Da Alfabetização Digital à Criatividade do Estudante: O Caminho Motivacional na Aprendizagem de Línguas Apoiada por IA

Resumo

Este estudo descobre que o ensino centrado no aluno, o uso estratégico do ChatGPT e a alfabetização digital estão positivamente associados à motivação dos aprendizes de inglês inglês em língua estrangeira chinesa. Essa motivação mais alta, por sua vez, está associada a menor ansiedade e maior criatividade, sugerindo um papel mediador. Os resultados apoiam a formação de professores que integra pedagogia, ferramentas de IA e habilidades digitais.

Resumo

Este estudo examina como o estilo de ensino, o uso do ChatGPT e a alfabetização digital influenciam coletivamente a motivação, ansiedade e criatividade entre os aprendizes de inglês inglês inglês, ao mesmo tempo em que investiga o papel mediador da motivação nessas relações. Adotando uma abordagem quantitativa, os dados foram coletados de n = 290 estudantes de graduação usando escalas validadas e analisados por meio de modelagem estrutural de equações. Os achados indicam que o ensino com canterização dos alunos, a integração estratégica do ChatGPT e a alfabetização digital estão positivamente associados a maior motivação. Motivação mais alta, por sua vez, está associada a uma ansiedade menor, e ansiedade menor está associada a uma criatividade maior. Além disso, a motivação media plenamente as associações entre os três antecedentes (estilo de ensino, uso do ChatGPT, alfabetização digital) e ansiedade, destacando seu papel central nos resultados emocionais dentro do modelo testado. O estudo contribui para a teoria da autodeterminação ao demonstrar como fatores pedagógicos e tecnológicos apoiam sinergicamente as necessidades psicológicas dos aprendizes, ao mesmo tempo em que estende a teoria cognitivo-afetiva da aprendizagem com mídia ao esclarecer a função mediadora da motivação. As implicações práticas destacam a necessidade de programas de formação de professores que combinem pedagogia inovadora, utilização de ferramentas de IA e desenvolvimento de alfabetização digital para otimizar experiências de aprendizagem de idiomas. A pesquisa destaca a importância de abordagens centradas na motivação na educação de inglês como língua como inglês aprimorada por tecnologia, especialmente em ambientes de aprendizagem de alto risco.

Introdução

A inteligência artificial (IA) avançou a tecnologia educacional ao criar novas oportunidades para interação, personalização e criatividade na aprendizagem^{de idiomas 1}. O ChatGPT, uma ferramenta conversacional baseada em IA, fornece feedback interativo e adaptativo que apoia o desenvolvimento da linguagem². Paralelamente, a alfabetização digital emergiu como uma habilidade essencial para navegar e utilizar a tecnologia de forma eficaz em ambientes de^{aprendizagem 3}. Apesar do crescente interesse no aprendizado de idiomas apoiado por IA e do uso crescente do ChatGPT em contextos de^{EFL 4}, várias lacunas importantes permanecem. Primeiro, estudos existentes examinaram em grande parte o estilo de ensino, o uso de ferramentas de IA e a alfabetização digital isoladamente; Pesquisas limitadas integraram os três em um único quadro^{motivacional 5}. Segundo, embora a motivação seja amplamente reconhecida como um dos principais fatores que impulsionam a aprendizagem de idiomas, poucos estudos investigaram seu papel mediador na ligação de fatores pedagógicos e tecnológicos a resultados emocionais (por exemplo, ansiedade ao aprender idiomas) e resultados cognitivos (por exemplo, criatividade⁾⁶. Essa lacuna é particularmente evidente nos contextos chineses de EFL, onde a integração tecnológica ainda está em evolução. Além disso, embora a ansiedade seja bem documentada como um inibidor na aprendizagem^{de EFL 7}, raramente é estudada junto com variáveis motivacionais e tecnológicas. Da mesma forma, a criatividade, uma habilidade cada vez mais valorizada na aprendizagem de idiomas, não tem sido fortemente associada a ambientes de aprendizagem assistidos por^IA. Diferentemente de pesquisas anteriores que focam apenas em pedagogia ou tecnologia, o presente estudo faz a ponte entre ambos os domínios para examinar como o estilo de ensino, o uso do ChatGPT e a alfabetização digital se relacionam conjuntamente com a motivação e, consequentemente, com a ansiedade e criatividade.

