È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.

Articolo di ricerca

Come il benessere digitale e l'IA generativa raggiungono il successo accademico degli studenti e gli obiettivi di sviluppo sostenibile

722 visualizzazioni

⸱

DOI:

10.3791/70211

⸱

27 febbraio 2026

1Xuzhou Kindergarten Teachers College

In questo articolo

Sommario

Questo studio rileva che il benessere digitale e l'IA generativa favoriscono l'apprendimento dell'inglese come lingua straniera, portando a migliori prestazioni accademiche. Un maggiore rendimento aumenta la consapevolezza degli obiettivi di sviluppo sostenibile, collegando la tecnologia educativa sia a risultati scolastici che a quelli di sostenibilità.

Abstract

Questo studio esamina come il benessere digitale e l'adozione dell'IA generativa contribuiscano al successo accademico degli studenti di inglese come lingua straniera (EFL) e al loro coinvolgimento con gli Obiettivi di Sviluppo Sostenibile (SDGs). Utilizzando un disegno trasversale quantitativo, i dati sono stati raccolti da 440 partecipanti tramite scale validate che misurano il benessere digitale, l'uso dell'IA, l'impegno nell'apprendimento, le prestazioni accademiche e la consapevolezza sugli SDG. La modellazione strutturale parziale delle equazioni ai minimi quadrati (PLS-SEM) è stata utilizzata per analizzare le relazioni tra questi costrutti, valutando la validità predittiva e la robustezza del modello. I risultati rivelano che sia il benessere digitale che l'IA generativa migliorano significativamente l'impegno nell'apprendimento dell'EFL, il che a sua volta guida il successo accademico. Inoltre, il rendimento accademico influenza positivamente la consapevolezza degli studenti sugli SDG, evidenziando l'interconnessione tra l'educazione digitale e i risultati di sostenibilità. Lo studio identifica l'impegno nell'apprendimento come un mediatore fondamentale tra l'apprendimento potenziato dalla tecnologia e la performance accademica. Questi risultati sottolineano l'importanza di integrare strategie di benessere digitale e alfabetizzazione AI nei quadri educativi per favorire sia il successo scolastico sia la cittadinanza globale. Questi si realizzano progettando curricula e pedagogie che insegnino contemporaneamente agli studenti a gestire la loro vita digitale per un apprendimento efficace, e li preparino a sfruttare e criticare tecnologie avanzate per comprendere e agire sulle sfide più urgenti del mondo.

Introduzione

In un'epoca segnata da rapidi progressi tecnologici, l'integrazione del benessere digitale e dell'intelligenza artificiale generativa (GAI) nell'istruzione è emersa come una forza trasformativa con implicazioni di vasta portata per il rendimento scolastico degli studenti e per gli Obiettivi di Sviluppo Sostenibile (SDGs) delle Nazioni Unite1. Mentre il benessere digitale si concentra sulla promozione dell'uso sano della tecnologia per migliorare l'equilibrio cognitivo ed emotivo, il GAI introduce opportunità senza precedenti per l'apprendimentopersonalizzato 2, l'accessibilità e l'efficienza educativa3. Tuttavia, per quanto ci sia una linea di interesse in crescita in questi ambiti nel mondo, il corpo di conoscenze esistente è sparso, con poca attenzione alle potenziali prospettive future nelle loro sinergie per lo sviluppo del successo accademico e la promozione di traguardi globali perla sostenibilità 4. Questa ricerca aiuta a colmare questa lacuna tanto necessaria esaminando specificamente come l'uso responsabile del GAI, informato sui principi del benessere digitale, possa massimizzare gli esiti di apprendimento ma allo stesso tempo supportare gli SDG chiave, in particolare SDG 4 (Istruzione di Qualità), SDG 3 (Buona Salute e Benessere) e SDG 10 (Disuguaglianze Ridute).

Una revisione della letteratura attuale rivela diverse dimensioni poco esplorate. Innanzitutto, mentre gli studi sul benessere digitale sottolineano i rischi di eccessivo tempo davanti agli schermi, distrazioni digitali e problemi di salute mentale tragli studenti 5, pochi hanno esaminato come pratiche strutturate di consapevolezza digitale possano coesistere con strumenti di apprendimento guidati dall'IA6. In secondo luogo, la ricerca sul GAI nell'istruzione evidenzia prevalentemente la sua efficienza nell'automatizzare le valutazioni, generare contenuti e abilitare l'apprendimentoadattivo 7, ma trascura i suoi impatti psicologici e comportamentali sul benessere deglistudenti 8. In terzo luogo, sebbene il quadro degli SDG promuova un'istruzione inclusiva ed equa, è stata data poca attenzione a come gli ambienti di apprendimento potenziati dall'IA, progettati con il benessere in mente, possano ridurre le disparità educative e promuovere pratiche di apprendimento sostenibili9. Queste lacune sottolineano la necessità di un approccio integrativo che armonizzi l'innovazione tecnologica con strategie di benessere incentrate sull'uomo.

