Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.

Исследовательская статья

Как цифровое благополучие и генеративный ИИ достигают академических успехов студентов и целей устойчивого развития

745 просмотров

⸱

DOI:

10.3791/70211

⸱

27 февраля 2026 г.

1Xuzhou Kindergarten Teachers College

В этой статье

Краткое содержание

В этом исследовании установлено, что цифровое благополучие и генеративный ИИ способствуют вовлечению английского как иностранного языка, что приводит к улучшению академической успеваемости. Более высокие достижения повышают осведомлённость о целях устойчивого развития, связывая образовательные технологии с учебными и устойчивыми результатами.

Аннотация

В данном исследовании рассматривается, как цифровое благополучие и генеративное внедрение ИИ способствуют академическому успеху студентов по английскому как иностранному языку (EFL) и вовлечению студентов в достижение Целей устойчивого развития (SDGs). С помощью количественного поперечного дизайна данные были собраны у 440 участников по валидированным шкалам, измеряющим цифровое благополучие, использование ИИ, вовлечённость в обучение, академическую успеваемость и осведомлённость о ЦУР. Моделирование структурных уравнений с частичными наименьшими квадратами (PLS-SEM) использовалось для анализа взаимосвязей между этими конструкциями при оценке прогностической достоверности и устойчивости модели. Результаты показывают, что как цифровое благополучие, так и генеративный ИИ значительно повышают вовлечённость в обучение английскому языку (EFL), что, в свою очередь, способствует академическому успеху. Кроме того, академические достижения положительно влияют на осведомлённость учащихся о ЦУР, подчёркивая взаимосвязь цифрового образования и результатов устойчивого развития. В исследовании выявлено вовлечённость в обучение как критический посредник между технологическим развитием обучения и академической успеваемостью. Эти результаты подчёркивают важность интеграции стратегий цифрового благополучия и грамотности на основе ИИ в образовательные рамки для стимулирования как академических достижений, так и глобального гражданства. Эти достижения достигаются путём разработки учебных программ и педагогики, которые одновременно учат студентов управлять своей цифровой жизнью для эффективного обучения и дают им возможность использовать и критиковать передовые технологии для понимания и решения самых насущных вызовов мира.

Введение

В эпоху, отмеченную стремительным технологическим прогрессом, интеграция цифрового благополучия и генеративного искусственного интеллекта (GAI) в образование стала преобразующей силой с далеко идущими последствиями для академических успеваний учащихся и Целей устойчивого развития ООН (SDGs)1. В то время как цифровое благополучие сосредоточено на продвижении здорового использования технологий для улучшения когнитивного и эмоционального баланса, GAI открывает беспрецедентные возможности для персонализированногообучения 2, доступности иобразовательной эффективности 3. Тем не менее, несмотря на развитие интересов в этих областях по всему миру, существующий корпус знаний разрознен, и мало внимания уделяется будущим обещаниям в их синергии с развитием академических успехов и продвижению глобальных этаповустойчивого развития 4. Это исследование помогает заполнить этот столь необходимый пробел, подробно исследуя, как ответственное использование ГАИ, опираясь на принципы цифрового благополучия, может максимизировать результаты обучения, но одновременно поддерживать ключевые ЦУР, особенно ЦУР 4 (качественное образование), ЦУР 3 (хорошее здоровье и благополучие) и ЦУР 10 (сокращение неравенства).

Обзор современной литературы выявляет несколько малоизученных аспектов. Во-первых, хотя исследования цифрового благополучия подчёркивают риски чрезмерного времени перед экраном, цифровых отвлечений и проблем психического здоровья средистудентов 5, мало кто изучал, как структурированные практики цифровой осознанности могут сосуществовать с инструментами обучения на базеИИ 6. Во-вторых, исследования ГАИ в образовании в основном подчеркивают его эффективность в автоматизации оценок, создании контента и обеспечении адаптивногообучения 7, но при этом игнорируют его психологическое и поведенческое влияние на благополучиеучащихся 8. В-третьих, хотя рамки ЦУР выступают за инклюзивное и справедливое образование, минимальное внимание уделяется тому, как образовательные среды, усиленные ИИ, при проектировании с учётом благополучия, могут сократить образовательные различия и способствовать устойчивым образовательнымпрактикам 9. Эти пробелы подчёркивают необходимость интегративного подхода, который гармонизирует технологические инновации с ориентированными на человека стратегиями благополучия.

