将可持续发展目标（SDGs）与生成式人工智能相结合以提升英语作为外语学习环境中的语言数字素养与创造力

摘要

将可持续发展目标（SDGs）与生成式人工智能（如 ChatGPT）相结合，能够提升英语学习者的积极性、数字素养和创造力。更高的参与度进一步强化了这一联系，为教师提供了将人工智能融入语言教学的实用策略。

摘要

本研究探讨了可持续发展目标（SDGs）与生成式人工智能（特别是ChatGPT）在英语作为外语（EFL）学习环境中整合应用，以提升语言数字素养、创造力和学习动机。研究采用定量的横断面设计，数据来自中国一所公立大学的420名本科EFL学生，使用经过验证的量表测量SDG整合（SDG）、使用生成式AI（如ChatGPT）（UCGPT）、数字素养（DL）、EFL学生创造力（SC）、EFL学生动机（SM）以及语言学习投入度（LLE）。采用偏最小二乘结构方程模型（PLS-SEM）分析直接效应、中介效应和调节效应。研究结果表明，SDG整合与UCGPT均与SM显著相关，而SM进一步预测了数字素养和EFL学生的创造力。此外，LLE在DL与SC之间的关系中起调节作用，而SM在SDG整合和UCGPT对数字素养的影响中起中介作用。这些结果凸显了将SDGs与AI工具整合应用于EFL教育中的变革潜力，为发展21世纪技能提供了可扩展的策略。此外，本研究为EFL教师提供了具体教学策略，例如布置学生使用ChatGPT准备关于气候正义等SDG主题的辩论，或共同创建多语言社交媒体宣传活动以提高可持续发展意识。这些应用展示了如何在日常教学设计中实现SDG与AI的整合。

引言

英语作为外语（EFL）教育的全球格局正在经历深刻变革，这一变革由技术创新的推动和联合国可持续发展目标（SDGs）的双重需求所驱动。¹尽管非英语地区的英语熟练度需求在全球化、学术流动性和数字经济的推动下持续增长²传统的教学方法往往无法使学习者掌握21世纪沟通所必需的关键能力³传统的英语作为外语教学方法强调死记硬背和结构准确性，而非创造性表达与数字化参与，这种模式可能加剧优质教育资源获取上的不平等。⁴这种错位不仅阻碍了实现可持续发展目标4（包容和公平的优质教育）的进程，也忽视了新兴技术所具有的变革潜力⁵，特别是生成式人工智能（AI）在重塑语言学习生态系统中的作用⁶尽管以ChatGPT为代表的AI驱动工具迅速发展，但其在英语作为外语（EFL）教学环境中的整合应用仍缺乏深入探索，尤其是在可持续性框架方面。⁷本研究通过探讨可持续发展目标（SDGs）与生成式人工智能的策略性融合如何提升英语作为外语（EFL）学习环境中的数字素养、创造力和学习动机，弥合了这一关键空白，推动教学创新与全球可持续发展议程。现有文献在人工智能辅助语言学习与契合可持续发展目标的教育之间的交叉领域仍存在显著研究空白。⁸尽管先前的研究已探讨了人工智能在个性化语言教学中的作用⁹，自动评估¹⁰以及虚拟交流项目¹¹然而，这些研究很少与可持续性框架相结合。相反，关于英语作为外语（EFL）与可持续性的文献主要集中在内容依托教学（如环境类文本），而非利用技术重构教学范式¹²这种脱节在南半球国家日益扩大的数字鸿沟背景下尤为突出，语言边缘化与获取前沿教育工具的机会有限相互交织，加剧了问题的严重性¹³此外，尽管可持续发展目标4.4明确将数字素养列为重点，但大多数英语作为外语（EFL）课程未能将数字能力与可持续性成果相联系，导致学习者难以满足就业、创业和体面工作方面的需求。¹⁴缺乏将人工智能驱动的教学法与可持续发展能力相契合的整合框架， represents a critical oversight¹⁵此外，该框架可直接应用于具备基本数字素养的本科生英语作为外语（EFL）课程中，学生能够操作如ChatGPT等生成式人工智能工具。该框架的实施适用于常规的技术融合型课堂，要求教育者提供结构化、与可持续发展目标（SDGs）相一致的任务提示，以有效引导人工智能协作过程。

