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

Исследовательская статья

Генеративный искусственный интеллект, мотивация, тревожность и креативность в аудиториях по изучению английского языка как иностранного в Саудовской Аравии: одномоментное исследование

250 просмотров

⸱

DOI:

10.3791/72626

⸱

14 августа 2026 г.

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

В этой статье

Краткое содержание

В данном одномоментном исследовании изучались взаимосвязи между использованием генеративного искусственного интеллекта, стилем преподавания, цифровой грамотностью, мотивацией, тревожностью и креативностью студентов бакалавриата из Саудовской Аравии, изучающих английский язык как иностранный; при этом мотивация была определена как важный медиатор наблюдаемых взаимосвязей.

Аннотация

Инструменты искусственного интеллекта (ИИ), такие как ChatGPT, все чаще внедряются в обучение английскому языку как иностранному (EFL); однако в контексте Саудовской Аравии имеется ограниченное количество данных о том, как их использование связано со стилем преподавания, цифровой грамотностью, мотивацией, тревожностью при изучении иностранного языка (FLCA) и креативностью. В данном исследовании изучались взаимосвязи между этими конструктами и анализировалась опосредующая роль мотивации в рамках единой концептуальной модели. Был проведен количественный одномоментный опрос среди 280 студентов бакалавриата, изучающих EFL в государственном университете Саудовской Аравии, с использованием валидированных опросников. Предполагаемые взаимосвязи анализировались с помощью моделирования структурными уравнениями методом частичных наименьших квадратов (PLS-SEM). Результаты показали, что использование ChatGPT, стиль преподавания и цифровая грамотность положительно коррелируют с мотивацией студентов. Более высокая мотивация была связана с более низким уровнем FLCA и более высоким уровнем креативности. Мотивация также выступала посредником во взаимосвязях между использованием ChatGPT, стилем преподавания, цифровой грамотностью и FLCA. Эти результаты свидетельствуют о том, что мотивационный опыт студентов тесно связан с взаимодействием между методиками обучения, использованием технологий и результатами изучения языка. Исследование предоставляет доказательства в пользу интеграции соответствующих стратегий преподавания, инструментов генеративного ИИ и цифровой грамотности в систему образования по английскому языку, подчеркивая при этом важность учета мотивационного и эмоционального состояния студентов при внедрении технологически поддерживаемых сред обучения.

Введение

Королевство Саудовская Аравия осуществляет программу масштабных образовательных реформ в рамках стратегии «Видение 2030» (Vision 2030), в которой приоритетное внимание уделяется развитию навыков XXI века, цифровой компетенции и инновационных педагогических подходов на всех уровнях образования1. В этом национальном контексте обучение английскому языку как иностранному (EFL) по-прежнему сталкивается с серьезными проблемами, включая культуру, ориентированную на экзамены, где механическое заучивание и успеваемость при тестировании ценятся выше коммуникативной компетенции2,3. Ограниченные возможности для аутентичного взаимодействия на английском языке вне аудитории в сочетании с высоким уровнем тревожности при изучении иностранного языка (FLCA) дополнительно снижают готовность студентов общаться и осмысленно использовать целевой язык4. Эти трудности побудили педагогов и политиков искать инновационные подходы для преодоления дефицита мотивации, эмоциональных барьеров и развития творческого использования языка. Искусственный интеллект (ИИ) стал перспективным направлением для поддержки изучения языков и трансформации методов обучения5. Среди приложений ИИ в преподавании английского языка (ELT) значительное внимание привлек ChatGPT — генеративная диалоговая модель ИИ, обеспечивающая интерактивную языковую практику и мгновенную индивидуальную обратную связь в контексте общения в режиме реального времени6. Эти особенности особенно актуальны для классов EFL в Саудовской Аравии, где 以-центричное обучение и ограниченное взаимодействие между студентами продолжают сдерживать творческое владение языком7. ChatGPT может помочь преодолеть эти ограничения, предоставляя возможности для аутентичной языковой практики с собеседником-ИИ в условиях низкого уровня тревожности8.