В данном исследовании рассматриваются эти ограничения, предлагая новую структуру, которая согласует принципы цифрового благополучия с применением GAI в образовании. В отличие от предыдущегоисследования 10, которое анализировало эти понятия независимо, наше исследование рассматривает их динамику именно таковой и представляет эмпирические доказательства того, как такой ИИ может быть морально реализован для поддержки, а не для подрыва концентрации, мотивации и долгосрочных академических достижений студентов. Таким образом, настоящая рукопись расширит дальнейшие обсуждения в сферах образовательных технологий, психологии и науки о устойчивом развитии, предоставив актуальный вариант, который заинтересует большое количество читателей, исследователей, политиков и педагогов, заинтересованных в поиске основанных на доказательствах подходов к поиску правильного баланса между интеграцией технологий и устойчивым развитием. Комплексное развитие учащихся и учащихся.

Теоретический вклад этого исследования тройный. Во-первых, он продвигает дискурс о цифровом благополучии, вводя новое измерение благополучия, опосредованного ИИ, которое исследует, как генеративный ИИ можно настроить для минимизации когнитивной перегрузки и стимулирования осознанноговзаимодействия 11. Во-вторых, он опирается на литературу по ИИ в образовании, интегрируя вопросы благополучия как важной элемента дизайна, нарушая существующие дискурсы, ориентированные наэффективность 12. В-третьих, он повышает качество научных исследований по ЦУР, показывая, как обновлённые образовательные системы с помощью ИИ могут стать драйверами устойчивого развития, особенно в сокращении цифровых разрывов и обеспечении умственной устойчивости учащихся. Эти инновации теоретика выводят наши исследования в число авангардных междисциплинарных исследований, предоставляя взгляд на современную взаимозависимость технологий, образования и устойчивого развития в глобальном масштабе. С академической точки зрения исследование даёт целостную структуру того, как можно оценить двойственный результат GAI и цифрового благополучия по результатам обучения с помощью эмпирическихданных 13. Среди политиков он предлагает практические рекомендации по этичному регулированию использования ИИ в образовании, защищая безопасностьучеников 14 лет. Для педагогов это показывает основанные на доказательствах методы внедрения инструмента ИИ, который может поддерживать, но не нарушать эффективностьпедагогики 15. Кроме того, связь между этими результатами и ЦР даёт более широкую картину общих последствий технологически развитого образования для общества, поэтому цифровое новаторство должно быть согласовано с устойчивым человеческим развитием.

Появление быстро распространяющихся цифровых технологий и генеративного искусственного интеллекта (ИИ) в образовании вызвало огромный интеллектуальный интерес к их совокупному влиянию на академический уровень учащихся и достижение целей целей общества, включая Цельустойчивого развития No16. Хотя эти технологические разработки обладают революционным потенциалом, их применение в педагогической среде представляет собой богатую область полярностей и спорной логистики, где существующие исследования должны критически синтезироваться для определения инсайтов и ограничений предстоящихисследований 17. В этом обзоре литературы будут рассмотрены представления по трём смежным областям: (1) цифровое благополучие и его образовательные последствия, (2) генеративный ИИ и его влияние на образовательную практику, и (3) совместимость указанных технологических вмешательств с Целями устойчивого развития, особенно теми, что касаются качественного образования, здравоохранения и равенства. Цифровое благополучие стало критически важной областью изучения в всё более технологически погруженных учебныхсредах 18. Хотя исследования выявляют такие риски, как когнитивная перегрузка, цифровое отвлечение и пассивное потребление, связанные с чрезмерным использованием экрана, растёт признание потенциала смягчения этихэффектов 19. Стратегические вмешательства, такие как цифровая осознанность, целенаправленное использование технологий и метакогнитивная рефлексия, могут способствовать значимому вовлечению и защищать психическое и эмоциональное здоровье. Важно, что цифровое благополучие выходит за рамки минимизации экранного времени; Она включает в себя формирование сбалансированных, самостоятельных отношений с Technology20. Эта точка зрения особенно актуальна в образовательных условиях с использованием ИИ, где этические проблемы, такие как алгоритмическая предвзятость и чрезмерная зависимость от автоматизации, могут напрямую повлиять на чувство компетентности, автономии21 и родственности студентов — ключевых психологических потребностей, необходимых для мотивации иблагополучия. Для преодоления этого разрыва необходима структура, которая не только учитывает риски цифрового взаимодействия, но и проактивно интегрирует принципы благополучия в разработку и использование генеративных инструментов ИИ в образовании.

