이 콘텐츠를 보려면 JoVE 구독이 필요합니다. 로그인하거나 오늘 무료 평가판을 시작하세요.

연구 논문

사우디아라비아 외국어로서의 영어(EFL) 강의실 내 생성형 인공지능, 동기, 불안 및 창의성: 단면 조사 연구

250 조회수

⸱

DOI:

10.3791/72626

⸱

2026년 8월 14일

1English Department, College of Languages and Translation, University of Jeddah

이 논문에서

요약

본 단면 조사 연구는 사우디아라비아의 영어 외국어(EFL) 학부생들을 대상으로 생성형 인공지능 사용, 교수 스타일, 디지털 리터러시, 동기, 불안 및 창의성 사이의 연관성을 조사하였으며, 관찰된 관계에서 동기가 중요한 매개 변수임을 확인하였습니다.

초록

ChatGPT와 같은 인공지능(AI) 도구가 외국어로서의 영어(EFL) 교육에 점점 더 많이 도입되고 있으나, 사우디아라비아 상황에서 이러한 도구의 사용이 교수법, 디지털 리터러시, 동기 부여, 외국어 교실 불안(FLCA) 및 창의성과 어떤 관련이 있는지에 대한 근거는 제한적인 실정입니다. 본 연구는 통합된 개념적 틀 내에서 이러한 구성 요소들 간의 연관성을 조사하고 동기 부여의 매개 역할을 분석하였습니다. 검증된 설문 도구를 사용하여 사우디아라비아 공립대학교에 재학 중인 280명의 학부 EFL 학생들을 대상으로 정량적 단면 조사를 실시하였습니다. 제안된 관계들은 부분최소제곱 구조방정식 모델링(PLS-SEM)을 통해 분석되었습니다. 연구 결과, ChatGPT 사용, 교수법 및 디지털 리터러시는 학생들의 동기 부여와 정(+)의 상관관계가 있는 것으로 나타났습니다. 높은 동기 부여는 낮은 수준의 FLCA 및 높은 수준의 창의성과 연관되었습니다. 또한 동기 부여는 ChatGPT 사용, 교수법, 디지털 리터러시와 FLCA 사이의 관계를 매개하는 것으로 나타났습니다. 이러한 결과는 학생들의 동기 부여 경험이 교수법, 기술 활용 및 언어 학습 결과 사이의 관계와 밀접하게 연관되어 있음을 시사합니다. 본 연구는 영어 교육 내에서 적절한 교수 전략, 생성형 AI 도구 및 디지털 리터러시 통합을 뒷받침하는 근거를 제공하며, 기술 지원 학습 환경을 구현할 때 학생들의 동기적 및 정서적 경험을 고려하는 것이 중요함을 강조합니다.

서론

사우디아라비아 왕국은 모든 교육 단계에서 21세기 핵심 역량, 디지털 역량 및 혁신적인 교수법 개발을 우선시하는 비전 2030(Vision 2030)에 따라 변혁적인 교육 개혁 과제를 추진하고 있습니다1. 이러한 국가적 상황 속에서 외국어로서의 영어(EFL) 교육은 의사소통 능력보다 암기식 학습과 시험 성적을 강조하는 시험 중심 문화 등 지속적인 어려움에 직면해 있습니다2,3. 교실 밖에서 실제적인 영어 상호작용 기회가 제한적이라는 점과 높은 수준의 외국어 교실 불안(FLCA)은 학생들이 목표 언어로 의미 있게 소통하고 참여하려는 의지를 더욱 저해합니다4. 이러한 과제들로 인해 교육자와 정책 입안자들은 동기 부여 결핍, 정서적 장벽 및 창의적인 언어 사용 문제를 해결할 수 있는 혁신적인 접근 방식을 모색하게 되었습니다. 인공지능(AI)은 언어 학습을 지원하고 교수법을 변혁하기 위한 유망한 방안으로 떠올랐습니다5. 영어 교육(ELT) 분야의 AI 애플리케이션 중 대화형 생성 AI 모델인 ChatGPT는 실시간 대화 맥락에서 상호작용 가능한 언어 연습과 즉각적인 개별 맞춤형 피드백을 제공한다는 점에서 상당한 주목을 받아왔습니다6. 이러한 특징들은 교사 중심의 수업과 제한적인 학생 상호작용으로 인해 창의적인 언어 생성이 계속해서 제약받고 있는 사우디 EFL 교실 상황에 특히 유용합니다7. ChatGPT는 AI 대화 상대와 함께 실제적이면서도 불안감이 낮은 언어 연습 기회를 제공함으로써 이러한 한계점을 해결하는 데 도움이 될 수 있습니다8.

최근 사우디아라비아의 교육 개혁은 학습자 중심 교수법으로의 전환을 촉진하였으며, 이는 능동적 참여, 비판적 사고 및 자기주도적 학습을 증진하는 AI 기술을 통합할 수 있는 기회를 창출했습니다9,10. 적절하게 구현될 경우, ChatGPT는 전통적인 강의실 활동을 넘어 언어 연습을 확장함으로써 이러한 전환을 지원할 수 있습니다11. 하지만 AI 통합의 효과는 부분적으로 학습을 위해 디지털 기술을 효과적으로 평가, 사용 및 활용하는 능력으로 정의되는 학생들의 디지털 리터러시에 달려 있습니다12. 디지털 리터러시를 통해 학습자는 과도한 의존 및 오정보를 포함한 잠재적 위험을 최소화하면서 AI 도구를 생산적으로 활용할 수 있습니다13. 이러한 역량은 Vision 2030에 따라 디지털 전환이 가속화된 사우디 고등 교육 분야에서 특히 중요합니다14.