Недавние образовательные реформы в Саудовской Аравии способствовали переходу к личностно-ориентированной педагогике, что создало возможности для интеграции технологий ИИ, стимулирующих активное участие, критическое мышление и самостоятельное обучение9,10. При надлежащем внедрении ChatGPT может поддержать этот переход, расширяя практику изучения языка за пределы традиционных классных занятий11. Однако эффективность интеграции ИИ частично зависит от цифровой грамотности студентов, определяемой как их способность эффективно оценивать, использовать и взаимодействовать с цифровыми технологиями в процессе обучения12. Цифровая грамотность позволяет учащимся продуктивно использовать инструменты ИИ, сводя к минимуму потенциальные риски, включая чрезмерную зависимость и дезинформацию13. Эта компетенция особенно важна в системе высшего образования Саудовской Аравии, где цифровая трансформация ускорилась в рамках программы Vision 203014.

Несмотря на то что в предыдущих исследованиях инструменты ИИ, стиль преподавания, цифровая грамотность, мотивация, тревожность и креативность изучались по отдельности, имелись ограниченные данные о том, как эти конструкты взаимодействуют в рамках единой системы в незападных контекстах изучения английского языка как иностранного (EFL), например, в Саудовской Аравии. Мотивация последовательно определялась как важный механизм, связывающий методы обучения с результатами обучения, включая снижение тревожности, повышение креативности и устойчивую вовлеченность15. Однако взаимосвязи между использованием ChatGPT, стилем преподавания, цифровой грамотностью, мотивацией, тревожностью при изучении иностранного языка (FLCA) и креативностью не были всесторонне изучены в контексте EFL в Саудовской Аравии16. Устранение этого пробела может дать теоретические и практические сведения для разработки технологически усиленных сред языкового обучения, поддерживающих мотивационное, эмоциональное и творческое развитие студентов. Соответственно, в данном исследовании изучаются взаимосвязи между использованием ChatGPT, стилем преподавания, цифровой грамотностью, мотивацией, FLCA и креативностью среди студентов бакалавриата Саудовской Аравии, изучающих английский язык как иностранный. В частности, рассматриваются (1) взаимосвязи использования ChatGPT, стиля преподавания и цифровой грамотности с мотивацией студентов; (2) взаимосвязи мотивации с FLCA и креативностью; и (3) опосредующая роль мотивации во взаимосвязи между использованием ChatGPT, стилем преподавания, цифровой грамотностью и такими результирующими переменными, как тревожность и креативность.

Данное исследование вносит вклад в обучение английскому языку как иностранному (EFL) и технологически усиленное обучение, интегрируя использование инструментов ИИ в существующие модели мотивации и изучения языков, тем самым расширяя понимание процесса изучения языка с поддержкой технологий в современных образовательных условиях. Оно также предоставляет данные, которые могут быть полезны педагогам, разработчикам учебных программ и политикам, стремящимся интегрировать инструменты ИИ в преподавание EFL в Саудовской Аравии. Рассматривая мотивацию как посредник, связывающий использование технологий и методики обучения с тревожностью при изучении иностранного языка (FLCA) и креативностью, исследование предлагает специфические для данного контекста доказательства в поддержку развития личностно-ориентированного языкового образования, согласованного с целями образовательной реформы Саудовской Аравии.

Теория самодетерминации (SDT) предоставляет теоретическую базу для понимания взаимосвязи между методами преподавания и мотивацией учащихся в образовательном контексте17. Согласно SDT, внутренняя мотивация и автономные формы внешней мотивации поддерживаются, когда в учебной среде удовлетворяются три базовые психологические потребности учащихся: потребность в автономии, компетентности и связанности с другими18. Таким образом, стиль преподавания является ключевым контекстуальным фактором, влияющим на мотивацию и вовлеченность студентов19. Практики преподавания, поддерживающие автономию, которые предоставляют значимый выбор, учитывают точку зрения студентов и разъясняют суть учебных мероприятий, способствуют развитию внутренней мотивации и самодетерминированной вовлеченности20. В контексте изучения английского языка как иностранного (EFL) личностно-ориентированные подходы, включая стили преподавания «фасилитатор» и «делегат», связывают с более высокой приверженностью, активностью и интересом студентов к изучению языка21,22. Напротив, обучение, ориентированное на преподавателя, может снизить мотивацию, ограничивая участие и автономию студентов и отдавая приоритет внешнему вознаграждению перед внутренним интересом23,24. В саудовском контексте EFL, где традиционное обучение исторически основывалось на заучивании и доминирующей роли преподавателя25, внедрение более личностно-ориентированных подходов к преподаванию может поддержать мотивацию студентов26. На основе этого теоретического и эмпирического фундамента предлагается следующая гипотеза: H1: Стиль преподавания положительно влияет на мотивацию студентов, изучающих английский язык как иностранный.