С новизной генеративного ИИ, который создаёт текст, фотографии и игры, похожие начеловека, реагирующие на действия, открыла новую сферу возможностей персонализированного и адаптивного обучения. Исследования подтвердили, что он эффективен в автоматизации административных процессов, создании персонализированных учебных ресурсов, предоставлении обратной связи в реальном времени и повышении эффективности и доступностиинструкций 24. Например, инструменты на базе искусственного интеллекта, такие как Intelligent Tutoring Systems и ChatGPT, были продемонстрированы как способствующие дифференцированномуобучению 25. Тем не менее, существуют также этические и психологические последствия педагогического использования генеративного ИИ, такие как проблема академической честности, предвзятость алгоритма и возможность потери студентами критического мышления при чрезмерной зависимости от ИИработ 26. Хотя текущие исследования предоставляют огромное количество информации о функциональных способностях ИИ в образовании, они упускают из виду психологические и поведенческие последствия для учащихся, особенно в области цифровогоблагополучия 27. Этот промах указывает на необходимость более тщательного рассмотрения способов, которыми генеративный ИИ может быть использован для улучшения когнитивного и эмоционального здоровья студентов, а не для вредаим 28. Сочетание цифрового благополучия и генеративного ИИ также приобретает новое значение, когда оно проходит через призму ЦУР, через которые мир разработал глобальный призыв к справедливому и устойчивому развитию. Со своей стороны, ЦУР 4 (Качественное образование) требует справедливого и инклюзивного доступа к образовательнымвозможностям 29. Аналогично, ЦУР 3 (Хорошее здоровье и благополучие) и ЦУР 10 (Сокращение неравенства) подчеркивают необходимость заботы о психическом здоровье и продвижении социальной справедливости, что связано с цифровым опытомстудентов 30 лет. Однако ИИ и ЦУР сейчас обсуждаются в технопозитивистском ключе, похваляя масштабируемость вмешательств ИИ и игнорируя психосоциальные аспекты использованиятехнологий 31. Для иллюстрации ИИ может персонализировать учебный опыт малообеспеченных групп населения, его внедрение не обеспечивает защиты благополучия, что может увеличить цифровую усталость и увеличить разрыв в неравенстве между учениками с разным доступом к технологиям и способностями к саморегулированию32. Напряжение между инновациями и благополучием усиливает тот факт, что этот пробел в литературе жизненно важен — существование последовательной, согласованной структуры, объединяющей образовательный прогресс, основанный на ИИ, с гуманистическими идеаламиЦелей устойчивого развития 33.

Образовательная психология, взаимодействие человека и компьютера и исследования устойчивого развития представляют собой некоторые из теоретических подходов, которые могут предоставить полезные взгляды для объединения этих двух различных направлений исследований. Примером такой теории является теория самоопределения (SDT), согласно которой здоровое обучение и благополучие могут быть достигнуты, когда люди испытывают удовлетворение автономией, компетентностью иродственностью 34. При применении к цифровым средам SDT подразумевает, что генеративный ИИ может увеличивать автономию через индивидуальные учебные программы и компетентность благодаря адаптивности обратной связи, но также должен быть разработан для поддержки родственности путём преодоления социальногосмещения 35. Аналогично, понятие цифрового баланса — состояние, при котором использование технологий соответствует как индивидуальному, так и коллективному благополучию, — предоставляет нормативную основу для оценки роли ИИ вобразовании 36. Тем не менее, эти теоретические конструкции редко воплощались в эмпирическом анализе образовательных сред с поддержкой ИИ, что оставляет вопросы о том, как возможно создавать системы ИИ, которые по своей сути ориентированы на цифровоеблагополучие 37. Критический обзор литературы показывает, что существуют несколько неразрешённых напряжённостей и областей будущегоразвития 38. Для начала, хотя вопрос цифрового благополучия разумно сосредоточен на сдержанности и осознанности, генеративный ИИ — это вопрос вовлечённости и погружения, парадокс которого требует эмпирическихрешений 39. Во-вторых, этическая дискуссия вокруг ИИ в образовании во многом основана на конфиденциальности данных и алгоритмической прозрачности, не уделяя особого внимания психологическим последствиям взаимодействия с AI40. В-третьих, акцент на устойчивом развитии и справедливости, предоставляемый Целями устойчивого развития, не полностью связан с техническими и педагогическими аспектами непосредственного внедрения ИИ. Чтобы преодолеть это нарушение, важно пересекать дисциплины и использовать знания когнитивной науки, поведенческой экономики и образовательной политики для создания рамок, которые будут не только технологически устойчивыми, но и гуманными. Рисунок 1 показывает концептуальную структуру настоящего исследования, которая включает все переменные и их взаимосвязь между путями. В этой модели гипотетическая связь между переменными исследования приводится в концептуальной структуре.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

Это исследование не требовало формального этического одобрения от Институционального наблюдательного совета (IRB), поскольку включало анонимные опросы и/или интервью с участниками, предоставившими информированное согласие. Персональные или конфиденциальные данные не собирались, и все ответы рассматривались как конфиденциальные исключительно для исследовательских целей. Участие было добровольным, и респонденты были информированы о целях исследования перед тем, как внести своё мнение.

