הרשמה ל-JoVE נדרשת לצפייה בתוכן זה. התחברו או התחילו בגרסת ניסיון בחינם.

מאמר מחקר

בינה מלאכותית יוצרת, מוטיבציה, חרדה ויצירתיות בכיתות ללימוד אנגלית כשפה זרה בסעודיה: סקר חתך

250 צפיות

⸱

DOI:

10.3791/72626

⸱

14 באוגוסט 2026

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

במאמר זה

סיכום

סקר חתך זה בחן קשרים בין שימוש בבינה מלאכותית גנרטיבית, סגנון הוראה, אוריינות דיגיטלית, מוטיבציה, חרדה ויצירתיות בקרב סטודנטים לתואר ראשון באנגלית כשפה זרה בערב הסעודית, וזיהה את המוטיבציה כמתווך חשוב של הקשרים שנצפו.

תקציר

כלי בינה מלאכותית (AI), כגון ChatGPT, משולבים יותר ויותר בחינוך לאנגלית כשפה זרה (EFL); עם זאת, קיימות ראיות מוגבלות לגבי האופן שבו השימוש בהם קשור לסגנון ההוראה, לאוריינות דיגיטלית, למוטיבציה, לחרדה בכיתת שפה זרה (FLCA) וליצירתיות בהקשר שלה של ערב הסעודית. מחקר זה בחן את הקשרים בין מבנים אלו ובדק את התפקיד המתווך של המוטיבציה בתוך מסגרת מושגית מאוחדת. נערך סקר כמותי חתכי בקרב 280 סטודנטים לתואר ראשון ב-EFL הרשומים באוניברסיטה ציבורית בערב הסעודית, תוך שימוש בשאלונים מתוקפים. הקשרים המוצעים נותחו באמצעות מודל משוואות מבניות של ריבועים פחותים ביותר (PLS-SEM). התוצאות הצביעו על כך ששימוש ב-ChatGPT, סגנון הוראה ואוריינות דיגיטלית היו קשורים באופן חיובי למוטיבציה של הסטודנטים. מוטיבציה גבוהה יותר הייתה קשורה לרמות נמוכות יותר של FLCA ולרמות גבוהות יותר של יצירתיות. המוטיבציה תיווכה גם את הקשרים בין השימוש ב-ChatGPT, סגנון ההוראה, האוריינות הדיגיטלית וה-FLCA. ממצאים אלו מרמזים כי חוויות המוטיבציה של הסטודנטים קשורות קשר הדוק לקשרים שבין פרקטיקות הוראה, שימוש בטכנולוגיה ותוצאות למידת השפה. המחקר מספק ראיות התומכות בשילוב של אסטרטגיות הוראה מתאימות, כלי בינה מלאכותית גנרטיבית ואוריינות דיגיטלית בתוך הוראת השפה האנגלית, תוך הדגשת החשיבות של התחשבות בחוויות המוטיבציוניות והרגשיות של הסטודנטים בעת יישום סביבות למידה נתמכות טכנולוגית.

מבוא

ממלכת ערב הסעודית עוברת תוכנית רפורמה חינוכית טרנספורמטיבית תחת "חזון 2030", המעניקה עדיפות לפיתוח מיומנויות המאה ה-21, כשירות דיגיטלית וגישות פדגוגיות חדשניות בכל רמות החינוך1. בתוך הקשר לאומי זה, הוראת האנגלית כשפה זרה (EFL) ממשיכה להתמודד עם אתגרים מתמשכים, כולל תרבות מונחית-בחינות המדגישה למידה בעל פה וביצועים במבחנים על פני כשירות תקשורתית2,3. הזדמנויות מוגבלות לאינטראקציה אותנטית בשפה האנגלית מחוץ לכיתה, יחד עם רמות גבוהות של חרדה בכיתת שפה זרה (FLCA), מגבילות עוד יותר את נכונותם של התלמידים לתקשר ולהיות מעורבים באופן משמעותי בשפת היעד4. אתגרים אלו הנעו אנשי חינוך וקובעי מדיניות לבחון גישות חדשניות הנותנות מענה לליקויי מוטיבציה, מחסומים רגשיים ושימוש יצירתי בשפה. בינה מלאכותית (AI) התגלתה כנתיב מבטיח לתמיכה בלמידת שפה ולשינוי פרקטיקות הוראה5. בין יישומי ה-AI בהוראת השפה האנגלית (ELT), ChatGPT, מודל בינה מלאכותית גנרטיבית ושיחתית, זכה לתשומת לב ניכרת בזכות אספקת תרגול שפתי אינטראקטיבי ומשוב אישי מיידי בהקשרי שיחה בזמן אמת6. מאפיינים אלו רלוונטיים במיוחד בכיתות EFL בסעודיה, שבהן הוראה ממוקדת-מורה ואינטראקציה מוגבלת של תלמידים ממשיכות להגביל את הייצור השפתי היצירתי7. ChatGPT עשוי לסייע בטיפול במגבלות אלו על ידי מתן הזדמנויות לתרגול שפתי אותנטי, עם רמת חרדה נמוכה, מול בן-שיח מבוסס בינה מלאכותית8.