Взаимосвязь между образовательными технологиями и мотивацией учащихся была широко исследована27,28. Модель принятия технологий (TAM) предполагает, что на мотивацию учащихся взаимодействовать с образовательными технологиями влияют воспринимаемая полезность и воспринимаемая простота использования, которые определяют поведенческие намерения и использование технологий29. Применительно к ChatGPT эта концепция указывает на то, что студенты, которые воспринимают инструмент как полезный и простой в использовании, с большей вероятностью будут применять его для изучения языка30. В эмпирических исследованиях сообщалось о положительной корреляции между обучением языку с поддержкой ИИ и мотивацией студентов, при этом интерактивные функции, мгновенная обратная связь и персонализированная практика способствуют устойчивому вовлечению31,32. ChatGPT также может снизить барьеры, связанные с языковой тревожностью, предоставляя возможности для практики языка в условиях низкого психологического давления, что может стимулировать дальнейшее использование языка33. Этот потенциал особенно актуален в контексте Саудовской Аравии, где FLCA была определена как важный барьер для мотивации и успеваемости в изучении языка34. На основании этих теоретических и эмпирических данных предлагается следующая гипотеза: H2: Использование ChatGPT положительно влияет на мотивацию студентов, изучающих английский язык как иностранный (EFL).

Цифровая грамотность стала важным определяющим фактором мотивации студентов в современных условиях обучения английскому языку как иностранному (EFL)35. Она представляет собой способность эффективно искать, оценивать и использовать цифровые технологии и средства массовой информации для обучения36. В контексте EFL цифровая грамотность позволяет учащимся эффективно использовать цифровые ресурсы, включая ChatGPT, системы управления обучением и мультимедийные инструменты, для поддержки изучения языка и повышения мотивации37. Студенты с более высоким уровнем цифровой грамотности с большей вероятностью уверенно используют образовательные технологии, что способствует развитию компетентности и автономности, которые связаны с внутренней мотивацией38. Они также лучше подготовлены к использованию цифровых инструментов для самостоятельной языковой практики, получения обратной связи и поддержания вовлеченности в процесс обучения39. На основании этого обзора литературы выдвигается следующая гипотеза: H3: цифровая грамотность студентов EFL положительно влияет на их мотивацию к изучению языка.

Иностранная языковая тревожность (FLCA) и креативность являются тесно связанными конструктами в обучении английскому языку как иностранному (EFL), хотя их взаимосвязь остается сложной40. Тревожность может ограничивать успеваемость учащихся при выполнении заданий, требующих креативности, когнитивной гибкости, дивергентного мышления и самовыражения41. FLCA отражает страх учащихся совершить ошибки, опасения перед негативной оценкой и низкую уверенность в себе, что может препятствовать творческому использованию языка42. Тем не менее, креативность является важной компетенцией при изучении EFL, так как она способствует контекстуально appropriate и инновационному использованию языка31. В предыдущих исследованиях сообщалось, что учащиеся с более высоким уровнем тревожности реже участвуют в занятиях по творческому письму и устной коммуникации43,44. На основании данного обзора литературы предлагаются следующие гипотезы: 1) H4: мотивация студентов, изучающих EFL, отрицательно связана с их тревожностью, и 2) H5: тревожность студентов, изучающих EFL, отрицательно влияет на их креативность.

