デジタルリテラシーから学生の創造性へ:AI支援言語学習における動機付けの道筋

サマリー

この研究は、学生中心の教育、戦略的なChatGPTの活用、デジタルリテラシーが中国語のEFL学習者の動機付けと正の関連があることを発見しました。この高い動機付けは、不安の低減と創造性の向上と関連しており、仲介の役割を示唆しています。この調査結果は、教育法、AIツール、デジタルスキルを統合した教師研修を支持しています。

要約

本研究は、指導スタイル、ChatGPTの使用、デジタルリテラシーが中国語英語学習者の動機付け、不安、創造性にどのように影響するかを調査し、これらの関係における動機付けの媒介役割を調査します。定量的アプローチを採用し、n=290名の学部生から検証済みスケールを用いてデータを収集し、構造方程式モデリングで解析しました。研究結果は、学生のキャンター型指導、戦略的なChatGPT統合、デジタルリテラシーがモチベーションの向上と正の関連があることを示しています。モチベーションが高いほど不安が低くなり、不安が低いほど創造性が高まります。さらに、動機付けは三つの前行要因(教育スタイル、ChatGPTの使用、デジタルリテラシー)と不安の関連を完全に媒介し、テストモデル内で感情的な結果における中心的な役割を強調しています。本研究は、教育的要因と技術的要因が学習者の心理的ニーズを相乗的に支えることを示すことで自己決定理論に貢献し、動機付けの媒介機能の明確化を通じてメディアを用いた認知情動理論を拡張しています。実務的な意味合いは、革新的な教育法、AIツールの活用、デジタルリテラシーの発展を組み合わせた教師養成プログラムの必要性を強調し、言語学習体験を最適化しています。この研究は、特に高リスクの学習環境において、技術強化EFL教育における動機付け重視のアプローチの重要性を強調しています。

概要

人工知能(AI)は、^{言語学習における}新たな交流、パーソナライズ、創造性の機会を生み出すことで教育技術を進歩させました。ChatGPTはAIベースの会話ツールで、^{言語開発を支援する}インタラクティブかつ適応的なフィードバックを提供します。同時に、デジタルリテラシーは学習環境でテクノロジーを効果的に活用し、ナビゲートするための不可欠なスキルとして浮上しています。³.AI支援の言語学習への関心が高まり、EFL文脈でChatGPTの利用が増加している^{にもかかわらず、いくつかの}重要なギャップが残っています。まず、既存の研究は主に教育スタイル、AIツールの使用、デジタルリテラシーを個別に検証してきました。限られた研究では、これら三つを単一の動機付けフレームワークに統合^{しています5.}第二に、動機付けは言語学習の主要な推進力として広く認識されていますが、教育的・技術的要因を感情的成果(例:言語学習不安)や認知的成果(例:創造性)に結びつける媒介的役割を調査した研究はほとんど^{ありません6。}このギャップは特に、技術統合がまだ発展途上の中国のEFL文脈で顕著です。さらに、不安はEFL Learning⁷で妨害要因としてよく記録されていますが、動機付けや技術的変数と共に研究されることは稀です。同様に、言語学習においてますます重視される創造性スキルは、AI支援学習環境と強く関連しているわけではありません。これまでの教育法や技術だけに焦点を当てた研究とは異なり、本研究は両領域を橋渡しし、指導スタイル、ChatGPTの活用、デジタルリテラシーが動機付け、さらには不安や創造性とどのように関連しているかを検証しています。

本研究は、構造方程式モデル内の特定の測定構造に対応する3つの理論的枠組みを用いています。第一に、自己決定理論(SDT)⁹ は、自律性支援型教育が学習者の基本的な心理的ニーズ(自律性、能力、関連性)を満たし、内発的動機付けを高めると主張します。私たちのモデルでは、これは学生中心の教育スタイルという概念によって操作化されており、これは動機付けと正の関連があると仮定されています。第二に、技術受容モデル(TAM)¹⁰ は、認知された有用性や使いやすさが技術の採用に影響を与えることを示唆しています。ここでは、デジタルリテラシーを学習者がChatGPTを有用で使いやすいものとして認識し、動機付けとの肯定的な関連を強化する前段階として概念化されています。第三に、メディアを使った学習の認知・情動理論(CATLM)¹¹は、感情的要因(例:不安)がメディアの特徴と認知的成果(例:創造性)との関係を媒介していることを強調しています。私たちのモデルでは、動機→不安→創造性という経路を通じてこれを検証します。重要なのは、構成主義的学習理論は学生中心の教育法の設計に影響を与えているものの、私たちのモデルでは明確に測定された構成概念として運用化されているわけではないということです。したがって、私たちはこれを直接検証したフレームワークとしてではなく、背景としてのみ議論しています。