Este estudo se baseia em três arcabous teóricos, cada um correspondendo a construtos específicos medidos em nosso modelo estrutural de equações. Primeiro, a teoria da autodeterminação (SDT)⁹ postula que o ensino de apoio à autonomia satisfaz as necessidades psicológicas básicas dos alunos (autonomia, competência, relação), aumentando assim a motivação intrínseca. No nosso modelo, isso é operacionalizado por meio do conceito de um estilo de ensino centrado no aluno, que se hipotetiza estar positivamente associado à motivação. Segundo, o modelo de aceitação de tecnologia (TAM⁾¹⁰ sugere que a utilidade percebida e a facilidade de uso influenciam a adoção da tecnologia. Aqui, a alfabetização digital é conceituada como um precursor que permite aos aprendizes perceber o ChatGPT como útil e fácil de usar, fortalecendo assim sua associação positiva com motivação. Terceiro, a teoria cognitivo-afetiva da aprendizagem com mídia (CATLM⁾¹¹ enfatiza que fatores afetivos (por exemplo, ansiedade) mediam a relação entre as características da mídia e os resultados cognitivos (por exemplo, criatividade). No nosso modelo, isso é testado pelo caminho: motivação → ansiedade → criatividade. Importante, embora a teoria construtivista da aprendizagem oriente o desenho da pedagogia centrada no aluno, ela não é operacionalizada como um construto medido distinto em nosso modelo; Assim, discutimos isso apenas como contexto, e não como um framework diretamente testado.

Aplicações anteriores da SDT em contextos de EFL focaram principalmente no suporte à autonomia orientado pelo professor, sem examinar como ferramentas de IA como o ChatGPT podem satisfazer independentemente as necessidades de competência e autonomia dos^{aprendizes 12}. Da mesma forma, o TAM explicou a adoção da tecnologia, mas não considerou resultados motivacionais e emocionais, como ansiedade e^{criatividade 13}. O CATLM destacou o processamento emocional e cognitivo, mas carece de testes empíricos em ambientes de EFL suportados^{por IA 14}. O presente estudo aborda essas lacunas integrando os três arcabous em um modelo unificado e empiricamente testável, no qual o estilo de ensino, o uso do ChatGPT e a alfabetização digital estão associados à motivação, o que, por sua vez, está associado a menor ansiedade e maior criatividade (via o link ansiedade–criatividade).

O ChatGPT é um modelo de linguagem gerativo capaz de diálogo semelhante ao humano, feedback imediato e respostas adaptativas, tornando-se uma ferramenta potencialmente poderosa para a instrução^{EFL 15}. Estudos recentes indicam que o ChatGPT auxilia na aquisição de vocabulário, precisão gramatical e fluência conversacional por meio de interações^{simuladas 16}. No entanto, persistem lacunas críticas quanto aos seus efeitos psicológicos sobre os aprendizes. Por um lado, a natureza acessível e de baixo risco do ChatGPT pode reduzir a ansiedade no aprendizado de^{idiomas 17}. Por outro lado, sua imprevisibilidade (por exemplo, imprecisões ocasionais ou respostas inconsistentes) pode aumentar o estresse para alunos menos^{confiantes 18}. Além disso, a eficácia do ChatGPT provavelmente depende da alfabetização digital dos aprendizes, não apenas das habilidades técnicas, mas também da avaliação crítica e da conscientização^{ética 19}. Esse papel moderador exige exame adicional em contextos de EFL, onde a prontidão tecnológica dos estudantes^{varia 20}.