Questo studio affronta queste limitazioni proponendo un nuovo quadro che allinea i principi del benessere digitale con le applicazioni GAI nell'istruzione. A differenza di uno studioprecedente 10, che analizzava queste nozioni in modo indipendente, il nostro studio ne considera la dinamica in quanto tali, presentando così prove empiriche di come tale IA possa essere implementata moralmente per supportare, anziché erodere, la concentrazione, la motivazione e il rendimento accademico a lungo termine degli studenti. In questo modo, il presente manoscritto contribuirà a ulteriori discussioni nei settori della tecnologia educativa, della psicologia e della scienza della sostenibilità, fornendo una variante attuale che interesserà un gran numero di lettori, ricercatori, responsabili politici ed educatori interessati a trovare approcci basati su evidenze per trovare il giusto equilibrio tra l'integrazione delle tecnologie e la sostenibilità, Sviluppo olistico di studenti e studenti.

I contributi teorici di questa ricerca sono tripli. Innanzitutto, promuove il discorso sul benessere digitale introducendo una nuova dimensione del benessere mediato dall'IA, che esplora come l'IA generativa possa essere calibrata per minimizzare il sovraccarico cognitivo e promuovere un coinvolgimentoconsapevole 11. In secondo luogo, si basa sulla letteratura riguardante l'IA nell'istruzione, integrando considerazioni sul benessere come caratteristica essenziale del design, interrompendo i discorsi esistenti orientati all'efficienza12. In terzo luogo, migliora la qualità della ricerca sugli SDG mostrando come sistemi educativi aggiornati tramite l'IA possano diventare motori di sviluppo sostenibile, specialmente nel ridurre i divari digitali e garantire che gli studenti diventino mentalmente resilienti. Queste innovazioni del teorico collocano la nostra ricerca tra l'avanguardia degli studi interdisciplinari, offrendo una prospettiva sull'attuale interdipendenza tra tecnologia, istruzione e sostenibilità su scala globale. Dal punto di vista accademico, lo studio offre un quadro olistico su come sia possibile valutare il doppio esito del benessere del GAI e del benessere digitale sui risultati dell'apprendimento attraverso datiempirici 13. Tra i responsabili politici, presenta loro raccomandazioni pratiche su come l'uso dell'IA nell'istruzione possa essere governato in modo etico, proteggendo la sicurezza degli studentidi 14 anni. Agli educatori, mostra metodi basati su evidenze su come implementare lo strumento di IA che può supportare, ma non violare, l'efficacia dellapedagogia 15. Inoltre, il legame tra questi risultati e gli SDG offre un quadro più ampio delle implicazioni complessive dell'istruzione tecnologicamente avanzata nella società, da qui i motivi per cui la pionieristica digitale dovrebbe essere allineata allo sviluppo umano sostenibile.

L'emergere di tecnologie digitali in rapida diffusione e di intelligenza artificiale generativa (IA) nell'istruzione ha suscitato un enorme interesse intellettuale per il loro effetto combinato sul livello di rendimento accademico degli studenti e sul raggiungimento di tutti gli obiettivi sociali, incluso l'Obiettivo di SviluppoSostenibile 16. Sebbene questi sviluppi tecnologici abbiano un potenziale rivoluzionario, le applicazioni di tali tecnologie negli ambienti pedagogici sono un campo ricco di polarità e logistica controversa, dove gli studi esistenti dovrebbero essere sintetizzati criticamente per definire le intuizioni e i limiti degli studifuturi 17. Questa revisione della letteratura esaminerà le intuizioni di tre campi correlati: (1) il benessere digitale e le sue implicazioni educative, (2) l'IA generativa e la sua influenza sulla pratica educativa, e (3) la compatibilità degli interventi tecnologici con gli SDGs, in particolare quelli che riguardano istruzione di qualità, salute ed equità. Il benessere digitale è emerso come un'area critica di studio in ambienti di apprendimento sempre più immersi nella tecnologia. Sebbene la ricerca evidenzi rischi come il sovraccarico cognitivo, la distrazione digitale e il consumo passivo associati all'uso eccessivo degli schermi, si riconosce sempre di più il potenziale per mitigare questieffetti 19. Interventi strategici come la consapevolezza digitale, l'uso intenzionale della tecnologia e la riflessione metacognitiva possono favorire un coinvolgimento significativo e proteggere la salute mentale ed emotiva. È importante sottolineare che il benessere digitale va oltre la semplice riduzione del tempo davanti agli schermi; Consiste nel coltivare un rapporto equilibrato e autodeterminato con la tecnologia20. Questa prospettiva è particolarmente rilevante nei contesti di apprendimento potenziato dall'IA, dove sfide etiche come il bias algoritmico e l'eccessiva dipendenza dall'automazione possono influenzare direttamente il senso di competenza,autonomia 21 e correlazione degli studenti, bisogni psicologici fondamentali essenziali per la motivazione e il benessere22. Colmare questo divario richiede un quadro che non solo affronti i rischi dell'interazione digitale, ma integri anche proattivamente i principi del benessere nella progettazione e nell'uso di strumenti di IA generativa nell'istruzione.