В исследовании использовался количественный, поперечный дизайн для изучения взаимосвязи между цифровым благополучием, использованием генеративного ИИ и академическими результатами среди студентов, изучающих английский как иностранный язык (EFL). Данные были собраны в рамках онлайн-опроса из целенаправленно выбранной популяции из 440 студентов бакалавриата, изучающих английский язык (EFL) в нескольких китайских университетах, которые активно использовали инструменты генеративного ИИ в обучении. Структурированный опросник использовал проверенные шкали, включая 12-пунктную показатель цифрового благополучия41, 8-пунктную шкалу для использования генеративного ИИ, самовоспринимаемую академическуюшкалу успеха 42 и показатели осведомлённости о ЦУР и вовлечённости в обучение, все с использованием 5-балльных ответов Likert. Анализ данных проводился по двухфазному протоколу с использованием SPSS v.27 для описательной статистики и проверки надёжности, а также SmartPLS v.4.0 для моделирования структурных уравнений с частичными наименьшими квадратами (PLS-SEM) для оценки измерительных и структурных моделей, с применением бутстрэппинга для значимости тестового пути.

Дизайн исследований
Дизайн исследований, использованный в этом исследовании, является количественным и поперечным, чтобы определить, как цифровое благополучие, генеративный ИИ, академический успех студентов и SDG взаимосвязаны между студентами EFL. Поперечный дизайн позволяет исследователю собирать данные в определённый момент времени и даёт представление о изучаемых переменных. Количественный исследовательский дизайн делает результаты основанными на измеримой и статистически анализируемой информации, делая результаты более надёжными и обобщёнными. Этот шаблон особенно применим для анализа прямых и косвенных эффектов цифрового благополучия и генеративного ИИ на академические достижения и Цели устойчивого развития, поскольку он позволит применять сложные статистические процедуры, такие как структурное моделирование уравнений.

Популяция и выборка
Целевая группа для этого исследования состояла из студентов бакалавриата, обучавшихся по программам английского как иностранного языка (EFL) в высших учебных заведениях Китая. Для участия студенты должны были соответствовать следующим критериям инклюзии: быть зачисленным в бакалавриат, активно использовать инструменты генеративного ИИ (такие как ChatGPT, Copilot или аналогичные платформы для помощи в написании, исследований или генерации контента) в рамках обычного учебного процесса, а также предоставлять информированное согласие. Критерии исключения включали отсутствие использования генеративного ИИ в академических целях, отсутствие аспирантуры или отсутствия степени, а также предоставление неполных ответов на опросы.

Была использована целенаправленная техника выборки для привлечения участников, соответствующих этим критериям, обеспечивая осмысленное измерение основной переменной использования ИИ. Итоговая выборка включала N = 440 участников — размер, признанный достаточным для статистической устойчивости, необходимой для моделирования структурных уравнений с частичными наименьшими квадратами (PLS-SEM). Для повышения репрезентативности и обобщённости набор охватывал несколько университетов и различные академические дисциплины (гуманитарные науки, социальные науки, STEM). Демографические данные для выборки следующие: возраст варьировался от 18 до 24 лет (M = 20,4, SD = 1,6); Пол распределялся: 58% женщины (n = 255) и 42% мужчины (n = 185); Год обучения включал студентов первого курса (22%, n = 97), второго года (31%, n = 136), третьего года (28%, n = 123) и четвёртого года (19%, n = 84). Информация о весе не собиралась, так как она не относилась к конструкциям исследования.