A metodologia de ensino tem sido reconhecida como um aspecto importante que define a atividade e o desempenho dos alunos no aprendizado de uma língua²¹. Com base nas questões construtivistas e socioculturais, a tendência moderna na pesquisa pedagógica destacou a eficácia de práticas de ensino centradas no aluno, como o ensino comunicativo de línguas e a aprendizagem baseada em^{tarefas. 22}, segundo algumas práticas, os alunos em práticas centradas no aluno alcançam notas mais altas e melhores resultados do que os que usam estilos dominados pelo professor^.. Esses paradigmas centrados no aprendiz agora ressoam com a teoria da autodeterminação, segundo a qual o ensino apoia a autonomia, o que incute motivação intrínseca ao atender às necessidades psicológicas dos aprendizes, competência da necessidade, autonomia da necessidade e relação com^{necessidades 24}. Isso é ainda mais reforçado por descobertas empíricas que mostram que padrões flexíveis e interativos de ensino melhoram o engajamento dos aprendizes de idiomas e aliviam as consequências negativas da^{ansiedade 25}. Mas a rápida implementação de IA como o ChatGPT adiciona complexidade a esse^{processo 26}. Embora alguns pesquisadores afirmem que a tecnologia de IA pode aprofundar as vantagens positivas da pedagogia centrada no aluno ao introduzir caminhos de aprendizagem^{individualizados 27}.

A motivação ocupa a posição central entre a mediação das conexões de variáveis pedagógicas, tecnológicas e afetivas na aprendizagem^{de idiomas 28}. A diferença entre motivação autônoma e controlada descrita pela SDT oferece uma perspectiva sólida sobre a análise do engajamento do aprendiz por meio do uso do ChatGPT e dos estilos de^{ensino 29}. Em evidências iniciais, pesquisadores indicaram que ferramentas de IA estão relacionadas a viver a motivação autônoma ao apoiar a aprendizagem auto-ritmada e baseada em^{interesses 30}, embora esse efeito dependesse da capacidade dos professores de combinar a tecnologia para não retirar a agência dos^{alunos 31}. Por sua vez, a ansiedade, que pode parecer um obstáculo onipresente no contexto da EFL, é em muitos casos causada pelo medo da avaliação negativa ou ansiedade de comunicação. Embora a integração da IA na prática de aprendizagem tenha sido revelada como capaz de amenizar essa^{ansiedade 32}, poucas pesquisas foram realizadas para entender como o processo funciona, especialmente por meio do aspecto da meditação por^{motivação 33}. Figura 1 : as principais variáveis do estudo. Ele ilustra as relações propostas entre o estilo de ensino do professor, o uso do ChatGPT pelos alunos e os impactos resultantes na motivação, ansiedade, criatividade e alfabetização digital do aprendiz em um contexto de EFL.

Figura 1. Modelo de pesquisa. Representação esquemática das relações propostas entre o estilo de ensino, uso do ChatGPT, alfabetização digital dos alunos de EFL, motivação dos alunos de EFL, ansiedade dos alunos de EFL e criatividade dos alunos de EFL. Por favor, clique aqui para ver uma versão ampliada desta figura.

Com base no arcabouço teórico, as seguintes hipóteses (H1-H8) são propostas:
H1: O estilo de ensino está positivamente associado à motivação dos alunos.
H2: O uso do ChatGPT está positivamente associado à motivação dos alunos.
H3: A alfabetização digital está positivamente associada à motivação dos alunos.
H4: A motivação está negativamente associada à ansiedade.
H5: A ansiedade está negativamente associada à criatividade.
H6: Motivação está associada à relação entre estilo de ensino e ansiedade.
H7: Motivação está associada à relação entre o uso do ChatGPT e a ansiedade.
H8: Motivação está associada à relação entre alfabetização digital e ansiedade.

Protocolo

Declaração de ética
Este estudo foi conduzido de acordo com os padrões éticos do Conselho de Revisão Institucional (IRB) da Universidade de Chengdu, China (Aprovação nº: 202509). Todos os participantes forneceram consentimento informado por escrito antes da participação. O estudo seguiu as diretrizes institucionais para pesquisas envolvendo sujeitos humanos, garantindo participação voluntária, confidencialidade e o direito de se retirar a qualquer momento sem penalidade.

