持続可能な開発目標(SDGs)と生成AIを統合し、EFL学習環境における言語デジタルリテラシーと創造性の向上

サマリー

SDGsとChatGPTのような生成AIを組み合わせることで、英語学習者のモチベーション、デジタルリテラシー、創造性が向上します。より高いエンゲージメントはこの連携を強化し、教師にAIを言語教育に統合するための実践的な戦略を提供します。

要約

本研究は、持続可能な開発目標(SDGs)と生成AI、特にChatGPTの統合を通じて、EFL学習環境における言語デジタルリテラシー、創造性、モチベーションの向上を調査します。定量的かつ横断的なデザインを採用し、本研究のデータは中国のある公立大学のn=420名のEFL学部生から収集され、検証済みスケールを用いてSDG統合(SDG)、ChatGPTのような生成AI(UCGPT)、デジタルリテラシー(DL)、EFL学生の創造性(SC)、EFL学生のモチベーション(SM)、言語学習への関与(LLE)を測定しました。部分最小二乗構造方程式モデリング(PLS-SEM)を用いて、直接的、媒介的、緩和効果を解析しました。調査結果は、SDG統合とUCGPTがSMと有意に関連しており、それがデジタルリテラシーやEFL学生の創造性を予測していることが明らかになりました。さらに、LLEはDLとSCの関係を緩和し、SMはSDG統合とUCGPTがデジタルリテラシーに与える影響を媒介しました。これらの成果は、SDGsとAIツールをEFL教育に統合することの変革的可能性を浮き彫りにし、21世紀のスキル開発のためのスケーラブルな戦略を提供します。さらに、EFL教師向けの具体的な戦略も示しており、例えば気候正義などのSDGテーマに関する議論の準備にChatGPTを使わせたり、持続可能性意識を高めるための多言語ソーシャルメディアキャンペーンを共創したりしています。これらのアプリケーションは、日常の授業計画においてSDGとAIの統合をどのように実用化するかを示しています。

概要

英語を外国語として学ぶ教育の世界的な状況は、技術革新と国連の持続可能な開発目標(SDGs^)という二重の使命によって、深い変革を遂げています。グローバリゼーション、学術的流動性、デジタル経済の影響で英語能力の需要は非英語圏地域で急増し続け^{ていますが、}従来の教育アプローチは21世紀^{のコミュニケーションに必要な}重要な能力を学習者に提供できていないことが多いです。従来のEFLの方法論は、創造的表現やデジタル関与よりも丸暗記や構造的正確さを重視しており、質^{の高い教育へのアクセス}格差を悪化させるリスクがあります。このずれはSDG4(包括的で公平な質の高い教育)への進展を妨げるだけでなく、特に生成型人工知能(AI)をはじめとする^{新興技術5}の変革的な可能性を見落としています。言語学習エコシステムの再構築に寄与します^。ChatGPTのようなAI駆動ツールの急速な拡大にもかかわらず、EFLの文脈における統合は依然として十分に探求されていません。^特にサステナビリティフレームワークの観点からは7.本研究は、SDGsと生成AIの戦略的融合がEFL学習環境におけるデジタルリテラシー、創造性、モチベーションをどのように向上させ、教育イノベーションとグローバルな持続可能性の課題を推進するかを調査することで、この重要なギャップを埋めます。AI支援言語学習とSDGに沿^{った教育の}交差点に関して、既存の文献には依然として大きなギャップがあります。これまでの研究では、パーソナライズされた言語指導^9、自動評価¹⁰、バーチャル交換プログラム¹¹におけるAIの役割が検証されていますが、これらの研究は持続可能性の枠組みに関わることはほとんどありません。逆に、EFLと持続可能性に関する文献は、技術を活用して教育パラダイムを再構築するよりも、内容ベースの指導(環境テキスト)に主に焦点を当ててきました¹²。この乖離は、言語的周縁化と最先端の教育ツールへのアクセス制限が交差するグローバルサウスの文脈でデジタル格差が拡大していることを考えると特に問題です¹³。さらに、SDG 4.4はデジタルリテラシーを明確に優先していますが、ほとんどのEFLカリキュラムはデジタル能力と持続可能性の成果を結びつけておらず、学習者は雇用、起業、適切な仕事の要求に十分対応できていません^。AI駆動の教育法と持続可能性の能力を整合させるフレームワークの欠如は、重大な見落とし^{となります。}さらに、このフレームワークは、ChatGPTのような生成AIツールを操作するための基本的なデジタルリテラシーを持つ学部のEFLコースにも容易に適用可能です。実装は標準的なテクノロジー統合教室向けに設計されており、教育者は構造化されたSDGに沿ったタスクプロンプトを提供し、AIコラボレーションを効果的に導きます。

