Intelligenza Artificiale Generativa, Motivazione, Ansia e Creatività nelle Aule di Inglese come Lingua Straniera in Arabia Saudita: un Sondaggio Trasversale

Sommario

Questa indagine trasversale ha esaminato le associazioni tra l'uso dell'intelligenza artificiale generativa, lo stile di insegnamento, l'alfabetizzazione digitale, la motivazione, l'ansia e la creatività negli studenti universitari sauditi di inglese come lingua straniera, identificando la motivazione come un importante mediatore delle relazioni osservate.

Abstract

Strumenti di intelligenza artificiale (AI) come ChatGPT vengono sempre più integrati nell'insegnamento dell'inglese come lingua straniera (EFL); tuttavia, esistono poche evidenze riguardo al modo in cui il loro utilizzo si relaziona allo stile di insegnamento, all'alfabetizzazione digitale, alla motivazione, all'ansia in classe per la lingua straniera (FLCA) e alla creatività nel contesto saudita. Questo studio ha esaminato le associazioni tra queste variabili e analizzato il ruolo mediatorio della motivazione all'interno di un quadro concettuale unificato. È stata condotta un'indagine quantitativa trasversale su 280 studenti universitari di EFL iscritti a un'università pubblica in Arabia Saudita, utilizzando strumenti di questionario validati. Le relazioni proposte sono state analizzate mediante modellazione di equazioni strutturali ai minimi quadrati parziali (PLS-SEM). I risultati hanno indicato che l'uso di ChatGPT, lo stile di insegnamento e l'alfabetizzazione digitale erano positivamente associati alla motivazione degli studenti. Una motivazione più elevata era associata a livelli inferiori di FLCA e a livelli superiori di creatività. La motivazione ha inoltre mediato le associazioni tra l'uso di ChatGPT, lo stile di insegnamento, l'alfabetizzazione digitale e la FLCA. Questi risultati suggeriscono che le esperienze motivazionali degli studenti sono strettamente legate alle relazioni tra pratiche didattiche, uso della tecnologia e risultati nell'apprendimento linguistico. Lo studio fornisce evidenze a sostegno dell'integrazione di strategie didattiche adeguate, strumenti di intelligenza artificiale generativa e alfabetizzazione digitale nell'insegnamento della lingua inglese, sottolineando al contempo l'importanza di considerare le esperienze motivazionali ed emotive degli studenti nell'implementazione di ambienti di apprendimento supportati dalla tecnologia.

Introduzione

Il Regno dell'Arabia Saudita sta attraversando un'agenda di riforma educativa trasformativa nell'ambito della Visione 2030, che attribuisce priorità allo sviluppo delle competenze del XXI secolo, della competenza digitale e di approcci pedagogici innovativi a tutti i livelli educativi¹. In questo contesto nazionale, l'insegnamento dell'inglese come lingua straniera (EFL) continua ad affrontare sfide persistenti, tra cui una cultura incentrata sugli esami che privilegia l'apprendimento mnemonico e la performance nei test piuttosto che la competenza comunicativa^2,3. Le limitate opportunità di interazione autentica nella lingua inglese al di fuori della classe, unite ad alti livelli di ansia in classe nell'apprendimento di una lingua straniera (FLCA), riducono ulteriormente la disponibilità degli studenti a comunicare e a interagire in modo significativo con la lingua target⁴. Queste difficoltà hanno spinto educatori e responsabili politici a esplorare approcci innovativi in grado di affrontare carenze motivazionali, barriere emotive e un uso creativo della lingua. L'intelligenza artificiale (AI) si è affermata come una strada promettente per sostenere l'apprendimento linguistico e trasformare le pratiche didattiche⁵. Tra le applicazioni di intelligenza artificiale nell'insegnamento della lingua inglese (ELT), ChatGPT, un modello generativo di intelligenza artificiale per conversazioni, ha ricevuto notevole attenzione per la capacità di offrire esercitazioni linguistiche interattive e un feedback individualizzato immediato in contesti conversazionali in tempo reale⁶. Queste caratteristiche risultano particolarmente rilevanti nelle classi saudite di EFL, dove l'insegnamento centrato sull'insegnante e l'interazione limitata tra studenti continuano a limitare la produzione linguistica creativa⁷. ChatGPT potrebbe contribuire a superare tali limitazioni fornendo opportunità di pratica linguistica autentica e a bassa ansia con un interlocutore basato sull'intelligenza artificiale⁸.

Recenti riforme educative in Arabia Saudita hanno incoraggiato un passaggio verso una pedagogia centrata sull'apprendente, creando opportunità per integrare tecnologie di intelligenza artificiale che promuovono la partecipazione attiva, il pensiero critico e l'apprendimento autonomo^9,10. Quando implementato in modo appropriato, ChatGPT può sostenere questo passaggio ampliando la pratica linguistica oltre le attività tradizionali in aula¹¹. Tuttavia, l'efficacia dell'integrazione dell'IA dipende in parte dall'alfabetizzazione digitale degli studenti, definita come la loro capacità di valutare, utilizzare e interagire in modo efficace con le tecnologie digitali ai fini dell'apprendimento¹². L'alfabetizzazione digitale consente agli apprendenti di utilizzare in modo produttivo gli strumenti di intelligenza artificiale riducendo al minimo i potenziali rischi, tra cui la dipendenza eccessiva e la disinformazione¹³. Questa competenza è particolarmente importante nell'istruzione superiore saudita, dove la trasformazione digitale si è accelerata nell'ambito della Visione 2030¹⁴.

Sebbene ricerche precedenti abbiano esaminato separatamente strumenti di intelligenza artificiale, stile di insegnamento, alfabetizzazione digitale, motivazione, ansia e creatività, esistono poche evidenze che indaghino come questi costrutti interagiscono all'interno di un quadro unificato in contesti EFL non occidentali, come quello dell'Arabia Saudita. La motivazione è stata costantemente identificata come un meccanismo fondamentale che collega le pratiche didattiche ai risultati dell'apprendimento, inclusa una minore ansia, una maggiore creatività e un impegno sostenuto¹⁵. Tuttavia, le relazioni tra l'uso di ChatGPT, lo stile di insegnamento, l'alfabetizzazione digitale, la motivazione, l'ansia nella lingua straniera (FLCA) e la creatività non sono state esaminate in modo esaustivo nel contesto EFL saudita¹⁶. Colmare questa lacuna potrebbe fornire spunti teorici e pratici per progettare ambienti di apprendimento linguistico potenziati dalla tecnologia, in grado di sostenere lo sviluppo motivazionale, emotivo e creativo degli studenti. Di conseguenza, questo studio analizza le relazioni tra l'uso di ChatGPT, lo stile di insegnamento, l'alfabetizzazione digitale, la motivazione, l'FLCA e la creatività tra studenti universitari sauditi che studiano l'inglese come lingua straniera. In particolare, lo studio esamina: (1) le relazioni tra l'uso di ChatGPT, lo stile di insegnamento e l'alfabetizzazione digitale con la motivazione degli studenti; (2) le relazioni tra motivazione, FLCA e creatività; e (3) il ruolo mediatorio della motivazione nelle relazioni tra l'uso di ChatGPT, lo stile di insegnamento, l'alfabetizzazione digitale e le variabili risultanti di ansia e creatività.

Questo studio contribuisce all'insegnamento dell'inglese come lingua straniera (EFL) e all'apprendimento potenziato dalla tecnologia integrando l'uso di strumenti di intelligenza artificiale nei modelli esistenti di motivazione e apprendimento linguistico, ampliando così la comprensione dell'apprendimento linguistico supportato dalla tecnologia nei contesti educativi contemporanei. Fornisce inoltre evidenze che possono orientare insegnanti, progettisti curricolari e responsabili politici nell'integrazione di strumenti di intelligenza artificiale nell'insegnamento dell'EFL in Arabia Saudita. Analizzando la motivazione come fattore mediatore tra l'uso della tecnologia, le pratiche didattiche, l'ansia da lingua straniera (FLCA) e la creatività, lo studio offre prove contestualizzate a sostegno dello sviluppo di un'istruzione linguistica centrata sull'apprendente, in linea con gli obiettivi di riforma educativa dell'Arabia Saudita.

La teoria dell'autodeterminazione (Self-Determination Theory, SDT) fornisce un quadro teorico per comprendere la relazione tra pratiche didattiche e motivazione degli studenti in contesti educativi¹⁷. Secondo la SDT, la motivazione intrinseca e le forme autonome di motivazione estrinseca sono sostenute quando nel contesto di apprendimento vengono soddisfatti i tre bisogni psicologici fondamentali degli apprendenti—autonomia, competenza e senso di appartenenza¹⁸. Lo stile di insegnamento rappresenta quindi un fattore contestuale chiave che influenza la motivazione e l'impegno degli studenti¹⁹. Pratiche didattiche orientate al sostegno dell'autonomia, che offrono scelte significative, riconoscono il punto di vista degli studenti e spiegano le attività di apprendimento, favoriscono la motivazione intrinseca e un impegno autodeterminato²⁰. Nei contesti di insegnamento dell'inglese come lingua straniera (EFL), approcci centrati sull'apprendente, inclusi gli stili di insegnamento di facilitatore e di delega, sono stati associati a un maggiore impegno, partecipazione e interesse degli studenti nell'apprendimento linguistico^21,22. Al contrario, un'insegnamento centrato sull'insegnante può ridurre la motivazione limitando la partecipazione e l'autonomia degli studenti e ponendo l'accento su ricompense estrinseche piuttosto che sull'interesse intrinseco^23,24. Nel contesto saudita di insegnamento dell'inglese come lingua straniera, dove tradizionalmente l'insegnamento si è basato sulla memorizzazione e sulla trasmissione delle conoscenze da parte dell'insegnante²⁵, l'adozione di approcci didattici più centrati sull'apprendente potrebbe sostenere la motivazione degli studenti²⁶. Sulla base di questa fondazione teorica ed empirica, viene proposta l'ipotesi seguente: H1: Lo stile di insegnamento influenza positivamente la motivazione degli studenti EFL.

La relazione tra tecnologia educativa e motivazione dell'apprendente è stata ampiamente studiata^27,28. Il Modello di Accettazione della Tecnologia (TAM) suggerisce che la motivazione degli studenti ad utilizzare la tecnologia educativa è influenzata dall'utilità percepita e dalla facilità di utilizzo percepita, fattori che modellano le intenzioni comportamentali e l'uso della tecnologia²⁹. Applicato a ChatGPT, questo modello indica che gli studenti che percepiscono lo strumento come utile e facile da usare hanno maggiori probabilità di utilizzarlo per l'apprendimento linguistico³⁰. Studi empirici hanno riportato associazioni positive tra l'apprendimento linguistico supportato dall'intelligenza artificiale e la motivazione degli studenti, con funzionalità interattive, feedback immediati e esercitazioni personalizzate che contribuiscono a un impegno prolungato^31,32. ChatGPT potrebbe inoltre ridurre le barriere associate all'ansia linguistica offrendo opportunità di esercitarsi in un contesto a bassa pressione, il che potrebbe incoraggiare un uso continuativo della lingua³³. Questa potenzialità risulta particolarmente rilevante nel contesto saudita, dove l'ansia per la lingua straniera (FLCA) è stata identificata come un ostacolo importante alla motivazione e al rendimento linguistico³⁴. Sulla base di questi risultati teorici ed empirici, viene proposta l'ipotesi seguente: H2: L'uso di ChatGPT influenza positivamente la motivazione degli studenti di inglese come lingua straniera (EFL).

