Dall'alfabetizzazione digitale alla creatività degli studenti: il percorso motivazionale nell'apprendimento linguistico supportato dall'IA

Sommario

Questo studio rileva che l'insegnamento centrato sullo studente, l'uso strategico di ChatGPT e l'alfabetizzazione digitale sono positivamente associati alla motivazione degli studenti di inglese inglese cinese. Questa motivazione più elevata, a sua volta, è associata a una minore ansia e a una maggiore creatività, suggerendo un ruolo mediativo. I risultati supportano la formazione degli insegnanti che integra pedagogia, strumenti di IA e competenze digitali.

Abstract

Questo studio esamina come lo stile di insegnamento, l'uso di ChatGPT e l'alfabetizzazione digitale influenzino complessivamente motivazione, ansia e creatività tra gli studenti di inglese inglese cinese, analizzando al contempo il ruolo mediatore della motivazione in queste relazioni. Adottando un approccio quantitativo, i dati sono stati raccolti da n =290 studenti universitari utilizzando scale validate e analizzati tramite modellazione delle equazioni strutturali. I risultati indicano che l'insegnamento con il cantering degli studenti, l'integrazione strategica di ChatGPT e l'alfabetizzazione digitale sono positivamente associati a una motivazione più elevata. Una motivazione più alta, a sua volta, è associata a una minore ansia, mentre una minore ansia è associata a una maggiore creatività. Inoltre, la motivazione media pienamente le associazioni tra i tre antecedenti (stile di insegnamento, uso di ChatGPT, alfabetizzazione digitale) e ansia, evidenziando il suo ruolo centrale negli esiti emotivi all'interno del modello testato. Lo studio contribuisce alla teoria dell'autodeterminazione dimostrando come i fattori pedagogici e tecnologici supportino sinergicamente i bisogni psicologici degli studenti, estendendo al contempo la teoria cognitivo-affettiva dell'apprendimento con i media chiarendo la funzione mediativa della motivazione. Le implicazioni pratiche evidenziano la necessità di programmi di formazione degli insegnanti che combinino pedagogia innovativa, utilizzo degli strumenti di IA e sviluppo dell'alfabetizzazione digitale per ottimizzare le esperienze di apprendimento linguistico. La ricerca sottolinea l'importanza di approcci basati sulla motivazione nell'educazione EFL potenziata dalla tecnologia, in particolare in ambienti di apprendimento ad alto rischio.

Introduzione

L'intelligenza artificiale (IA) ha fatto avanzare la tecnologia educativa creando nuove opportunità di interazione, personalizzazione e creatività nell'apprendimento delle^{lingue 1}. ChatGPT, uno strumento conversazionale basato su IA, fornisce feedback interattivo e adattivo che supporta lo sviluppo^{linguistico 2}. Parallelamente, l'alfabetizzazione digitale è emersa come una competenza essenziale per orientarsi e utilizzare efficacemente la tecnologia negli ambienti di^{apprendimento 3}. Nonostante il crescente interesse per l'apprendimento delle lingue supportato dall'IA e l'uso sempre più frequente di ChatGPT nei contesti^{EFL 4}, rimangono diverse lacune importanti. Innanzitutto, gli studi esistenti hanno esaminato in gran parte lo stile di insegnamento, l'uso degli strumenti di IA e l'alfabetizzazione digitale in isolamento; Ricerche limitate hanno integrato tutti e tre all'interno di un unico quadro^{motivazionale 5}. In secondo luogo, sebbene la motivazione sia ampiamente riconosciuta come un motore chiave dell'apprendimento delle lingue, pochi studi hanno indagato il suo ruolo mediatore nel collegare fattori pedagogici e tecnologici agli esiti emotivi (ad esempio, ansia nell'apprendimento della lingua) e ai risultati cognitivi (ad esempio, creatività⁾⁶. Questa lacuna è particolarmente evidente nei contesti cinesi dell'EFL, dove l'integrazione tecnologica è ancora in evoluzione. Inoltre, sebbene l'ansia sia ben documentata come un inibitore nell'apprendimento^{EFL 7}, raramente viene studiata insieme a variabili motivazionali e tecnologiche. Allo stesso modo, la creatività, una competenza sempre più apprezzata nell'apprendimento linguistico, non è stata fortemente associata agli ambienti di apprendimento assistito dall'IA^. A differenza delle ricerche precedenti che si concentrano solo sulla pedagogia o sulla tecnologia, il presente studio collega entrambi i domini per esaminare come lo stile di insegnamento, l'uso di ChatGPT e l'alfabetizzazione digitale si relazionano congiuntamente alla motivazione, e quindi all'ansia e alla creatività.

