Inteligência Artificial Generativa, Motivação, Ansiedade e Criatividade em Salas de Aula de Inglês como Língua Estrangeira na Arábia Saudita: Um Estudo Transversal

Resumo

Esta pesquisa transversal examinou as associações entre o uso de inteligência artificial generativa, estilo de ensino, alfabetização digital, motivação, ansiedade e criatividade em estudantes universitários sauditas de inglês como língua estrangeira, identificando a motivação como um mediador importante nas relações observadas.

Resumo

Ferramentas de inteligência artificial (IA), como o ChatGPT, estão sendo cada vez mais incorporadas ao ensino de inglês como língua estrangeira (EFL); no entanto, há evidências limitadas sobre como seu uso se relaciona com o estilo de ensino, a alfabetização digital, a motivação, a ansiedade em sala de aula de língua estrangeira (FLCA) e a criatividade no contexto da Arábia Saudita. Este estudo investigou as associações entre essas variáveis e examinou o papel mediador da motivação dentro de uma estrutura conceitual unificada. Foi realizada uma pesquisa quantitativa e transversal com 280 estudantes universitários de EFL matriculados em uma universidade do setor público na Arábia Saudita, utilizando instrumentos de questionário validados. As relações propostas foram analisadas por meio de Modelagem de Equações Estruturais por Mínimos Quadrados Parciais (PLS-SEM). Os resultados indicaram que o uso do ChatGPT, o estilo de ensino e a alfabetização digital estavam positivamente associados à motivação dos estudantes. Uma motivação mais alta estava associada a níveis mais baixos de FLCA e a níveis mais altos de criatividade. A motivação também mediou as associações entre o uso do ChatGPT, o estilo de ensino, a alfabetização digital e a FLCA. Esses achados sugerem que as experiências motivacionais dos estudantes estão estreitamente relacionadas às interações entre práticas pedagógicas, uso de tecnologia e resultados de aprendizagem de línguas. O estudo fornece evidências que apoiam a integração de estratégias de ensino apropriadas, ferramentas de IA generativa e alfabetização digital no ensino de língua inglesa, destacando a importância de considerar as experiências motivacionais e emocionais dos estudantes ao implementar ambientes de aprendizagem apoiados por tecnologia.

Introdução

O Reino da Arábia Saudita está passando por uma agenda transformadora de reforma educacional sob a Visão 2030, que prioriza o desenvolvimento de habilidades do século XXI, competência digital e abordagens pedagógicas inovadoras em todos os níveis educacionais¹. Nesse contexto nacional, o ensino de Inglês como Língua Estrangeira (ILE) continua enfrentando desafios persistentes, incluindo uma cultura voltada para exames que enfatiza a memorização e o desempenho em testes em detrimento da competência comunicativa^2,3. As oportunidades limitadas de interação autêntica com o idioma inglês fora da sala de aula, juntamente com altos níveis de ansiedade em sala de aula de língua estrangeira (ALE), restringem ainda mais a disposição dos alunos para se comunicar e se envolver significativamente com a língua-alvo⁴. Esses desafios têm levado educadores e formuladores de políticas a explorar abordagens inovadoras que abordem déficits motivacionais, barreiras emocionais e o uso criativo da linguagem. A inteligência artificial (IA) surgiu como um caminho promissor para apoiar a aprendizagem de idiomas e transformar as práticas de ensino⁵. Entre as aplicações de IA no Ensino de Língua Inglesa (ELT), o ChatGPT, um modelo de IA generativa conversacional, tem recebido considerável atenção por oferecer prática interativa de idioma e feedback individualizado imediato em contextos conversacionais em tempo real⁶. Essas características são particularmente relevantes nas salas de aula de ILE na Arábia Saudita, onde a instrução centrada no professor e a interação limitada dos alunos continuam restringindo a produção criativa de linguagem⁷. O ChatGPT pode ajudar a superar essas limitações ao proporcionar oportunidades de prática de idioma autêntica e com baixa ansiedade com um interlocutor de IA⁸.

Reformas educacionais recentes na Arábia Saudita incentivaram uma transição rumo a uma pedagogia centrada no aluno, criando oportunidades para integrar tecnologias de IA que promovam participação ativa, pensamento crítico e aprendizagem autodirigida^9,10. Quando implementado adequadamente, o ChatGPT pode apoiar essa transição, ampliando a prática da linguagem para além das atividades tradicionais em sala de aula¹¹. No entanto, a eficácia da integração da IA depende em parte da alfabetização digital dos estudantes, definida como sua capacidade de avaliar, utilizar e interagir efetivamente com tecnologias digitais para a aprendizagem¹². A alfabetização digital permite que os alunos façam uso produtivo de ferramentas de IA, minimizando ao mesmo tempo riscos potenciais, como dependência excessiva e desinformação¹³. Essa competência é particularmente importante no ensino superior saudita, onde a transformação digital tem se acelerado sob a Visão 2030¹⁴.

Embora pesquisas anteriores tenham examinado separadamente ferramentas de IA, estilo de ensino, alfabetização digital, motivação, ansiedade e criatividade, há poucas evidências que investiguem como essas construções interagem dentro de um quadro unificado em contextos de LE estrangeira não ocidentais, como a Arábia Saudita. A motivação tem sido consistentemente identificada como um mecanismo importante que liga práticas instrucionais a resultados de aprendizagem, incluindo menor ansiedade, maior criatividade e engajamento sustentado¹⁵. No entanto, as relações entre o uso do ChatGPT, estilo de ensino, alfabetização digital, motivação, AALE e criatividade ainda não foram examinadas de forma abrangente no contexto de LE na Arábia Saudita¹⁶. Abordar essa lacuna pode fornecer insights teóricos e práticos para o desenho de ambientes de aprendizagem de línguas aprimorados por tecnologia, que apoiem o desenvolvimento motivacional, emocional e criativo dos estudantes. Assim, este estudo investiga as relações entre o uso do ChatGPT, estilo de ensino, alfabetização digital, motivação, AALE e criatividade entre estudantes universitários sauditas de LE. Especificamente, examina-se (1) as relações entre o uso do ChatGPT, estilo de ensino e alfabetização digital com a motivação dos alunos; (2) as relações entre motivação, AALE e criatividade; e (3) o papel mediador da motivação nas relações entre o uso do ChatGPT, estilo de ensino, alfabetização digital e as variáveis de resultado ansiedade e criatividade.

Este estudo contribui para a educação em Língua Estrangeira (EFL) e a aprendizagem mediada por tecnologia ao incorporar o uso de ferramentas de IA em modelos existentes de motivação e aprendizagem de línguas, ampliando assim a compreensão da aprendizagem de línguas apoiada por tecnologia em contextos educacionais contemporâneos. Também fornece evidências que podem orientar educadores, elaboradores de currículos e formuladores de políticas interessados em integrar ferramentas de IA no ensino de EFL na Arábia Saudita. Ao examinar a motivação como um mediador que liga o uso de tecnologia e práticas pedagógicas à ansiedade em relação à língua estrangeira (FLCA) e à criatividade, o estudo oferece evidências específicas do contexto para apoiar o desenvolvimento de uma educação linguística centrada no aluno, alinhada aos objetivos de reforma educacional da Arábia Saudita.

A Teoria da Autodeterminação (SDT) fornece uma estrutura teórica para compreender a relação entre práticas de ensino e motivação dos alunos em contextos educacionais¹⁷. De acordo com a SDT, a motivação intrínseca e as formas autônomas de motivação extrínseca são favorecidas quando as três necessidades psicológicas básicas dos aprendizes — autonomia, competência e relacionamento — são satisfeitas no ambiente de aprendizagem¹⁸. O estilo de ensino é, portanto, um fator contextual fundamental que influencia a motivação e o engajamento dos alunos¹⁹. Práticas de ensino que apoiam a autonomia, oferecendo escolhas significativas, reconhecendo as perspectivas dos alunos e explicando as atividades de aprendizagem, promovem a motivação intrínseca e o engajamento autodeterminado²⁰. Em contextos de LE (Língua Estrangeira), abordagens centradas no aluno, incluindo os estilos de ensino de facilitador e de delegador, têm sido associadas a maior comprometimento, participação e interesse dos alunos no aprendizado da língua^21,22. Por outro lado, o ensino centrado no professor pode reduzir a motivação ao limitar a participação e a autonomia dos alunos, enfatizando recompensas extrínsecas em vez do interesse intrínseco^23,24. No contexto saudita de LE, onde o ensino tradicional historicamente enfatizou a memorização e a transmissão de conteúdo centrada no professor²⁵, a adoção de abordagens de ensino mais centradas no aluno pode favorecer a motivação dos estudantes²⁶. Com base nessa fundamentação teórica e empírica, a seguinte hipótese é proposta: H1: O estilo de ensino influencia positivamente a motivação dos alunos de LE.

A relação entre tecnologia educacional e motivação do aluno tem sido amplamente investigada^27,28. O Modelo de Aceitação da Tecnologia (TAM) sugere que a motivação dos alunos para utilizar tecnologias educacionais é influenciada pela utilidade percebida e pela facilidade de uso percebida, fatores que moldam as intenções comportamentais e o uso da tecnologia²⁹. Aplicado ao ChatGPT, esse modelo indica que estudantes que consideram a ferramenta útil e fácil de usar têm maior probabilidade de utilizá-la para o aprendizado de idiomas³⁰. Estudos empíricos relataram associações positivas entre o aprendizado de idiomas com suporte de IA e a motivação dos alunos, sendo características interativas, feedback imediato e prática personalizada fatores que contribuem para o engajamento contínuo^31,32. O ChatGPT também pode reduzir barreiras associadas à ansiedade linguística, oferecendo oportunidades de prática com baixa pressão, o que pode incentivar o uso contínuo do idioma³³. Esse potencial é particularmente relevante no contexto saudita, onde a ansiedade em relação ao aprendizado de línguas estrangeiras (FLCA) tem sido identificada como um obstáculo importante para a motivação e o desempenho linguístico³⁴. Com base nesses achados teóricos e empíricos, a seguinte hipótese é proposta: H2: O uso do ChatGPT influencia positivamente a motivação de alunos de inglês como língua estrangeira (EFL).

