Generatieve Artificiële Intelligentie, Motivatie, Angst en Creativiteit in Saoedische Klaslokalen voor Engels als Vreemde Taal: Een Dwarsdoorsnedeverkenning

Samenvatting

Deze cross-sectionele enquête onderzocht de verbanden tussen het gebruik van generatieve kunstmatige intelligentie, onderwijsstijl, digitale geletterdheid, motivatie, angst en creativiteit bij Saudische undergraduate studenten Engels als vreemde taal, waarbij motivatie werd geïdentificeerd als een belangrijke mediator van de waargenomen relaties.

Samenvatting

Tools voor kunstmatige intelligentie (AI), zoals ChatGPT, worden in toenemende mate geïntegreerd in het onderwijs Engels als vreemde taal (EFL); er is echter beperkt bewijs beschikbaar over hoe het gebruik ervan zich verhoudt tot de onderwijsstijl, digitale geletterdheid, motivatie, angst in de vreemdetalenklas (FLCA) en creativiteit binnen de Saoedi-Arabische context. Deze studie onderzocht de associaties tussen deze constructen en analyseerde de mediërende rol van motivatie binnen een uniform conceptueel kader. Er werd een kwantitatief, cross-sectioneel onderzoek uitgevoerd onder 280 EFL-studenten in de bacheloropleiding aan een publieke universiteit in Saoedi-Arabië met behulp van gevalideerde vragenlijsten. De voorgestelde relaties werden geanalyseerd met behulp van Partial Least Squares Structural Equation Modeling (PLS-SEM). De resultaten gaven aan dat het gebruik van ChatGPT, de onderwijsstijl en digitale geletterdheid positief geassocieerd waren met de motivatie van studenten. Een hogere motivatie was geassocieerd met lagere niveaus van FLCA en hogere niveaus van creativiteit. Motivatie medieerde daarnaast de associaties tussen het gebruik van ChatGPT, de onderwijsstijl, digitale geletterdheid en FLCA. Deze bevindingen suggereren dat de motivationele ervaringen van studenten nauw verbonden zijn met de relaties tussen onderwijspraktijken, technologiegebruik en resultaten van taalverwerving. De studie levert bewijs dat de integratie van passende onderwijstrategieën, generatieve AI-tools en digitale geletterdheid binnen het Engels taalonderwijs ondersteunt, terwijl het belang wordt benadrukt van het overwegen van de motivationele en emotionele ervaringen van studenten bij het implementeren van technologie-ondersteunde leeromgevingen.

Inleiding

Het Koninkrijk Saudi-Arabië ondergaat een transformatieve agenda voor onderwijshervorming onder Vision 2030, waarbij prioriteit wordt gegeven aan de ontwikkeling van vaardigheden voor de 21e eeuw, digitale competentie en innovatieve pedagogische benaderingen op alle onderwijsniveaus¹. Binnen deze nationale context blijft het onderwijs in Engels als vreemde taal (EFL) geconfronteerd worden met aanhoudende uitdagingen, waaronder een examengerichte cultuur die uitgaat van uit het hoofd leren en testprestaties boven communicatieve competentie^2,3. Beperkte mogelijkheden voor authentieke interactie in de Engelse taal buiten het klaslokaal, samen met een hoog niveau van angst voor het leren van vreemde talen in de klas (FLCA), beperken bovendien de bereidheid van studenten om te communiceren en op betekenisvolle wijze met de doeltaal om te gaan⁴. Deze uitdagingen hebben opvoeders en beleidsmakers ertoe aangezet om innovatieve benaderingen te verkennen die motivationele tekortkomingen, emotionele barrières en creatief taalgebruik aanpakken. Kunstmatige intelligentie (AI) is naar voren gekomen als een veelbelovende weg voor het ondersteunen van taalverwerving en het transformeren van instructiemethoden⁵. Onder de AI-toepassingen in het onderwijs van de Engelse taal (ELT) heeft ChatGPT, een conversationeel generatief AI-model, aanzienlijke aandacht gekregen voor het bieden van interactieve taalpraktijk en directe geïndividualiseerde feedback in real-time conversationele contexten⁶. Deze kenmerken zijn bijzonder relevant in Saoedische EFL-klaslokalen, waar lerersonderwijs en beperkte interactie tussen studenten de creatieve taalproductie blijven beperken⁷. ChatGPT kan helpen deze beperkingen aan te pakken door mogelijkheden te bieden voor authentieke taalpraktijk met een AI-interlocutor in een omgeving met weinig angst⁸.

Recente onderwijshervormingen in Saoedi-Arabië hebben een overgang naar een leerlinggerichte pedagogiek gestimuleerd, waardoor er kansen zijn ontstaan om AI-technologieën te integreren die actieve participatie, kritisch denken en zelfgestuurd leren bevorderen^9,10. Wanneer ChatGPT op de juiste manier wordt geïmplementeerd, kan het deze overgang ondersteunen door taalpraktijk uit te breiden buiten de traditionele klasactiviteiten¹¹. De effectiviteit van AI-integratie hangt echter mede af van de digitale geletterdheid van studenten, gedefinieerd als hun vermogen om digitale technologieën voor leren effectief te evalueren, te gebruiken en ermee om te gaan¹². Digitale geletterdheid stelt lerenden in staat om productief gebruik te maken van AI-tools, terwijl potentiële risico's, waaronder overmatige afhankelijkheid en misinformatie, worden geminimaliseerd¹³. Deze competentie is bijzonder belangrijk in het Saoedische hoger onderwijs, waar de digitale transformatie is versneld onder Vision 2030¹⁴.

Hoewel in eerder onderzoek AI-tools, onderwijsstijl, digitale geletterdheid, motivatie, angst en creativiteit afzonderlijk zijn onderzocht, is er beperkt bewijs over hoe deze constructen binnen een verenigd kader interageren in niet-Westerse EFL-contexten, zoals in Saoedi-Arabië. Motivatie is consistent geïdentificeerd als een belangrijk mechanisme dat onderwijspraktijken verbindt met leerresultaten, waaronder een lagere angst, grotere creativiteit en aanhoudende betrokkenheid¹⁵. De relaties tussen het gebruik van ChatGPT, onderwijsstijl, digitale geletterdheid, motivatie, FLCA en creativiteit zijn echter nog niet uitgebreid onderzocht in de Saoedische EFL-context¹⁶. Het aanpakken van deze lacune kan theoretische en praktische inzichten bieden voor het ontwerpen van technologie-ondersteunde taal leeromgevingen die de motivationele, emotionele en creatieve ontwikkeling van studenten ondersteunen. Daarom onderzoekt deze studie de relaties tussen het gebruik van ChatGPT, onderwijsstijl, digitale geletterdheid, motivatie, FLCA en creativiteit onder Saoedische EFL-studenten aan de universiteit. Specifiek wordt onderzocht naar (1) de relaties van het gebruik van ChatGPT, de onderwijsstijl en digitale geletterdheid met de motivatie van studenten; (2) de relaties van motivatie met FLCA en creativiteit; en (3) de mediërende rol van motivatie in de relaties tussen het gebruik van ChatGPT, onderwijsstijl, digitale geletterdheid en de uitkomstvariabelen angst en creativiteit.

Deze studie draagt bij aan EFL-onderwijs en technologie-ondersteund leren door het gebruik van AI-tools te integreren in bestaande modellen van motivatie en taalverwerving, waardoor het begrip van technologie-ondersteund taalonderwijs in hedendaagse educatieve omgevingen wordt uitgebreid. Het biedt daarnaast bewijsmateriaal dat nuttig kan zijn voor docenten, curriculumontwerpers en beleidsmakers die AI-tools willen integreren in het Saoedische EFL-onderwijs. Door motivatie te onderzoeken als mediator die het gebruik van technologie en instructiepraktijken verbindt met FLCA en creativiteit, levert de studie contextspecifiek bewijs ter ondersteuning van de ontwikkeling van leerlinggericht taalonderwijs dat is afgestemd op de doelstellingen van de onderwijshervormingen in Saoedi-Arabië.

De Zelfbeschikkingstheorie (Self-Determination Theory, SDT) biedt een theoretisch kader om de relatie tussen onderwijspraktijken en studentenmotivatie in educatieve contexten te begrijpen¹⁷. Volgens de SDT worden intrinsieke motivatie en autonome vormen van extrinsieke motivatie ondersteund wanneer de drie basispsychologische behoeften van leerlingen — autonomie, competentie en verbondenheid — worden vervuld binnen de leeromgeving¹⁸. De onderwijsstijl is daarom een cruciale contextuele factor die de motivatie en betrokkenheid van studenten beïnvloedt¹⁹. Autonomie-ondersteunende onderwijspraktijken, die betekenisvolle keuzes bieden, rekening houden met de perspectieven van studenten en leeractiviteiten toelichten, bevorderen intrinsieke motivatie en zelfbeschikbare betrokkenheid²⁰. In EFL-contexten zijn leerlinggerichte benaderingen, waaronder de rollen van facilitator en delegator in de onderwijsstijl, geassocieerd met een grotere inzet, participatie en interesse van studenten bij het taalverwervingsproces^21,22. Omgekeerd kan docentgericht onderwijs de motivatie verminderen door de participatie en autonomie van studenten te beperken, terwijl de nadruk meer ligt op extrinsieke beloningen dan op intrinsieke interesse^23,24. In de Saoedische EFL-context, waar traditioneel onderwijs historisch gezien de nadruk heeft gelegd op memorisatie en docentgerichte overdracht²⁵, kan het adopteren van meer leerlinggerichte onderwijsaanpakken de motivatie van studenten ondersteunen²⁶. Op basis van dit theoretische en empirische fundament wordt de volgende hypothese voorgesteld: H1: Onderwijsstijl heeft een positieve invloed op de motivatie van EFL-studenten.

De relatie tussen educatieve technologie en de motivatie van de lerende is uitgebreid onderzocht^27,28. Het Technology Acceptance Model (TAM) suggereert dat de motivatie van lerenden om gebruik te maken van educatieve technologie wordt beïnvloed door de waargenomen bruikbaarheid en het waargenomen gebruiksgemak, welke de gedragsintenties en het technologiegebruik vormgeven²⁹. Toegepast op ChatGPT suggereert dit kader dat studenten die de tool als nuttig en gemakkelijk in gebruik ervaren, eerder geneigd zijn deze in te zetten voor taalverwerving³⁰. Empirische studies hebben positieve verbanden gerapporteerd tussen AI-ondersteund taalonderwijs en studentmotivatie, waarbij interactieve functies, onmiddellijke feedback en gepersonaliseerde oefeningen bijdragen aan aanhoudende betrokkenheid^31,32. ChatGPT kan bovendien barrières met betrekking tot taalangst verminderen door mogelijkheden te bieden voor taalbeoefening zonder hoge druk, wat het voortdurende taalgebruik kan stimuleren³³. Dit potentieel is bijzonder relevant in de Saoedische context, waar FLCA is geïdentificeerd als een belangrijke barrière voor motivatie en taalprestaties³⁴. Op basis van deze theoretische en empirische bevindingen wordt de volgende hypothese voorgesteld: H2: Het gebruik van ChatGPT heeft een positieve invloed op de motivatie van EFL-studenten.