これまでのEFLにおけるSDTの応用は主に教師主導の自律性支援に焦点を当てており、ChatGPTのようなAIツールが学習者の能力や自律性のニーズを独立して満たす可能性を検証することはほとんど^{ありませんでした。}同様に、TAMは技術の導入を説明しましたが、不安や創造性などの動機付けや感情的な結果は考慮^{していません。}CATLMは感情的および認知的処理を強調していますが、AI支援のEFL環境での実証的検証は不足しています¹⁴。本研究は、これら3つの枠組みを統合し、教育スタイル、ChatGPTの活用、デジタルリテラシーが動機と関連し、さらに不安の低減と創造性の向上(不安–創造性の関連を通じて)と関連付ける統一的で実証的に検証可能なモデルにこれらのギャップを埋めています。

ChatGPTは人間のような対話、即時のフィードバック、適応応答を可能にする生成言語モデルであり、EFL指導¹⁵の強力なツールとなる可能性があります。最近の研究では、ChatGPTがシミュレートされた相互作用を通じて語彙習得、文法の正確さ、会話の流暢さを支援することが示されています¹⁶。しかし、学習者に対する心理的影響については依然として重要なギャップがあります。一方で、ChatGPTの低リスクでアクセスしやすい性質は、言語学習の不安を軽減^{する可能性があります。}一方で、予測不可能性(例えば、時折の不正確さや一貫性のない回答)は、自信の少ない^{学習者にとって}ストレスを増やす可能性があります。さらに、ChatGPTの効果は、学習者のデジタルリテラシーだけでなく、批判的評価や倫理的意識にも依存する可能性^{が高いです。}この調整の役割は、学生の技術的準備^{度が異なる}EFLの文脈でのさらなる検証を必要とします。

教授法は、言語学習における生徒の活動とパフォーマンスを定義する重要な側面として認められています²¹。構成主義的および社会文化的問題に基づき、現代の教育学研究の傾向は、コミュニケーション言語指導や課題学習といった学生中心の教育実践の有効性を強調しています。²²、一部の実践によれば、学生中心の実践者は教師主導のスタイルを用いる生徒よりも高い成績とより良い成果を上げるという²³.このような学習者中心のパラダイムは、自己決定理論と共鳴します。この理論によれば、教育は自律性を支持的であり、学習者の心理的ニーズを満たすことで内発的動機付けを植え付け、能力、自律性、ニーズ関連性を満たすと^{されています。}これは、柔軟でインタラクティブな指導パターンが言語学習者の関与を高め、不安の悪影響を軽減するという実証的研究結果によってさらに裏付けられています(²⁵)。しかし、ChatGPTのようなAIの迅速な実装はこのプロセスに複雑さを加えています²⁶。一部の研究者は、AI技術が個別化された学習経路を導入することで学生中心の教育法の積極的な利点を深めると主張^{しています。}

動機付けは、^{言語学習における}教育的、技術的、感情的変数のつながりを媒介する中心的な位置を占めています。SDTで説明される自律的動機付けと制御動機の違いは、ChatGPTと指導スタイルを用いて学習者の関与を検証する上で妥当な視点^{を提供します。}初期の証拠では、研究者たちはAIツールが自己ペースで興味に基づく学習を支援することで自律的動機付けを実践することに関連していることを示唆しています。^ただし、その効果は教師が技術を組み合わせて学習者の主体性を奪わないことが前提でした。³¹。一方で、EFLの環境では常に存在する障害のように見える不安は、多くの場合、否定的な評価やコミュニケーション不安への恐怖によって引き起こされます。学習実践におけるAIの統合は、そのような不安を和らげることが明らか^{になっていますが、}特に動機付けによる媒介の側面を通じて、そのプロセスがどのように機能するかについての研究はほとんど行われ^{ていません。}図1 研究の主要変数。教師の指導スタイル、生徒のChatGPT利用、そしてそれがEFLの文脈で学習者の動機付け、不安、創造性、デジタルリテラシーに与える影響との提案された関係を示しています。