기존 연구들이 AI 도구, 교수 스타일, 디지털 리터러시, 동기, 불안 및 창의성을 개별적으로 조사해 왔으나, 사우디아라비아와 같은 비서구권 EFL 환경에서 이러한 구성 요소들이 하나의 통합된 틀 안에서 어떻게 상호작용하는지에 대한 증거는 제한적이었습니다. 동기는 교수법과 학습 결과(낮은 불안감, 더 높은 창의성 및 지속적인 참여 포함)를 연결하는 중요한 메커니즘으로 일관되게 확인되어 왔습니다15. 하지만 사우디 EFL 환경에서 ChatGPT 사용, 교수 스타일, 디지털 리터러시, 동기, FLCA 및 창의성 간의 관계는 종합적으로 검토되지 않았습니다16. 이러한 공백을 메우는 것은 학생들의 동기적, 정서적, 창의적 발달을 지원하는 기술 강화 언어 학습 환경을 설계하는 데 있어 이론적 및 실무적 통찰력을 제공할 수 있습니다. 이에 따라 본 연구는 사우디 EFL 학부생들을 대상으로 ChatGPT 사용, 교수 스타일, 디지털 리터러시, 동기, FLCA 및 창의성 간의 관계를 조사합니다. 구체적으로, (1) ChatGPT 사용, 교수 스타일 및 디지털 리터러시와 학생들의 동기 사이의 관계, (2) 동기와 FLCA 및 창의성 사이의 관계, 그리고 (3) ChatGPT 사용, 교수 스타일, 디지털 리터러시와 결과 변수인 불안 및 창의성 사이의 관계에서 동기의 매개 효과를 분석합니다.

본 연구는 기존의 동기 부여 및 언어 학습 모델에 AI 도구 활용을 통합함으로써 EFL 교육과 기술 강화 학습에 기여하며, 이를 통해 현대 교육 환경에서의 기술 지원 언어 학습에 대한 이해를 확장합니다. 또한, 사우디아라비아의 EFL 교수법에 AI 도구를 통합하고자 하는 교육자, 커리큘럼 설계자 및 정책 입안자들에게 유용한 근거를 제공합니다. 기술 사용 및 교수법과 외국어 의사소통 불안(FLCA) 및 창의성을 연결하는 매개 변수로서 동기를 조사함으로써, 본 연구는 사우디아라비아의 교육 개혁 목표에 부합하는 학습자 중심 언어 교육의 발전을 뒷받침하는 맥락 특이적 근거를 제시합니다.

자기결정성 이론(Self-Determination Theory, SDT)은 교육 환경에서 교수법과 학생 동기 부여 사이의 관계를 이해하기 위한 이론적 틀을 제공합니다17. SDT에 따르면, 학습 환경 내에서 학습자의 세 가지 기본 심리적 욕구인 자율성(autonomy), 유능성(competence), 관계성(relatedness)이 충족될 때 내재적 동기와 자율적 형태의 외재적 동기가 지원됩니다18. 따라서 교수 스타일은 학생의 동기 부여와 참여에 영향을 미치는 핵심적인 맥락적 요인입니다19. 의미 있는 선택지를 제공하고 학생의 관점을 인정하며 학습 활동을 설명하는 자율성 지지적 교수법은 내재적 동기와 자기결정적 참여를 촉진합니다20. EFL 환경에서 촉진자 및 위임자 교수 스타일을 포함한 학습자 중심 접근법은 언어 학습에 대한 학생의 더 높은 헌신, 참여 및 흥미와 관련이 있는 것으로 나타났습니다21,22. 반대로, 교사 중심의 수업은 내재적 흥미보다 외재적 보상을 강조하면서 학생의 참여와 자율성을 제한하여 동기를 감소시킬 수 있습니다23,24. 역사적으로 암기와 교사 중심의 전달을 강조해 온 사우디아라비아의 EFL 환경에서25, 보다 학습자 중심적인 교수 접근법을 채택하는 것은 학생들의 동기 부여를 지원할 수 있습니다26. 이러한 이론적 및 실증적 토대를 바탕으로 다음과 같은 가설을 제시합니다: H1: 교수 스타일은 EFL 학생의 동기 부여에 긍정적인 영향을 미친다.

교육 기술과 학습자 동기 사이의 관계는 널리 연구되어 왔습니다27,28. 기술수용모델(TAM)에 따르면, 교육 기술을 활용하려는 학습자의 동기는 인지된 유용성과 인지된 용이성에 의해 영향을 받으며, 이는 행동 의도와 기술 사용으로 이어집니다29. 이를 ChatGPT에 적용하면, 이 도구가 유용하고 사용하기 쉽다고 인식하는 학생일수록 언어 학습을 위해 이를 활용할 가능성이 높음을 시사합니다30. 실증적 연구들은 AI 지원 언어 학습과 학생 동기 사이의 긍정적인 상관관계를 보고했으며, 특히 상호작용 기능, 즉각적인 피드백, 개인 맞춤형 연습이 지속적인 참여에 기여하는 것으로 나타났습니다31,32. 또한 ChatGPT는 부담이 적은 언어 연습 기회를 제공함으로써 언어 불안과 관련된 장벽을 낮춰 지속적인 언어 사용을 독려할 수 있습니다33. 이러한 가능성은 외국어 학습 불안(FLCA)이 동기 부여와 언어 성취의 중요한 장벽으로 확인된 사우디아라비아의 상황에서 특히 유의미합니다34. 이러한 이론적 및 실증적 결과에 근거하여 다음과 같은 가설을 제안합니다: H2: ChatGPT의 사용은 EFL 학생들의 동기에 긍정적인 영향을 미친다.

디지털 리터러시는 현대의 EFL 학습 환경에서 학생들의 동기를 결정하는 중요한 요인이 되었습니다35. 이는 학습을 위해 디지털 기술과 미디어를 효과적으로 검색, 평가 및 활용하는 능력을 의미합니다36. EFL 맥락에서 디지털 리터러시는 학습자가 ChatGPT, 학습 관리 시스템, 멀티미디어 도구를 포함한 디지털 리소스를 효과적으로 활용하여 언어 학습과 동기를 지원할 수 있게 합니다37. 디지털 리터러시 수준이 높은 학생일수록 학습 기술을 자신 있게 사용할 가능성이 높으며, 이는 내적 동기와 연관된 유능감과 자율성을 촉진합니다38. 또한 이들은 독립적인 언어 연습, 피드백 및 학습에 대한 지속적인 참여를 위해 디지털 도구를 사용하는 데 더 효율적인 역량을 갖추고 있습니다39. 이러한 문헌을 바탕으로 다음과 같은 가설을 제안합니다: H3: EFL 학생의 디지털 리터러시는 EFL 학생의 동기에 긍정적인 영향을 미칠 것이다.