Questo studio si basa su tre quadri teorici, ciascuno corrispondente a costrutti misurati specifici nel nostro modello di equazioni strutturali. Innanzitutto, la teoria dell'autodeterminazione (SDT)⁹ sostiene che l'insegnamento a supporto dell'autonomia soddisfi i bisogni psicologici fondamentali degli studenti (autonomia, competenza, relazionamento), aumentando così la motivazione intrinseca. Nel nostro modello, questo è operazionalizzato attraverso il concetto di uno stile di insegnamento centrato sullo studente, che si ipotizza sia positivamente associato alla motivazione. In secondo luogo, il modello di accettazione tecnologica (TAM⁾¹⁰ suggerisce che l'utilità percepita e la facilità d'uso influenzano l'adozione della tecnologia. Qui, l'alfabetizzazione digitale viene concettualizzata come un precursore che permette agli studenti di percepire ChatGPT come utile e facile da usare, rafforzandone così l'associazione positiva con la motivazione. In terzo luogo, la teoria cognitivo-affettiva dell'apprendimento con i media (CATLM⁾¹¹ sottolinea che i fattori affettivi (ad esempio, l'ansia) mediano la relazione tra le caratteristiche dei media e gli esiti cognitivi (ad esempio, la creatività). Nel nostro modello, questo viene testato tramite il percorso: motivazione → ansia → creatività. È importante sottolineare che, sebbene la teoria costruttivista dell'apprendimento informi la progettazione di una pedagogia centrata sullo studente, essa non viene operazionalizzata come un concetto misurato distinto nel nostro modello; Di conseguenza, ne discutiamo solo come contesto e non come un quadro di riferimento direttamente testato.

Le applicazioni precedenti della SDT nei contesti EFL si sono concentrate principalmente sul supporto all'autonomia guidato dall'insegnante, senza esaminare come strumenti di IA come ChatGPT possano soddisfare in modo indipendente i bisogni di competenza e autonomia degli^{studenti 12}. Allo stesso modo, TAM ha spiegato l'adozione della tecnologia ma non ha considerato esiti motivazionali ed emotivi come ansia e^{creatività 13}. CATLM ha messo in evidenza l'elaborazione emotiva e cognitiva ma manca di test empirici in contesti EFL supportati^{dall'IA 14}. Il presente studio affronta queste lacune integrando i tre quadri in un modello unificato e empiricamente testabile, in cui lo stile di insegnamento, l'uso di ChatGPT e l'alfabetizzazione digitale sono associati alla motivazione, che a sua volta è associata a una minore ansia e a una maggiore creatività (tramite il collegamento ansia–creatività).

ChatGPT è un modello di linguaggio generativo capace di dialoghi simili a quelli umani, feedback immediato e risposte adattive, rendendolo uno strumento potenzialmente potente per l'istruzione^{EFL 15}. Studi recenti indicano che ChatGPT aiuta l'acquisizione del vocabolario, l'accuratezza grammaticale e la fluidità conversazionale attraverso interazioni^{simulate 16}. Tuttavia, rimangono lacune critiche riguardo agli effetti psicologici sugli apprendenti. Da un lato, la natura a basso rischio e accessibilità di ChatGPT può ridurre l'ansia nell'apprendimento delle^{lingue 17}. D'altra parte, la sua imprevedibilità (ad esempio, occasionali inesattezze o risposte incoerenti) potrebbe aumentare lo stress per gli studenti meno sicuri^{di sé di 18} anni. Inoltre, l'efficacia di ChatGPT dipende probabilmente dall'alfabetizzazione digitale degli studenti non solo dalle competenze tecniche ma anche dalla valutazione critica e dalla consapevolezza^{etica 19}. Questo ruolo di moderatore richiede ulteriori esame in contesti di EFL dove la prontezza tecnologica degli studenti^{varia di 20} anni.