A alfabetização digital tornou-se um determinante importante da motivação dos alunos nos ambientes contemporâneos de ensino de LE³⁵. Refere-se à capacidade de buscar, avaliar e utilizar de forma eficaz as tecnologias e mídias digitais para a aprendizagem³⁶. Em contextos de LE, a alfabetização digital permite que os aprendizes utilizem de maneira eficaz recursos digitais, incluindo o ChatGPT, sistemas de gestão de aprendizagem e ferramentas multimídia, para apoiar a aquisição linguística e a motivação³⁷. Alunos com níveis mais elevados de alfabetização digital têm maior probabilidade de usar as tecnologias de aprendizagem com confiança, promovendo competência e autonomia, fatores associados à motivação intrínseca³⁸. Eles também estão melhor preparados para utilizar ferramentas digitais na prática independente da língua, no recebimento de feedback e no engajamento contínuo na aprendizagem³⁹. Com base nessa literatura, a seguinte hipótese é proposta: H3: A alfabetização digital dos alunos de LE influencia positivamente a motivação desses alunos.

A ansiedade na aprendizagem de línguas estrangeiras (FLCA) e a criatividade são construtos intimamente relacionados no ensino de LE, embora sua relação permaneça complexa⁴⁰. A ansiedade pode limitar o desempenho dos alunos em tarefas que exigem criatividade, flexibilidade cognitiva, pensamento divergente e autoexpressão⁴¹. A FLCA reflete o medo dos alunos de cometer erros, de avaliações negativas e de baixa autoconfiança, todos os quais podem interferir na produção criativa da linguagem⁴². A criatividade, no entanto, é uma competência importante na aprendizagem de LE, pois favorece o uso contextualmente apropriado e inovador da linguagem³¹. Estudos anteriores relataram que alunos com maior ansiedade têm menor probabilidade de participar de atividades de escrita criativa e de comunicação oral^43,44. Com base nessa literatura, as seguintes hipóteses são propostas: 1) H4: A motivação dos alunos de LE apresenta relação negativa com sua ansiedade, e 2) H5: A ansiedade dos alunos de LE influencia negativamente sua criatividade.

A motivação fornece um mecanismo teórico pelo qual o estilo de ensino, o uso do ChatGPT e a alfabetização digital podem estar relacionados à ansiedade na aprendizagem de línguas estrangeiras (FLCA)⁴⁵. Aprendizes motivados têm maior probabilidade de participar ativamente, persistir diante de desafios e experimentar níveis mais baixos de apreensão na comunicação⁴⁶. Práticas de ensino que oferecem apoio, o aprendizado de línguas assistido por IA e uma alfabetização digital mais forte já foram associados a maior motivação e menor ansiedade em contextos de ensino de inglês como língua estrangeira (EFL)^47,48,49. Pesquisas anteriores também sugerem que uma motivação mais elevada está associada a menor ansiedade em sala de aula e maior criatividade, o que reforça a motivação como um possível mediador que liga práticas instrucionais e o uso de tecnologia aos resultados de aprendizagem^50,51,52. Com base nessa literatura, as seguintes hipóteses são propostas: 1) H6: A motivação media a relação entre o estilo de ensino e a ansiedade de estudantes de EFL; 2) H7: A motivação media a relação entre o uso do ChatGPT e a ansiedade de estudantes de EFL; e 3) H8: A motivação media a relação entre a alfabetização digital de estudantes de EFL e sua ansiedade. Figura 1 ilustra o modelo hipotetizado no qual o estilo de ensino, o uso do ChatGPT e a alfabetização digital estão associados à motivação de estudantes de EFL, a qual, por sua vez, media suas relações com a FLCA e a criatividade.

Figura 1. Modelo de pesquisa hipotetizado. O modelo ilustra as relações hipotetizadas entre o uso do ChatGPT, estilo de ensino, alfabetização digital, motivação, ansiedade em sala de aula de língua estrangeira e criatividade em estudantes de inglês como língua estrangeira (EFL). Linhas contínuas representam relações diretas hipotetizadas e linhas tracejadas representam relações mediadoras, conforme indicado na figura. Clique aqui para visualizar uma versão ampliada desta figura.

Protocolo

Embora o estudo não tenha exigido aprovação ética formal de uma comissão de ética institucional devido ao seu desenho de pesquisa não experimental e anônimo, sem intervenções físicas, manipulações ou enganos aos participantes, todos os procedimentos foram conduzidos de acordo com os princípios éticos da Declaração de Helsinque e das diretrizes da Associação Americana de Psicologia para pesquisas envolvendo participantes humanos. O consentimento informado foi obtido de todos os participantes antes da coleta de dados. A instituição não exigiu nem emitiu uma aprovação ética formal ou isenção para este tipo de estudo. Todos os respondentes foram explicitamente informados sobre o objetivo da pesquisa, a participação voluntária, o direito de se retirar a qualquer momento sem consequências e as rigorosas medidas de confidencialidade aplicadas aos seus dados. Nenhuma informação pessoal identificável foi coletada ou relatada, e todos os dados foram utilizados exclusivamente para análise acadêmica agregada. Uma atenção especial foi dada à redação não intrusiva e respeitosa, para garantir que o questionário não interferisse nas atividades acadêmicas ou no bem-estar psicológico dos participantes. Para o formulário de consentimento informado, consulte o Arquivo Suplementar 1. Além disso, os materiais utilizados neste estudo estão listados na Tabela de Materiais.

Desenho da pesquisa

Esta seção descreve o delineamento da pesquisa, os procedimentos de coleta de dados e os detalhes da amostra utilizados no estudo para investigar as relações entre estilo de ensino, uso do ChatGPT, alfabetização digital, motivação, ansiedade e criatividade entre estudantes de LE. O estudo adotou um delineamento quantitativo e transversal para examinar o papel mediador da motivação nas relações entre estilo de ensino, uso do ChatGPT, alfabetização digital e ansiedade entre estudantes de LE, bem como a forma como essas variáveis se relacionam coletivamente com a criatividade. Foi adotada uma metodologia de pesquisa estruturada por meio de questionário para coletar dados primários, garantindo padronização e confiabilidade na mensuração dos construtos. O estudo utilizou escalas validadas para avaliar todas as variáveis, incluindo estilo de ensino, uso do ChatGPT, alfabetização digital, motivação, AALF e criatividade.

Dados e Amostra

Os dados deste estudo foram coletados de estudantes de LE estrangeira matriculados na Universidade de Jeddah, uma universidade do setor público na Arábia Saudita reconhecida por sua ênfase no ensino de línguas e na integração da tecnologia no ensino. Os participantes foram selecionados por meio de uma técnica de amostragem intencional, considerada apropriada para este estudo devido aos critérios específicos de inclusão, que exigiam que os participantes tivessem experiência ativa com ferramentas de IA, como o ChatGPT, em seus ambientes de aprendizagem. Essa abordagem de amostragem não probabilística foi necessária porque as questões de pesquisa do estudo concentravam-se em uma população específica — estudantes de LE estrangeira expostos tanto a métodos tradicionais quanto a métodos de ensino assistidos por tecnologia — e a amostragem aleatória não teria garantido a inclusão de participantes que atendessem a esses critérios. Embora a amostragem intencional limite a generalização dos resultados para a população mais ampla, ela foi justificada para esta investigação exploratória, assegurando que os participantes possuíssem as experiências e perspectivas relevantes necessárias para atender aos objetivos da pesquisa. Para atenuar as limitações da amostragem intencional, esforços foram feitos para incluir participantes com diferentes formações acadêmicas e níveis variados de proficiência tecnológica, aumentando assim a representatividade da amostra dentro da população-alvo. A amostra final consistiu de 280 estudantes universitários de LE estrangeira, um tamanho considerado adequado para as técnicas estatísticas utilizadas.

A determinação da adequação do tamanho da amostra baseou-se em diretrizes estabelecidas para Modelagem de Equações Estruturais (SEM). Recomenda-se um mínimo de 10 casos por parâmetro estimado para SEM, com diretrizes mais conservadoras sugerindo 20 casos por parâmetro para a Modelagem de Equações Estruturais por Mínimos Quadrados Parciais (PLS-SEM). O modelo de mensuração compreendia 29 itens para alfabetização digital, 25 itens para estilo de ensino e 32 itens para FLCA, além de itens adicionais para uso do ChatGPT, motivação e criatividade. As diretrizes do PLS-SEM também recomendam um tamanho mínimo da amostra igual a 10 vezes o maior número de indicadores formativos ou o maior número de caminhos estruturais direcionados a um determinado construto; portanto, a amostra de 280 participantes excedeu esses requisitos mínimos. Além disso, uma análise de poder pós-hoc utilizando o G*Power⁵³ indicou que uma amostra de 280 participantes proporcionou poder estatístico superior a 0,95 para detectar efeitos de magnitude média (f² = 0,15) com α = 0,05, superando o limiar comumente recomendado de 0,80. Esse tamanho amostral fornece estimativas de parâmetros confiáveis e poder estatístico suficiente para detectar relações significativas entre as variáveis do estudo, ao mesmo tempo que acomoda a complexidade dos modelos de mensuração e estruturais propostos.