本研究通过提出一种以可持续发展目标（SDG）为导向、基于社会文化理论¹⁶和批判性数字素养¹⁷的新型生成式人工智能（AI）框架，填补了上述空白。与以往将人工智能视为教学工具的研究不同，本研究将人工智能定位为支持学习者创造性思维与批判性思维发展的协作伙伴¹⁸。这一转变符合可持续发展目标中关于包容性、以学习者为中心的教育目标。在实证层面，研究人员采用偏最小二乘结构方程模型（PLS-SEM）分析了来自420名中国本科生英语作为外语（EFL）学习者的数据，考察了可持续发展目标的融入（SDG）与ChatGPT使用（UCGPT）如何共同影响学习动机（SM）、数字素养（DL）、学生创造力（SC）以及语言学习参与度（LLE）。本研究的理论贡献体现在三个方面：第一，研究人员通过揭示符合可持续发展目标的人工智能工具如何满足学习者在自主性、胜任力和归属感方面的内在需求，从而增强其学习动机，拓展了自我决定理论（SDT）的应用；第二，研究人员通过揭示在人工智能介导的学习环境中，数字素养与创造力如何根据学习者的参与水平动态交互，进一步完善了参与理论；第三，研究人员通过将人工智能伦理使用嵌入可持续发展话语体系，推动批判性数字素养的发展，呼吁学习者审视人工智能系统中的数据偏见、环境成本及劳动实践问题。在实证层面，研究结果为教育工作者和政策制定者提供了可操作的见解，阐明了ChatGPT如何促进学习者平等参与与可持续发展目标相关的语言任务（如气候变化辩论、性别平等模拟），同时培养高阶认知能力。本文结构如下：首先为引言部分，阐述本研究的意义与创新性、现有文献中的研究空白以及本研究的贡献；其次为文献综述部分，回顾可持续发展目标在英语作为外语教学中的应用、生成式人工智能以及数字素养相关研究；随后是方法部分，详细介绍PLS-SEM方法论；接着是结果部分，呈现研究发现；讨论部分则深入阐释主要发现及其理论与实践意义；最后，文章总结了研究局限性并提出未来研究方向。

文献综述与假设提出

可持续发展目标4与英语作为外语学习者的动机
一种将英语作为外语（EFL）课程与可持续发展目标4（SDG 4）¹⁹相结合的教学方法已逐渐成为提升学生学习动机的关键策略，该目标强调为所有人提供包容、公平的优质教育以及终身学习机会²⁰。SDG 4的具体目标，特别是目标4.4（就业所需技能）和目标4.7（可持续发展教育），突显了培养具备批判性思维、数字素养和伦理参与能力的语言学习者的重要性²¹。这些能力的原则还得到了“保护责任”以及“基于权利的教育”这一SDG 4.5目标的支持。多项研究表明，当语言学习中涵盖气候行动、性别平等和消除贫困等议题时，能够促进学生对该学科的学习动机²²。该方法支持自我决定理论^23,24，该理论认为，自主感、技能掌握以及社会联结感是维持个体动机的关键因素²⁵。当使用与可持续发展目标相关的互动内容时，生成式人工智能作为激励工具的效果更佳²⁶。具备多语言支持的AI聊天机器人模拟峰会及可持续发展主题平台，使学生能够通过语言练习学习复杂议题²⁷。例如，设计要求学生用英语讨论水资源短缺解决方案的情境，有助于激发其兴趣，提升问题解决能力，并增强其自主感与重要性感知²⁸。AI提供的反馈具有标准化和即时性特点（这一点已被指出有助于满足多样化的教育需求），并如SDG 4所述支持教育公平²⁹，从而缓解学生焦虑并保障平等。教育专家需要进一步深化对可持续发展目标之间联系的理解，应着重培养学生识别系统性不平等的能力³⁰。当发达国家与发展中国家之间存在人工智能应用差距时，这会增加学生受挫的可能性，因此亟需采用包容性设计³¹。基于上述文献，提出以下假设：H1：将可持续发展目标融入EFL课程可提高学生学习英语的动机。