Con la novità dell'IA generativa, che crea testi, foto e giochi simili a quelli umani che rispondono alle azioni, si è aperto un nuovo regno di possibilità di apprendimento personalizzato e adattivo. Le ricerche hanno confermato che è efficace nell'automazione dei processi amministrativi, nella creazione di risorse di apprendimento personalizzate, nel fornire feedback in tempo reale e nel miglioramento sia dell'efficienza che dell'accessibilità delle istruzioni. Ad esempio, strumenti basati su IA come Intelligent Tutoring Systems e ChatGPT hanno dimostrato facilitare l'istruzionedifferenziata 25. Detto ciò, esistono anche implicazioni etiche e psicologiche dell'uso pedagogico dell'IA generativa, come il problema dell'integrità accademica, il bias nell'algoritmo e la possibilità che gli studenti perdano le facoltà di pensiero critico se si affidano troppo a opere generate dall'IA. Sebbene le ricerche attuali forniscano una vasta quantità di informazioni sulle capacità funzionanti dell'IA nell'istruzione, trascurano di esplorare le conseguenze psicologiche e comportamentali sugli studenti, specialmente per quanto riguarda il benesseredigitale 27. Questa lacuna indica la necessità di una considerazione più attenta dei modi in cui l'IA generativa potrebbe essere utilizzata per beneficiare il benessere cognitivo ed emotivo degli studenti, anzichédanneggiarli. La combinazione di benessere digitale e IA generativa assume anche una nuova importanza quando filtrata attraverso il prisma degli SDGs, attraverso i quali il mondo ha sviluppato una vocazione globale di sviluppo equo e sostenibile. Da parte sua, l'SDG 4 (Istruzione di Qualità) richiede un accesso equo e inclusivo alle opportunitàdi apprendimento 29. Allo stesso modo, l'SDG 3 (Buona Salute e Benessere) e l'SDG 10 (Riduzione delle Disuguaglianze) sottolineano la necessità di prendersi cura della salute mentale e promuovere l'equità sociale, entrambi collegati alle esperienze digitali degli studenti30. L'IA e gli SDG, tuttavia, sono attualmente discussi in modo tecno-positivistico, lodando la scalabilità degli interventi di IA e ignorando gli aspetti psicosociali dell'utilizzo dellatecnologia 31. Per illustrare, sebbene l'IA possa personalizzare l'esperienza di apprendimento delle popolazioni svantaggiate, la sua implementazione manca di protezione del benessere, il che può aumentare la fatica digitale e aumentare il divario di disuguaglianza tra studenti che hanno diversi accessi alla tecnologia e capacità diautoregolazione 32. La tensione tra innovazione e benessere si aggiunge al fatto che questa lacuna nella letteratura è vitale, l'esistenza di un quadro coerente e coerente per unire il progresso educativo guidato dall'IA agli ideali umanistici degliSDGs 33.