FLCA와 창의성은 EFL 교육에서 밀접하게 연관된 개념이지만, 그 관계는 여전히 복잡합니다40. 불안은 창의성, 인지적 유연성, 확산적 사고 및 자기표현이 요구되는 과제에서 학습자의 수행 능력을 제한할 수 있습니다41. FLCA는 실수에 대한 두려움, 부정적인 평가, 낮은 자신감을 반영하며, 이 모든 요소는 창의적인 언어 생성에 방해가 될 수 있습니다42. 그러나 창의성은 상황에 적절하고 혁신적인 언어 사용을 지원하기 때문에 EFL 학습에서 중요한 역량입니다31. 선행 연구들에 따르면, 불안 수준이 높은 학습자일수록 창의적 글쓰기 및 구어 의사소통 활동에 참여할 가능성이 낮은 것으로 보고되었습니다43,44. 이러한 문헌을 바탕으로 다음과 같은 가설을 제안합니다: 1) H4: EFL 학생의 동기는 불안과 음의 상관관계가 있으며, 2) H5: EFL 학생의 불안은 창의성에 부정적인 영향을 미칠 것이다.

동기 부여는 교수법, ChatGPT 사용 및 디지털 리터러시가 FLCA와 관련될 수 있는 이론적 메커니즘을 제공합니다45. 동기가 부여된 학습자는 더 적극적으로 참여하고, 어려움 속에서도 끈기 있게 노력하며, 의사소통 불안을 덜 느끼는 경향이 있습니다46. 지원적인 교수법, AI 지원 언어 학습 및 더 강한 디지털 리터러시는 각각 EFL 환경에서 더 높은 동기 부여와 낮은 불안감과 관련이 있는 것으로 나타났습니다47,48,49. 또한 이전 연구들은 더 높은 동기 부여가 교실 내 불안감 감소 및 창의성 증가와 관련이 있음을 시사하며, 이는 동기 부여가 교수법 및 기술 사용을 학습 결과와 연결하는 잠재적 매개체임을 뒷받침합니다50,51,52. 이러한 문헌을 바탕으로 다음과 같은 가설을 제시합니다: 1) H6: 동기 부여는 교수법과 EFL 학생의 불안감 사이의 관계를 매개한다; 2) H7: 동기 부여는 ChatGPT 사용과 EFL 학생의 불안감 사이의 관계를 매개한다; 3) H8: 동기 부여는 EFL 학생의 디지털 리터러시와 불안감 사이의 관계를 매개한다. 그림 1은 교수법, ChatGPT 사용 및 디지털 리터러시가 EFL 학생의 동기 부여와 관련이 있으며, 이것이 다시 FLCA 및 창의성과의 관계를 매개한다는 가설 모델을 보여줍니다.

figure-introduction-1
그림 1가설 연구 모델. 본 모델은 외국어로서의 영어(EFL) 학습자의 ChatGPT 사용, 교수법, 디지털 리터러시, 동기, 외국어 교실 불안 및 창의성 간의 가설적 관계를 보여줍니다. 그림에 표시된 바와 같이, 실선은 가설적인 직접 관계를 나타내며 점선은 매개 관계를 나타냅니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

본 연구는 물리적 개입, 조작 또는 참여자에 대한 기만이 없는 비실험적 익명 설문 조사 설계였으므로 기관 생명윤리위원회(IRB)의 공식적인 윤리 승인을 필요로 하지 않았으나, 모든 절차는 헬싱키 선언의 윤리 원칙과 인간 참여자 연구에 관한 미국심리학회(APA)의 지침에 따라 수행되었습니다. 데이터 수집 전 모든 참여자로부터 고지된 동의를 얻었습니다. 해당 기관은 이러한 유형의 연구에 대해 공식적인 윤리 승인이나 면제 승인을 요구하거나 발행하지 않았습니다. 모든 응답자에게는 연구 목적, 참여의 자발성, 불이익 없이 언제든지 철회할 수 있는 권리, 그리고 데이터에 적용되는 엄격한 비밀 유지 조치에 대해 명시적으로 안내하였습니다. 개인 식별 정보는 수집 또는 보고되지 않았으며, 모든 데이터는 오직 종합적인 학술 분석 목적으로만 사용되었습니다. 설문 조사가 참여자의 학술 활동이나 심리적 안녕을 방해하지 않도록 비침해적이고 정중한 표현을 사용하는 데 특별한 주의를 기울였습니다. 고지된 동의서 양식은 Supplementary File 1을 참조하십시오. 또한, 본 연구에 사용된 재료는 Table of Materials에 나열되어 있습니다.

연구 설계

본 섹션에서는 EFL 학생들의 교수법, ChatGPT 사용, 디지털 리터러시, 동기, 불안 및 창의성 간의 관계를 조사하기 위해 연구에서 사용된 연구 설계, 데이터 수집 절차 및 표본 세부 사항에 대해 설명합니다. 본 연구는 EFL 학생들의 교수법, ChatGPT 사용, 디지털 리터러시 및 불안 간의 관계에서 동기의 매개 역할과 이러한 변수들이 집합적으로 창의성과 어떻게 연관되는지 살펴보기 위해 양적 횡단적 연구 설계를 채택하였습니다. 구성 개념 측정의 표준화와 신뢰성을 보장하기 위해 일차 데이터 수집 방법으로 구조화된 설문 조사법을 적용하였습니다. 또한 교수법, ChatGPT 사용, 디지털 리터러시, 동기, FLCA 및 창의성을 포함한 모든 변수를 평가하기 위해 검증된 척도를 활용하였습니다.

데이터 및 시료

본 연구의 데이터는 언어 교육과 교수법 내 기술 통합을 강조하는 것으로 알려진 사우디아라비아의 국립대학교인 제다 대학교(University of Jeddah)에 재학 중인 EFL 학생들을 대상으로 수집되었습니다. 참여자는 유의 표집법(purposive sampling technique)을 통해 선정되었으며, 이는 학습 환경에서 ChatGPT와 같은 AI 도구를 사용한 실제 경험이 있어야 한다는 구체적인 선정 기준을 고려할 때 본 연구에 적합한 방식이라고 판단되었습니다. 본 연구의 연구 질문이 전통적인 학습 방식과 기술 지원 학습 방식 모두를 경험한 EFL 학생이라는 특정 집단에 집중되어 있었기에, 무작위 표집으로는 이러한 기준을 충족하는 참여자의 포함을 보장할 수 없었으므로 이러한 비확률 표집 접근 방식이 필요했습니다. 유의 표집은 연구 결과를 더 넓은 모집단으로 일반화하는 데 제한이 있지만, 참여자가 연구 목적을 달성하는 데 필요한 관련 경험과 관점을 갖추도록 보장해야 하는 본 탐색적 연구에서는 정당한 선택이었습니다. 유의 표집의 한계를 완화하기 위해 다양한 학문적 배경과 각기 다른 기술적 숙련도를 가진 참여자들을 포함시키려 노력하였으며, 이를 통해 대상 모집단 내에서 표본의 대표성을 높였습니다. 최종 표본은 280명의 학부 EFL 학생으로 구성되었으며, 이는 사용된 통계 기법을 적용하기에 충분한 규모로 판단되었습니다.