本研究は、社会文化理論¹⁶ と批判的デジタルリテラ^シー17に基づき、EFL教育のための新しいSDGに配慮した生成AIフレームワークを提案することで、これらのギャップを埋めています。従来の研究がAIを教育ツールとして扱うのとは異なり、研究者たちはAIを学習者の創造的かつ批判的思考の足場を築く協力パートナーとして位置づけています¹⁸。この変化は、包括的で学習者中心の教育というSDGの目標と一致しています。実証的に、研究者は偏最小二乗構造方程式モデリング(PLS-SEM)を用いて、n=420人の中国の学部EFL学習者のデータを分析し、SDG統合(SDG)とChatGPT(UCGPT)の利用が動機付け(SM)、デジタルリテラシー(DL)、学生の創造性(SC)、言語学習の関与(LLE)にどのように影響するかを検証しています。本研究の理論的貢献は三つあります。まず、研究者たちは自己決定理論(SDT)を拡張し、SDGに沿ったAIツールが学習者の自律性、能力、関連性という内在的なニーズを満たし、動機付けを高めることを示しています。次に、研究者たちはAI媒介環境において、学習者のエンゲージメントレベルに依存してデジタルリテラシーと創造性がどのように動的に相互作用するかを明らかにすることで、エンゲージメント理論を洗練させています。第三に、研究者たちは持続可能性の議論に倫理的なAI利用を組み込むことで重要なデジタルリテラシーを推進し、学習者にAIシステムにおけるデータバイアス、環境コスト、労働慣行を問い直すよう促しています。実証的に、これらの発見は教育者や政策立案者に実用的な洞察を提供し、ChatGPTがSDG関連の言語課題(気候変動議論、ジェンダー平等シミュレーション)へのアクセスを民主化しつつ、高次の認知スキルを育むことを示しています。この記事の構成は次の通りです。まず、この研究の重要性や独自性、既存の文献のギャップ、そして本研究の貢献について論じる序文です。次に、EFL、生成AI、デジタルリテラシーにおけるSDGsに関する文献レビューがあります。プロトコルセクションはPLS-SEMの方法論を詳述し、結果セクションはその発見を提示します。ディスカッションセクションでは、主な発見や理論的・実践的な含意について詳しく述べています。最後に、記事は制限事項と今後の方向性について締めくくります。

文献レビューと仮説の発展

持続可能な開発目標4とEFL学生の動機付け
英語を外国語として(EFL)カリキュラムと持続可能な開発目標4¹⁹を統合し、包括的かつ公平な質の高い教育と生涯学習を重視する教育アプローチが、学生のモチベーションを高める重要な戦略として浮上しています²⁰。SDG4の目標、特に4.4(雇用のためのスキル)と4.7(持続可能な開発のための教育)は、批判的思考、デジタルリテラシー、倫理的^{関与スキルを持つ}言語的に優れた学習者を育成することの重要性を強調しています。これらの能力の原則は、保護責任および「権利に基づく教育」SDG 4.5の目標によっても支えられています。いくつかの研究は、気候変動対策、ジェンダー平等、貧困対策が言語学習で扱われることで、生徒の科目へのモチベーションが高まることを示唆しています²²。この方法は、自律性、スキル習得、社会的つながりの経験が人々の動機を保つと信じる自己決定理論を支持^{しています。}持続可能な開発目標に関連するインタラクティブなコンテンツを使うと、生成AIは動機付けツールとしてさらに効果的^です。チャットボットによるシミュレーションサミットや、持続可能性に焦点を当てた複数の言語でのプラットフォームをAIで利用し、学生は言語演習を通じて複雑なテーマを学ぶことが可能になります。²⁷。英語で水不足の解決策を議論するシナリオを学生に適用することで、興味を持てます。それは彼らの問題解決能力を研ぎ澄まし、リーダーシップ^や重要性を強く感じさせます。AIフィードバックは標準化され即時に提供されており(これは指摘されており、多様な教育ニーズに応える助けとなり、SDG 4²⁹で説明された公平性を支えています。これらはすべて学生の心を落ち着かせ、平等を確保しています。教育専門家はSDGとのつながりをさらに一歩進める必要があり、学生が体系的な不平等を特定できるスキルの開発に注力すべき^です。先進国と発展途上国の間にAIの格差がある場合、学生が落胆する理由が増え、インクルーシブデザインの採用を求める声は³¹件に増加します。上記の文献に基づき、次の仮説が提案されます:H1:EFL授業にSDGsを統合することで、学生の英語学習への意欲が高まる。