La psicologia dell'educazione, l'interazione uomo-computer e gli studi sulla sostenibilità rappresentano alcuni degli approcci teorici che possono fornire utili lenti con cui collegare questi due diversi filoni di ricerca. Un esempio di tale teoria è la teoria dell'autodeterminazione (SDT), secondo cui si possono raggiungere un apprendimento sano e il benessere quando le persone sperimentano la soddisfazione dell'autonomia, della competenza e dellarelazionalità 34. Quando applicata agli ambienti digitali, la SDT implica che l'IA generativa potrebbe aumentare sia l'autonomia tramite programmi di apprendimento su misura sia la competenza grazie all'adattabilità del feedback, ma deve anche essere progettata per supportare la relazionalità trascendendo lo spostamentosociale 35. Allo stesso modo, la nozione di equilibrio digitale, la condizione in cui l'uso della tecnologia corrisponde sia al benessere individuale che collettivo, offre una base normativa per valutare il ruolo dell'IAnell'educazione 36. Tuttavia, questi costrutti teorici sono stati raramente incorporati nell'analisi empirica degli ambienti di apprendimento abilitati dall'IA, il che solleva domande su come sia possibile ingegnerizzare sistemi di IA intrinsecamente orientati al benesseredigitale 37. Una revisione critica della letteratura mostra che ci sono alcune tensioni irrisolte e aree di sviluppo futuro38. Per cominciare, sebbene la questione del benessere digitale si concentri intelligentemente sulla moderazione e la consapevolezza, l'IA generativa è la questione dell'impegno e dell'immersione, il cui paradosso richiede soluzioniempiriche 39. In secondo luogo, la discussione etica sull'IA nell'istruzione si è basata molto sulla privacy dei dati e sulla trasparenza algoritmica, senza aver riflettuto troppo sulle implicazioni psicologiche dell'interazione con l'AI40. In terzo luogo, l'attenzione alla sostenibilità e all'equità fornita dagli SDGs non si collega in modo esaustivo agli aspetti tecnici e pedagogici dell'effettiva implementazione dell'IA. Per superare questa disabilità, è importante attraversare le discipline e utilizzare le intuizioni delle scienze cognitive, dell'economia comportamentale e delle politiche educative per trovare quadri che siano non solo tecnologicamente stabili ma anche umani. La Figura 1 mostra il quadro concettuale del presente studio, che include tutte le variabili e la loro relazione di percorso tra loro. In questo modello la relazione ipotetica tra variabili di studio è data nel quadro concettuale.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

Questo studio non ha richiesto l'approvazione etica formale da parte di un Institutional Review Board (IRB), poiché ha coinvolto sondaggi anonimi e/o interviste con partecipanti che hanno fornito un consenso informato. Non sono stati raccolti dati personali o sensibili, e tutte le risposte sono state trattate in modo riservato solo per scopi di ricerca. La partecipazione è stata volontaria e gli intervistati sono stati informati degli obiettivi dello studio prima di fornire il loro contributo.

Lo studio ha utilizzato un disegno quantitativo e trasversale per indagare le relazioni tra il benessere digitale, l'uso dell'IA generativa e i risultati accademici tra gli studenti di Inglese come Lingua Straniera (EFL). I dati sono stati raccolti tramite un sondaggio online su una popolazione pretenzionalmente campionata di 440 studenti universitari di inglese inglese in diverse università cinesi che utilizzavano attivamente strumenti di IA generativa nel loro apprendimento. Il questionario strutturato ha utilizzato scale convalidate, tra cui una misura di 12 item per il benesseredigitale 41, una scala di 8 item per l'uso dell'IA generativa, una scala42 per il successo accademico autopercepito e misure per la consapevolezza degli SDG e l'impegno nell'apprendimento, tutte con risposte Likert a 5 punti. L'analisi dei dati ha seguito un protocollo a due fasi utilizzando SPSS v.27 per statistiche descrittive e controlli di affidabilità, e SmartPLS v.4.0 per la Modellazione delle Equazioni Strutturali Parziali dei Minimi Quadrati (PLS-SEM) per valutare i modelli di misura e strutturali, con l'avvio applicato alla significanza del percorso di test.

Progettazione della ricerca
Il disegno di ricerca utilizzato in questo studio è quantitativo e trasversale per determinare come il benessere digitale, l'IA generativa, il successo accademico degli studenti e gli SDG si relazionano tra loro tra gli studenti EFL. Un disegno a sezione trasversale consente al ricercatore di raccogliere dati in un momento specifico e fornisce un'immagine delle variabili studiate. Il disegno della ricerca quantitativa basa i risultati su informazioni misurabili e statisticamente analizzabili per renderli più affidabili e generali. Questo schema è particolarmente applicabile per analizzare gli effetti diretti e indiretti del benessere digitale e dell'IA generativa sul rendimento accademico e sugli SDG, poiché permetterà l'impiego di procedure statistiche sofisticate come la modellizzazione delle equazioni strutturali.

Popolazione e campionamento
La popolazione target di questo studio era composta da studenti universitari iscritti a programmi di Inglese come Lingua Straniera (EFL) in istituzioni di istruzione superiore in Cina. Per partecipare, gli studenti dovevano soddisfare i seguenti criteri di inclusione: essere attualmente iscritti come studenti universitari, utilizzare attivamente strumenti di IA generativa (come ChatGPT, Copilot o piattaforme simili per assistenza alla scrittura, ricerca o generazione di contenuti) come parte del loro normale processo di apprendimento accademico e fornire il consenso informato. I criteri di esclusione erano il non utilizzo dell'IA generativa a scopi accademici, l'essere uno studente post-laurea o non universitario, e fornire risposte incomplete ai sondaggi.