רפורמות חינוכיות אחרונות בערב הסעודית עודדו מעבר לעבר פדגוגיה ממוקדת-לומד, ובכך יצרו הזדמנויות לשילוב טכנולוגיות בינה מלאכותית (AI) המקדמות השתתפות פעילה, חשיבה ביקורית ולמידה עצמית9,10. כאשר הוא מיושם כראוי, ChatGPT יכול לתמוך במעבר זה על ידי הרחבת תרגול השפה מעבר לפעילויות הכיתה המסורתיות11. עם זאת, יעילות השילוב של בינה מלאכותית תלויה בחלקה באוריינות הדיגיטלית של הסטודנטים, המוגדרת כיכולתם להעריך, להשתמש ולהיעזר ביעילות בטכנולוגיות דיגיטליות לצורכי למידה12. אוריינות דיגיטלית מאפשרת ללומדים להפיק תועלת יצרנית מכלי בינה מלאכותית תוך מזעור סיכונים פוטנציאליים, כולל הסתמכות יתרה ומידע שגוי13. מיומנות זו חשובה במיוחד בהשכלה הגבוהה בערב הסעודית, שבה התרחשה האצה בטרנספורמציה הדיגיטלית במסגרת Vision 203014.

אף על פי שמחקרים קודמים בחנו כלים של AI, סגנון הוראה, אוריינות דיגיטלית, מוטיבציה, חרדה ויצירתיות בנפרד, ראיות מוגבלות בלבד בחנו כיצד מבנים אלה מקיימים אינטראקציה בתוך מסגרת מאוחדת בהקשרי EFL שאינם מערביים, כגון ערב הסעודית. מוטיבציה זוהתה בעקביות כמנגנון חשוב הקושר בין פרקטיקות הוראה לתוצאות למידה, כולל חרדה נמוכה יותר, יצירתיות רבה יותר ומעורבות מתמשכת15. עם זאת, הקשרים בין השימוש ב-ChatGPT, סגנון ההוראה, אוריינות דיגיטלית, מוטיבציה, FLCA ויצירתיות לא נבחנו באופן מקיף בהקשר של EFL בערב הסעודית16. התייחסות לפער זה עשויה לספק תובנות תיאורטיות ומעשיות לתכנון סביבות למידת שפה מועצמות טכנולוגית התומכות בהתפתחות המוטיבציונית, הרגשית והיצירתית של סטודנטים. בהתאם לכך, מחקר זה בוחן את הקשרים בין השימוש ב-ChatGPT, סגנון הוראה, אוריינות דיגיטלית, מוטיבציה, FLCA ויצירתיות בקרב סטודנטים לספרה ראשונה הלומדים EFL בערב הסעודית. באופן ספציפי, המחקר בוחן (1) את הקשרים בין השימוש ב-ChatGPT, סגנון ההוראה ואוריינות דיגיטלית לבין המוטיבציה של הסטודנטים; (2) את הקשרים בין מוטיבציה לבין FLCA ויצירתיות; ו-(3) את תפקידה המתווך של המוטיבציה בקשרים שבין השימוש ב-ChatGPT, סגנון ההוראה ואוריינות דיגיטלית לבין משתני התוצאה של חרדה ויצירתיות.

מחקר זה תורם לחינוך באנגלית כשפה זרה (EFL) וללמידה מוגברת בטכנולוגיה על ידי שילוב השימוש בכלי בינה מלאכותית (AI) במודלים קיימים של מוטיבציה ולמידת שפה, ובכך מרחיב את ההבנה של למידת שפות נתמכת בטכנולוגיה במסגרות חינוכיות עכשוויות. כמו כן, הוא מספק ראיות שעשויות להנחות מחנכים, מעצבי תוכניות לימוד וקובעי מדיניות השואפים לשלב כלי AI בהוראת EFL בסעודיה. באמצעות בחינת המוטיבציה כמתווך המקשר בין שימוש בטכנולוגיה ופרקטיקות הוראה לבין חרדה מלמידת שפה זרה (FLCA) ויצירתיות, המחקר מציע ראיות ספציפיות להקשר כדי לתמוך בפיתוח חינוך לשפות הממוקד בלומד, המותאם למטרות הרפורמה החינוכית של ערב הסעודית.

תאוריית ההכרעה העצמית (Self-Determination Theory - SDT) מספקת מסגרת תיאורטית להבנת הקשר בין פרקטיקות הוראה לבין מוטיבציה של סטודנטים בהקשרים חינוכיים17. על פי SDT, מוטיבציה פנימית וצורות אוטונומיות של מוטיבציה חיצונית נתמכות כאשר שלושת הצרכים הפסיכולוגיים הבסיסיים של הלומדים – אוטונומיה, מסוגלות ושייכות – מקבלים מענה בתוך סביבת הלמידה18. לפיכך, סגנון ההוראה הוא גורם הקשרי מרכזי המשפיע על המוטיבציה והמעורבות של הסטודנטים19. פרקטיקות הוראה תומכות-אוטונומיה, המספקות בחירות משמעותיות, מכירות בנקודות המבט של הסטודנטים ומסבירות את פעילויות הלמידה, מקדמות מוטיבציה פנימית ומעורבות מתוך הכרעה עצמית20. בהקשרי EFL (אנגלית כשפה זרה), גישות ממוקדות-לומד, כולל סגנונות הוראה של מנחה (facilitator) ומאציל (delegator), נקשרו למחויבות גבוהה יותר של הסטודנטים, להשתתפות רבה יותר ולעניין רב יותר בלמידת השפה21,22. לעומת זאת, הוראה ממוקדת-מורה עלולה להפחית את המוטיבציה על ידי הגבלת ההשתתפות והאוטונומיה של הסטודנטים, תוך דגש על תגמולים חיצוניים על פני עניין פנימי23,24. בהקשר של EFL בסעודיה, שבו ההוראה המסורתית שמה דגש היסטורי על שינון והעברה ממוקדת-מורה25, אימוץ של גישות הוראה ממוקדות-לומד עשוי לתמוך במוטיבציה של הסטודנטים26. על בסיס יסודות תיאורטיים ואמפיריים אלו, מוצעת ההיפותזה הבאה: H1: לסגנון ההוראה יש השפעה חיובית על המוטיבציה של סטודנטים הלומדים EFL.