生成AIの利用とEFL学生の動機付け
言語モデルやチャットボットを含む生成AIツールは、交流を促進し、個人のニーズに応え、創造的な活動を促進することでEFL教育のモチベーションを高めるためにますます評価されています³²。これらのアプローチにより、学習者はAIと直接交流でき、現実的な状況でのコミュニケーション練習や、迅速かつ調整可能なフィードバックを受け取ることができ、不安を軽減し興味を維持することが^{知られています。}例えば、AI生成の教育リソース、例えば生徒のレベルや興味に合わせたパーソナライズされたテキストやシナリオは、学生の心理的な自律性や能力感のニーズを満たすことができます。生成AIは多言語のリソースを提供し文化的文脈を考慮するため、学習者が英語でグローバルな課題を探求し、倫理的意思決定について深く考えることを促^します。しかし、専門家は、AIに過度に依存しすぎると人々のコミュニケーションが制限され、子どもの成長に不可欠な批判的思考の発達を妨げる可能性があると助言しています。さらに、インターネットアクセスの不利や偏ったアルゴリズムの影響が、特定の学習グループにおける既存の不平等を悪化させ、現在の格差をさらに深めることがあります。上記の文献に基づき、次の仮説が提案されています:H2:英語学習教室でChatGPTを使うことで、生徒の言語学習への動機付けが高まる。

EFL学生のモチベーションとデジタルリテラシー
デジタルリテラシーとEFLの動機付けの関係は単なる相関関係ではなく、相乗効果があります。デジタルリテラシーが高い学生は、自分の個人の興味や社会文化的文脈に合致した本物のマルチモーダルなコンテンツを探し出し、関わる能力が高い^35,36。この能力は、学習者の自律性と能力を高め、デジタル環境をより効果的にナビゲートできるようにすることで、内発的動機付けを直接促進します。しかし、この正のサイクルは自動的に起こるものではありません。動機付け効果はデジタルエンゲージメントの質に依存します。単に技術を使うだけでは、そのタスクが意味があり文化的に応答的でない限り、動機付けが保証されません^。37。

さらに、生成AIは現在、パーソナライズされた足場を活用してこの相乗効果を加速させる仕組みとしてマーケティングされています^が、重要なアプローチからいくつかの緊急対策があることが明らかになります。異文化間対話を促進しメディアの偏見を解きほぐすAI技術の^成功は、資源が不足する環境でしばしば欠けている平等なアクセスと基盤となるデジタル能力に基づいて^います。その結果、デジタルリテラシーの欠如がフラストレーションや無関心感を引き起こし、AI^が生み出そうとするモチベーションを妨害する動機付けのギャップを生み出します。したがって、AI統合には厳格なデジタルリテラシーモデルが伴い、学習者が倫理的な意味合いを理解することを促し^{、技術の使用}による現在の不均衡の誤った伝播を防ぐ必要があります。上記の文献に基づき、次の仮説が提案されます:H3:EFL学生の動機付けが高いことは、デジタルリテラシースキルの向上につながる。

EFL学生のデジタルリテラシーとEFL学生の創造性
英語外国語(EFL)において、デジタルリテラシーは、学習者に革新的なデジタルモードによって言語使用を再文脈化する技術的かつ批判的な能力を持たせることで創造性を促進し^ます。学生は生成AI、マルチメディアプラットフォーム、協働型バーチャル空間などのデバイスの使い方に熟練し、テキストベースの演習を超えて、デジタルストーリー、ポッドキャスト、さらにはAI生成の物語などのマルチモーダルプロジェクトを作成するツールとして活用^{できるようになります。}例えば、多言語詩の共創やバーチャルリアリティのシミュレーションを行うAIベースのプラットフォームは、学習者が言語的・文化的ハイブリッド性を実験し、言語習得と芸術的探求を組み合わせる^{のに役立ちます。}