Participantes e Procedimento

Os participantes foram estudantes de LE (língua estrangeira) com idades entre 18 e 25 anos, sendo a maioria alunos do primeiro e segundo ano de graduação matriculados em cursos de língua inglesa. A pesquisa foi realizada entre setembro e outubro de 2025, período em que os estudantes foram convidados a participar voluntariamente. O processo de recrutamento envolveu divulgação por meio de canais oficiais da universidade, incluindo e-mails e anúncios em aulas. Os participantes eram estudantes de LE com idades entre 18 e 25 anos, matriculados como alunos do primeiro ou segundo ano em cursos de língua inglesa. A elegibilidade foi determinada com base em critérios pré-definidos de inclusão e exclusão. Os participantes eram elegíveis se (a) estivessem oficialmente matriculados em cursos de língua inglesa de graduação na Universidade de Jeddah, (b) tivessem entre 18 e 25 anos, e (c) estivessem registrados como alunos do primeiro ou segundo ano. Os estudantes foram excluídos se (a) fossem alunos de pós-graduação ou alunos de graduação avançada fora da sequência de cursos básicos, (b) estivessem fora da faixa etária especificada, ou (c) tivessem participado da fase de pré-teste do questionário. Para garantir o consentimento informado, os participantes foram informados sobre o objetivo do estudo, o caráter voluntário da participação e a confidencialidade das respostas. O instrumento de coleta de dados foi um questionário estruturado, autoaplicável, distribuído fisicamente e eletronicamente por meio de uma plataforma online segura. Escalas validadas foram adaptadas para medir o estilo de ensino, o uso do ChatGPT, a alfabetização digital, a motivação dos alunos, a ansiedade em relação à língua estrangeira (FLCA) e a criatividade. Os participantes foram solicitados a avaliar suas respostas em uma escala Likert de 5 pontos, variando de 1 (Discordo totalmente) a 5 (Concordo totalmente). Um pré-teste do questionário foi realizado com um pequeno grupo de 30 estudantes para garantir clareza e confiabilidade. Com base nos resultados do pré-teste, foram feitos pequenos ajustes na redação para melhorar a compreensão dos itens, e não foram identificados problemas significativos quanto à confiabilidade ou validade da escala. Para manter a integridade dos dados e incentivar respostas honestas, a anonimidade foi garantida, e os participantes foram assegurados de que seus dados seriam usados apenas para fins de pesquisa. Das 300 respostas iniciais coletadas, 280 foram consideradas válidas após triagem para dados incompletos ou inconsistentes, resultando em uma taxa de retenção de 93%. Os procedimentos de triagem dos dados incluíram a análise de padrões de resposta para respostas lineares repetitivas (straight-lining), dados ausentes excessivos (mais de 10%) e outliers multivariados utilizando a distância de Mahalanobis. Essa abordagem metodológica fornece uma base sólida para analisar as relações entre as variáveis do estudo e oferece insights valiosos sobre o papel do estilo de ensino, ferramentas de IA e alfabetização digital na formação da motivação, ansiedade e criatividade de estudantes de LE.

Após a coleta de dados, 20 respostas foram excluídas do conjunto inicial de 300 com base em critérios pré-definidos: 12 respostas foram descartadas devido à quantidade excessiva de dados ausentes, superando 10% dos itens do questionário; 5 foram eliminadas por apresentarem padrões de resposta lineares (respostas uniformes em todos os itens, indicando falta de engajamento); e 3 foram identificadas como outliers multivariados utilizando a distância de Mahalanobis (p < 0,001) e subsequentemente removidas para evitar distorção nos resultados do modelo de equações estruturais (SEM). Os valores ausentes para os casos mantidos foram tratados por imputação pela média, quando os dados faltantes eram mínimos (menos de 5% por caso), já que essa abordagem é aceitável para pequenas proporções de dados ausentes em pesquisas com grandes amostras. A taxa final de retenção de 93% (280 respostas válidas de 300 questionários coletados) representa a proporção de respostas utilizáveis mantidas em relação ao total de questionários coletados; entretanto, isso não deve ser interpretado como uma taxa de resposta real, pois o número exato de participantes convidados não pôde ser calculado, uma vez que os métodos combinados de distribuição física e eletrônica por meio de canais oficiais da universidade impediram o rastreamento preciso do número total de convites. Essa limitação é reconhecida, e o valor de 93% é, portanto, relatado como a proporção de respostas válidas mantidas dentre os questionários coletados, e não como uma taxa de resposta em relação ao total da população convidada.

Ferramentas e Medidas

Este estudo utilizou escalas bem estabelecidas e validadas, cuidadosamente adaptadas ao contexto do ensino de LE, para medir os construtos principais: estilo de ensino, alfabetização digital, uso do ChatGPT, AFCLE, motivação e criatividade. Cada escala foi selecionada com base em sua relevância e abrangência na captura das dimensões respectivas das variáveis em investigação. A alfabetização digital foi medida por meio de uma escala adaptada com base em Rodríguez-de-Dios et al.⁵⁴, composta por seis dimensões com 29 itens. Essas dimensões incluíram Habilidade Tecnológica, Habilidade em Segurança Pessoal, Habilidade Crítica, Habilidade em Segurança de Dispositivos, Habilidade Informacional e Habilidade em Comunicação, permitindo uma avaliação abrangente da proficiência dos estudantes em habilidades digitais essenciais para contextos educacionais modernos. O uso do ChatGPT foi avaliado por meio de uma escala de 8 itens adaptada de Abbas et al.⁵⁵, com foco na interação dos estudantes com a ferramenta de IA em tarefas de aprendizagem de línguas. O estilo de ensino foi avaliado utilizando uma versão adaptada do Inventário de Estilo de Ensino de Grasha⁵⁶. Este instrumento mede cinco dimensões dos estilos de ensino: Autoridade, Especialista, Modelo Pessoal, Facilitador e Delegador. Essas dimensões refletem diferentes abordagens instrucionais que influenciam as experiências de aprendizagem dos estudantes de LE. A AFCLE foi medida por meio de uma escala adaptada com base em Briesmaster e Briesmaster⁵⁷. Este instrumento examinou a ansiedade em três dimensões: Apreensão na Comunicação (10 itens), Ansiedade em Provas (10 itens) e Medo de Avaliação Negativa (7 itens). A motivação dos estudantes foi avaliada por meio de uma escala adaptada de Kanoksilapatham et al.⁵⁸, que mede três dimensões: Promoção e Prevenção da Instrumentalidade, Etnocentrismo e Integratividade, e Atitude em Relação à Aprendizagem do Inglês. A escala incluiu um total de 20 itens. A criatividade dos estudantes de LE foi medida por meio de uma escala adaptada de Govindasamy et al.⁵⁹, que avaliou quatro dimensões: Originalidade, Flexibilidade, Fluência e Elaboração. Cada dimensão foi medida com três itens. Para garantir a adequação cultural e contextual dos instrumentos ao ambiente de LE, foi aplicado um procedimento sistemático de adaptação. Como as escalas originais foram desenvolvidas em inglês, dois especialistas bilíngues em LE revisaram e simplificaram a linguagem para melhorar a clareza para estudantes universitários de nível intermediário, preservando o significado original de cada construto. As versões adaptadas foram então retrotraduzidas para a língua materna dos participantes por um tradutor independente, a fim de verificar a equivalência linguística e conceitual, e quaisquer discrepâncias foram resolvidas por meio de discussão entre a equipe de pesquisa. Posteriormente, três instrutores experientes em LE avaliaram os instrumentos adaptados quanto à relevância do conteúdo, adequação cultural e clareza dos itens, resultando em pequenas revisões de redação e na substituição de exemplos culturalmente desconhecidos, quando apropriado. Por fim, os instrumentos revisados foram testados em um estudo piloto com 30 estudantes (ver seção Procedimento), e os comentários dos participantes foram utilizados para realizar refinamentos adicionais e menores na redação, a fim de melhorar a compreensibilidade. Esse processo em múltiplas etapas garantiu que os instrumentos adaptados mantivessem suas propriedades psicométricas originais, ao mesmo tempo que fossem apropriados para a população-alvo de LE. Para o questionário adaptado completo, consulte Arquivo Suplementar 2.

Métodos de Análise de Dados

Os dados coletados para este estudo foram analisados utilizando o Pacote Estatístico para as Ciências Sociais (SPSS 26) e o SmartPLS 4, empregando-se a PLS-SEM. Essa abordagem com métodos duplos garantiu uma análise abrangente dos dados, abordando tanto aspectos descritivos quanto inferenciais, além de testar as relações hipotetizadas e os efeitos de mediação no modelo de pesquisa. Inicialmente, o SPSS foi utilizado para realizar a análise preliminar dos dados, incluindo a limpeza dos dados, estatísticas descritivas e testes de confiabilidade. A triagem dos dados envolveu a verificação de valores ausentes, outliers e normalidade, a fim de assegurar a qualidade e a integridade do conjunto de dados. Foram calculadas estatísticas descritivas, incluindo média, desvio padrão e distribuições de frequência, para resumir as características da amostra. A análise principal foi conduzida utilizando o SmartPLS 4. A PLS-SEM foi escolhida devido à sua adequação para analisar modelos complexos com múltiplas construções e por sua robustez em amostras pequenas a médias. A análise foi realizada em duas etapas: avaliação do modelo de mensuração e avaliação do modelo estrutural. Na avaliação do modelo de mensuração, foram examinadas a confiabilidade dos indicadores, a confiabilidade da consistência interna (utilizando a confiabilidade composta [CR]), a validade convergente (utilizando a variância média extraída [AVE]) e a validade discriminante (utilizando a razão heterotrait–monotrait [HTMT]).

Após a validação do modelo de mensuração, o modelo estrutural foi avaliado para examinar as relações hipotetizadas entre estilo de ensino, uso do ChatGPT, alfabetização digital, motivação, ansiedade e criatividade. Os coeficientes de caminho foram analisados para determinar a intensidade e a significância dos efeitos diretos e indiretos, sendo a significância avaliada por meio de reamostragem bootstrap com 5.000 reamostras. Para avaliar a significância dos efeitos diretos, indiretos e de mediação, foram construídos intervalos de confiança bootstrap com correção de viés (BC) utilizando 5.000 reamostras bootstrap e um nível de confiança de 95%. Os efeitos de mediação da motivação nas relações entre estilo de ensino, uso do ChatGPT, alfabetização digital e ansiedade também foram avaliados por meio de intervalos de confiança bootstrap. O ajuste e o poder preditivo do modelo foram avaliados utilizando o coeficiente de determinação (R²), relevância preditiva (Q²) e resíduo médio quadrático padronizado (SRMR).