L'alfabetizzazione digitale è diventata un determinante importante della motivazione degli studenti negli attuali contesti di apprendimento dell'inglese come lingua straniera (EFL)³⁵. Si riferisce alla capacità di cercare, valutare e utilizzare efficacemente le tecnologie e i media digitali per l'apprendimento³⁶. Nei contesti EFL, l'alfabetizzazione digitale consente agli studenti di sfruttare in modo efficace le risorse digitali, tra cui ChatGPT, sistemi di gestione dell'apprendimento e strumenti multimediali, per supportare l'apprendimento linguistico e la motivazione³⁷. Gli studenti con livelli più elevati di alfabetizzazione digitale sono più propensi a utilizzare con sicurezza le tecnologie per l'apprendimento, sviluppando competenza e autonomia, fattori associati alla motivazione intrinseca³⁸. Sono inoltre meglio preparati ad utilizzare strumenti digitali per la pratica linguistica autonoma, il feedback e un impegno duraturo nell'apprendimento³⁹. Sulla base della letteratura esaminata, viene proposta l'ipotesi seguente: H3: L'alfabetizzazione digitale degli studenti EFL influenza positivamente la motivazione degli studenti EFL.

L'ansia nell'apprendimento delle lingue straniere (FLCA) e la creatività sono costrutti strettamente correlati nell'insegnamento dell'inglese come lingua straniera (EFL), anche se la loro relazione rimane complessa⁴⁰. L'ansia può limitare le prestazioni degli studenti in compiti che richiedono creatività, flessibilità cognitiva, pensiero divergente e auto-espressione⁴¹. La FLCA riflette la paura degli studenti di commettere errori, di essere negativamente valutati e la bassa autostima, tutti fattori che possono interferire con la produzione linguistica creativa⁴². La creatività, tuttavia, è una competenza importante nell'apprendimento dell'inglese come lingua straniera poiché favorisce un uso linguistico innovativo e contestualmente appropriato³¹. Studi precedenti hanno riportato che gli studenti con livelli più elevati di ansia partecipano meno frequentemente ad attività di scrittura creativa e di comunicazione orale^43,44. Sulla base della letteratura esistente, vengono proposte le seguenti ipotesi: 1) H4: la motivazione degli studenti di inglese come lingua straniera è negativamente correlata alla loro ansia; e 2) H5: l'ansia degli studenti di inglese come lingua straniera influisce negativamente sulla loro creatività.

La motivazione fornisce un meccanismo teorico attraverso cui lo stile di insegnamento, l'uso di ChatGPT e l'alfabetizzazione digitale potrebbero essere correlati all'ansia nella classe di lingua straniera (FLCA)⁴⁵. Gli studenti motivati hanno maggiori probabilità di partecipare attivamente, perseverare di fronte alle difficoltà ed esperire livelli inferiori di apprensione comunicativa⁴⁶. Pratiche didattiche di supporto, l'apprendimento delle lingue assistito dall'intelligenza artificiale e una maggiore alfabetizzazione digitale sono state ciascuna associata a una motivazione più elevata e a un'ansia ridotta nei contesti di inglese come lingua straniera (EFL)^47,48,49. Ricerche precedenti suggeriscono inoltre che una maggiore motivazione è associata a una minore ansia in classe e a una creatività aumentata, fornendo sostegno all'ipotesi che la motivazione possa fungere da mediatore potenziale tra pratiche didattiche, uso della tecnologia e risultati dell'apprendimento^50,51,52. Sulla base di questa letteratura, vengono proposte le seguenti ipotesi: 1) H6: La motivazione media la relazione tra lo stile di insegnamento e l'ansia degli studenti EFL; 2) H7: La motivazione media la relazione tra l'uso di ChatGPT e l'ansia degli studenti EFL; e 3) H8: La motivazione media la relazione tra l'alfabetizzazione digitale degli studenti EFL e la loro ansia. Figura 1 illustra il modello ipotizzato in cui lo stile di insegnamento, l'uso di ChatGPT e l'alfabetizzazione digitale sono associati alla motivazione degli studenti EFL, la quale a sua volta media le loro relazioni con l'ansia nella classe di lingua straniera (FLCA) e la creatività.

Figura 1. Modello di ricerca ipotizzato. Il modello rappresenta le relazioni ipotizzate tra l'uso di ChatGPT, lo stile di insegnamento, l'alfabetizzazione digitale, la motivazione, l'ansia in classe di lingua straniera e la creatività negli studenti di inglese come lingua straniera (EFL). Le linee continue indicano relazioni dirette ipotizzate, mentre le linee tratteggiate indicano relazioni di mediazione, come specificato nella figura. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Protocollo

Sebbene lo studio non abbia richiesto un formale parere etico da parte di un comitato istituzionale di revisione a causa del suo disegno basato su un'indagine anonima non sperimentale, senza interventi fisici, manipolazioni o inganni nei confronti dei partecipanti, tutte le procedure sono state condotte in conformità ai principi etici della Dichiarazione di Helsinki e alle linee guida dell'American Psychological Association per la ricerca che coinvolge esseri umani. Il consenso informato è stato ottenuto da tutti i partecipanti prima della raccolta dei dati. L'istituzione non richiedeva né rilasciava un'approvazione etica formale né un'esenzione per questo tipo di studio. A tutti i rispondenti è stato chiaramente comunicato l'obiettivo della ricerca, la natura volontaria della loro partecipazione, il diritto di ritirarsi in qualsiasi momento senza conseguenze e le rigorose misure di riservatezza applicate ai loro dati. Non sono state raccolte né riportate informazioni personalmente identificabili, e tutti i dati sono stati utilizzati esclusivamente per analisi accademiche aggregate. Particolare attenzione è stata dedicata all'uso di un linguaggio non intrusivo e rispettoso, al fine di garantire che il questionario non interferisse con le attività accademiche o il benessere psicologico dei partecipanti. Per il modulo di consenso informato, vedere Supplementary File 1. Inoltre, i materiali utilizzati in questo studio sono elencati nella Table of Materials.

Progettazione della ricerca

Questa sezione descrive il disegno della ricerca, le procedure di raccolta dei dati e i dettagli del campione utilizzati nello studio per indagare le relazioni tra stile di insegnamento, utilizzo di ChatGPT, alfabetizzazione digitale, motivazione, ansia e creatività tra studenti di lingua inglese come lingua straniera (EFL). Lo studio ha adottato un disegno di ricerca quantitativo trasversale per esaminare il ruolo mediatorio della motivazione nelle relazioni tra stile di insegnamento, utilizzo di ChatGPT, alfabetizzazione digitale e ansia tra studenti EFL, e il modo in cui queste variabili si correlano complessivamente alla creatività. È stata adottata una metodologia basata su un questionario strutturato per raccogliere dati primari, garantendo standardizzazione e affidabilità nella misurazione delle variabili considerate. Lo studio ha utilizzato scale validate per valutare tutte le variabili, inclusi stile di insegnamento, utilizzo di ChatGPT, alfabetizzazione digitale, motivazione, ansia nella comunicazione in lingua straniera (FLCA) e creatività.

Dati e Campione

I dati per questo studio sono stati raccolti da studenti di inglese come lingua straniera (EFL) iscritti all'Università di Jeddah, un'università del settore pubblico in Arabia Saudita riconosciuta per l'attenzione rivolta all'insegnamento linguistico e all'integrazione della tecnologia nell'istruzione. I partecipanti sono stati selezionati mediante una tecnica di campionamento intenzionale, ritenuta appropriata per questo studio a causa dei criteri specifici di inclusione che richiedevano esperienza attiva con strumenti di intelligenza artificiale come ChatGPT nel loro contesto di apprendimento. Questo approccio di campionamento non probabilistico si è reso necessario poiché le domande di ricerca dello studio erano focalizzate su una popolazione specifica—studenti EFL esposti sia a metodi tradizionali sia a metodi di apprendimento assistiti da tecnologia—e un campionamento casuale non avrebbe garantito l'inclusione di partecipanti che soddisfacessero tali criteri. Sebbene il campionamento intenzionale limiti la generalizzabilità dei risultati all'intera popolazione, esso è stato giustificato per questa indagine esplorativa al fine di assicurare che i partecipanti possedessero le esperienze e le prospettive rilevanti necessarie per affrontare gli obiettivi della ricerca. Per attenuare le limitazioni del campionamento intenzionale, si è cercato di includere partecipanti con diversi background accademici e diversi livelli di competenza tecnologica, aumentando così la rappresentatività del campione all'interno della popolazione target. Il campione finale era composto da 280 studenti universitari EFL, una dimensione ritenuta adeguata per le tecniche statistiche utilizzate.

La determinazione dell'adeguatezza della dimensione del campione si è basata su linee guida consolidate per la modellizzazione a equazioni strutturali (Structural Equation Modeling, SEM). I ricercatori raccomandano un rapporto minimo di 10 casi per parametro stimato nella SEM, con linee guida più conservative che suggeriscono 20 casi per parametro nella SEM basata sui minimi quadrati parziali (Partial Least Squares SEM, PLS-SEM). Il modello di misura comprendeva 29 elementi per l'alfabetizzazione digitale, 25 elementi per lo stile di insegnamento e 32 elementi per l'ansia da lingua straniera (FLCA), oltre ad ulteriori elementi relativi all'uso di ChatGPT, alla motivazione e alla creatività. Le linee guida per la PLS-SEM raccomandano inoltre una dimensione minima del campione pari a 10 volte il numero maggiore di indicatori formativi o il numero maggiore di percorsi strutturali diretti verso un costrutto specifico; pertanto, il campione di 280 partecipanti superava tali requisiti minimi. Inoltre, un'analisi post hoc della potenza statistica effettuata con G*Power⁵³ ha indicato che un campione di 280 partecipanti garantiva una potenza statistica superiore a 0,95 nel rilevare effetti di media entità (f² = 0,15) con α = 0,05, superando la soglia comunemente raccomandata di 0,80. Questa dimensione del campione fornisce stime dei parametri affidabili e una potenza statistica sufficiente per rilevare relazioni significative tra le variabili dello studio, pur tenendo conto della complessità dei modelli di misura e strutturali proposti.

