج التعليمية المهيكلة إلى تقليل حالة عدم اليقين لدى بعض المتعلمين من خلال تقديم توقعات وإرشادات واضحة. وفي الوقت ذاته، قد يحد تحكم المعلم الأكبر من فرص التعلم المستقل والاستخدام الإبداعي للغة. وتشير هذه النتائج إلى أن النهج التعليمية التي توازن بين التوجيه الواضح وفرص استقلالية المتعلم قد تدعم مخرجات تعليمية إيجابية. ومن شأن الدراسات المستقبلية التي تستخدم تصميمات طولية أو تجريبية أن تساعد في توضيح هذه العلاقات وفحص كيفية تأثير أساليب التدريس المختلفة على الدافعية، والقلق من تعلم اللغة الأجنبية في الفصل الدراسي، والإبداع بمرور الوقت.

تساهم هذه الدراسة في الفهم النظري لتعلم اللغة الإنجليزية كلغة أجنبية (EFL) من خلال دمج نظرية التحديد الذاتي (SDT) ونموذج قبول التكنولوجيا لفحص كيفية ارتباط المقاربات التربوية والتعلم المدعوم بالذكاء الاصطناعي بمخرجات المتعلمين من خلال الدافعية. وتشير النتائج إلى أن أسلوب التدريس، واستخدام ChatGPT، والثقافة الرقمية ترتبط بالدافعية، والتي بدورها ترتبط بالقلق من تعلم اللغة الأجنبية في الفصل الدراسي. كما تدعم النتائج تطبيق نظرية SDT في تعلم اللغة المعزز بالتكنولوجيا من خلال الإشارة إلى أن فرص الممارسة الموجهة ذاتياً والتغذية الراجعة الشخصية التي يوفرها ChatGPT قد تدعم الاحتياجات النفسية للمتعلمين فيما يتعلق بالاستقلالية والكفاءة. بالإضافة إلى ذلك، يسلط التحليل البعدي لأساليب التدريس الضوء على أن المقاربات التعليمية المختلفة ترتبط بمخرجات متميزة للمتعلمين، مما يشير إلى أن فعالية أساليب التدريس قد تعتمد على السياق التعليمي والمخرجات المحددة قيد النظر. ولهذه النتائج أيضاً آثار عملية على تدريس اللغة الإنجليزية كلغة أجنبية والسياسة التعليمية في المملكة العربية السعودية؛ حيث يمكن لبرامج التطوير المهني للمعلمين الاستفادة من التركيز على المقاربات التعليمية التي توازن بين التوجيه الواضح وفرص استقلالية المتعلم، مما يدعم دافعية الطلاب مع تقليل القلق من تعلم اللغة الأجنبية في الفصل الدراسي. كما أن دمج الأدوات المدعومة بالذكاء الاصطناعي، مثل ChatGPT، في تعليم اللغة قد يوفر فرصاً إضافية للعصف الذهني، وكتابة المسودات، والممارسة المحادثاتية عندما تكون مصحوبة بتوجيه تربوي مناسب. وبالمثل، قد تساعد مبادرات الثقافة الرقمية الطلاب على تطوير المهارات المطلوبة لاستخدام تقنيات التعلم المدعومة بالذكاء الاصطناعي بشكل فعال، بما في ذلك تقييم المعلومات، والاستخدام الأخلاقي للتكنولوجيا، والتطبيق الاستراتيجي لأدوات الذاء الاصطناعي. أما على المستوى المؤسسي، فإن الاستثمار المستمر في البنية التحتية الرقمية، وتطوير المناهج التي تدمج أنشطة التعلم المعززة بالتكنولوجيا، وممارسات التقييم التي تشجع على الاستخدام الهادف للغة، قد يدعم تعلم الطلاب بشكل أكبر. بالإضافة إلى ذلك، فإن بيئات التعلم التي توفر الدعم العاطفي من خلال فرص تعلم منخفضة المخاطر، والتغذية الراجعة البناءة، والتعاون بين الأقران، والاعتراف بالاستخدام الإبداعي للغة، قد تساهم في تحسين الدافعية وتقليل القلق من تعلم اللغة الأجنبية في الفصل الدراسي. وبشكل جماعي، قد تساهم هذه النتائج في توجيه الممارسات التعليمية ومبادرات السياسات التي تدعم تعلم اللغة المعزز بالتكنولوجيا ضمن الأهداف الأوسع لرؤية السعودية 2030.