È stata impiegata una tecnica di campionamento intenzionale per reclutare partecipanti che soddisfacessero questi criteri, garantendo una misurazione significativa della variabile principale di utilizzo dell'IA. Il campione finale comprendeva N = 440 partecipanti, una dimensione ritenuta adeguata per la robustezza statistica richiesta per la Partial Least Square Structural Equation Modeling (PLS-SEM). Per migliorare la rappresentatività e la generalizzazione, il reclutamento ha abbracciato più università e diverse discipline accademiche (Discipline Umanistiche, Scienze Sociali, STEM). I dati demografici per il campione sono i seguenti: l'età variava da 18 a 24 anni (M = 20,4, SD = 1,6); Il sesso era distribuito come 58% femmine (n = 255) e 42% maschi (n = 185); L'anno di studio includeva studenti del primo anno (22%, n = 97), del secondo anno (31%, n = 136), del terzo anno (28%, n = 123) e del quarto anno (19%, n = 84). Le informazioni sul peso non sono state raccolte poiché non erano rilevanti per i costrutti dello studio.

Procedura di raccolta dati
La raccolta dei dati è stata effettuata tramite un sondaggio online anonimo ospitato su una piattaforma sicura (ad esempio, Qualtrics). I potenziali partecipanti delle università target sono stati invitati tramite liste email istituzionali, annunci su Learning Management Systems (ad esempio, Moodle, Blackboard) e gruppi social per studenti rilevanti. L'invito illustrava chiaramente lo scopo dello studio, la natura volontaria, il tempo stimato di completamento (15-20 minuti) e le garanzie di riservatezza. La prima pagina del sondaggio presentava un dettagliato modulo di consenso informato; Solo i partecipanti che hanno fornito il consenso digitale hanno proceduto al questionario. Per mitigare il bias d'ordine, le sezioni del sondaggio sono state presentate in una sequenza randomizzata per ciascun rispondente. La finestra per la raccolta dati è rimasta aperta per due settimane. Un unico promemoria è stato inviato tramite i canali originali una settimana dopo l'invito iniziale per incoraggiare la partecipazione e migliorare i tassi di risposta. Dopo il periodo di raccolta, il dataset è stato verificato per la completezza, con la rimozione delle risposte sostanzialmente incomplete (ad esempio, >20% di dati mancanti). Successivamente sono stati effettuati controlli per valori agonnici, univariati e multivariati, prima dell'analisi finale per garantire la qualità dei dati.

Strumentazione e misure
Lo studio ha utilizzato un questionario strutturato per misurare variabili chiave, tra cui il benessere digitale, l'uso dell'IA generativa, il successo accademico degli studenti, la consapevolezza sugli SDG e l'impegno degli studenti con l'apprendimento dell'EFL. Il benessere digitale è stato misurato utilizzando la scala di Arslankara et al.41, 12 item, inclusi sottoscale per responsabilità (4 items), soddisfazione (4 items) e wellness (4 items). L'uso dell'IA generativa è stato operato tramite una scaladi 8 item 43, concentrandosi sulla frequenza di adozione di ChatGPT. Nel presente studio, le prestazioni accademiche sono state valutate utilizzando una scala di auto-percezione adattata da Yu et al.42, come citato in Mehrvarz et al.44. Questo strumento è composto da quattro elementi. La consapevolezza sugli SDGs è stata misurata utilizzando una scala validata adattata da Atmaca et al.45, che comprende tre dimensioni chiave: sostenibilità economica (12 elementi), sostenibilità sociale (9 elementi) e sostenibilità ambientale (14 elementi), in base alla consapevolezza e alla partecipazione degli studenti alle attività. Infine, l'impegno nell'apprendimento della lingua EFL è stato valutato utilizzando una scala di 9 item di Eerdemutu et al.46. Tutte le scale hanno utilizzato risposte Likert a 5 punti, con test pilota (n=30) che hanno confermato l'affidabilità (α > di Cronbach 0,82) e l'analisi fattoriale confermativa che ha validato la distintività dei costrutti.

Piano di analisi dei dati
I dati raccolti sono stati analizzati utilizzando una combinazione di SPSS (v.27) e SmartPLS (v.4.0) attraverso un approccio analitico a due fasi. Per prima cosa, SPSS è stato utilizzato per analisi preliminari, incluse statistiche descrittive (medie, deviazioni standard), test di affidabilità (alfa di Cronbach) e matrici di correlazione per esaminare le relazioni di base tra variabili. In secondo luogo, SmartPLS, un software di modellazione delle equazioni strutturali a minimi quadrati parziali (PLS-SEM), è stato utilizzato per testare il modello ipotetico. PLS-SEM è stato scelto per la sua capacità di gestire relazioni complesse tra variabili latenti e per la sua robustezza con dati normalmente distribuiti. L'analisi ha incluso la valutazione della validità del modello di misura (validità convergente e discriminante) e della significanza strutturale del modello (coefficienti di percorso, valori R² e rilevanza predittiva). È stato eseguito un bootstrapping per testare la significanza statistica dei percorsi.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