La metodologia dell'insegnamento è stata riconosciuta come un aspetto importante che definisce l'attività e la performance degli studenti nell'apprendimento di una lingua²¹. Basandosi sulle questioni costruttiviste e socioculturali, la tendenza moderna nella ricerca pedagogica ha evidenziato l'efficacia di pratiche didattiche centrate sullo studente, come l'insegnamento comunicativo delle lingue e l'apprendimento basato sui^{compiti 22}, secondo alcune pratiche, gli studenti in pratiche centrate sullo studente ottengono voti più alti e risultati migliori rispetto a quelli che utilizzano stili dominati^{dall'insegnante 23}. Tali paradigmi centrati sull'apprendente ora risuonano con la teoria dell'autodeterminazione, secondo cui l'insegnamento supporta l'autonomia, instillando motivazione intrinseca soddisfacendo i bisogni psicologici degli apprendenti, la competenza del bisogno, l'autonomia del bisogno e la correlazione dei^{bisogni 24}. Ciò è ulteriormente supportato dai risultati della ricerca empirica che mostrano che schemi di insegnamento flessibili e interattivi migliorano il coinvolgimento degli studenti che apprendono la lingua e alleviano le conseguenze negative^{dell'ansia 25}. Ma la rapida implementazione di IA come ChatGPT aggiunge complessità a questo^{processo 26}. Sebbene alcuni ricercatori affermino che la tecnologia AI possa approfondire i vantaggi positivi della pedagogia centrata sullo studente introducendo percorsi di apprendimento^{individualizzati 27}.

La motivazione occupa la posizione centrale tra la mediazione delle connessioni tra variabili pedagogiche, tecnologiche e affettive nell'apprendimento delle^{lingue 28}. La differenza tra motivazione autonoma e quella controllata descritta dalla SDT offre una prospettiva solida sull'esame del coinvolgimento degli studenti attraverso l'uso di ChatGPT e gli stili di insegnamento²⁹. Nelle prime evidenze, i ricercatori hanno indicato che gli strumenti di IA sono legati alla vita della motivazione autonoma supportando un apprendimento auto-ritmato e basato sugli^{interessi 30}, anche se tale effetto dipendeva dalla capacità degli insegnanti di combinare la tecnologia per non togliere l'autonomia agli^{studenti 31}. A sua volta, l'ansia, che può sembrare un ostacolo onnipresente nell'ambito EFL, è in molti casi causata dalla paura della valutazione negativa o dall'ansia da comunicazione. Sebbene l'integrazione dell'IA nella pratica dell'apprendimento sia stata dimostrata efficace per attenuare tale^{ansia 32}, sono state condotte poche ricerche per capire come funzioni il processo, specialmente attraverso l'aspetto della mediazione tramite^{motivazione 33}. Figura 1 : le principali variabili dello studio. Illustra le relazioni proposte tra lo stile didattico di un insegnante, l'uso di ChatGPT da parte degli studenti e gli impatti conseguenti sulla motivazione, l'ansia, la creatività e l'alfabetizzazione digitale degli studenti in un contesto EFL.

Figura 1. Modello di ricerca. Rappresentazione schematica delle relazioni proposte tra stile di insegnamento, uso di ChatGPT, alfabetizzazione digitale degli studenti EFL, motivazione degli studenti EFL, ansia degli studenti EFL e creatività degli studenti EFL. Clicca qui per visualizzare una versione più grande di questa figura.

Sulla base del quadro teorico, vengono proposte le seguenti ipotesi (H1-H8):
H1: Lo stile di insegnamento è positivamente associato alla motivazione degli studenti.
H2: L'uso di ChatGPT è positivamente associato alla motivazione degli studenti.
H3: L'alfabetizzazione digitale è positivamente associata alla motivazione degli studenti.
H4: La motivazione è negativamente associata all'ansia.
H5: L'ansia è negativamente associata alla creatività.
H6: La motivazione è associata alla relazione tra stile di insegnamento e ansia.
H7: La motivazione è associata alla relazione tra l'uso di ChatGPT e l'ansia.
H8: La motivazione è associata al rapporto tra alfabetizzazione digitale e ansia.

Protocollo

Dichiarazione etica
Questo studio è stato condotto in conformità agli standard etici dell'Institutional Review Board (IRB) dell'Università di Chengdu, Cina (Approvazione n.: 202509). Tutti i partecipanti hanno fornito un consenso informato scritto prima della partecipazione. Lo studio ha rispettato le linee guida istituzionali per la ricerca che coinvolge soggetti umani, garantendo partecipazione volontaria, riservatezza e il diritto di ritirarsi in qualsiasi momento senza penalità.