بحثت هذه الدراسة في العلاقات بين أسلوب التدريس، واستخدام ChatGPT، والثقافة الرقمية، والدافعية، والقلق من تعلم اللغة الأجنبية في الفصل الدراسي، والإبداع لدى طلاب مرحلة البكالوريوس السعوديين الذين يتعلمون اللغة الإنجليزية كلغة أجنبية (EFL)، مع التركيز بشكل خاص على الدور الوسيط للدافعية. وتشير النتائج إلى أن أسلوب التدريس واستخدام ChatGPT والثقافة الرقمية ارتبطت جميعها بشكل إيجابي بدافعية الطلاب. وفي المقابل، ارتبطت الدافعية بشكل سلبي بالقلق من تعلم اللغة الأجنبية في الفصل الدراسي (FLCA)، بينما ارتبط هذا القلق بشكل سلبي بالإبداع. وتوحي هذه النتائج بأن الدافعية تمثل آلية مهمة تربط العوامل التربوية والتكنولوجية بمخرجات المتعلم في فصول تعلم اللغة الإنجليزية كلغة أجنبية في السعودية. كما تسلط النتائج الضوء على أهمية بيئات التعلم التي تدعم الاحتياجات التحفيزية والعاطفية للطلاب. وأظهر التحليل البعدي لأساليب التدريس أن أسلوب التدريس القائم على "السلطة" ارتبط بمستويات أعلى من القلق من تعلم اللغة الأجنبية في الفصل الدراسي ومستويات أدنى من الإبداع، بينما ارتبطت أساليب التدريس القائمة على "الميسر"، و"الخبير"، و"النموذج الشخصي"، و"المفوض" بدافعية وإبداع أعلى وقلق أقل. وتشير هذه النتائج إلى أن المناهج التعليمية التي توازن بين التوجيه الواضح وفرص استقلالية المتعلم قد تدعم تجارب التعلم الإيجابية وتطوير اللغة. وفي سياق رؤية السعودية 2030، تحمل هذه النتائج دلالات عملية لتعليم اللغات؛ حيث إن دمج استراتيجيات التدريس التي تركز على المتعلم، وأدوات التعلم المدعومة بالذكاء الاصطناعي مثل ChatGPT، وتطوير الثقافة الرقمية، قد يساهم في تعزيز تعلم اللغة تكنولوجياً مع دعم دافعية الطلاب وتقليل القلق من تعلم اللغة الأجنبية في الفصل الدراسي. وبشكل جماعي، تقدم هذه الدراسة أدلة تدعم دور الممارسات التربوية، والتعلم المدعوم بالذكاء الاصطناعي، والكفاءة الرقمية في تعليم اللغة الإنجليزية كلغة أجنبية، وتوفر أساساً للأبحاث الطولية والتدخلية المستقبلية التي تفحص هذه العلاقات في بيئات تعليمية متنوعة.