표본 크기의 적절성 결정은 구조 방정식 모델링(SEM)의 확립된 가이드라인을 기반으로 하였습니다. 연구자들은 SEM의 경우 추정 매개변수당 최소 10개의 케이스를 권장하며, 부분 최소 제곱 구조 방정식 모델링(PLS-SEM)의 경우 매개변수당 20개의 케이스를 권장하는 더 보수적인 가이드라인을 제시합니다. 측정 모델은 디지털 리터러시 29개 항목, 교수법 25개 항목, FLCA 32개 항목과 더불어 ChatGPT 사용, 동기 부여 및 창의성에 대한 추가 항목들로 구성되었습니다. 또한 PLS-SEM 가이드라인은 형성적 지표의 최대 개수 또는 특정 구성 개념으로 향하는 구조적 경로의 최대 개수의 10배에 해당하는 최소 표본 크기를 권장합니다. 따라서 280명의 참가자로 구성된 표본은 이러한 최소 요구 사항을 충족하였습니다. 나아가 G*Power53를 이용한 사후 검정력 분석 결과, 280명의 표본은 α = 0.05에서 중간 효과 크기(f2 = 0.15)를 검출하는 데 있어 일반적으로 권장되는 임계값인 0.80을 상회하는 0.95 이상의 통계적 검정력을 제공하는 것으로 나타났습니다. 이러한 표본 크기는 제안된 측정 및 구조 모델의 복잡성을 수용하면서, 연구 변수 간의 유의미한 관계를 검출하기 위한 충분한 통계적 검정력과 신뢰할 수 있는 매개변수 추정치를 제공합니다.

참가자 및 절차

참가자는 18세에서 25세 사이의 EFL 학생들로, 대다수는 영어 과정에 등록된 1, 2학년 학부생이었다. 설문 조사는 2025년 9월에서 10월 사이에 실시되었으며, 학생들은 자발적으로 참여하도록 요청받았다. 모집 과정은 이메일 및 강의실 공지사항을 포함한 대학 공식 채널을 통한 홍보로 진행되었다. 참가자는 영어 과정에 1학년 또는 2학년 학부생으로 등록된 18–25세의 EFL 학생이었다. 적격성은 사전 정의된 선정 및 제외 기준을 사용하여 결정되었다. 참가자 선정 기준은 (a) 제다 대학교의 학부 영어 과정에 공식적으로 등록되어 있고, (b) 연령이 18–25세이며, (c) 1학년 또는 2학년 학생으로 등록된 경우였다. 제외 기준은 (a) 대학원생이거나 기초 과정 시퀀스 이외의 상급 학부생인 경우, (b) 지정된 연령 범위를 벗어난 경우, 또는 (c) 설문지 사전 테스트 단계에 참여한 경우였다. 고지된 동의를 보장하기 위해 참가자들에게 연구 목적, 참여의 자발성, 응답의 비밀 유지에 대해 설명하였다. 데이터 수집 도구는 보안 온라인 플랫폼을 사용하여 오프라인과 온라인으로 배포된 구조화된 자기 기입식 설문지였다. 교수 스타일, ChatGPT 사용, 디지털 리터러시, 학생 동기, FLCA 및 창의성을 측정하기 위해 검증된 척도를 수정하여 사용하였다. 참가자들은 1(매우 동의하지 않음)부터 5(매우 동의함)까지의 5점 리커트 척도로 응답하도록 요청받았다. 설문지의 명확성과 신뢰성을 보장하기 위해 30명의 소규모 학생 집단을 대상으로 사전 테스트를 실시하였다. 사전 테스트 결과를 바탕으로 문항의 이해도를 높이기 위해 약간의 문구 수정이 이루어졌으며, 척도의 신뢰성이나 타당성에서 유의미한 문제는 발견되지 않았다. 데이터 무결성을 유지하고 정직한 응답을 유도하기 위해 익명성이 보장되었으며, 참가자들에게 수집된 데이터는 연구 목적으로만 사용될 것임을 확신시켰다. 수집된 초기 300개의 응답 중 불완전하거나 일관되지 않은 데이터를 스크리닝한 후 280개가 유효한 것으로 간주되어 93%의 유지율을 보였다. 데이터 스크리닝 절차에는 일직선 응답 패턴, 과도한 결측치(10% 이상), 그리고 마할라노비스 거리를 이용한 다변량 이상치 검토가 포함되었다. 이러한 방법론적 접근은 연구 변수 간의 관계를 분석하기 위한 견고한 기초를 제공하며, EFL 학생들의 동기, 불안 및 창의성을 형성하는 데 있어 교수 스타일, AI 도구 및 디지털 리터러시의 역할에 대한 가치 있는 통찰력을 제공한다.

데이터 수집 후, 사전 정의된 기준에 따라 초기 300건의 응답 중 20건이 제외되었습니다. 구체적으로, 설문 항목의 10%를 초과하는 과도한 결측값이 있는 응답 12건이 제거되었으며, 모든 항목에 동일하게 응답하여 성실히 참여하지 않은 것으로 판단되는 일직선 응답 패턴(straight-lining response patterns) 5건이 제외되었습니다. 또한, Mahalanobis 거리를 이용하여 다변량 이상치(p < 0.001)로 식별된 3건을 제거함으로써 SEM 결과의 왜곡을 방지하였습니다. 유지된 사례의 결측값은 사례당 결측 데이터가 5% 미만으로 매우 적은 경우 평균 대치법(mean imputation)을 사용하여 처리하였으며, 이는 대규모 설문 조사 연구에서 결측 비율이 낮을 때 허용되는 방식입니다. 최종 유지율 93%(수집된 설문지 300건 중 유효 응답 280건)는 전체 수집된 설문지 중 사용 가능한 응답의 비율을 나타냅니다. 다만, 대학 공식 채널을 통한 오프라인 및 온라인 배포 방식이 혼용되어 총 초대 인원을 정확히 추적할 수 없었으므로, 이를 실제 응답률로 해석해서는 안 됩니다. 이러한 한계점을 인정하며, 따라서 93%라는 수치는 총 초대 인원 대비 응답률이 아니라 수집된 설문지 중 유지된 유효 응답의 비율로 보고합니다.