Para manter a confidencialidade, todos os dados coletados foram anonimizados usando identificadores codificados, e as informações pessoais foram armazenadas separadamente dos dados de pesquisa em arquivos protegidos por senha, acessíveis apenas aos pesquisadores principais. O desenho do questionário incorporou medidas para minimizar o desconforto psicológico, especialmente para perguntas sobre ansiedade, e os participantes receberam informações de contato dos serviços de aconselhamento universitário caso surgisse algum sofrimento devido à participação na pesquisa. Para abordar possíveis desequilíbrios de poder na relação professor-aluno, o recrutamento e a coleta de dados foram realizados por assistentes de pesquisa treinados, em vez de instrutores do curso, e os participantes foram assegurados de que suas respostas não afetariam seu desempenho acadêmico ou o relacionamento com o corpo docente.

Este estudo utilizou um desenho quantitativo e transversal envolvendo 290 estudantes chineses de graduação em EFL de uma universidade pública. Participantes de diversos anos acadêmicos e disciplinas foram recrutados por meio de amostragem por conveniência com representação proporcional e preenchidos questionários em papel em ambientes de sala de aula controlados durante sessões regulares, exigindo aproximadamente 25 minutos. A bateria do questionário incluiu escalas validadas que mediam estilo de ensino, alfabetização digital, uso do ChatGPT, motivação, ansiedade e criatividade. Para minimizar o viés, assistentes de pesquisa treinados administraram os questionários usando contramedidas procedimentais, como a separação psicológica dos itens. Após a coleta de dados, as respostas foram analisadas usando software estatístico e software de Modelagem de Equações Estruturais de Mínimos Quadrados Parciais (PLS-SEM), incluindo triagem de dados, avaliação de modelos de medição, testes de modelos estruturais e análise de mediação usando um procedimento bootstrapping com 5.000 reamostras.

Design de Pesquisa
Este estudo utilizou um desenho quantitativo e transversal para examinar as relações entre o estilo de ensino, o uso do ChatGPT, a alfabetização digital, a motivação, a ansiedade e a criatividade entre os aprendizes de EFL. Uma abordagem transversal foi considerada adequada para capturar um instantâneo dessas variáveis em um momento específico, permitindo a análise de suas inter-relações sem as demandas temporais da pesquisa longitudinal. O projeto facilitou o teste de um modelo de mediação hipotetizado no qual a motivação serve como mecanismo que liga o estilo de ensino, o uso do ChatGPT e a alfabetização digital à redução da ansiedade e ao aumento da criatividade.

Dados e Amostra
O quadro de amostragem consistiu em todos os estudantes de graduação matriculados em cursos de Inglês como Língua Estrangeira (EFL) em uma universidade pública na China durante o ano letivo de 2024–2025. Os critérios de elegibilidade exigiam que os participantes fossem (a) falantes nativos de chinês, (b) estivessem matriculados em pelo menos um curso obrigatório de EFL, e (c) não tivessem treinamento formal prévio em ferramentas de aprendizado de idiomas baseadas em IA além do curso geral. Foi utilizada uma abordagem estratificada de amostragem por conveniência, com alocação proporcional entre os anos acadêmicos (calouro, segundo ano, terceiro e médio) e áreas disciplinares (humanidades, ciências sociais, ciências naturais, engenharia). Os tamanhos-alvo dos condomínios foram definidos em 25% por ano acadêmico e 25% por área disciplinar, com base na distribuição geral de estudantes da universidade. A amostra final foi composta por 290 estudantes de graduação em EFL. Dos 328 alunos abordados durante as sessões regulares de aula, 11 recusaram-se a participar (taxa de não participação = 3,4%) e 27 forneceram questionários incompletos (taxa de resposta incompleta = 8,2%), resultando em uma taxa final utilizável de resposta de 88,4% (290/328). O cálculo a priori do tamanho da amostra foi realizado usando G*Power 3.1 com a família de testes F, regressão múltipla linear: modelo fixo, desvio R² a partir de zero como teste. Os parâmetros de entrada foram: tamanho do efeito f² = 0,15 (tamanho médio convencional para pesquisa comportamental), α err probabilidade = 0,05, potência (1-β err probabilidade) = 0,95, e número de preditores = 3 (estilo de ensino, uso do ChatGPT, alfabetização digital) para o resultado motivacional. O cálculo resultou em um tamanho mínimo de amostra exigido de 119 para detectar um R² significativo. Para considerar ainda mais o modelo completo de MEB (incluindo caminhos indiretos e variáveis endógenas adicionais), aplicamos a regra mais conservadora de 10 casos por parâmetro estimado. Com 29 parâmetros estimados em nosso modelo, o tamanho da amostra exigido era 290, que corresponde exatamente à amostra final. Assim, a amostra obtida é totalmente alimentada tanto para análises baseadas em regressão quanto em SEM.