Partecipanti e Procedura

I partecipanti erano studenti di inglese come lingua straniera (EFL) di età compresa tra i 18 e i 25 anni, per la maggior parte iscritti al primo o al secondo anno di studi universitari in corsi di lingua inglese. Il sondaggio è stato condotto tra settembre e ottobre 2025, periodo in cui gli studenti sono stati invitati a partecipare su base volontaria. Il processo di reclutamento ha previsto la diffusione dell’invito attraverso canali ufficiali dell’università, tra cui email e annunci in aula. I partecipanti erano studenti EFL di età compresa tra 18 e 25 anni, iscritti al primo o al secondo anno di corsi universitari di lingua inglese. L'idoneità è stata determinata in base a criteri predeterminati di inclusione ed esclusione. Erano considerati idonei i partecipanti che (a) erano regolarmente iscritti a corsi universitari di lingua inglese presso l'Università di Jeddah, (b) avevano un'età compresa tra i 18 e i 25 anni e (c) erano registrati come studenti del primo o del secondo anno. Gli studenti sono stati esclusi se (a) erano studenti laureati o iscritti a corsi universitari avanzati al di fuori della sequenza dei corsi fondamentali, (b) erano al di fuori del range d'età specificato o (c) avevano partecipato alla fase di pretest del questionario. Per garantire il consenso informato, ai partecipanti è stato illustrato lo scopo dello studio, la natura volontaria della loro partecipazione e la riservatezza delle risposte fornite. Lo strumento di raccolta dati era un questionario strutturato, compilato autonomamente dagli studenti, distribuito in forma cartacea e in forma elettronica tramite una piattaforma online sicura. Sono state adattate scale validate per misurare lo stile di insegnamento, l'uso di ChatGPT, l'alfabetizzazione digitale, la motivazione degli studenti, l'ansia da lingua straniera (FLCA) e la creatività. Ai partecipanti è stato chiesto di esprimere il proprio grado di accordo su una scala Likert a 5 punti, che andava da 1 (Totalmente in disaccordo) a 5 (Totalmente d'accordo). Un pretest del questionario è stato effettuato con un gruppo ridotto di 30 studenti per verificarne chiarezza e affidabilità. Sulla base dei risultati del pretest, sono state apportate lievi modifiche al testo per migliorare la comprensibilità degli item, senza rilevare problemi significativi relativi all'affidabilità o alla validità della scala. Per preservare l'integrità dei dati e incoraggiare risposte sincere, è stata garantita l'anonimia e ai partecipanti è stato assicurato che i dati raccolti sarebbero stati utilizzati esclusivamente a fini di ricerca. Delle 300 risposte inizialmente raccolte, 280 sono state considerate valide dopo aver verificato la completezza e coerenza dei dati, con un tasso di conservazione del 93%. Le procedure di screening dei dati hanno incluso l'analisi dei modelli di risposta per individuare risposte uniformi (straight-lining), dati mancanti eccessivi (oltre il 10%) e outlier multivariati mediante la distanza di Mahalanobis. Questo approccio metodologico fornisce una solida base per analizzare le relazioni tra le variabili dello studio e offre spunti preziosi sul ruolo dello stile di insegnamento, degli strumenti di intelligenza artificiale e dell'alfabetizzazione digitale nel modellare la motivazione, l'ansia e la creatività degli studenti EFL.

Dopo la raccolta dei dati, 20 risposte sono state escluse dal pool iniziale di 300 in base a criteri predeterminati: 12 risposte sono state rimosse a causa di dati mancanti eccessivi, superiori al 10% degli elementi del questionario, 5 sono state eliminate per aver mostrato schemi di risposta uniformi (risposte identiche in tutti gli elementi, indicativi di mancato coinvolgimento) e 3 sono state identificate come outlier multivariati mediante la distanza di Mahalanobis (p < 0,001) e successivamente rimosse per evitare distorsioni nei risultati del modello di equazioni strutturali (SEM). I valori mancanti nei casi mantenuti sono stati gestiti mediante imputazione della media quando i dati mancanti erano minimi (meno del 5% per caso), poiché questo approccio è accettabile per piccole proporzioni di dati mancanti nella ricerca survey su larga scala. Il tasso finale di conservazione del 93% (280 risposte valide su 300 questionari raccolti) rappresenta la proporzione di risposte utilizzabili mantenute rispetto al totale dei questionari raccolti; tuttavia, questo valore non deve essere interpretato come un tasso di risposta effettivo, poiché il numero esatto di partecipanti invitati non è stato calcolabile, in quanto i metodi combinati di distribuzione cartacea ed elettronica tramite canali ufficiali dell'università non hanno consentito un monitoraggio preciso del numero totale di inviti. Tale limitazione è riconosciuta e, pertanto, la cifra del 93% viene riportata come proporzione di risposte valide mantenute rispetto ai questionari raccolti, piuttosto che come tasso di risposta rispetto all'intera popolazione invitata.

Strumenti e misure

Questo studio ha utilizzato scale ben consolidate e validate, accuratamente adattate al contesto dell'insegnamento dell'inglese come lingua straniera (EFL), per misurare i costrutti principali: stile di insegnamento, alfabetizzazione digitale, utilizzo di ChatGPT, ansia nell'apprendimento della lingua straniera (FLCA), motivazione e creatività. Ogni scala è stata selezionata in base alla sua pertinenza e completezza nel cogliere le rispettive dimensioni delle variabili oggetto di indagine. L'alfabetizzazione digitale è stata misurata mediante una scala adattata basata su Rodríguez-de-Dios et al.⁵⁴, composta da sei dimensioni per un totale di 29 elementi. Queste dimensioni comprendevano Abilità tecnologica, Abilità nella sicurezza personale, Abilità critica, Abilità nella sicurezza dei dispositivi, Abilità informativa e Abilità comunicativa, consentendo una valutazione completa della competenza degli studenti nelle abilità digitali essenziali per i contesti educativi moderni. L'utilizzo di ChatGPT è stato valutato mediante una scala di 8 elementi adattata da Abbas et al.⁵⁵, focalizzata sull'interazione degli studenti con lo strumento di intelligenza artificiale per compiti di apprendimento linguistico. Lo stile di insegnamento è stato valutato utilizzando una versione adattata dell'Inventario degli Stili di Insegnamento di Grasha⁵⁶. Questo strumento misura cinque dimensioni degli stili di insegnamento: Autorità, Esperto, Modello Personale, Facilitatore e Delegatore. Queste dimensioni riflettono diversi approcci didattici che influenzano l'esperienza di apprendimento degli studenti EFL. La FLCA è stata misurata mediante una scala adattata basata su Briesmaster e Briesmaster⁵⁷. Questo strumento ha esaminato l'ansia in tre dimensioni: Apprensione comunicativa (10 elementi), Ansia da test (10 elementi) e Paura della valutazione negativa (7 elementi). La motivazione degli studenti è stata valutata mediante una scala adattata da Kanoksilapatham et al.⁵⁸, che misura tre dimensioni: Promozione e prevenzione strumentale, Etnocentrismo e integrazione, e Atteggiamento verso l'apprendimento dell'inglese. La scala comprende complessivamente 20 elementi. La creatività degli studenti EFL è stata misurata mediante una scala adattata da Govindasamy et al.⁵⁹, che valuta quattro dimensioni: Originalità, Flessibilità, Fluidità ed Elaborazione. Ogni dimensione è stata misurata mediante tre elementi. Per garantire l'idoneità culturale e contestuale degli strumenti nel contesto EFL, è stata applicata una procedura sistematica di adattamento. Poiché le scale originali erano state sviluppate in inglese, due esperti bilingui di EFL hanno revisionato e semplificato il linguaggio per migliorarne la chiarezza per studenti universitari di livello intermedio, preservando al contempo il significato originale di ciascun costrutto. Le versioni adattate sono state quindi retrotradotte nella lingua madre dei partecipanti da un traduttore indipendente per verificare l'equivalenza linguistica e concettuale, e ogni eventuale discrepanza è stata risolta attraverso discussioni all'interno del gruppo di ricerca. Successivamente, tre docenti esperti di EFL hanno valutato gli strumenti adattati per quanto riguarda la pertinenza dei contenuti, l'appropriatezza culturale e la chiarezza degli elementi, portando a lievi revisioni del testo e alla sostituzione di esempi culturalmente poco familiari laddove opportuno. Infine, gli strumenti rivisti sono stati sottoposti a un test pilota con 30 studenti (si veda la sezione Procedura), e il feedback dei partecipanti è stato utilizzato per apportare ulteriori piccole modifiche al testo al fine di migliorarne la comprensibilità. Questo processo articolato ha garantito che gli strumenti adattati conservassero le loro proprietà psicometriche originali pur risultando appropriati per la popolazione EFL di riferimento. Per il questionario adattato completo, si veda Supplementary File 2.

Metodi di Analisi dei Dati

I dati raccolti per questo studio sono stati analizzati utilizzando il pacchetto statistico per le scienze sociali (SPSS 26) e SmartPLS 4, impiegando la PLS-SEM. Questo approccio basato su due metodi ha garantito un'analisi completa dei dati, affrontando sia gli aspetti descrittivi che inferenziali, oltre a verificare le relazioni ipotizzate e gli effetti di mediazione nel modello di ricerca. Inizialmente, SPSS è stato utilizzato per eseguire un'analisi preliminare dei dati, inclusa la pulizia dei dati, le statistiche descrittive e i test di affidabilità. L'esame dei dati ha comportato il controllo di valori mancanti, valori anomali e normalità, al fine di garantire la qualità e l'integrità del set di dati. Sono state calcolate statistiche descrittive, tra cui media, deviazione standard e distribuzioni di frequenza, per riassumere le caratteristiche del campione. L'analisi principale è stata condotta utilizzando SmartPLS 4. La PLS-SEM è stata scelta per la sua idoneità nell'analizzare modelli complessi con molteplici costrutti e per la sua robustezza con campioni di piccole e medie dimensioni. L'analisi è stata svolta in due fasi: valutazione del modello di misura e valutazione del modello strutturale. Nella valutazione del modello di misura, sono stati esaminati l'affidabilità degli indicatori, l'affidabilità della coerenza interna (mediante l'affidabilità composta [CR]), la validità convergente (mediante la varianza media estratta [AVE]) e la validità discriminante (mediante il rapporto eterotrait–monotrait [HTMT]).

Dopo la validazione del modello di misurazione, è stato valutato il modello strutturale per esaminare le relazioni ipotizzate tra stile di insegnamento, utilizzo di ChatGPT, alfabetizzazione digitale, motivazione, ansia e creatività. I coefficienti del percorso sono stati analizzati per determinare l'intensità e la significatività degli effetti diretti e indiretti, con la significatività valutata mediante tecnica di bootstrapping con 5.000 ricampionamenti. Per valutare la significatività degli effetti diretti, indiretti e di mediazione, sono stati costruiti intervalli di confidenza bootstrap corretti per il bias (BC) utilizzando 5.000 ricampionamenti bootstrap con un livello di confidenza del 95%. Gli effetti di mediazione della motivazione sulle relazioni tra stile di insegnamento, utilizzo di ChatGPT, alfabetizzazione digitale e ansia sono stati anch'essi valutati mediante intervalli di confidenza ottenuti con il metodo bootstrap. L'adattamento del modello e il potere predittivo sono stati valutati utilizzando il coefficiente di determinazione (R²), la rilevanza predittiva (Q²) e il residuo quadratico medio standardizzato (SRMR).