הקשר בין טכנולוגיה חינוכית לבין מוטיבציה של לומדים נחקר רבות27,28. מודל קבלת הטכנולוגיה (TAM) גורס כי המוטיבציה של לומדים להשתמש בטכנולוגיה חינוכית מושפעת מהתועלת הנתפסת ומהקלות הנתפסת בשימוש, אשר מעצבות את הכוונות ההתנהגותיות ואת השימוש בטכנולוגיה29. כשמחילים מסגרת זו על ChatGPT, היא מצביעה על כך שסטודנטים התופסים את הכלי כשימושי וקל לשימוש, נוטים יותר להשתמש בו לצורך למידת שפה30. מחקרים אמפיריים דיווחו על קשרים חיוביים בין למידת שפה נתמכת בינה מלאכותית לבין מוטיבציה של סטודנטים, כאשר תכונות אינטראקטיביות, משוב מיידי ותרגול מותאם אישית תורמים למעורבות מתמשכת31,32. ChatGPT עשוי גם להפחית מחסומים הקשורים לחרדה שפתית על ידי מתן הזדמנויות לתרגול שפתי בלחץ נמוך, דבר שעשוי לעודד שימוש מתמשך בשפה33. פוטנציאל זה רלוונטי במיוחד בהקשר הסעודי, שבו FLCA זוהה כמחסום משמעותי למוטיבציה ולהישגים שפתיים34. בהתבסס על ממצאים תיאורטיים ואמפיריים אלה, מוצעת ההשערה הבאה: H2: השימוש ב-ChatGPT משפיע לחיוב על המוטיבציה של סטודנטים הלומדים אנגלית כשפה זרה (EFL).

אוריינות דיגיטלית הפכה לגורם קביעה חשוב במוטיבציה של סטודנטים בסביבות למידה עכשוויות של אנגלית כשפה זרה (EFL)35. היא מתייחסת ליכולת לחפש, להעריך ולהשתמש בטכנולוגיות ובמדיה דיגיטליות באופן יעיל לצורך למידה36. בהקשרי EFL, אוריינות דיגיטלית מאפשרת ללומדים להשתמש ביעילות במשאבים דיגיטליים, כולל ChatGPT, מערכות לניהול למידה וכלים מולטימדיה, כדי לתמוך בלמידת השפה ובמוטיבציה37. סטודנטים עם רמות גבוהות יותר של אוריינות דיגיטלית נוטים להשתמש בטכנולוגיות למידה בביטחון רב יותר, ובכך מטפחים כשירות ואוטונומיה, הקשורות למוטיבציה פנימית38. הם גם מצוידים טוב יותר לשימוש בכלים דיגיטליים לתרגול שפה עצמאי, לקבלת משוב ולמעורבות מתמשכת בלמידה39. על בסיס ספרות זו, מוצעת ההשערה הבאה: H3: האוריינות הדיגיטלית של סטודנטים ל-EFL משפיעה באופן חיובי על המוטיבציה של סטודנטים ל-EFL.

חרדה מלשון זרה (FLCA) ויצירתיות הם מבנים הקשורים זה לזה באופן הדוק בחינוך לאנגלית כשפה זרה (EFL), אם כי מערכת היחסים ביניהם נותרת מורכבת40. חרדה עלולה להגביל את ביצועי הלומדים במטלות הדורשות יצירתיות, גמישות קוגניטיבית, חשיבה מסתעפת וביטוי עצמי41. FLCA משקפת את פחדם של הלומדים מביצוע טעויות, מהערכה שלילית ומביטחון עצמי נמוך, שכל אלה עלולים להפריע להפקה שפתית יצירתית42. עם זאת, יצירתיות היא מיומנות חשובה בלמידת EFL כיוון שהיא תומכת בשימוש בשפה באופן חדשני ומתאים להקשר31. מחקרים קודמים דיווחו כי לומדים עם רמות חרדה גבוהות יותר נוטים פחות להשתתף בפעילויות של כתיבה יצירתית ותקשורת בעל פה43,44. על בסיס ספרות זו, מוצעות ההיפותזות הבאות: 1) H4: המוטיבציה של סטודנטים ל-EFL קשורה באופן שלילי לחרדה שלהם, ו-2) H5: החרדה של סטודנטים ל-EFL משפיעה לרעה על היצירתיות שלהם.

