מאמר מחקר

שילוב יעדי פיתוח בר-קיימא (SDGs) ובינה מלאכותית גנרטיבית לשיפור אוריינות דיגיטלית ויצירתיות בשפה בסביבות למידה של שפה אנגלית

DOI:

10.3791/69445

⸱

13 בפברואר 2026

 ,  ,  ,  , 
1College of International Studies, Yangzhou University, 2UNITAR International University, 3COMSATS University, 4College of Sciences and Humanities, Prince Sultan University

במאמר זה

סיכום

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

שילוב יעדי הפיתוח בר-קיימא עם בינה מלאכותית גנרטיבית כמו ChatGPT מגביר את המוטיבציה, האוריינות הדיגיטלית והיצירתיות של לומדי אנגלית. מעורבות גבוהה יותר מחזקת את הקשר הזה, ומספקת למורים אסטרטגיות מעשיות לשילוב בינה מלאכותית בהוראת שפות.

תקציר

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

מחקר זה בוחן את שילוב יעדי הפיתוח בר-קיימא (SDGs) ובינה מלאכותית גנרטיבית, ובפרט ChatGPT, כדי לשפר את האוריינות הדיגיטלית של השפה, היצירתיות והמוטיבציה בסביבות למידה של שפה כשפה שנייה. באמצעות עיצוב כמותי וחתך, הנתונים למחקר זה נאספו מ-n = 420 סטודנטים לתואר ראשון בשפה האנגלית האנגלית באוניברסיטה ציבורית אחת בסין, תוך שימוש בסולמות מאומתים למדידת אינטגרציה של SDG (SDG), שימוש בבינה מלאכותית גנרטיבית כמו ChatGPT (UCGPT), אוריינות דיגיטלית (DL), יצירתיות תלמידי EFL (SC), מוטיבציה של תלמידי EFL (SM) ומעורבות בלמידת שפה (LLE). מידול משוואות מבניות של ריבועים חלקיים (PLS-SEM) שימש לניתוח השפעות ישירות, מתווכות וממתנות. הממצאים חשפו כי שילוב SDG ו-UCGPT היו קשורים באופן משמעותי ל-SM, מה שחזה אוריינות דיגיטלית ויצירתיות של תלמידי EFL. יתרה מזאת, LLE מתנה את הקשר בין DL ל-SC, בעוד ש-SM תיווך את השפעות האינטגרציה של SDG ו-UCGPT על אוריינות דיגיטלית. תוצאות אלו מדגישות את הפוטנציאל הטרנספורמטיבי שבשילוב יעדי הפיתוח בר-קיימא וכלי בינה מלאכותית בחינוך לשפה האנגלית, ומספקות אסטרטגיות ניתנות להרחבה לפיתוח מיומנויות במאה ה-21. בנוסף, המחקר מספק אסטרטגיות קונקרטיות למורי EFL, כגון הטלת משימות על התלמידים להשתמש ב-ChatGPT כדי להתכונן לדיונים בנושאי SDG, כמו צדק אקלים, או לשותפות ביצירת קמפיינים רב-לשוניים ברשתות החברתיות למודעות לקיימות. יישומים אלו מדגימים כיצד ליישם את האינטגרציה בין SDG לבינה מלאכותית בתכנון שיעורים יומיומי.

מבוא

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

הנוף הגלובלי של חינוך אנגלית כשפה זרה (EFL) עובר שינוי עמוק, מונע על ידי הדחפים הכפולים של חדשנות טכנולוגית ויעדי הפיתוח בר-קיימא של האומות המאוחדות (SDGs)1. בעוד שהביקוש לשליטה באנגלית ממשיך לעלות באזורים שאינם דוברי אנגלית, מונע על ידי גלובליזציה, ניידות אקדמית וכלכלות דיגיטליות2, גישות פדגוגיות מסורתיות לעיתים קרובות אינן מציידות את הלומדים בכישורים הקריטיים הנדרשים לתקשורת במאה ה-21. שיטות EFL קונבנציונליות, המדגישות שינון ודיוק מבני על פני ביטוי יצירתי ומעורבות דיגיטלית, עלולות להחמיר פערים בגישהלחינוך איכותי. אי-התאמה זו לא רק מעכבת את ההתקדמות לעבר SDG 4 (חינוך איכותי כולל והוגן), אלא גם מתעלמת מהפוטנציאל הטרנספורמטיבישל טכנולוגיות מתפתחות, במיוחד בינה מלאכותית גנרטיבית (AI), בעיצוב מחדש של מערכות למידת שפה6. למרות ההתרחבות המהירה של כלים מבוססי בינה מלאכותית כמו ChatGPT, האינטגרציה שלהם בהקשרים של EFL עדיין לא נחקרה, במיוחד בכל הנוגע למסגרות קיימות7. מחקר זה מגשר על הפער הקריטי הזה על ידי בחינת האופן שבו ההתכנסות האסטרטגית בין יעדי הפיתוח בר קיימא לבינה מלאכותית גנרטיבית יכולה לשפר אוריינות דיגיטלית, יצירתיות ומוטיבציה בסביבות למידה של EFL, ולקדם חדשנות פדגוגית ואג'נדות קיימות גלובליות. פערים משמעותיים קיימים בספרות הקיימת בנוגע לצומת בין למידת שפה בסיוע בינה מלאכותית לבין חינוך המותאם ל-SDG8. בעוד שמחקרים קודמים בחנו את תפקיד הבינה המלאכותית בהוראת שפה מותאמת אישית9, הערכה אוטומטית10, ותוכניות חילופי וירטואליות11, מחקרים אלו לעיתים רחוקות עוסקים במסגרות קיימות. לעומת זאת, הספרות על שפה שנייה וקיימות התמקדה בעיקר בהוראה מבוססת תוכן (טקסטים סביבתיים) ולא בשימוש בטכנולוגיה למבנה מחדש של פרדיגמות פדגוגיות12. נתק זה בעייתי במיוחד לאור הפערים הדיגיטליים הגוברים בהקשרים של הדרום הגלובלי, שבהם שוליות לשונית מצטלבת עם גישה מוגבלת לכלים חינוכיים מתקדמים13. יתרה מזאת, בעוד ש-SDG 4.4 נותן עדיפות מפורשת לאוריינות דיגיטלית, רוב תוכניות הלימודים של EFL אינן מקשרות בין מיומנות דיגיטלית לתוצאות קיימות, מה שמשאיר את הלומדים לא מוכנים לדרישות של תעסוקה, יזמות ועבודה ראויה14. היעדר מסגרת אינטגרטיבית שמיישרת פדגוגיה מונעת בינה מלאכותית עם מיומנויות קיימות מהווה פספוס קריטי15. יתרה מזאת, המסגרת מתאימה בקלות לקורסי EFL לתואר ראשון שבהם לסטודנטים יש אוריינות דיגיטלית בסיסית להפעלת כלי בינה מלאכותית גנרטיבית כמו ChatGPT. היישום מיועד לכיתות סטנדרטיות משולבות בטכנולוגיה, ודורש מהמורים לספק הנחיות משימה מובנות ומותאמות ל-SDG כדי להנחות את שיתוף הפעולה עם הבינה המלאכותית ביעילות.