図1。研究モデル。 教授スタイル、ChatGPTの使用、EFL学生のデジタルリテラシー、動機付け、EFL学生の不安、創造性の提案された関係の図式的表現。 この図の拡大版はこちらをクリックしてご覧ください。

理論的枠組みに基づき、以下の仮説(H1-H8)が提案されます。
H1: 教授スタイルは生徒のモチベーションと正の関係があります。
H2: ChatGPTの使用は学生のモチベーションと正の関連があります。
H3: デジタルリテラシーは学生のモチベーションと正の関連があります。
H4: 動機付けは不安と負の関連があります。
H5: 不安は創造性とマイナス関連があります。
H6: モチベーションは、教育スタイルと不安の関係に関連しています。
H7: 動機はChatGPTの使用と不安の関係に関連しています。
H8: 動機付けはデジタルリテラシーと不安の関係に関連しています。

プロトコル

倫理声明
本研究は、中国成都大学機関審査委員会(IRB)の倫理基準(承認番号:202509)に従って実施されました。参加者全員が参加前に書面によるインフォームドコンセントを提供しました。この研究は、ヒト被験者を含む研究に関する機関ガイドラインに従い、自主参加、機密保持、そしていつでも処罰なしで撤退できる権利を確保していました。

機密性を維持するため、収集されたすべてのデータは暗号化された識別子で匿名化され、個人情報は研究データとは別にパスワード保護されたファイルに保管され、主要研究者のみがアクセスできるようになった。質問票の設計には、特に不安に関する質問に対する心理的不快感を最小限に抑える措置が取り入れられ、参加者には調査参加による苦痛が生じた場合の大学カウンセリングサービスの連絡先情報が提供されました。教師と学生の関係における潜在的な権力不均衡に対処するため、採用とデータ収集は講師ではなく訓練を受けた研究助手によって行われ、参加者には自分の回答が学業成績や教員との関係に影響を与えないと保証されました。

本研究は、公立大学の290名の中国の学部EFL学生を対象とした定量的横断的デザインを用いました。多様な学年や分野の参加者は、比例代表制を用いた便宜的サンプリングと、通常の授業中に管理された教室環境で紙ベースのアンケートを記入し、約25分の時間で募集されました。アンケートのセットには、指導スタイル、デジタルリテラシー、ChatGPTの使用、動機付け、不安、創造性を測定する検証済みの尺度が含まれていました。バイアスを最小限に抑えるため、訓練を受けた研究助手が心理的な項目分離などの手続き的対策を用いてアンケートを実施しました。データ収集後、回答は統計ソフトウェアおよび部分最小二乗構造方程式モデリング(PLS-SEM)ソフトウェアを用いて解析され、データスクリーニング、測定モデル評価、構造モデルテスト、5,000件の再サンプルを用いたブートストラップ手法を用いたメディエーション解析が行われました。

研究デザイン
本研究では、EFL学習者の指導スタイル、ChatGPTの使用、デジタルリテラシー、動機付け、不安、創造性の関係を定量的かつ横断的な研究デザインで調査しました。これらの変数の特定の時点でのスナップショットを捉えるためには、横断的アプローチが適切とされ、縦断的研究の時間的負担なしにそれらの相互関係を分析することが可能となりました。この設計は、動機付けが指導スタイル、ChatGPTの利用、デジタルリテラシーを不安の軽減と創造性の向上に結びつけるメカニズムとして機能する仮説的な調停モデルの検証を促進しました。