מוטיבציה מספקת מנגנון תיאורטי שדרכו סגנון ההוראה, השימוש ב-ChatGPT ואוריינות דיגיטלית עשויים להיות קשורים ל-FLCA45. לומדים בעלי מוטיבציה נוטים יותר להשתתף באופן פעיל, להתמיד מול אתגרים ולחוות רמות נמוכות יותר של חשש מתקשורת46. פרקטיקות הוראה תומכות, למידת שפה בסיוע בינה מלאכותית (AI) ואוריינות דיגיטלית חזקה יותר נקשרו כל אחת למוטיבציה גבוהה יותר ולחרדה נמוכה יותר במסגרות של EFL47,48,49. מחקרים קודמים מצביעים גם על כך שמוטיבציה גבוהה יותר קשורה לחרדה נמוכה יותר בכיתה וליצירתיות מוגברת, ובכך הם מספקים תמיכה למוטיבציה כמתווך פוטנציאלי המקשר בין פרקטיקות הוראה ושימוש בטכנולוגיה לבין תוצאות למידה50,51,52. על בסיס ספרות זו, מוצעות ההשערות הבאות: 1) H6: מוטיבציה מתווכת את הקשר בין סגנון ההוראה לבין החרדה של סטודנטים ל-EFL; 2) H7: מוטיבציה מתווכת את הקשר בין השימוש ב-ChatGPT לבין החרדה של סטודנטים ל-EFL; ו-3) H8: מוטיבציה מתווכת את הקשר בין האוריינות הדיגיטלית של סטודנטים ל-EFL לבין החרדה שלהם. איור 1 ממחיש את המודל המשוער שבו סגנון הוראה, שימוש ב-ChatGPT ואוריינות דיגיטלית קשורים למוטיבציה של סטודנטים ל-EFL, אשר בתורה מתווכת את קשריהם עם FLCA ויצירתיות.

figure-introduction-1
איור 1. מודל המחקר ההיפותטי. המודל מתאר את הקשרים המשוערים בין שימוש ב-ChatGPT, סגנון הוראה, אוריינות דיגיטלית, מוטיבציה, חרדה בכיתת שפה זרה ויצירתיות בקרב סטודנטים הלומדים אנגלית כשפה זרה (EFL). קווים רצופים מייצגים קשרים ישירים משוערים, וקווים מקווקווים מייצגים קשרי תיווך, כפי שמוצג באיור. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

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

פרוטוקול

למרות שהמחקר לא דרש אישור אתי רשמי מוועדה מוסדית לסקירת מחקרים (IRB), בשל עיצובו כסקר אנונימי שאינו ניסויי ואינו כולל התערבויות פיזיות, מניפולציות או הטעיה של המשתתפים, כל ההליכים בוצעו בהתאם לעקרונות האתיים של הצהרת הלסינקי ולהנחיות של איגוד הפסיכולוגים האמריקאי (APA) למחקר הכולל משתתפים אנושיים. הסכמה מושכלת התקבלה מכל המשתתפים לפני איסוף הנתונים. המוסד לא דרש ולא הנפיק אישור אתי רשמי או פטור עבור סוג זה של מחקר. כל המשיבים עודכנו במפורש לגבי מטרת המחקר, על כך שהשתתפותם היא וולונטרית, על זכותם לפרוש בכל עת ללא השלכות, ועל אמצעי הסודיות המחמירים המיושמים על נתוניהם. לא נאסף ולא דווח מידע המאפשר זיהוי אישי, וכל הנתונים שימשו אך ורק לצורך ניתוח אקדמי מצטבר. תשומת לב מיוחדת הוקדשה לניסוח מכבד ולא פולשני כדי להבטיח שהסקר לא יפריע לפעילותם האקדמית של המשתתפים או לרווחתם הפסיכולוגית. לעיון בטופס ההסכמה המושכלת, ראו Supplementary File 1. בנוסף, החומרים ששימשו במחקר זה מפורטים ב-Table of Materials.

מערך המחקר

סעיף זה מפרט את מערך המחקר, את נהלי איסוף הנתונים ואת פרטי המדגם ששימשו במחקר לבחינת הקשרים בין סגנון ההוראה, השימוש ב-ChatGPT, אוריינות דיגיטלית, מוטיבציה, חרדה ויצירתיות בקרב סטודנטים ל-EFL. מחקר זה השתמש במערך מחקר כמותי חתכי כדי לבחון את תפקידה המתווך של המוטיבציה בקשרים שבין סגנון ההוראה, השימוש ב-ChatGPT, אוריינות דיגיטלית וחרדה בקרב סטודנטים ל-EFL, וכיצד משתנים אלו קשורים באופן קולקטיבי ליצירתיות. לצורך איסוף נתונים ראשוניים אומצה מתודולוגיית סקר מובנה, כדי להבטיח סטנדרטיזציה ואמינות במדידת המבנים הנחקרים. המחקר השתמש בסולמות תיקוף כדי להעריך את כל המשתנים, כולל סגנון הוראה, שימוש ב-ChatGPT, אוריינות דיגיטלית, מוטיבציה, FLCA ויצירתיות.