Resultados

Estatísticas Descritivas

A estatística descritiva fornece uma visão geral das características da amostra e da distribuição, tendência central e variabilidade das variáveis do estudo. Neste estudo, análises descritivas foram realizadas para caracterizar a amostra de participantes e resumir as variáveis principais antes de conduzir as análises estruturais.

Tabela 1 resume as características demográficas dos 280 participantes universitários de LE. As participantes do sexo feminino compreenderam 54,3% (n = 152) da amostra, enquanto os participantes do sexo masculino corresponderam a 45,7% (n = 128). A maioria dos participantes tinha entre 21 e 23 anos de idade (52,1%), seguidos pelos com idade entre 18 e 20 anos (36,4%) e entre 24 e 25 anos (11,4%). Em relação ao ano acadêmico, os estudantes do segundo ano representaram o grupo mais numeroso (42,1%), seguidos pelos do primeiro ano (34,3%) e do terceiro ano (23,6%). A maioria dos participantes relatou experiência moderada com o ChatGPT (47,1%), enquanto 36,8% relataram experiência extensa e 16,1% relataram experiência limitada. Todos os participantes tiveram exposição prévia ao ChatGPT, conforme os critérios de inclusão do estudo, sendo que a categoria "experiência limitada" indica uso mínimo e não ausência de uso prévio. Os participantes relataram predominantemente alfabetização digital moderada (54,6%), seguida por alta (30,4%) e baixa (15,0%) alfabetização digital. A maioria dos participantes demonstrou proficiência intermediária em inglês (62,5%), enquanto 22,9% relataram proficiência básica e 14,6% relataram proficiência avançada. De modo geral, as características demográficas indicam que a amostra incluiu participantes com diversas formações acadêmicas, níveis de alfabetização digital, proficiência em inglês e experiência com o ChatGPT (Tabela 1, Figura 2).

Variável	Categoria	Frequência, n	Porcentagem, %
Gênero	Masculino	128	45,7
	Feminino	152	54,3
Faixa etária	18–20 anos	102	36,4
	21–23 anos	146	52,1
	24–25 anos	32	11,4
Ano de estudo	Primeiro ano	96	34,3
	Segundo ano	118	42,1
	Terceiro ano	66	23,6
Experiência com ChatGPT	Experiência limitada	45	16,1
	Experiência moderada	132	47,1
	Experiência extensa	103	36,8
Nível de alfabetização digital	Baixo	42	15
	Moderado	153	54,6
	Alto	85	30,4
Nível de proficiência em inglês	Básico	64	22,9
	Intermediário	175	62,5
	Avançado	41	14,6

Tabela 1: Características demográficas dos participantes do estudo. A tabela resume as características demográficas dos 280 estudantes de inglês como língua estrangeira (EFL) incluídos no estudo. São apresentadas frequências e porcentagens para sexo, faixa etária, ano de estudo, experiência com o ChatGPT, nível de alfabetização digital e nível de proficiência em inglês.

Figura 2. Características demográficas dos participantes do estudo. Clique aqui para visualizar uma versão maior desta figura.

Figura 2 apresenta a distribuição demográfica dos participantes do estudo de acordo com gênero, grupo etário, ano de curso, experiência com ferramentas de IA, nível de alfabetização digital e nível de proficiência em inglês. A distribuição mostra uma proporção ligeiramente maior de participantes do sexo feminino em comparação com o masculino, sendo a maioria dos respondentes com idades entre 21 e 23 anos. Os níveis moderado de alfabetização digital e intermediário de proficiência em inglês foram as categorias mais frequentemente relatadas (Figura 2).

Tabela 2 apresenta as estatísticas descritivas para as variáveis do estudo. O estilo de ensino, medido por meio de 25 itens, obteve pontuação média de 3,84 (DP = 0,76), com valores variando de 2,1 a 4,8. O uso do ChatGPT, avaliado por meio de oito itens, apresentou pontuação média de 3,67 (DP = 0,81), com respostas variando de 1,5 a 5,0. A alfabetização digital, medida por meio de 29 itens, obteve pontuação média de 3,72 (DP = 0,73), com pontuações variando de 2,2 a 4,9. A motivação, avaliada por meio de 20 itens, apresentou a maior média (3,92, DP = 0,68), com valores entre 2,4 e 5,0. A ansiedade, medida por meio de 27 itens, teve pontuação média de 3,41 (DP = 0,89). A criatividade, avaliada por meio de 12 itens, obteve pontuação média de 3,78 (DP = 0,74), com pontuações variando de 2,0 a 5,0. Essas estatísticas descritivas indicam variabilidade entre os construtos medidos, ao mesmo tempo que fornecem um resumo geral das respostas dos participantes.

Variável	Número de Itens	Média (M)	Desvio Padrão (DP)	Mínimo	Máximo
Ansiedade	27	3,41	0,89	1,8	5
Uso do ChatGPT	8	3,67	0,81	1,5	5
Criatividade	12	3,78	0,74	2	5
Alfabetização Digital	29	3,72	0,73	2,2	4,9
Motivação	20	3,92	0,68	2,4	5
Estilo de Ensino	25	3,84	0,76	2,1	4,8

Tabela 2: Estatísticas descritivas para os construtos do estudo. A tabela apresenta o número de itens do questionário, média (M), desvio padrão (SD), valor mínimo observado e valor máximo observado para estilo de ensino, uso do ChatGPT, alfabetização digital, motivação, ansiedade em sala de aula de língua estrangeira e criatividade com base nas respostas de 280 participantes.

Viés de Variância por Método Comum

O viés de variância metodológica comum (VMC) refere-se à covariância espúria entre variáveis atribuível ao método de medição, e não às construções que estão sendo mensuradas. Como este estudo utilizou um questionário autoaplicado, foram empregados abordagens procedimentais e estatísticas para avaliar a influência potencial do viés de VMC. Procedimentalmente, os participantes tiveram garantidas anonimidade e confidencialidade para minimizar o viés de desejabilidade social e incentivar respostas honestas. Além disso, os itens do questionário adaptados de instrumentos já estabelecidos foram apresentados em ordem aleatória para reduzir padrões de resposta que poderiam artificialmente inflacionar o viés de VMC. Estatisticamente, foi realizado o teste de fator único de Harman, inserindo todas as variáveis medidas em uma análise fatorial exploratória (AFE) sem rotação. A análise mostrou que o primeiro fator não rotacionado explicou 32,7% da variância total, valor abaixo do limiar recomendado de 50%, indicando que o viés de VMC provavelmente não influenciou substancialmente os resultados do estudo (Tabela 3).

Estatística		Valor	Limiar	Interpretação
Número total de fatores extraídos		7	N/A	Vários fatores foram extraídos, indicando que os itens medidos representam construtos distintos.
Variância explicada pelo primeiro fator		32,70%	<50%	Abaixo do limiar comumente aceito, indicando que a variância de método comum (VMC) dificilmente é uma preocupação séria.
Variância acumulada explicada (três primeiros fatores)		62,10%	N/A	Indica que os três primeiros fatores explicam uma proporção substancial da variância total.
Medida Kaiser–Meyer–Olkin (KMO) de adequação da amostragem		0,89	>0,80	Indica excelente adequação da amostragem para análise fatorial.
Teste de esfericidade de Bartlett (valor de p)		<0,001	p < 0,05	Resultado significativo indicando que a matriz de correlação é adequada para análise fatorial.

Tabela 3: Resultados do teste de fator único de Harman e da adequação da amostragem. A tabela resume os resultados do teste de fator único de Harman, da medida Kaiser–Meyer–Olkin (KMO) de adequação da amostragem e do teste de esfericidade de Bartlett. O teste de fator único de Harman foi realizado para avaliar a influência potencial da variância metodológica comum (VMC). A estatística KMO e o teste de Bartlett foram utilizadas para avaliar a adequação do conjunto de dados para análise fatorial.

Tabela 3 apresenta os resultados do teste de fator único de Harman, indicando que o primeiro fator não rotacionado explicou 32,7% da variância total, valor abaixo do limiar recomendado de 50% e sugerindo que o viés de método comum não é uma preocupação substancial neste estudo. A medida Kaiser–Meyer–Olkin (KMO) de adequação da amostragem foi de 0,89, indicando que os dados eram adequados para análise fatorial. Além disso, o teste de esfericidade de Bartlett foi estatisticamente significativo (p < 0,001), confirmando que a matriz de correlação era apropriada para análise fatorial. Em conjunto, esses resultados apoiam a adequação do conjunto de dados para análises subsequentes de modelagem de equações estruturais.

Modelo de Medição

O modelo de mensuração foi avaliado para verificar a confiabilidade e validade das construções do estudo utilizando PLS-SEM implementado no SmartPLS 4, seguindo as recomendações de Hair et al.⁶⁰ A confiabilidade dos indicadores, a confiabilidade da consistência interna, a validade de convergência e a validade discriminante foram analisadas. A confiabilidade dos indicadores foi avaliada por meio das cargas externas, retendo-se os itens com cargas superiores a 0,70 como indicadores confiáveis de suas respectivas construções. Itens com cargas entre 0,60 e 0,70 foram mantidos somente quando sua remoção não melhorava a consistência interna da construção correspondente. A confiabilidade da consistência interna foi avaliada utilizando o alfa de Cronbach e o CR. A validade de convergência foi avaliada por meio do AVE, com todas as construções apresentando valores de AVE superiores a 0,50, indicando que cada construção explicava mais da metade da variância em seus indicadores. A validade discriminante foi avaliada utilizando a razão HTMT, e todos os valores de HTMT estiveram abaixo do limite recomendado de 0,85, o que sustenta a distinção empírica das construções do estudo (Tabelas 4 e 5).