データとサンプル
サンプリング枠は、2024-2025年度に中国の公立大学で英語外国語(EFL)コースを履修した全学部生で構成されていました。応募資格要件は、(a) 中国語を母語とする話者であること、(b) 現在少なくとも1つの必修EFLコースを履修していること、(c) 一般的な授業以外のAIベースの言語学習ツールに関する正式なトレーニングがないことが求められていました。階層化された便宜サンプリング方式が用いられ、学年(1年生、2年生、3年生、4年生)と分野別(人文、社会科学、自然科学、工学)に比例配分されました。目標の階層規模は、大学全体の学生分布に基づいて、学年度ごとに25%、学問分野ごとに25%に設定されました。最終サンプルは290名の学部EFL学生で構成されました。通常の授業中に接触された328名のうち、11名が参加を辞退し(非参加率=3.4%)、27名が不完全なアンケートを提出(不完全回答率=8.2%)、最終的な実用回答率は88.4%(290/328)となりました。事前にサンプルサイズの計算は、G*Power 3.1を用いてF検定ファミリー、線形多重回帰、固定モデル、^R2 のゼロからの逸脱を検定として実施しました。入力パラメータは、動機付けの結果として、効果サイズ f² = 0.15(行動研究における従来の中間効果サイズ)、α err prob = 0.05、検出力(1-β err prob)= 0.95、および動機付けの結果に関する予測変数数 = 3(指導スタイル、ChatGPT利用、デジタルリテラシー)でした。計算により、有意な^R2を検出するための最小サンプルサイズは119とされました。SEMモデル全体(間接経路や追加の内因変数を含む)をさらに考慮するために、推定パラメータあたり10件の保守的なルールを適用しました。モデルには29の推定パラメータがあり、必要なサンプルサイズは290で、最終サンプルと完全に一致します。したがって、得られたサンプルは回帰分析およびSEM解析の両方で完全な検出力を持つ。

参加者と手続き
参加者は、学年(1年生から4年生)や学問分野(人文科学、理系、工学)に比例するよう、階層化された便宜抽出法で募集されました。最終サンプルの階層規模は以下の通りです:1年生(n = 72、24.8%)、2年生(n = 74、25.5%)、3年生(n = 71、24.5%)、4年生(n = 73、25.2%);人文科学(n = 76、26.2%)、社会科学(n = 68、23.4%)、自然科学(n = 72、24.8%)、工学(n = 74、25.5%)。サンプルは女性62%、男性38%で、平均年齢は20.3歳(SD = 1.7)でした。データ収集は通常のEFLクラスのセッション中に行われました。訓練を受けたリサーチアシスタントが、管理された教室環境で紙ベースのアンケートを実施し、標準化を確実にしました。調査実施前に、クラスに出席する対象学生全員に、研究の目的、自主的な性質、機密保持措置(匿名回答、安全なデータ保存)について説明されました。適格基準を満たさない学生(n=6、EFL登録なし)または参加を辞退した学生(n=11)は除外されました。偏角の理由には時間的制約(n = 7)や自己申告の技術使用に対する不快感(n = 4)が含まれます。質問票の回答は約25分で完了し、すべての構成概念に対して検証済みの尺度が含まれていました。一般的な手法バイアスを軽減するために、手続的な対策(例:スケール項目の心理的分離、回答の匿名性)が適用されました。さらに、共通手法バイアスはハーマンの単一因子検定を用いて評価され、最初の要因は全体の分散の50%未満を占めており、この研究では共通手法バイアスが大きな懸念事項ではなかったことを示しています。