נתונים ודגימה

הנתונים למחקר זה נאספו מסטודנטים הלומדים אנגלית כשפה זרה (EFL) הרשומים באוניברסיטת ג'דה, אוניברסיטה ציבורית בערב הסעודית המוכרת בזכות הדגשתה על חינוך לשוני ושילוב טכנולוגיה בהוראה. המשתתפים נבחרו באמצעות טכניקת דגימה תכליתית, שנחשבה למתאימה למחקר זה בהינתן קריטריוני ההכללה הספציפיים שדרשו מהמשתתפים ניסיון פעיל עם כלי בינה מלאכותית (AI) כגון ChatGPT בסביבת הלמידה שלהם. גישה זו של דגימה לא הסתברותית הייתה נחוצה מכיוון ששאלות המחקר התמקדו באוכלוסייה ספציפית – סטודנטים ל-EFL שנחשפו הן לשיטות למידה מסורתיות והן לשיטות למידה מסייעות טכנולוגית, ודגימה אקראית לא הייתה מבטיחה את הכללתם של משתתפים העומדים בקריטריונים אלו. בעוד שדגימה תכליתית מגבילה את יכולת ההכללה של הממצאים לאוכלוסייה הרחבה יותר, היא הייתה מוצדקת עבור חקירה גישושית זו כדי להבטיח שלמשתתפים יש את הניסיונות והפרספקטיבות הרלוונטיים הדרושים למענה על יעדי המחקר. כדי לצמצם את מגבלות הדגימה התכליתית, נעשו מאמצים לכלול משתתפים עם רקעים אקדמיים מגוונים ורמות שונות של מיומנות טכנולוגית, ובכך להגביר את ייצוגיות המדגם בתוך אוכלוסיית היעד. המדגם הסופי כלל 280 סטודנטים לתואר ראשון ב-EFL, גודל שנחשב למספיק עבור הטכניקות הסטטיסטיות שיושמו.

קביעת הלימות גודל המדגם התבססה על קווים מנחים מקובלים עבור מידול משוואות מבניות (SEM). חוקרים ממליצים על יחס מינימלי של 10 מקרים לכל פרמטר מוערך ב-SEM, כאשר קווים מנחים שמרניים יותר מציעים 20 מקרים לפרמטר עבור Partial Least Squares SEM (PLS-SEM). מודל המדידה כלל 29 פריטים עבור אוריינות דיגיטלית, 25 פריטים עבור סגנון הוראה ו-32 פריטים עבור FLCA, לצד פריטים נוספים עבור שימוש ב-ChatGPT, מוטיבציה ויצירתיות. ההנחיות ל-PLS-SEM ממליצות גם על גודל מדגם מינימלי השווה ל-10 פעמים מספר האינדיקטורים הפורמטיביים הגבוה ביותר או מספר הנתיבים המבניים הגבוה ביותר המופנים לעבר מבנה (construct) מסוים; לפיכך, המדגם של 280 משתתפים עלה על דרישות מינימום אלו. יתרה מכך, ניתוח עוצמה לאחר מעשה (post hoc) באמצעות G*Power53 הצביע על כך שמדגם של 280 משתתפים סיפק עוצמה סטטיסטית העולה על 0.95 לגילוי גדלי אפקט בינוניים (f2 = 0.15) עם α = 0.05, ובכך עלה על הסף המומלץ בדרך כלל של 0.80. גודל מדגם זה מספק הערכות פרמטרים אמינות ועוצמה סטטיסטית מספקת כדי לזהות קשרים משמעותיים בין משתני המחקר, תוך התאמה למורכבות של מודלי המדידה והמבנה המוצעים.

משתתפים והליך

המשתתפים היו סטודנטים הלומדים אנגלית כשפה זרה (EFL) בגילאי 18 עד 25, כאשר רובם היו סטודנטים לתואר ראשון בשנה ראשונה ושנייה הרשומים לקורסים בשפה האנגלית. הסקר נערך בין ספטמבר לאוקטובר 2025, שבמהלכו הוזמנו הסטודנטים להשתתף באופן וולונטרי. תהליך הגיוס כלל פנייה באמצעות ערוצים רשמיים של האוניברסיטה, כולל דוא"ל והודעות בכיתות. המשתתפים היו סטודנטים הלומדים אנגלית כשפה זרה (EFL) בגילאי 18–25, שהיו רשומים כסטודנטים לתואר ראשון בשנה ראשונה או שנייה בקורסים בשפה האנגלית. הזכאות נקבעה באמצעות קריטריוני הכללה והחרגה שהוגדרו מראש. משתתפים היו זכאים אם הם (א) רשומים רשמית לקורסי אנגלית לתואר ראשון באוניברסיטת ג'דה (University of Jeddah), (ב) בגילאי 18–25, ו-(ג) רשומים כסטודנטים לשנה ראשונה או שנייה. סטודנטים הוחרגו אם היו (א) סטודנטים לתארים מתקדמים או סטודנטים לתואר ראשון בשכבות גבוהות מחוץ לרצף הקורסים הבסיסיים, (ב) מחוץ לטווח הגילאים שצוין, או (ג) מעורבים בשלב הבדיקה המוקדמת של השאלון. כדי להבטיח הסכמה מדעת, המשתתפים קיבלו תדריך על מטרת המחקר, אופייה הוולונטרי של השתתפותם וסודיות תשובותיהם. כלי איסוף הנתונים היה שאלון מובנה לדיווח עצמי שהופץ באופן פיזי ואלקטרוני באמצעות פלטפורמה מקוונת מאובטחת. סולמות מתוקפים הותאמו למדידת סגנון הוראה, שימוש ב-ChatGPT, אוריינות דיגיטלית, מוטיבציה של סטודנטים, FLCA ויצירתיות. המשתתפים נדרשו לדרג את תשובותיהם בסולם ליקרט של 5 דרגות, מ-1 (כל כך לא מסכים) עד 5 (כל כך מסכים). בדיקה מוקדמת של השאלון נערכה עם קבוצה קטנה של 30 סטודנטים כדי להבטיח בהירות ומהימנות. בהתבסס על תוצאות הבדיקה המוקדמת, בוצעו התאמות מינוריות בניסוח כדי לשפר את הבנת הפריטים, ולא זוהו בעיות משמעותיות במהימנות או בתוקף של הסולם. כדי לשמור על שלמות הנתונים ולעודד תשובות כנות, הובטחה אנונימיות, והמשתתפים קיבלו הבטחה שנתוניהם ישמשו למטרות מחקר בלבד. מתוך 300 התשובות שנאספו בתחילה, 280 נחשבו לתקפות לאחר סינון נתונים חסרים או לא עקביים, מה שהניב שיעור שימור של 93%. נהלי סינון הנתונים כללו בחינה של דפוסי תגובה למקרי "סימון שורה ישרה" (straight-lining), נתונים חסרים באופן מופרז (יותר מ-10%), וחריגים רב-משתנים באמצעות מרחק מהלנוביס (Mahalanobis distance). גישה מתודולוגית זו מספקת בסיס איתן לניתוח הקשרים בין משתני המחקר ומציעה תובנות בעלות ערך לגבי תפקידם של סגנון ההוראה, כלי בינה מלאכותית (AI) ואוריינות דיגיטלית בעיצוב המוטיבציה, החרדה והיצירתיות של סטודנטים הלומדים אנגלית כשפה זרה (EFL).