生成式人工智能的使用与英语作为外语学习者的学习动机
生成式人工智能工具，包括语言模型和聊天机器人，因其能够通过促进互动、满足个性化需求以及推动创造性活动来提升英语作为外语（EFL）教育中的学习动机，正日益受到重视³²。这些方法使学习者能够直接与人工智能互动，在逼真的情境中练习交流，并获得快速且可调节的反馈，这已被证实有助于降低焦虑感并维持学习兴趣³³。例如，由人工智能生成的教育资源（如根据学生水平和兴趣量身定制的个性化文本和情境）可以满足其在自主性和能力感方面的心理需求。由于生成式人工智能能够以多种语言提供资源并考虑文化背景，它使学习者能够在使用英语的过程中探索全球性议题，促使其深入思考伦理决策问题³⁴。然而，专家指出，过度依赖人工智能可能会限制人际交流，并阻碍批判性思维能力的发展，而这两种能力对儿童的成长至关重要。此外，互联网接入条件的不平等以及算法偏见的影响可能加剧某些学习群体已有的不平等状况，进一步加深现有的差距。基于上述文献，提出以下假设：H2：在英语作为外语课堂中使用ChatGPT能够提高学生参与语言学习的动机。

英语作为外语学习者的动机与数字素养
数字素养与英语作为外语（EFL）学习动机之间的关系不仅仅是相关性的，更是协同作用的。具备较高数字素养的学生更有能力主动寻找并参与符合其个人兴趣和社会文化背景的真实多模态内容^35,36。这种能力通过增强学习者在数字环境中更有效导航的自主感和胜任感，从而直接促进内在动机的提升。然而，这一积极循环并非自动形成。动机效果取决于数字参与的质量；如果任务缺乏意义或文化相关性，单纯使用技术并不能保证激发学习动机³⁷。

此外，尽管目前生成式人工智能正被宣传为通过个性化支架支持来加速这种协同作用的手段^38，但批判性分析表明，这一观点存在若干前提条件。人工智能技术在促进跨文化对话和消除媒体偏见³⁹方面的成功，依赖于平等的获取机会以及基本的数字素养能力，而这些条件在资源匮乏的环境中往往难以满足⁴⁰。这导致了动机上的差距，数字素养的缺乏会引发挫败感和疏离感，从而破坏人工智能本应激发的学习动机⁴¹。因此，人工智能的整合应辅以严格的数字素养培养模式，引导学习者理解其中的伦理意涵，以避免在技术使用过程中无意间加剧现有的不平等现象⁴²。基于上述文献，提出以下假设：H3：英语作为外语的学生动机越高，其数字素养技能越强。

EFL 学生的数字素养与 EFL 学生的创造力
在英语作为外语（EFL）教学中，数字素养通过赋予学习者运用创新性数字方式重新构建语言使用情境所需的技术能力和批判性思维，从而激发其创造力⁴³。学生能够熟练使用生成式人工智能、多媒体平台以及协作型虚拟空间等工具，从而突破传统文本练习的局限，将其转化为创作多模态项目（如数字故事、播客，甚至由人工智能生成的叙事作品）的有效手段⁴⁴。例如，基于人工智能的多语言诗歌协同创作平台或虚拟现实情境模拟工具，有助于学习者探索语言与文化的融合现象，实现语言习得与艺术探索的有机结合⁴⁵。