I risultati forniscono un solido supporto empirico alle ipotesi fondamentali dello studio, confermando un percorso sequenziale significativo in cui il benessere digitale e l'uso dell'IA generativa influenzano positivamente l'impegno nell'apprendimento dell'EFL, il che a sua volta favorisce il successo accademico e successivamente favorisce un maggiore coinvolgimento con gli Obiettivi di Sviluppo Sostenibile (SDGs). In particolare, sia il benessere digitale (β=0,32, p<0,001) sia l'uso del...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

Ricerche precedenti hanno esaminato in gran parte il benessere digitale, l'IA nell'istruzione e l'Educazione per lo Sviluppo Sostenibile (ESD) inisolamento. Esisteva un divario significativo nella comprensione di come le competenze digitali personali si intersechino con le tecnologie emergenti per guidare non solo risultati scolastici, ma anche la cittadinanza globale. Questo studio collega in modo unico questi ambiti. Dimostriamo che il benessere digitale (β = 0,...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Tutti gli autori dichiarano che non ci sono conflitti di interesse.

Ringraziamenti

Questa ricerca non ricevette finanziamenti.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
Scala di Successo AccademicoAdattato da Yu et al. (2010)N/AStrumento di rilevamento
Procedura di benda sugli occhi (per Q2)SmartPLSRoutine InternaProcedura Analitica
Procedura di BootstrappingSmartPLSRoutine InternaProcedura Analitica
Valutazione dell'affidabilità compositaSmartPLSRoutine InternaProcedura Analitica
Analisi della matrice di correlazioneIBM SPSS StatisticaRoutine InternaProcedura Analitica
Analisi dell'affidabilità alfa di CronbachIBM SPSS StatisticaRoutine InternaProcedura Analitica
Sistema di Archiviazione DatiIT istituzionaleServer sicuroAttrezzatura e Materiale
Analisi delle statistiche descrittiveIBM SPSS StatisticaRoutine InternaProcedura Analitica
Scala del Benessere DigitaleArslankara et al. (2022)N/AStrumento di rilevamento
Scala di Coinvolgimento nell'Apprendimento EFLEerdemutu et al. (2024)N/AStrumento di rilevamento
Valutazione del criterio Fornell-LarckerSmartPLSRoutine InternaProcedura Analitica
Scala d'Uso dell'IA GenerativaAdattato da Abbas et al. (2024)N/AStrumento di rilevamento
Valutazione del rapporto eterotratto-monotratto (HTMT)SmartPLSRoutine InternaProcedura Analitica
IBM SPSS StatisticaIBMVersione 27Software
Documentazione del Consenso InformatoTeam di ricercaModulo elettronicoAttrezzatura e Materiale
Questionario onlineTeam di ricercaAuto-AmministratoAttrezzatura e Materiale
Algoritmo PLSSmartPLSRoutine InternaProcedura Analitica
PLS-SEM SoftwareSmartPLSVersione 4.0Software
Scala di Consapevolezza sugli SDGAdattato da Atmaca et al. (2019)N/AStrumento di rilevamento
SmartPLSSmartPLS GmbHVersione 4.0Software