Participantes e Procedimento
Os participantes foram recrutados por meio de amostragem estratificada por conveniência para garantir proporcionalidade entre anos acadêmicos (calouro a último ano) e formações disciplinares (humanidades, ciências e engenharia). Os tamanhos dos condomínios na amostra final foram: calouros (n = 72, 24,8%), calouros (n = 74, 25,5%), juniores (n = 71, 24,5%), veteranos (n = 73, 25,2%); e humanidades (n = 76, 26,2%), ciências sociais (n = 68, 23,4%), ciências naturais (n = 72, 24,8%), engenharia (n = 74, 25,5%). A amostra era composta por 62% de estudantes do sexo feminino e 38% do sexo masculino, com uma idade média de 20,3 anos (DE = 1,7). A coleta de dados ocorria durante as aulas regulares de EFL. Assistentes de pesquisa treinados aplicavam questionários em papel em ambientes de sala de aula controlados para garantir a padronização. Antes da administração da pesquisa, todos os estudantes elegíveis presentes em sala de aula foram informados sobre o propósito do estudo, a natureza voluntária e as medidas de confidencialidade (respostas anônimas, armazenamento seguro de dados). Estudantes que não atenderam aos critérios de elegibilidade (n = 6, sem matrícula em EFL) ou recusaram participação (n = 11) foram excluídos; As razões para a recusa incluíam restrições de tempo (n = 7) e desconforto com o uso auto-relatado de tecnologia (n = 4). A bateria do questionário levou aproximadamente 25 minutos para ser concluída e incluiu escalas validadas para todos os construtos. Para mitigar o viés comum do método, foram aplicadas contramedidas processuais (por exemplo, separação psicológica dos itens da escala, anonimato das respostas). Além disso, o viés comum do método foi avaliado usando o teste de fator único de Harman, e o primeiro fator representou menos de 50% da variância total, indicando que o viés comum do método não foi uma preocupação principal neste estudo.

Medidas de Estudo
Todas as escalas foram adaptadas ao contexto do EFL chinês por meio de um rigoroso procedimento de tradução e adaptação. Dois pesquisadores bilíngues traduziram independentemente os itens originais em inglês para o chinês, e um terceiro pesquisador conciliou discrepâncias para produzir uma versão preliminar. Essa versão foi retrotraduzida para o inglês por dois tradutores diferentes, e quaisquer inconsistências foram resolvidas por meio de discussões com a equipe de pesquisa. As versões chinesas foram então testadas em piloto com 30 estudantes de graduação em EFL (que não fazem parte da amostra principal) para verificar clareza e compreensão, resultando em pequenos ajustes na redação. Para cada escala, as respostas foram coletadas em uma escala de Likert de 5 pontos, variando de 1 (fortemente discordante) a 5 (fortemente concordo). Foram usados pontuações somadas ou médias para cada construto, com pontuações mais altas indicando níveis mais altos da respectiva variável. Todas as escalas adaptadas foram usadas com permissão dos autores originais ou sob termos de licença aberta, quando aplicável. Nenhum item foi removido das escalas originais, exceto onde indicado abaixo; A retenção de itens baseava-se em cargas fatorizadas > 0,40 e relevância teórica. Sobre o uso do ChatGPT, o estudo avaliou a interação autorrelatada dos alunos com a versão gratuita do ChatGPT (GPT-3.5/4 disponível via web ou aplicativo móvel durante o ano letivo de 2024–2025). Todos os participantes tiveram acesso igual à ferramenta, já que a universidade não restringia o ChatGPT; no entanto, o uso real variava de pessoa para pessoa. A escala mediu a frequência do uso do ChatGPT (variando de "nunca" a "diária"), os tipos de tarefas de aprendizado de idiomas para as quais ele foi empregado (por exemplo, construção de vocabulário, correção gramatical, redação de redações, prática de conversação e correção de erros) e a qualidade percebida da interação (por exemplo, utilidade, clareza do feedback). A escala não distinguia entre versões específicas do ChatGPT, pois as atualizações ocorriam durante o período de coleta de dados; em vez disso, os participantes relataram a versão que usaram principalmente, com mais de 90% relatando GPT-3,5 ou GPT-4. Exemplos detalhados de itens e notas de adaptação para cada construto são fornecidos abaixo.