Digitale geletterdheid is een belangrijke determinant geworden van de motivatie van studenten in hedendaagse EFL-leeromgevingen³⁵. Het verwijst naar het vermogen om digitale technologieën en media effectief te zoeken, evalueren en gebruiken voor het leren³⁶. In EFL-contexten stelt digitale geletterdheid leerlingen in staat om effectief gebruik te maken van digitale bronnen, waaronder ChatGPT, leerbeheersystemen en multimedia-instrumenten, om taalverwerving en motivatie te ondersteunen³⁷. Studenten met een hoger niveau van digitale geletterdheid maken vaker met vertrouwen gebruik van leertechnologieën, wat competentie en autonomie bevordert, welke geassocieerd worden met intrinsieke motivatie³⁸. Zij zijn bovendien beter uitgerust om digitale instrumenten te gebruiken voor onafhankelijke taalbeoefening, feedback en aanhoudende betrokkenheid bij het leerproces³⁹. Op basis van deze literatuur wordt de volgende hypothese voorgesteld: H3: De digitale geletterdheid van EFL-studenten heeft een positieve invloed op de motivatie van EFL-studenten.

FLCA en creativiteit zijn nauw verwante constructen in het EFL-onderwijs, hoewel hun relatie complex blijft⁴⁰. Angst kan de prestaties van leerlingen beperken bij taken die creativiteit, cognitieve flexibiliteit, divergent denken en zelfexpressie vereisen⁴¹. FLCA weerspiegelt de angst van leerlingen om fouten te maken, negatieve evaluaties en een laag zelfvertrouwen, waarvan alle aspecten de creatieve taalproductie kunnen belemmeren⁴². Creativiteit is echter een belangrijke competentie bij het leren van EFL, omdat het contextueel passend en innovatief taalgebruik ondersteunt³¹. Eerdere studies hebben aangetoond dat leerlingen met een hogere mate van angst minder geneigd zijn om deel te nemen aan creatieve schrijf- en mondelinge communicatieactiviteiten^43,44. Op basis van deze literatuur worden de volgende hypothesen voorgesteld: 1) H4: de motivatie van EFL-studenten is negatief gerelateerd aan hun angst, en 2) H5: de angst van EFL-studenten beïnvloedt hun creativiteit negatief.

Motivatie biedt een theoretisch mechanisme waardoor onderwijsstijl, het gebruik van ChatGPT en digitale geletterdheid verband kunnen houden met FLCA⁴⁵. Gemotiveerde lerenden zijn eerder geneigd om actief deel te nemen, vol te houden bij uitdagingen en lagere niveaus van communicatieangst te ervaren⁴⁶. Ondersteunende onderwijspraktijken, AI-ondersteund talenleren en een sterkere digitale geletterdheid zijn elk geassocieerd met een hogere motivatie en lagere angst in EFL-settings^47,48,49. Voorgaand onderzoek suggereert daarnaast dat een grotere motivatie geassocieerd is met minder klasangst en verhoogde creativiteit, wat motivatie ondersteunt als een potentiële mediator die onderwijspraktijken en technologiegebruik verbindt met leerresultaten^50,51,52. Op basis van deze literatuur worden de volgende hypothesen voorgesteld: 1) H6: Motivatie medieert de relatie tussen de onderwijsstijl en de angst van EFL-studenten; 2) H7: Motivatie medieert de relatie tussen het gebruik van ChatGPT en de angst van EFL-studenten; en 3) H8: Motivatie medieert de relatie tussen de digitale geletterdheid van EFL-studenten en hun angst. Figuur 1 illustreert het gehypothetiseerde model waarin onderwijsstijl, ChatGPT-gebruik en digitale geletterdheid geassocieerd zijn met de motivatie van EFL-studenten, wat op zijn beurt hun relaties met FLCA en creativiteit medieert.

Figuur 1. Gehypothetiseerd onderzoeksmodel. Het model beeldt de gehypothetiseerde relaties uit tussen het gebruik van ChatGPT, de onderwijsstijl, digitale geletterdheid, motivatie, angst in de vreemde taal klas en creativiteit bij studenten Engels als vreemde taal (EFL). Doorgetrokken lijnen vertegenwoordigen directe gehypothetiseerde relaties en gestreepte lijnen vertegenwoordigen mediërende relaties, zoals aangegeven in de figuur. Klik hier om een grotere versie van deze figuur te bekijken.

Protocol

Hoewel de studie geen formele ethische goedkeuring van een institutionele toetsingscommissie vereiste vanwege het niet-experimentele, anonieme enquêteontwerp zonder fysieke interventies, manipulatie of misleiding van deelnemers, werden alle procedures uitgevoerd in overeenstemming met de ethische principes van de Verklaring van Helsinki en de richtlijnen van de American Psychological Association voor onderzoek met menselijke participanten. Geïnformeerde toestemming werd van alle deelnemers verkregen voorafgaand aan de gegevensverzameling. De instelling vereiste of verstrekte geen formele ethische goedkeuring of vrijstelling voor dit type studie. Alle respondenten werden expliciet geïnformeerd over het doel van het onderzoek, hun vrijwillige deelname, hun recht om op elk gewenst moment zonder gevolgen terug te trekken en de strikte vertrouwelijkheidsmaatregelen die op hun gegevens werden toegepast. Er werden geen persoonlijk identificeerbare gegevens verzameld of gerapporteerd, en alle gegevens werden uitsluitend gebruikt voor geaggregeerde academische analyse. Er werd bijzondere aandacht besteed aan niet-indringende, respectvolle formuleringen om ervoor te zorgen dat de enquête geen hinder vormde voor de academische activiteiten of het psychologische welzijn van de deelnemers. Zie Supplementary File 1 voor het formulier van geïnformeerde toestemming. Bovendien staan de in deze studie gebruikte materialen vermeld in de Table of Materials.

Onderzoeksontwerp

Deze sectie beschrijft het onderzoeksontwerp, de procedures voor gegevensverzameling en de details van de steekproef die in de studie zijn gebruikt om de relaties tussen onderwijsstijl, ChatGPT-gebruik, digitale geletterdheid, motivatie, angst en creativiteit bij EFL-studenten te onderzoeken. Deze studie maakte gebruik van een kwantitatief, crosssectioneel onderzoeksontwerp om de mediërende rol van motivatie te onderzoeken in de relaties tussen onderwijsstijl, ChatGPT-gebruik, digitale geletterdheid en angst bij EFL-studenten, en hoe deze variabelen gezamenlijk gerelateerd zijn aan creativiteit. Er is gekozen voor een gestructureerde enquête-methodologie om primaire gegevens te verzamelen, waardoor standaardisatie en betrouwbaarheid bij het meten van de constructen werden gewaarborgd. In de studie werden gevalideerde schalen gebruikt om alle variabelen te beoordelen, waaronder onderwijsstijl, ChatGPT-gebruik, digitale geletterdheid, motivatie, FLCA en creativiteit.

Data en Monster

De gegevens voor deze studie werden verzameld bij EFL-studenten die ingeschreven stonden aan de Universiteit van Jeddah, een openbare universiteit in Saudi-Arabië die bekend staat om haar nadruk op taalonderwijs en de integratie van technologie in het onderwijs. De deelnemers werden geselecteerd met behulp van een doelgerichte steekproefmethode (purposive sampling), wat als passend werd beschouwd voor deze studie gezien de specifieke inclusiecriteria waarbij deelnemers actieve ervaring moesten hebben met AI-tools zoals ChatGPT in hun leeromgeving. Deze niet-probabilistische steekproefaanpak was noodzakelijk omdat de onderzoeksvragen van de studie gericht waren op een specifieke populatie: EFL-studenten die waren blootgesteld aan zowel traditionele als technologie-ondersteunde leermethoden, en random sampling zou de inclusie van deelnemers die aan deze criteria voldoen niet hebben gegarandeerd. Hoewel doelgerichte steekproefname de generaliseerbaarheid van de resultaten naar de bredere populatie beperkt, was dit voor dit verkennende onderzoek gerechtvaardigd om ervoor te zorgen dat deelnemers over de relevante ervaringen en perspectieven beschikten die nodig waren om de onderzoeksdoelstellingen te behalen. Om de beperkingen van doelgerichte steekproefname te verzachten, is getracht deelnemers met uiteenlopende academische achtergronden en verschillende niveaus van technologische vaardigheid te includeren, waardoor de representativiteit van de steekproef binnen de doelpopulatie werd vergroot. De uiteindelijke steekproef bestond uit 280 EFL-studenten in de bachelorfase, een omvang die als adequaat werd beschouwd voor de gehanteerde statistische technieken.

De bepaling van de adequaatheid van de steekproefomvang was gebaseerd op vastgestelde richtlijnen voor Structural Equation Modeling (SEM). Onderzoekers bevelen een minimale ratio van 10 gevallen per geschatte parameter aan voor SEM, waarbij conservatievere richtlijnen 20 gevallen per parameter suggereren voor Partial Least Squares SEM (PLS-SEM). Het meetmodel bestond uit 29 items voor digitale geletterdheid, 25 items voor onderwijsstijl en 32 items voor FLCA, naast aanvullende items voor het gebruik van ChatGPT, motivatie en creativiteit. PLS-SEM-richtlijnen bevelen daarnaast een minimale steekproefomvang aan die gelijk is aan 10 maal het grootste aantal formatieve indicatoren of het grootste aantal structurele paden gericht op een specifiek construct; daarom overtrof de steekproef van 280 participanten deze minimale vereisten. Bovendien gaf een post hoc poweranalyse met G*Power⁵³ aan dat een steekproef van 280 participanten een statistische power van meer dan 0,95 bood voor het detecteren van gemiddelde effectgroottes (f² = 0,15) met α = 0,05, wat de algemeen aanbevolen drempelwaarde van 0,80 overschrijdt. Deze steekproefomvang biedt betrouwbare parameterschattingen en voldoende statistische power om betekenisvolle relaties tussen de studievariabelen te detecteren, terwijl rekening wordt gehouden met de complexiteit van de voorgestelde meet- en structurele modellen.