Процедура сбора данных
Сбор данных проводился через анонимный онлайн-опрос, размещённый на защищённой платформе (например, Qualtrics). Потенциальные участники из целевых университетов были приглашены через институциональные рассылки, объявления о системах управления обучением (например, Moodle, Blackboard) и соответствующие студенческие группы в социальных сетях. В приглашении чётко были изложены цели исследования, добровольный характер, предполагаемое время завершения (15–20 минут) и гарантии конфиденциальности. Первая страница опроса содержала подробную форму информированного согласия; К анкете проходили только участники, предоставившие цифровое согласие. Для снижения смещения порядка разделы опроса были представлены в рандомизированной последовательности для каждого респондента. Окно сбора данных было открыто две недели. Одно напоминание было отправлено через оригинальные каналы через неделю после первоначального приглашения, чтобы поощрять участие и повысить уровень отклика. После периода сбора набор данных был проверен на полноту, с удалением ответов, которые были существенно неполными (например, >20% отсутствующих данных). Последующие проверки на наличие одномерных и многомерных выбросов проводились перед окончательным анализом для обеспечения качества данных.

Приборы и измерения
В исследовании использовалась структурированная анкета для измерения ключевых переменных, включая цифровое благополучие, использование генеративного ИИ, академические успехи учащихся, осведомлённость о ЦУР и вовлечённость учащихся в обучение. Цифровое благополучие измерялось с помощью Arslankara et al.41, шкалы из 12 пунктов, включая подшкалы ответственности (4 пункта), удовлетворённости (4 пункта) и благополучия (4 пункта). Использование генеративного ИИ было реализовано через 8-пунктнуюшкалу 43, сосредоточенную на частоте внедрения ChatGPT. В настоящем исследовании академическая успеваемость оценивалась с помощью шкалы самовосприятия, адаптированной из Yu et al.42, как указано в Mehrvarz et al.44. Этот инструмент состоит из четырёх элементов. Осведомлённость о ЦУР измерялась с помощью валидированной шкалы, адаптированной из Atmaca и др.45, включающей три ключевых измерения: экономическую устойчивость (12 пунктов), социальную устойчивость (9 пунктов) и экологическую устойчивость (14 пунктов) — по осведомлённости и участию учащихся в мероприятиях. Наконец, вовлечённость в изучение языка EFL оценивалась с использованием 9-пунктной шкалы по Eerdemutu и др.46. Все шкалы использовали 5-точечные ответы Ликерта, при этом пилотное тестирование (n=30) подтверждало надёжность (α > Кронбаха 0,82), а подтверждающий факторный анализ подтверждал отличительность конструкции.

План анализа данных
Собранные данные анализировались с использованием комбинации SPSS (v.27) и SmartPLS (v.4.0) с помощью двухфазного аналитического подхода. Во-первых, SPSS применялся для предварительного анализа, включая описательную статистику (средние значения, стандартные отклонения), тестирование надёжности (альфа Кронбаха) и корреляционные матрицы для изучения базовых связей между переменными. Во-вторых, для тестирования гипотетической модели использовалось SmartPLS, программное обеспечение для моделирования структурных уравнений с частичными наименьшими квадратами (PLS-SEM). PLS-SEM был выбран за способность обрабатывать сложные связи между латентными переменными и за устойчивость к ненормально распределённым данным. Анализ включал оценку валидности модели измерения (сходящаяся и дискриминантная валидность) и значимости структурной модели (коэффициенты пути, значения R² и предиктивная релевантность). Для проверки статистической значимости путей был выполнен бутстрэппинг.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

Результаты обеспечивают надёжную эмпирическую поддержку основных гипотез исследования, подтверждая значительный последовательный путь, при котором цифровое благополучие и использование генеративного ИИ положительно влияют на вовлечённость в обучение EFL, что, в свою очередь, способствует академическому успеху и, следовательно, способствует более широкому вовлечению в достижение Целей устойчивого развития (SDGs). В частности, как цифровое благополучие (β=0,32, стр<0,001), так и использова...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

Предыдущие исследования в основном рассматривали цифровое благополучие, ИИ в образовании и образование для устойчивого развития (ESD) визоляции 47. Существовал значительный разрыв в понимании того, как личные цифровые компетенции пересекаются с новыми технологиями, чтобы обеспечить не только учебные результаты, но и глобальное гражданство. Это исследование уникально объединяет эти области. Мы демонстрируем, что цифровое благополучие (β = 0,32, с<0,001) и внедрение...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

Все авторы заявляют, что не имеют конфликта интересов.