מחקר זה ממלא את הפערים הללו על ידי הצעת מסגרת חדשנית, מבוססת SDG גנרטיבית לחינוך EFL, המבוססת על תיאוריה סוציו-תרבותית16 ואוריינות דיגיטלית ביקורתית17. בניגוד לעבודות קודמות שהתייחסו לבינה מלאכותית ככלי הוראה, החוקרים מציבים אותה כשותפה שיתופית בתמיכה בחשיבה היצירתית והביקורתית של הלומדים18. שינוי זה תואם את יעדי ה-SDG לחינוך כוללני וממוקד לומד. באופן אמפירי, חוקרים משתמשים במידול משוואות מבניות חלקי של מינימום ריבועים (PLS-SEM) כדי לנתח נתונים מ-n = 420 סטודנטים סינים לתואר ראשון בשפה האנגלית, ובוחנים כיצד שילוב SDG (SDG) ושימוש ב-ChatGPT (UCGPT) משפיעים יחד על מוטיבציה (SM), אוריינות דיגיטלית (DL), יצירתיות הסטודנטים (SC) ומעורבות בלמידת שפה (LLE). התרומות התיאורטיות של מחקר זה הן בשלוש מחלקות. ראשית, החוקרים מרחיבים את תיאוריית ההגדרה העצמית (SDT) על ידי הדגמת האופן שבו כלי AI התואמים ל-SDG מספקים את הצרכים הפנימיים של הלומדים לאוטונומיה, מיומנות וקשר, ובכך משפרים את המוטיבציה. שנית, חוקרים משפרים את תיאוריית המעורבות על ידי חשיפת האופן שבו אוריינות דיגיטלית ויצירתיות משתלבות דינמית בסביבות המתווכות על ידי בינה מלאכותית, בהתאם לרמות המעורבות של הלומדים. שלישית, חוקרים מקדמים אוריינות דיגיטלית קריטית על ידי שילוב שימוש אתי בבינה מלאכותית בשיח הקיימות, ומעודדים את הלומדים לבחון הטיות נתונים, עלויות סביבתיות ופרקטיקות עבודה במערכות בינה מלאכותית. מבחינה אמפירית, הממצאים מספקים תובנות מעשיות למחנכים ולמקבלי החלטות, וממחישים כיצד ChatGPT יכול לדמוקרטיזציה של גישה למשימות שפה הקשורות ליעדי הפיתוח בר-קיימא (דיונים על שינויי אקלים, סימולציות שוויון מגדרי) תוך טיפוח מיומנויות קוגניטיביות ברמה גבוהה יותר. מאמר זה בנוי כך: ראשית, ההקדמה הדנה בחשיבות/מקוריות של מחקר זה, הפער הקיים בספרות, ותרומת המחקר הזה. בנוסף, יש סקירות של הספרות על יעדי הפיתוח בר-קיימא בתחום EFL, בינה מלאכותית גנרטיבית ואוריינות דיגיטלית. סעיף הפרוטוקול מפרט את מתודולוגיית PLS-SEM, בעוד שחלק התוצאות מציג את הממצאים. מדור הדיון מפרט את הממצאים המרכזיים ואת ההשלכות התיאורטיות והמעשיות. לבסוף, המאמר מסתיים במגבלות ובכיוונים עתידיים.

סקירת ספרות ופיתוח השערות

יעד פיתוח בר-קיימא 4 ומוטיבציה של תלמידי EFL
גישה פדגוגית המשלבת תכניות לימודים של אנגלית כשפה זרה (EFL) עם יעד הפיתוח בר-קיימא 419, המדגישה חינוך איכותי ושוויוני ולמידה לכל החיים לכולם, הפכה לאסטרטגיה מרכזית להגברת המוטיבציה של התלמידים20. היעדים של SDG 4, במיוחד 4.4 (מיומנויות תעסוקה) ו-4.7 (חינוך לפיתוח בר קיימא), מדגישים את חשיבות פיתוח לומדים מיומנים לשונית עם חשיבה ביקורתית, אוריינות דיגיטלית וכישורי מעורבות אתית21. עקרונות הכישורים הללו נתמכים בנוסף על ידי האחריות להגן ויעדי ה-SDG 4.5 של 'חינוך מבוסס זכויות'. מספר מחקרים מצביעים על כך שכאשר פעולה אקלימית, שוויון מגדרי ומאבק בעוני נלמדים בלמידת שפות, הדבר מקדם את המוטיבציה של התלמידים למקצוע22. שיטה זו תומכת בתיאוריית ההגדרה העצמית23,24, שמאמינה שחוויית האוטונומיה, שליטה במיומנויות וקשר חברתי שומרת על המוטיבציה של האנשים25. בינה מלאכותית גנרטיבית עובדת אפילו טוב יותר ככלי מוטיבציה כאשר משתמשים בתוכן אינטראקטיבי הקשור למטרות פיתוח בר-קיימא26. בינה מלאכותית עם פסגות ופלטפורמות מדומות בצ'אטבוט במספר שפות המתמקדות בקיימות מאפשרת לתלמידים ללמוד נושאים מורכבים דרך תרגילי שפה27. יישום תרחישים שדורשים מהסטודנטים לדון בפתרונות מחסור במים באנגלית עוזר להם להתעניין. זה מחדד את יכולות פתרון הבעיות שלהם ומעניק להם תחושת שליטה וחשיבות גדולה יותר28. משוב בינה מלאכותית הוא סטנדרטי וניתן מיד (כפי שהודגש, עוזר לענות על הצרכים החינוכיים המגוונים, ותומך בשוויון כפי שמוסבר ב-SDG4 29, כל זה מרגיע את התלמידים ומבטיח שוויון. מומחים חינוכיים צריכים לקחת את הקשרים ל-SDG צעד קדימה, שכן עליהם להתמקד בפיתוח מיומנויות שמאפשרות לתלמידים לזהות אי-שוויון מערכתי30. כאשר יש פער בבינה מלאכותית בין מדינות מפותחות למדינות מתפתחות, הדבר מגדיל את מספר הסיבות לכך שהסטודנטים מרגישים מיואשים וקורא לאימוץ עיצוב כוללני31. בהתבסס על הספרות לעיל, מוצעת השערה זו: H1: שילוב יעדי SDG בשיעורי EFL מעלה את המוטיבציה של התלמידים ללמוד אנגלית.