도구 및 측정

본 연구에서는 핵심 구성 개념인 교수 스타일, 디지털 리터러시, ChatGPT 사용, FLCA, 동기 및 창의성을 측정하기 위해 EFL 교육 상황에 맞게 세심하게 수정된, 이미 확립되고 검증된 척도들을 활용하였다. 각 척도는 조사 대상 변수의 해당 차원을 포착하는 데 있어 관련성과 포괄성을 기준으로 선정되었다. 디지털 리터러시는 Rodríguez-de-Dios 등54의 연구를 기반으로 수정된 척도를 사용하여 측정하였으며, 이는 29개 문항으로 구성된 6개 차원을 포함한다. 이러한 차원에는 기술적 기술, 개인 보안 기술, 비판적 기술, 기기 보안 기술, 정보 기술 및 커뮤니케이션 기술이 포함되어, 현대 교육 환경에 필수적인 디지털 기술에 대한 학생들의 숙련도를 종합적으로 평가할 수 있도록 하였다. ChatGPT 사용은 Abbas 등55의 연구에서 수정된 8개 문항 척도를 사용하여 언어 학습 과제를 위한 학생들의 AI 도구 상호작용에 초점을 맞춰 평가하였다. 교수 스타일은 Grasha의 교수 스타일 인벤토리(Teaching Style Inventory)56의 수정 버전을 사용하여 평가하였다. 이 도구는 권위자, 전문가, 개인적 모델, 촉진자, 위임자라는 교수 스타일의 5가지 차원을 측정한다. 이러한 차원들은 EFL 학생들의 학습 경험에 영향을 미치는 다양한 교수법을 반영한다. FLCA는 Briesmaster와 Briesmaster57의 연구를 기반으로 수정된 척도를 사용하여 측정하였다. 이 도구는 의사소통 불안(10개 문항), 시험 불안(10개 문항), 부정적 평가에 대한 두려움(7개 문항)의 세 가지 차원에 걸쳐 불안을 조사하였다. 학생들의 동기는 Kanoksilapatham 등58의 연구에서 수정된 척도를 사용하여 도구적 촉진 및 예방, 자국 중심주의 및 통합성, 영어 학습 태도의 세 가지 차원을 측정하였다. 이 척도는 총 20개 문항으로 구성되었다. EFL 학생들의 창의성은 Govindasamy 등59의 연구에서 수정된 척도를 사용하여 측정하였으며, 이는 독창성, 유연성, 유창성, 정교함의 네 가지 차원을 평가하였다. 각 차원은 3개 문항으로 측정되었다. EFL 환경에 대한 도구의 문화적 및 상황적 적합성을 보장하기 위해 체계적인 수정 절차가 적용되었다. 원본 척도들이 영어로 개발되었기 때문에, 두 명의 이중 언어 EFL 전문가가 각 구성 개념의 원래 의미를 유지하면서 중급 수준의 학부생들이 명확하게 이해할 수 있도록 언어를 검토하고 단순화하였다. 그 후, 언어적 및 개념적 동등성을 검증하기 위해 독립적인 번역가가 수정된 버전을 참가자들의 모국어로 역번역하였으며, 불일치하는 부분은 연구팀 간의 논의를 통해 해결하였다. 이어서, 세 명의 숙련된 EFL 강사가 내용 관련성, 문화적 적절성 및 문항 명확성을 기준으로 수정된 도구를 평가하였으며, 그 결과 일부 문구 수정과 문화적으로 생소한 예시의 적절한 교체가 이루어졌다. 마지막으로, 수정된 도구를 30명의 학생을 대상으로 예비 테스트(Procedure 섹션 참조)하였으며, 참가자의 피드백을 바탕으로 이해도를 높이기 위해 추가적인 미세 문구 수정을 진행하였다. 이러한 다단계 과정을 통해 수정된 도구들이 원래의 심리측정적 특성을 유지하면서 대상 EFL 집단에 적합하도록 보장하였다. 수정된 설문지 전체 내용은 Supplementary File 2를 참조하시오.

데이터 분석 방법

본 연구를 위해 수집된 데이터는 사회과학 통계 패키지(SPSS 26)와 SmartPLS 4를 사용하여 분석되었으며, PLS-SEM이 적용되었습니다. 이러한 이중 방법론적 접근 방식은 기술적 및 추론적 측면을 모두 다루는 동시에, 연구 모델 내 가설 관계와 매개 효과를 검증함으로써 데이터의 포괄적인 분석을 보장했습니다. 우선, SPSS를 사용하여 데이터 정제, 기술 통계 및 신뢰도 검증을 포함한 예비 데이터 분석을 수행했습니다. 데이터 스크리닝 단계에서는 데이터 세트의 품질과 무결성을 확보하기 위해 결측값, 이상치 및 정규성을 확인했습니다. 표본 특성을 요약하기 위해 평균, 표준 편차 및 빈도 분포를 포함한 기술 통계를 산출했습니다. 주 분석은 SmartPLS 4를 사용하여 수행되었습니다. PLS-SEM은 여러 구성 개념이 포함된 복잡한 모델 분석에 적합하며 소규모 및 중규모 표본 크기에서도 강건하기 때문에 선택되었습니다. 분석은 측정 모델 평가와 구조 모델 평가의 두 단계로 진행되었습니다. 측정 모델 평가에서는 지표 신뢰도, 내부 일관성 신뢰도(합성 신뢰도[CR] 사용), 수렴 타당성(평균 분산 추출값[AVE] 사용) 및 판별 타당성(HTMT 비율[HTMT] 사용)을 평가했습니다.

측정 모델의 타당성 검증 후, 교수 스타일, ChatGPT 사용, 디지털 리터러시, 동기, 불안 및 창의성 사이의 가설된 관계를 평가하기 위해 구조 모델을 분석하였습니다. 경로 계수를 분석하여 직접 및 간접 효과의 강도와 유의성을 결정하였으며, 유의성은 5,000회의 재표집을 통한 부트스트래핑을 사용하여 평가하였습니다. 직접, 간접 및 매개 효과의 유의성을 평가하기 위해, 95% 신뢰 수준에서 5,000회의 부트스트랩 재표집을 사용하여 편향 수정(BC) 부트스트랩 신뢰 구간을 구축하였습니다. 교수 스타일, ChatGPT 사용, 디지털 리터러시 및 불안 사이의 관계에서 동기의 매개 효과 또한 부트스트랩 신뢰 구간을 사용하여 평가하였습니다. 모델 적합도와 예측력은 결정계수(R2), 예측 관련성(Q2) 및 표준화 잔차 평균 제곱근(SRMR)을 사용하여 평가하였습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

결과

기술 통계

기술 통계는 표본 특성과 연구 변수의 분포, 중심 경향성 및 변동성에 대한 개요를 제공합니다. 본 연구에서는 구조 분석을 수행하기 전, 참가자 표본의 특성을 정의하고 주요 변수를 요약하기 위해 기술 분석을 실시하였습니다.