يجب الإقرار بعدد من محددات هذه الدراسة. أولاً، يحد تصميم الدراسة المقطعية من القدرة على استخلاص استنتاجات سببية فيما يتعلق بالعلاقات بين متغيرات الدراسة. ورغم أن الإطار النظري يقترح علاقات اتجاهية، إلا أنه يجب تفسير النتائج على أنها ارتباطات وليست دليلاً على السببية. وينبغي أن تعتمد الأبحاث المستقبلية تصاميم طولية لفحص التغيرات في الدافعية، وقلق الفصل الدراسي للغة الأجنبية، والإبداع بمرور الوقت، بالإضافة إلى تصاميم تجريبية أو قائمة على التدخل لتقييم العلاقات المقترحة بشكل أكثر صرامة. ويمكن لمثل هذه الدراسات استقصاء ما إذا كانت المناهج التدريسية التي تؤكد على استقلالية المتعلم ترتبط بتغيرات لاحقة في الدافعية، وقلق الفصل الدراسي للغة الأجنبية، والإبداع. ثانياً، تم سحب العينة من جامعة حكومية واحدة في المملكة العربية السعودية، مما قد يحد من إمكانية تعميم النتائج على سياقات تعليمية وثقافية أخرى. إذ قد تؤثر خصائص التعليم العالي السعودي، بما في ذلك ممارسات التقييم، والإصلاحات التعليمية المستمرة، والمنظورات الثقافية حول سلطة المعلم، على العلاقات المرصودة. لذا يجب أن تبحث الدراسات المستقبلية في هذه العلاقات عبر مؤسسات ومناطق متعددة داخل المملكة العربية السعودية وفي بلدان أخرى لتحديد مدى اتساق النتائج عبر بيئات تعليمية متنوعة. ثالثاً، اعتمدت هذه الدراسة على بيانات التقرير الذاتي، والتي قد تتأثر بتحيز المرغوبية الاجتماعية، وتحيز الاسترجاع، وتباين الطريقة المشتركة. ورغم استخدام أدوات قياس مصدق عليها وإجراءات اختبار قبلي، يمكن للدراسات المستقبلية دمج مصادر بيانات إضافية، مثل ملاحظات الفصل الدراسي، وتحليلات التعلم، وسجلات استخدام الذكاء الاصطناعي، أو تقييمات الكفاءة اللغوية والإبداع القائمة على الأداء، لتوفير أدلة تكميلية. كما أن النهج متعدد الطرق والمنهج المختلط قد يعززان فهم العلاقات المحددة في هذه الدراسة. وأخيراً، حدد التحليل البعدي لأنماط التدريس ارتباطات متميزة بين نمط التدريس السلطوي ومخرجات المتعلمين. ومن شأن الأبحاث النوعية المستقبلية، بما في ذلك المقابلات ومجموعات التركيز وملاحظات الفصل الدراسي، أن توفر رؤى إضافية حول كيفية تأثير أنماط التدريس المختلفة على دافعية الطلاب، وقلق الفصل الدراسي للغة الأجنبية، والإبداع، لا سيما في سياق تعلم اللغة الإنجليزية كلغة أجنبية (EFL) في السعودية. ومن شأن هذا العمل أن يكمل النتائج الحالية ويساهم في فهم أكثر شمولاً لتعلم اللغة المعزز بالتكنولوجيا.

الإفصاحات

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

تضارب المصالح:

يصرح المؤلف بعدم وجود أي تضارب في المصالح.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
مقياس استخدام ChatGPT (معدل)المؤلفون؛ معدل عن Abbas et al.غير متاحاستبيان مكون من ثمانية بنود لتقييم استخدام الطلاب لـ ChatGPT في تعلم اللغة.
مقياس الإبداع (معدل)المؤلفون؛ معدل عن Govindasamy et al.غير متاحاستبيان مكون من اثني عشر بنداً لتقييم الأصالة والمرونة والطلاقة والتوسع.
مقياس الثقافة الرقمية (معدل)المؤلفون؛ معدل عن Rodríguez-de-Dios et al.غير متاحاستبيان مكون من تسعة وعشرين بنداً لقياس ستة أبعاد للثقافة الرقمية.
مقياس قلق الفصل الدراسي للغة الأجنبية (FLCA) (معدل)المؤلفون؛ معدل عن Briesmaster & Briesmasterغير متاحاستبيان مكون من سبعة وعشرين بنداً لقياس الرهاب من التواصل وقلق الاختبار والخوف من التقييم السلبي.
G*Powerجامعة Heinrich Heine Düsseldorfالإصدار 3.1.9.7؛ RRID: SCR_013726برنامج مستخدم لتحليل القوة الإحصائية البعدية.