שימוש בבינה מלאכותית גנרטיבית ומוטיבציה של תלמידי EFL
כלי בינה מלאכותית גנרטיבית, הכוללים מודלים לשוניים וצ'אטבוטים, מוערכים יותר ויותר על כך שהם מסייעים להגביר מוטיבציה בחינוך לשפה האנגלית על ידי עידוד אינטראקציה, טיפול בצרכים אישיים וקידום פעילויות יצירתיות32. גישות אלו מאפשרות ללומדים לתקשר ישירות עם בינה מלאכותית, לתרגל תקשורת במצבים ריאליים ולקבל משוב מהיר ומתכוונן, הידוע כמפחית חרדה ושימורהעניין שלהם. לדוגמה, משאבים חינוכיים שנוצרו על ידי בינה מלאכותית, כגון טקסטים ותסריטים מותאמים אישית לרמת הסטודנט ולתחומי העניין שלו, יכולים לענות על הצרכים הפסיכולוגיים שלו לאוטונומיה ותחושת יכולת. מכיוון שבינה מלאכותית גנרטיבית יכולה לספק משאבים בשפות רבות ולשקול הקשרים תרבותיים, היא מאפשרת ללומדים לחקור סוגיות גלובליות באנגלית, מה שמעודד אותם לחשוב לעומק על החלטות אתיות34. עם זאת, מומחים ממליצים כי הסתמכות מופרזת על בינה מלאכותית עלולה להגביל את התקשורת בין אנשים ולמנוע מהם לפתח חשיבה ביקורתית, ששניהם חיוניים לצמיחת הילדים. בנוסף, חסרונות בגישה לאינטרנט והשפעות אלגוריתמים מוטים עלולים להחמיר את האי-שוויון הקיים בקרב קבוצות למידה מסוימות, ולהעמיק עוד יותר את הפערים הנוכחיים. בהתבסס על הספרות לעיל, מוצעת ההשערה הבאה: H2: שימוש ב-ChatGPT בכיתות EFL מגביר את המוטיבציה של התלמידים להשתתף בלמידת שפה.

מוטיבציה של תלמידי EFL ואוריינות דיגיטלית
הקשר בין אוריינות דיגיטלית למוטיבציה ב-EFL אינו רק קורלציונלי אלא גם סינרגטי. סטודנטים עם אוריינות דיגיטלית גבוהה מצוידים טוב יותר לחפש ולהתחבר לתוכן אותנטי ורב-מודאלי התואם את תחומי העניין האישיים שלהם ואת ההקשרים הסוציו-תרבותייםשלהם. יכולת זו מזינה ישירות מוטיבציה פנימית על ידי חיזוק תחושת האוטונומיה והיכולת של הלומדים, כאשר הם יכולים לנווט בסביבות דיגיטליות בצורה יעילה יותר. עם זאת, המעגל החיובי הזה אינו אוטומטי. ההשפעה המוטיבציונית תלויה באיכות המעורבות הדיגיטלית; שימוש פשוט בטכנולוגיה אינו מבטיח מוטיבציה אלא אם כן המשימות משמעותיות ומגיבות תרבותית37.

יתרה מזאת, למרות שבינה מלאכותית גנרטיבית משווקת כיום כמנגנון להאצת הסינרגיה הזו בעזרת פיגומים מותאמים אישית38, גישה ביקורתית מגלה שיש לכך מספר תרחיש חירום. הצלחת טכנולוגיות הבינה המלאכותית בקידום דיאלוג בין-תרבותי ובהסרת הטיות מדיהמבוססת על גישה שווה וכישורים דיגיטליים בסיסיים, שלעיתים קרובות חסרים בסביבות עם משאבים מוגבלים40. זה יוצר פער מוטיבציה, כאשר אנאלפביתיות דיגיטלית גורמת לתסכול ותחושת ניתוק, ובכך פוגעת בדיוק במוטיבציה שהבינה המלאכותית שואפתלייצר. לכן, שילוב בינה מלאכותית צריך להיות מלווה במודלים קפדניים של אוריינות דיגיטלית שמעודדים את הלומד להבין קונוטציות אתיות, כדי שלא תתרחש הפצה לא מכוונת של חוסר איזון נוכחי באמצעות טכנולוגיות42. בהתבסס על הספרות הנ"ל, מוצעת ההשערה הבאה: H3: מוטיבציה גבוהה יותר אצל תלמידי EFL מובילה לשיפור מיומנויות האוריינות הדיגיטלית.

אוריינות דיגיטלית של תלמידי EFL ויצירתיות של תלמידי EFL
באנגלית כשפה זרה (EFL), אוריינות דיגיטלית מזרזת יצירתיות על ידי העצמת הלומדים ביכולת הטכנית והביקורתית לשנות את הקשר השימוש בשפה באמצעות מצבים דיגיטליים חדשניים43. הסטודנטים הופכים למיומנים בשימוש במכשירים כמו בינה מלאכותית גנרטיבית, פלטפורמות מולטימדיה ומרחבים וירטואליים שיתופיים, מה שמאפשר להם להתקדם מעבר לתרגילים מבוססי טקסט ולהשתמש בהם ככלים ליצירת פרויקטים מולטימודליים כמו סיפורים דיגיטליים, פודקאסטים אואפילו נרטיבים שהופקו על ידי בינה מלאכותית. לדוגמה, פלטפורמות מבוססות בינה מלאכותית ליצירת שירה רב-לשונית, או סימולציה של תרחישי מציאות מדומה עוזרות ללומדים להתנסות בהיברידיות לשונית ותרבותית ולשלב רכישת שפה וחקירה אמנותית45.

אוריינות דיגיטלית מתואמת עם יצירתיות באמצעות הזדמנויות גישה שוות וגישות הוראה עם מטרות מוגדרות46. חלק מהקבוצות המוחלשות חסרות גישה שווה לבינה מלאכותית גנרטיבית ולכלים דיגיטליים, מה שמוביל לחנק יצירתי ולמידה פסיביתבמקום יצירה פעילה. אנשי חינוך צריכים לבחור שיטות קריטיות המתמקדות בפרקטיקות הוראה ברות קיימא כדי לסייע לתלמידים לבחון הן את הגישה האתית ליצירת תוכן בינה מלאכותית והן את השפעות תהליך העבודה הדיגיטלי על הסביבה48. הסטודנטים יכולים לפתח מיומנות אתית באמצעות פעילויות עיצוב דיגיטלי מעשיות המשלבות פיתוח פרויקטים בר-קיימא עם בחינת הטיה אלגוריתמית, ומחזקות את יעדי הקיימות והצדק של SDG 4.7. בהתבסס על הספרות לעיל, מוצעות ההשערות הבאות: H4: תלמידי EFL עם מיומנויות אוריינות דיגיטלית חזקות יותר מפגינים יצירתיות רבה יותר במשימות שפה. H5: המעורבות של תלמידי EFL בלמידת שפה מדגימה יצירתיות גבוהה יותר במשימות השפה.