Este estudo utilizou escalas rigorosamente validadas, cuidadosamente adaptadas ao contexto da educação EFL, para avaliar as variáveis-chave: abordagens de ensino, competência digital, integração com o ChatGPT, ansiedade na aprendizagem de idiomas, motivação do aprendiz e pensamento criativo. As ferramentas de medição foram escolhidas por sua confiabilidade demonstrada e capacidade de avaliar abrangente cada construção. Para examinar métodos instrucionais, a pesquisa utilizou uma versão modificada do Inventário³⁴ de Estilo de Ensino de Grasha, que avalia cinco abordagens pedagógicas distintas: autoritativa, especializada, Modelo Pessoal de Professor, facilitadora e delegativa. Para avaliar a Alfabetização Digital, o estudo incorporou uma versão modificada da escala desenvolvida por Rodríguez-de-Dueños et ^al.35, composta por 29 itens em seis domínios-chave: (1) alfabetização técnica, (2) alfabetização em proteção de dados pessoais, (3) alfabetização em avaliação crítica, (4) alfabetização em segurança de dispositivos, (5) alfabetização em processamento de informação e (6) alfabetização em comunicação digital. Essa estrutura multidimensional forneceu uma avaliação minuciosa das capacidades digitais dos alunos necessárias para a educação contemporânea. O uso do ChatGPT foi avaliado usando uma escala de 8 itens adaptada de Abbas et ^al.36, focando na interação dos alunos com a ferramenta de IA para tarefas de aprendizado de idiomas. Essa escala captura o uso percebido e auto-relatado do ChatGPT pelos alunos em tarefas de aprendizado de idiomas, em vez da frequência objetiva de uso. A ansiedade em sala de aula em línguas estrangeiras (FLCA) foi medida usando uma escala adaptada baseada em Briesmaster e^{Briesmaster 37}. Este instrumento examinou a ansiedade em três dimensões críticas: Apreensão na Comunicação, Ansiedade em Teste e Medo de Avaliação Negativa, com 10, 10 e 7 itens, respectivamente. A motivação dos alunos foi avaliada usando uma escala adaptada de Kanoksilapatham et ^al.38, medindo três dimensões-chave: Promoção e Prevenção da Instrumentalidade, Etnocentrismo e Integração, e Atitude em relação ao Aprendizado do Inglês. A escala incluía um total de 20 itens. A criatividade dos alunos de EFL foi medida usando uma escala adaptada de Govindasamy et ^al.39, que avaliou quatro dimensões: Originalidade, Flexibilidade, Fluência e Elaboração. Cada dimensão foi medida usando três itens.

Métodos de Análise de Dados
Os dados coletados foram analisados usando uma abordagem analítica em dois estágios que combina SPSS (Versão 27) e Modelagem de Equações Estruturais de Mínimos Quadrados Parciais (PLS-SEM) por meio de software SmartPL. A triagem inicial dos dados e as análises preliminares foram realizadas usando SPSS para examinar a qualidade dos dados, incluindo verificações de valores ausentes, valores fora do comum e suposições de normalidade. Menos de 2% dos pontos de dados estavam completamente ausentes de forma aleatória (MCAR), conforme confirmado pelo teste MCAR de Little (χ² = 18,24, p = 0,212), e foram tratados usando o algoritmo de expectativa-maximização para preservar o poder estatístico. O conjunto de dados demonstrou normalidade univariada aceitável (assimetria < |2|, curtose < |7|) e normalidade multivariada (coeficiente de Mardia = 18,37, p < 0,001), justificando o uso tanto de testes paramétricos quanto do PLS-SEM, que é robusto à não normalidade. Embora a normalidade univariada fosse aceitável, o coeficiente de Mardia indicou uma violação da normalidade multivariada (p < 0,001). No entanto, isso não representa preocupação, pois o PLS-SEM é robusto a distribuições de dados não normais.