Construto		Carga Fatorial	Confiabilidade Composta (CR)	Variância Média Extraída (AVE)	Fator de Inflação da Variância Externa (VIF)
Estilo de Ensino (Autoridade)		0.87	0.91	0.66	1.38
Estilo de Ensino (Especialista)		0.89	0.92	0.68	1.45
Estilo de Ensino (Modelo Pessoal)		0.86	0.9	0.65	1.4
Estilo de Ensino (Facilitador)		0.88	0.93	0.69	1.43
Estilo de Ensino (Delegador)		0.85	0.89	0.62	1.39
Uso do ChatGPT		0.92	0.94	0.72	1.47
Ansiedade na Sala de Aula de Língua Estrangeira (Apreeensão na Comunicação)		0.86	0.9	0.64	1.35
Ansiedade na Sala de Aula de Língua Estrangeira (Ansiedade em Provas)		0.88	0.92	0.67	1.41
Ansiedade na Sala de Aula de Língua Estrangeira (Medo de Avaliação Negativa)		0.83	0.88	0.6	1.32
Motivação (Instrumentalidade)		0.84	0.89	0.61	1.34
Motivação (Etnocentrismo e Integratividade)		0.86	0.9	0.63	1.36
Motivação (Atitude em Relação ao Aprendizado do Inglês)		0.89	0.93	0.7	1.44
Criatividade (Originalidade)		0.88	0.92	0.67	1.41
Criatividade (Flexibilidade)		0.87	0.91	0.66	1.38
Criatividade (Fluência)		0.89	0.93	0.68	1.42
Criatividade (Elaboração)		0.85	0.9	0.63	1.37
Alfabetização Digital		0.93	0.95	0.75	1.49

Tabela 4: Avaliação do modelo de mensuração. A tabela apresenta os pesos fatoriais, a confiabilidade composta (CR), a variância média extraída (AVE) e o fator de inflação da variância externa (VIF) para cada construto e subdimensão incluídos no modelo de mensuração de equações estruturais por mínimos quadrados parciais (PLS-SEM). Essas estatísticas foram utilizadas para avaliar a confiabilidade dos indicadores, a confiabilidade da consistência interna, a validade convergente e a multicolinearidade.

Construto		1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17
1. Estilo de Ensino (Autoridade)		—
2. Estilo de Ensino (Especialista)		0,702	—
3. Estilo de Ensino (Modelo Pessoal)		0,743	0,581	—
4. Estilo de Ensino (Facilitador)		0,629	0,735	0,702	—
5. Estilo de Ensino (Delegador)		0,754	0,549	0,802	0,692	—
6. Uso do ChatGPT		0,52	0,643	0,743	0,536	0,693	—
7. Ansiedade em Sala de Aula de Língua Estrangeira (Apreeensão na Comunicação)		0,665	0,521	0,649	0,559	0,73	0,827	—
8. Ansiedade em Sala de Aula de Língua Estrangeira (Ansiedade em Provas)		0,832	0,614	0,53	0,622	0,689	0,631	0,567	—
9. Ansiedade em Sala de Aula de Língua Estrangeira (Medo de Avaliação Negativa)		0,608	0,809	0,585	0,651	0,637	0,614	0,81	0,556	—
10. Motivação (Instrumentalidade)		0,762	0,623	0,66	0,634	0,811	0,534	0,802	0,755	0,519	—
11. Motivação (Etnocentrismo e Integratividade)		0,803	0,674	0,571	0,504	0,517	0,805	0,827	0,753	0,562	0,554	—
12. Motivação (Atitude em Relação ao Aprendizado do Inglês)		0,626	0,816	0,677	0,591	0,742	0,716	0,633	0,562	0,598	0,549	0,679	—
13. Criatividade (Originalidade)		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. Criatividade (Flexibilidade)		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. Criatividade (Fluência)		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. Criatividade (Elaboração)		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. Letramento Digital		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	—

Tabela 5: Validade discriminante avaliada utilizando a razão heterotrait–monotrait (HTMT). A tabela apresenta os valores HTMT para todos os pares de construtos e subdimensões incluídos no modelo de mensuração. O HTMT foi utilizado para avaliar a validade discriminante, mediante a análise da distinção empírica dos construtos latentes. Valores abaixo do limiar pré-especificado de 0,85 indicam validade discriminante aceitável.

Tabela 4 resume a avaliação do modelo de mensuração. As cargas fatoriais variaram de 0,83 a 0,93, superando o limiar recomendado de 0,70 e indicando confiabilidade satisfatória dos indicadores. Os valores de confiabilidade composta variaram de 0,88 a 0,95, demonstrando alta consistência interna em todas as construções. Os valores de AVE variaram de 0,60 a 0,75, superando o valor mínimo recomendado de 0,50 e apoiando a validade convergente. Além disso, todos os valores do fator de inflação da variância externa (VIF) foram inferiores a 1,50, indicando ausência de evidência de multicolinearidade entre os indicadores. De modo geral, esses resultados apoiam a confiabilidade e a validade do modelo de mensuração para a avaliação subsequente do modelo estrutural.

Figura 3 ilustra o modelo de medição, incluindo as construções latentes, suas dimensões e indicadores correspondentes, e as relações entre as variáveis avaliadas no estudo.

Figura 3. Modelo de equação estrutural de mínimos quadrados parciais. O modelo de mensuração gerado por meio da modelagem de equações estruturais com mínimos quadrados parciais (PLS-SEM) mostra as relações entre os construtos latentes, suas dimensões e seus indicadores observados. Os valores exibidos nos caminhos conectores representam as cargas externas estimadas ou os coeficientes de caminho, conforme aplicável. Clique aqui para visualizar uma versão maior desta figura.

Tabela 5 apresenta os resultados HTMT utilizados para avaliar a validade discriminante. Todos os valores HTMT estavam abaixo do limite conservador de 0,85, indicando validade discriminante satisfatória entre os 17 construtos. Os valores HTMT mais altos foram observados entre Criatividade (Flexibilidade) e Estilo de Ensino (Modelo Pessoal) (0,8437), Criatividade (Elaboração) e Ansiedade (Ansiedade de Prova) (0,8422), e Criatividade (Originalidade) e Ansiedade (Apreeensão na Comunicação) (0,8394). Embora esses valores se aproximem do limite recomendado, permaneceram abaixo de 0,85, o que sustenta a distinção empírica dos construtos. Os demais valores HTMT foram menores, reforçando ainda mais a validade discriminante ao longo do modelo de mensuração.

Resultados dos Testes de Hipóteses (Modelo Estrutural)

O modelo estrutural foi avaliado para examinar as relações hipotetizadas entre estilo de ensino, uso do ChatGPT, alfabetização digital, motivação, ansiedade em relação à língua estrangeira (FLCA) e criatividade. Os resultados apoiaram todas as hipóteses diretas e de mediação propostas. O estilo de ensino, o uso do ChatGPT e a alfabetização digital apresentaram associação positiva com a motivação. A motivação apresentou associação negativa com a FLCA, enquanto a FLCA apresentou associação negativa com a criatividade. Além disso, a motivação atuou como mediadora nas relações entre estilo de ensino, uso do ChatGPT e alfabetização digital com a FLCA (Tables 6 and 7).

Hipótese		Coeficiente de Caminho Padronizado (β)	Valor t	Valor p	Suportada	Intervalo de Confiança de 95% (IC)	Limite Inferior (LIC)	Limite Superior (LSC)
H1. Estilo de ensino → Motivação dos alunos de LE		0.36	5.45	<0.001	Sim	[0.26, 0.46]	0.26	0.46
H2. Uso do ChatGPT → Motivação dos alunos de LE		0.4	6.27	<0.001	Sim	[0.30, 0.50]	0.3	0.5
H3. Alfabetização digital → Motivação dos alunos de LE		0.33	4.95	<0.001	Sim	[0.23, 0.43]	0.23	0.43
H4. Motivação dos alunos de LE → Ansiedade em sala de aula de língua estrangeira		–0.27	–4.81	<0.001	Sim	[–0.37, –0.17]	–0.37	–0.17
H5. Ansiedade em sala de aula de língua estrangeira → Criatividade dos alunos de LE		–0.26	–4.01	<0.001	Sim	[–0.36, –0.16]	–0.36	–0.16

Tabela 6: Teste de hipóteses de efeito direto. A tabela apresenta os resultados das análises de efeito direto realizadas utilizando modelagem de equações estruturais por mínimos quadrados parciais (PLS-SEM). As estatísticas informadas incluem o coeficiente padronizado de caminho (β), valor t, valor p, intervalo de confiança bootstrap de 95% (IC), limite inferior do intervalo de confiança (LIC), limite superior do intervalo de confiança (UIC) e a decisão quanto ao apoio à hipótese. A significância estatística foi avaliada por meio de reamostragem bootstrap com 5.000 reamostragens.

Hipótese	Caminho de Mediação		Efeito Indireto Padronizado (β)	Valor de t	Valor de p	Suportada	Intervalo de Confiança de 95% (IC)	Limite Inferior (LLCI)	Limite Superior (ULCI)
H6	Estilo de ensino → Motivação → Ansiedade em sala de aula de língua estrangeira		0.28	4.56	<0.001	Sim	[0.18, 0.38]	0.18	0.38
H7	Uso do ChatGPT → Motivação → Ansiedade em sala de aula de língua estrangeira		0.34	5.02	<0.001	Sim	[0.24, 0.44]	0.24	0.44
H8	Alfabetização digital → Motivação → Ansiedade em sala de aula de língua estrangeira		0.3	4.68	<0.001	Sim	[0.20, 0.40]	0.20	0.40

Tabela 7: Análise de mediação. A tabela resume os efeitos indiretos estimados utilizando modelagem de equações estruturais por mínimos quadrados parciais (PLS-SEM). As estatísticas informadas incluem o efeito indireto padronizado (β), valor t, valor p, intervalo de confiança bootstrap de 95% (IC), limite inferior do intervalo de confiança (LIC), limite superior do intervalo de confiança (LSC) e a decisão quanto ao apoio à hipótese. A significância estatística foi avaliada por meio de reamostragem bootstrap com 5.000 reamostras.