בעקבות איסוף הנתונים, 20 תגובות הוצאו ממאגר ראשוני של 300 בהתבסס על קריטריונים שהוגדרו מראש: 12 תגובות הוסרו עקב חוסר נתונים מוגזם שעלה על 10% מפריטי השאלון, 5 הוסרו בשל דפוסי תגובה של קו ישר (תגובות אחידות בכל הפריטים המעידות על חוסר מעורבות), ו-3 זוהו כחריגים רב-משתנים באמצעות מרחק מהלנוביס (p < 0.001) והוסרו לאחר מכן כדי למנוע עיוות של תוצאות ה-SEM. ערכים חסרים במקרים שנשמרו טופלו באמצעות השלמה באמצעות ממוצע (mean imputation) במקרים בהם הנתונים החסרים היו מינימליים (פחות מ-5% למקרה), שכן גישה זו מקובלת עבור שיעורי חסר נמוכים במחקרי סקר רחבי היקף. שיעור השימור הסופי של 93% (280 תגובות תקפות מתוך 300 שאלונים שנאספו) מייצג את חלקן של התגובות השמישות שנשמרו מכלל השאלונים שנאספו; עם זאת, אין לפרש נתון זה כשיעור תגובה (response rate) אמיתי, שכן לא ניתן היה לחשב את המספר המדויק של המשתתפים שהוזמנו מכיוון ששיטות ההפצה המשולבות, הפיזיות והאלקטרוניות, דרך ערוצי האוניברסיטה הרשמיים מנעו מעקב מדויק אחר סך ההזמנות. מגבלה זו מוכרת, ולכן נתון ה-93% מדווח כחלקן של התגובות התקפות שנשמרו מתוך השאלונים שנאספו ולא כשיעור תגובה ביחס לכלל האוכלוסייה שהוזמנה.