Благодарности

Это исследование не получило финансирования.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Шкала академического успехаАдаптировано по Ю и др. (2010)Н/ДГеодезический инструмент
Процедура повязки на глазах (для Q2)SmartPLSВнутренняя рутинаАналитическая процедура
Процедура загрузкиSmartPLSВнутренняя рутинаАналитическая процедура
Комплексная оценка надёжностиSmartPLSВнутренняя рутинаАналитическая процедура
Анализ корреляционных матрицСтатистика IBM SPSSВнутренняя рутинаАналитическая процедура
Анализ надёжности альфа КронбахаСтатистика IBM SPSSВнутренняя рутинаАналитическая процедура
Система хранения данныхИнституциональный ИТЗащищённый серверОборудование и Материал
Описательный статистический анализСтатистика IBM SPSSВнутренняя рутинаАналитическая процедура
Шкала цифрового благополучияАрсланкара и др. (2022)Н/ДГеодезический инструмент
Шкала вовлечённости в обучение EFLEerdemutu и др. (2024)Н/ДГеодезический инструмент
Оценка критериев Форнелла-ЛаркераSmartPLSВнутренняя рутинаАналитическая процедура
Масштаб использования генеративного ИИАдаптировано из Аббаса и др. (2024)Н/ДГеодезический инструмент
Оценка соотношения гетеротрейт-монопризнат (HTMT)SmartPLSВнутренняя рутинаАналитическая процедура
Статистика IBM SPSSIBMВерсия 27Программное обеспечение
Документация информированного согласияИсследовательская группаЭлектронная формаОборудование и Материал
Онлайн-анкетаИсследовательская группаСамоуправляемыеОборудование и Материал
Алгоритм PLSSmartPLSВнутренняя рутинаАналитическая процедура
Программное обеспечение PLS-SEMSmartPLSВерсия 4.0Программное обеспечение
Шкала осведомлённости о ЦУРАдаптировано из Atmaca и др. (2019)Н/ДГеодезический инструмент
SmartPLSSmartPLS GmbHВерсия 4.0Программное обеспечение