デジタルリテラシーは、平等なアクセス機会や明確な目的に基づく教育アプローチを通じて創造性と相関^{しています。}一部の周縁化されたグループは生成AIやデジタルツールへの平等なアクセスを持てず、創造^的な抑圧や受動的な学習を生み出し、積極的な創造とは言えません。教育専門家は、持続可能な教育実践に焦点を当てた重要な方法を選択し、学生がAIコンテンツ生成の倫理的アプローチと環境へのデジタルワークフローへの影響の両方を検証できるようにすべき^です。学生は持続可能なプロジェクト開発とアルゴリズムバイアス検証を組み合わせた実践的なデジタルデザイン活動を通じて倫理的な職人技を育成し、SDG 4.7の持続可能性と正義の目標を強化します。上記の文献に基づき、以下の仮説が提案されています。 H4:デジタルリテラシースキルが高いEFLの学生は、言語課題においてより高い創造性を示す。H5: EFL学生の言語学習への関与は、言語課題における創造性の向上を示しています。

言語学習への関与の調節効果
特にEFL学習の文脈に関しては、持続可能な開発目標(SDGs)と生成AIを統合した教育介入は、言語学習への関与(認知的、行動的、感情的関与)が多国間の重要な調整変数である場合により効果的^です。SDG関連コンテンツの実装において、高いエンゲージメントレベルが動機付けや認知面の向上を高めます。SDGに沿ったプロジェクトベースタスクやAIシミュレーションタスクの参加者はより粘り強く、より多くの質問をし、学習の旅に対してより多くの主体感を主張するようになるため⁵⁰。例えば、学生が人工知能(AI)の持続可能性キャンペーンを共同で作成したり、英語での世界的な課題について議論したりすることは、学生が現実の問題に感情的につながりていることから、言語能力や創造性を高めることが示されています⁵¹。エンゲージメントは、AIによって駆動されるEFL学習環境の倫理的・文化的側面を学習者がどのように扱うかを決定するモデレーターです。無関心を示す学生は、AIを自分たちの懸念を強め、自動フィードバックに受動的に依存させる権威主義的なシステムと見なしています⁵²。上記の文献に基づき、次の仮説が提唱されます: H6:言語学習への関与は、デジタルリテラシーと創造性の関係を調節する。

EFL環境におけるEFL学生の動機付けの媒介効果
EFL学生のモチベーションレベルは、SDGsに結びついた教育戦略や生成AIの活用が、彼らのデジタルスキルや創造的能力、さらには^{英語能力に}どのように影響するかに重要な役割を果たします。インストラクショナルデザインは、自己決定理論⁵⁴を用いて、動機付けを通じて学習者の達成と交差し、深い関与のための心理的条件を強化します。学生の動機付けは、自律性(アドボカシートピックの意思決定)、能力(持続可能性の語彙学習)、関連性(グローバルな活動への参加)に関連しており、SDGをテーマにした内容が学生の批判的思考やデジタルスキル開発の効果を決定する仕組みとなっています。生成AIツールの新しさから初めて使う際には学生の関与が高まりますが、リテラシーと創造性の継続的な向上には、AIの相互作用をアイデンティティに関連し、自^{律性を促進する}ものとして認識する必要があります。

研究者たちは、動機を様々な場面を結びつける主要な要因として実証的な証拠を確立しています。EFL学習者に向けたSDGに焦点を当てたプロジェクトは、自己評価で同時にモチベーションが高まったため、関連する創造性が促進されました(⁵⁶)。AI生成のパーソナライズフィードバックによるライティングアウトカムは、強い既存動機を示す学生で最大の改善を示しました(^57,58)。この研究は、動機付けが技術的介入の効果を調節することを証明しました。このプロセスを妨げるもう一つの要因は、文化的要素や社会経済的要素です。資源不足の環境では、SDG 4.4で言及されたキャリア機会に関連する外部インセンティブを優先しがちで、動機付けとデジタルツールの提供との関係が変化します^59,60。上記の文献に基づき、以下の仮説が提案されています:H7:学生の動機はChatGPTの使用とデジタルリテラシースキルの関係を媒介する。H8: 学生の動機はSDGsとデジタルリテラシースキルの関係を媒介します。 図1は、すべての変数とそれらの経路関係を含む本研究の研究モデルを示しています。さらに、変数間の経路関係に基づき、すべての仮説も研究モデル内で示されます。