Per mantenere la riservatezza, tutti i dati raccolti venivano anonimizzati tramite identificatori codificati e le informazioni personali venivano memorizzate separatamente dai dati di ricerca in file protetti da password, accessibili solo ai ricercatori principali. Il disegno del questionario ha incorporato misure per minimizzare il disagio psicologico, in particolare per le domande sull'ansia, e ai partecipanti sono state fornite le informazioni di contatto dei servizi di consulenza universitaria nel caso in cui si verificasse disagio dalla partecipazione al sondaggio. Per affrontare potenziali squilibri di potere nel rapporto insegnante-studente, il reclutamento e la raccolta dati sono stati condotti da assistenti di ricerca formati anziché da docenti di corso, e ai partecipanti è stato assicurato che le loro risposte non avrebbero influito sul loro rendimento accademico o sul rapporto con il corpo docente.

Questo studio ha utilizzato un progetto quantitativo e trasversale che coinvolgeva 290 studenti cinesi di inglese inglese provenienti da un'università pubblica. I partecipanti provenienti da anni accademici e discipline diversi sono stati reclutati tramite campionamento di convenienza con rappresentanza proporzionale e hanno compilato questionari cartacei in contesti di classe controllati durante le sessioni regolari, richiedendo circa 25 minuti. La batteria di questionari includeva scale validate che misuravano lo stile di insegnamento, l'alfabetizzazione digitale, l'uso di ChatGPT, la motivazione, l'ansia e la creatività. Per minimizzare i bias, assistenti di ricerca formati hanno somministrato i questionari utilizzando contromisure procedurali come la separazione psicologica degli elementi. Dopo la raccolta dei dati, le risposte sono state analizzate utilizzando software statistico e software di Partial Least Square Structural Equation Modeling (PLS-SEM), inclusi lo screening dei dati, la valutazione del modello di misura, il test del modello strutturale e l'analisi di mediazione utilizzando una procedura bootstrapping con 5.000 ricampioni.

Progettazione della Ricerca
Questo studio ha utilizzato un disegno di ricerca quantitativo e trasversale per esaminare le relazioni tra stile di insegnamento, uso di ChatGPT, alfabetizzazione digitale, motivazione, ansia e creatività tra gli studenti di EFL. Un approccio trasversale è stato ritenuto appropriato per catturare un'istantanea di queste variabili in un momento specifico, permettendo l'analisi delle loro interrelazioni senza le esigenze temporali della ricerca longitudinale. Il design ha facilitato il test di un modello di mediazione ipotizzato in cui la motivazione funge da meccanismo che collega lo stile di insegnamento, l'uso di ChatGPT e l'alfabetizzazione digitale alla riduzione dell'ansia e alla creatività potenziata.

Dati e campione
Il quadro di campionamento comprendeva tutti gli studenti universitari iscritti ai corsi di Inglese come Lingua Straniera (EFL) presso un'università pubblica in Cina durante l'anno accademico 2024–2025. I criteri di idoneità richiedevano che i partecipanti fossero (a) madrelingua cinese, (b) attualmente iscritti ad almeno un corso obbligatorio di EFL, e (c) non avessero una formazione formale precedente sugli strumenti di apprendimento linguistico basati sull'IA oltre ai corsi generali. È stato utilizzato un approccio stratificato di campionamento di convenienza, con allocazione proporzionale tra gli anni accademici (matricola, seconda, terza e quarta) e aree disciplinari (discipline umanistiche, scienze sociali, scienze naturali, ingegneria). Le dimensioni target degli strati sono state fissate al 25% per anno accademico e al 25% per area disciplinare, in base alla distribuzione complessiva degli studenti dell'università. Il campione finale comprendeva 290 studenti universitari di EFL. Dei 328 studenti contattati durante le sessioni regolari, 11 hanno rifiutato di partecipare (tasso di non partecipazione = 3,4%) e 27 hanno fornito questionari incompleti (tasso di risposta incompleta = 8,2%), ottenendo un tasso di risposta utilizzabile finale dell'88,4% (290/328). Il calcolo a priori della dimensione del campione è stato eseguito utilizzando G*Power 3.1 con la famiglia di test F, regressione multipla lineare: modello fisso, deviazione R² da zero come test. I parametri di input erano: dimensione dell'effetto f² = 0,15 (dimensione d'effetto media convenzionale per la ricerca comportamentale), α err probabilità = 0,05, potenza (1-β err probabilità) = 0,95 e numero di predittori = 3 (stile di insegnamento, uso di ChatGPT, alfabetizzazione digitale) per il risultato della motivazione. Il calcolo ha prodotto una dimensione minima del campione richiesta di 119 per rilevare un significativo^R2. Per tenere conto ulteriormente dell'intero modello SEM (inclusi i percorsi indiretti e le variabili endogene aggiuntive), abbiamo applicato la regola più conservativa di 10 casi per parametro stimato. Con 29 parametri stimati nel nostro modello, la dimensione del campione richiesta era di 290, che corrisponde esattamente al campione finale. Pertanto, il campione ottenuto è completamente alimentato sia per analisi basate su regressione che per analisi SEM.