표 1은 280명의 학부 EFL 참여자의 인구통계학적 특성을 요약하여 보여줍니다. 여성 참여자는 표본의 54.3% (n = 152)를 차지했으며, 남성 참여자는 45.7% (n = 128)였습니다. 대부분의 참여자는 21~23세(52.1%)였으며, 18~20세(36.4%)와 24~25세(11.4%)가 그 뒤를 이었습니다. 학년별로는 2학년 학생이 가장 큰 비중(42.1%)을 차지했으며, 1학년(34.3%)과 3학년(23.6%) 순이었습니다. 대부분의 참여자가 ChatGPT에 대해 보통 수준의 경험(47.1%)이...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

토론

본 연구는 사우디아라비아의 EFL 학부생들을 대상으로 교수 스타일, ChatGPT 사용, 디지털 리터러시, 동기, FLCA 및 창의성 사이의 관계를 조사하였으며, 특히 동기의 매개 역할에 주목하였습니다. 연구 결과는 기술 강화 언어 학습(TELL)에서 교수법적 실천, 기술 사용 및 학습자 특성 간의 관계에 대한 증거를 제공합니다. 교수 스타일과 EFL 학생의 동기 사이의 정적 상관관계(H1 지지됨)는 자기결정성 이론(SDT)과 일치하며, 이 이론은 자율성을 지원하는 교수 실천이 자율성, 유능감, 관계성에 대한 학생들의 기본 심리적 욕구를 충족시켜 내재적 동기를 촉진한다고 제안합니다61. 관찰된 결과는 촉진자(Facilitator) 및 위임자(Delegator) 스타일과 같은 학습자 중심의 교수법이 더 높은 수준의 학생 참여 및 언어 학습에 대한 지속적인 관심과 관련이 있음을 시사합니다. 이러한 결과는 유연성, 반응성 및 학생 참여 기회를 특징으로 하는 교수 스타일이 교사 중심의 접근 방...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

공개 사항

이해관계 충돌:

저자는 이해관계 충돌이 없음을 밝힙니다.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
ChatGPT 이용 척도 (수정됨)저자; Abbas et al.에서 수정됨N/A언어 학습을 위한 학생들의 ChatGPT 이용 정도를 평가하는 8개 항목의 설문지.
창의성 척도 (수정됨)저자; Govindasamy et al.에서 수정됨N/A독창성, 유연성, 유창성 및 정교성을 평가하는 12개 항목의 설문지.
디지털 리터러시 척도 (수정됨)저자; Rodríguez-de-Dios et al.에서 수정됨N/A디지털 리터러시의 6가지 차원을 측정하는 29개 항목의 설문지.
외국어 교실 불안 (FLCA) 척도 (수정됨)저자; Briesmaster & Briesmaster에서 수정됨N/A의사소통 불안, 시험 불안 및 부정적 평가에 대한 두려움을 측정하는 27개 항목의 설문지.
G*PowerHeinrich Heine University DüsseldorfVersion 3.1.9.7; RRID: SCR_013726사후 통계적 검정력 분석에 사용된 소프트웨어.
IBM SPSS StatisticsIBM Corp.Version 26; RRID: SCR_002865데이터 정제, 기술 통계, 신뢰도 분석 및 예비 분석에 사용된 통계 소프트웨어.
마할라노비스 거리 분석IBM SPSS StatisticsVersion 26; RRID: SCR_002865다변량 이상치를 식별하기 위해 IBM SPSS Statistics에서 구현된 통계 절차.
동기 척도 (수정됨)저자; Kanoksilapatham et al.에서 수정됨N/A학습자 동기를 평가하는 20개 항목의 설문지.
지면 설문지저자N/A대면 데이터 수집에 사용된 구조화된 자기기입식 설문지의 인쇄본.
보안 온라인 설문 플랫폼Google LLCN/A전자 설문지 배포에 사용된 Google Forms 플랫폼.
SmartPLSSmartPLS GmbHVersion 4; RRID: SCR_036419측정 모델 평가, 구조 모델 분석, 부트스트래핑 (5,000회 재표본 추출) 및 매개 분석을 포함한 부분최소제곱 구조방정식 모델링 (PLS-SEM)에 사용된 소프트웨어.
구조화된 자기기입식 설문지저자N/A5점 리커트 척도 (1 = 매우 그렇지 않다 ~ 5 = 매우 그렇다)를 사용하여 지면 및 전자 형식으로 실시된 설문지.
교수 스타일 인벤토리 (수정됨)저자; Grasha의 교수 스타일 인벤토리에서 수정됨N/A권위자, 전문가, 개인적 모델, 촉진자 및 위임자 교수 스타일을 측정하는 설문지.
대학교 소통 채널University of JeddahN/A참가자 모집에 사용된 공식 이메일 및 강의실 공지사항.