Deelnemers en procedure

De participanten waren EFL-studenten in de leeftijd van 18 tot 25 jaar, waarvan de meerderheid eerste- en tweedjaars bachelorstudenten waren die ingeschreven stonden voor cursussen Engelse taal. De enquête werd uitgevoerd tussen september en oktober 2025, waarbij studenten werden uitgenodigd om vrijwillig deel te nemen. Het wervingsproces verliep via officiële universitaire kanalen, waaronder e-mails en aankondigingen in de lessen. De participanten waren EFL-studenten van 18–25 jaar die als eerste- of tweedjaars bachelorstudenten waren ingeschreven voor cursussen Engelse taal. De geschiktheid werd bepaald aan de hand van vooraf gedefinieerde in- en uitsluitingscriteria. Participanten kwamen in aanmerking als zij (a) officieel ingeschreven stonden voor bachelorcursussen Engelse taal aan de University of Jeddah, (b) 18–25 jaar oud waren en (c) geregistreerd stonden als eerste- of tweedjaarsstudenten. Studenten werden uitgesloten als zij (a) graduate studenten waren of bachelorstudenten in een hoger jaar buiten de fundamentele cursusreeks, (b) buiten de gespecificeerde leeftijdscategorie vielen, of (c) betrokken waren bij de pre-testfase van de vragenlijst. Om geïnformeerde toestemming te waarborgen, werden de participanten geïnformeerd over het doel van het onderzoek, het vrijwillige karakter van hun deelname en de vertrouwelijkheid van hun antwoorden. Het instrument voor gegevensverzameling was een gestructureerde, zelf in te vullen vragenlijst die zowel fysiek als elektronisch werd verspreid via een beveiligd online platform. Gevalideerde schalen werden aangepast voor het meten van onderwijsstijl, ChatGPT-gebruik, digitale geletterdheid, studentmotivatie, FLCA en creativiteit. Participanten werd gevraagd hun antwoorden te scoren op een 5-punt Likert-schaal, variërend van 1 (Helemaal mee oneens) tot 5 (Helemaal mee eens). De pre-test van de vragenlijst werd uitgevoerd met een kleine groep van 30 studenten om de duidelijkheid en betrouwbaarheid te waarborgen. Op basis van de pre-testresultaten werden kleine aanpassingen in de formulering gedaan om het begrip van de items te verbeteren, en er werden geen significante problemen met de betrouwbaarheid of validiteit van de schaal vastgesteld. Om de integriteit van de gegevens te behouden en eerlijke antwoorden te stimuleren, werd anonimiteit gegarandeerd en kregen de participanten de zekerheid dat hun gegevens uitsluitend voor onderzoeksdoeleinden zouden worden gebruikt. Van de initieel verzamelde 300 reacties werden er 280 als geldig beschouwd na screening op onvolledige of inconsistente gegevens, wat resulteerde in een retentiegraad van 93%. De procedures voor gegevensscreening omvatten het onderzoeken van antwoordpatronen op straight-lining, overmatig veel missende gegevens (meer dan 10%) en multivariate uitschieters met behulp van de Mahalanobis-afstand. Deze methodologische aanpak biedt een robuuste basis voor het analyseren van de relaties tussen de studievariabelen en biedt waardevolle inzichten in de rol van onderwijsstijl, AI-tools en digitale geletterdheid bij het vormgeven van de motivatie, angst en creativiteit van EFL-studenten.

Na de gegevensverzameling werden 20 reacties uit de initiële pool van 300 uitgesloten op basis van vooraf gedefinieerde criteria: 12 reacties werden verwijderd vanwege overmatige ontbrekende gegevens die meer dan 10% van de vragenlijstitems besloegen, 5 werden geëlimineerd omdat ze straight-lining respons-patronen vertoonden (uniforme antwoorden op alle items, wat duidt op een gebrek aan betrokkenheid), en 3 werden geïdentificeerd als multivariate uitschieters met behulp van de Mahalanobis-afstand (p < 0,001) en vervolgens verwijderd om vervorming van de SEM-resultaten te voorkomen. Ontbrekende waarden voor de behouden gevallen werden behandeld via gemiddelde imputatie wanneer de ontbrekende gegevens minimaal waren (minder dan 5% per geval), aangezien deze aanpak acceptabel is voor kleine proporties ontbrekende gegevens in grootschalig enquêteonderzoek. De uiteindelijke behoudsgraad van 93% (280 geldige reacties van de 300 verzamelde vragenlijsten) vertegenwoordigt de proportie bruikbare reacties die behouden zijn gebleven van het totaal aantal verzamelde vragenlijsten; dit mag echter niet worden geïnterpreteerd als een werkelijke responsgraad, aangezien het exacte aantal uitgenodigde deelnemers niet kon worden berekend omdat de gecombineerde fysieke en elektronische distributiemethoden via officiële universiteitskanalen een nauwkeurige tracking van het totaal aantal uitnodigingen verhinderden. Deze beperking wordt erkend, en het cijfer van 93% wordt daarom gerapporteerd als de proportie geldige reacties die behouden zijn gebleven uit de verzamelde vragenlijsten, in plaats van als een responsgraad ten opzichte van de totale uitgenodigde populatie.

Instrumenten en Maatregelen

Deze studie maakte gebruik van goed gevestigde en gevalideerde schalen, zorgvuldig aangepast aan de context van het EFL-onderwijs, om de kernconstructen te meten: onderwijsstijl, digitale geletterdheid, het gebruik van ChatGPT, FLCA, motivatie en creativiteit. Elke schaal werd geselecteerd op basis van de relevantie en volledigheid in het vastleggen van de respectievelijke dimensies van de onderzochte variabelen. Digitale geletterdheid werd gemeten met een aangepaste schaal gebaseerd op Rodríguez-de-Dios et al.⁵⁴, bestaande uit zes dimensies met 29 items. Deze dimensies omvatten technologische vaardigheden, persoonlijke beveiligingsvaardigheden, kritische vaardigheden, apparaatbeveiligingsvaardigheden, informatievaardigheden en communicatievaardigheden, waardoor een uitgebreide beoordeling mogelijk was van de bekwaamheid van studenten in digitale vaardigheden die essentieel zijn voor moderne educatieve contexten. Het gebruik van ChatGPT werd geëvalueerd met een schaal van 8 items, aangepast naar Abbas et al.⁵⁵, waarbij de nadruk lag op de interactie van studenten met de AI-tool voor taalleertoepassingen. De onderwijsstijl werd beoordeeld met een aangepaste versie van de Teaching Style Inventory van Grasha⁵⁶. Dit instrument meet vijf dimensies van onderwijsstijlen: Autoriteit, Expert, Persoonlijk Model, Facilitator en Delegeerder. Deze dimensies weerspiegelen verschillende instructiebenaderingen die de leerervaringen van EFL-studenten beïnvloeden. FLCA werd gemeten met een aangepaste schaal gebaseerd op Briesmaster en Briesmaster⁵⁷. Dit instrument onderzocht angst over drie dimensies: communicatieangst (10 items), testangst (10 items) en angst voor negatieve evaluatie (7 items). De motivatie van studenten werd beoordeeld met een schaal aangepast naar Kanoksilapatham et al.⁵⁸, waarbij drie dimensies werden gemeten: instrumentele promotie en preventie, etnocentrisme en integratieve motivatie, en houding tegenover het leren van Engels. De schaal bevatte in totaal 20 items. De creativiteit van EFL-studenten werd gemeten met een schaal aangepast naar Govindasamy et al.⁵⁹, waarmee vier dimensies werden beoordeeld: originaliteit, flexibiliteit, vloeiendheid en uitwerking. Elke dimensie werd gemeten met drie items. Om de culturele en contextuele geschiktheid van de instrumenten voor de EFL-omgeving te waarborgen, werd een systematische aanpassingsprocedure toegepast. Omdat de oorspronkelijke schalen in het Engels waren ontwikkeld, hebben twee tweetalige EFL-experts de taal beoordeeld en vereenvoudigd om de duidelijkheid voor undergraduate studenten op gemiddeld niveau te verbeteren, terwijl de oorspronkelijke betekenis van elk construct behouden bleef. De aangepaste versies werden vervolgens door een onafhankelijke vertaler terugvertaald naar de moedertaal van de deelnemers om de linguïstische en conceptuele equivalentie te verifiëren, en eventuele discrepanties werden opgelost door overleg binnen het onderzoeksteam. Vervolgens hebben drie ervaren EFL-docenten de aangepaste instrumenten geëvalueerd op inhoudelijke relevantie, culturele geschiktheid en duidelijkheid van de items, wat leidde tot kleine tekstuele revisies en de vervanging van cultureel onbekende voorbeelden waar适当. Tot slot werden de herziene instrumenten gepilot bij 30 studenten (zie sectie Procedure), en de feedback van deelnemers werd gebruikt voor aanvullende kleine tekstuele verfijningen om de begrijpelijkheid te verbeteren. Dit proces in meerdere stappen zorgde ervoor dat de aangepaste instrumenten hun oorspronkelijke psychometrische eigenschappen behielden, terwijl ze geschikt bleven voor de doelgroep van EFL-studenten. Voor de volledige aangepaste vragenlijst, zie Supplementary File 2.

Methoden voor data-analyse

De voor deze studie verzamelde gegevens werden geanalyseerd met behulp van het Statistical Package for the Social Sciences (SPSS 26) en SmartPLS 4, waarbij gebruik werd gemaakt van PLS-SEM. Deze tweeledige methode zorgde voor een uitgebreide analyse van de gegevens, waarbij zowel descriptieve als inferentiële aspecten werden behandeld, terwijl de gehypothetiseerde relaties en mediatie-effecten in het onderzoekmodel werden getest. Aanvankelijk werd SPSS gebruikt voor de preliminaire data-analyse, inclusief datacleaning, beschrijvende statistiek en betrouwbaarheidstesten. De datascreening hield het controleren op missende waarden, uitbijters en normaliteit in om de kwaliteit en integriteit van de dataset te waarborgen. Beschrijvende statistiek, waaronder het gemiddelde, de standaarddeviatie en frequentieverdelingen, werden berekend om de kenmerken van de steekproef samen te vatten. De hoofdanalyse werd uitgevoerd met SmartPLS 4. PLS-SEM werd gekozen vanwege de geschiktheid voor het analyseren van complexe modellen met meerdere constructen en de robuustheid bij kleine tot middelgrote steekproefgroottes. De analyse werd in twee fasen uitgevoerd: de evaluatie van het meetmodel en de evaluatie van het structurele model. Bij de beoordeling van het meetmodel werden de indicatorbetrouwbaarheid, de interne consistentiebetrouwbaarheid (met behulp van composite reliability [CR]), de convergente validiteit (met behulp van average variance extracted [AVE]) en de discriminerende validiteit (met behulp van de heterotrait–monotrait ratio [HTMT]) geëvalueerd.