Riferimenti

  1. Nedungadi, P., Tang, K. Y., Raman, R. The transformative power of generative artificial intelligence for achieving the sustainable development goal of quality education. Sustainability. 16 (22), 9779(2024).
  2. Khoso, A. K., Honggang, W., Darazi, M. A. Empowering creativity and engagement: The impact of generative artificial intelligence usage on Chinese EFL students' language learning experience. Comp Human Behav Rep. 18, 100627(2025).
  3. Rane, N. Roles and challenges of ChatGPT and similar generative artificial intelligence for achieving the sustainable development goals (SDGs). SSRN. 4603244, (2023).
  4. Enhancing education and well-being through artificial intelligence: opportunities and challenges. Qasmi, F., Fatima, S. K. Int Conf Breaking Barriers Generative Intell, , 154-164 (2024).
  5. Ferk, S., Vesna, S., Sanja, J. The role of AI implementation in higher education in achieving the Sustainable Development Goals: A case study from Slovenia. Sustainability. 17 (1), 183(2025).
  6. Barbieri, W., Nguyen, N. N. Generative AI as a placement buddy: Supporting pre-service teachers in work-integrated learning, self-management and crisis resolution. Australasian J Edu Tech. 41 (2), 34-49 (2025).
  7. Alshammari, M. E. Promoting emotional and psychological well-being in students through a self-help ChatGPT intervention: Artificial intelligence powered support. Int J Instruct. 18 (3), 511-530 (2025).
  8. 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).
  9. Matthew, U. O., et al. Generative artificial intelligence (AI) on sustainable development goal 4 for tertiary education: conversational AI with user-centric ChatGPT-4. Impacts Generat AI Creativity Higher Edu. , 259-288 (2024).
  10. Pushpanadham, K., Sarpong, R. A. Research and Innovation in Higher Education: Promises of Generative Artificial Intelligence for Sustainable Development. Generat Artif Intell Higher Edu Handbook Edu Leaders. 32 (5-6), 154(2024).
  11. Nedungadi, P., Tang, K. Y., Raman, R. The transformative power of generative artificial intelligence for achieving the sustainable development goal of quality education. Sustainability. 16 (22), 9779(2024).
  12. Abdelmagid, A. S., Jabli, N. M., Al-Mohaya, A. Y., Teleb, A. A. Integrating Interactive Metaverse Environments and Generative Artificial Intelligence to Promote the Green Digital Economy and e-Entrepreneurship in Higher Education. Sustainability. 17 (12), 5594(2025).
  13. Raman, R., Iyer, A., Nedungadi, P. Forecasting Artificial General Intelligence for Sustainable Development Goals: A Data-Driven Analysis of Research Trends. Sustainability. 17 (16), 7347(2025).
  14. Farmanesh, P., Vehbi, A., Dehkordi, N. S. AI Literacy in Achieving Sustainable Development Goals: The Interplay of Student Engagement and Anxiety Reduction in Northern Cyprus Universities. Sustainability. 17 (11), 4763(2025).
  15. Niewiadomski, M., et al. The interrelation between digital competencies and Work-Life balance among academic Staff Realization of SDG goals in the science sector. Qual Quant. , 1-26 (2025).
  16. Jiménez-García, E., Ruiz-Lázaro, J., Martínez-Requejo, S., Redondo-Duarte, S. Artificial Intelligence and chatbots for sustainable higher education: a systematic review. RIED-Rev Iberoamer Educ Dist. 28 (2), 81-104 (2025).
  17. Sharma, C., Sharma, S., Bhardwaj, V., Dhaliwal, B. K. Generative artificial intelligence for sustainable development: predictive trend analysis in key sectors using natural language processing. Disc Appl Sci. 7 (6), 596(2025).
  18. Navigating the Bio-Digital Revolution: AI's Role in Achieving Sustainable Development Goals. Aravinda, K., Rangaraju, T., Singla, A., Parmar, A., Ziara, S. 2025 Int Conf Next Generat Comm Info Proc, , 262-267 (2025).
  19. 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. 13, 69(2025).
  20. Simanjuntak, A., Sutarman, A., Anjani, S. A., Nuche, A. Integrating artificial intelligence in e-learning for organizational well-being through orange technology mapping. IAIC Transact Sustain Digital Innovat. 7 (1), 13-26 (2025).
  21. Al-Emran, M., et al. Role of perceived threats and knowledge management in shaping generative AI use in education and its impact on social sustainability. Int J Manag Edu. 23 (1), 101105(2025).
  22. Bollaert, L. Artificial Intelligence: Objective or Tool in the 21st-Century Higher Education Strategy and Leadership. Edu Sci. 15 (6), 774(2025).
  23. Shahzad, M. F., Shuo, X., Liu, H., Zahid, H. Generative artificial intelligence (ChatGPT-4) and social media impact on academic performance and psychological well-being in China's higher education. Eur J Edu. 60 (1), e12835(2025).
  24. Jukiewicz, M. How generative artificial intelligence transforms teaching and influences student wellbeing in future education. Front Edu. 10, 159457(2025).
  25. Shi, J., Liu, W., Hu, K. Exploring How AI Literacy and Self-Regulated Learning Relate to Student Writing Performance and Well-Being in Generative AI-Supported Higher Education. Behav Sci. 15 (5), 705(2025).
  26. Hall, K. Shaping Digital Well-being: Developing a Well-being Lens on the Socio-technical Systems Perspective in Information Systems Research. [PhD dissertation]. , (2025).