השפעה ממתן של מעורבות בלמידת שפה
בהקשר ספציפי של למידת שפה אנגלית, התערבויות פדגוגיות המשלבות יעדי פיתוח בר קיימא (SDGs) ובינה מלאכותית גנרטיבית יעילות יותר כאשר מעורבות בלמידת שפה, כפי שמוגדרת על ידי ההשקעה הקוגניטיבית, ההתנהגותית והרגשית ברכישת שפה, היא משתנה מרכזי רב-צדדי49. ביישום תוכן הקשור ל-SDG, רמות מעורבות גבוהות מגבירות את הרווחים המוטיבציוניים והקוגניטיביים, שכן משתתפים במשימות מבוססות פרויקטים או משימות מדומה מבוססות AI מתמידים יותר, שואלים יותר שאלות ותובעים בעלות רבה יותר על מסעות הלמידהשלהם. לדוגמה, קמפיינים לקיימות של בינה מלאכותית (AI) או דיון בנושאים גלובליים באנגלית על ידי סטודנטים משפרים יכולות לשונית ויצירתיות, בהתחשב בקשר הרגשי של התלמידים לבעיות אמיתיות51. מעורבות היא מנחה שקובע כיצד לומדים מתמודדים עם היבטים אתיים ותרבותיים של סביבות למידה בשפה האנגלית האנגלית, המונעים על ידי בינה מלאכותית. סטודנטים שמפגינים ניתוק רואים בבינה מלאכותית מערכת סמכותנית שמעצימה את דאגותיהם ומובילה אותם להסתמך באופן פסיבי על משוב אוטומטי52. בהתבסס על הספרות הנ"ל, מוצעת ההשערה הבאה: H6: מעורבות בלמידת שפה מתנת את הקשר בין אוריינות דיגיטלית ליצירתיות.

השפעת התיווך של המוטיבציה של תלמידי EFL בסביבות EFL
רמות המוטיבציה של תלמידי EFL ממלאות תפקיד חיוני באופן שבו אסטרטגיות פדגוגיות הקשורות ליעדי הפיתוח בר קיימא ושימוש בבינה מלאכותית גנרטיבית משפיעות על הכישורים הדיגיטליים והיצירתיות שלהם, כמו גם על מיומנותםבאנגלית. עיצוב הוראה פוגש את הישגי הלומד דרך מוטיבציה, המשתמשת בתיאוריית ההגדרה העצמית54, כדי לחזק תנאים פסיכולוגיים למעורבות עמוקה. מוטיבציה של תלמידים הקשורה לאוטונומיה (קבלת החלטות בנושאי סנגור), מיומנות (למידת אוצר מילים של קיימות) וקרבה (השתתפות בפעילויות גלובליות) משמשת כמנגנון שבאמצעותו תוכן בנושא SDG קובע את יעילות החשיבה הביקורתית ופיתוח הכישורים הדיגיטליים של התלמידים. מעורבות התלמידים יכולה לעלות בשימוש הראשון בכלי בינה מלאכותית גנרטיבית בשל החדשנות שלהם, אך שיפורים מתמשכים באוריינות וביצירתיות מחייבים את התלמידים להכיר באינטראקציות עם בינה מלאכותית הן כרלוונטיות לזהות והן כמקדמות אוטונומיה55.

החוקרים קובעים שהמוטיבציה היא הגורם המרכזי שמחבר בין סביבות שונות באמצעות ראיות אמפיריות. פרויקטים ממוקדי SDG שנחשפו ללומדי EFL הובילו ליצירתיות נלווית, משום שהלומדים חוו רמות מוטיבציה מוגברות בו-זמנית, כפי שדווח בהערכות עצמיות56. תוצאות כתיבה ממשוב מותאם אישית שנוצר על ידי בינה מלאכותית הראו שיפור מקסימלי בקרב תלמידים שהפגינו מוטיבציה קיימת חזקה57,58. המחקר הוכיח שמוטיבציה מווסתת את יעילות ההתערבויות הטכנולוגיות. גורם נוסף שמפריע לתהליך זה הוא תרבותי, יחד עם אלמנטים סוציו-אקונומיים. סביבות עם בעיות משאבים נוטות להעדיף תמריצים חיצוניים, הקשורים להזדמנויות קריירה המוזכרות ב-SDG 4.4, מה שמוביל לשינויים ביחסים בין מוטיבציה לאספקת כלים דיגיטליים59,60. בהתבסס על הספרות הנ"ל, מוצעות ההשערות הבאות: H7: המוטיבציה של התלמידים מתווכת את הקשר בין שימוש ב-ChatGPT לכישורי אוריינות דיגיטלית. H8: המוטיבציה של התלמידים מתווכת את הקשר בין יעדי הפיתוח בר-קיימא לכישורי אוריינות דיגיטלית. איור 1 מציג את מודל המחקר של המחקר הנוכחי, הכולל את כל המשתנים ויחסי המסלולים ביניהם. יתרה מזאת, בהתבסס על קשרי המסלול בין משתנים, כל ההשערות מצוינות גם הן במודל המחקר.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

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

מחקר זה נערך בהתאם להנחיות אתיות למחקר על נבדקים אנושיים. הסכמה מדעת התקבלה מכל המשתתפים לפני מעורבותם, כדי להבטיח שהם יהיו מעודכנים במלואם במטרת המחקר, נהלי הסקר, אופיו הוולונטרי, וזכותם למשוך בכל עת ללא השלכות. כל השיטות עמדו בסטנדרטים אתיים למחקר אנושי, תוך הבטחת סודיות המשתתפים, אנונימיזציה של נתונים והגנה לאורך כל המחקר. המחקר כלל איסוף נתונים לא פולשני, מבוסס סקרים, עם סיכון מינימלי למשתתפים.

1. עיצוב מחקר

מחקר זה אימץ עיצוב מחקר כמותי וחתך כדי לבחון את הקשרים בין שילוב יעדי פיתוח בר קיימא (SDG), שימוש בבינה מלאכותית גנרטיבית, אוריינות דיגיטלית, יצירתיות, מוטיבציה ומעורבות בלמידת שפה בהקשרים של EFL. העיצוב נתן עדיפות לבדיקת השערות באמצעות סקרים מובנים, המבוססים על אפיסטמולוגיה פוזיטיביסטית, ומאפשרים הכללה סטטיסטית של ממצאים בהקשרים אקדמיים דומים. נבחרה גישת מידול משוואות מבניות בריבועים חלקיים (PLS-SEM) לניתוח השפעות תיווך ומודרציה מורכבות. PLS-SEM מאפשר גודל מדגם קטן יותר ומבני מודלים חקרניים תוך מזעור הנחות לגבי נורמליות הנתונים61. העיצוב תואם את הקריאה של SDG 4 לאסטרטגיות חינוכיות מונעות נתונים, תוך התמקדות בתוצאות מדידות שינחו חידושים פדגוגיים ניתנים להרחבה בלמידת שפה משופרת באמצעות בינה מלאכותית.