Na validatie van het meetmodel werd het structurele model beoordeeld om de gehypothetiseerde relaties tussen onderwijsstijl, ChatGPT-gebruik, digitale geletterdheid, motivatie, angst en creativiteit te evalueren. Padcoëfficiënten werden geanalyseerd om de sterkte en significantie van de directe en indirecte effecten te bepalen, waarbij de significantie werd beoordeeld middels bootstrapping met 5.000 resamples. Om de significantie van directe, indirecte en mediating effecten te beoordelen, werden bias-gecorrigeerde (BC) bootstrap-betrouwbaarheidsintervallen geconstrueerd met behulp van 5.000 bootstrap-resamples met een betrouwbaarheidsniveau van 95%. De mediating effecten van motivatie op de relaties tussen onderwijsstijl, ChatGPT-gebruik, digitale geletterdheid en angst werden eveneens geëvalueerd met behulp van gebootstrapte betrouwbaarheidsintervallen. De model fit en voorspellende kracht werden beoordeeld aan de hand van de determinatiecoëfficiënt (R²), de voorspellende relevantie (Q²) en de gestandaardiseerde root mean square residual (SRMR).

Resultaten

Beschrijvende Statistiek

Beschrijvende statistieken geven een overzicht van de steekproefkenmerken en de verdeling, centrale tendens en variabiliteit van de studievariabelen. In deze studie werden beschrijvende analyses uitgevoerd om de deelnemerssteekproef te karakteriseren en de belangrijkste variabelen samen te vatten voordat de structurele analyses werden uitgevoerd.

Tabel 1 vat de demografische kenmerken samen van de 280 bachelorstudenten EFL die aan het onderzoek deelnamen. Vrouwelijke deelnemers maakten 54,3% (n = 152) van de steekproef uit, terwijl mannelijke deelnemers goed waren voor 45,7% (n = 128). De meeste deelnemers waren 21–23 jaar oud (52,1%), gevolgd door deelnemers van 18–20 jaar (36,4%) en 24–25 jaar (11,4%). Wat betreft het studiejaar vormden tweedejaarsstudenten de grootste groep (42,1%), gevolgd door eerstejaars (34,3%) en derdejaarsstudenten (23,6%). De meeste deelnemers rapporteerden een matige ervaring met ChatGPT (47,1%), terwijl 36,8% uitgebreide ervaring rapporteerde en 16,1% beperkte ervaring. Alle deelnemers hadden voorafgaande ervaring met ChatGPT, in overeenstemming met de inclusiecriteria van de studie, waarbij de categorie "beperkte ervaring" wees op minimaal gebruik in plaats van geen voorafgaand gebruik. De deelnemers rapporteerden hoofdzakelijk een matige digitale geletterdheid (54,6%), gevolgd door een hoge (30,4%) en lage (15,0%) digitale geletterdheid. De meeste deelnemers vertoonden een gemiddelde beheersing van het Engels (62,5%), terwijl 22,9% een basisbeheersing rapporteerde en 14,6% een gevorderde beheersing. Over het algemeen geven de demografische kenmerken aan dat de steekproef deelnemers omvatte met diverse academische achtergronden, niveaus van digitale geletterdheid, beheersing van het Engels en ervaring met ChatGPT (Tabel 1, Figuur 2).

Variabele	Categorie	Frequentie, n	Percentage, %
Geslacht	Mannelijk	128	45.7
	Vrouwelijk	152	54.3
Leeftijdsgroep	18–20 jaar	102	36.4
	21–23 jaar	146	52.1
	24–25 jaar	32	11.4
Studiejaar	Eerste jaar	96	34.3
	Tweede jaar	118	42.1
	Derde jaar	66	23.6
Ervaring met ChatGPT	Beperkte ervaring	45	16.1
	Gemiddelde ervaring	132	47.1
	Uitgebreide ervaring	103	36.8
Niveau van digitale geletterdheid	Laag	42	15
	Matig	153	54.6
	Hoog	85	30.4
Engelse taalvaardigheidsniveau	Basis	64	22.9
	Gemiddeld	175	62.5
	Geavanceerd	41	14.6

Tabel 1: Demografische kenmerken van de respondenten in de studie. De tabel vat de demografische kenmerken samen van de 280 studenten Engels als vreemde taal (EFL) die aan de studie hebben deelgenomen. Frequenties en percentages worden weergegeven voor geslacht, leeftijdsgroep, studiejaar, ervaring met ChatGPT, niveau van digitale geletterdheid en niveau van Engelse taalbeheersing.

Figuur 2. Demografische kenmerken van de respondenten in de studie. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 2 presenteert de demografische verdeling van de studiedeelnemers op basis van geslacht, leeftijdsgroep, studiejaar, ervaring met AI-tools, niveau van digitale geletterdheid en niveau van Engelse taalbeheersing. De verdeling laat een iets hoger aandeel vrouwelijke dan mannelijke deelnemers zien, waarbij de meeste respondenten in de leeftijd van 21–23 jaar waren. Gematigde digitale geletterdheid en een gemiddelde beheersing van het Engels waren de meest gerapporteerde categorieën (Figuur 2).

Tabel 2 presentaart de beschrijvende statistieken voor de studievariabelen. De onderwijsstijl, gemeten met 25 items, had een gemiddelde score van 3,84 (SD = 0,76), met scores variërend van 2,1 tot 4,8. Het gebruik van ChatGPT, beoordeeld met acht items, had een gemiddelde score van 3,67 (SD = 0,81), met antwoorden variërend van 1,5 tot 5,0. Digitale geletterdheid, gemeten met 29 items, had een gemiddelde score van 3,72 (SD = 0,73), met scores variërend van 2,2 tot 4,9. Motivatie, beoordeeld met 20 items, had de hoogste gemiddelde score (3,92, SD = 0,68), met waarden variërend van 2,4 tot 5,0. Angst, gemeten met 27 items, had een gemiddelde score van 3,41 (SD = 0,89). Creativiteit, beoordeeld met 12 items, had een gemiddelde score van 3,78 (SD = 0,74), met scores variërend van 2,0 tot 5,0. Deze beschrijvende statistieken duiden op variabiliteit tussen de gemeten constructen, terwijl ze een algemeen overzicht geven van de antwoorden van de deelnemers.

Variabele	Aantal items	Gemiddelde (M)	Standaarddeviatie (SD)	Minimum	Maximum
Angst	27	3.41	0.89	1.8	5
ChatGPT-gebruik	8	3.67	0.81	1.5	5
Creativiteit	12	3.78	0.74	2	5
Digitale geletterdheid	29	3.72	0.73	2.2	4.9
Motivatie	20	3.92	0.68	2.4	5
Onderwijsstijl	25	3.84	0.76	2.1	4.8

Tabel 2: Beschrijvende statistieken voor de onderzoeksconstructen. De tabel vermeldt het aantal vragenlijstitems, het gemiddelde (M), de standaarddeviatie (SD), de waargenomen minimumwaarde en de waargenomen maximumwaarde voor onderwijsstijl, ChatGPT-gebruik, digitale geletterdheid, motivatie, angst in de vreemde talenklas en creativiteit, gebaseerd op antwoorden van 280 deelnemers.

Bias door gemeenschappelijke methodevariantie

Bias door common method variance (CMV) verwijst naar spookachtige covariantie tussen variabelen die toeschrijfbaar is aan de meetmethode in plaats van aan de constructen die worden gemeten. Omdat in deze studie gebruik is gemaakt van een zelfrapportage-enquête, werden zowel procedurele als statistische benaderingen toegepast om de potentiële invloed van CMV-bias te beoordelen. Procedureel kregen deelnemers de garantie van anonimiteit en vertrouwelijkheid om bias door sociale wenselijkheid te minimaliseren en eerlijke antwoorden te stimuleren. Daarnaast werden vragenlijstitems, aangepast van gevestigde instrumenten, in een gerandomiseerde volgorde gepresenteerd om responspatronen te verminderen die de CMV-bias kunstmatig zouden kunnen verhogen. Statistisch werd de single-factor test van Harman uitgevoerd door alle gemeten variabelen in een explorerende factoranalyse (EFA) zonder rotatie in te voeren. De analyse toonde aan dat de eerste niet-geroteerde factor 32,7% van de totale variantie verklaarde, wat onder de aanbevolen drempelwaarde van 50% ligt; dit geeft aan dat het onwaarschijnlijk is dat CMV-bias de resultaten van de studie wezenlijk heeft beïnvloed (Tabel 3).

Statistiek		Waarde	Drempelwaarde	Interpretatie
Totaal aantal geëxtraheerde factoren		7	N/A	Er werden meerdere factoren geëxtraheerd, wat aangeeft dat de gemeten items verschillende constructen vertegenwoordigen.
Variantie verklaard door de eerste factor		32.70%	<50%	Onder de algemeen aanvaarde drempelwaarde, wat aangeeft dat common method variance (CMV) waarschijnlijk geen ernstig probleem is.
Cumulatieve verklaarde variantie (eerste drie factoren)		62.10%	N/A	Geeft aan dat de eerste drie factoren een aanzienlijk deel van de totale variantie verklaren.
Kaiser–Meyer–Olkin (KMO) maat voor steekproefadequaatheid		0.89	>0.80	Geeft een uitstekende steekproefadequaatheid aan voor factoranalyse.
Sfericiteitstoets van Bartlett (p-waarde)		<0.001	p < 0.05	Significant resultaat dat aangeeft dat de correlatiematrix geschikt is voor factoranalyse.

Tabel 3: Resultaten van de single-factor test van Harman en de steekproefadequaatheid. De tabel vat de resultaten samen van de single-factor test van Harman, de Kaiser–Meyer–Olkin (KMO)-maat voor steekproefadequaatheid en de sfericiteitstoets van Bartlett. De single-factor test van Harman werd uitgevoerd om de potentiële invloed van gemeenschappelijke methodevariantie (CMV) te beoordelen. De KMO-statistiek en de toets van Bartlett werden gebruikt om de geschiktheid van de dataset voor factoranalyse te evalueren.

Tabel 3 presenteert de resultaten van de single-factor test van Harman, waaruit blijkt dat de eerste ongecorreleerde factor verantwoordelijk was voor 32,7% van de totale variantie. Dit ligt onder de aanbevolen drempelwaarde van 50%, wat suggereert dat common method bias geen aanzienlijk probleem vormt in deze studie. De Kaiser–Meyer–Olkin (KMO)-maatstaf voor steekproefadequaatheid was 0,89, wat aangeeft dat de gegevens geschikt waren voor factoranalyse. Daarnaast was de sfericiteitstoets van Bartlett statistisch significant (p < 0,001), wat bevestigt dat de correlatiematrix geschikt was voor factoranalyse. Gezamenlijk ondersteunen deze bevindingen de geschiktheid van de dataset voor daaropvolgende analyses middels structurele vergelijkingsmodellen.