  27. 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 Edu. 59 (4), e12770(2024).
  28. Shahzad, M. F., Xu, S., Liu, H., Zahid, H. Generative artificial intelligence (ChatGPT-4) and social media impact on academic performance and psychological well-being in China's higher education. Eur J Edu. 60 (1), e12835(2025).
  29. Kamau, J. N. Generative Artificial Intelligence and Mental Well-Being of University Students. A Structural Equation Modeling (SEM) Based-Analysis. African J Busi Dev Studies. 1 (2), 344-358 (2025).
  30. Monzon, N., Hays, F. A. Leveraging generative artificial intelligence to improve motivation and retrieval in higher education learners. JMIR Med Edu. 11 (1), e59210(2025).
  31. Reyes-Portillo, J. A., et al. Generative AI-Powered Mental Wellness Chatbot for College Student Mental Wellness: Open Trial. JMIR Format Res. 9 (1), e71923(2025).
  32. Kazanidis, I., Pellas, N. Harnessing generative artificial intelligence for digital literacy innovation: A comparative study between early childhood education and computer science undergraduates. AI. 5 (3), 1427-1445 (2024).
  33. Vanden Abeele, M. M. Digital wellbeing as a dynamic construct. Comm Theor. 31 (4), 932-955 (2021).
  34. Ryan, R. M., Edward, L. D. Intrinsic and extrinsic motivation from a self-determination theory perspective: Definitions, theory, practices, and future directions. Contemp Edu Psychol. 61, 101860(2020).
  35. Kee, T., Kuys, B., King, R. Generative artificial intelligence to enhance architecture education to develop digital literacy and holistic competency. J Artif Intell Archit. 3 (1), 24-41 (2024).
  36. Klarin, J., Hoff, E. V., Larsson, A., Daukantaitė, D. Adolescents' use and perceived usefulness of generative AI for schoolwork: exploring their relationships with executive functioning and academic achievement. Front Artif Intell. 7, 1415782(2024).
  37. Setsoafia, P., Appiah-Kubi, J., Koduah, C. A., Essel, H. B., Madakena, A. K. T. Are They AI-Literate? Exploring The Impact Of Generative AI Literacy On Academic Performance Among Ghanaian University Students. , (2025).
  38. Oubibi, M. Generative artificial intelligence: Postgraduate student's digital adaptability, engagement and academic confidence. J Comp Edu. , 1-23 (2025).
  39. Pavone, G. Generative AI in the Learning Process: Threat or Tool? Understanding the Role of Self-Esteem and Academic Anxiety in Shaping Student Motivations. J Marketing Edu. 02734753251346857, (2025).
  40. Doshi, R., Dadhich, M., Poddar, S., Hiran, K. K. Integrating generative AI in education to achieve sustainable development goals. IGI global. , (2024).
  41. Arslankara, V. B., Demir, A., Öztaş, Ö, Usta, E. Digital well-being scale validity and reliability study. J Teacher Edu Lifelong Learning. 4 (2), 263-274 (2022).
  42. Yu, A. Y., Tian, S. W., Vogel, D., Kwok, R. C. W. Can learning be virtually boosted? An investigation of online social networking impacts. Comp Edu. 55 (4), 1494-1503 (2010).
  43. 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 Edu Technol Higher Edu. 21 (1), 10(2024).
  44. Mehrvarz, M., Heidari, E., Farrokhnia, M., Noroozi, O. The mediating role of digital informal learning in the relationship between students' digital competence and their academic performance. Comp Edu. 167, 104184(2021).
  45. Atmaca, A. C., Kıray, S. A., Pehlivan, M. Development of a measurement tool for sustainable development awareness. Int J Assess Tools Edu. 6 (1), 80-91 (2019).
  46. 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).
  47. Ajlouni, A. O., Abu-Shawish, R. K., Silim, D. M., Ibrahim, A. H. The Academic Intensity Use of Chatbot-Based Artificial Intelligence and Its Relation to Academic Well-Being: A Correlational Study at the University of Jordan. IntJ Eng Pedag. 14 (8), (2024).
  48. Reeve, J., Cheon, S. H. Autonomy-supportive teaching: Its malleability, benefits, and potential to improve educational practice. Edu Psychol. 56 (1), 54-77 (2021).
  49. Nedungadi, P., Tang, K. Y., Raman, R. The transformative power of generative artificial intelligence for achieving the sustainable development goal of quality education. Sustainability. 16 (22), 9779(2024).
  50. 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. 13, 69(2026).
  51. Ringo, D. S. The effect of generative AI use on doctoral students' academic research progress: the moderating role of hedonic gratification. Cogent Education. 12 (1), 2475268(2025).
  52. Duong, C. D., Vu, T. N., Ngo, T. V. N., Do, N. D., Tran, N. M. Reduced student life satisfaction and academic performance: Unraveling the dark side of ChatGPT in the higher education context. Int J Human Comp Interact. 41 (8), 4948-4963 (2025).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Tag

Studenti EFLImpegno nell apprendimentoAlfabetizzazione all IAApprendimento potenziato dalla tecnologiaRendimento accademicoConsapevolezza degli SDG

Questo articolo è stato pubblicato

Video in arrivo

Contattaci
Consiglia alla biblioteca

Privacy

Termini di utilizzo

Politiche

Copyright © 2026 MyJoVE Corporation. Tutti i diritti riservati.