Мотивация обеспечивает теоретический механизм, посредством которого стиль преподавания, использование ChatGPT и цифровая грамотность могут быть связаны с FLCA45. Мотивированные учащиеся с большей вероятностью принимают активное участие в обучении, проявляют настойчивость при столкновении с трудностями и испытывают более низкий уровень коммуникативной тревожности46. Поддерживающие методы преподавания, изучение языка с помощью ИИ и более высокий уровень цифровой грамотности в условиях EFL ассоциировались с повышением мотивации и снижением тревожности47,48,49. Предыдущие исследования также показывают, что более высокая мотивация связана с более низкой тревожностью в аудитории и повышенным уровнем креативности, что подтверждает роль мотивации как потенциального медиатора, связывающего методы обучения и использование технологий с результатами обучения50,51,52. На основании данной литературы предлагаются следующие гипотезы: 1) H6: мотивация выступает медиатором в связи между стилем преподавания и тревожностью студентов EFL; 2) H7: мотивация выступает медиатором в связи между использованием ChatGPT и тревожностью студентов EFL; и 3) H8: мотивация выступает медиатором в связи между цифровой грамотностью студентов EFL и их тревожностью. На рисунке 1 представлена гипотетическая модель, в которой стиль преподавания, использование ChatGPT и цифровая грамотность связаны с мотивацией студентов EFL, которая, в свою очередь, опосредует их взаимосвязь с FLCA и креативностью.

figure-introduction-1
Рисунок 1. Гипотетическая исследовательская модель. Модель отображает предполагаемые взаимосвязи между использованием ChatGPT, стилем преподавания, цифровой грамотностью, мотивацией, тревожностью в аудитории при изучении иностранного языка и креативностью студентов, изучающих английский язык как иностранный (EFL). Сплошные линии обозначают прямые гипотетические связи, а пунктирные линии — опосредованные связи, как указано на рисунке. Пожалуйста, нажмите здесь, чтобы просмотреть этот рисунок в большем размере.

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

Протокол

Несмотря на то, что исследование не требовало официального этического одобрения институциональным наблюдательным советом в связи с его неэкспериментальным дизайном в виде анонимного опроса, не предполагавшего физического вмешательства, манипуляций или обмана участников, все процедуры проводились в соответствии с этическими принципами Хельсинкской декларации и руководствами Американской психологической ассоциации по проведению исследований с участием людей. Информированное согласие было получено от всех участников до начала сбора данных. Учреждение не требовало и не выдавало официального этического одобрения или освобождения от него для данного типа исследования. Все респонденты были четко проинформированы о целях исследования, добровольном характере их участия, праве отказаться от участия в любое время без каких-либо последствий, а также о строгих мерах конфиденциальности, применяемых к их данным. Лично идентифицирующая информация не собиралась и не раскрывалась, а все данные использовались исключительно для агрегированного академического анализа. Особое внимание уделялось ненавязчивым и уважительным формулировкам, чтобы опрос не мешал академической деятельности или психологическому благополучию участников. Форма информированного согласия представлена в Дополнительном файле 1. Кроме того, материалы, использованные в данном исследовании, перечислены в Таблице материалов.

Дизайн исследования

В данном разделе описываются план исследования, процедуры сбора данных и характеристики выборки, использованные в работе для изучения взаимосвязей между стилем преподавания, использованием ChatGPT, цифровой грамотностью, мотивацией, тревожностью и креативностью студентов, изучающих английский язык как иностранный (EFL). В исследовании применялся количественный кросс-секционный дизайн для изучения опосредующей роли мотивации во взаимосвязях между стилем преподавания, использованием ChatGPT, цифровой грамотностью и тревожностью у студентов EFL, а также того, как эти переменные в совокупности влияют на креативность. Для сбора первичных данных была принята методика структурированного опроса, что обеспечило стандартизацию и надежность измерения конструктов. В исследовании использовались валидированные шкалы для оценки всех переменных, включая стиль преподавания, использование ChatGPT, цифровую грамотность, мотивацию, FLCA и креативность.