研究指標
すべての音階は厳密な翻訳・適応手続きを経て中国英語のEFL文脈に適応されました。2人のバイリンガル研究者が独立して元の英語項目を中国語に翻訳し、3人目の研究者は不一致を調整して予備版を作成しました。このバージョンは2人の異なる翻訳者によって英語に再翻訳され、矛盾点は研究チームとの議論によって解決されました。中国語版は、30人の学部EFL学生(メインサンプルには含まれていない)を対象にパイロットテストを行い、明確さと理解度を確認し、細かな表現修正が行われました。各尺度に対して、回答は1(強く反対)から5(強く同意)までの5点リッカート尺度で収集されました。各構成要素に対して合計または平均されたスコアが用いられ、スコアが高いほどその変数のレベルが高いことを示しました。すべての適応されたスケールは、原著者の許可を得たか、該当する場合はオープンライセンス条件のもとで使用されました。元のスケールからは、以下に記載がある場合を除き、いかなる項目も取り除かれていません。項目保持は因子負荷>0.40および理論的関連性に基づいていました。ChatGPTの使用に関しては、2024–2025年度に無料版ChatGPT(GPT-3.5/4、ウェブまたはモバイルアプリで利用可能)との自己申告によるやり取りを評価しました。大学がChatGPTを制限していなかったため、すべての参加者が平等にツールにアクセスできました。しかし、実際の使用は個人によって異なりました。この尺度は、ChatGPTの使用頻度(「全く」から「毎日」まで)、使用される言語学習タスクの種類(例:語彙構築、文法チェック、エッセイ作成、会話練習、誤り訂正)、および相互作用の質の認識(例:有用性、フィードバックの明瞭さ)を測定しました。この尺度は特定のChatGPTバージョンを区別せず、バージョン更新はデータ収集期間中に行われました。代わりに、参加者は主に使用しているバージョンを報告し、90%以上がGPT-3.5またはGPT-4を報告しました。各構成体に関する詳細なアイテム例と適応ノートは以下に示します。

本研究では、EFL教育の文脈に慎重に適応された厳密に検証された尺度を用いて、教育手法、デジタル能力、ChatGPT統合、言語学習不安、学習者の動機付け、創造的思考といった主要な変数を評価しました。測定ツールは、信頼性と各構成要素を包括的に評価する能力が示されたため選ばれました。指導法を検証するために、研究ではGrashaのTeaching Style Inventory³⁴ の修正版を用い、権威的、専門的、個人モデル教師、ファシリテティブ、委任の5つの異なる教育アプローチを評価しました。デジタルリテラシーを評価するために、本研究ではRodríguez-de-Dueñosらが開発した尺度³⁵の修正版を取り入れました。これは6つの主要領域で29項目で構成されていました:(1)技術的リテラシー、(2)個人データ保護リテラシー、(3)批判的評価リテラシー、(4)デバイスセキュリティリテラシー、(5)情報処理リテラシー、(6)デジタルコミュニケーションリテラシーです。この多次元的な枠組みは、現代教育に必要な学習者のデジタル能力を徹底的に評価しました。ChatGPTの使用は、Abbasら³⁶から応用した8項目スケールで評価され、言語学習課題における学生のAIツールとの相互作用に焦点を当てました。この尺度は、客観的な使用頻度ではなく、学生が言語学習課題でChatGPTを認識し自己申告した使用状況を捉えています。外国語教室不安(FLCA)は、BriesmasterおよびBriesmaster³⁷に基づく適応尺度で測定されました。このツールは、コミュニケーション不安、テスト不安、否定的評価への恐怖という3つの重要な次元で、それぞれ10、10、7項目で不安を調査しました。学生の動機付けは、Kanoksilapathamら³⁸から応用した尺度を用いて評価され、3つの主要な次元を測定しました:道具促進と予防、民族中心主義と統合性、英語学習に対する態度です。この尺度には合計20項目が含まれていました。EFL学生の創造性は、Govindasamyら³⁹から応用した尺度で測定され、独創性、柔軟性、流暢さ、展開の4つの次元を評価しました。各次元は3つの項目で測定されました。

データ解析手法
収集されたデータは、SPSS(バージョン27)と部分最小二乗構造方程式モデリング(PLS-SEM)を組み合わせた2段階解析手法を用いてSmartPLソフトウェアを用いて分析されました。初期のデータスクリーニングおよび予備解析はSPSSを用いて、欠損値、外れ値、正規性の仮定のチェックを含むデータの品質を検証しました。リトルのMCAR検定(χ² = 18.24, p = 0.212)で確認されたように、データ点の2%未満が完全にランダムに欠損していた(MCAR)であり、統計的検出力を保つために期待最大化アルゴリズムを用いて処理されました。データセットは許容可能な一変量正規性(偏度<|2|、尖度<|7|)および多変量正規性(マルディア係数=18.37、 p < 0.001)を示し、パラメトリック検定と非正規性に対してロバスト性を持つPLS-SEMの両方の使用を正当化しました。単変量正規性は許容範囲でしたが、マルディア係数は多変量正規性の違反を示しました(p < 0.001)。しかし、PLS-SEMは非正規データ分布に対してもロバストであるため、これは問題になりません。