A análise de confiabilidade revelou forte consistência interna para todas as escalas (α > de Cronbach 0,82, confiabilidade composta > 0,85), enquanto a análise fatorial exploratória confirmou as estruturas fatoriais esperadas com todos os itens carregando limpamente em suas respectivas construções (cargas > 0,65, cargas cruzadas < 0,40).

Para testes de hipóteses, o PLS-SEM foi escolhido em vez do SEM baseado em covariância devido ao seu manejo superior de modelos complexos com tamanhos de amostra pequenos a médios e à sua capacidade de maximizar a variância explicada em construtos endógenos. A análise seguiu o procedimento de duas etapas, primeiro avaliando o modelo de medição e depois avaliando o modelo estrutural. O modelo de medição reflexiva demonstrou validade convergente adequada (variância média extraída > 0,50 para todos os construtos) e validade discriminante, conforme confirmado tanto pelo critério de Fornell-Larcker quanto pela razão heterotraço-monotraço (HTMT < 0,85). No modelo estrutural, os coeficientes de caminho foram estimados usando um procedimento bootstrapping com 5.000 reamostras para gerar estimativas estáveis e intervalos de confiança. O poder preditivo do modelo foi avaliado por meio de valores R² para variáveis endógenas (motivação = 0,53, ansiedade = 0,41, criatividade = 0,38) e relevância preditiva (Q² > 0), com tamanhos de efeito (f²) calculados para determinar o impacto substantivo. Análises de mediação utilizaram o método bootstrap corrigido por viés para testar efeitos indiretos, com mediação significativa estabelecida quando intervalos de confiança de 95% excluíam zero.

Todos os construtos foram modelados como reflexivos (modo A) com base em considerações teóricas, já que cada variável latente era assumida como responsável pelos indicadores observados. Nenhum item foi retirado de qualquer escala, pois todos os itens demonstraram cargas externas acima do limite de 0,50 (variando de 0,62 a 0,89) e todos os valores médios de variância extraída (AVE) excederam 0,50, confirmando a validade convergente. Para testes de mediação, o modelo estrutural incluiu caminhos diretos dos três antecedentes (estilo de ensino, uso do ChatGPT, alfabetização digital) até a motivação, da motivação para a ansiedade e da ansiedade para a criatividade. Caminhos diretos dos antecedentes para a ansiedade e dos antecedentes para a criatividade também foram estimados para testar a mediação parcial versus total. A mediação completa foi determinada com base nos critérios de que (a) os efeitos indiretos (antecedentes → motivação → ansiedade) eram significativos (intervalo de confiança bootstrap corrigido por viés de 95%, excluindo zero), e (b) os efeitos diretos dos antecedentes da ansiedade tornaram-se não significativos após incluir o mediador, enquanto os efeitos diretos dos antecedentes à criatividade nunca foram significativos. Todas as análises usaram o algoritmo PLS-SEM no SmartPLS 4 com esquema de ponderação de caminhos, iterações máximas definidas em 300 e critério de parada de 1,0e-7. O bootstrapping foi realizado com 5.000 subamostras, intervalos de confiança corrigidos por viés e acelerados (BCa) a 95%, e sem opção de mudança de sinal. O ajuste ao modelo foi avaliado usando o padrão padrão de residência quadrática média da raiz (SRMR = 0,061), que fica abaixo do limiar recomendado de 0,08.

Resultados

Estatísticas Descritivas e Análise de Correlação
As estatísticas descritivas para todas as variáveis do estudo revelaram dados normalmente distribuídos com faixas aceitáveis de variabilidade, como evidenciado pelos valores de assimetria e curtose dentro dos limiares recomendados de ± 2.

A Tabela 1 revela características importantes das variáveis do estudo em nossa amostra de 290 aprendizes de EFL. O estilo de ensino (M = 4,...