Данные и образцы

Данные для этого исследования были собраны среди студентов, изучающих английский язык как иностранный (EFL), в Университете Джидды — государственном университете Саудовской Аравии, известном своим вниманием к языковому образованию и интеграции технологий в процесс обучения. Участники были отобраны с использованием метода целевой выборки, который был признан подходящим для данного исследования ввиду специфических критериев включения, требовавших от участников наличия активного опыта использования инструментов ИИ, таких как ChatGPT, в их образовательной среде. Этот метод невероятностной выборки был необходим, так как исследовательские вопросы были сосредоточены на определенной группе населения — студентах EFL, которые имели опыт как традиционного, так и технологически поддерживаемого обучения, и рандомизированная выборка не гарантировала бы включение участников, соответствующих этим критериям. Несмотря на то, что целевая выборка ограничивает возможность обобщения результатов на всю популяцию, она была оправдана для данного поискового исследования, чтобы гарантировать наличие у участников соответствующего опыта и взглядов, необходимых для достижения целей исследования. Для смягчения ограничений целевой выборки были предприняты усилия по включению участников с различным академическим бэкграундом и разным уровнем технологической компетенции, что позволило повысить репрезентативность выборки внутри целевой популяции. Итоговая выборка состояла из 280 студентов бакалавриата EFL, что было признано достаточным объемом для применяемых статистических методов.

Определение адекватности размера выборки основывалось на установленных рекомендациях для моделирования структурными уравнениями (SEM). Исследователи рекомендуют минимальное соотношение 10 случаев на один оцениваемый параметр для SEM, при этом более консервативные рекомендации предполагают 20 случаев на параметр для метода частичных наименьших квадратов в SEM (PLS-SEM). Модель измерения включала 29 пунктов для цифровой грамотности, 25 пунктов для стиля преподавания и 32 пункта для FLCA, а также дополнительные пункты для использования ChatGPT, мотивации и креативности. Рекомендации PLS-SEM также предполагают, что минимальный размер выборки должен быть в 10 раз больше максимального количества формирующих индикаторов или максимального количества структурных путей, направленных на конкретный конструкт; таким образом, выборка из 280 участников превысила эти минимальные требования. Кроме того, апостериорный анализ мощности с использованием G*Power53 показал, что выборка из 280 участников обеспечила статистическую мощность более 0,95 для обнаружения средних величин эффекта (f2 = 0.15) при α = 0.05, что превышает общепринятый порог 0,80. Данный размер выборки обеспечивает надежные оценки параметров и достаточную статистическую мощность для выявления значимых взаимосвязей между переменными исследования при учете сложности предлагаемых измерительной и структурной моделей.

Участники и процедура

Участниками исследования были студенты, изучающие английский язык как иностранный (EFL), в возрасте от 18 до 25 лет, большинство из которых были студентами первого и второго курсов бакалавриата, зачисленными на курсы английского языка. Опрос проводился в период с сентября по октябрь 2025 года, в течение которого студентам предлагалось принять участие на добровольной основе. Процесс набора включал информирование через официальные университетские каналы, включая электронную почту и объявления на занятиях. Участниками были студенты EFL в возрасте 18–25 лет, зачисленные на первый или второй курс бакалавриата на курсы английского языка. Соответствие требованиям определялось с помощью заранее установленных критериев включения и исключения. Участники допускались к исследованию, если они (а) были официально зачислены на программы бакалавриата по английскому языку в Университете Джидды, (б) находились в возрасте 18–25 лет и (в) были зарегистрированы как студенты первого или второго курса. Студенты исключались, если они (а) были аспирантами или студентами старших курсов бакалавриата вне базовой последовательности курсов, (б) находились вне указанного возрастного диапазона или (в) участвовали в фазе предварительного тестирования анкеты. Для обеспечения информированного согласия участникам был дан инструктаж о целях исследования, добровольном характере их участия и конфиденциальности их ответов. Инструментом сбора данных была структурированная анкета для самостоятельного заполнения, распространяемая в физическом и электронном виде с использованием защищенной онлайн-платформы. Для измерения стиля преподавания, использования ChatGPT, цифровой грамотности, мотивации студентов, FLCA (тревожности при изучении иностранного языка) и креативности были адаптированы валидированные шкалы. Участников просили оценить свои ответы по 5-балльной шкале Лайкерта, где 1 означало «полностью не согласен», а 5 — «полностью согласен». Предварительное тестирование анкеты было проведено с небольшой группой из 30 студентов для обеспечения ясности и надежности. На основании результатов предварительного тестирования были внесены незначительные корректировки в формулировки для повышения понятности пунктов; существенных проблем с надежностью или валидностью шкал выявлено не было. Для обеспечения целостности данных и стимулирования честных ответов была гарантирована анонимность, и участники были уверены, что их данные будут использованы только в исследовательских целях. Из 300 первоначально собранных ответов 280 были признаны валидными после проверки на наличие неполных или противоречивых данных, что обеспечило коэффициент удержания 93%. Процедуры скрининга данных включали изучение паттернов ответов на предмет однотипных ответов (straight-lining), избыточного отсутствия данных (более 10%) и многомерных выбросов с использованием расстояния Махаланобиса. Данный методологический подход создает надежную основу для анализа взаимосвязей между переменными исследования и дает ценную информацию о роли стиля преподавания, инструментов ИИ и цифровой грамотности в формировании мотивации, тревожности и креативности студентов EFL.