数字素养通过平等的获取机会和具有明确目标的教学方法，与创造力呈正相关⁴⁶。一些边缘化群体缺乏对生成式人工智能和数字工具的平等访问，导致创造力受抑制，学习方式趋于被动而非主动创造⁴⁷。教育工作者应选择注重可持续教学实践的关键方法，以帮助学生审视人工智能内容生成的伦理问题以及数字工作流程对环境的影响⁴⁸。学生可通过动手参与数字设计活动发展伦理层面的工艺精神，将可持续项目开发与算法偏见分析相结合，从而强化可持续发展目标4.7所倡导的可持续性与公正性目标。基于上述文献，提出以下假设：H4：具备更强数字素养能力的英语作为外语（EFL）学生在语言任务中表现出更高的创造力。H5：EFL学生在语言学习中的投入程度与其在语言任务中表现出的创造力呈正相关。

语言学习投入的调节作用
在英语作为外语（EFL）的学习情境中，当语言学习投入——即学习者在语言习得过程中所表现出的认知、行为和情感投入——作为一个多边关键的调节变量时，整合可持续发展目标（SDGs）与生成式人工智能（generative AI）的教学干预将更为有效⁴⁹。在实施与可持续发展目标相关的内容时，高水平的投入能够增强学习者的动机与认知收益，因为参与可持续发展目标导向的项目式任务或人工智能模拟任务的学习者表现出更强的坚持性，提出更多问题，并对其学习过程表现出更强的自主性⁵⁰。例如，学生合作创建人工智能（AI）可持续发展宣传活动，或用英语讨论全球性议题，已被证明能够提升其语言能力与创造力，这得益于学生对现实问题产生的情感联结⁵¹。投入程度是决定学习者如何应对由人工智能驱动的EFL学习环境中伦理与文化议题的关键调节因素。表现出低投入的学生往往将人工智能视为一种权威性系统，这加剧了他们的担忧，并导致其被动依赖自动化反馈⁵²。基于上述文献，提出以下假设：H6：语言学习投入调节数字素养与创造力之间的关系。

以英语为外语的学习者在英语学习环境中的动机中介效应
以英语为外语（EFL）学习者的动机水平在教学策略如何影响其数字技能、创造能力以及英语语言水平方面起着至关重要的作用，这些教学策略与可持续发展目标（SDGs）相关联，并使用生成式人工智能（generative AI）⁵³。通过动机，教学设计得以实现学习者的学业成就，这一过程运用自我决定理论（Self-Determination Theory）⁵⁴，以强化促进深度参与的心理条件。学生在自主性（就倡导主题进行决策）、胜任力（学习可持续发展相关词汇）和归属感（参与全球性活动）方面的动机，构成了SDG主题内容影响学生批判性思维和数字技能发展成效的作用机制。由于生成式AI工具的新颖性，学生在初次使用时参与度可能上升，但读写能力和创造力的持续提升，需要学生将人工智能互动视为既与自我身份相关又促进自主性的活动⁵⁵。

研究人员通过实证证据确立了动机是连接不同情境的主要因素。面向可持续发展目标（SDG）的项目在面向英语作为外语（EFL）学习者实施时激发了相应的创造力，因为学习者同时经历了显著提升的动机水平，这一点已通过自我评估报告得到证实⁵⁶。来自人工智能生成的个性化反馈的写作成果显示，在原本动机较强的学生中改善最为显著^57,58。该研究证明，动机调节着技术干预措施的有效性。另一个阻碍这一过程的因素是文化因素，以及社会经济因素。资源匮乏的教育环境往往更重视外部激励，这与可持续发展目标4.4中提到的职业发展机会相关，从而改变了动机与数字工具应用之间的关系^59,60。基于上述文献，提出以下假设：H7：学生的动机会在ChatGPT使用与数字素养技能之间的关系中起中介作用。H8：学生的动机会在可持续发展目标（SDGs）与数字素养技能之间的关系中起中介作用。图1展示了本研究的研究模型，其中包含所有变量及其相互之间的路径关系。此外，根据变量之间的路径关系，所有假设也在研究模型中予以标明。