Partecipanti e procedura
I partecipanti sono stati reclutati tramite campionamento stratificato di convenienza per garantire proporzionalità tra gli anni accademici (primo a quarto) e i background disciplinari (discipline umanistiche, scientifiche e ingegneria). Le dimensioni degli strati nel campione finale erano: matricole (n = 72, 24,8%), sophomore (n = 74, 25,5%), junior (n = 71, 24,5%), senior (n = 73, 25,2%); e discipline umanistiche (n = 76, 26,2%), scienze sociali (n = 68, 23,4%), scienze naturali (n = 72, 24,8%), ingegneria (n = 74, 25,5%). Il campione era composto per il 62% da studenti femmine e per il 38% da studenti maschi, con un'età media di 20,3 anni (DE = 1,7). La raccolta dei dati avveniva durante le normali sessioni di EFL. Assistenti di ricerca formati somministravano questionari cartacei in contesti di classe controllati per garantire la standardizzazione. Prima dell'amministrazione del sondaggio, tutti gli studenti idonei presenti in classe sono stati informati dello scopo dello studio, della natura volontaria e delle misure di riservatezza (risposte anonime, archiviazione sicura dei dati). Gli studenti che non soddisfavano i criteri di idoneità (n = 6, nessuna iscrizione all'EFL) o che avevano rifiutato la partecipazione (n = 11) erano esclusi; Le ragioni del declino includevano vincoli di tempo (n = 7) e disagio per l'uso auto-dichiarato della tecnologia (n = 4). La batteria di questionari ha impiegato circa 25 minuti per essere completata e ha incluso scale validate per tutti i costrutti. Per mitigare il bias comune nei metodi, sono state applicate contromisure procedurali (ad esempio, separazione psicologica degli elementi della scala, anonimato delle risposte). Inoltre, il bias del metodo comune è stato valutato utilizzando il test a fattore singolo di Harman, e il primo fattore ha rappresentato meno del 50% della varianza totale, indicando che il bias del metodo comune non era una preoccupazione principale in questo studio.

Misure di studio
Tutte le scale sono state adattate al contesto cinese dell'EFL attraverso una rigorosa procedura di traduzione e adattamento. Due ricercatori bilingui hanno tradotto indipendentemente gli elementi originali in inglese in cinese, e un terzo ricercatore ha riconciliato le discrepanze per produrre una versione preliminare. Questa versione è stata tradotta in inglese da due diversi traduttori, e eventuali incongruenze sono state risolte attraverso discussioni con il team di ricerca. Le versioni cinesi sono state poi testate in fase pilota con 30 studenti di inglese inglese (non parte del campione principale) per verificare chiarezza e comprensione, con conseguenti lievi aggiustamenti di formulazione. Per ciascuna scala, le risposte sono state raccolte su una scala di Likert a 5 punti che variava da 1 (fortemente dissentito) a 5 (fortemente d'accordo). Per ogni costrutto sono stati utilizzati punteggi sommati o mediati, con punteggi più alti che indicano livelli più alti della rispettiva variabile. Tutte le scale adattate sono state utilizzate con il permesso degli autori originali o con termini di licenza aperta dove applicabile. Nessun elemento fu rimosso dalle scale originali tranne dove indicato di seguito; La ritenzione degli elementi si basava su carichi fattoriali > 0,40 e sulla rilevanza teorica. Per quanto riguarda l'uso di ChatGPT, lo studio ha valutato l'interazione auto-riportata dagli studenti con la versione gratuita di ChatGPT (GPT-3.5/4 disponibile tramite web o app mobile durante l'anno accademico 2024–2025). Tutti i partecipanti avevano pari accesso allo strumento poiché l'università non limitava ChatGPT; tuttavia, l'uso effettivo variava da persona a persona. La scala misurava la frequenza di utilizzo di ChatGPT (da "mai" a "quotidiano"), i tipi di compiti di apprendimento linguistico per cui veniva impiegato (ad esempio, costruzione del vocabolario, correzione grammaticale, stesura di saggi, pratica della conversazione e correzione degli errori) e la qualità percepita dell'interazione (ad esempio, utilità, chiarezza del feedback). La scala non distingueva tra versioni specifiche di ChatGPT, poiché gli aggiornamenti di versione avvenivano durante il periodo di raccolta dati; invece, i partecipanti hanno riportato la versione che hanno utilizzato principalmente, con oltre il 90% che ha riportato GPT-3.5 o GPT-4. Di seguito sono forniti esempi dettagliati di item e note di adattamento per ogni costrutto.