כלים ומדדים

מחקר זה השתמש בסולמות מוכרים ומתוקפים, שהותאמו בקפידה להקשר של הוראת אנגלית כשפה זרה (EFL), כדי למדוד את המבנים המרכזיים: סגנון הוראה, אוריינות דיגיטלית, שימוש ב-ChatGPT, חרדה מלמידת שפה זרה (FLCA), מוטיבציה ויצירתיות. כל סולם נבחר על בסיס הרלוונטיות והמקיפות שלו בלכידת הממדים המתאימים של המשתנים הנחקרים. אוריינות דיגיטלית נמדדה באמצעות סולם מותאם המבוסס על Rodríguez-de-Dios et al.54, הכולל שישה ממדים עם 29 פריטים. ממדים אלו כללו מיומנות טכנולוגית, מיומנות אבטחה אישית, מיומנות ביקורתית, מיומנות אבטחת מכשירים, מיומנות מידע ומיומנות תקשורת, מה שאיפשר הערכה מקיפה של מיומנויות הסטודנטים הדיגיטליות החיוניות להקשרים חינוכיים מודרניים. השימוש ב-ChatGPT הוערך באמצעות סולם בן 8 פריטים שותאם מ-Abbas et al.55, תוך התמקדות באינטראקציה של הסטודנטים עם כלי ה-AI למשימות למידת שפה. סגנון ההוראה הוערך באמצעות גרסה מותאמת של שאלון סגנונות ההוראה של Grasha56. כלי זה מודד חמישה ממדים של סגנונות הוראה: סמכות, מומחה, מודל אישי, מנחה ומאציל סמכויות. ממדים אלו משקפים גישות הוראה שונות המשפיעות על חוויות הלמידה של סטודנטים ל-EFL. FLCA נמדדה באמצעות סולם מותאם המבוסס על Briesmaster and Briesmaster57. כלי זה בחן חרדה בשלושה ממדים: חשש מתקשורת (10 פריטים), חרדת בחינות (10 פריטים) ופחד מהערכה שלילית (7 פריטים). מוטיבציית הסטודנטים הוערכה באמצעות סולם שותאם מ-Kanoksilapatham et al.58, המודד שלושה ממדים: קידום ומניעה אינסטרומנטלית, אתנוצנטריזם ואינטגרטיביות, ועמדה כלפי למידת אנגלית. הסולם כלל סך הכל 20 פריטים. יצירתיות של סטודנטים ל-EFL נמדדה באמצעות סולם שותאם מ-Govindasamy et al.59, שהעריך ארבעה ממדים: מקוריות, גמישות, שטף ופירוט. כל ממד נמדד באמצעות שלושה פריטים. כדי להבטיח את ההתאמה התרבותית וההקשרית של הכלים לסביבת ה-EFL, הוחל הליך התאמה שיטתי. מכיוון שהסולמות המקוריים פותחו באנגלית, שני מומחים דו-לשוניים ל-EFL סקרו ופישטו את השפה כדי לשפר את הבהירות עבור סטודנטים לתואר ראשון ברמה בינונית, תוך שמירה על המשמעות המקורית של כל מבנה. הגרסאות המותאמות תורגמו לאחר מכן בחזרה לשפתם הראשונה של המשתתפים על ידי מתרגם עצמאי כדי לוודא שקילות לשונית ומושגית, וכל אי-התאמה נפתרה באמצעות דיון בקרב צוות המחקר. לאחר מכן, שלושה מרצי EFL מנוסים העריכו את הכלים המותאמים מבחינת רלוונטיות התוכן, התאמה תרבותית ובהירות הפריטים, מה שהוביל לתיקוני ניסוח מינוריים ולהחלפת דוגמאות לא מוכרות תרבותית במידת הצורך. לבסוף, הכלים המעודכנים נבחנו בפיילוט עם 30 סטודנטים (ראה סעיף Procedure), ומשוב המשתתפים שימש לביצוע שיפורי ניסוח מינוריים נוספים לשיפור המובנות. תהליך רב-שלבי זה הבטיח שהכלים המותאמים שמרו על תכונותיהם הפסיכומטריות המקוריות תוך התאמה לאוכלוסיית היעד של ה-EFL. לשאלון המותאם המלא, ראו Supplementary File 2.

שיטות ניתוח נתונים

הנתונים שנאספו למחקר זה נותחו באמצעות Statistical Package for the Social Sciences (SPSS 26) ו-SmartPLS 4, תוך שימוש ב-PLS-SEM. גישה זו, המשלבת שתי שיטות, הבטיחה ניתוח מקיף של הנתונים, תוך התייחסות להיבטים תיאוריים והסקיים (inferential) במקביל לבחינת הקשרים המשוערים ואפקטי התיווך במודל המחקר. בשלב ראשון, נעשה שימוש ב-SPSS לביצוע ניתוח נתונים ראשוני, הכולל ניקוי נתונים, סטטיסטיקה תיאורית ובדיקות מהימנות. סינון הנתונים כלל בדיקה של ערכים חסרים, ערכי קיצון (outliers) ונורמליות כדי להבטיח את איכותם ותקינותם של הנתונים. סטטיסטיקה תיאורית, כולל ממוצע, סטיית תקן והתפלגויות שכיחות, חושבה כדי לסכם את מאפייני המדגם. הניתוח העיקרי בוצע באמצעות SmartPLS 4. שיטת PLS-SEM נבחרה בשל התאמתה לניתוח מודלים מורכבים עם מבנים (constructs) מרובים וחסינותה (robustness) עבור גדלי מדגם קטנים עד בינוניים. הניתוח בוצע בשני שלבים: הערכה של מודל המדידה והערכה של המודל המבני. בהערכת מודל המדידה, נבחנו מהימנות המדדים (indicator reliability), מהימנות עקביות פנימית (באמצעות composite reliability [CR]), תוקף מתכנס (באמצעות average variance extracted [AVE]) ותוקף מבחן (באמצעות heterotrait–monotrait ratio [HTMT]).

בעקבות תיקוף מודל המדידה, נבחן המודל המבני כדי להעריך את הקשרים המשוערים בין סגנון ההוראה, השימוש ב-ChatGPT, אוריינות דיגיטלית, מוטיבציה, חרדה ויצירתיות. מקדמי הנתיב נותחו כדי לקבוע את עוצמתם ואת מובהקותם של ההשפעות הישירות והעקיפות, כאשר המובהקות נבחנה באמצעות bootstrapping עם 5,000 דגימות חוזרות. להערכת המובהקות של השפעות ישירות, עקיפות והשפעות תיווך, נבנו רווחי סמך bootstrap מתוקננים להטיה (BC) באמצעות 5,000 דגימות bootstrap עם רמת סמך של 95%. השפעות התיווך של מוטיבציה על הקשרים בין סגנון ההוראה, השימוש ב-ChatGPT, אוריינות דיגיטלית וחרדה הוערכו אף הן באמצעות רווחי סמך בשיטת bootstrap. התאמת המודל והכוח הניבוי שלו נבחנו באמצעות מקדם הדטרמינציה (R2), רלוונטיות ניבוי (Q2), ושארית ריבועית ממוצעת סטנדרטית (SRMR).