IBM SPSS Statisticsشركة .IBM Corpالإصدار 26؛ RRID: SCR_002865برنامج إحصائي مستخدم لتنقية البيانات والإحصاء الوصفي وتحليلات الموثوقية والتحليلات الأولية.
تحليل مسافة ماهالانوبيس (Mahalanobis distance analysis)IBM SPSS Statisticsالإصدار 26؛ RRID: SCR_002865إجراء إحصائي مُطبق في IBM SPSS Statistics لتحديد القيم المتطرفة متعددة المتغيرات.
مقياس الدافعية (معدل)المؤلفون؛ معدل عن Kanoksilapatham et al.غير متاحاستبيان مكون من عشرين بنداً لتقييم دافعية المتعلم.
استبيان ورقيالمؤلفونغير متاحنسخة مطبوعة من الاستبيان المهيكل المدار ذاتياً المستخدم لجمع البيانات حضورياً.
منصة استطلاع آراء آمنة عبر الإنترنتشركة Google LLCغير متاحمنصة نماذج جوجل (Google Forms) المستخدمة لتوزيع الاستبيان إلكترونياً.
SmartPLSشركة SmartPLS GmbHالإصدار 4؛ RRID: SCR_036419برنامج مستخدم لنمذجة المعادلات الهيكلية بطريقة المربعات الصغرى الجزئية (PLS-SEM)، بما في ذلك تقييم نموذج القياس، وتحليل النموذج الهيكلي، وعملية bootstrapping (5,000 عينة معاد سحبها)، وتحليل الوساطة.
استبيان مهيكل مُدار ذاتياًالمؤلفونغير متاحاستبيان تم توزيعه بتنسيقات ورقية وإلكترونية باستخدام مقياس ليكرت الخماسي (1 = غير موافق بشدة إلى 5 = موافق بشدة).
مقياس أنماط التدريس (معدل)المؤلفون؛ معدل عن مقياس Grasha لأنماط التدريسغير متاحاستبيان يقيس أنماط التدريس: السلطوي، والخبير، والنموذج الشخصي، والميسر، والمفوض.
قنوات التواصل الجامعيةجامعة جدةغير متاحالبريد الإلكتروني الرسمي وإعلانات الفصول الدراسية المستخدمة لاستقطاب المشاركين.

المراجع

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Ansa H. Exploring the role of artificial intelligence (AI) in enhancing EFL education in Saudi Arabia: A review of opportunities, obstacles, and future directions. Educ Sci. 2026;16(6):981.
  2. Alshehri A, Aldossary S, Jamshed M, Banu S. Incorporating ChatGPT in Saudi EFL classrooms: Oscillating between expectations and anxiety. J Lang Teach Res. 2025;16(5):1673-81.
  3. Alzubi AA, Alelaiwi AS. Exploring EFL university teachers’ perceptions of AI-generative tools in Saudi Arabia: A mixed-methods study. Discov Comput. 2025;28(1):282.
  4. Alzubi AA, Nazim M, Alyami N. Do AI-generative tools kill or nurture creativity in EFL teaching and learning? Educ Inf Technol. 2025;30(11):15147-84.
  5. Allehyani FS, Albedah F, Jamshed M, Warda WU. Exploring Saudi EFL learners’ engagement with AI generative tools in educational settings: Perceptions, practices, and pedagogical outcomes. Theory Pract Lang Stud. 2025;15(6):1959-66.
  6. Almusharraf A, Bailey D. Generative AI use among Saudi and Korean language learners in higher education: Examination through a modified TAM framework. SAGE Open. 2025;15(4):21582440251387804.
  7. Alharbi MA, Hassan Al-Ahdal AA. Exploring Saudi EFL learners’ engagement with ChatGPT: A mixed-methods study of perceptions, attitudes, and intentions. SAGE Open. 2025;15(4):21582440251392080.
  8. Khoso AK, Honggang W, Darazi MA. Empowering creativity and engagement: The impact of generative artificial intelligence usage on Chinese EFL students’ language learning experience. Comput Hum Behav Rep. 2025;18:100627.