После сбора данных из первоначального пула из 300 ответов были исключены 20 на основании заранее определенных критериев: 12 ответов были удалены из-за чрезмерного количества пропусков, превышающего 10% пунктов анкеты, 5 были исключены из-за однообразных шаблонов ответов (одинаковые ответы по всем пунктам, что указывает на отсутствие вовлеченности), и 3 были определены как многомерные выбросы с использованием расстояния Махаланобиса (p < 0.001) и впоследствии удалены, чтобы предотвратить искажение результатов SEM. Пропущенные значения для оставшихся случаев обрабатывались с помощью импутации средним значением в тех случаях, когда количество пропусков было минимальным (менее 5% на случай), так как такой подход приемлем для небольших долей пропусков в крупномасштабных опросах. Итоговый коэффициент сохранения 93% (280 валидных ответов из 300 собранных анкет) представляет собой долю пригодных ответов, сохраненных из общего числа собранных анкет; однако это не следует интерпретировать как истинный уровень отклика, поскольку точное количество приглашенных участников рассчитать не удалось, так как комбинированные физические и электронные методы распространения через официальные университетские каналы исключали точное отслеживание общего числа приглашений. Данное ограничение признается, и поэтому показатель 93% приводится как доля валидных ответов, сохраненных из собранных анкет, а не как уровень отклика относительно всей приглашенной популяции.