Meetmodel

Het meetmodel werd geëvalueerd om de betrouwbaarheid en validiteit van de studieconstructen te beoordelenen middels PLS-SEM geïmplementeerd in SmartPLS 4, volgens de aanbevelingen van Hair et al.⁶⁰. Indicatorbetrouwbaarheid, interne consistentiebetrouwbaarheid, convergente validiteit en discriminante validiteit werden beoordeeld. Indicatorbetrouwbaarheid werd geëvalueerd aan de hand van de outer loadings, waarbij items met loadings groter dan 0,70 werden behouden als betrouwbare indicatoren van hun respectieve constructen. Items met loadings tussen 0,60 en 0,70 werden alleen behouden wanneer hun verwijdering de interne consistentie van het overeenkomstige construct niet verbeterde. Interne consistentiebetrouwbaarheid werd beoordeeld met Cronbach's alpha en CR. Convergente validiteit werd geëvalueerd met de AVE, waarbij alle constructen AVE-waarden groter dan 0,50 vertoonden, wat aangeeft dat elk construct meer dan de helft van de variantie in de indicatoren verklaarde. Discriminante validiteit werd beoordeeld met de HTMT-ratio, en alle HTMT-waarden lagen onder de aanbevolen drempelwaarde van 0,85, wat de empirische onderscheidbaarheid van de studieconstructen ondersteunt (Tabel 4 en 5).

Construct		Factorlading	Composiete betrouwbaarheid (CR)	Gemiddelde geëxtraheerde variantie (AVE)	Externe variantie-inflatiefactor (VIF)
Onderwijsstijl (Autoriteit)		0.87	0.91	0.66	1.38
Onderwijsstijl (Expert)		0.89	0.92	0.68	1.45
Onderwijsstijl (Persoonlijk model)		0.86	0.9	0.65	1.4
Onderwijsstijl (Facilitator)		0.88	0.93	0.69	1.43
Onderwijsstijl (Delegeerder)		0.85	0.89	0.62	1.39
ChatGPT-gebruik		0.92	0.94	0.72	1.47
Angst in de vreemde talenklas (Communicatievrees)		0.86	0.9	0.64	1.35
Angst in de vreemde talenklas (Toetsangst)		0.88	0.92	0.67	1.41
Angst in de vreemde talenklas (Vrees voor negatieve evaluatie)		0.83	0.88	0.6	1.32
Motivatie (Instrumentaliteit)		0.84	0.89	0.61	1.34
Motivatie (Ethnocentrisme en integrativiteit)		0.86	0.9	0.63	1.36
Motivatie (Houding ten opzichte van het leren van Engels)		0.89	0.93	0.7	1.44
Creativiteit (Originaliteit)		0.88	0.92	0.67	1.41
Creativiteit (Flexibiliteit)		0.87	0.91	0.66	1.38
Creativiteit (Vloeiendheid)		0.89	0.93	0.68	1.42
Creativiteit (Uitwerking)		0.85	0.9	0.63	1.37
Digitale geletterdheid		0.93	0.95	0.75	1.49

Tabel 4: Beoordeling van het meetmodel. De tabel rapporteert de factorladingen, samengestelde betrouwbaarheid (CR), gemiddelde uitgevoerde variantie (AVE) en de externe variantie-inflatiefactor (VIF) voor elk construct en elke subdimensie opgenomen in het meetmodel van de partial least squares structurele vergelijkingsmodellering (PLS-SEM). Deze statistieken werden gebruikt om de indicatorbetrouwbaarheid, interne consistentiebetrouwbaarheid, convergente validiteit en multicollineariteit te evalueren.

Construct		1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17
1. Onderwijsstijl (Autoriteit)		—
2. Onderwijsstijl (Expert)		0.702	—
3. Onderwijsstijl (Persoonlijk model)		0.743	0.581	—
4. Onderwijsstijl (Facilitator)		0.629	0.735	0.702	—
5. Onderwijsstijl (Delegeerder)		0.754	0.549	0.802	0.692	—
6. ChatGPT-gebruik		0.52	0.643	0.743	0.536	0.693	—
7. Angst in de vreemde talenles (Communicatieangst)		0.665	0.521	0.649	0.559	0.73	0.827	—
8. Angst in de vreemde talenles (Toetsangst)		0.832	0.614	0.53	0.622	0.689	0.631	0.567	—
9. Angst in de vreemde talenles (Angst voor negatieve beoordeling)		0.608	0.809	0.585	0.651	0.637	0.614	0.81	0.556	—
10. Motivatie (Instrumentaliteit)		0.762	0.623	0.66	0.634	0.811	0.534	0.802	0.755	0.519	—
11. Motivatie (Ethnocentrisme en integratievermogen)		0.803	0.674	0.571	0.504	0.517	0.805	0.827	0.753	0.562	0.554	—
12. Motivatie (Houding ten opzichte van het leren van Engels)		0.626	0.816	0.677	0.591	0.742	0.716	0.633	0.562	0.598	0.549	0.679	—
13. Creativiteit (Originaliteit)		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. Creativiteit (Flexibiliteit)		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. Creativiteit (Vloeiendheid)		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. Creativiteit (Uitwerking)		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. Digitale geletterdheid		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	—

Tabel 5: Discriminante validiteit beoordeeld met behulp van de heterotrait-monotrait ratio (HTMT). De tabel toont de HTMT-waarden voor alle paren van constructen en subdimensies die in het meetmodel zijn opgenomen. HTMT werd gebruikt om de discriminante validiteit te evalueren door het empirische onderscheid van de latente constructen te beoordelen. Waarden onder de vooraf vastgestelde drempelwaarde van 0,85 duiden op een acceptabele discriminante validiteit.

Tabel 4 vat de beoordeling van het meetmodel samen. De factorladingen varieerden van 0.83 tot 0.93, wat de aanbevolen drempelwaarde van 0.70 overschrijdt en duidt op een bevredigende betrouwbaarheid van de indicatoren. De waarden voor de samengestelde betrouwbaarheid (composite reliability) varieerden van 0.88 tot 0.95, wat een hoge interne consistentie over alle constructen aantoont. De AVE-waarden varieerden van 0.60 tot 0.75, wat de aanbevolen minimumwaarde van 0.50 overschrijdt en convergente validiteit ondersteunt. Daarnaast waren alle externe variantie-inflatiefactor (VIF) waarden lager dan 1.50, wat aangeeft dat er geen bewijs is voor multicollineariteit tussen de indicatoren. Over het algemeen ondersteunen deze bevindingen de betrouwbaarheid en validiteit van het meetmodel voor de daaropvolgende evaluatie van het structurele model.

Figuur 3 illustreert het meetmodel, inclusief de latente constructen, hun overeenkomstige dimensies en indicatoren, en de relaties tussen de in de studie geëvalueerde variabelen.

Figuur 3. Meetmodel voor partiële kleinste kwadraten structurele vergelijkingsmodellen. Het meetmodel dat is gegenereerd met behulp van partial least squares structural equation modeling (PLS-SEM) toont de relaties tussen de latente constructen, hun dimensies en hun geobserveerde indicatoren. De waarden op de verbindingspaden vertegenwoordigen de geschatte outer loadings of padcoëfficiënten, afhankelijk van de toepassing. Klik hier om een grotere versie van deze figuur te bekijken.

Tabel 5 presenteert de HTMT-resultaten die zijn gebruikt om de discriminante validiteit te evalueren. Alle HTMT-waarden lagen onder de conservatieve drempelwaarde van 0,85, wat duidt op een bevredigende discriminante validiteit tussen de 17 constructen. De hoogste HTMT-waarden werden waargenomen tussen Creativiteit (Flexibiliteit) en Onderwijsstijl (Persoonlijk Model) (0,8437), Creativiteit (Uitwerking) en Angst (Toetsangst) (0,8422), en Creativiteit (Originaliteit) en Angst (Communicatieangst) (0,8394). Hoewel deze waarden de aanbevolen drempel naderden, bleven ze onder de 0,85, wat het empirische onderscheid tussen de constructen ondersteunt. De overige HTMT-waarden waren lager, wat de discriminante validiteit over het volledige meetmodel verder bevestigt.

Resultaten van de hypothesetoetsing (structureel model)

Het structurele model werd geëvalueerd om de gehypothetiseerde relaties tussen onderwijsstijl, het gebruik van ChatGPT, digitale geletterdheid, motivatie, FLCA en creativiteit te onderzoeken. De resultaten ondersteunden alle voorgestelde directe en mediatiehypothesen. Onderwijsstijl, het gebruik van ChatGPT en digitale geletterdheid waren positief geassocieerd met motivatie. Motivatie was negatief geassocieerd met FLCA, terwijl FLCA negatief geassocieerd was met creativiteit. Daarnaast medieerde motivatie de relaties tussen onderwijsstijl, het gebruik van ChatGPT, digitale geletterdheid en FLCA (Tabel 6 en 7).

Hypothese		Gestandaardiseerde padcoëfficiënt (β)	t-waarde	p-waarde	Ondersteund	95% betrouwbaarheidsinterval (BI)	Ondergrens (LLCI)	Bovengrens (ULCI)
H1. Onderwijsstijl → motivatie van EFL-studenten		0.36	5.45	<0.001	Ja	[0.26, 0.46]	0.26	0.46
H2. Gebruik van ChatGPT → motivatie van EFL-studenten		0.4	6.27	<0.001	Ja	[0.30, 0.50]	0.3	0.5
H3. Digitale geletterdheid → motivatie van EFL-studenten		0.33	4.95	<0.001	Ja	[0.23, 0.43]	0.23	0.43
H4. Motivatie van EFL-studenten → angst in de vreemde taalklas		–0.27	–4.81	<0.001	Ja	[–0.37, –0.17]	–0.37	–0.17
H5. Angst in de vreemde taalklas → creativiteit van EFL-studenten		–0.26	–4.01	<0.001	Ja	[–0.36, –0.16]	–0.36	–0.16

Tabel 6: Hypothesetoetsing van directe effecten. De tabel presenteert de resultaten van de directe-effectanalyses uitgevoerd met behulp van partial least squares structural equation modeling (PLS-SEM). De gerapporteerde statistieken omvatten de gestandaardiseerde padcoëfficiënt (β), de t-waarde, de p-waarde, het 95% bootstrap-betrouwbaarheidsinterval (CI), de ondergrens van het betrouwbaarheidsinterval (LLCI), de bovengrens van het betrouwbaarheidsinterval (ULCI) en de beslissing met betrekking tot de ondersteuning van de hypothese. Statistische significantie werd beoordeeld via bootstrapping met 5.000 resamples.