方案

本研究遵循人体受试者研究的伦理准则。所有参与者在参与前均被告知研究目的、基于问卷的流程、自愿参与性质以及可随时无后果退出的权利，并在此基础上签署知情同意书。所有研究方法均符合人体研究的伦理标准，确保参与者的保密性、数据匿名化以及研究全过程中的隐私保护。本研究采用非侵入性的问卷调查方式进行数据收集，对参与者几乎无风险。

1. 研究设计

本研究采用定量的横断面研究设计，旨在探讨在英语作为外语（EFL）情境下，可持续发展目标（SDG）融合、生成式人工智能使用、数字素养、创造力、动机与语言学习投入之间的关系。该设计基于实证主义认识论，通过结构化问卷优先进行假设检验，从而实现研究结果在类似学术环境中的统计推断。研究采用偏最小二乘结构方程模型（PLS-SEM）方法分析复杂的中介与调节效应。PLS-SEM 能够适应较小的样本量和探索性模型结构，同时减少对数据正态性假设的依赖⁶¹。该设计响应了可持续发展目标4（SDG 4）对数据驱动教育策略的倡导，聚焦可衡量的学习成果，以推动人工智能赋能语言教学中的可扩展教学创新。

2. 数据与采样

首先，为了构建抽样框架，研究人员从该大学2024年春季学期的课程名录中识别并选取了所有完整且融合技术的英语作为外语（EFL）课程，最终获得一个包含420名本科生的便利样本。其次，根据年龄在18至24岁之间、为大学一或二年级在读本科生、且英语水平达到中级（依据学校分级记录）的纳入标准，确认参与者的资格；最终研究队列中女性占62%，男性占38%，95%的参与者来自中国东部地区。第三，在预定的课堂时间内，研究人员现场发放调查工具：在分发详细的信息说明材料后，研究人员口头宣读知情同意书内容，留出时间解答疑问，并在发放问卷前收集签署的知情同意表；参与者需在20分钟内匿名完成问卷，未提供任何激励措施。第四，为控制先前人工智能使用经验这一外部变量的影响，调查工具本身在开头设置了一个专门的筛选部分，用于收集参与者对人工智能工具的熟悉程度数据，以便在后续统计分析中进行控制。最后，对收集的数据进行完整性筛查，并通过应用偏最小二乘结构方程模型（PLS-SEM）的"10倍规则"验证样本量（n = 420）的统计充分性，确认其超过了模型中最复杂回归方程中每个预测变量至少10个案例的最低要求。

1. 可持续发展目标（SDGs）与 ChatGPT 的实际整合
   为了将调查指标置于具体的教学情境中，本研究在一门明确将可持续发展目标（SDGs）主题与 ChatGPT 辅助相结合的英语作为外语（EFL）课程模块中开展。学生在为期四周的时间内参与了一系列基于任务的学习活动。例如，其中一项任务要求学生使用 ChatGPT 研究某一特定的可持续发展目标（如 SDG 4 教育、SDG 13：气候行动，或 SDG 5：性别平等），生成关键问题的摘要，并批判性地评估人工智能所提供信息中可能存在的偏见。在另一项作业中，学生将 ChatGPT 作为协作工具，共同撰写一篇说服性文章或社交媒体宣传活动脚本，倡导本地的可持续发展举措，从而将全球目标与其所处的现实环境相联系。这些任务设计为多模态形式，通常以视频博客或展示汇报作为最终成果，要求学生整合信息、运用批判性思维，并以实际目的使用英语。这一实践性教学实施确保了学生的问卷反馈基于对 SDG 与人工智能融合学习方法的直接体验。