Инструменты и меры

В данном исследовании использовались общепринятые и валидированные шкалы, тщательно адаптированные к контексту обучения английскому языку как иностранному (EFL), для измерения основных конструктов: стиля преподавания, цифровой грамотности, использования ChatGPT, тревожности при изучении иностранного языка (FLCA), мотивации и креативности. Каждая шкала была выбрана исходя из ее релевантности и полноты охвата соответствующих измерений исследуемых переменных. Цифровая грамотность измерялась с помощью адаптированной шкалы на основе работы Rodríguez-de-Dios et al.54, включающей шесть измерений и 29 пунктов. Эти измерения включали технологические навыки, навыки личной безопасности, критические навыки, навыки безопасности устройств, информационные навыки и коммуникативные навыки, что позволило провести комплексную оценку компетенций студентов в области цифровых навыков, необходимых в современном образовательном контексте. Использование ChatGPT оценивалось с помощью шкалы из 8 пунктов, адаптированной из работы Abbas et al.55, с упором на взаимодействие студентов с инструментом ИИ при выполнении заданий по изучению языка. Стиль преподавания оценивался с помощью адаптированной версии опросника стилей преподавания Граши (Grasha’s Teaching Style Inventory)56. Этот инструмент измеряет пять измерений стилей преподавания: авторитет, эксперт, личностная модель, фасилитатор и делегирующий стиль. Эти измерения отражают различные педагогические подходы, влияющие на процесс обучения студентов EFL. FLCA измерялась с помощью адаптированной шкалы на основе работы Briesmaster and Briesmaster57. Данный инструмент анализировал тревожность по трем измерениям: коммуникативная тревожность (10 пунктов), тестовая тревожность (10 пунктов) и страх негативной оценки (7 пунктов). Мотивация студентов оценивалась с помощью шкалы, адаптированной из работы Kanoksilapatham et al.58, измеряющей три измерения: инструментальное продвижение и предотвращение, этноцентризм и интегративность, а также отношение к изучению английского языка. Шкала включала в общей сложности 20 пунктов. Креативность студентов EFL измерялась с помощью шкалы, адаптированной из работы Govindasamy et al.59, которая оценивала четыре измерения: оригинальность, гибкость, беглость и детальность. Каждое измерение оценивалось с помощью трех пунктов. Для обеспечения культурного и контекстуального соответствия инструментов условиям обучения EFL была применена систематическая процедура адаптации. Поскольку оригинальные шкалы были разработаны на английском языке, два двуязычных эксперта по EFL проверили и упростили язык для повышения ясности понимания студентами бакалавриата среднего уровня, сохранив при этом исходный смысл каждого конструкта. Затем адаптированные версии были переведены обратно на родной язык участников независимым переводчиком для проверки лингвистической и концептуальной эквивалентности, а любые расхождения были разрешены в ходе обсуждения членами исследовательской группы. Впоследствии три опытных преподавателя EFL оценили адаптированные инструменты на предмет релевантности содержания, культурного соответствия и ясности формулировок пунктов, что привело к незначительным правкам в формулировках и замене культурно незнакомых примеров там, где это было уместно. Наконец, пересмотренные инструменты были апробированы на группе из 30 студентов (см. раздел «Процедура»), и отзывы участников были использованы для внесения дополнительных незначительных правок в формулировки с целью улучшения понятности. Этот многоэтапный процесс гарантировал, что адаптированные инструменты сохранили свои исходные психометрические свойства, оставаясь при этом подходящими для целевой популяции студентов EFL. Полный текст адаптированного опросника представлен в Дополнительном файле 2.

Методы анализа данных

Данные, собранные для данного исследования, были проанализированы с помощью Statistical Package for the Social Sciences (SPSS 26) и SmartPLS 4 с применением метода PLS-SEM. Этот двухэтапный подход обеспечил всесторонний анализ данных, охватив как дескриптивные, так и инференциальные аспекты, при одновременной проверке гипотетических взаимосвязей и эффектов медиации в исследовательской модели. На начальном этапе SPSS использовался для предварительного анализа данных, включая очистку данных, расчет дескриптивной статистики и проверку надежности. Скрининг данных включал проверку на наличие пропусков, выбросов и анализ нормальности распределения для обеспечения качества и целостности набора данных. Для обобщения характеристик выборки были рассчитаны показатели дескриптивной статистики, включая среднее значение, стандартное отклонение и частотные распределения. Основной анализ проводился с помощью SmartPLS 4. Метод PLS-SEM был выбран ввиду его пригодности для анализа сложных моделей с множеством конструктов и его устойчивости при работе с выборками малого и среднего размера. Анализ проводился в два этапа: оценка измерительной модели и оценка структурной модели. При оценке измерительной модели анализировались надежность индикаторов, внутренняя согласованность (с использованием композитной надежности [CR]), конвергентная валидность (с использованием средней извлеченной дисперсии [AVE]) и дискриминантная валидность (с использованием коэффициента гетеротрайт-монотрайт [HTMT]).

После валидации измерительной модели была проведена оценка структурной модели для анализа гипотетических взаимосвязей между стилем преподавания, использованием ChatGPT, цифровой грамотностью, мотивацией, тревожностью и креативностью. Для определения силы и значимости прямых и косвенных эффектов были проанализированы коэффициенты путей; значимость оценивали методом бутстрэппинга с использованием 5 000 ресемплов. Для оценки значимости прямых, косвенных и медиативных эффектов были построены скорректированные по смещению (BC) бутстрэп-доверительные интервалы с использованием 5 000 бутстрэп-ресемплов при уровне доверия 95%. Медиативные эффекты мотивации на взаимосвязи между стилем преподавания, использованием ChatGPT, цифровой грамотностью и тревожностью также оценивали с помощью бутстрэп-доверительных интервалов. Соответствие модели данным и ее прогностическая способность оценивались с помощью коэффициента детерминации (R2), прогностической релевантности (Q2) и стандартизированного среднеквадратичного остатка (SRMR).