Ссылки

  1. Nedungadi, P., Tang, K. Y., Raman, R. The transformative power of generative artificial intelligence for achieving the sustainable development goal of quality education. Sustainability. 16 (22), 9779(2024).
  2. Khoso, A. K., Honggang, W., Darazi, M. A. Empowering creativity and engagement: The impact of generative artificial intelligence usage on Chinese EFL students' language learning experience. Comp Human Behav Rep. 18, 100627(2025).
  3. Rane, N. Roles and challenges of ChatGPT and similar generative artificial intelligence for achieving the sustainable development goals (SDGs). SSRN. 4603244, (2023).
  4. Enhancing education and well-being through artificial intelligence: opportunities and challenges. Qasmi, F., Fatima, S. K. Int Conf Breaking Barriers Generative Intell, , 154-164 (2024).
  5. Ferk, S., Vesna, S., Sanja, J. The role of AI implementation in higher education in achieving the Sustainable Development Goals: A case study from Slovenia. Sustainability. 17 (1), 183(2025).
  6. Barbieri, W., Nguyen, N. N. Generative AI as a placement buddy: Supporting pre-service teachers in work-integrated learning, self-management and crisis resolution. Australasian J Edu Tech. 41 (2), 34-49 (2025).
  7. Alshammari, M. E. Promoting emotional and psychological well-being in students through a self-help ChatGPT intervention: Artificial intelligence powered support. Int J Instruct. 18 (3), 511-530 (2025).
  8. Khoso, A. K., Honggang, W., Younas, M., Salam El-Dakhs, D. A. The Dual Forces of AI: How Generative AI and Perceived AI Dependency Influence Fear of Missing Out (FoMO) and EFL Students' Vocabulary Acquisition. J Vis Exp. (226), e69637(2025).
  9. Matthew, U. O., et al. Generative artificial intelligence (AI) on sustainable development goal 4 for tertiary education: conversational AI with user-centric ChatGPT-4. Impacts Generat AI Creativity Higher Edu. , 259-288 (2024).
  10. Pushpanadham, K., Sarpong, R. A. Research and Innovation in Higher Education: Promises of Generative Artificial Intelligence for Sustainable Development. Generat Artif Intell Higher Edu Handbook Edu Leaders. 32 (5-6), 154(2024).
  11. Nedungadi, P., Tang, K. Y., Raman, R. The transformative power of generative artificial intelligence for achieving the sustainable development goal of quality education. Sustainability. 16 (22), 9779(2024).
  12. Abdelmagid, A. S., Jabli, N. M., Al-Mohaya, A. Y., Teleb, A. A. Integrating Interactive Metaverse Environments and Generative Artificial Intelligence to Promote the Green Digital Economy and e-Entrepreneurship in Higher Education. Sustainability. 17 (12), 5594(2025).
  13. Raman, R., Iyer, A., Nedungadi, P. Forecasting Artificial General Intelligence for Sustainable Development Goals: A Data-Driven Analysis of Research Trends. Sustainability. 17 (16), 7347(2025).
  14. Farmanesh, P., Vehbi, A., Dehkordi, N. S. AI Literacy in Achieving Sustainable Development Goals: The Interplay of Student Engagement and Anxiety Reduction in Northern Cyprus Universities. Sustainability. 17 (11), 4763(2025).
  15. Niewiadomski, M., et al. The interrelation between digital competencies and Work-Life balance among academic Staff Realization of SDG goals in the science sector. Qual Quant. , 1-26 (2025).
  16. Jiménez-García, E., Ruiz-Lázaro, J., Martínez-Requejo, S., Redondo-Duarte, S. Artificial Intelligence and chatbots for sustainable higher education: a systematic review. RIED-Rev Iberoamer Educ Dist. 28 (2), 81-104 (2025).
  17. Sharma, C., Sharma, S., Bhardwaj, V., Dhaliwal, B. K. Generative artificial intelligence for sustainable development: predictive trend analysis in key sectors using natural language processing. Disc Appl Sci. 7 (6), 596(2025).
  18. Navigating the Bio-Digital Revolution: AI's Role in Achieving Sustainable Development Goals. Aravinda, K., Rangaraju, T., Singla, A., Parmar, A., Ziara, S. 2025 Int Conf Next Generat Comm Info Proc, , 262-267 (2025).
  19. Khoso, A. K., Honggang, W., Darazi, M. A. Trust and attitude towards AI as pathways to creativity: a TAM Model study of EFL students' digital literacy and AI acceptance. Humanit Soc Sci Commun. 13, 69(2025).
  20. Simanjuntak, A., Sutarman, A., Anjani, S. A., Nuche, A. Integrating artificial intelligence in e-learning for organizational well-being through orange technology mapping. IAIC Transact Sustain Digital Innovat. 7 (1), 13-26 (2025).
  21. Al-Emran, M., et al. Role of perceived threats and knowledge management in shaping generative AI use in education and its impact on social sustainability. Int J Manag Edu. 23 (1), 101105(2025).
  22. Bollaert, L. Artificial Intelligence: Objective or Tool in the 21st-Century Higher Education Strategy and Leadership. Edu Sci. 15 (6), 774(2025).
  23. Shahzad, M. F., Shuo, X., Liu, H., Zahid, H. Generative artificial intelligence (ChatGPT-4) and social media impact on academic performance and psychological well-being in China's higher education. Eur J Edu. 60 (1), e12835(2025).
  24. Jukiewicz, M. How generative artificial intelligence transforms teaching and influences student wellbeing in future education. Front Edu. 10, 159457(2025).
  25. Shi, J., Liu, W., Hu, K. Exploring How AI Literacy and Self-Regulated Learning Relate to Student Writing Performance and Well-Being in Generative AI-Supported Higher Education. Behav Sci. 15 (5), 705(2025).
  26. Hall, K. Shaping Digital Well-being: Developing a Well-being Lens on the Socio-technical Systems Perspective in Information Systems Research. [PhD dissertation]. , (2025).