  9. Alalwi FS, Alqahtani N, Jamshed M, Ahmmed MF. AI-driven feedback for pedagogical innovation: Assessing ChatGPT’s impact on Saudi EFL learners’ writing proficiency. World. 2026;16(5).
  10. Alshehri N. Speaking with AI: Exploring EFL learners’ attitudes, engagement, and satisfaction through ChatGPT conversations. 2026. 10.2139/ssrn.6595190
  11. Metwally AA, Bin-Hady WR. Probing the necessity and advantages of AI integration training for EFL educators in Saudi Arabia. Cogent Educ. 2025;12(1):2472462.
  12. Elmahdi OE, et al. AI-Driven Vocabulary Acquisition in EFL Higher Education: Interdisciplinary Insights into Technological Innovation, Ethical Challenges, and Equitable Access. Forum Linguist Stud. 2025;7(4):477–491.
  13. Al-Nofaie H, Alwerthan TA. Appreciative inquiry into implementing artificial intelligence for the development of language student teachers. Sustainability (Basel). 2024;16(21):9361.
  14. Alshayban A. Exploring EFL learners’ use of AI outside the classroom. J Lang Teach Res. 2026;17(1).
  15. Abdelhalim SM, Alsehibany RA. Integrating AI-powered tools in EFL pronunciation instruction: Effects on accuracy and L2 motivation. Comput Assist Lang Learn. 2025;38:1-25.
  16. Khoso AK, Honggang W, Darazi MA. Trust and attitude towards AI as pathways to creativity: A TAM model study of EFL students’ digital literacy and AI acceptance. Humanit Soc Sci Commun. 2025;13(1):69.
  17. Xiong X. Influence of teaching styles of higher education teachers on students’ engagement in learning: The mediating role of learning motivation. Educ Chem Eng. 2025;51:87-102.
  18. Bartholomew KJ, et al. Beware of your teaching style: A school-year-long investigation of controlling teaching and student motivational experiences. Learn Instr. 2018;53:50-63.
  19. Wiangga IA. The impact of educators’ teaching styles on secondary school learners’ motivation in English. J Educ Manag Strategy. 2024;3(2):136-44.
  20. Sheikh A, Mahmood N. Effect of different teaching styles on students’ motivation towards English language learning at secondary level. Sci Int (Lahore). 2014;26:825-30.
  21. Marina I, Natalia M, Tatiana K, Nataliya S. The influence of the teaching style of communication on the motivation of students to learn foreign languages. J Lang Educ. 2019;5(2):67-77.
  22. Zalukhu FS, Laoli A, Zebua EP, Daeli H. The influence of teacher teaching styles on English learning motivation of eighth-grade students at SMP Negeri 1 Afulu. J Pembelajaran Bahasa dan Sastra. 2026;5(2):1545-54.
  23. Yue X, Hou X, Zhang J, Li M. The impact of controlling teaching style on student engagement and academic achievement: Differences across varied motivation profiles. Teach Teach Educ. 2026;176:105479.
  24. Idhaufi NL, Ashari ZM. Relationship between motivation and teachers’ teaching style among secondary school students in Kulai. Man India. 2017;97(12):299-307.
  25. Zolfaghari M, Janghorbanian Z, Krevan Brojerdi K, Aghaziarati A. Investigation of the role of teaching styles and student-teacher interaction in students’ academic achievement motivation. Educ Strateg Med Sci. 2020;13(3):220-8.
  26. Avecilla PA, Capiña XE, Javier AY. Teachers’ teaching style as perceived by students and its influence on students’ level of self-regulation and motivation in learning psychology. Technium Soc Sci J. 2023;43:213-24.
  27. Khoso AK, et al. The dual forces of AI: How generative AI and perceived AI dependency influence fear of missing out (FoMO) and EFL students’ vocabulary acquisition. J Vis Exp. 2025;(226):e69637.