Hypothese	Mediatiepad		Gestandaardiseerd indirect effect (β)	t Waarde	p Waarde	Ondersteund	95% betrouwbaarheidsinterval (BI)	ondergrens van het betrouwbaarheidsinterval (LLCI)	Bovengrens (ULCI)
H6	Onderwijsstijl → Motivatie → Angst in de vreemde talenklas		0.28	4.56	<0.001	Ja	[0.18, 0.38]	0.18	0.38
H7	Gebruik van ChatGPT → Motivatie → Angst in de vreemde talenklas		0.34	5.02	<0.001	Ja	[0.24, 0.44]	0.24	0.44
H8	Digitale geletterdheid → Motivatie → Vreemde talenonderwijsangst		0.3	4.68	<0.001	Ja	[0.20, 0.40]	0.20	0.40

Tabel 7: Mediatieanalyse. De tabel vat de indirecte effecten samen die zijn geschat met behulp van partial least squares structural equation modeling (PLS-SEM). De gerapporteerde statistieken omvatten het gestandaardiseerde indirecte effect (β), de t-waarde, de p-waarde, het 95% bootstrap-betrouwbaarheidsinterval (CI), de ondergrens van het betrouwbaarheidsinterval (LLCI), de bovengrens van het betrouwbaarheidsinterval (ULCI) en de beslissing met betrekking tot de ondersteuning van de hypothese. Statistische significantie werd geëvalueerd middels bootstrapping met 5.000 resamples.

Tabel 6 presenteert de resultaten van de direct-effect analyses. Alle vijf de gehypothetiseerde directe relaties waren statistisch significant (p < 0.001), wat hypotheses H1–H5 ondersteunt. Onderwijsstijl (β = 0.36), ChatGPT-gebruik (β = 0.40) and digitale geletterdheid (β = 0.33) waren positief geassocieerd met de motivatie van EFL-studenten, waarbij ChatGPT-gebruik de grootste gestandaardiseerde padcoëfficiënt vertoonde van de drie predictoren. Motivatie was negatief geassocieerd met FLCA (β = –0.27), wat aantoont dat een hogere motivatie correspondeerde met lagere niveaus van angst. Op beurt was FLCA negatief geassocieerd met creativiteit (β = –0.26). De 95% bootstrap-betrouwbaarheidsintervallen voor alle directe effecten sloten nul uit, wat de statistische significantie van de gehypothetiseerde relaties ondersteunt. Tabel 7 presenteert de mediatieanalyses waarin werd onderzocht of motivatie de relaties tussen onderwijsstijl, ChatGPT-gebruik en digitale geletterdheid enerzijds en FLCA anderzijds medieerde. De indirecte effecten waren statistisch significant voor alle drie de paden (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). De 95% bootstrap-betrouwbaarheidsintervallen sloten nul uit voor alle indirecte effecten, wat de statistische significantie van de mediatiepaden ondersteunt. De positieve indirecte coëfficiënten weerspiegelen de totale omvang van de indirecte effecten via motivatie, terwijl de directe relatie tussen motivatie en FLCA negatief was, zoals gerapporteerd in het structurele model. Bijgevolg waren hogere niveaus van onderwijsstijl, ChatGPT-gebruik en digitale geletterdheid geassocieerd met een hogere motivatie, wat op zijn beurt geassocieerd was met een lagere FLCA (Tabel 6 en 7). Over het algemeen ondersteunde het structurele model alle gehypothetiseerde directe (H1–H5) en indirecte (H6–H8) relaties. De bevindingen duiden op statistisch significante associaties tussen onderwijsstijl, ChatGPT-gebruik, digitale geletterdheid, motivatie, FLCA en creativiteit, waarbij motivatie fungeerde als de significante mediator die in het structurele model werd geëvalueerd.

Dimensionale Analyse van Onderwijsstijl

Er is een dimensionale analyse uitgevoerd om de relaties tussen de vijf dimensies van de onderwijsstijl en de motivatie, FLCA en creativiteit van EFL-studenten te onderzoeken. De dimensies van de onderwijsstijl omvatte Authority, Expert, Personal Model, Facilitator en Delegator. Het structurele model schatte de directe effecten van elke dimensie van de onderwijsstijl op de drie uitkomstvariabelen om vast te stellen of de waargenomen relaties verschilden per onderwijsaanpak (Tabel 8).

Dimensie van de onderwijsstijl	Uitkomstvariabele	Gestandaardiseerde padcoëfficiënt (β)	t Waarde	p Waarde	Ondergrens van het 95%-betrouwbaarheidsinterval (LLCI)	Bovengrens van het 95% betrouwbaarheidsinterval (ULCI)	Ondersteund
Autoriteit	Motivatie	0.12	1.85	0.065	–0.02	0.26	Nee
Autoriteit	Angst in de vreemde taalklas	0.35	5.12	<0.001	0.22	0.48	Ja
Autoriteit	Creativiteit	–0.28	–4.02	<0.001	–0.42	–0.14	Ja
Expert	Motivatie	0.3	4.89	<0.001	0.18	0.42	Ja
Expert	Angst in de vreemde talenklas	–0.18	–2.95	0.003	–0.30	–0.06	Ja
Expert	Creativiteit	0.22	3.56	<0.001	0.1	0.34	Ja
Persoonlijk model	Motivatie	0.25	4.02	<0.001	0.13	0.37	Ja
Persoonlijk model	Angst in de vreemde taalklas	–0.22	–3.45	0.001	–0.35	–0.09	Ja
Persoonlijk model	Creativiteit	0.24	3.78	<0.001	0.12	0.36	Ja
Facilitator	Motivatie	0.34	5.5	<0.001	0.22	0.46	Ja
Facilitator	Angst in de vreemde talenklas	–0.28	–4.45	<0.001	–0.40	–0.16	Ja
Facilitator	Creativiteit	0.31	4.95	<0.001	0.19	0.43	Ja
Delegeren	Motivatie	0.29	4.62	<0.001	0.17	0.41	Ja
Delegeerder	Angst in de vreemde talenklas	–0.24	–3.85	<0.001	–0.37	–0.11	Ja
Delegeerder	Creativiteit	0.27	4.25	<0.001	0.15	0.39	Ja

Tabel 8: Dimensionale analyse van de onderwijsstijl. De tabel rapporteert de directe relaties tussen de dimensies van de onderwijsstijlen Autoriteit, Expert, Persoonlijk Model, Facilitator en Delegeerder en de uitkomstvariabelen motivatie, angst in de vreemde taalklas en creativiteit. De gerapporteerde statistieken omvatten de gestandaardiseerde padcoëfficiënt (β), de t-waarde, de p-waarde, de ondergrens van het 95% bootstrap-betrouwbaarheidsinterval (LLCI), de bovengrens van het 95% bootstrap-betrouwbaarheidsinterval (ULCI) en de beslissing met betrekking tot de ondersteuning van de hypothese.

Tabel 8 presenteert de resultaten van de dimensionale analyse van onderwijsstijlen. De stijl van de Facilitator vertoonde de sterkste positieve associaties met motivatie (β = 0,34, p < 0,001) en creativiteit (β = 0,31, p < 0,001), samen met de sterkste negatieve associatie met FLCA (β = –0,28, p < 0,001). De onderwijsstijlen van de Expert, het Persoonlijk Model en de Delegeerder waren eveneens positief geassocieerd met motivatie (respectievelijk β = 0,30, 0,25 en 0,29) en creativiteit (respectievelijk β = 0,22, 0,24 en 0,27), terwijl zij negatieve associaties vertoonden met FLCA (respectievelijk β = –0,18, –0,22 en –0,24). Al deze relaties waren statistisch significant. In tegenstelling hiermee was de stijl van de Autoriteit niet significant geassocieerd met motivatie (β = 0,12, p = 0,065). Deze vertoonde echter wel een significante positieve associatie met FLCA (β = 0,35, p < 0,001) en een significante negatieve associatie met creativiteit (β = –0,28, p < 0,001). Over het algemeen toont de dimensionale analyse duidelijke associatiepatronen aan tussen individuele dimensies van de onderwijsstijl en de gemeten leerresultaten. Samen geeft de dimensionale analyse aan dat de associaties tussen de onderwijsstijl en de resultaten van studenten variëren over de verschillende dimensies van de onderwijsstijl. Voor de meeste dimensies van de onderwijsstijl werden statistisch significante relaties waargenomen, terwijl de stijl van de Autoriteit geen statistisch significante associatie met motivatie vertoonde.

Predictieve validiteit van het innerlijke model met behulp van PLS Predict

De predictieve validiteit van het structurele model werd geëvalueerd met de PLS Predict-procedure om de out-of-sample predictieve prestaties van het model te beoordelen. De predictieve relevantie werd geëvalueerd aan de hand van de Q² Predict-statistiek samen met maten voor de predictiefout, waaronder de root mean square error (RMSE) en de mean absolute error (MAE). De Q² Predict-waarden varieerden van 0,32 tot 0,48 voor de endogene constructen, wat duidt op een positieve predictieve relevantie. Motivatie en creativiteit vertoonden de hoogste Q² Predict-waarden ( respectievelijk 0,42 en 0,48). Ook de waarden voor de predictiefout werden onderzocht, waarbij de RMSE varieerde van 0,54 tot 0,63 en de MAE van 0,41 tot 0,49 voor de endogene constructen (Tabel 9).

Construct	Determinatiecoëfficiënt (R²)	Predictieve relevantie (Q² Predict)	Root Mean Square Error (RMSE)	Gemiddelde absolute fout (MAE)
Motivatie	0.45	0.42	0.61	0.48
Angst in de vreemde talenklas	0.38	0.32	0.63	0.49
Creativiteit	0.42	0.48	0.54	0.41

Tabel 9: Predictieve prestaties van het structurele model. De tabel vat de predictieve prestaties samen van de endogene constructen die zijn geëvalueerd met behulp van partial least squares structural equation modeling (PLS-SEM). De gerapporteerde statistieken omvatten de determinatiecoëfficiënt (R²), predictieve relevantie (Q² Predict), de root mean square error (RMSE) en de mean absolute error (MAE). Hogere R² en Q² Predict waarden duiden op een grotere verklarende en predictieve prestatie, terwijl lagere RMSE en MAE waarden duiden op een lagere predictiefout.

Tabel 9 vat de voorspellende prestaties van het structurele model samen. De determinatiecoëfficiënt (R²) gaf aan dat het model 45% van de variantie in motivatie, 38% van de variantie in FLCA en 42% van de variantie in creativiteit verklaarde. De Q² Predict-waarden voor motivatie (0,42), FLCA (0,32) en creativiteit (0,48) waren allen groter dan nul, wat de voorspellende relevantie van het model ondersteunt. De RMSE-waarden varieerden van 0,54 tot 0,63, terwijl de MAE-waarden varieerden van 0,41 tot 0,49, wat de voorspellingsfouten voor de endogene constructen aangeeft. Over het algemeen ondersteunen de prestatiemaatstaven voor voorspelling de voorspellende capaciteit van het structurele model.