Risultati

Statistica descrittiva

La statistica descrittiva fornisce una panoramica sulle caratteristiche del campione e sulla distribuzione, la tendenza centrale e la variabilità delle variabili dello studio. In questo studio, sono state effettuate analisi descrittive per caratterizzare il campione dei partecipanti e riassumere le variabili principali prima di condurre le analisi strutturali.

Tabella 1 riassume le caratteristiche demografiche dei 280 partecipanti universitari di lingua inglese come lingua straniera (EFL). Le partecipanti di sesso femminile costituivano il 54,3% (n = 152) del campione, mentre i partecipanti di sesso maschile rappresentavano il 45,7% (n = 128). La maggior parte dei partecipanti aveva un'età compresa tra 21 e 23 anni (52,1%), seguita da coloro che avevano tra 18 e 20 anni (36,4%) e tra 24 e 25 anni (11,4%). Per quanto riguarda l'anno accademico, gli studenti del secondo anno rappresentavano il gruppo più numeroso (42,1%), seguiti dagli studenti del primo anno (34,3%) e del terzo anno (23,6%). La maggior parte dei partecipanti ha dichiarato un'esperienza moderata con ChatGPT (47,1%), mentre il 36,8% ha indicato un'esperienza estesa e il 16,1% un'esperienza limitata. Tutti i partecipanti avevano avuto un'esposizione precedente a ChatGPT, in linea con i criteri di inclusione dello studio, con la categoria "esperienza limitata" che indica un utilizzo minimo e non l'assenza di utilizzo precedente. I partecipanti hanno prevalentemente dichiarato una alfabetizzazione digitale moderata (54,6%), seguita da una elevata (30,4%) e bassa (15,0%) alfabetizzazione digitale. La maggior parte dei partecipanti ha dimostrato una competenza intermedia nella lingua inglese (62,5%), mentre il 22,9% ha dichiarato una competenza base e il 14,6% una competenza avanzata. Nel complesso, le caratteristiche demografiche indicano che il campione includeva partecipanti con diversi background accademici, livelli di alfabetizzazione digitale, competenza nella lingua inglese ed esperienza con ChatGPT (Tabella 1, Figura 2).

Variabile	Categoria	Frequenza, n	Percentuale, %
Genere	Maschio	128	45,7
	Femmina	152	54,3
Fascia d'età	18–20 anni	102	36,4
	21–23 anni	146	52,1
	24–25 anni	32	11,4
Anno di studio	Primo anno	96	34,3
	Secondo anno	118	42,1
	Terzo anno	66	23,6
Esperienza con ChatGPT	Esperienza limitata	45	16,1
	Esperienza moderata	132	47,1
	Esperienza estesa	103	36,8
Livello di alfabetizzazione digitale	Basso	42	15
	Moderato	153	54,6
	Alto	85	30,4
Livello di competenza in inglese	Base	64	22,9
	Intermedio	175	62,5
	Avanzato	41	14,6

Tabella 1: Caratteristiche demografiche dei partecipanti allo studio. La tabella riassume le caratteristiche demografiche dei 280 studenti di inglese come lingua straniera (EFL) inclusi nello studio. Sono riportate frequenze e percentuali per genere, fascia d'età, anno di studio, esperienza con ChatGPT, livello di alfabetizzazione digitale e livello di competenza in inglese.

Figura 2. Caratteristiche demografiche dei partecipanti allo studio. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Figura 2 presenta la distribuzione demografica dei partecipanti allo studio in base al genere, al gruppo di età, all'anno di studio, all'esperienza con strumenti di intelligenza artificiale, al livello di alfabetizzazione digitale e al livello di competenza in inglese. La distribuzione mostra una proporzione leggermente più elevata di partecipanti di genere femminile rispetto a quelli di genere maschile, con la maggior parte dei rispondenti di età compresa tra 21 e 23 anni. I livelli di alfabetizzazione digitale moderato e di competenza in inglese intermedio sono state le categorie più frequentemente segnalate (Figura 2).

Tabella 2 presenta le statistiche descrittive per le variabili dello studio. Lo stile di insegnamento, misurato mediante 25 elementi, ha ottenuto un punteggio medio di 3,84 (DS = 0,76), con punteggi compresi tra 2,1 e 4,8. L'uso di ChatGPT, valutato mediante otto elementi, ha ottenuto un punteggio medio di 3,67 (DS = 0,81), con risposte comprese tra 1,5 e 5,0. L'alfabetizzazione digitale, misurata mediante 29 elementi, ha ottenuto un punteggio medio di 3,72 (DS = 0,73), con punteggi compresi tra 2,2 e 4,9. La motivazione, valutata mediante 20 elementi, ha ottenuto il punteggio medio più alto (3,92, DS = 0,68), con valori compresi tra 2,4 e 5,0. L'ansia, misurata mediante 27 elementi, ha ottenuto un punteggio medio di 3,41 (DS = 0,89). La creatività, valutata mediante 12 elementi, ha ottenuto un punteggio medio di 3,78 (DS = 0,74), con punteggi compresi tra 2,0 e 5,0. Queste statistiche descrittive indicano una variabilità tra le costruzioni misurate, fornendo al contempo un riepilogo complessivo delle risposte dei partecipanti.

Variabile	Numero di elementi	Media (M)	Deviazione standard (SD)	Minimo	Massimo
Ansia	27	3.41	0.89	1.8	5
Utilizzo di ChatGPT	8	3.67	0.81	1.5	5
Creatività	12	3.78	0.74	2	5
Alfabetizzazione digitale	29	3.72	0.73	2.2	4.9
Motivazione	20	3.92	0.68	2.4	5
Stile di insegnamento	25	3.84	0.76	2.1	4.8

Tabella 2: Statistiche descrittive per le costrutti dello studio. La tabella riporta il numero di domande del questionario, la media (M), la deviazione standard (SD), il valore minimo osservato e il valore massimo osservato per lo stile di insegnamento, l'uso di ChatGPT, l'alfabetizzazione digitale, la motivazione, l'ansia in classe di lingua straniera e la creatività, basati sulle risposte di 280 partecipanti.

Errore di Varianza del Metodo Comune

Il bias della varianza metodologica comune (CMV) si riferisce a una covarianza spuria tra variabili attribuibile al metodo di misurazione piuttosto che alle costruzioni effettivamente misurate. Poiché questo studio ha utilizzato un questionario auto-somministrato, sono state adottate sia approcci procedurali sia statistici per valutare l'influenza potenziale del bias da CMV. Dal punto di vista procedurale, ai partecipanti è stata garantita l'anonimia e la riservatezza, al fine di ridurre al minimo il bias dovuto alla desiderabilità sociale e incoraggiare risposte sincere. Inoltre, gli item del questionario, adattati da strumenti consolidati, sono stati presentati in ordine randomizzato per ridurre modelli di risposta che potrebbero artificialmente amplificare il bias da CMV. Dal punto di vista statistico, è stato eseguito il test del singolo fattore di Harman, inserendo tutte le variabili misurate in un'analisi fattoriale esplorativa (EFA) senza rotazione. L'analisi ha mostrato che il primo fattore non ruotato spiegava il 32,7% della varianza totale, valore inferiore alla soglia raccomandata del 50%, indicando che il bias da CMV è improbabile che abbia influenzato in modo sostanziale i risultati dello studio (Tabella 3).

Statistica		Valore	Soglia	Interpretazione
Numero totale di fattori estratti		7	N/A	Sono stati estratti più fattori, indicando che gli elementi misurati rappresentano costrutti distinti.
Varianza spiegata dal primo fattore		32,70%	<50%	Al di sotto della soglia comunemente accettata, indicando che la varianza metodologica comune (CMV) difficilmente rappresenta un problema significativo.
Varianza cumulativa spiegata (primi tre fattori)		62,10%	N/A	Indica che i primi tre fattori spiegano una proporzione sostanziale della varianza totale.
Misura Kaiser–Meyer–Olkin (KMO) dell'adeguatezza del campione		0,89	>0,80	Indica un'elevata adeguatezza del campione per l'analisi fattoriale.
Test di sfericità di Bartlett (valore p)		<0,001	p < 0,05	Risultato significativo che indica come la matrice di correlazione sia adatta all'analisi fattoriale.

Tabella 3: Risultati del test a singolo fattore di Harman e dell'adeguatezza del campionamento. La tabella riassume i risultati del test a singolo fattore di Harman, della misura Kaiser–Meyer–Olkin (KMO) dell'adeguatezza del campionamento e del test di sfericità di Bartlett. Il test a singolo fattore di Harman è stato eseguito per valutare l'influenza potenziale della varianza metodologica comune (CMV). La statistica KMO e il test di Bartlett sono stati utilizzati per valutare l'idoneità del set di dati all'analisi fattoriale.

Tabella 3 presenta i risultati del test monofattoriale di Harman, che indicano come il primo fattore non ruotato abbia spiegato il 32,7% della varianza totale, valore inferiore alla soglia raccomandata del 50% e suggerisce quindi che il bias del metodo comune non rappresenti un problema rilevante in questo studio. La misura Kaiser–Meyer–Olkin (KMO) dell'adeguatezza del campionamento è risultata pari a 0,89, indicando che i dati erano adatti all'analisi fattoriale. Inoltre, il test di sfericità di Bartlett è risultato statisticamente significativo (p < 0,001), confermando che la matrice di correlazione era appropriata per l'analisi fattoriale. Nel complesso, questi risultati supportano l'idoneità del dataset per successive analisi di modellizzazione dell'equazione strutturale.

Modello di Misurazione

Il modello di misurazione è stato valutato per verificare l'affidabilità e la validità delle costruzioni dello studio utilizzando PLS-SEM implementato in SmartPLS 4, seguendo le raccomandazioni di Hair et al.⁶⁰ Sono stati valutati l'affidabilità degli indicatori, l'affidabilità della coerenza interna, la validità convergente e la validità discriminante. L'affidabilità degli indicatori è stata valutata mediante i loadings esterni, mantenendo come indicatori affidabili quelli con loadings superiori a 0,70. Gli elementi con loadings compresi tra 0,60 e 0,70 sono stati mantenuti solo se la loro rimozione non migliorava la coerenza interna della costruzione corrispondente. L'affidabilità della coerenza interna è stata valutata utilizzando l'alfa di Cronbach e il CR. La validità convergente è stata valutata mediante l'AVE, con tutte le costruzioni che mostravano valori AVE superiori a 0,50, indicando che ciascuna costruzione spiegava più della metà della varianza nei propri indicatori. La validità discriminante è stata valutata utilizzando il rapporto HTMT, e tutti i valori HTMT erano al di sotto della soglia raccomandata di 0,85, confermando la distinzione empirica delle costruzioni dello studio (Tabelle 4 e 5).