プロトコル

本研究は、被験者の研究に関する倫理ガイドラインに準拠して実施されました。参加者全員から事前のインフォームドコンセントが得られ、研究の目的、調査に基づく手続き、任意性、そしていつでも取り下げられる権利について十分に説明されていました。すべての方法は人間研究の倫理基準を遵守し、参加者の機密保持、データの匿名化、そして研究全体を通じて保護が確保されました。この研究は、参加者へのリスクを最小限に抑えた非侵襲的かつ調査ベースのデータ収集を含みました。

1. 研究デザイン

本研究は、持続可能な開発目標(SDG)の統合、生成AIの利用、デジタルリテラシー、創造性、動機付け、英語学習の関与との関係を調査するために、定量的かつ横断的な研究デザインを採用しました。この設計は、実証主義的認識論に基づき、構造化された調査による仮説検証を優先し、類似の学術環境間での統計的一般化を可能にしました。複雑な媒介効果および減速効果を解析するために、部分最小二乗構造方程式モデリング(PLS-SEM)アプローチが選ばれました。PLS-SEMは、データ^{正規性に関する}仮定を最小限に抑えつつ、より小さなサンプルサイズと探索的モデル構造に対応します。このデザインはSDG4の呼びかけと一致し、AI強化言語学習におけるスケーラブルな教育革新を支える測定可能な成果に焦点を当てています。

2. データとサンプリング

まず、サンプリングフレームを構築するために、研究者たちは2024年春学期の大学プログラム名簿からすべての完全な技術統合EFLクラスを特定し選択し、420名の学部生という利便性の高いサンプルを得ました。次に、参加者の適格性は18歳から24歳の基準に照らし、大学の就職記録に基づき英語能力が中間レベルの1年生または2年生として登録されていることが確認されました。最終コホートは女性62%、男性38%で、95%が中国東部出身でした。第三に、予定された授業中に研究者が対面で調査ツールを実施しました。詳細な情報シートを配布した後、研究者はインフォームドコンセントのスクリプトを読み上げ、質問の時間を設け、署名済みの同意書を集めてからアンケートを配布しました。参加者は20分間匿名でアンケートを記入し、インセンティブはありませんでした。第四に、過去のAI経験という余計な変数を制御するために、調査ツール自体に最初に専用のフィルターセクションを組み込み、参加者のAIツールへの熟知度を収集し、その後の統計的コントロールに用いています。最後に収集されたデータの完全性をスクリーニングし、n=420のサンプルサイズがPLS-SEMに対して「10倍ルール」を適用して統計的妥当性を検証し、モデルの最も複雑な回帰方程式における予測変数あたり10ケースの最低要件を超えていることを確認しました。

1. SDGsとChatGPTの実践的統合
   調査指標を具体的な教育的文脈に据えるため、本研究はChatGPTの支援を得てSDGテーマを明確に統合した特定のEFLモジュール内で実施されました。生徒たちは4週間にわたり一連の課題型学習活動に参加しました。例えば、ある課題では、学生がChatGPTを使って特定のSDGs(SDG4教育、SDG 13:気候変動対策、SDG 5:ジェンダー平等)を調査し、主要な課題の要約を作成し、AI提供された情報をバイアスの可能性がないか批判的に評価する必要がありました。別の課題では、学生たちはChatGPTを共同ツールとして使い、地域の持続可能性イニシアチブを訴える説得力のあるエッセイやソーシャルメディアキャンペーンの脚本を共著し、グローバルな目標を自分たちの目の前の文脈に結びつけました。これらの課題はマルチモーダルとして設計されており、多くの場合ビデオブログやプレゼンテーションで締めくくられ、生徒は情報を統合し、批判的思考を行い、英語を具体的な目的のために使うことが求められました。この実践的な導入により、学生の調査回答は統合されたSDGとAIの学習アプローチを直接体験したものに基づくことが保証されました。