Figuur 4 illustreert de voorspellende prestaties van de endogene constructen door de determinatiecoëfficiënt (R²), de voorspellende relevantie (Q² Predict) en de voorspellingsfoutmaten (RMSE en MAE) te presenteren. Van de endogene constructen vertoonde creativiteit de hoogste Q² Predict-waarde (0,48) samen met de laagste voorspellingsfouten (RMSE = 0,54; MAE = 0,41), terwijl motivatie de hoogste verklaarde variantie vertoonde (R² = 0,45) (Figuur 4). Over het algemeen toonde de PLS Predict-analyse een positieve voorspellende relevantie aan voor alle endogene constructen. De R², Q² Predict, RMSE- en MAE-resultaten ondersteunen gezamenlijk de voorspellende prestaties van het structurele model voor motivatie, FLCA en creativiteit (Tabel 9; Figuur 4).

Figuur 4. Predictieve prestaties van het structurele model. De grafiek toont de determinatiecoëfficiënt (R²), de root mean square error (RMSE), de mean absolute error (MAE) en de Q² predict-waarden voor de endogene constructen motivatie, angst en creativiteit. De staven representeren de R², RMSE en MAE waarden, en de lijn met cirkelvormige markeringen representeert de Q² predict-waarden. Hogere R² en Q² predict-waarden duiden respectievelijk op een grotere verklarende en predictieve prestatie, terwijl lagere RMSE- en MAE-waarden duiden op een lagere voorspellingsfout. Klik hier om een grotere versie van deze figuur te bekijken.

Beschikbaarheid van gegevens:

De geanonimiseerde dataset op deelnemerniveau ter ondersteuning van de resultaten van deze studie is opgenomen als Aanvullende Tabel 1. Het informatieblad voor deelnemers en het formulier voor geïnformeerde toestemming zijn beschikbaar in Aanvullend Bestand 1, en de enquêtevragenlijst die is gebruikt voor de gegevensverzameling is opgenomen in Aanvullend Bestand 2.

Aanvullende Tabel 1. Ruwe dataset van deelnemers gebruikt voor statistische analyses. Deze tabel bevat de geanonimiseerde dataset op deelnemerniveau die is gebruikt voor de statistische analyses. Variabelen omvatten demografische informatie en antwoorden op itemniveau voor onderwijsstijl, ChatGPT-gebruik, digitale geletterdheid, motivatie, angst in de vreemde taalklas en creativiteit. Itemlabels (bijv. TL1, CHATGPT1, DL1, M1, FLCA1, CR1) komen overeen met de vragenlijstitems die worden beschreven in de sectie Instrumenten en Metingen. Er is geen persoonlijk identificeerbare informatie opgenomen.Klik hier om dit bestand te downloaden.

Aanvullend bestand 1. Informatieblad voor deelnemers en formulier voor geïnformeerde toestemming. Dit aanvullende bestand bevat het informatieblad voor deelnemers en het formulier voor geïnformeerde toestemming die zijn gebruikt voor de werving van deelnemers. Hierin worden de studiedoelen, geschiktheid, studieprocedures, vrijwillige deelname, potentiële risico's en voordelen, vertrouwelijkheid, gegevensbescherming en contactgegevens beschreven die aan de deelnemers zijn verstrekt vóór het invullen van de vragenlijst.Klik hier om dit bestand te downloaden.

Aanvullend bestand 2. Enquêtevragenlijst gebruikt voor gegevensverzameling. Dit aanvullende bestand bevat de volledige vragenlijst die aan de deelnemers is voorgelegd. Het instrument bevat demografische vragen en metingen op itemniveau ter beoordeling van de onderwijsstijl, het gebruik van ChatGPT, digitale geletterdheid, motivatie, angst in de vreemde talenklas en creativiteit. De antwoorden werden geregistreerd met een 5-punts Likert-schaal variërend van 1 (Helemaal mee oneens) tot 5 (Helemaal mee eens). De items in de vragenlijst komen overeen met de meetinstrumenten die worden beschreven in de sectie Tools and Measures van het manuscript.Klik hier om dit bestand te downloaden.

Discussie

Deze studie onderzocht de relaties tussen onderwijsstijl, het gebruik van ChatGPT, digitale geletterdheid, motivatie, FLCA en creativiteit bij Saoedische EFL-studenten in de bachelorfase, met specifieke aandacht voor de mediërende rol van motivatie. De resultaten leveren bewijs voor de relaties tussen pedagogische praktijken, technologiegebruik en leerlingkenmerken in technologie-ondersteund taalonderwijs. De positieve associatie tussen onderwijsstijl en de motivatie van EFL-studenten (H1 ondersteund) is consistent met SDT, die stelt dat autonomie-ondersteunende onderwijspraktijken de intrinsieke motivatie faciliteren door te voldoen aan de basispsychologische behoeften van studenten aan autonomie, competentie en verbondenheid⁶¹. De waargenomen resultaten suggereren dat leerlinggerichte onderwijsaanpakken, zoals de stijlen van de Facilitator en Delegator, geassocieerd zijn met hogere niveaus van studentbetrokkenheid en een aanhoudende interesse in het leren van de taal. Deze bevindingen komen overeen met eerder onderzoek dat rapporteert dat onderwijsstijlen die worden gekenmerkt door flexibiliteit, responsiviteit en mogelijkheden voor studentparticipatie geassocieerd zijn met een grotere motivationele betrokkenheid dan meer leraargerichte benaderingen⁶². Binnen de Saoedische context, waar onderwijshervormingen onder Vision 2030 leerlinggerichte pedagogiek stimuleren, kan de waargenomen positieve associatie een weerspiegeling zijn van de implementatie van deze instructiemethoden in EFL-klaslokalen⁶³. De significante positieve associatie tussen het gebruik van ChatGPT en motivatie (H2 ondersteund) kan ook worden geïnterpreteerd binnen gevestigde theoretische kaders. Vanuit het perspectief van SDT kan ChatGPT de autonomie van leerlingen ondersteunen door zelfgestuurde taalbeoefening mogelijk te maken en kan het competentie bevorderen door directe en gepersonaliseerde feedback⁶⁴. Daarnaast kan de conversationele interface mogelijkheden bieden voor authentieke taalbeoefening buiten het klaslokaal, wat de betrokkenheid van leerlingen bij het leren van de Engelse taal kan versterken⁶⁵. Deze waarnemingen suggereren dat ChatGPT kan fungeren als een ondersteurende leermiddel dat het klassikale onderwijs aanvult. Het Technology Acceptance Model biedt een verdere theoretische verklaring voor deze relatie door te stellen dat leerlingen die ChatGPT als nuttig en gemakkelijk in gebruik ervaren, eerder geneigd zijn interactie te hebben met de technologie, waardoor continu leren wordt ondersteund. Op dezelfde manier benadrukt de positieve associatie tussen digitale geletterdheid en motivatie (H3 ondersteund) het belang van het vermogen van studenten om digitale leermiddelen effectief te gebruiken. Studenten met een hoger niveau van digitale geletterdheid zijn mogelijk beter gepositioneerd om AI-ondersteunde leertools efficiënt in te zetten, ervaren minder technologische barrières en erkennen de educatieve waarde van technologie-integratie⁶⁶. In de Saoedische context, waar aanzienlijke investeringen zijn gedaan in digitale infrastructuur en educatieve technologieën⁶⁷, onderstrepen deze bevindingen de potentiële bijdrage van digitale geletterdheid aan technologie-ondersteund taalonderwijs.

Een centrale bijdrage van deze studie is de identificatie van motivatie als een significante mediator in de relaties tussen onderwijsstijl, het gebruik van ChatGPT, digitale geletterdheid en FLCA (H6–H8 ondersteund). De negatieve associatie tussen motivatie en FLCA (H4 ondersteund) is consistent met theoretische perspectieven die suggereren dat intrinsieke motivatie fungeert als een psychologische bron die leerlingen helpt om te gaan met de emotionele uitdagingen die gepaard gaan met taalverwerving⁶⁸. Gemotiveerde studenten zijn waarschijnlijk eerder geneigd om vol te houden bij taalkundige moeilijkheden, fouten te zien als leerkansen en hun eigen effectiviteit te behouden tijdens uitdagende taaltaken, zoals mondelinge presentaties en examens. De negatieve associatie tussen FLCA en creativiteit (H5 ondersteund) is eveneens consistent met eerder onderzoek dat aangeeft dat angst de bereidheid van leerlingen kan beperken om te experimenteren met nieuwe taalkundige vormen en om creatief taalgebruik toe te passen⁶⁹. In de Saoedische EFL-context, waar FLCA is geïdentificeerd als een barrière voor taalverwerving, benadrukken deze resultaten het belang van leeromgevingen die de motivatie van studenten ondersteunen terwijl emotionele barrières voor participatie worden verminderd. De mediatie-analyses suggereren verder dat motivatie een belangrijk mechanisme vertegenwoordigt waarlangs ondersteunende onderwijspraktijken, het gebruik van ChatGPT en digitale geletterdheid geassocieerd worden met lagere niveaus van FLCA. Deze bevindingen breiden previous research uit door de potentiële rol van motivatie te benadrukken bij het verbinden van instructie- en technologische factoren met leerresultaten binnen Saoedische EFL-klaslokalen.

De dimensionale analyse van de onderwijsstijl (Tabel 8) onthulde duidelijke patronen over de vijf dimensies van de onderwijsstijl. De autoritaire onderwijsstijl was geassocieerd met hogere niveaus van FLCA en een lagere creativiteit, terwijl de associatie met motivatie statistisch niet significant was. In contrast hiermee waren de onderwijsstijlen van de facilitator, expert, persoonlijk model en delegator positief geassocieerd met motivatie en creativiteit, en negatief geassocieerd met angst in de vreemde taalklas. Deze bevindingen suggereren dat onderwijsstijlen kunnen verschillen in hun relaties met de motivationele, emotionele en creatieve resultaten van leerlingen. Een mogelijke verklaring wordt geboden door de SDT, die stelt dat onderwijsbenaderingen die de autonomie van de leerling ondersteunen, waarschijnlijker zijn om intrinsieke motivatie te bevorderen, terwijl zeer directieve instructiebenaderingen weliswaar structuur bieden, maar minder mogelijkheden bieden voor autonome betrokkenheid. Binnen de Saoedische educatieve context kunnen gestructureerde instructiebenaderingen de onzekerheid voor sommige leerlingen verminderen door duidelijke verwachtingen en begeleiding te bieden. Tegelijkertijd kan een grotere controle door de docent de mogelijkheden voor onafhankelijk leren en creatief taalgebruik beperken. Deze resultaten suggereren dat instructiebenaderingen die een balans vinden tussen duidelijke begeleiding en mogelijkheden voor autonomie van de leerling positieve educatieve resultaten kunnen ondersteunen. Toekomstige studies met longitudinale of experimentele ontwerpen zouden helpen deze relaties te verduidelijken en te onderzoeken hoe verschillende onderwijsstijlen de motivatie, angst in de vreemde taalklas en creativiteit in de loop van de tijd beïnvloeden.