Discussão

O estudo atual oferece insights úteis sobre as associações entre estilo de ensino, uso do ChatGPT, alfabetização digital, motivação, ansiedade e criatividade entre os alunos de EFL. Os resultados sugerem que o estilo de ensino centrado no aluno, maior uso do ChatGPT e maior alfabetização digital estão positivamente associados à motivação dos alunos. Por sua vez, a motivação está negativamente associada à ansiedade, enquanto a ansiedade está negativamente relacionada à criatividade. Esses...

Materiais

```html

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
Survey Instruments (Scales)	Teaching Style Scale	NA	Versão modificada do Grasha's Teaching Style Inventory (Grasha, 1996), avaliando cinco abordagens pedagógicas: autoritativas, especialista, modelo pessoal, facilitador e delegatório. Número de Catálogo: NA
	Digital Literacy Scale	NA	Escala de 29 itens adaptada de Rodríguez-de-Dueño et al. (2016), cobrindo seis dimensões: Proficiência Técnica, Proteção de Dados Pessoais, Avaliação Crítica, Gestão de Segurança de Dispositivos, Processamento de Informações e Comunicação Digital. Número de Catálogo: NA
	ChatGPT Usage Scale	NA	Escala de 8 itens adaptada de Abbas et al. (2024), focando na interação dos estudantes com a ferramenta de IA para tarefas de aprendizagem de idiomas. Número de Catálogo: NA
	Foreign Language Classroom Anxiety (FLCA) Scale	NA	Escala adaptada de Briesmaster and Briesmaster (2015), com subescalas para Apprehension de Comunicação (10 itens), Test Anxiety (15 itens) e Fear of Negative Evaluation (7 itens). Número de Catálogo: NA
	Motivation Scale	NA	Escala de 20 itens adaptada de Kanoksilapatham et al. (2021), medindo três dimensões: Instrumentalidade (Promoção/Prevenção), Ethnocentrism/Integrativeness e Atitude Para a Aprendizagem do Inglês. Número de Catálogo: NA
	Creativity Scale	NA	Escala de 12 itens adaptada de Govindasamy et al. (2024), medindo quatro subconstrutos: Originalidade, Flexibilidade, Fluência e Elaboração. Número de Catálogo: NA
Software	SPSS Statistics Version 27	IBM Corp.	Software de análise estatística. Número de Catálogo: NA
	SmartPLS Version 4	SmartPLS GmbH	Software de modelagem de equações estruturais. Número de Catálogo: NA
Equipment & Other Materials	Data Collection Instrument	NA	Questionário anônimo, autoadministrado em papel e lápis. Número de Catálogo: NA
	Informed Consent Documents	NA	Ficha de informações escrita e formulário de consentimento detalhando o propósito do estudo, procedimentos, riscos/benefícios e o direito de retirar-se. Número de Catálogo: NA
	Data Storage System	NA	Arquivos digitais protegidos por senha com identificadores codificados; informações pessoais armazenadas separadamente dos dados de pesquisa. Número de Catálogo: NA
Analytical Procedures	PLS-SEM Algorithm and Bootstrapping	SmartPLS GmbH	Rotinas internas do SmartPLS 4 (Algoritmo PLS e Bootstrapping Corrigido por Viés com 5.000 reamostras). Número de Catálogo: NA
	Validity and Reliability Checks	SmartPLS GmbH; IBM Corp.	Rotinas do SmartPLS 4 e SPSS para alfa de Cronbach, confiabilidade composta, variância média extraída (AVE), critério de Fornell-Larcker e relação heterotrait-monotrait (HTMT). Número de Catálogo: NA
	Predictive Relevance Assessment	SmartPLS GmbH	Procedimento de blindfolding no SmartPLS 4 para calcular o valor de Stone-Geisser's Q². Número de Catálogo: NA
	Preliminary Data Screening	IBM Corp.	Procedimentos do SPSS para lidar com dados ausentes (algoritmo de Expectativa-Maximização) e verificações de normalidade, outliers e estrutura de fatores (análise fatorial exploratória). Número de Catálogo: NA

```