Costrutto		Fattore di Carico	Reliability Composita (CR)	Varianza Media Estratta (AVE)	Fattore di Inflazione della Varianza Esterna (VIF)
Stile Insegnamento (Autorità)		0.87	0.91	0.66	1.38
Stile Insegnamento (Esperto)		0.89	0.92	0.68	1.45
Stile Insegnamento (Modello Personale)		0.86	0.9	0.65	1.4
Stile Insegnamento (Facilitatore)		0.88	0.93	0.69	1.43
Stile Insegnamento (Delegatore)		0.85	0.89	0.62	1.39
Utilizzo di ChatGPT		0.92	0.94	0.72	1.47
Ansia in Classe di Lingua Straniera (Apprensione Comunicativa)		0.86	0.9	0.64	1.35
Ansia in Classe di Lingua Straniera (Ansia da Test)		0.88	0.92	0.67	1.41
Ansia in Classe di Lingua Straniera (Paura della Valutazione Negativa)		0.83	0.88	0.6	1.32
Motivazione (Strumentalità)		0.84	0.89	0.61	1.34
Motivazione (Etnocentrismo e Integrazione)		0.86	0.9	0.63	1.36
Motivazione (Atteggiamento verso l'Apprendimento dell'Inglese)		0.89	0.93	0.7	1.44
Creatività (Originalità)		0.88	0.92	0.67	1.41
Creatività (Flessibilità)		0.87	0.91	0.66	1.38
Creatività (Fluenza)		0.89	0.93	0.68	1.42
Creatività (Elaborazione)		0.85	0.9	0.63	1.37
Alfabetizzazione Digitale		0.93	0.95	0.75	1.49

Tabella 4: Valutazione del modello di misura. La tabella riporta i loadings fattoriali, l'affidabilità composta (CR), la varianza media estratta (AVE) e il fattore di inflazione della varianza esterna (VIF) per ciascuna costrutto e sottodimensione inclusi nel modello di misura dell'analisi delle equazioni strutturali con minimi quadrati parziali (PLS-SEM). Queste statistiche sono state utilizzate per valutare l'affidabilità degli indicatori, l'affidabilità della coerenza interna, la validità convergente e la multicollinearità.

Costrutto		1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17
1. Stile di insegnamento (Autorità)		—
2. Stile di insegnamento (Esperto)		0,702	—
3. Stile di insegnamento (Modello personale)		0,743	0,581	—
4. Stile di insegnamento (Facilitatore)		0,629	0,735	0,702	—
5. Stile di insegnamento (Delega)		0,754	0,549	0,802	0,692	—
6. Utilizzo di ChatGPT		0,52	0,643	0,743	0,536	0,693	—
7. Ansia in classe di lingua straniera (Apprensione comunicativa)		0,665	0,521	0,649	0,559	0,73	0,827	—
8. Ansia in classe di lingua straniera (Ansia da test)		0,832	0,614	0,53	0,622	0,689	0,631	0,567	—
9. Ansia in classe di lingua straniera (Paura della valutazione negativa)		0,608	0,809	0,585	0,651	0,637	0,614	0,81	0,556	—
10. Motivazione (Strumentalità)		0,762	0,623	0,66	0,634	0,811	0,534	0,802	0,755	0,519	—
11. Motivazione (Etnocentrismo e integrazione)		0,803	0,674	0,571	0,504	0,517	0,805	0,827	0,753	0,562	0,554	—
12. Motivazione (Atteggiamento verso l'apprendimento dell'inglese)		0,626	0,816	0,677	0,591	0,742	0,716	0,633	0,562	0,598	0,549	0,679	—
13. Creatività (Originalità)		0,626	0,678	0,501	0,732	0,538	0,678	0,839	0,543	0,523	0,577	0,668	0,719	—
14. Creatività (Flessibilità)		0,726	0,669	0,844	0,528	0,654	0,579	0,517	0,775	0,644	0,667	0,679	0,82	0,697	—
15. Creatività (Fluenza)		0,711	0,692	0,815	0,635	0,629	0,505	0,792	0,817	0,604	0,55	0,518	0,604	0,59	0,626	—
16. Creatività (Elaborazione)		0,749	0,761	0,783	0,69	0,811	0,55	0,503	0,842	0,732	0,714	0,659	0,744	0,543	0,606	0,634	—
17. Alfabetizzazione digitale		0,606	0,641	0,593	0,742	0,727	0,628	0,631	0,648	0,742	0,688	0,806	0,578	0,673	0,549	0,7	0,529	—

Tabella 5: Validità discriminante valutata mediante il rapporto eterotrait–monotrait (HTMT). La tabella presenta i valori HTMT per tutte le coppie di costrutti e sottodimensioni inclusi nel modello di misurazione. L'HTMT è stato utilizzato per valutare la validità discriminante analizzando la distinzione empirica tra i costrutti latenti. Valori inferiori alla soglia prestabilita di 0,85 indicano una validità discriminante accettabile.

Tabella 4 riassume la valutazione del modello di misura. I pesi fattoriali variavano da 0,83 a 0,93, superando la soglia raccomandata di 0,70 e indicando un'affidabilità soddisfacente degli indicatori. I valori di affidabilità composta variavano da 0,88 a 0,95, dimostrando un'elevata coerenza interna per tutte le costruzioni. I valori AVE variavano da 0,60 a 0,75, superando il valore minimo raccomandato di 0,50 e supportando la validità convergente. Inoltre, tutti i valori del fattore di inflazione della varianza esterna (VIF) erano inferiori a 1,50, indicando l'assenza di evidenze di multicollinearità tra gli indicatori. Nel complesso, questi risultati supportano l'affidabilità e la validità del modello di misura per la successiva valutazione del modello strutturale.

Figura 3 illustra il modello di misurazione, comprensivo dei costrutti latenti, delle relative dimensioni e indicatori, e delle relazioni tra le variabili valutate nello studio.

Figura 3. Modello di misurazione dell'equazione strutturale basato sui minimi quadrati parziali. Il modello di misurazione generato mediante modellizzazione dell'equazione strutturale basata sui minimi quadrati parziali (PLS-SEM) mostra le relazioni tra i costrutti latenti, le loro dimensioni e i relativi indicatori osservati. I valori visualizzati sui percorsi di collegamento rappresentano le stime dei loadings esterni o dei coefficienti di percorso, a seconda dei casi. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Tabella 5 presenta i risultati HTMT utilizzati per valutare la validità discriminante. Tutti i valori HTMT erano al di sotto della soglia conservativa di 0,85, indicando una validità discriminante soddisfacente tra i 17 costrutti. I valori HTMT più elevati sono stati osservati tra Creatività (Flessibilità) e Stile di Insegnamento (Modello Personale) (0,8437), Creatività (Elaborazione) e Ansia (Ansia da Test) (0,8422), e Creatività (Originalità) e Ansia (Apprensione Comunicativa) (0,8394). Sebbene questi valori si avvicinassero alla soglia raccomandata, rimanevano al di sotto di 0,85, sostenendo la distinzione empirica dei costrutti. I valori HTMT rimanenti erano più bassi, ulteriormente a sostegno della validità discriminante nell'ambito del modello di misurazione.

Risultati dei test delle ipotesi (modello strutturale)

Il modello strutturale è stato valutato per esaminare le relazioni ipotizzate tra stile di insegnamento, utilizzo di ChatGPT, alfabetizzazione digitale, motivazione, ansia da lingua straniera (FLCA) e creatività. I risultati hanno confermato tutte le ipotesi dirette e di mediazione proposte. Lo stile di insegnamento, l'utilizzo di ChatGPT e l'alfabetizzazione digitale erano positivamente associati alla motivazione. La motivazione era negativamente associata all'ansia da lingua straniera (FLCA), mentre l'ansia da lingua straniera (FLCA) era negativamente associata alla creatività. Inoltre, la motivazione mediava le relazioni tra lo stile di insegnamento, l'utilizzo di ChatGPT e l'alfabetizzazione digitale da un lato, e l'ansia da lingua straniera (FLCA) dall'altro (Tabelle 6 e 7).

Ipotesi		Coefficiente standardizzato del percorso (β)	Valore t	Valore p	Sostenuta	Intervallo di confidenza al 95% (IC)	Limite inferiore (LLCI)	Limite superiore (ULCI)
H1. Stile di insegnamento → Motivazione degli studenti di inglese come lingua straniera		0.36	5.45	<0.001	Sì	[0.26, 0.46]	0.26	0.46
H2. Utilizzo di ChatGPT → Motivazione degli studenti di inglese come lingua straniera		0.4	6.27	<0.001	Sì	[0.30, 0.50]	0.3	0.5
H3. Alfabetizzazione digitale → Motivazione degli studenti di inglese come lingua straniera		0.33	4.95	<0.001	Sì	[0.23, 0.43]	0.23	0.43
H4. Motivazione degli studenti di inglese come lingua straniera → Ansia in classe di lingua straniera		–0.27	–4.81	<0.001	Sì	[–0.37, –0.17]	–0.37	–0.17
H5. Ansia in classe di lingua straniera → Creatività degli studenti di inglese come lingua straniera		–0.26	–4.01	<0.001	Sì	[–0.36, –0.16]	–0.36	–0.16

Tabella 6: Verifica dell'ipotesi di effetto diretto. La tabella presenta i risultati delle analisi dell'effetto diretto effettuate mediante modellizzazione di equazioni strutturali con minimi quadrati parziali (PLS-SEM). Le statistiche riportate includono il coefficiente standardizzato del percorso (β), il valore t, il valore p, l'intervallo di confidenza bootstrappato al 95% (CI), il limite inferiore dell'intervallo di confidenza (LLCI), il limite superiore dell'intervallo di confidenza (ULCI) e la decisione riguardo al supporto dell'ipotesi. La significatività statistica è stata valutata mediante tecnica bootstrapping con 5.000 ricampionamenti.

Ipotesi	Percorso di mediazione		Effetto indiretto standardizzato (β)	Valore t	Valore p	Sostenuta	Intervallo di confidenza al 95% (IC)	Limite inferiore (LLCI)	Limite superiore (ULCI)
H6	Stile di insegnamento → Motivazione → Ansia in classe di lingua straniera		0.28	4.56	<0.001	Sì	[0.18, 0.38]	0.18	0.38
H7	Utilizzo di ChatGPT → Motivazione → Ansia in classe di lingua straniera		0.34	5.02	<0.001	Sì	[0.24, 0.44]	0.24	0.44
H8	Alfabetizzazione digitale → Motivazione → Ansia in classe di lingua straniera		0.3	4.68	<0.001	Sì	[0.20, 0.40]	0.20	0.40

Tabella 7: Analisi di mediazione. La tabella riassume gli effetti indiretti stimati mediante modellazione di equazioni strutturali con minimi quadrati parziali (PLS-SEM). Le statistiche riportate includono l'effetto indiretto standardizzato (β), il valore t, il valore p, l'intervallo di confidenza bootstrappato al 95% (IC), il limite inferiore dell'intervallo di confidenza (LLCI), il limite superiore dell'intervallo di confidenza (ULCI) e la decisione riguardo al supporto dell'ipotesi. La significatività statistica è stata valutata mediante tecnica di bootstrapping con 5.000 ricampionamenti.