참고문헌

  1. Ansa H. Exploring the role of artificial intelligence (AI) in enhancing EFL education in Saudi Arabia: A review of opportunities, obstacles, and future directions. Educ Sci. 2026;16(6):981.
  2. Alshehri A, Aldossary S, Jamshed M, Banu S. Incorporating ChatGPT in Saudi EFL classrooms: Oscillating between expectations and anxiety. J Lang Teach Res. 2025;16(5):1673-81.
  3. Alzubi AA, Alelaiwi AS. Exploring EFL university teachers’ perceptions of AI-generative tools in Saudi Arabia: A mixed-methods study. Discov Comput. 2025;28(1):282.
  4. Alzubi AA, Nazim M, Alyami N. Do AI-generative tools kill or nurture creativity in EFL teaching and learning? Educ Inf Technol. 2025;30(11):15147-84.
  5. Allehyani FS, Albedah F, Jamshed M, Warda WU. Exploring Saudi EFL learners’ engagement with AI generative tools in educational settings: Perceptions, practices, and pedagogical outcomes. Theory Pract Lang Stud. 2025;15(6):1959-66.
  6. Almusharraf A, Bailey D. Generative AI use among Saudi and Korean language learners in higher education: Examination through a modified TAM framework. SAGE Open. 2025;15(4):21582440251387804.
  7. Alharbi MA, Hassan Al-Ahdal AA. Exploring Saudi EFL learners’ engagement with ChatGPT: A mixed-methods study of perceptions, attitudes, and intentions. SAGE Open. 2025;15(4):21582440251392080.
  8. Khoso AK, Honggang W, Darazi MA. Empowering creativity and engagement: The impact of generative artificial intelligence usage on Chinese EFL students’ language learning experience. Comput Hum Behav Rep. 2025;18:100627.
  9. Alalwi FS, Alqahtani N, Jamshed M, Ahmmed MF. AI-driven feedback for pedagogical innovation: Assessing ChatGPT’s impact on Saudi EFL learners’ writing proficiency. World. 2026;16(5).
  10. Alshehri N. Speaking with AI: Exploring EFL learners’ attitudes, engagement, and satisfaction through ChatGPT conversations. 2026. 10.2139/ssrn.6595190
  11. Metwally AA, Bin-Hady WR. Probing the necessity and advantages of AI integration training for EFL educators in Saudi Arabia. Cogent Educ. 2025;12(1):2472462.
  12. Elmahdi OE, et al. AI-Driven Vocabulary Acquisition in EFL Higher Education: Interdisciplinary Insights into Technological Innovation, Ethical Challenges, and Equitable Access. Forum Linguist Stud. 2025;7(4):477–491.
  13. Al-Nofaie H, Alwerthan TA. Appreciative inquiry into implementing artificial intelligence for the development of language student teachers. Sustainability (Basel). 2024;16(21):9361.
  14. Alshayban A. Exploring EFL learners’ use of AI outside the classroom. J Lang Teach Res. 2026;17(1).
  15. Abdelhalim SM, Alsehibany RA. Integrating AI-powered tools in EFL pronunciation instruction: Effects on accuracy and L2 motivation. Comput Assist Lang Learn. 2025;38:1-25.
  16. Khoso AK, Honggang W, Darazi MA. Trust and attitude towards AI as pathways to creativity: A TAM model study of EFL students’ digital literacy and AI acceptance. Humanit Soc Sci Commun. 2025;13(1):69.
  17. Xiong X. Influence of teaching styles of higher education teachers on students’ engagement in learning: The mediating role of learning motivation. Educ Chem Eng. 2025;51:87-102.
  18. Bartholomew KJ, et al. Beware of your teaching style: A school-year-long investigation of controlling teaching and student motivational experiences. Learn Instr. 2018;53:50-63.
  19. Wiangga IA. The impact of educators’ teaching styles on secondary school learners’ motivation in English. J Educ Manag Strategy. 2024;3(2):136-44.
  20. Sheikh A, Mahmood N. Effect of different teaching styles on students’ motivation towards English language learning at secondary level. Sci Int (Lahore). 2014;26:825-30.
  21. Marina I, Natalia M, Tatiana K, Nataliya S. The influence of the teaching style of communication on the motivation of students to learn foreign languages. J Lang Educ. 2019;5(2):67-77.
  22. Zalukhu FS, Laoli A, Zebua EP, Daeli H. The influence of teacher teaching styles on English learning motivation of eighth-grade students at SMP Negeri 1 Afulu. J Pembelajaran Bahasa dan Sastra. 2026;5(2):1545-54.
  23. Yue X, Hou X, Zhang J, Li M. The impact of controlling teaching style on student engagement and academic achievement: Differences across varied motivation profiles. Teach Teach Educ. 2026;176:105479.
  24. Idhaufi NL, Ashari ZM. Relationship between motivation and teachers’ teaching style among secondary school students in Kulai. Man India. 2017;97(12):299-307.
  25. Zolfaghari M, Janghorbanian Z, Krevan Brojerdi K, Aghaziarati A. Investigation of the role of teaching styles and student-teacher interaction in students’ academic achievement motivation. Educ Strateg Med Sci. 2020;13(3):220-8.
  26. Avecilla PA, Capiña XE, Javier AY. Teachers’ teaching style as perceived by students and its influence on students’ level of self-regulation and motivation in learning psychology. Technium Soc Sci J. 2023;43:213-24.
  27. Khoso AK, et al. The dual forces of AI: How generative AI and perceived AI dependency influence fear of missing out (FoMO) and EFL students’ vocabulary acquisition. J Vis Exp. 2025;(226):e69637.
  28. Ali JK, Shamsan MA, Hezam TA, Mohammed AA. Impact of ChatGPT on learning motivation: Teachers’ and students’ voices. J Engl Stud Arabia Felix. 2023;2(1):41-9.
  29. Song C, Song Y. Enhancing academic writing skills and motivation: Assessing the efficacy of ChatGPT in AI-assisted language learning for EFL students. Front Psychol. 2023;14:1260843.
  30. Khoso AK, et al. Integrating Sustainable Development Goals (SDGs) and generative AI to enhance language digital literacy and creativity in EFL learning environments. J Vis Exp. 2026;(228):e69445.
  31. Balcı Ö. The role of ChatGPT in English as a foreign language (EFL) learning and teaching: A systematic review. Int J Curr Educ Stud. 2024;3(1):66-82.
  32. Yamaoka K. ChatGPT’s motivational effects on Japanese university EFL learners: A qualitative analysis. Int J TESOL Stud. 2024;6(3).
  33. Afkarin MY, Asmara CH. Investigating the implementation of ChatGPT in English language education: Effects on student motivation and performance levels. Journey J Engl Lang Pedagogy. 2024;7(1):57-66.
  34. Alrabai F. The influence of teachers’ anxiety-reducing strategies on learners’ foreign language anxiety. Innov Lang Learn Teach. 2015;9(2):163-90.