Deze studie draagt bij aan het theoretische begrip van EFL-leren door SDT en het Technology Acceptance Model te integreren om te onderzoeken hoe pedagogische benaderingen en AI-ondersteund leren via motivatie zijn gekoppeld aan leerresultaten. De bevindingen suggereren dat onderwijsstijl, het gebruik van ChatGPT en digitale geletterdheid geassocieerd zijn met motivatie, wat op zijn beurt weer gerelateerd is aan angst in de vreemde taalklas. De resultaten ondersteunen daarnaast de toepassing van SDT binnen technologie-ondersteund taalonderwijs door aan te tonen dat mogelijkheden voor zelfgestuurde oefening en gepersonaliseerde feedback via ChatGPT de psychologische behoeften van lerenden aan autonomie en competentie kunnen ondersteunen. Bovendien benadrukt de dimensionale analyse van onderwijsstijlen dat verschillende instructieve benaderingen gekoppeld zijn aan uiteenlopende leerresultaten, wat suggereert dat de effectiviteit van onderwijsstijlen kan afhangen van de educatieve context en de specifieke resultaten die worden overwogen. De bevindingen hebben tevens praktische implicaties voor EFL-onderwijs en het onderwijsbeleid in Saudi-Arabië. Programma's voor professionele ontwikkeling van docenten kunnen profiteren van een nadruk op instructieve benaderingen die een balans vinden tussen duidelijke begeleiding en mogelijkheden voor autonomie van de leerling, waardoor de motivatie van studenten wordt ondersteund terwijl angst in de vreemde taalklas wordt verminderd. De integratie van AI-ondersteunde tools, zoals ChatGPT, in taalonderwijs kan extra mogelijkheden bieden voor brainstorming, het schrijven van concepten en gespreksvoering, mits dit gepaard gaat met passende pedagogische begeleiding. Evenzo kunnen initiatieven voor digitale geletterdheid studenten helpen de vaardigheden te ontwikkelen die nodig zijn om AI-ondersteunde leertคโนโลยีën effectief te gebruiken, inclusief informatie-evaluatie, ethisch technologiegebruik en de strategische toepassing van AI-tools. Op institutioneel niveau kunnen voortdurende investeringen in digitale infrastructuur, curriculumontwikkeling die technologie-ondersteunde leeractiviteiten integreert en beoordelingspraktijken die betekenvol taalgebruik stimuleren, het leren van studenten verder ondersteunen. Daarnaast kunnen leeromgevingen die emotionele steun bieden via laag-risico leerkansen, constructieve feedback, samenwerking tussen peers en erkenning van creatief taalgebruik, bijdragen aan een verbeterde motivatie en verminderde angst in de vreemde taalklas. Samen kunnen deze bevindingenten dienen als input voor onderwijspraktijken en beleidsinitiatieven die technologie-ondersteund taalonderwijs stimuleren binnen de bredere doelstellingen van Saudi Vision 2030.

Deze studie onderzocht de relaties tussen onderwijsstijl, het gebruik van ChatGPT, digitale geletterdheid, motivatie, angst in de vreemde taalklas en creativiteit bij Saoedische EFL-studenten in het hoger onderwijs, met bijzondere aandacht voor de mediërende rol van motivatie. De resultaten geven aan dat onderwijsstijl, het gebruik van ChatGPT en digitale geletterdheid positief geassocieerd waren met de motivatie van studenten. Op hun beurt was motivatie negatief geassocieerd met angst in de vreemde taalklas, terwijl deze angst negatief geassocieerd was met creativiteit. Deze bevindingen suggereren dat motivatie een belangrijk mechanisme is dat pedagogische en technologische factoren verbindt met leerresultaten in Saoedische EFL-klslasen. De resultaten benadrukken tevens het belang van leeromgevingen die zowel de motivationele als de emotionele behoeften van studenten ondersteunen. De dimensionale analyse van onderwijsstijlen toonde aan dat de Autoritaire onderwijsstijl geassocieerd was met hogere niveaus van angst in de vreemde taalklas en een lagere creativiteit, terwijl de Facilitator-, Expert-, Persoonlijk Model- en Delegator-onderwijsstijlen geassocieerd waren met een hogere motivatie en creativiteit en een lagere angst. Deze resultaten suggereren dat instructionele benaderingen die een balans vinden tussen duidelijke begeleiding en mogelijkheden voor autonomie van de lerende, positieve leerervaringen en taalontwikkeling kunnen ondersteunen. Binnen de context van Saudi Vision 2030 hebben de bevindingen praktische implicaties voor taalonderwijs. De integratie van leerlinggerichte onderwijsstrategieën, AI-ondersteunde leertools zoals ChatGPT en de ontwikkeling van digitale geletterdheid kan bijdragen aan technologie-ondersteund taalonderwijs, terwijl de motivatie van studenten wordt bevorderd en angst in de vreemde taalklas wordt verminderd. Collectief levert deze studie bewijs dat de rol van pedagogische praktijken, AI-ondersteund leren en digitale competentie in het EFL-onderwijs ondersteunt en biedt het een basis voor toekomstig longitudinaal en interventiegericht onderzoek naar deze relaties in diverse onderwijsinstellingen.

Verschillende beperkingen van deze studie moeten worden erkend. Ten eerste beperkt het cross-sectionele onderzoeksontwerp de mogelijkheid om causale gevolgtrekkingen te maken over de relaties tussen de studievariabelen. Hoewel het theoretische kader directionele relaties voorstelt, moeten de resultaten worden geïnterpreteerd als associaties en niet als bewijs voor causaliteit. Toekomstig onderzoek zou longitudinale ontwerpen moeten inzetten om veranderingen in motivatie, angst in de vreemde taal klas en creativiteit over tijd te onderzoeken, evenals experimentele of interventiegebaseerde ontwerpen om de voorgestelde relaties rigoureuzer te evalueren. Dergelijke studies zouden kunnen onderzoeken of instructiebenaderingen die de autonomie van de lerende benadrukken, geassocieerd zijn met daaropvolgende veranderingen in motivatie, angst in de vreemde taal klas en creativiteit. Ten tweede was de steekproef afkomstig van één enkele openbare universiteit in Saudi-Arabië, wat de generaliseerbaarheid van de bevindingen naar andere educatieve en culturele contexten kan beperken. De kenmerken van het hoger onderwijs in Saudi-Arabië, waaronder beoordelingspraktijken, lopende onderwijshervormingen en culturele perspectieven op het gezag van de docent, kunnen de geobserveerde relaties beïnvloeden. Toekomstig onderzoek zou deze relaties moeten onderzoeken over meerdere instellingen en regio's binnen Saudi-Arabië en in andere landen om de consistentie van de bevindingen in diverse onderwijsomgevingen vast te stellen. Ten derde vertrouwde deze studie op zelfgerapporteerde gegevens, die beïnvloed kunnen worden door sociale wenselijkheid, recall bias en common method variance. Hoewel gevalideerde meetinstrumenten en pretesting-procedures zijn gebruikt, zouden toekomstige studies aanvullende databronnen kunnen integreren, zoals klasobservaties, leeranalyse, AI-gebruiksgegevens of prestatiegebaseerde beoordelingen van taalbeheersing en creativiteit, om complementair bewijs te leveren. Multi-methode en mixed-methods benaderingen kunnen het begrip van de in deze studie geïdentificeerde relaties verder versterken. Ten slotte identificeerde de dimensionale analyse van onderwijsstijlen duidelijke associaties tussen de Authority-onderwijsstijl en de resultaten van de lerende. Toekomstig kwalitatief onderzoek, waaronder interviews, focusgroepen en klasobservaties, zou verder inzicht kunnen bieden in hoe verschillende onderwijsstijlen de motivatie, angst in de vreemde taal klas en creativiteit van studenten beïnvloeden, in het bijzonder binnen de Saudi-Arabische EFL-context. Dergelijk werk zou de huidige bevindingen aanvullen en bijdragen aan een uitgebreider begrip van technologie-ondersteund talenonderwijs.

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
ChatGPT-gebruiksschaal (aangepast)	Auteurs; aangepast naar Abbas et al.	N/A	Vragenlijst met acht items die het gebruik van ChatGPT door studenten voor taalverwerving beoordeelt.
Creativiteitsschaal (aangepast)	Auteurs; aangepast naar Govindasamy et al.	N/A	Vragenlijst met twaalf items die originaliteit, flexibiliteit, vloeiendheid en uitwerking beoordeelt.
Schaal voor digitale geletterdheid (aangepast)	Auteurs; aangepast naar Rodríguez-de-Dios et al.	N/A	Vragenlijst met negenentwintig items die zes dimensies van digitale geletterdheid meet.
Schaal voor angst in de vreemde taalklas (FLCA) (aangepast)	Auteurs; aangepast naar Briesmaster & Briesmaster	N/A	Vragenlijst met zevenentwintig items die communicatieangst, toetsangst en angst voor negatieve beoordeling meet.
G*Power	Heinrich Heine University Düsseldorf	Versie 3.1.9.7; RRID: SCR_013726	Software gebruikt voor post-hoc statistische poweranalyse.
IBM SPSS Statistics	IBM Corp.	Versie 26; RRID: SCR_002865	Statistische software gebruikt voor datacleaning, beschrijvende statistiek, betrouwbaarheidsanalyses en voorlopige analyses.
Mahalanobis-afstandsanalyse	IBM SPSS Statistics	Versie 26; RRID: SCR_002865	Statistische procedure geïmplementeerd in IBM SPSS Statistics om multivariate uitschieters te identificeren.
Motivatieschaal (aangepast)	Auteurs; aangepast naar Kanoksilapatham et al.	N/A	Vragenlijst met twintig items die de motivatie van de leerling beoordeelt.
Papieren vragenlijst	Auteurs	N/A	Geprinte versie van de gestructureerde, zelf in te vullen vragenlijst gebruikt voor fysieke datacollectie.
Beveiligd online enquêteplatform	Google LLC	N/A	Google Forms-platform gebruikt voor de elektronische distributie van de vragenlijst.
SmartPLS	SmartPLS GmbH	Versie 4; RRID: SCR_036419	Software gebruikt voor Partial Least Squares Structural Equation Modeling (PLS-SEM), inclusief evaluatie van het meetmodel, analyse van het structurele model, bootstrapping (5.000 resamples) en mediatieanalyse.
Gestructureerde zelf in te vullen vragenlijst	Auteurs	N/A	Vragenlijst afgenomen in papieren en elektronische vorm met gebruik van een 5-punt Likert-schaal (1 = Sterk mee oneens tot 5 = Sterk mee eens).
Teaching Style Inventory (aangepast)	Auteurs; aangepast naar Grasha's Teaching Style Inventory	N/A	Vragenlijst die de onderwijsstijlen Autoriteit, Expert, Persoonlijk Model, Facilitator en Delegator meet.
Communicatiekanalen van de universiteit	University of Jeddah	N/A	Officiële e-mail en aankondigingen in de klas gebruikt voor de werving van deelnemers.