信頼性解析では、すべてのスケールで強い内部一貫性が示されました(Cronbachのα > 0.82、複合信頼性>0.85)。一方、探索的因子分析では、すべての項目がそれぞれの構成にクリーンに負荷をかけていることで予想される因子構造が確認されました(負荷>0.65、交差負荷<0.40)。

仮説検定においては、PLS-SEMが共分散ベースのSEMよりも、小から中規模のサンプルサイズを持つ複雑なモデルの扱いが優れていること、そして内因性構成要素における説明分散を最大化できる能力から選ばれました。分析は2段階の手順に従い、まず測定モデルを評価し、次に構造モデルを評価しました。反射的測定モデルは、すべての構成概念で平均分散>0.50を抽出した十分な収束妥当性と判別妥当性を示し、Fornell-Larkker基準および異形質-単一形質比(HTMT < 0.85)の両方によって確認されました。構造モデルでは、5,000件の再サンプルを用いたブートストラップ手法を用いて経路係数を推定し、安定した推定値と信頼区間を生成しました。モデルの予測力は、内因変数(動機=0.53、不安=0.41、創造性=0.38)および予測関連性(^Q2 > 0)の^R2値で評価され、効果量(^f2)を計算して実質的な影響を判断しました。メディエーション解析ではバイアス補正ブートストラップ法を用いて間接効果を検証し、95%信頼区間がゼロを除外した際に有意なメディエーションが確立されました。

すべての構成要素は理論的考慮に基づき、各潜在変数が観察された指標を引き起こすと仮定され、反射的(モードA)としてモデル化されました。いかなるスケールからも項目が除外されず、すべての項目が0.50閾値(0.62から0.89の範囲)を超え、抽出された平均分散(AVE)値が0.50を超えていたため、収束妥当性が確認されました。調停テストでは、構造モデルは3つの先行要素(指導スタイル、ChatGPTの利用、デジタルリテラシー)から動機付け、動機から不安、そして不安から創造性への直接的な経路を含んでいました。前因から不安への直接的な経路、および前因から創造性への直接的な経路も、部分的瞑想か完全な瞑想かを検証するために推定されました。完全なメディエーションは、(a) 間接効果(不安→動機付け→前因)が有意であった(95%バイアス補正ブートストラップ信頼区間(ゼロを除く)、(b) 先行要因から不安への直接効果がメディエーターを含めると非有意となり、創造性への前因からの直接効果は有意でなかったという基準に基づいて決定されました。すべての解析は、SmartPLS 4のPLS-SEMアルゴリズムを用いて、経路重み付け方式、最大反復数を300回に設定、停止基準を1.0e-7に設定しました。ブートストラップは5,000のサブサンプル、バイアス補正加速(BCa)信頼区間を95%、符号変更なしオプションで実施しました。モデル適合度は標準化平均二乗根残差(SRMR = 0.061)を用いて評価され、推奨される0.08の閾値を下回ります。

結果

記述統計と相関分析
すべての研究変数の記述統計は、推奨閾値±2の範囲内の偏度および尖度値によって証明されるように、許容範囲の変動を持つ正規分布データを明らかにしました。

表1は 、290人のEFL学習者サンプルにおける研究変数の重要な特徴を示しています。指導スタイル(M = 4.32、標準差=0.72)、デジタルリテラシー(M = 4.15、標準差=0.68)、モチベーション(M = 4.21、標準差=0.79)は5点スケールで最も高い平均スコアを示し、これらの要因に対する概ね肯定的な認識を示し、標準偏差の小さいことで変動が比較的低かったことが示されました。ChatGPTの使用はやや低いものの依然として好意的な評価を示しました(M = 3.89、SD = 0.91)、一方で創造性は中程度で分散が大きい(M = 3.95、SD = 1.02)でした。不安は最低の平均スコア(M = 2.87、SD = 0.94)を示し、比較的軽度の言語学習不安を...