  35. Kang S, Kim Y. Examining the quality of mobile-assisted video-making task outcomes: The role of proficiency, narrative ability, digital literacy, and motivation. Lang Teach Res. 2024;28(6):2326-53.
  36. Honggang W, Khoso AK, Althubyani AR. Technostress, digital fatigue, and AI dependency as antecedents of burnout and SDG-4 achievement in EFL classrooms. Sci Rep. 2026;16:15412.
  37. Sari AA, Ningsih SK. The influence of digital literacy in social media use on high school students’ intrinsic motivation in EFL learning. IDEAS J Engl Lang Teach Learn Linguist Lit. 2025;13(2):6634-51.
  38. Zhang Y. Impact of digital literacy on college students’ English proficiency: The mediating role of learning motivation and the moderating effect of technological self-efficacy. Acta Psychol (Amst). 2025;259:105452.
  39. Bender SM. Awareness of artificial intelligence as an essential digital literacy: ChatGPT and Gen-AI in the classroom. Changing Engl. 2024;31(2):161-74.
  40. Khoso AK, et al. The impact of ESL teachers’ emotional intelligence on ESL students’ academic engagement, reading and writing proficiency: Mediating role of ESL students’ motivation. Int J Early Child Spec Educ. 2022;14:3267-80.
  41. He M, Abbasi BN, He J. AI-driven language learning in higher education: An empirical study on self-reflection, creativity, anxiety, and emotional resilience in EFL learners. Humanit Soc Sci Commun. 2025;12(1):1-20.
  42. Wang HC. Exploring the relationships of achievement motivation and state anxiety to creative writing performance in English as a foreign language. Think Skills Creat. 2021;42:100948.
  43. Khan MA, Mahjabeen AN, Hussain F, Ur Rehman M. Investigating the correlation between writing anxiety and English creativity in Pakistani ESL students. Russ Law J. 2021;9(1):214-24.
  44. McDonough K, Crawford WJ, Mackey A. Creativity and EFL students’ language use during a group problem-solving task. TESOL Q. 2015;49(1):188-99.
  45. Rubino C, Luksyte A, Perry SJ, Volpone SD. How do stressors lead to burnout? The mediating role of motivation. J Occup Health Psychol. 2009;14(3):289-304.
  46. Halbesleben JRB, Bowler WM. Emotional exhaustion and job performance: The mediating role of motivation. J Appl Psychol. 2007;92(1):93-106.
  47. van Emmerik IJH, et al. The route to employability: Examining resources and the mediating role of motivation. Career Dev Int. 2012;17(2):104-19.
  48. Dana LP, et al. The impact of entrepreneurial education on technology-based enterprise development: The mediating role of motivation. Adm Sci (Basel). 2021;11(4):105.
  49. Kholifah N, Nurtanto M, Mutohhari F, et al. The mediating role of motivation and professional development in determining teacher performance in vocational schools. Cogent Educ. 2024;11(1):2421094.
  50. Güngör P. The relationship between reward management system and employee performance with the mediating role of motivation: A quantitative study on global banks. Procedia Soc Behav Sci. 2011;24:1510-20.
  51. Danish RQ, Khan MK, Shahid AU, et al. Effect of intrinsic rewards on task performance of employees: Mediating role of motivation. Int J Organ Leadersh. 2015;4:33-46.
  52. Mavhungu D, Bussin MH. The mediation role of motivation between leadership and public sector performance. SA J Hum Resour Manag. 2017;15(1):1-11.
  53. Faul F, Erdfelder E, Buchner A, Lang AG. Statistical power analyses using G*Power 3.1: Tests for correlation and regression analyses. Behav Res Methods. 2009;41(4):1149-60.
  54. Rodríguez-de-Dios I, Igartua JJ, González-Vázquez A. Development and validation of a digital literacy scale for teenagers. In: Proceedings of the Fourth International Conference on Technological Ecosystems for Enhancing Multiculturality; 2016. p. 1067-72.
  55. Abbas M, Jam FA, Khan TI. Is it harmful or helpful? Examining the causes and consequences of generative AI usage among university students. Int J Educ Technol High Educ. 2024;21(1):10.
  56. Grasha AF. Teaching with style: The integration of teaching and learning styles in the classroom. Alliance Publishers; Pittsburgh (PA); 1996.
  57. Briesmaster M, Briesmaster-Paredes J. The relationship between teaching styles and NNPSETs’ anxiety levels. System. 2015;49:145-56.
  58. Kanoksilapatham B, et al. Motivation of Thai university students from two disciplinary backgrounds using a hybrid questionnaire. LEARN J Lang Educ Acquis Res Netw. 2021;14(1):455-91.
  59. Govindasamy P, Cumming TM, Abdullah N. Validity and reliability of a needs analysis questionnaire for the development of a creativity module. J Res Spec Educ Needs. 2024;24(3):637-52.
  60. Hair JF, Risher JJ, Sarstedt M, Ringle CM. When to use and how to report the results of PLS-SEM. Eur Bus Rev. 2019;31(1):2-24.
  61. Zhang R, et al. Mediating effect of learning motivation and engagement on the relationship between generative artificial intelligence implementation and English as a foreign language proficiency. 2026. https://doi.org/10.21203/rs.3.rs-9075280/v1.
  62. Almira NF, Almira ZF, Vircavani C, Agustina E. A systematic review of teachers’ teaching styles and their impact on EFL student learning outcomes. J Appl Linguist Engl Educ. 2025;3(1):1-5.
  63. Reeve J. Teachers as facilitators: What autonomy-supportive teachers do and why their students benefit. Elem Sch J. 2006;106(3):225-36.
  64. Huang S, Dong L, Wang W, et al. Language is not all you need: Aligning perception with language models. In: Advances in Neural Information Processing Systems. 2023;36:72096-109.
  65. Liu L. An international graduate student’s ESL learning experience beyond the classroom. TESL Can J. 2011;29(1):77-92.
  66. van Laar E, van Deursen AJAM, van Dijk JAGM, De Haan J. The relation between 21st-century skills and digital skills: A systematic literature review. Comput Hum Behav. 2017;72:577-88.
  67. Al-Kahtani N. A survey assessing health science students’ perceptions of online learning at a Saudi higher education institution during the COVID-19 pandemic. Heliyon. 2022;8(9):e10688.
  68. Dewaele JM, Chen X, Padilla AM, Lake J. The flowering of positive psychology in foreign language teaching and acquisition research. Front Psychol. 2019;10:2128.
  69. Liu W, Li Y. A qualitative study of question-posing anxiety in Chinese postgraduates in UK TESOL programs. Sci Rep. 2025;16(1):2081.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재인쇄 및 허가

태그

ChatGPTEFL
문의하기
도서관에 추천하기

개인정보 처리방침

이용 약관

정책

저작권 © 2026 MyJoVE Corporation. 모든 권리 보유.