3. 伦理考量

本研究严格遵循伦理规范进行。所有参与者均通过书面和口头方式详细了解了研究的目的、流程及其权利，并在参与研究前签署了知情同意书。该协议确保了参与者的匿名性，允许其在任何时间无后果地退出，并保证其数据的保密性。信息通过加密的数字系统收集，并安全存储于密码保护的服务器中。所有分析均基于汇总数据进行，以防止识别任何个体。根据可持续发展目标4.7（SDG 4.7）的原则，研究特别设置了事后说明环节，以探讨生成式人工智能特有的伦理问题，明确指出了诸如ChatGPT回应中可能存在的偏见及其环境影响等潜在问题。最后，研究公开承认了其局限性，例如自我报告偏差以及样本的地理分布限制，以促进学术诚信。

4. 测量方法

研究构念通过已验证的量表进行操作化，并根据英语作为外语（EFL）情境进行了调整。可持续发展目标（SDG）融入情况采用一个包含36个题项的量表进行测量，该量表分为三个子维度：经济（13个题项）、社会（9个题项）和环境（14个题项）。该量表源自Atmaca等人。⁶²，评估语言任务中对可持续性主题的接触情况。数字素养采用一个包含29个题项的量表进行评估，该量表扩展为六个维度，改编自 Rodríguez-de-Dios 等人的研究。⁶³，包括技术素养（7项）、个人安全素养（5项）、批判性素养（5项）、设备安全素养（4项）、信息素养（5项）以及沟通素养（3项）。此外，通过Govindasamy等人测量了EFL学生的创造力⁶⁴，一个包含12个条目的测量工具，涵盖四个分量表，每个分量表包含三个条目：原创性、灵活性、流畅性和精细性。ChatGPT的使用情况被量化 通过 由Abbas等人改编的8项量表⁶⁵，重点关注频率、目的以及在语言任务中感知的有效性。动机通过Obiosa进行评估⁶⁶，采用一个包含5个项目的量表。最后，语言学习投入度使用Eerdemutu等人提出的9项目量表进行评估。⁶⁷所有量表均采用5点李克特量表评分，预实验（n=30）证实了其可靠性（Cronbach's α） > 0.82）以及验证结构区分性的验证性因子分析。本研究的分析基于一阶反射-反射型构念进行，因为二阶反射-反射型构念未被直接检验。

5. 数据分析

数据分析通过 SPSS 28 版本和 SmartPLS 4 版本进行的两个连续阶段完成。首先在 SPSS 28 中进行，研究人员依次选择 分析 > 描述统计 > 描述和分析 > 相关 > 双变量，分别计算样本量 n = 420 的初步描述性统计量（均值、标准差）以及皮尔逊相关系数。随后，主要分析转入 SmartPLS 4，以执行偏最小二乘结构方程模型（PLS-SEM）。在 SmartPLS 中的第一步是通过运行内置的“计算”算法来验证测量模型，评估内部一致性，要求组合信度值超过 0.70 的阈值，同时通过所有构念的平均方差提取量（AVE）大于 0.50 来确认收敛效度。接着使用软件的报告功能，应用 Fornell-Larcker 准则并确保所有异质-单质（HTMT）比值低于 0.85 的保守基准，以验证区分效度。完成上述验证后，采用 Bootstrap 重复抽样程序（设置为 5,000 次子样本，双尾检验，显著性水平为 0.05）评估结构模型，生成所有路径系数（β）和间接效应的偏差校正置信区间，从而检验假设的直接、中介和调节关系。最后，通过“盲掩”程序获得 Stone-Geisser 的 Q² 值来评估模型的预测相关性，Q² 值大于零表明具有足够的预测能力，同时根据 PLS 算法结果计算效应量（f²）以确定预测变量的实际影响。

结果

描述性统计
描述性分析可为变量的分布模式、集中趋势及其离散程度提供重要见解，使研究人员能够验证初始数据的健康状况、正态性及理论一致性。在本研究中，采用均值来衡量峰度水平，而使用标准差参数来评估偏度水平。此外，还考虑了偏度的影响。这表明，420名参与者适用于参数检验，并在基于可持续发展目标（SDG）的人工智能增强型英语作为外语（EFL）学习环境中表现出适当的交互作用。