2. נתונים ודגימה

ראשית, כדי לבנות את מסגרת הדגימה, החוקרים זיהו ובחרו את כל קורסי ה-EFL שלמים ומשולבים בטכנולוגיה מתוך רשימת התוכניות של האוניברסיטה לסמסטר אביב 2024, מה שהוביל למדגם נוח של 420 סטודנטים לתואר ראשון. שנית, זכאות המשתתפים אושרה לפי הקריטריונים של גילאי 18-24 ונרשם כסטודנטים שנה ראשונה או שנייה לתואר ראשון עם רמת שליטה באנגלית בינונית, לפי רשומות ההשמה באוניברסיטה; הקבוצה האחרונה כללה 62% נשים ו-38% גברים משתתפים, כאשר 95% מהם הגיעו ממזרח סין. שלישית, במהלך מפגש כיתה מתוכנן, החוקר ניהל את כלי הסקר באופן אישי: לאחר חלוקת דף מידע מפורט, החוקר קרא בקול את תסריט ההסכמה המודעת, אפשר זמן לשאלות, ואסף טפסי הסכמה חתומים לפני חלוקת השאלון, שלמשתתפים היו 20 דקות למלא באופן אנונימי ללא תמריצים. רביעית, כדי לשלוט במשתנה החיצוני של ניסיון קודם בבינה מלאכותית, כלי הסקר עצמו כלל מדור מסנן ייעודי בתחילה, שקלט נתונים על היכרות המשתתפים עם כלי בינה מלאכותית לצורך בקרה סטטיסטית מאוחרת יותר. לבסוף, הנתונים שנאספו נבדקו למלאות, וגודל המדגם n = 420 אומת לדיוק סטטיסטי על ידי יישום "כלל 10 פעמים" עבור PLS-SEM, שאישר שהוא עבר את הדרישה המינימלית של 10 מקרים לכל משתנה מנבא במשוואת הרגרסיה המורכבת ביותר של המודל.

  1. אינטגרציה מעשית בין יעדי הפיתוח בר-קיימא (SDGs) ו-ChatGPT
    כדי לבסס את צעדי הסקר בהקשר פדגוגי קונקרטי, המחקר נערך במסגרת מודול EFL ייעודי ששילב במפורש נושאי SDG עם סיוע ChatGPT. התלמידים השתתפו בסדרת פעילויות למידה מבוססות משימות לאורך תקופה של ארבעה שבועות. לדוגמה, משימה אחת דרשה מהתלמידים להשתמש ב-ChatGPT כדי לחקור יעד SDG ספציפי (SDG 4 חינוך, SDG 13: פעולה אקלימית, או SDG 5: שוויון מגדרי), ליצור סיכום של סוגיות מרכזיות ואז להעריך באופן ביקורתי את המידע שמספק הבינה המלאכותית לאיתור הטיות אפשריות. במשימה אחרת, הסטודנטים השתמשו ב-ChatGPT ככלי שיתופי לכתיבת מאמר משכנע או תסריט קמפיין ברשתות החברתיות התומך ביוזמת קיימות מקומית, ובכך חיברו את היעדים הגלובליים להקשר המיידי שלהם. משימות אלו תוכננו להיות רב-מודליות, לעיתים קרובות בבלוגים או מצגות וידאו, שדרשו מהתלמידים לסנתז מידע, לתרגל חשיבה ביקורתית ולהשתמש באנגלית למטרה מוחשית. יישום מעשי זה הבטיח שתשובות התלמידים לסקרים יושפעו מניסיון ישיר בגישה המשולבת של SDG-AI.

3. שיקולים אתיים

המחקר הנוכחי נערך בהתאם לשיקולים אתיים מחמירים. כל המשתתפים קיבלו מידע מפורט על מטרת המחקר, נהלי המחקר, וכן על זכויותיהם, באמצעים כתובים ובעל פה, ולאחר מכן קיבלו הסכמה מדעת לפני השתתפותם במחקר. הסכם זה הבטיח אנונימיות, ואפשר להם למשוך בכל עת ללא תגמולים והבטיח את סודיות הנתונים שלהם. המידע נאסף דרך מערכות דיגיטליות מוצפנות ונשמר בצורה מאובטחת בשרתים מוגני סיסמה. כל הניתוחים נערכו על נתונים מצטברים כדי למנוע זיהוי של כל אדם. בהתאם לעקרונות SDG 4.7, המחקר כלל מדור סיכום נפרד לטיפול בסוגיות אתיות ייחודיות לבינה מלאכותית גנרטיבית, והציג בבירור חששות פוטנציאליים כמו אפשרות להטיות בתגובות ChatGPT והשפעתה הסביבתית. לבסוף, מגבלות המחקר, כגון הטיות דיווח עצמי והמיקום הגאוגרפי של המדגם, הוכרו בגלוי כדי לקדם יושרה אקדמית.

4. אמצעים

המבנים הופעלו באמצעות סולמות מאומתים המותאמים להקשר של EFL. אינטגרציה של SDG נמדדה באמצעות סולם של 36 פריטים עם שלושה תת-סולמות: כלכלה (13 פריטים), חברה (9 פריטים) וסביבה (14 פריטים). סולם זה נגזר מ-Atmaca ואחרים, 62, שהעריך חשיפה לנושאי קיימות במשימות שפה. אוריינות דיגיטלית הוערכה באמצעות סולם של 29 פריטים, שהורחב לשישה ממדים מותאמים מרודריגז-דה-דיוס ואחרים, כולל אוריינות טכנולוגית (7 פריטים), אוריינות ביטחון אישי (5 פריטים), אוריינות קריטית (5 פריטים), אוריינות אבטחת מכשירים (4 פריטים), אוריינות מידע (5 פריטים) ואוריינות תקשורת (3 פריטים). יתרה מזאת, היצירתיות של תלמידי EFL תופסה דרך Govindasamy ואח' 64, כלי בן 12 פריטים, הכולל ארבעה תת-סולמות, כל אחד עם שלושה פריטים: מקוריות, גמישות, שטף והרחבה. השימוש ב-ChatGPT נמדד באמצעות סולם בן 8 פריטים שהותאם על ידי Abbas ואחרים, תוך התמקדות בתדירות, מטרה ויעילות נתפסת במשימות שפה. המוטיבציה הוערכה באמצעות Obiosa66, בסולם של 05 פריטים. לבסוף, המעורבות בלמידת שפה הוערכה באמצעות סולם בן 9 פריטים מ-Eerdemutu ואחרים. כל הסולמות השתמשו בתגובות ליקרט ב-5 נקודות, כאשר בדיקות פיילוט (n=30) אישרו אמינות (α > של קרונבך 0.82) וניתוח גורמים מאשר אימות ייחודיות של הקונסטרוקטור. הניתוח למחקר הנוכחי נערך על בסיס מבנים רפלקטיביים-רפלקטיביים מדרגה ראשונה, שכן מבנים רפלקטיביים-רפלקטיביים מדרגה שנייה אינם נבדקים ישירות.