Tabela 6 apresenta os resultados das análises de efeito direto. Todas as cinco relações diretas hipotetizadas foram estatisticamente significativas (p < 0,001), apoiando as hipóteses H1–H5. O estilo de ensino (β = 0,36), o uso do ChatGPT (β = 0,40) e a alfabetização digital (β = 0,33) apresentaram associação positiva com a motivação dos estudantes de LE, sendo o uso do ChatGPT o que demonstrou o maior coeficiente padronizado de caminho entre os três preditores. A motivação apresentou associação negativa com a AFLE (β = –0,27), indicando que níveis mais altos de motivação correspondem a níveis mais baixos de ansiedade. Por sua vez, a AFLE apresentou associação negativa com a criatividade (β = –0,26). Os intervalos de confiança bootstrap de 95% para todos os efeitos diretos excluíram o zero, reforçando a significância estatística das relações hipotetizadas. Tabela 7 apresenta as análises de mediação que examinam se a motivação media as relações entre estilo de ensino, uso do ChatGPT e alfabetização digital com a AFLE. Os efeitos indiretos foram estatisticamente significativos para os três caminhos (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). Os intervalos de confiança bootstrap de 95% excluíram o zero para todos os efeitos indiretos, confirmando a significância estatística dos caminhos de mediação. Os coeficientes indiretos positivos refletem a magnitude total dos efeitos indiretos por meio da motivação, enquanto a relação direta entre motivação e AFLE foi negativa, conforme relatado no modelo estrutural. Consequentemente, níveis mais elevados de estilo de ensino, uso do ChatGPT e alfabetização digital estiveram associados a maior motivação, a qual, por sua vez, esteve associada a níveis mais baixos de AFLE (Tabelas 6 e 7). No geral, o modelo estrutural apoiou todas as relações diretas (H1–H5) e indiretas (H6–H8) hipotetizadas. Os resultados indicam associações estatisticamente significativas entre estilo de ensino, uso do ChatGPT, alfabetização digital, motivação, AFLE e criatividade, com a motivação atuando como mediadora significativa no modelo estrutural.

Análise Dimensional do Estilo de Ensino

Foi realizada uma análise dimensional para examinar as relações entre as cinco dimensões do estilo de ensino e a motivação, a ansiedade na aprendizagem de línguas estrangeiras (FLCA) e a criatividade de estudantes de LE. As dimensões do estilo de ensino incluíram Autoridade, Especialista, Modelo Pessoal, Facilitador e Delegador. O modelo estrutural estimou os efeitos diretos de cada dimensão do estilo de ensino sobre as três variáveis de desfecho, a fim de determinar se as relações observadas diferiam entre as abordagens de ensino (Tabela 8).

Dimensão do Estilo de Ensino	Variável de Resultado	Coeficiente Padronizado de Caminho (β)	Valor t	Valor p	Limite Inferior do Intervalo de Confiança de 95% (LICI)	Limite Superior do Intervalo de Confiança de 95% (LSCI)	Suportado
Autoridade	Motivação	0.12	1.85	0.065	–0.02	0.26	Não
Autoridade	Ansiedade em sala de aula de língua estrangeira	0.35	5.12	<0.001	0.22	0.48	Sim
Autoridade	Criatividade	–0.28	–4.02	<0.001	–0.42	–0.14	Sim
Perito	Motivação	0.3	4.89	<0.001	0.18	0.42	Sim
Perito	Ansiedade em sala de aula de língua estrangeira	–0.18	–2.95	0.003	–0.30	–0.06	Sim
Perito	Criatividade	0.22	3.56	<0.001	0.1	0.34	Sim
Modelo Pessoal	Motivação	0.25	4.02	<0.001	0.13	0.37	Sim
Modelo Pessoal	Ansiedade em sala de aula de língua estrangeira	–0.22	–3.45	0.001	–0.35	–0.09	Sim
Modelo Pessoal	Criatividade	0.24	3.78	<0.001	0.12	0.36	Sim
Facilitador	Motivação	0.34	5.5	<0.001	0.22	0.46	Sim
Facilitador	Ansiedade em sala de aula de língua estrangeira	–0.28	–4.45	<0.001	–0.40	–0.16	Sim
Facilitador	Criatividade	0.31	4.95	<0.001	0.19	0.43	Sim
Delegador	Motivação	0.29	4.62	<0.001	0.17	0.41	Sim
Delegador	Ansiedade em sala de aula de língua estrangeira	–0.24	–3.85	<0.001	–0.37	–0.11	Sim
Delegador	Criatividade	0.27	4.25	<0.001	0.15	0.39	Sim

Tabela 8: Análise dimensional do estilo de ensino. A tabela apresenta as relações diretas entre as dimensões do estilo de ensino Autoridade, Especialista, Modelo Pessoal, Facilitador e Delegador e as variáveis de resultado motivação, ansiedade na sala de aula de língua estrangeira e criatividade. As estatísticas informadas incluem o coeficiente padronizado de caminho (β), valor t, valor p, limite inferior do intervalo de confiança bootstrap de 95% (LLCI), limite superior do intervalo de confiança bootstrap de 95% (ULCI) e a decisão quanto ao apoio à hipótese.

Tabela 8 apresenta os resultados da análise dimensional dos estilos de ensino. O estilo de ensino Facilitador demonstrou as associações positivas mais fortes com motivação (β = 0,34, p < 0,001) e criatividade (β = 0,31, p < 0,001), juntamente com a associação negativa mais forte com FLCA (β = –0,28, p < 0,001). Os estilos de ensino Especialista, Modelo Pessoal e Delegador também apresentaram associações positivas com motivação (β = 0,30, 0,25 e 0,29, respectivamente) e criatividade (β = 0,22, 0,24 e 0,27, respectivamente), ao mesmo tempo em que mostraram associações negativas com FLCA (β = –0,18, –0,22 e –0,24, respectivamente). Todas essas relações foram estatisticamente significativas. Em contraste, o estilo de ensino Autoridade não apresentou associação significativa com motivação (β = 0,12, p = 0,065). No entanto, mostrou uma associação positiva significativa com FLCA (β = 0,35, p < 0,001) e uma associação negativa significativa com criatividade (β = –0,28, p < 0,001). De modo geral, a análise dimensional demonstra padrões distintos de associação entre as dimensões individuais de estilo de ensino e os resultados de aprendizagem medidos. Em conjunto, a análise dimensional indica que as associações entre estilo de ensino e resultados dos alunos variam conforme as dimensões do estilo de ensino. Relações estatisticamente significativas foram observadas na maioria das dimensões de estilo de ensino, enquanto o estilo de ensino Autoridade não demonstrou associação estatisticamente significativa com motivação.

Validade Preditiva do Modelo Interno Utilizando PLS Predict

A validade preditiva do modelo estrutural foi avaliada utilizando o procedimento PLS Predict para analisar o desempenho preditivo do modelo fora da amostra. A relevância preditiva foi avaliada por meio da estatística Q² Predict, juntamente com medidas de erro de predição, incluindo o erro quadrático médio (RMSE) e o erro absoluto médio (MAE). Os valores de Q² Predict variaram de 0,32 a 0,48 entre os construtos endógenos, indicando relevância preditiva positiva. Motivação e criatividade apresentaram os valores mais altos de Q² Predict (0,42 e 0,48, respectivamente). Os valores de erro de predição também foram examinados, com RMSE variando de 0,54 a 0,63 e MAE variando de 0,41 a 0,49 entre os construtos endógenos (Tabela 9).

Construto	Coeficiente de Determinação (R²)	Relevância Preditiva (Q² Predict)	Erro Quadrático Médio (RMSE)	Erro Médio Absoluto (MAE)
Motivação	0.45	0.42	0.61	0.48
Ansiedade em Sala de Aula de Língua Estrangeira	0.38	0.32	0.63	0.49
Criatividade	0.42	0.48	0.54	0.41

Tabela 9: Desempenho preditivo do modelo estrutural. A tabela resume o desempenho preditivo dos construtos endógenos avaliados utilizando modelagem de equações estruturais por mínimos quadrados parciais (PLS-SEM). As estatísticas relatadas incluem o coeficiente de determinação (R²), a relevância preditiva (Q² Predict), o erro quadrático médio (RMSE) e o erro absoluto médio (MAE). Valores mais altos de R² e Q² Predict indicam maior desempenho explicativo e preditivo, enquanto valores mais baixos de RMSE e MAE indicam menor erro de predição.

Tabela 9 resume o desempenho preditivo do modelo estrutural. O coeficiente de determinação (R²) indicou que o modelo explicou 45% da variância na motivação, 38% da variância na AFLE e 42% da variância na criatividade. Os valores Q² Predict para motivação (0,42), AFLE (0,32) e criatividade (0,48) foram todos superiores a zero, o que sustenta a relevância preditiva do modelo. Os valores de RMSE variaram de 0,54 a 0,63, enquanto os valores de MAE variaram de 0,41 a 0,49, indicando os erros de predição para os construtos endógenos. De modo geral, as medidas de desempenho preditivo sustentam a capacidade preditiva do modelo estrutural.

A Figura 4 ilustra o desempenho preditivo dos construtos endógenos apresentando o coeficiente de determinação (R²), a relevância preditiva (Q² Predict) e as medidas de erro de predição (RMSE e MAE). Entre os construtos endógenos, a criatividade apresentou o maior valor de Q² Predict (0,48), juntamente com os menores erros de predição (RMSE = 0,54; MAE = 0,41), enquanto a motivação demonstrou a maior variância explicada (R² = 0,45). De modo geral, a análise PLS Predict demonstrou relevância preditiva positiva para todos os construtos endógenos. Os resultados de R², Q² Predict, RMSE e MAE, em conjunto, apoiam o desempenho preditivo do modelo estrutural para motivação, FLCA e criatividade (Tabela 9; Figura 4).