表1展示了描述性统计分析结果，提供了学习者在英语作为外语（EFL）学习过程中参与情况的关键细分，包括人工智能功能与可持续发展目标（SDG）原则的整合情况。参与者对自身的数字技能和ChatGPT应用能力表现出极高的信心，其评分分别为3.98（标准差SD = 0.76）和3.78（SD = 0.85）。这些较高的评分支持了该机构对技术驱动型教育方法的重视。参与者在创造性自我评估方面表现出较大差异，其中创造力的平均得分最低，为3.21，同时具有最高的测量变异性（SD = 0.94）。所有变量均呈现标准分布模式（Field, 2018），因其偏度与峰度...

讨论

主要研究发现摘要
本研究探讨了可持续发展目标（SDGs）、生成式人工智能（ChatGPT）与英语作为外语（EFL）学习环境中的关键教育成果——学习动机、数字素养和创造力——之间的相互关系。研究结果支持了所有直接效应假设（H1-H5），表明融入可持续发展目标（β = 0.37）和使用ChatGPT（β = 0.28）均显著提升学生的学习动机，而动机的提升进一步促进了数字素养（β = 0.45）和创造力（β = 0.32）。语言学习投入度对创造力具有显著正向影响（β = 0.688），说明其在增强学生创新能力方面具有关键作用。调节与中介效应分析还显示，学习投入度调节了数字素养与创造力之间的关系（H6，β = -0.18）；同时，学习动机在ChatGPT（H7，β = 0.13）和可持续发展目标（H8，β = 0.17）对数字素养的影响中起中介作用。这些发现共同凸显了将符合可持续发展目标的教学法与人工智能工具相结合，在EFL教育中培养21世纪核心技能的协同潜力。

负向调节效应这一细微发现（H6）表明，在参与度极高的情况下，数字素养与创造力之间...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
ChatGPT 使用量表	改编自Abbas等（2023）的8项量表。	Abbas 等（2023）。
创造力量表	改编自 Govindasamy 等（2022）的12项量表，用于测量四个子构念：原创性、灵活性、流畅性和精细性。	戈文达萨米等人（2022）
数据收集工具	匿名自填纸质问卷	不适用 / 定制设计
数据存储系统	采用加密数字系统的密码保护服务器。	不适用 / 机构IT基础设施
数字素养量表	源自 Rodr 的 29 项量表íguez-de-Dios 等（2018）提出的六个维度：技术、个人安全、批判性、设备安全、信息和传播素养。	Rodríguez-de-Dios 等（2018）
知情同意书	书面信息表和知情同意书	不适用 / 定制设计
语言学习参与度量表	由Eerdemutu等人（2023）改编的9项量表。	Eerdemutu 等（2023）
动机量表	源自 Obiosa（2023）的5项量表	Obiosa (2023)
PLS-SEM 算法 &和自举法	SmartPLS 4 内部程序（PLS 算法和含 5,000 个子样本的自助法）。	https://www.smartpls.com/documentation/algorithms-and-techniques
预测性相关性评估	在 SmartPLS 4 中进行盲法处理以计算 Stone-Geisser 指标’s Q² 值	https://www.smartpls.com/documentation/predictive-relevance-q2
可持续发展目标整合量表	由Atmaca等人（2023年）改编的36项量表，包含经济（13项）、社会（9项）和环境（14项）三个子量表。	阿特马卡等（2023）
统计分析软件	IBM SPSS Statistics，版本 28	-
结构方程模型软件	SmartPLS，版本 4	https://www.smartpls.com
有效性 &与可靠性检查	SmartPLS 4 关于组合信度、平均方差提取量（AVE）、Fornell-Larcker 准则和 HTMT 比值的报告功能。	https://www.smartpls.com/documentation/reporting