Tabella 6 presenta i risultati delle analisi sugli effetti diretti. Tutte e cinque le relazioni dirette ipotizzate erano statisticamente significative (p < 0,001), a sostegno delle ipotesi H1–H5. Lo stile di insegnamento (β = 0,36), l'utilizzo di ChatGPT (β = 0,40) e l'alfabetizzazione digitale (β = 0,33) erano associati positivamente alla motivazione degli studenti di inglese come lingua straniera (EFL), con l'utilizzo di ChatGPT che mostrava il coefficiente standardizzato di percorso più elevato tra i tre predittori. La motivazione era associata negativamente all'ansia da lingua straniera (FLCA) (β = –0,27), indicando che una maggiore motivazione corrispondeva a livelli più bassi di ansia. A sua volta, l'FLCA era associata negativamente alla creatività (β = –0,26). Gli intervalli di confidenza bootstrap al 95% per tutti gli effetti diretti escludevano lo zero, confermando la significatività statistica delle relazioni ipotizzate. Tabella 7 presenta le analisi di mediazione volte a verificare se la motivazione mediava le relazioni tra stile di insegnamento, utilizzo di ChatGPT e alfabetizzazione digitale con l'FLCA. Gli effetti indiretti erano statisticamente significativi per tutti e tre i percorsi (H6: β = 0,28, t = 4,56, p < 0,001; H7: β = 0,34, t = 5,02, p < 0,001; H8: β = 0,30, t = 4,68, p < 0,001). Gli intervalli di confidenza bootstrap al 95% escludevano lo zero per tutti gli effetti indiretti, confermando la significatività statistica dei percorsi di mediazione. I coefficienti indiretti positivi riflettono l'entità complessiva degli effetti indiretti tramite la motivazione, mentre la relazione diretta tra motivazione e FLCA era negativa, come riportato nel modello strutturale. Di conseguenza, livelli più elevati di stile di insegnamento, utilizzo di ChatGPT e alfabetizzazione digitale erano associati a una maggiore motivazione, che a sua volta era associata a un'FLCA più bassa (Tabelle 6 e 7). Nel complesso, il modello strutturale ha confermato tutte le relazioni dirette (H1–H5) e indirette (H6–H8) ipotizzate. I risultati indicano associazioni statisticamente significative tra stile di insegnamento, utilizzo di ChatGPT, alfabetizzazione digitale, motivazione, FLCA e creatività, con la motivazione che funge da mediatore significativo nel modello strutturale.

Analisi Dimensionale dello Stile di Insegnamento

È stata condotta un'analisi dimensionale per esaminare le relazioni tra le cinque dimensioni dello stile di insegnamento e la motivazione, l'ansia nella classe di lingua straniera (FLCA) e la creatività degli studenti di inglese come lingua straniera (EFL). Le dimensioni dello stile di insegnamento includevano Autorità, Esperto, Modello Personale, Facilitatore e Delegatore. Il modello strutturale ha stimato gli effetti diretti di ciascuna dimensione dello stile di insegnamento sulle tre variabili risultanti, al fine di determinare se le relazioni osservate differissero tra gli approcci didattici (Tabella 8).

Dimensione dello stile di insegnamento	Variabile risultante	Coefficiente di percorso standardizzato (β)	Valore t	Valore p	Limite inferiore dell'intervallo di confidenza al 95% (LLCI)	Limite superiore dell'intervallo di confidenza al 95% (ULCI)	Sostenuto
Autorevole	Motivazione	0.12	1.85	0.065	–0.02	0.26	No
Autorevole	Ansia in classe nell'apprendimento di una lingua straniera	0.35	5.12	<0.001	0.22	0.48	Sì
Autorevole	Creatività	–0.28	–4.02	<0.001	–0.42	–0.14	Sì
Esperto	Motivazione	0.3	4.89	<0.001	0.18	0.42	Sì
Esperto	Ansia in classe nell'apprendimento di una lingua straniera	–0.18	–2.95	0.003	–0.30	–0.06	Sì
Esperto	Creatività	0.22	3.56	<0.001	0.1	0.34	Sì
Modello personale	Motivazione	0.25	4.02	<0.001	0.13	0.37	Sì
Modello personale	Ansia in classe nell'apprendimento di una lingua straniera	–0.22	–3.45	0.001	–0.35	–0.09	Sì
Modello personale	Creatività	0.24	3.78	<0.001	0.12	0.36	Sì
Facilitatore	Motivazione	0.34	5.5	<0.001	0.22	0.46	Sì
Facilitatore	Ansia in classe nell'apprendimento di una lingua straniera	–0.28	–4.45	<0.001	–0.40	–0.16	Sì
Facilitatore	Creatività	0.31	4.95	<0.001	0.19	0.43	Sì
Delegato	Motivazione	0.29	4.62	<0.001	0.17	0.41	Sì
Delegato	Ansia in classe nell'apprendimento di una lingua straniera	–0.24	–3.85	<0.001	–0.37	–0.11	Sì
Delegato	Creatività	0.27	4.25	<0.001	0.15	0.39	Sì

Tabella 8: Analisi dimensionale dello stile di insegnamento. La tabella riporta le relazioni dirette tra le dimensioni dello stile di insegnamento di Autorità, Esperto, Modello Personale, Facilitatore e Delegatore e le variabili risultanti di motivazione, ansia in classe nella lingua straniera e creatività. Le statistiche riportate includono il coefficiente di percorso standardizzato (β), il valore t, il valore p, il limite inferiore dell'intervallo di confidenza bootstrap al 95% (LLCI), il limite superiore dell'intervallo di confidenza bootstrap al 95% (ULCI) e la decisione riguardo al supporto dell'ipotesi.

Tabella 8 presenta i risultati dell'analisi dimensionale degli stili di insegnamento. Lo stile di insegnamento di tipo Facilitatore ha mostrato le associazioni positive più forti con la motivazione (β = 0.34, p < 0.001) e la creatività (β = 0.31, p < 0.001), insieme all'associazione negativa più forte con l'ansia da lingua straniera (FLCA) (β = –0.28, p < 0.001). Gli stili di insegnamento di tipo Esperto, Modello Personale e Delega erano anch'essi positivamente associati alla motivazione (β = 0.30, 0.25 e 0.29, rispettivamente) e alla creatività (β = 0.22, 0.24 e 0.27, rispettivamente), mostrando al contempo associazioni negative con l'FLCA (β = –0.18, –0.22 e –0.24, rispettivamente). Tutte queste relazioni erano statisticamente significative. Al contrario, lo stile di insegnamento di tipo Autorità non era significativamente associato alla motivazione (β = 0.12, p = 0.065). Tuttavia, mostrava un'associazione positiva significativa con l'FLCA (β = 0.35, p < 0.001) e un'associazione negativa significativa con la creatività (β = –0.28, p < 0.001). Nel complesso, l'analisi dimensionale evidenzia schemi distinti di associazione tra le singole dimensioni dello stile di insegnamento e gli esiti di apprendimento misurati. Considerati insieme, i risultati dell'analisi dimensionale indicano che le associazioni tra stile di insegnamento e risultati degli studenti variano a seconda delle dimensioni dello stile di insegnamento. Relazioni statisticamente significative sono state osservate per la maggior parte delle dimensioni dello stile di insegnamento, mentre lo stile di insegnamento di tipo Autorità non ha mostrato un'associazione statisticamente significativa con la motivazione.

Validità predittiva del modello interno mediante l'uso di PLS Predict

La validità predittiva del modello strutturale è stata valutata utilizzando la procedura PLS Predict per analizzare le prestazioni predittive del modello su campioni esterni. La rilevanza predittiva è stata valutata mediante la statistica Q² Predict insieme a misure di errore di previsione, tra cui l'errore quadratico medio (RMSE) e l'errore assoluto medio (MAE). I valori di Q² Predict sono compresi tra 0,32 e 0,48 nei diversi costrutti endogeni, indicando una rilevanza predittiva positiva. Motivazione e creatività hanno mostrato i valori più elevati di Q² Predict (rispettivamente 0,42 e 0,48). Sono stati inoltre esaminati i valori di errore di previsione, con RMSE compreso tra 0,54 e 0,63 e MAE compreso tra 0,41 e 0,49 nei diversi costrutti endogeni (Tabella 9).

Costrutto	Coefficiente di determinazione (R²)	Rilevanza predittiva (Q² Predict)	Errore quadratico medio (RMSE)	Errore assoluto medio (MAE)
Motivazione	0.45	0.42	0.61	0.48
Ansia in classe di lingua straniera	0.38	0.32	0.63	0.49
Creatività	0.42	0.48	0.54	0.41

Tabella 9: Prestazioni predittive del modello strutturale. La tabella riassume le prestazioni predittive dei costrutti endogeni valutati mediante modellizzazione di equazioni strutturali con il metodo dei minimi quadrati parziali (PLS-SEM). Le statistiche riportate includono il coefficiente di determinazione (R²), la rilevanza predittiva (Q² Predict), l'errore quadratico medio (RMSE) e l'errore assoluto medio (MAE). Valori più elevati di R² e Q² Predict indicano prestazioni esplicative e predittive maggiori, mentre valori più bassi di RMSE e MAE indicano un errore di previsione minore.

Tabella 9 riassume le prestazioni predittive del modello strutturale. Il coefficiente di determinazione (R²) ha indicato che il modello spiega il 45% della varianza nella motivazione, il 38% della varianza nell'ansia verso la lingua straniera (FLCA) e il 42% della varianza nella creatività. I valori Q² Predict per la motivazione (0,42), per l'ansia verso la lingua straniera (FLCA) (0,32) e per la creatività (0,48) erano tutti superiori a zero, confermando la rilevanza predittiva del modello. I valori di RMSE variavano da 0,54 a 0,63, mentre i valori di MAE variavano da 0,41 a 0,49, indicando gli errori di previsione per le costruzioni endogene. Nel complesso, le misure delle prestazioni predittive supportano la capacità predittiva del modello strutturale.