3. 倫理的考慮事項

本研究は厳格な倫理的配慮に従って実施されました。すべての参加者は、書面および口頭の両方で研究の目的と手続き、そして自身の権利について詳細に説明され、参加前にインフォームド・コンセントを提供しました。この合意により匿名性が保証され、いつでも報復なく撤退でき、データの機密性も保証されました。情報は暗号化されたデジタルシステムを通じて収集され、パスワード保護されたサーバーに安全に保存されました。すべての分析は、個人の特定を防ぐために集計データに基づいて行われました。SDG 4.7の原則に沿って、この研究には生成AI特有の倫理的問題を扱う別の報告セクションが含まれており、ChatGPTの回答におけるバイアスの可能性や環境への影響などの潜在的な懸念を明確に示しています。最後に、自己申告バイアスやサンプルの地理的場所といった研究の限界が、学術的誠実性を促進するために公然と認められました。

4. 測定方法

構成概念はEFLの文脈に適応した検証済みスケールを用いて操作化されました。SDGの統合は、経済(13項目)、社会(9項目)、環境(14項目)の3つのサブスケールを持つ36項目の尺度を用いて測定されました。この尺度はAtmacaら⁶²から派生し、言語課題における持続可能性のテーマへの曝露を評価しました。デジタルリテラシーは、Rodríguez-de-Diosら⁶³から適用した6つの次元に拡張された29項目の尺度で評価されました。これには、技術リテラシー(7項目)、個人セキュリティリテラシー(5項目)、クリティカルリテラシー(5項目)、デバイスセキュリティリテラシー(4項目)、情報リテラシー(5項目)、コミュニケーションリテラシー(3項目)が含まれます。さらに、EFL学生の創造性はGovindasamyらの12項目のツールを通じて捉えられ、それぞれ4つのサブスケール(独創性、柔軟性、流暢さ、展開性)の3項目が含まれています。ChatGPTの使用は、Abbasら⁶⁵から適用した8項目スケールで定量化され、言語タスクにおける頻度、目的、効果の認識に焦点を当てました。動機付けはObiosa⁶⁶を用いて評価され、05項目スケールで評価されました。最後に、Eerdemutuらの9項目スケールを用いて言語学習への関与度を評価しました。⁶⁷。すべての尺度は5点リッカート回答を用い、パイロットテスト(n=30)で信頼性が確認され(クロンバックα > 0.82)、確認的因子分析で構成概念の独自性が検証されました。本研究の分析は、二次反射反射構造は直接検証されていないため、一次反射-反射構成概念に基づいて行われました。

5. データ分析

データ解析はSPSSバージョン28およびSmartPLSバージョン4を用いた連続的な2段階手順で実行されました。このプロセスはSPSS 28で始まり、研究者たちは記述統計>記述統計>分析 」および「二変量>>相関分析 」に進み、n=420例のサンプルに対してそれぞれ予備的な記述統計(平均、標準偏差)とピアソン相関係数を計算しました。その後、主要な解析はSmartPLS 4に移り、部分最小二乗構造方程式モデリング(PLS-SEM)を実施しました。SmartPLSの最初のステップは、組み込みの計算アルゴリズムを実行して内部整合性を評価することで測定モデルを検証し、複合信頼度値が0.70の閾値を超える必要があり、収束妥当性がすべての構成要素で平均分散抽出(AVE)が0.50を超えることで確認されました。その後、ソフトウェアのレポート機能を用いてFornell-Larkker基準を適用し、すべての異形特性-単一形質(HTMT)比率が保守的な基準値0.85を下回っていることを確認して判別妥当性を検証しました。この検証後、5,000のサブサンプルと0.05の有意水準で両側検定を用いるブートストラップルーチンを用いて、すべての経路係数(β)および間接効果に対してバイアス補正信頼区間を生成し、仮定された直接的、媒介的、緩和的関係を検証して構造モデルを評価しました。最後に、モデルの予測関連性は、盲目フォールディング手法で得られたストーン・ガイッサーのQ²値を調べ、ゼロを超える値は十分な予測力を示すこと、そしてPLSアルゴリズムの結果から効果量(f²)を計算して予測変数の実質的影響を決定しました。