5. ניתוח נתונים

ניתוח הנתונים בוצע באמצעות הליך דו-פאזי רציף המשתמש ב-SPSS גרסה 28 ו-SmartPLS גרסה 4. התהליך החל ב-SPSS 28, שם חוקרים ניווטו לנתח > סטטיסטיקות תיאוריות > תיאוריות ולנתח > קישור > דו-משתני כדי לחשב סטטיסטיקה תיאורית ראשונית (ממוצעים, סטיות תקן) ומקדמי קורלציה של פירסון, בהתאמה, עבור מדגם של n = 420 מקרים. בהמשך, הניתוח הראשי עבר ל-SmartPLS 4 לביצוע מידול משוואות מבניות של ריבועים חלקיים (PLS-SEM). השלב הראשון ב-SmartPLS כלל אימות מודל המדידה על ידי הרצת אלגוריתם Calculate המובנה להערכת עקביות פנימית, מה שדורש ערכי אמינות מורכבים לעלות על סף 0.70, ותוקף מתכנס, המאושרת על ידי ממוצע שונות מופקת (AVE) הגדול מ-0.50 לכל המבנים. לאחר מכן אומת תוקף מבחין באמצעות פונקציות הדוח של התוכנה, כדי ליישם את קריטריון פורנל-לאקר ולוודא שכל יחסי ההטרוטרייט-מונוטרייט (HTMT) היו מתחת למדד השמרני של 0.85. לאחר אימות זה, המודל המבני הוערך באמצעות שגרת Bootstrapping שהוגדרה עם 5,000 תת-דגימות ובדיקה דו-זנבית ברמת מובהקות 0.05 ליצירת מרווחי אמון מתוקנים על ידי הטיה לכל מקדמי המסלול (β) וההשפעות העקיפות, ובכך בוחן את הקשרים הישירים, המתווכים והמתונים המשוערים. לבסוף, הרלוונטיות החיזוי של המודל נקבעה על ידי בחינת ערך Q² של סטון-גייסר, שהושג באמצעות הליך Blindfolding, כאשר ערכים מעל אפס מצביעים על כוח חיזוי מספק, וההשפעה המהותית של המנבאים נקבעה על ידי חישוב גודל ההשפעה (f²) מתוצאות אלגוריתם PLS.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

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

סטטיסטיקה תיאורית
ניתוח תיאורי מספק תובנות חשובות לגבי דפוסי משתנים, מיקומים מרכזיים ופיזורם, ומאפשר לחוקרים לאמת את הבריאות, הנורמליות וההתאמה התיאורטית של הנתונים הראשוניים. במחקר זה, הערכים הממוצעים משמשים למדידת רמת הקורטוזיס, בעוד שפרמטרי סטיית התקן משמשים להערכת רמת העיוות. בנוסף, נלקחות בחשבון גם השפעות העיוות. דבר זה מצביע על כך ש-420 המשתתפים מתאימים למבחנים פרמטריים ומפגינים אינטראקציות נכונות בסביבות למידה מבוססות SDG מבוססות AI משופרת EFL.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

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

סיכום הממצאים המרכזיים
מחקר זה בחן את האינטראקציה בין יעדי פיתוח בר קיימא (SDGs), בינה מלאכותית גנרטיבית (ChatGPT) ותוצאות חינוכיות מרכזיות: מוטיבציה, אוריינות דיגיטלית ויצירתיות בסביבות למידה של EFL. התוצאות אישרו את כל ההשערות בעלות השפעה ישירה (H1-H5), והראו כי אינטגרציה של SDG (β = 0.37) ושימוש ב-ChatGPT (β = 0.28) משפרות משמעותית את המוטיבציה של התלמידים, מה שמעודד אוריינות דיגיטלית (β = 0.45) ויצירתיות (β = 0.32). מעורבות בלמידת שפה השפיעה רבות על היצירתיות (β =...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

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

כל המחברים מצהירים שאין ניגוד עניינים.

תודות

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

מחקר זה נתמך על ידי קרן מדעי החברה של מחוז ג'יאנגסו, מענק מס' (23YYB011). עבודה זו נתמכה על ידי אוניברסיטת הנסיך סולטן במסגרת מעבדת מחקר השפה והתקשורת.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
סולם השימוש ב-ChatGPTקנה מידה בן 8 פריטים מותאם מעבאס ואח' (2023).עבאס ואח' (2023).
סולם יצירתיותסולם בן 12 פריטים מותאם מ-Govindasamy ואחרים (2022), ומודד ארבעה תת-מבנים: מקוריות, גמישות, שטף והסבר.גובינדסאמי ואח' (2022)
כלי איסוף נתוניםשאלון אנונימי ונייר ועיפרון.לא רלוונטי / תוכנן בהתאמה אישית
מערכת אחסון נתוניםשרתים מוגנים בסיסמה עם מערכות דיגיטליות מוצפנות.לא רלוונטי / תשתית IT מוסדית
סולם אוריינות דיגיטליתקנה מידה בן 29 פריטים, מותאם מ-Rodrí Guez-de-Dios ואחרים (2018), המכסה שישה ממדים: טכנולוגיה, אבטחה אישית, קריטית, אבטחת מכשירים, מידע ואוריינות תקשורתית.Rodrí גוז-דה-דיוס ואח' (2018)
מסמכי הסכמה מדעתדף מידע כתוב וטופס הסכמה.לא רלוונטי / תוכנן בהתאמה אישית
סולם מעורבות בלמידת שפהקנה מידה בן 9 פריטים מותאם מ-Eerdemutu ואח' (2023).אירדמוטו ואח' (2023)
סולם מוטיבציהקנה מידה בן 5 פריטים מותאם מאוביוסה (2023).אוביוסה (2023).
אלגוריתם PLS-SEM & אוטוסטרפינגSmartPLS 4 שגרות פנימיות (אלגוריתם PLS ו-Bootstrapping עם 5,000 תת-דגמים).https://www.smartpls.com/documentation/algorithms-and-techniques
הערכת רלוונטיות חזויההליך כיסוי עיניים ב-SmartPLS 4 לחישוב Stone-Geisser' שאלות ושאלות 2; ערך.https://www.smartpls.com/documentation/predictive-relevance-q2
סולם אינטגרציית SDGסולם של 36 פריטים מותאם מ-Atmaca ואח' (2023), עם תת-סולמות לכלכלה (13 פריטים), חברה (9 פריטים) וסביבה (14 פריטים).אטמקה ואח' (2023)
תוכנת ניתוח סטטיסטיIBM SPSS Statistics, גרסה 28.-
תוכנת מידול משוואות מבניותSmartPLS, גרסה 4.https://www.smartpls.com
תוקף ותוקף בדיקות אמינותתפקידי דיווח SmartPLS 4 עבור אמינות מורכבת, שונות ממוצעת מופקת (AVE), קריטריון Fornell-Larcker, ויחסי HTMT.https://www.smartpls.com/documentation/reporting