La Figura 4 illustra le prestazioni predittive dei costrutti endogeni presentando il coefficiente di determinazione (R²), la rilevanza predittiva (Q² Predict) e le misure di errore di previsione (RMSE e MAE). Tra i costrutti endogeni, la creatività ha mostrato il valore più alto di Q² Predict (0,48) insieme ai minori errori di previsione (RMSE = 0,54; MAE = 0,41), mentre la motivazione ha mostrato la varianza spiegata più elevata (R² = 0,45). Complessivamente, l'analisi PLS Predict ha dimostrato una rilevanza predittiva positiva per tutti i costrutti endogeni. I risultati di R², Q² Predict, RMSE e MAE supportano congiuntamente le prestazioni predittive del modello strutturale per motivazione, FLCA e creatività (Tabella 9; Figura 4).

Figura 4. Prestazioni predittive del modello strutturale. Il grafico mostra il coefficiente di determinazione (R²), l'errore quadratico medio (RMSE), l'errore assoluto medio (MAE) e i valori predittivi di Q² per i costrutti endogeni di motivazione, ansia e creatività. Le barre rappresentano i valori di R², RMSE e MAE, mentre la linea con marcatori circolari rappresenta i valori predittivi di Q². Valori più elevati di R² e di Q² indicano rispettivamente una maggiore capacità esplicativa e predittiva, mentre valori più bassi di RMSE e MAE indicano un errore di previsione minore. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Disponibilità dei dati:

Il set di dati anonimizzato a livello di partecipante che supporta i risultati di questo studio è fornito come Tabella Supplementare 1. Il foglio informativo per i partecipanti e il modulo di consenso informato sono disponibili in File Supplementare 1, e il questionario dell'indagine utilizzato per la raccolta dei dati è fornito in File Supplementare 2.

Tabella supplementare 1. Set di dati grezzi dei partecipanti utilizzato per le analisi statistiche. Questa tabella contiene il set di dati anonimizzato a livello individuale utilizzato per le analisi statistiche. Le variabili includono informazioni demografiche e risposte a livello di singolo elemento relative allo stile di insegnamento, all'uso di ChatGPT, all'alfabetizzazione digitale, alla motivazione, all'ansia in classe di lingua straniera e alla creatività. Le etichette degli elementi (ad esempio, TL1, CHATGPT1, DL1, M1, FLCA1, CR1) corrispondono agli elementi del questionario descritti nella sezione Strumenti e Misure. Non sono inclusi dati personalmente identificabili.Cliccare qui per scaricare il file.

File supplementare 1. Scheda informativa per i partecipanti e modulo di consenso informato. Questo file supplementare contiene la scheda informativa per i partecipanti e il modulo di consenso informato utilizzati per la reclutazione dei partecipanti. Vengono descritti gli obiettivi dello studio, i criteri di idoneità, le procedure dello studio, la partecipazione volontaria, i potenziali rischi e benefici, la riservatezza, la protezione dei dati e le informazioni di contatto fornite ai partecipanti prima del completamento del questionario.Cliccare qui per scaricare il file.

File Supplementare 2. Questionario utilizzato per la raccolta dei dati. Questo file supplementare contiene il questionario completo somministrato ai partecipanti. Lo strumento include domande demografiche e misurazioni a livello di singolo item per valutare lo stile di insegnamento, l'uso di ChatGPT, l'alfabetizzazione digitale, la motivazione, l'ansia in classe di lingua straniera e la creatività. Le risposte sono state registrate utilizzando una scala Likert a 5 punti che va da 1 (Totalmente in Disaccordo) a 5 (Totalmente d'Accordo). Gli item del questionario corrispondono agli strumenti di misurazione descritti nella sezione Strumenti e Misure del manoscritto.Clicca qui per scaricare questo file.

Discussione

Questo studio ha esaminato le relazioni tra stile di insegnamento, utilizzo di ChatGPT, alfabetizzazione digitale, motivazione, ansia nell'apprendimento di una lingua straniera (FLCA) e creatività tra studenti universitari sauditi che apprendono l'inglese come lingua straniera (EFL), con particolare attenzione al ruolo mediatorio della motivazione. I risultati forniscono evidenze sulle relazioni tra pratiche pedagogiche, uso della tecnologia e caratteristiche degli apprendenti nell'apprendimento delle lingue potenziato dalla tecnologia. L'associazione positiva tra stile di insegnamento e motivazione degli studenti EFL (ipotesi H1 confermata) è coerente con la teoria dell'autodeterminazione (SDT), secondo cui pratiche didattiche che sostengono l'autonomia favoriscono la motivazione intrinseca soddisfacendo i bisogni psicologici fondamentali degli studenti di autonomia, competenza e relazionalità⁶¹. I risultati osservati suggeriscono che approcci didattici centrati sull'apprendente, come gli stili di insegnamento del Facilitatore e del Delegatore, sono associati a livelli più elevati di coinvolgimento e di interesse sostenuto nell'apprendimento linguistico. Questi risultati sono in linea con ricerche precedenti che riportano come stili di insegnamento caratterizzati da flessibilità, reattività e opportunità di partecipazione attiva degli studenti siano associati a un maggiore coinvolgimento motivazionale rispetto ad approcci più centrati sull'insegnante⁶². Nel contesto saudita, dove le riforme educative previste dalla Vision 2030 incoraggiano pedagogie centrate sull'apprendente, l'associazione positiva osservata potrebbe riflettere l'implementazione di tali approcci didattici nelle classi di inglese come lingua straniera⁶³. L'associazione positiva significativa tra l'uso di ChatGPT e la motivazione (ipotesi H2 confermata) può essere interpretata alla luce di consolidati quadri teorici. Secondo la prospettiva della SDT, ChatGPT potrebbe sostenere l'autonomia degli apprendenti consentendo un'esercitazione linguistica autodiretta e potrebbe rafforzare la competenza grazie a un feedback immediato e personalizzato⁶⁴. Inoltre, la sua interfaccia conversazionale potrebbe offrire opportunità di pratica linguistica autentica al di fuori dell'aula, aumentando così l'impegno degli studenti nell'apprendimento dell'inglese⁶⁵. Queste osservazioni suggeriscono che ChatGPT potrebbe funzionare come risorsa di apprendimento di supporto che integra l'insegnamento in aula. Il modello di accettazione della tecnologia (Technology Acceptance Model) fornisce ulteriormente una spiegazione teorica di questa relazione, affermando che gli studenti che percepiscono ChatGPT come utile e facile da usare sono più propensi a interagire con la tecnologia, favorendone così un utilizzo continuativo nell'apprendimento. Analogamente, l'associazione positiva tra alfabetizzazione digitale e motivazione (ipotesi H3 confermata) evidenzia l'importanza della capacità degli studenti di utilizzare efficacemente le tecnologie digitali per l'apprendimento. Gli studenti con un livello più elevato di alfabetizzazione digitale potrebbero essere in grado di utilizzare in modo più efficiente strumenti di apprendimento supportati dall'intelligenza artificiale, incontrare minori ostacoli tecnologici e riconoscere il valore educativo dell'integrazione della tecnologia⁶⁶. Nel contesto saudita, dove sono stati effettuati ingenti investimenti in infrastrutture digitali e tecnologie educative⁶⁷, questi risultati sottolineano il potenziale contributo dell'alfabetizzazione digitale all'apprendimento linguistico potenziato dalla tecnologia.

Un contributo centrale di questo studio è l'identificazione della motivazione come mediatore significativo delle relazioni tra stile di insegnamento, utilizzo di ChatGPT, alfabetizzazione digitale e ansia nella comunicazione in lingua straniera (FLCA) (H6–H8 supportate). L'associazione negativa tra motivazione e FLCA (H4 supportata) è coerente con le prospettive teoriche che suggeriscono come la motivazione intrinseca funga da risorsa psicologica che aiuta gli apprendenti ad affrontare le sfide emotive legate all'acquisizione linguistica⁶⁸. Gli studenti motivati potrebbero essere più propensi a perseverare di fronte alle difficoltà linguistiche, a considerare gli errori come opportunità di apprendimento e a mantenere l'autoefficacia durante compiti linguistici impegnativi, come presentazioni orali ed esami. L'associazione negativa tra FLCA e creatività (H5 supportata) è anch'essa in linea con ricerche precedenti che indicano come l'ansia possa limitare la disponibilità degli apprendenti a sperimentare forme linguistiche nuove e a utilizzare la lingua in modo creativo⁶⁹. Nel contesto saudita dell'insegnamento della lingua straniera (EFL), dove la FLCA è stata identificata come un ostacolo all'apprendimento linguistico, questi risultati evidenziano l'importanza di ambienti di apprendimento che sostengano la motivazione degli studenti riducendo al contempo le barriere emotive alla partecipazione. Le analisi di mediazione suggeriscono inoltre che la motivazione rappresenta un meccanismo importante attraverso il quale pratiche didattiche di supporto, l'utilizzo di ChatGPT e l'alfabetizzazione digitale si associano a livelli più bassi di FLCA. Questi risultati ampliano ricerche precedenti, evidenziando il potenziale ruolo della motivazione nel collegare fattori didattici e tecnologici agli esiti degli apprendenti all'interno delle aule EFL saudite.

L'analisi dimensionale dello stile di insegnamento (Tabella 8) ha rivelato schemi distinti lungo le cinque dimensioni dello stile di insegnamento. Lo stile di insegnamento di tipo Authority era associato a livelli più elevati di ansia nell'apprendimento della lingua straniera (FLCA) e a una minore creatività, mentre la sua associazione con la motivazione non risultava statisticamente significativa. Al contrario, gli stili di insegnamento di tipo Facilitator, Expert, Personal Model e Delegator erano positivamente associati a motivazione e creatività e negativamente correlati all'ansia in classe di lingua straniera. Questi risultati suggeriscono che gli stili di insegnamento possono differire per quanto riguarda le loro relazioni con gli esiti motivazionali, emotivi e creativi degli apprendenti. Una possibile spiegazione è fornita dalla teoria dell'autodeterminazione (SDT), secondo cui approcci didattici che sostengono l'autonomia dell'apprendente sono più propensi a favorire la motivazione intrinseca, mentre approcci didattici fortemente direttivi possono fornire struttura ma offrire minori opportunità di coinvolgimento autonomo. Nel contesto educativo saudita, approcci didattici strutturati potrebbero ridurre l'incertezza per alcuni apprendenti fornendo aspettative e indicazioni chiare. Allo stesso tempo, un maggiore controllo da parte dell'insegnante potrebbe ridurre le opportunità di apprendimento autonomo e di uso creativo della lingua. Questi risultati indicano che approcci didattici che bilanciano indicazioni chiare con opportunità di autonomia per l'apprendente potrebbero sostenere esiti educativi positivi. Studi futuri basati su disegni longitudinali o sperimentali contribuirebbero a chiarire tali relazioni ed esaminare come diversi stili di insegnamento influenzino nel tempo motivazione, ansia in classe di lingua straniera e creatività.