Questo studio ha utilizzato scale rigorosamente validate, adattate con attenzione al contesto educativo EFL, per valutare le variabili chiave: approcci didattici, competenza digitale, integrazione con ChatGPT, ansia nell'apprendimento delle lingue, motivazione degli studenti e pensiero creativo. Gli strumenti di misurazione sono stati scelti per la loro affidabilità dimostrata e la capacità di valutare in modo completo ogni costrutto. Per esaminare i metodi didattici, la ricerca ha utilizzato una versione modificata del Teaching Style Inventory³⁴ di Grasha, che valuta cinque approcci pedagogici distinti: autorevole, esperto, insegnante modello personale, facilitatore e delegativo. Per valutare l'alfabetizzazione digitale, lo studio ha incorporato una versione modificata della scala sviluppata da Rodríguez-de-Dueños et ^al.35, composta da 29 item in sei domini chiave: (1) alfabetizzazione tecnica, (2) alfabetizzazione per la protezione dei dati personali, (3) alfabetizzazione nella valutazione critica, (4) alfabetizzazione nella sicurezza dei dispositivi, (5) alfabetizzazione nell'elaborazione dell'informazione e (6) alfabetizzazione nella comunicazione digitale. Questo quadro multidimensionale ha fornito una valutazione approfondita delle capacità digitali degli studenti necessarie per l'educazione contemporanea. L'uso di ChatGPT è stato valutato utilizzando una scala di 8 item adattata da Abbas et ^al.36, concentrandosi sull'interazione degli studenti con lo strumento di IA per compiti di apprendimento linguistico. Questa scala cattura l'uso percepito e auto-riportato di ChatGPT dagli studenti nei compiti di apprendimento linguistico, piuttosto che la frequenza di utilizzo oggettiva. L'ansia in classe in lingua straniera (FLCA) è stata misurata utilizzando una scala adattata basata su Briesmaster e^{Briesmaster 37}. Questo strumento ha esaminato l'ansia in tre dimensioni critiche: apprehensione della comunicazione, ansia da test e paura della valutazione negativa, con rispettivamente 10, 10 e 7 item. La motivazione degli studenti è stata valutata utilizzando una scala adattata da Kanoksilapatham et ^al.38, misurando tre dimensioni chiave: Promozione e Prevenzione dell'Strumentalità, Etnocentrismo e Integrazione, e Atteggiamento verso l'Apprendimento dell'Inglese. La bilancia includeva un totale di 20 elementi. La creatività degli studenti di EFL è stata misurata utilizzando una scala adattata da Govindasamy et ^al.39, che valutava quattro dimensioni: Originalità, Flessibilità, Fluidità ed Elaborazione. Ogni dimensione è stata misurata utilizzando tre elementi.

Metodi di Analisi dei Dati
I dati raccolti sono stati analizzati utilizzando un approccio analitico a due fasi che combina SPSS (Versione 27) e Partial Least Square Structural Equation Modeling (PLS-SEM) tramite software SmartPL. Lo screening iniziale dei dati e le analisi preliminari sono state condotte utilizzando SPSS per esaminare la qualità dei dati, inclusi controlli di valori mancanti, valori anomali e assunzioni di normalità. Meno del 2% dei punti dati mancava completamente a caso (MCAR), come confermato dal test MCAR di Little (χ² = 18,24, p = 0,212), e venivano gestiti utilizzando l'algoritmo di massimizzazione delle aspettative per preservare la potenza statistica. Il dataset ha dimostrato una normalità univariata accettabile (asimetria < |2|, curtosi < |7|) e normalità multivariata (coefficiente di Mardia = 18,37, p < 0,001), giustificando l'uso sia dei test parametrici che del PLS-SEM, che è robusto alla non normalità. Sebbene la normalità univariata fosse accettabile, il coefficiente di Mardia indicava una violazione della normalità multivariata (p < 0,001). Tuttavia, questo non rappresenta un problema poiché PLS-SEM è robusto a distribuzioni di dati non normali.