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

תוצאות

סטטיסטיקה תיאורית

סטטיסטיקה תיאורית מספקת סקירה כללית של מאפייני המדגם ושל ההתפלגות, הנטייה המרכזית והשונות של משתני המחקר. במחקר זה, בוצעו ניתוחים תיאוריים כדי לאפיין את מדגם המשתתפים ולסכם את המשתנים המרכזיים לפני ביצוע הניתוחים המבניים.

טבלה 1 מסכמת את המאפיינים הדמוגרפיים של 280 המשתתפים, סטודנטים לתואר ראשון הלומדים אנגלית כשפה זרה (EFL). משתתפות נקבה היוו 54.3% (n = 152) מהמדגם, בעוד שמשתתפים זכר היוו 45.7% (n

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

דיון

מחקר זה בחן את הקשרים בין סגנון ההוראה, השימוש ב-ChatGPT, אוריינות דיגיטלית, מוטיבציה, FLCA ויצירתיות בקרב סטודנטים לסביבת לימודי אנגלית כשפה זרה (EFL) בסעודיה, תוך מתן תשומת לב מיוחדת לתפקידה המתווך של המוטיבציה. הממצאים מספקים ראיות לגבי הקשרים בין פרקטיקות פדגוגיות, שימוש בטכנולוגיה ומאפייני לומד בלמידת שפה מועצמת טכנולוגית. הקשר החיובי בין סגנון ההוראה לבין המוטיבציה של סטודנטי EFL (H1 נתמכה) עולה בקנה אחד עם SDT, המציעה כי פרקטיקות הוראה התומכות באוטונומיה מקדמות מוטיבציה פנימית על ידי סיפוק הצרכים הפסיכולוגיים הבסי...

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

גילויים

ניגוד עניינים:

המחבר מצהיר כי אין לו ניגודי עניינים.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
סולם שימוש ב-ChatGPT (מותאם)המחברים; מותאם מ-Abbas et al.N/Aשאלון בן שמונה פריטים המעריך את השימוש של סטודנטים ב-ChatGPT ללמידת שפה.
סולם יצירתיות (מותאם)המחברים; מותאם מ-Govindasamy et al.N/Aשאלון בן שנים-עשר פריטים המעריך מקוריות, גמישות, שטף ופירוט.
סולם אוריינות דיגיטלית (מותאם)המחברים; מותאם מ-Rodríguez-de-Dios et al.N/Aשאלון בן עשרים ותשעה פריטים המודד שישה ממדי אוריינות דיגיטלית.
סולם חרדה בכיתה ללימוד שפה זרה (FLCA) (מותאם)המחברים; מותאם מ-Briesmaster & BriesmasterN/Aשאלון בן עשרים ושבעה פריטים המודד חשש מתקשורת, חרדת בחינות ופחד מהערכה שלילית.
G*PowerHeinrich Heine University DüsseldorfVersion 3.1.9.7; RRID: SCR_013726תוכנה המשמשת לניתוח עוצמה סטטיסטית בדיעבד (post hoc).
IBM SPSS StatisticsIBM Corp.Version 26; RRID: SCR_002865תוכנה סטטיסטית ששימשה לניקוי נתונים, סטטיסטיקה תיאורית, ניתוחי מהימנות וניתוחים ראשוניים.
ניתוח מרחק מהלאנוביס (Mahalanobis distance)IBM SPSS StatisticsVersion 26; RRID: SCR_002865הליך סטטיסטי המיושם ב-IBM SPSS Statistics לזיהוי ערכים חריגים רב-משתניים.
סולם מוטיבציה (מותאם)המחברים; מותאם מ-Kanoksilapatham et al.N/Aשאלון בן עשרים פריטים המעריך מוטיבציית לומד.
שאלון ניירהמחבריםN/Aגרסה מודפסת של השאלון המובנה לדיווח עצמי ששימשה לאיסוף נתונים פנים אל פנים.
פלטפורמת סקר מקוונת מאובטחתGoogle LLCN/Aפלטפורמת Google Forms ששימשה להפצה אלקטרונית של השאלון.
SmartPLSSmartPLS GmbHVersion 4; RRID: SCR_036419תוכנה המשמשת למידול משוואות מבניות בשיטת ריבועים פחותים חלקיים (PLS-SEM), כולל הערכת מודל מדידה, ניתוח מודל מבני, בוטסטראפינג (5,000 דגימות חוזרות) וניתוח תיווך.
שאלון מובנה לדיווח עצמיהמחבריםN/Aשאלון שהועבר בפורמטים של נייר ואלקטרוני תוך שימוש בסולם ליקרט בן 5 דרגות (1 = אי несогласие מוחלט ועד 5 = הסכמה מוחלטת).
מלאי סגנונות הוראה (Teaching Style Inventory) (מותאם)המחברים; מותאם מ-Grasha's Teaching Style InventoryN/Aשאלון המודד סגנונות הוראה של סמכות, מומחיות, מודל אישי, הנחיה והאצלת סמכויות.
ערוצי תקשורת אוניברסיטאייםUniversity of JeddahN/Aדואר אלקטרוני רשמי והודעות בכיתה ששימשו לגיוס משתתפים.

מקורות

  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.

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

הדפסות חוזרות והרשאות

תגיות

ChatGPTEFL
צרו קשר
המליצו לספרייה

פרטיות

תנאי שימוש

מדיניות

זכויות יוצרים © 2026 MyJoVE Corporation. כל הזכויות שמורות.