מקורות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Aftinia, F., Munir, A., Nugroho, H. M. A. The use of gamification in English learning for Sustainable Development Goals (SDGs): A case study in a junior High School English club. J Lifestyle SDGs Rev. 5 (3), e04941-e04941 (2025).
  2. Kong, X., Liu, C. A comparative genre analysis of AI-generated and scholar-written abstracts for English review articles in international journals. J Engl Acad Purp. 71, 101432(2024).
  3. Weng, X., Chiu, T. K. Instructional design and learning outcomes of intelligent computer assisted language learning: Systematic review in the field. Comput Educ Artif Intell. 4, 100117(2023).
  4. Huang, J., Mizumoto, A. Examining the effect of generative AI on students' motivation and writing self-efficacy. Digital Digit Appl Linguist. 1, 102324-102324 (2024).
  5. Mo, Z., Crosthwaite, P. Exploring the affordances of generative AI large language models for stance and engagement in academic writing. J Engl Acad Purp. 75, 101499(2025).
  6. Jiao, S., Liang, F. Sustainable development of high school English learners in China: Motivation and its impact on their English achievement. Sustainability. 14 (19), 12619(2022).
  7. Khoso, A. K., Honggang, W., Younas, M., Salam El-Dakhs, D. A. 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. (226), e69637(2025).
  8. Arslan, S., Curle, S. Institutionalising English as a foreign language teachers for global sustainability: Perceptions of education for sustainable development in Turkey. Int J Educ Res. 125, 102353(2024).
  9. Al-Nofaie, H., Alwerthan, T. A. Appreciative inquiry into implementing artificial intelligence for the development of language student teachers. Sustainability. 16 (21), 9361(2024).
  10. Oriakhi,, et al. Generative artificial intelligence in education: ChatGPT-4 experiences to anticipated ChatGPT-5. HAFED Poly J Sci Manag Technol. 6 (1), 149-169 (2024).
  11. Uğraş, H., Uğraş, M., Papadakis, S., Kalogiannakis, M. ChatGPT-supported education in primary schools: The potential of ChatGPT for sustainable practices. Sustainability. 16 (22), 9855(2024).
  12. Wang, X., et al. What matters in AI-supported learning: A study of human-AI interactions in language learning using cluster analysis and epistemic network analysis. Comput Educ. 194, 104703(2023).
  13. Gayed, J. M., Carlon, M. K. J., Oriola, A. M., Cross, J. S. Exploring an AI-based writing Assistant's impact on English language learners. Comput Edu Artif Intell. 3, 100055(2022).
  14. Bravo-Adasme, N., Cataldo, A. Understanding techno-distress and its influence on educational communities: A two-wave study with multiple data samples. Tec in Soc. 70, 102045(2022).
  15. 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 in Psyc. 13, 933974(2022).
  16. Vygotsky, L. S. Mind in society. Cole, M., John-Steiner, V., Scribner, S., Souberman, E. , (1978).
  17. Pangrazio, L. Reconceptualising critical digital literacy. Discourse: Stud Cult Polit Educ. 37 (2), 163-174 (2016).
  18. Lo, C. K., et al. Exploring the application of ChatGPT in ESL/EFL education and related research issues: A systematic review of empirical studies. Smart Learn Environ. 11 (1), 50(2024).
  19. Ben Abida, S. Towards enhancing E-learning: Using Digital Literacy, YouTube, and Facebook, to Encourage EFL students' Learning Autonomy. DIDASKEIN. 2 (1), 189-204 (2021).
  20. Adams, K., Nakano, S. Connecting student interest and motivation in English to the Sustainable Development Goals. IAFOR J Educ. 12 (1), 243-262 (2024).
  21. Kwee, C. T. T. I want to teach sustainable development in my English classroom: A case study of incorporating sustainable development goals in English teaching. Sustainability. 13 (8), 4195(2021).
  22. Younas, M., et al. Unveiling digital transformation and teaching prowess in English education during COVID-19 with structural equation modelling. Eur J Educ. 60 (1), e12818(2024).
  23. Putri, N. L. P. N. S., Santosa, M. H., Artini, L. P., Nitiasih, P. K. Sustainable development goals in EFL Students' learning: A systematic review. Pegem J Educ Instr. 14 (2), 1-11 (2024).
  24. Deci, E. L., Ryan, R. M. The general causality orientations scale: Self-determination in personality. J Res Pers. 19 (2), 109-134 (1985).
  25. Dörnyei, Z. The L2 motivational self system. Motivation, language identity and the L2. 36 (3), 9-11 (2009).
  26. Younas, M., et al. COVID-19, students' satisfaction about e-learning and academic achievement: Mediating analysis of online influencing factors. Front Psychol. 13, 948061(2022).
  27. Khoso, A. K., Honggang, W., Darazi, M. A. Empowering creativity and engagement: The impact of generative artificial intelligence usage on Chines EFL students' language learning experience. Comput. Hum Behav Rep. 18, 100627(2025).
  28. Manurung, R. T., et al. Improving students' awareness about Sustainable Development Goals (SDGs) through literary text: A case on language teaching. Lib Prog Lib Sci Inf Technol Comput. 44 (2), 493-500 (2024).
  29. Sağlam, M. An investigation of pre-service English language teaching students' opinions about their practicum at schools on the basis of sustainable development goals (SDGS). 5 (2), 02544(2025).
  30. Trucano, M. SABER-ICT framework paper for policy analysis. , (2016).
  31. Naing, W. K. K., Mar, A. A. English language teachers' knowledge of SDGs and their Attitudes towards Incorporating SDGs in ELT in Myanmar. J Engl Lang Linguist. 4 (1), 18-29 (2023).
  32. Selwyn, N., Facer, K. Beyond digital divide: Toward an agenda for change. In Digital literacy: Concepts, methodologies, tools, and applications. , 1678-1696 (2013).
  33. Zheng, Y., Wang, Y., Liu, K. S. X., Jiang, M. Y. C. Examining the moderating effect of motivation on technology acceptance of generative AI for English as a foreign language learning. Educ Inf Technol. 29, 1-29 (2024).
  34. Al-Smadi,, et al. Artificial intelligence for English language learning and teaching: Advancing sustainable development goals. J Lang Teach Res. 15 (6), 1835-1844 (2024).
  35. Huang, F., Wang, Y., Zhang, H. Modelling generative AI acceptance, perceived teachers' enthusiasm and self-efficacy to english as a foreign language learners' well-being in the digital era. Eur J Educ. 59 (4), e12770(2024).
  36. Frima, R. N. Students' digital literacy and their motivation to read narrative text at Islamic Junior High School Al-Hafit Pekanbaru. [Doctoral dissertation]. , UNIVERSITAS ISLAM NEGERI (UIN) SULTAN SYARIF KASIM RIAU. (2023).
  37. Nguyen, L. A. T., Habók, A. Digital literacy of EFL students: An empirical study in Vietnamese universities. Libri. 72 (1), 53-66 (2022).
  38. Pertiwi, I., Siti, R. R. Digital literacy in EFL learning: University students' perspectives. J Engl Educ Soc. 7 (2), 197-204 (2022).
  39. Rinekso, A. B., Rodliyah, R. S., Pertiwi, I. Digital literacy practices in tertiary education: A case of EFL postgraduate students. Stud Engl Lang Educ. 8 (2), 622-641 (2021).
  40. Yang, P., Huang, W., Shen, H. Z., Yang, H., Gao, C. Chinese university students' self-regulated strategic learning in English medium instruction from a sociocultural perspective. J Engl Acad Purp. 75, 101510(2025).