Figura 4. Desempenho preditivo do modelo estrutural. O gráfico apresenta o coeficiente de determinação (R²), erro quadrático médio (RMSE), erro absoluto médio (MAE) e os valores preditivos de Q² para os construtos endógenos de motivação, ansiedade e criatividade. As barras representam os valores de R², RMSE e MAE, e a linha com marcadores circulares representa os valores preditivos de Q². Valores mais altos de R² e Q² preditivo indicam maior desempenho explicativo e preditivo, respectivamente, enquanto valores menores de RMSE e MAE indicam menor erro de predição. Clique aqui para visualizar uma versão maior desta figura.

Disponibilidade de Dados:

O conjunto de dados anonimizado em nível de participantes que sustenta os achados deste estudo é fornecido como Tabela Suplementar 1. A ficha informativa aos participantes e o termo de consentimento livre e esclarecido estão disponíveis no Arquivo Suplementar 1, e o questionário de pesquisa utilizado para a coleta de dados é fornecido no Arquivo Suplementar 2.

Tabela Suplementar 1. Conjunto de dados bruto dos participantes utilizado nas análises estatísticas. Esta tabela contém o conjunto de dados anonimizado em nível de participante utilizado nas análises estatísticas. As variáveis incluem informações demográficas e respostas em nível de item sobre estilo de ensino, uso do ChatGPT, alfabetização digital, motivação, ansiedade em sala de aula de língua estrangeira e criatividade. Os rótulos dos itens (por exemplo, TL1, CHATGPT1, DL1, M1, FLCA1, CR1) correspondem aos itens do questionário descritos na seção Ferramentas e Medidas. Nenhuma informação pessoal identificável está incluída.Clique aqui para baixar este arquivo.

Arquivo Suplementar 1. Ficha de informações ao participante e formulário de consentimento informado. Este arquivo suplementar contém a ficha de informações ao participante e o formulário de consentimento informado utilizados para a recrutamento dos participantes. Ele descreve os objetivos do estudo, critérios de elegibilidade, procedimentos do estudo, participação voluntária, riscos e benefícios potenciais, confidencialidade, proteção de dados e as informações de contato fornecidas aos participantes antes da conclusão do questionário.Clique aqui para baixar este arquivo.

Arquivo Suplementar 2. Questionário da pesquisa utilizado para coleta de dados. Este arquivo suplementar contém o questionário completo aplicado aos participantes. O instrumento inclui perguntas demográficas e itens individuais que avaliam estilo de ensino, uso do ChatGPT, alfabetização digital, motivação, ansiedade em sala de aula de língua estrangeira e criatividade. As respostas foram registradas utilizando uma escala Likert de 5 pontos, variando de 1 (Discordo Totalmente) a 5 (Concordo Totalmente). Os itens do questionário correspondem aos instrumentos de medida descritos na seção Ferramentas e Medidas do manuscrito.Clique aqui para baixar este arquivo.

Discussão

Este estudo investigou as relações entre estilo de ensino, uso do ChatGPT, alfabetização digital, motivação, ansiedade em relação à língua estrangeira (FLCA) e criatividade entre estudantes universitários sauditas de LE, com atenção especial ao papel mediador da motivação. Os resultados fornecem evidências sobre as relações entre práticas pedagógicas, uso de tecnologia e características dos aprendizes no contexto de aprendizagem de línguas mediada por tecnologia. A associação positiva entre estilo de ensino e motivação dos alunos de LE (H1 confirmada) está de acordo com a Teoria da Autodeterminação (SDT), que propõe que práticas de ensino que apoiam a autonomia facilitam a motivação intrínseca ao satisfazer as necessidades psicológicas básicas dos alunos por autonomia, competência e relacionamento⁶¹. Os achados observados sugerem que abordagens de ensino centradas no aluno, como os estilos Facilitador e Delegador, estão associadas a níveis mais elevados de engajamento discente e interesse sustentado na aprendizagem de línguas. Esses resultados são consistentes com pesquisas anteriores que relatam que estilos de ensino caracterizados por flexibilidade, receptividade e oportunidades de participação dos alunos estão associados a um engajamento motivacional maior do que abordagens mais centradas no professor⁶². No contexto saudita, onde reformas educacionais sob a Visão 2030 incentivam pedagogias centradas no aluno, a associação positiva observada pode refletir a implementação dessas abordagens instrucionais em salas de aula de LE⁶³. A associação positiva significativa entre o uso do ChatGPT e a motivação (H2 confirmada) também pode ser interpretada dentro de referenciais teóricos estabelecidos. Do ponto de vista da SDT, o ChatGPT pode apoiar a autonomia dos aprendizes ao permitir a prática autodirigida da língua e pode promover a competência por meio de feedback imediato e personalizado⁶⁴. Além disso, sua interface conversacional pode oferecer oportunidades de prática autêntica da língua fora da sala de aula, o que pode aumentar o engajamento dos alunos com o aprendizado do inglês⁶⁵. Essas observações sugerem que o ChatGPT pode funcionar como um recurso de aprendizagem de apoio que complementa o ensino em sala de aula. O Modelo de Aceitação da Tecnologia fornece ainda uma explicação teórica para essa relação, propondo que aprendizes que percebem o ChatGPT como útil e fácil de usar têm maior probabilidade de se envolver com a tecnologia, favorecendo assim a continuidade da aprendizagem. Da mesma forma, a associação positiva entre alfabetização digital e motivação (H3 confirmada) destaca a importância da capacidade dos alunos de utilizar eficazmente tecnologias digitais de aprendizagem. Estudantes com níveis mais elevados de alfabetização digital podem estar melhor posicionados para utilizar ferramentas de aprendizagem com suporte de IA de forma eficiente, enfrentar menos barreiras tecnológicas e reconhecer o valor educacional da integração da tecnologia⁶⁶. No contexto saudita, onde foram feitos investimentos substanciais em infraestrutura digital e tecnologias educacionais⁶⁷, esses achados enfatizam a contribuição potencial da alfabetização digital para a aprendizagem de línguas mediada por tecnologia.

Uma contribuição central deste estudo é a identificação da motivação como um mediador significativo nas relações entre estilo de ensino, uso do ChatGPT, alfabetização digital e ansiedade na aprendizagem de línguas estrangeiras (FLCA, conforme suporte às hipóteses H6–H8). A associação negativa entre motivação e FLCA (H4 suportada) está de acordo com perspectivas teóricas que sugerem que a motivação intrínseca atua como um recurso psicológico que ajuda os aprendizes a lidar com os desafios emocionais associados à aquisição de uma língua⁶⁸. Estudantes motivados podem ter maior probabilidade de persistir ao enfrentar dificuldades linguísticas, encarar erros como oportunidades de aprendizagem e manter a autoeficácia durante tarefas desafiadoras de linguagem, tais como apresentações orais e exames. A associação negativa entre FLCA e criatividade (H5 suportada) também está de acordo com pesquisas anteriores que indicam que a ansiedade pode limitar a disposição dos aprendizes de experimentar formas linguísticas novas e se envolver em usos criativos da linguagem⁶⁹. No contexto saudita de ensino de inglês como língua estrangeira (EFL), onde a FLCA tem sido identificada como um obstáculo à aprendizagem da língua, esses achados destacam a importância de ambientes de aprendizagem que apoiem a motivação dos alunos enquanto reduzem barreiras emocionais à participação. As análises de mediação sugerem ainda que a motivação representa um mecanismo importante por meio do qual práticas de ensino acolhedoras, o uso do ChatGPT e a alfabetização digital estão associadas a níveis mais baixos de FLCA. Esses achados ampliam pesquisas anteriores ao destacar o papel potencial da motivação na ligação entre fatores instrucionais e tecnológicos e os resultados dos aprendizes nas salas de aula de EFL na Arábia Saudita.

A análise dimensional do estilo de ensino (Tabela 8) revelou padrões distintos nas cinco dimensões do estilo de ensino. O estilo de ensino Autoridade estava associado a níveis mais elevados de ansiedade no ensino de línguas estrangeiras (FLCA) e menor criatividade, enquanto sua associação com a motivação não foi estatisticamente significativa. Em contraste, os estilos de ensino Facilitador, Especialista, Modelo Pessoal e Delegador mostraram-se positivamente associados à motivação e à criatividade e negativamente associados à ansiedade no ensino de línguas estrangeiras. Esses resultados sugerem que os estilos de ensino podem diferir em suas relações com os resultados motivacionais, emocionais e criativos dos aprendizes. Uma explicação possível é fornecida pela Teoria da Autodeterminação (SDT), que propõe que abordagens de ensino que apoiam a autonomia do aprendiz são mais propensas a fomentar a motivação intrínseca, enquanto abordagens instrucionais altamente diretivas podem oferecer estrutura, mas proporcionam menos oportunidades para o engajamento autônomo. No contexto educacional saudita, abordagens instrucionais estruturadas podem reduzir a incerteza para alguns aprendizes ao fornecer expectativas e orientações claras. Ao mesmo tempo, um maior controle por parte do professor pode reduzir as oportunidades de aprendizagem independente e de uso criativo da língua. Esses achados sugerem que abordagens instrucionais que equilibram orientações claras com oportunidades para autonomia do aprendiz podem favorecer resultados educacionais positivos. Estudos futuros utilizando desenhos longitudinais ou experimentais ajudarão a esclarecer essas relações e a examinar como diferentes estilos de ensino influenciam a motivação, a ansiedade no ensino de línguas estrangeiras e a criatividade ao longo do tempo.