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

Результаты

Описательная статистика

Описательная статистика дает общее представление о характеристиках выборки, а также о распределении, центральной тенденции и вариабельности исследуемых переменных. В данной работе был проведен описательный анализ для характеристики выборки участников и обобщения ключевых переменных перед выполнением структурного анализа.

В таблице 1 обобщены демографические характеристики 280 студентов бакалавриата, изучающих...

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

Обсуждение

В данном исследовании изучались взаимосвязи между стилем преподавания, использованием ChatGPT, цифровой грамотностью, мотивацией, FLCA (тревогой при изучении иностранного языка) и креативностью среди студентов бакалавриата Саудовской Аравии, изучающих английский язык как иностранный (EFL), с особым вниманием к медиативной роли мотивации. Полученные результаты предоставляют данные о взаимосвязи между педагогическими практиками, использованием технологий и характеристиками учащихся в процессе обучения языку с применением т...

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

Раскрытие информации

Конфликт интересов:

Автор заявляет об отсутствии конфликта интересов.

Благодарности

Нет данных.

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

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Шкала использования ChatGPT (адаптированная)Авторы; адаптировано по Abbas et al.Н/ДОпросник из восьми пунктов для оценки использования студентами ChatGPT при изучении языка.
Шкала креативности (адаптированная)Авторы; адаптировано по Govindasamy et al.Н/ДОпросник из двенадцати пунктов для оценки оригинальности, гибкости, беглости и детальности мышления.
Шкала цифровой грамотности (адаптированная)Авторы; адаптировано по Rodríguez-de-Dios et al.Н/ДОпросник из двадцати девяти пунктов для измерения шести аспектов цифровой грамотности.
Шкала тревожности в классе при изучении иностранного языка (FLCA) (адаптированная)Авторы; адаптировано по Briesmaster & BriesmasterН/ДОпросник из двадцати семи пунктов для измерения коммуникативной тревожности, тревожности перед тестами и страха негативной оценки.
G*PowerHeinrich Heine University DüsseldorfВерсия 3.1.9.7; RRID: SCR_013726Программное обеспечение, использованное для апостериорного анализа статистической мощности.
IBM SPSS StatisticsIBM Corp.Версия 26; RRID: SCR_002865Статистическое программное обеспечение, использованное для очистки данных, расчета описательной статистики, анализа надежности и предварительного анализа.
Анализ расстояния МахаланобисаIBM SPSS StatisticsВерсия 26; RRID: SCR_002865Статистическая процедура, реализованная в IBM SPSS Statistics для выявления многомерных выбросов.
Шкала мотивации (адаптированная)Авторы; адаптировано по Kanoksilapatham et al.Н/ДОпросник из двадцати пунктов для оценки мотивации учащихся.
Бумажный опросникАвторыН/ДПечатная версия структурированного опросника для самозаполнения, использованная при очном сборе данных.
Защищенная платформа для онлайн-опросовGoogle LLCН/ДПлатформа Google Forms, использованная для электронного распространения опросника.
SmartPLSSmartPLS GmbHВерсия 4; RRID: SCR_036419Программное обеспечение, использованное для моделирования структурными уравнениями методом частичных наименьших квадратов (PLS-SEM), включая оценку измерительной модели, анализ структурной модели, бутстрэпинг (5,000 повторных выборок) и анализ медиации.
Структурированный опросник для самозаполненияАвторыН/ДОпросник, проведенный в бумажном и электронном форматах с использованием 5-балльной шкалы Лайкерта (1 = «полностью не согласен» до 5 = «полностью согласен»).
Инвентарь стилей преподавания (адаптированный)Авторы; адаптировано по Инвентарю стилей преподавания ГрашиН/ДОпросник для измерения таких стилей преподавания, как «авторитетный», «экспертный», «личный образец», «фасилитирующий» и «делегирующий».
Каналы связи университетаUniversity of JeddahН/ДОфициальная электронная почта и объявления в классах, использованные для набора участников.

Ссылки

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

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

Перепечатки и разрешения

Теги

ChatGPT
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.