  41. Dashtestani, R., Hojatpanah, S. Digital literacy of EFL students in a junior high school in Iran: voices of teachers, students and Ministry Directors. Comput Assist Lang Learn. 35 (4), 635-665 (2022).
  42. Bacalja, A., Aguilera, E., Castrillón-Ángel, E. F. Critical digital literacy. The handbook of critical literacies. , Routledge. 373-380 (2021).
  43. Ngo, T. N., Hastie, D. Artificial Intelligence for Academic Purposes (AIAP): Integrating AI literacy into an EAP module. Engl Specif Purp. 77, 20-38 (2025).
  44. Ponte, D. C. The application of Artificial Intelligence in EFL learning and teaching: Considerations, challenges and practical examples for educators. English linguistics meets the 21st century. , 118-137 (2024).
  45. Indah, R. N., Toyyibah, T., Budhiningrum, A. S., Afifi, N. The research competence, critical thinking skills and digital literacy of Indonesian EFL students. J Lang Teach Res. 13 (2), 315-324 (2022).
  46. Klein, D. The relevance of digital literacy for distance learning in EFL classrooms in Austrian lower-secondary schools. , https://unipub.uni-graz.at/obvugrhs/content/titleinfo/8653259/full.pdf (2023).
  47. Cui, X., Gardiner, I. A. Investigating students' academic language-related challenges and their interplay with English proficiency and self-efficacy on EMI success in Transnational Education (TNE) programs in China. Engl Specif Purp. 78, 53-69 (2025).
  48. Belda-Medina, J. Promoting inclusiveness, creativity, and critical thinking through digital storytelling among EFL teacher candidates. Int J Incl Educ. 26 (2), 109-123 (2022).
  49. Özcan, E. N. Enhancing language skills and environmental literacy: An eco-pedagogical approach to teaching English to young learners. , (2025).
  50. Zhang, Q. Mediation/moderation effects of engagement, foreign language enjoyment, and ambiguity tolerance in metaverse-based foreign language learning. Int J Educ Technol. High. Educ. 21 (1), 54(2024).
  51. Liu, M. Exploring the motivation-engagement link: The moderating role of positive emotion. J Psychol Lang Learn. 4 (1), e415022(2022).
  52. Jeffcoat, J. L. Digital Literacy Integrated Into Academic Content Through the Collaboration of a Librarian and a Core Content Teacher. [Doctoral dissertation]. , University of South Carolina. (2023).
  53. Wu, Y., Kang, X. A moderated mediation model of expectancy-value interactions, engagement, and foreign language performance. Sage Open. 11 (4), 21582440211059176(2021).
  54. Peng, R., Fu, R. The effect of Chinese EFL students' learning motivation on learning outcomes within a blended learning environment. Australas J Educ Technol. 37 (6), 61-74 (2021).
  55. Bailey, D., Almusharraf, N., Bennett, F. Mediating effect of competitiveness on motivation and evaluation anxiety: a structural equation model for learning within videoconference EFL courses. Educ Inf Technol. 29 (3), 3729-3752 (2024).
  56. Feng, L., Mohd Rawian, R. The mediating role of motivation and language anxiety in increasing EFL learners' working memory. Lang Relat Res. 14 (1), 335-358 (2023).
  57. Derakhshan, A. EFL students' perceptions about the role of generative artificial intelligence (GAI)-mediated instruction in their emotional engagement and goal orientation: A motivational climate theory (MCT) perspective in focus. Learn Motiv. 90, 102114(2025).
  58. Yang, Y., Du, C. The predictive effect of perceived teacher support on college EFL learners' online learning engagement: Autonomous and controlled motivation as mediators. J Multiling Multicult. Dev. 46, 1-15 (2023).
  59. Liu, Q., Du, X., Lu, H. Teacher support and learning engagement of EFL learners: The mediating role of self-efficacy and achievement goal orientation. Curr Psychol. 42 (4), 2619-2635 (2023).
  60. Sadoughi, M., Hejazi, S. Y. The effect of teacher support on academic engagement: The serial mediation of learning experience and motivated learning behavior. Curr Psychol. 42 (22), 18858-18869 (2023).
  61. 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).
  62. Atmaca, A. C., Kıray, S. A., Pehlivan, M. Development of a measurement tool for sustainable development awareness. Int J AssessTools Educ. 6 (1), 80-91 (2019).
  63. Rodríguez-de-Dios, I., Igartua, J. J., González-Vázquez, A. Development and validation of a digital literacy scale for teenagers. Proceedings of the fourth international conference on technological ecosystems for enhancing multiculturality. , 1067-1072 (2016).
  64. Govindasamy, P., Cumming, T. M., Abdullah, N. Validity and reliability of a needs analysis questionnaire for the development of a creativity module. J Res Spec Educ. Needs. 24 (3), 637-652 (2024).
  65. Obiosa, N. Effects of students' motivation and engagement on students' satisfaction in a lecture: Empirical analysis. Int J Instr. 13 (3), 861-876 (2020).
  66. 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).
  67. Eerdemutu, L., Dewaele, J. M., Wang, J. Developing a short language classroom engagement scale (LCES) and linking it with needs satisfaction and achievement. System. 120, 103189(2024).
  68. Bravo Luque, M., Alcantud-Díaz, M. Implementing Inquiry-based Learning through Sustainable Development Goals: A didactic Approach to Foster Learning-to-learn and Citizenship Competencies in EFL. Pap Rev Fac Educ Univ Antonio Nariño. 16 (32), 1970(2024).
  69. Dodigovic, M. Artificial intelligence and second language learning: An efficient approach to error remediation. Lang Aware. 16 (2), 99-113 (2007).
  70. Doshi, R., Dadhich, M., Poddar, S. Integrating generative AI in education to achieve sustainable development goals. IGI global. Hiran, K. K. , (2024).
  71. Hutson, J. Multimodal GAI in arts-based multiliteracies: Fostering interdisciplinary creativity. Arts-Based Multiliteracies for Teaching and Learning. , 209-244 (2025).
  72. Kang, X., Wu, Y. Academic enjoyment, behavioral engagement, self-concept, organizational strategy and achievement in EFL setting: A multiple mediation analysis. PLoS One. 17 (4), e0267405(2022).
  73. Khoso, A. K., Honggang, W., Darazi, M. A. 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).
  74. Nguyen, T. H., Hoang, T. N. H. Investigating the promises and perils of generative AI in EFL learning in higher education: A literature review. AsiaCALL Online J. 16 (1), 1-15 (2025).
  75. Mentesoglu-Karaderi, I., Osam, ÜV., Al-Turjman, F. Integrating generative artificial intelligence in English language teaching: An overview in the IoT era. International Conference on Artificial Intelligence Of Things For Smart Societies. , Springer Nature. Cham. 43-50 (2024).
  76. Young, D. Leveraging assistive technology to promote inclusive English language teaching and digital literacy. digital literacy at the intersection of equity, inclusion, and technology. , 49-64 (2024).
  77. Nitzl, C., Roldan, J. L., Cepeda, G. Mediation analysis in partial least squares path modeling: Helping researchers discuss more sophisticated models. Ind Manag Data Syst. 116 (9), 1849-1864 (2016).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

ChatGPT21

מאמרים קשורים