  28. Ali JK, Shamsan MA, Hezam TA, Mohammed AA. Impact of ChatGPT on learning motivation: Teachers’ and students’ voices. J Engl Stud Arabia Felix. 2023;2(1):41-9.
  29. Song C, Song Y. Enhancing academic writing skills and motivation: Assessing the efficacy of ChatGPT in AI-assisted language learning for EFL students. Front Psychol. 2023;14:1260843.
  30. Khoso AK, et al. Integrating Sustainable Development Goals (SDGs) and generative AI to enhance language digital literacy and creativity in EFL learning environments. J Vis Exp. 2026;(228):e69445.
  31. Balcı Ö. The role of ChatGPT in English as a foreign language (EFL) learning and teaching: A systematic review. Int J Curr Educ Stud. 2024;3(1):66-82.
  32. Yamaoka K. ChatGPT’s motivational effects on Japanese university EFL learners: A qualitative analysis. Int J TESOL Stud. 2024;6(3).
  33. Afkarin MY, Asmara CH. Investigating the implementation of ChatGPT in English language education: Effects on student motivation and performance levels. Journey J Engl Lang Pedagogy. 2024;7(1):57-66.
  34. Alrabai F. The influence of teachers’ anxiety-reducing strategies on learners’ foreign language anxiety. Innov Lang Learn Teach. 2015;9(2):163-90.
  35. Kang S, Kim Y. Examining the quality of mobile-assisted video-making task outcomes: The role of proficiency, narrative ability, digital literacy, and motivation. Lang Teach Res. 2024;28(6):2326-53.
  36. Honggang W, Khoso AK, Althubyani AR. Technostress, digital fatigue, and AI dependency as antecedents of burnout and SDG-4 achievement in EFL classrooms. Sci Rep. 2026;16:15412.
  37. Sari AA, Ningsih SK. The influence of digital literacy in social media use on high school students’ intrinsic motivation in EFL learning. IDEAS J Engl Lang Teach Learn Linguist Lit. 2025;13(2):6634-51.
  38. Zhang Y. Impact of digital literacy on college students’ English proficiency: The mediating role of learning motivation and the moderating effect of technological self-efficacy. Acta Psychol (Amst). 2025;259:105452.
  39. Bender SM. Awareness of artificial intelligence as an essential digital literacy: ChatGPT and Gen-AI in the classroom. Changing Engl. 2024;31(2):161-74.
  40. Khoso AK, et al. The impact of ESL teachers’ emotional intelligence on ESL students’ academic engagement, reading and writing proficiency: Mediating role of ESL students’ motivation. Int J Early Child Spec Educ. 2022;14:3267-80.
  41. He M, Abbasi BN, He J. AI-driven language learning in higher education: An empirical study on self-reflection, creativity, anxiety, and emotional resilience in EFL learners. Humanit Soc Sci Commun. 2025;12(1):1-20.
  42. Wang HC. Exploring the relationships of achievement motivation and state anxiety to creative writing performance in English as a foreign language. Think Skills Creat. 2021;42:100948.
  43. Khan MA, Mahjabeen AN, Hussain F, Ur Rehman M. Investigating the correlation between writing anxiety and English creativity in Pakistani ESL students. Russ Law J. 2021;9(1):214-24.
  44. McDonough K, Crawford WJ, Mackey A. Creativity and EFL students’ language use during a group problem-solving task. TESOL Q. 2015;49(1):188-99.
  45. Rubino C, Luksyte A, Perry SJ, Volpone SD. How do stressors lead to burnout? The mediating role of motivation. J Occup Health Psychol. 2009;14(3):289-304.
  46. Halbesleben JRB, Bowler WM. Emotional exhaustion and job performance: The mediating role of motivation. J Appl Psychol. 2007;92(1):93-106.
  47. van Emmerik IJH, et al. The route to employability: Examining resources and the mediating role of motivation. Career Dev Int. 2012;17(2):104-19.
  48. Dana LP, et al. The impact of entrepreneurial education on technology-based enterprise development: The mediating role of motivation. Adm Sci (Basel). 2021;11(4):105.