結果

記述統計
記述的分析は、変数のパターン、中心位置、分散に関する重要な洞察を提供し、研究者が初期データの健康状態、正常性、理論的一致性を検証することを可能にします。本研究では、平均値を用いて峰度のレベルを測定し、標準偏差のパラメータを用いて歪度の評価を行います。さらに、歪みの影響も考慮されます。これは、420名の参加者がパラメトリックテストに適しており、SDGベースのAI強化EFL学習環境で適切な相互作用を示していることを示唆しています。

表1は 、AI機能や持続可能な開発目標の原則の統合を含む、貢献者がEFL学習にどのように関わるかを本質的に分解した記述的統計分析を示しています。参加者はデジタルスキルとChatGPTの応用に非常に自信を持ち、それぞれ3.98(標準差=0.76)と3.78(標準差=0.85)のスコアを獲得しました。これらの高得点は、同校がテクノロジーを活用した教育アプローチに注力していることを裏付けています。参加者は創造的な自...

ディスカッション

主な発見の概要
本研究では、持続可能な開発目標(SDGs)、生成AI(ChatGPT)、そして動機付け、デジタルリテラシー、創造性といったEFL学習環境における主要な教育成果の相互作用を検討しました。結果はすべての直接効果仮説(H1-H5)を裏付け、SDG統合(β = 0.37)とChatGPT利用(β = 0.28)が学生のモチベーションを大幅に高め、それがデジタルリテラシー(β = 0.45)と創造性(β = 0.32)を促進することを示しました。言語学習への関与は創造性に強い影響を与え(β = 0.688)、学生の革新的能力を増幅する上で重要な役割を果たしていることを示唆しています。調整・媒介分析では、関与がデジタルリテラシーと創造性の関連を緩和することも明らかになりました(H6, β = -0.18)。同時に、動機付けはChatGPT(H7、β = 0.13)やSDGs(H8、β 4 = 0.17)がデジタルリテラシーに与える影響を媒介しています。これらの発見は、SDGに沿った教育法とAIツールを組み合わせることで、21世...

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
ChatGPT使用スケール	Abbasら(2023)からの8項目スケール。	Abbasら(2023年)。
創造性スケール	Govindasamyら(2022)からの12項目スケールで、独創性、柔軟性、流暢さ、展開の4つのサブ構成要素を測定しました。	Govindasamyら(2022年)
データ収集ツール	匿名で自己管理の紙と鉛筆によるアンケート。	該当しない/カスタムデザイン
データストレージシステム	暗号化されたデジタルシステムによるパスワード保護サーバー。	該当しない/機関向けITインフラ
デジタルリテラシー尺度	Rodríから適応した29項目スケール;guez-de-Diosら(2018年)は、技術的、個人のセキュリティ、重要性、デバイスセキュリティ、情報、コミュニケーションリテラシーの6つの次元をカバーしています。	ロド&アキューテ;guez-de-Dios ら(2018)
インフォームドコンセント文書	書面の情報シートと同意書が必要です。	該当しない/カスタムデザイン
言語学習関与度尺度	9項目スケールはEerdemutuら(2023)より適用。	Eerdemutu ら(2023)
動機調査尺度	5項目スケールはObiosa(2023)から適応。	オビオサ(2023年)。
PLS-SEMアルゴリズムとブートストラップ	SmartPLS 4内部ルーチン(PLSアルゴリズムと5,000サブサンプルを持つブートストラップ)。	https://www.smartpls.com/documentation/algorithms-and-techniques
予測的関連性評価	SmartPLS 4での目隠し手順によるストーン・ガイサーの計算s Q²価値。	https://www.smartpls.com/documentation/predictive-relevance-q2
SDG統合スケール	Atmacaら(2023年)からの36項目スケールを適用し、経済(13項目)、社会(9項目)、環境(14項目)のサブスケールがあります。	Atmacaら(2023年)
統計分析ソフトウェア	IBM SPSS 統計 バージョン 28。	-
構造方程式モデリングソフトウェア	SmartPLS、バージョン4。	https://www.smartpls.com
妥当性と信頼性チェック	SmartPLS 4は複合信頼性、抽出平均分散(AVE)、フォーネル・ラーカー基準、HTMT比率の報告機能です。	https://www.smartpls.com/documentation/reporting