Este estudo contribui para a compreensão teórica da aprendizagem de LE por integrar a Teoria da Autodeterminação (SDT) e o Modelo de Aceitação da Tecnologia para examinar como abordagens pedagógicas e a aprendizagem com suporte de IA estão associadas aos resultados dos alunos por meio da motivação. Os resultados indicam que o estilo de ensino, o uso do ChatGPT e a alfabetização digital estão associados à motivação, a qual, por sua vez, está associada à ansiedade em sala de aula de língua estrangeira. Os achados também apoiam a aplicação da SDT no contexto de aprendizagem de línguas com tecnologia ao indicar que oportunidades de prática autodirigida e feedback personalizado fornecidos pelo ChatGPT podem atender às necessidades psicológicas dos alunos por autonomia e competência. Além disso, a análise dimensional dos estilos de ensino destaca que diferentes abordagens instrucionais estão associadas a resultados distintos para o aprendiz, sugerindo que a eficácia dos estilos de ensino pode depender do contexto educacional e dos resultados específicos considerados. Os resultados também têm implicações práticas para o ensino de LE e políticas educacionais na Arábia Saudita. Programas de desenvolvimento profissional docente podem se beneficiar ao enfatizar abordagens instrucionais que equilibram orientações claras com oportunidades de autonomia do aluno, apoiando assim a motivação dos estudantes enquanto reduzem a ansiedade em sala de aula de língua estrangeira. A integração de ferramentas com suporte de IA, como o ChatGPT, no ensino de línguas pode oferecer oportunidades adicionais para brainstorming, redação e prática conversacional, desde que acompanhadas por orientação pedagógica adequada. Da mesma forma, iniciativas de alfabetização digital podem ajudar os alunos a desenvolver as habilidades necessárias para utilizar eficazmente tecnologias de aprendizagem com suporte de IA, incluindo avaliação de informações, uso ético da tecnologia e aplicação estratégica de ferramentas de IA. Em nível institucional, investimentos contínuos em infraestrutura digital, desenvolvimento curricular que incorpore atividades de aprendizagem com tecnologia e práticas de avaliação que incentivem o uso significativo da língua podem apoiar ainda mais a aprendizagem dos alunos. Além disso, ambientes de aprendizagem que ofereçam suporte emocional por meio de oportunidades de aprendizagem de baixa pressão, feedback construtivo, colaboração entre pares e reconhecimento do uso criativo da língua podem contribuir para uma motivação aprimorada e redução da ansiedade em sala de aula de língua estrangeira. Em conjunto, esses achados podem orientar práticas educacionais e iniciativas políticas que apoiem a aprendizagem de línguas com tecnologia dentro dos objetivos mais amplos da Visão 2030 da Arábia Saudita.

Este estudo examinou as relações entre estilo de ensino, uso do ChatGPT, alfabetização digital, motivação, ansiedade em sala de aula de língua estrangeira e criatividade entre estudantes universitários sauditas de LE, com atenção especial ao papel mediador da motivação. Os resultados indicam que o estilo de ensino, o uso do ChatGPT e a alfabetização digital estiveram positivamente associados à motivação dos alunos. Por sua vez, a motivação esteve negativamente associada à ansiedade em sala de aula de língua estrangeira, enquanto a AALE foi negativamente associada à criatividade. Esses achados sugerem que a motivação é um mecanismo importante que conecta fatores pedagógicos e tecnológicos aos resultados do aprendiz no contexto de salas de aula de LE na Arábia Saudita. Os resultados também destacam a importância de ambientes de aprendizagem que apoiem tanto as necessidades motivacionais quanto emocionais dos alunos. A análise dimensional dos estilos de ensino demonstrou que o estilo de ensino Autoridade esteve associado a níveis mais altos de AALE e menor criatividade, enquanto os estilos de ensino Facilitador, Especialista, Modelo Pessoal e Delegador estiveram associados a maior motivação e criatividade e menor ansiedade. Esses resultados sugerem que abordagens instrucionais que equilibram orientação clara com oportunidades de autonomia do aluno podem favorecer experiências de aprendizagem positivas e o desenvolvimento linguístico. No contexto da Visão 2030 da Arábia Saudita, os achados têm implicações práticas para o ensino de línguas. A integração de estratégias de ensino centradas no aluno, ferramentas de aprendizagem apoiadas por IA, como o ChatGPT, e o desenvolvimento da alfabetização digital podem contribuir para o aprendizado de línguas aprimorado por tecnologia, ao mesmo tempo que apoiam a motivação do aluno e reduzem a ansiedade em sala de aula de língua estrangeira. Em conjunto, este estudo fornece evidências que sustentam o papel das práticas pedagógicas, da aprendizagem apoiada por IA e da competência digital no ensino de LE e oferece uma base para futuras pesquisas longitudinais e baseadas em intervenção que examinem essas relações em diversos contextos educacionais.

Várias limitações deste estudo devem ser reconhecidas. Primeiro, o delineamento transversal limita a capacidade de estabelecer inferências causais sobre as relações entre as variáveis do estudo. Embora o referencial teórico proponha relações direcionais, os resultados devem ser interpretados como associações, e não como evidência de causalidade. Pesquisas futuras devem empregar delineamentos longitudinais para examinar as mudanças na motivação, na ansiedade em sala de aula de língua estrangeira e na criatividade ao longo do tempo, bem como delineamentos experimentais ou baseados em intervenção para avaliar de forma mais rigorosa as relações propostas. Tais estudos poderiam investigar se abordagens instrucionais que enfatizam a autonomia do aprendiz estão associadas a mudanças subsequentes na motivação, na ansiedade em sala de aula de língua estrangeira e na criatividade. Segundo, a amostra foi obtida de uma única universidade pública na Arábia Saudita, o que pode limitar a generalização dos resultados para outros contextos educacionais e culturais. As características do ensino superior saudita, incluindo práticas de avaliação, reformas educacionais em andamento e perspectivas culturais sobre a autoridade do professor, podem influenciar as relações observadas. Pesquisas futuras devem examinar essas relações em múltiplas instituições e regiões dentro da Arábia Saudita e em outros países, a fim de determinar a consistência dos resultados em diferentes ambientes educacionais. Terceiro, este estudo baseou-se em dados autorrelatados, que podem ser afetados por viés de desejabilidade social, viés de memória e variância comum do método. Embora tenham sido utilizados instrumentos de medida validados e procedimentos de pré-teste, estudos futuros poderiam incorporar fontes adicionais de dados, como observações em sala de aula, análises de aprendizagem, registros de uso de IA ou avaliações baseadas em desempenho da proficiência linguística e da criatividade, para fornecer evidências complementares. Abordagens multimétodos e mistas podem fortalecer ainda mais a compreensão das relações identificadas neste estudo. Por fim, a análise dimensional dos estilos de ensino identificou associações distintas entre o estilo de ensino Autoritário e os resultados do aprendiz. Pesquisas qualitativas futuras, incluindo entrevistas, grupos focais e observações em sala de aula, poderiam fornecer maior compreensão sobre como diferentes estilos de ensino influenciam a motivação dos alunos, a ansiedade em sala de aula de língua estrangeira e a criatividade, particularmente no contexto de ESL saudita. Esse trabalho complementaria os achados atuais e contribuiria para uma compreensão mais abrangente da aprendizagem de línguas com apoio tecnológico.

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
Escala de uso do ChatGPT (adaptada)	Autores; adaptado de Abbas et al.	N/A	Questionário de oito itens que avalia o uso do ChatGPT pelos alunos para aprendizagem de idiomas.
Escala de criatividade (adaptada)	Autores; adaptado de Govindasamy et al.	N/A	Questionário de doze itens que avalia originalidade, flexibilidade, fluência e elaboração.
Escala de letramento digital (adaptada)	Autores; adaptado de Rodríguez-de-Dios et al.	N/A	Questionário de vinte e nove itens que mede seis dimensões do letramento digital.
Escala de ansiedade na sala de aula de língua estrangeira (FLCA, na sigla em inglês) (adaptada)	Autores; adaptado de Briesmaster & Briesmaster	N/A	Questionário de vinte e sete itens que mede apreensão na comunicação, ansiedade em testes e medo de avaliação negativa.
G*Power	Universidade Heinrich Heine de Düsseldorf	Versão 3.1.9.7; RRID: SCR_013726	Software utilizado para análise estatística pós-hoc de poder estatístico.
IBM SPSS Statistics	IBM Corp.	Versão 26; RRID: SCR_002865	Software estatístico utilizado para limpeza de dados, estatísticas descritivas, análises de confiabilidade e análises preliminares.
Análise da distância de Mahalanobis	IBM SPSS Statistics	Versão 26; RRID: SCR_002865	Procedimento estatístico implementado no IBM SPSS Statistics para identificar outliers multivariados.
Escala de motivação (adaptada)	Autores; adaptado de Kanoksilapatham et al.	N/A	Questionário de vinte itens que avalia a motivação do aluno.
Questionário em papel	Autores	N/A	Versão impressa do questionário autoaplicável estruturado, utilizado para coleta de dados presencial.
Plataforma segura de pesquisa online	Google LLC	N/A	Plataforma Google Forms utilizada para distribuição eletrônica do questionário.
SmartPLS	SmartPLS GmbH	Versão 4; RRID: SCR_036419	Software utilizado para Modelagem de Equações Estruturais por Mínimos Quadrados Parciais (PLS-SEM), incluindo avaliação do modelo de medida, análise do modelo estrutural, reamostragem bootstrap (5.000 reamostragens) e análise de mediação.
Questionário autoaplicável estruturado	Autores	N/A	Questionário aplicado em formatos impresso e eletrônico utilizando escala Likert de 5 pontos (1 = Discordo totalmente a 5 = Concordo totalmente).
Inventário de Estilo de Ensino (adaptado)	Autores; adaptado do Inventário de Estilo de Ensino de Grasha	N/A	Questionário que mede os estilos de ensino Autoridade, Especialista, Modelo Pessoal, Facilitador e Delegador.
Canais de comunicação da universidade	Universidade de Jeddah	N/A	Anúncios oficiais por e-mail e em sala de aula utilizados para recrutamento de participantes.