  49. Kholifah N, Nurtanto M, Mutohhari F, et al. The mediating role of motivation and professional development in determining teacher performance in vocational schools. Cogent Educ. 2024;11(1):2421094.
  50. Güngör P. The relationship between reward management system and employee performance with the mediating role of motivation: A quantitative study on global banks. Procedia Soc Behav Sci. 2011;24:1510-20.
  51. Danish RQ, Khan MK, Shahid AU, et al. Effect of intrinsic rewards on task performance of employees: Mediating role of motivation. Int J Organ Leadersh. 2015;4:33-46.
  52. Mavhungu D, Bussin MH. The mediation role of motivation between leadership and public sector performance. SA J Hum Resour Manag. 2017;15(1):1-11.
  53. Faul F, Erdfelder E, Buchner A, Lang AG. Statistical power analyses using G*Power 3.1: Tests for correlation and regression analyses. Behav Res Methods. 2009;41(4):1149-60.
  54. Rodríguez-de-Dios I, Igartua JJ, González-Vázquez A. Development and validation of a digital literacy scale for teenagers. In: Proceedings of the Fourth International Conference on Technological Ecosystems for Enhancing Multiculturality; 2016. p. 1067-72.
  55. Abbas M, Jam FA, Khan TI. Is it harmful or helpful? Examining the causes and consequences of generative AI usage among university students. Int J Educ Technol High Educ. 2024;21(1):10.
  56. Grasha AF. Teaching with style: The integration of teaching and learning styles in the classroom. Alliance Publishers; Pittsburgh (PA); 1996.
  57. Briesmaster M, Briesmaster-Paredes J. The relationship between teaching styles and NNPSETs’ anxiety levels. System. 2015;49:145-56.
  58. Kanoksilapatham B, et al. Motivation of Thai university students from two disciplinary backgrounds using a hybrid questionnaire. LEARN J Lang Educ Acquis Res Netw. 2021;14(1):455-91.
  59. Govindasamy P, Cumming TM, Abdullah N. Validity and reliability of a needs analysis questionnaire for the development of a creativity module. J Res Spec Educ Needs. 2024;24(3):637-52.
  60. Hair JF, Risher JJ, Sarstedt M, Ringle CM. When to use and how to report the results of PLS-SEM. Eur Bus Rev. 2019;31(1):2-24.
  61. Zhang R, et al. Mediating effect of learning motivation and engagement on the relationship between generative artificial intelligence implementation and English as a foreign language proficiency. 2026. https://doi.org/10.21203/rs.3.rs-9075280/v1.
  62. Almira NF, Almira ZF, Vircavani C, Agustina E. A systematic review of teachers’ teaching styles and their impact on EFL student learning outcomes. J Appl Linguist Engl Educ. 2025;3(1):1-5.
  63. Reeve J. Teachers as facilitators: What autonomy-supportive teachers do and why their students benefit. Elem Sch J. 2006;106(3):225-36.
  64. Huang S, Dong L, Wang W, et al. Language is not all you need: Aligning perception with language models. In: Advances in Neural Information Processing Systems. 2023;36:72096-109.
  65. Liu L. An international graduate student’s ESL learning experience beyond the classroom. TESL Can J. 2011;29(1):77-92.
  66. van Laar E, van Deursen AJAM, van Dijk JAGM, De Haan J. The relation between 21st-century skills and digital skills: A systematic literature review. Comput Hum Behav. 2017;72:577-88.
  67. Al-Kahtani N. A survey assessing health science students’ perceptions of online learning at a Saudi higher education institution during the COVID-19 pandemic. Heliyon. 2022;8(9):e10688.
  68. Dewaele JM, Chen X, Padilla AM, Lake J. The flowering of positive psychology in foreign language teaching and acquisition research. Front Psychol. 2019;10:2128.
  69. Liu W, Li Y. A qualitative study of question-posing anxiety in Chinese postgraduates in UK TESOL programs. Sci Rep. 2025;16(1):2081.

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

ChatGPT

مقالات ذات صلة