ディスカッション

本研究は、EFL学生における指導スタイル、ChatGPTの使用、デジタルリテラシー、動機付け、不安、創造性の関連性について有益な洞察を提供しています。研究結果は、学生中心の教育スタイル、ChatGPTの活用拡大、そして高いデジタルリテラシーが学生の動機付けと正の関連があることを示唆しています。一方で、動機付けは不安と負の関係を持ち、不安は創造性と負の関係があります。これらの結果は、断面的かつ自己申告型のデザインを用いたため、因果効果ではなくモデル支持の関連として解釈されるべきです。それでも、関係のパターンは自己決定理論の関連性を支持しており、指導スタイル、技術の利用、デジタル能力が学習者の自律性、能力、関連性の認識と結びつき、動機付けの発達に中心的である可能性があります。VAF値が72%から78%の範囲で示される強力な調停結果は、動機付けが教育的および技術的変数が不安と統計的に関連する重要な心理的経路であることを示しています。

これらの発見は、EFLおよびELTの文脈における学習者中心の指導に関する以前の研究と一致...

材料

```html

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
調査用具（尺度）	教授法スタイル尺度	NA	Grashaの教授法スタイルインベントリ（Grasha, 1996）の改訂版で、権威的、専門的、個人モデル、促進的、委譲的の5つの教育アプローチを評価します。 カタログ番号: NA
	デジタルリテラシー尺度	NA	Rodríguez-de-Dueñoset al. (2016)から適応した29項目の尺度で、技術的熟練度、個人データ保護、批判的評価、デバイスセキュリティ管理、情報処理、デジタルコミュニケーションの6つの次元をカバーします。 カタログ番号: NA
	ChatGPT使用尺度	NA	Abbas et al. (2024)から適応した8項目の尺度で、言語学習タスクにおけるAIツールとの学生の相互作用に焦点を当てています。 カタログ番号: NA
	外国語教室不安（FLCA）尺度	NA	BriesmasterとBriesmaster（2015）から適応した尺度で、コミュニケーション不安（10項目）、テスト不安（15項目）、否定的評価への恐れ（7項目）の3つのサブスケールがあります。 カタログ番号: NA
	動機尺度	NA	Kanoksilapatham et al. (2021)から適応した20項目の尺度で、手段性（促進/予防）、エスノセントリズム/統合性、英語学習に対する態度という3つの次元を測定します。 カタログ番号: NA
	創造性尺度	NA	Govindasamy et al. (2024)から適応した12項目の尺度で、創造性、柔軟性、流動性、拡張という4つのサブ構造を測定します。 カタログ番号: NA
ソフトウェア	SPSS Statisticsバージョン27	IBM Corp.	統計分析ソフトウェア。 カタログ番号: NA
	SmartPLSバージョン4	SmartPLS GmbH	構造方程式モデリングソフトウェア。 カタログ番号: NA
機器およびその他の材料	データ収集用具	NA	匿名の自己管理式紙筆記質問票バッテリ。 カタログ番号: NA
	インフォームドコンセント文書	NA	研究目的、手順、リスク/利益、撤退する権利を詳述する書面情報シートと同意書。 カタログ番号: NA
	データ保管システム	NA	パスワードで保護されたデジタルファイルとコード化された識別子。個人情報は研究データとは別に保管されます。 カタログ番号: NA
分析手順	PLS-SEMアルゴリズムとブートストラッピング	SmartPLS GmbH	SmartPLS 4の内部ルーチン（PLSアルゴリズムと5,000回のリサンプルによるバイアス修正ブートストラッピング）。 カタログ番号: NA
	妥当性と信頼性チェック	SmartPLS GmbH; IBM Corp.	Cronbachのアルファ、複合信頼性、抽出平均分散（AVE）、Fornell-Larcker基準、および異質特性-一貫特性（HTMT）比率のためのSmartPLS 4とSPSSルーチン。 カタログ番号: NA
	予測関連性の評価	SmartPLS GmbH	Stone-GeisserのQ²値を計算するためのSmartPLS 4のブラインドフォールド手順。 カタログ番号: NA
	予備的データスクリーニング	IBM Corp.	欠損データの処理（期待最大化アルゴリズム）と正常性、外れ値、要因構造（探索的要因分析）のチェックのためのSPSS手順。 カタログ番号: NA

```