  27. Huang, F., Wang, Y., Zhang, H. Modelling Generative AI Acceptance, Perceived Teachers' Enthusiasm and Self-Efficacy to English as a Foreign Language Learners' Well-Being in the Digital Era. Eur J Edu. 59 (4), e12770(2024).
  28. Shahzad, M. F., Xu, S., Liu, H., Zahid, H. Generative artificial intelligence (ChatGPT-4) and social media impact on academic performance and psychological well-being in China's higher education. Eur J Edu. 60 (1), e12835(2025).
  29. Kamau, J. N. Generative Artificial Intelligence and Mental Well-Being of University Students. A Structural Equation Modeling (SEM) Based-Analysis. African J Busi Dev Studies. 1 (2), 344-358 (2025).
  30. Monzon, N., Hays, F. A. Leveraging generative artificial intelligence to improve motivation and retrieval in higher education learners. JMIR Med Edu. 11 (1), e59210(2025).
  31. Reyes-Portillo, J. A., et al. Generative AI-Powered Mental Wellness Chatbot for College Student Mental Wellness: Open Trial. JMIR Format Res. 9 (1), e71923(2025).
  32. Kazanidis, I., Pellas, N. Harnessing generative artificial intelligence for digital literacy innovation: A comparative study between early childhood education and computer science undergraduates. AI. 5 (3), 1427-1445 (2024).
  33. Vanden Abeele, M. M. Digital wellbeing as a dynamic construct. Comm Theor. 31 (4), 932-955 (2021).
  34. Ryan, R. M., Edward, L. D. Intrinsic and extrinsic motivation from a self-determination theory perspective: Definitions, theory, practices, and future directions. Contemp Edu Psychol. 61, 101860(2020).
  35. Kee, T., Kuys, B., King, R. Generative artificial intelligence to enhance architecture education to develop digital literacy and holistic competency. J Artif Intell Archit. 3 (1), 24-41 (2024).
  36. Klarin, J., Hoff, E. V., Larsson, A., Daukantaitė, D. Adolescents' use and perceived usefulness of generative AI for schoolwork: exploring their relationships with executive functioning and academic achievement. Front Artif Intell. 7, 1415782(2024).
  37. Setsoafia, P., Appiah-Kubi, J., Koduah, C. A., Essel, H. B., Madakena, A. K. T. Are They AI-Literate? Exploring The Impact Of Generative AI Literacy On Academic Performance Among Ghanaian University Students. , (2025).
  38. Oubibi, M. Generative artificial intelligence: Postgraduate student's digital adaptability, engagement and academic confidence. J Comp Edu. , 1-23 (2025).
  39. Pavone, G. Generative AI in the Learning Process: Threat or Tool? Understanding the Role of Self-Esteem and Academic Anxiety in Shaping Student Motivations. J Marketing Edu. 02734753251346857, (2025).
  40. Doshi, R., Dadhich, M., Poddar, S., Hiran, K. K. Integrating generative AI in education to achieve sustainable development goals. IGI global. , (2024).
  41. Arslankara, V. B., Demir, A., Öztaş, Ö, Usta, E. Digital well-being scale validity and reliability study. J Teacher Edu Lifelong Learning. 4 (2), 263-274 (2022).
  42. Yu, A. Y., Tian, S. W., Vogel, D., Kwok, R. C. W. Can learning be virtually boosted? An investigation of online social networking impacts. Comp Edu. 55 (4), 1494-1503 (2010).
  43. Abbas, M., Jam, F. A., Khan, T. I. Is it harmful or helpful? Examining the causes and consequences of generative AI usage among university students. Int J Edu Technol Higher Edu. 21 (1), 10(2024).
  44. Mehrvarz, M., Heidari, E., Farrokhnia, M., Noroozi, O. The mediating role of digital informal learning in the relationship between students' digital competence and their academic performance. Comp Edu. 167, 104184(2021).
  45. Atmaca, A. C., Kıray, S. A., Pehlivan, M. Development of a measurement tool for sustainable development awareness. Int J Assess Tools Edu. 6 (1), 80-91 (2019).
  46. Eerdemutu, L., Dewaele, J. M., Wang, J. Developing a short language classroom engagement scale (LCES) and linking it with needs satisfaction and achievement. System. 120, 103189(2024).
  47. Ajlouni, A. O., Abu-Shawish, R. K., Silim, D. M., Ibrahim, A. H. The Academic Intensity Use of Chatbot-Based Artificial Intelligence and Its Relation to Academic Well-Being: A Correlational Study at the University of Jordan. IntJ Eng Pedag. 14 (8), (2024).
  48. Reeve, J., Cheon, S. H. Autonomy-supportive teaching: Its malleability, benefits, and potential to improve educational practice. Edu Psychol. 56 (1), 54-77 (2021).
  49. Nedungadi, P., Tang, K. Y., Raman, R. The transformative power of generative artificial intelligence for achieving the sustainable development goal of quality education. Sustainability. 16 (22), 9779(2024).
  50. Khoso, A. K., Honggang, W., Darazi, M. A. Trust and attitude towards AI as pathways to creativity: a TAM Model study of EFL students' digital literacy and AI acceptance. Humanit Soc Sci Commun. 13, 69(2026).
  51. Ringo, D. S. The effect of generative AI use on doctoral students' academic research progress: the moderating role of hedonic gratification. Cogent Education. 12 (1), 2475268(2025).
  52. Duong, C. D., Vu, T. N., Ngo, T. V. N., Do, N. D., Tran, N. M. Reduced student life satisfaction and academic performance: Unraveling the dark side of ChatGPT in the higher education context. Int J Human Comp Interact. 41 (8), 4948-4963 (2025).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Теги

Эта статья была опубликована

Видео скоро будет доступно

Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.