L'analisi dell'affidabilità ha rivelato una forte coerenza interna per tutte le scale (α > di Cronbach 0,82, affidabilità composita > 0,85), mentre l'analisi fattoriale esplorativa ha confermato le strutture fattoriali previste con tutti gli elementi che si caricano pulitamente sulle rispettive strutture (carichi > 0,65, carichi incrociati < 0,40).

Per il test delle ipotesi, PLS-SEM è stato scelto rispetto al SEM basato sulla covarianza grazie alla sua migliore gestione di modelli complessi con campioni di dimensioni piccole o medie e alla sua capacità di massimizzare la varianza spiegata nei costrutti endogeni. L'analisi ha seguito la procedura in due fasi, prima valutando il modello di misura e poi il modello strutturale. Il modello di misurazione riflessiva ha dimostrato una validità convergente adeguata (varianza media estratta > 0,50 per tutti i costrutti) e validità discriminante confermata sia dal criterio di Fornell-Larcker sia dal rapporto eterotratto-monotratto (HTMT < 0,85). Nel modello strutturale, i coefficienti di percorso sono stati stimati utilizzando una procedura di bootstrapping con 5.000 ricampionamenti per generare stime stabili e intervalli di confidenza. Il potere predittivo del modello è stato valutato tramite valori R² per variabili endogene (motivazione = 0,53, ansia = 0,41, creatività = 0,38) e rilevanza predittiva (Q² > 0), con dimensioni dell'effetto (f²) calcolate per determinare l'impatto sostanziale. Le analisi di mediazione hanno utilizzato il metodo bootstrap corretto al bias per testare gli effetti indiretti, con una mediazione significativa stabilita quando intervalli di confidenza al 95% escludevano zero.

Tutti i costrutti sono stati modellati come riflettenti (modalità A) basandosi su considerazioni teoriche, poiché ogni variabile latente era presumibile a causare i suoi indicatori osservati. Nessun elemento è stato eliminato da nessuna scala, poiché tutti gli elementi hanno mostrato carichi esterni sopra la soglia di 0,50 (che varia da 0,62 a 0,89) e tutti i valori medi estratti dalla varianza estratta (AVE) hanno superato 0,50, confermando la validità convergente. Per i test di mediazione, il modello strutturale includeva percorsi diretti dai tre antecedenti (stile di insegnamento, uso di ChatGPT, alfabetizzazione digitale) alla motivazione, dalla motivazione all'ansia e dall'ansia alla creatività. Sono stati inoltre stimati percorsi diretti dagli antecedenti all'ansia e dagli antecedenti alla creatività per testare la mediazione parziale rispetto a quella completa. La mediazione completa è stata determinata sulla base dei criteri secondo cui (a) gli effetti indiretti (antecedenti → motivazione → ansia) erano significativi (intervallo di confidenza bootstrap corretto al 95% escluso zero), e (b) gli effetti diretti degli antecedenti all'ansia diventavano non significativi dopo aver incluso il mediatore, mentre gli effetti diretti degli antecedenti alla creatività non erano mai significativi. Tutte le analisi hanno utilizzato l'algoritmo PLS-SEM in SmartPLS 4 con schema di pesatura del percorso, iterazioni massime impostate a 300 e criterio di stop 1.0e-7. L'bootstrapping è stato eseguito con 5.000 sottocampioni, intervalli di confidenza corretti al bias e accelerati (BCa) al 95% e senza opzione di cambio segno. L'adattamento del modello è stato valutato utilizzando il residuo quadratico medio della radice standardizzato (SRMR = 0,061), che si colloca sotto la soglia raccomandata di 0,08.

Risultati

Statistica descrittiva e analisi di correlazione
Le statistiche descrittive per tutte le variabili dello studio hanno rivelato dati normalmente distribuiti con intervalli accettabili di variabilità, come dimostrato dai valori di asimismo e curtosi entro le soglie raccomandate di ± 2.