Questo studio contribuisce alla comprensione teorica dell'apprendimento dell'inglese come lingua straniera (EFL) integrando la teoria dell'autodeterminazione (SDT) e il modello di accettazione della tecnologia (Technology Acceptance Model) per esaminare in che modo gli approcci pedagogici e l'apprendimento supportato dall'intelligenza artificiale si associano ai risultati degli studenti attraverso la motivazione. I risultati indicano che lo stile di insegnamento, l'uso di ChatGPT e l'alfabetizzazione digitale sono associati alla motivazione, che a sua volta è associata all'ansia in classe nell'apprendimento di una lingua straniera. I risultati supportano inoltre l'applicazione della SDT nell'apprendimento linguistico potenziato dalla tecnologia, suggerendo che le opportunità di pratica autodiretta e di feedback personalizzato offerte da ChatGPT possono soddisfare i bisogni psicologici degli studenti relativi all'autonomia e alla competenza. Inoltre, l'analisi dimensionale degli stili di insegnamento evidenzia come diversi approcci didattici siano associati a risultati distinti per l'apprendimento, indicando che l'efficacia degli stili di insegnamento potrebbe dipendere dal contesto educativo e dagli esiti specifici presi in considerazione. I risultati hanno anche implicazioni pratiche per l'insegnamento dell'EFL e per le politiche educative in Arabia Saudita. I programmi di sviluppo professionale per insegnanti potrebbero trarre beneficio dall'enfasi su approcci didattici che bilanciano indicazioni chiare con opportunità di autonomia per l'apprendente, sostenendo così la motivazione degli studenti e riducendo l'ansia in classe nell'apprendimento di una lingua straniera. L'integrazione di strumenti supportati dall'intelligenza artificiale, come ChatGPT, nell'insegnamento linguistico potrebbe offrire ulteriori opportunità per il brainstorming, la stesura di testi e la pratica conversazionale, purché accompagnata da un'adeguata guida pedagogica. Analogamente, iniziative sull'alfabetizzazione digitale potrebbero aiutare gli studenti a sviluppare le competenze necessarie per utilizzare efficacemente le tecnologie di apprendimento supportate dall'intelligenza artificiale, inclusa la valutazione delle informazioni, l'uso etico della tecnologia e l'applicazione strategica degli strumenti di intelligenza artificiale. A livello istituzionale, un investimento continuo nelle infrastrutture digitali, nello sviluppo del curriculum che includa attività di apprendimento potenziate dalla tecnologia e in pratiche di valutazione che incoraggino un uso significativo della lingua potrebbe ulteriormente sostenere l'apprendimento degli studenti. Inoltre, ambienti di apprendimento che offrono supporto emotivo attraverso opportunità di apprendimento a basso rischio, feedback costruttivi, collaborazione tra pari e riconoscimento dell'uso creativo della lingua potrebbero contribuire a migliorare la motivazione e ridurre l'ansia in classe nell'apprendimento di una lingua straniera. Nel complesso, questi risultati potrebbero informare le pratiche educative e le iniziative politiche a sostegno dell'apprendimento linguistico potenziato dalla tecnologia, in linea con gli obiettivi più ampi della Saudi Vision 2030.

Questo studio ha esaminato le relazioni tra stile di insegnamento, utilizzo di ChatGPT, alfabetizzazione digitale, motivazione, ansia in classe nella lingua straniera e creatività tra studenti universitari sauditi che apprendono l'inglese come lingua straniera (EFL), con particolare attenzione al ruolo mediatorio della motivazione. I risultati indicano che lo stile di insegnamento, l'uso di ChatGPT e l'alfabetizzazione digitale erano positivamente associati alla motivazione degli studenti. A loro volta, la motivazione era negativamente associata all'ansia in classe nella lingua straniera, mentre l'ansia in classe nella lingua straniera era negativamente associata alla creatività. Questi risultati suggeriscono che la motivazione rappresenta un meccanismo fondamentale che collega fattori pedagogici e tecnologici agli esiti dell'apprendimento negli studenti sauditi che studiano l'inglese come lingua straniera. I risultati evidenziano inoltre l'importanza di ambienti di apprendimento che sostengano sia le esigenze motivazionali che quelle emotive degli studenti. L'analisi dimensionale degli stili di insegnamento ha mostrato che lo stile di insegnamento di tipo Authority era associato a livelli più elevati di ansia in classe nella lingua straniera e a una minore creatività, mentre gli stili di insegnamento Facilitator, Expert, Personal Model e Delegator erano associati a una maggiore motivazione e creatività e a una minore ansia. Questi risultati suggeriscono che approcci didattici che bilanciano indicazioni chiare con opportunità di autonomia dell'apprendente possono favorire esperienze di apprendimento positive e lo sviluppo linguistico. Nel contesto della Saudi Vision 2030, i risultati hanno implicazioni pratiche per l'educazione linguistica. L'integrazione di strategie didattiche centrate sull'apprendente, strumenti di apprendimento supportati dall'intelligenza artificiale come ChatGPT e lo sviluppo dell'alfabetizzazione digitale potrebbe contribuire a un apprendimento linguistico potenziato dalla tecnologia, sostenendo al contempo la motivazione degli studenti e riducendo l'ansia in classe nella lingua straniera. Nel complesso, questo studio fornisce evidenze a sostegno del ruolo delle pratiche pedagogiche, dell'apprendimento supportato dall'intelligenza artificiale e della competenza digitale nell'educazione EFL e offre una base per future ricerche longitudinali e basate su interventi che esaminino tali relazioni in diversi contesti educativi.

Diversi limiti di questo studio devono essere riconosciuti. In primo luogo, il disegno dello studio trasversale limita la possibilità di trarre inferenze causali riguardo alle relazioni tra le variabili dello studio. Sebbene il quadro teorico proponga relazioni direzionali, i risultati dovrebbero essere interpretati come associazioni piuttosto che come evidenza di causalità. Ricerche future dovrebbero adottare disegni longitudinali per esaminare i cambiamenti nella motivazione, nell'ansia in classe di lingua straniera e nella creatività nel tempo, nonché disegni sperimentali o basati su interventi per valutare in modo più rigoroso le relazioni proposte. Tali studi potrebbero indagare se approcci didattici che enfatizzano l'autonomia dell'apprendente siano associati a successivi cambiamenti nella motivazione, nell'ansia in classe di lingua straniera e nella creatività. In secondo luogo, il campione è stato selezionato da un'unica università pubblica in Arabia Saudita, il che potrebbe limitare la generalizzabilità dei risultati ad altri contesti educativi e culturali. Le caratteristiche dell'istruzione superiore saudita, inclusi i metodi di valutazione, le riforme educative in corso e le prospettive culturali sull'autorità dell'insegnante, potrebbero influenzare le relazioni osservate. Ricerche future dovrebbero esaminare queste relazioni in più istituzioni e regioni all'interno dell'Arabia Saudita e in altri paesi, al fine di determinare la coerenza dei risultati in diversi contesti educativi. In terzo luogo, questo studio si è basato su dati auto-riferiti, che potrebbero essere influenzati da bias di desiderabilità sociale, bias di memoria e varianza comune del metodo. Sebbene siano stati utilizzati strumenti di misurazione validati e procedure di pretest, studi futuri potrebbero integrare ulteriori fonti di dati, come osservazioni in classe, analisi dell'apprendimento, registrazioni dell'uso dell'intelligenza artificiale o valutazioni basate sulle prestazioni relative alla competenza linguistica e alla creatività, al fine di fornire evidenze complementari. Approcci multimetodo e misti potrebbero ulteriormente rafforzare la comprensione delle relazioni identificate in questo studio. Infine, l'analisi dimensionale degli stili di insegnamento ha rivelato associazioni distinte tra lo stile di insegnamento di Autorità e i risultati degli apprendenti. Ricerche qualitative future, incluse interviste, gruppi focali e osservazioni in classe, potrebbero fornire ulteriori approfondimenti su come diversi stili di insegnamento influenzino la motivazione degli studenti, l'ansia in classe di lingua straniera e la creatività, in particolare nel contesto EFL saudita. Tale lavoro complementerebbe i risultati attuali e contribuirebbe a una comprensione più completa dell'apprendimento linguistico potenziato dalla tecnologia.

Materiali

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
Scala d'uso di ChatGPT (adattata)	Autori; adattata da Abbas et al.	N/A	Questionario a otto domande per valutare l'utilizzo da parte degli studenti di ChatGPT nell'apprendimento linguistico.
Scala della creatività (adattata)	Autori; adattata da Govindasamy et al.	N/A	Questionario a dodici domande per valutare originalità, flessibilità, fluidità ed elaborazione.
Scala dell'alfabetizzazione digitale (adattata)	Autori; adattata da Rodríguez-de-Dios et al.	N/A	Questionario a ventinove domande per misurare sei dimensioni dell'alfabetizzazione digitale.
Scala dell'ansia in classe di lingua straniera (FLCA) (adattata)	Autori; adattata da Briesmaster & Briesmaster	N/A	Questionario a ventisette domande per misurare l'apprensione comunicativa, l'ansia da test e la paura della valutazione negativa.
G*Power	Heinrich Heine University Düsseldorf	Versione 3.1.9.7; RRID: SCR_013726	Software utilizzato per l'analisi statistica post hoc della potenza.
IBM SPSS Statistics	IBM Corp.	Versione 26; RRID: SCR_002865	Software statistico utilizzato per la pulizia dei dati, statistiche descrittive, analisi dell'affidabilità e analisi preliminari.
Analisi della distanza di Mahalanobis	IBM SPSS Statistics	Versione 26; RRID: SCR_002865	Procedura statistica implementata in IBM SPSS Statistics per identificare outlier multivariati.
Scala della motivazione (adattata)	Autori; adattata da Kanoksilapatham et al.	N/A	Questionario a venti domande per valutare la motivazione dell'apprendente.
Questionario cartaceo	Autori	N/A	Versione stampata del questionario auto-somministrato strutturato, utilizzata per la raccolta dati in presenza.
Piattaforma online sicura per sondaggi	Google LLC	N/A	Piattaforma Google Forms utilizzata per la distribuzione elettronica del questionario.
SmartPLS	SmartPLS GmbH	Versione 4; RRID: SCR_036419	Software utilizzato per la Partial Least Squares Structural Equation Modeling (PLS-SEM), inclusa la valutazione del modello di misura, l'analisi del modello strutturale, il bootstrapping (5.000 ricampionamenti) e l'analisi di mediazione.
Questionario auto-somministrato strutturato	Autori	N/A	Questionario somministrato in formato cartaceo ed elettronico utilizzando una scala Likert a 5 punti (1 = Totalmente in disaccordo a 5 = Totalmente d'accordo).
Inventario dello stile di insegnamento (adattato)	Autori; adattato dall'Inventario dello stile di insegnamento di Grasha	N/A	Questionario per misurare gli stili di insegnamento Autorità, Esperto, Modello personale, Facilitatore e Delega.
Canali di comunicazione universitari	Università di Jeddah	N/A	Email ufficiali e annunci in aula utilizzati per il reclutamento dei partecipanti.