La Tabella 1 rivela caratteristiche importanti delle variabili dello studio nel nostro campione di 290 studenti di EFL. Lo stile di insegnamen...

Discussione

L'attuale studio offre preziose informazioni sulle associazioni tra stile di insegnamento, utilizzo di ChatGPT, alfabetizzazione digitale, motivazione, ansia e creatività tra gli studenti di EFL. I risultati suggeriscono che uno stile di insegnamento centrato sullo studente, un maggiore utilizzo di ChatGPT e una maggiore alfabetizzazione digitale sono positivamente associati alla motivazione degli studenti. A sua volta, la motivazione è negativamente associata all'ansia, mentre l'ansia è...

Materiali

```html

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
Strumenti di sondaggio (scale)	Scale di stile di insegnamento	NA	Versione modificata dell'Inventario dello stile di insegnamento di Grasha (Grasha, 1996), che valuta cinque approcci pedagogici: autoritari, esperti, modello personale, facilitativo e delegatorio. Numero di catalogo: NA
	Scala di alfabetizzazione digitale	NA	Scala di 29 elementi adattata da Rodríguez-de-Dueño et al. (2016), che copre sei dimensioni: Competenza tecnica, Protezione dei dati personali, Valutazione critica, Gestione della sicurezza dei dispositivi, Elaborazione delle informazioni e Comunicazione digitale. Numero di catalogo: NA
	Scala di utilizzo di ChatGPT	NA	Scala di 8 elementi adattata da Abbas et al. (2024), che si concentra sull'interazione degli studenti con lo strumento AI per compiti di apprendimento linguistico. Numero di catalogo: NA
	Scala dell'ansia in classe di lingua straniera (FLCA)	NA	Scala adattata da Briesmaster e Briesmaster (2015), con sottoscale per l'apprehensione comunicativa (10 elementi), l'ansia da test (15 elementi) e la paura di valutazione negativa (7 elementi). Numero di catalogo: NA
	Scala di motivazione	NA	Scala di 20 elementi adattata da Kanoksilapatham et al. (2021), che misura tre dimensioni: Strumentalità (Promozione/Prevenzione), Etnocentrismo/Integrazione e Atteggiamento verso l'apprendimento dell'inglese. Numero di catalogo: NA
	Scala della creatività	NA	Scala di 12 elementi adattata da Govindasamy et al. (2024), che misura quattro sottocostrutti: Originalità, Flessibilità, Fluidità ed Elaborazione. Numero di catalogo: NA
Software	SPSS Statistics Versione 27	IBM Corp.	Software di analisi statistica. Numero di catalogo: NA
	SmartPLS Versione 4	SmartPLS GmbH	Software di modellizzazione di equazioni strutturali. Numero di catalogo: NA
Attrezzature & altri materiali	Strumento di raccolta dati	NA	Batteria di questionari cartacei anonimi autosomministrati. Numero di catalogo: NA
	Documenti di consenso informato	NA	Foglio informativo scritto e modulo di consenso che dettagliano lo scopo dello studio, le procedure, i rischi/benefici e il diritto di ritirarsi. Numero di catalogo: NA
	Sistema di archiviazione dati	NA	File digitali protetti da password con identificatori codificati; informazioni personali archiviate separatamente dai dati di ricerca. Numero di catalogo: NA
Procedure analitiche	Algoritmo PLS-SEM e Bootstrapping	SmartPLS GmbH	Routine interne di SmartPLS 4 (algoritmo PLS e Bootstrapping corretto per il bias con 5.000 rielaborazioni). Numero di catalogo: NA
	Controlli di validità e affidabilità	SmartPLS GmbH; IBM Corp.	Routine SmartPLS 4 e SPSS per alfa di Cronbach, affidabilità composita, varianza media estratta (AVE), criterio di Fornell-Larcker e rapporto heterotrait-monotrait (HTMT). Numero di catalogo: NA
	Valutazione della rilevanza predittiva	SmartPLS GmbH	Procedura di blindfolding in SmartPLS 4 per calcolare il valore Q² di Stone-Geisser. Numero di catalogo: NA
	Screening preliminare dei dati	IBM Corp.	Procedure SPSS per la gestione dei dati mancanti (algoritmo Expectation-Maximization) e controlli per normalità, valori anomali e struttura fattoriale (analisi fattoriale esplorativa). Numero di catalogo: NA

```