Araştırma makalesi

EFL öğrenme ortamlarında dil, dijital okuryazarlık ve yaratıcılığı artırmak için sürdürülebilir kalkınma hedefleri (SDG'ler) ve üretken yapay zekanın entegrasyonu

DOI:

10.3791/69445

⸱

13 Şubat 2026

 ,  ,  ,  , 
1College of International Studies, Yangzhou University, 2UNITAR International University, 3COMSATS University, 4College of Sciences and Humanities, Prince Sultan University

Bu makalede

Özet

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

SDG'leri ChatGPT gibi üretken yapay zeka ile birleştirmek, İngilizce öğrenenlerin motivasyonunu, dijital okuryazarlığını ve yaratıcılığını artırır. Daha yüksek katılım bu bağı güçlendirir ve öğretmenlere yapay zekayı dil öğretimine entegre etmek için pratik stratejiler sunar.

Özet

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu çalışma, EFL öğrenme ortamlarında dil dijital okuryazarlığı, yaratıcılık ve motivasyonu artırmak için Sürdürülebilir Kalkınma Hedefleri (SDG) ile üretken yapay zeka (SDG) ile üretken yapay zekanın (ChatGPT) entegrasyonunu araştırmaktadır. Nicel ve kesitsel bir tasarım benimsenen bu çalışmanın verileri, Çin'deki bir devlet üniversitesinde n = 420 lisans EFL öğrencisinden toplanmıştır; SDG entegrasyonunu (SDG) ölçmek için doğrulanmış ölçekler kullanılmıştır; ChatGPT (UCGPT) gibi Üretken Yapay Zeka, dijital okuryazarlık (DL), EFL Öğrencilerinin yaratıcılığı (SC), EFL Öğrencilerinin motivasyonu (SM) ve dil öğrenme katılımı (LLE) ölçülmektedir. Kısmi en küçük kare yapısal denklem modellemesi (PLS-SEM) doğrudan, aracı ve moderatif etkileri analiz etmek için kullanıldı. Bulgular, SDG entegrasyonu ve UCGPT'nin SM ile anlamlı ilişkili olduğunu, bunun da dijital okuryazarlık ve EFL öğrencilerinin yaratıcılığını öngördüğünü ortaya koydu. Ayrıca, LLE DL ile SC arasındaki ilişkiyi yönetirken, SM SDG entegrasyonu ve UCGPT'nin dijital okuryazarlık üzerindeki etkilerini yönetti. Bu sonuçlar, EFL eğitiminde SDG'ler ve YZ araçlarının entegre edilmesinin dönüştürücü potansiyelini ortaya koymakta ve 21. yüzyıl becerilerinin geliştirilmesi için ölçeklenebilir stratejiler sunmaktadır. Ayrıca, çalışma EFL öğretmenlerine somut stratejiler sunuyor; örneğin, öğrencilerin iklim adaleti gibi SDG konularında tartışmalara hazırlanmak için ChatGPT kullanmasını veya sürdürülebilirlik farkındalığı için çok dilli sosyal medya kampanyaları ortak oluşturmalarını görevlendirmek gibi. Bu uygulamalar, günlük ders planlamasında SDG-AI entegrasyonunun nasıl uygulanacağını gösteriyor.

Giriş

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

İngilizce Yabancı Dil olarak (EFL) eğitiminin küresel manzarası, teknolojik yenilik ve Birleşmiş Milletler'in Sürdürülebilir Kalkınma Hedefleri (SD)1 gibi çift gerekliliklerle derin bir dönüşüm geçirmektedir. İngilizce yeterliliğine olan talep küreselleşme, akademik hareketlilik ve dijital ekonomilerle desteklenen İngilizce olmayan bölgelerde artmaya devamederken, geleneksel pedagojik yaklaşımlar genellikle öğrencileri 21. yüzyıl iletişimi için gerekli kritik yetkinliklerle donatmaktabaşarısız olur 3. Yaratıcı ifade ve dijital katılım yerine ezberleme ve yapısal doğruluğu vurgulayan geleneksel EFL metodolojileri, kaliteli eğitime erişimdeki eşitsizlikleri daha da artırma riskitaşır. Bu uyumsuzluk, yalnızca SDG 4'e (kapsayıcı ve adil kaliteli eğitim) doğru ilerlemeyi engellemekle kalmaz, aynı zamanda özellikle üretken yapay zeka (YZ) gibi yeni teknolojilerin dil öğrenme ekosistemlerini yeniden şekillendirmedeki dönüştürücüpotansiyelini de göz ardıeder 6. ChatGPT gibi yapay zeka odaklı araçların hızla yayılmasına rağmen, EFL bağlamlarına entegrasyonları özellikle sürdürülebilirlik çerçeveleri açısından hâlâ yeterincearaştırılmamıştır 7. Bu çalışma, SDG'ler ile üretken yapay zekanın stratejik yakınsamasının EFL öğrenme ortamlarında dijital okuryazarlığı, yaratıcılığı ve motivasyonu nasıl artırabileceğini, pedagojik yeniliği ve küresel sürdürülebilirlik gündemlerini nasıl ilerletebileceğini inceleyerek bu kritik boşluğu kapatıyor. Mevcut literatürde, yapay zeka destekli dil öğrenimi ile SDG uyumlu eğitimin kesişimine dair önemli boşluklardevam etmektedir 8. Önceki araştırmalar yapay zekanın kişiselleştirilmiş dilöğretimindeki 9, otomatik değerlendirme10 ve sanal değişimprogramlarındaki rolünü incelemiş olsa da, bu çalışmalar nadiren sürdürülebilirlik çerçeveleriyle ilgilenmektedir. Buna karşılık, EFL ve sürdürülebilirlik üzerine literatür, teknolojiyi kullanarak pedagojik paradigmaları yeniden yapılandırmak yerine ağırlıklı olarak içerik tabanlı öğretime (çevresel metinler)odaklanmıştır 12. Bu kopukluk, Küresel Güney bağlamlarında büyüyen dijital uçurumlar göz önüne alındığında özellikle sorunludur; burada dilsel marjinalleşme ile sınırlı eğitim araçlarına erişimkesişmektedir 13. Ayrıca, SDG 4.4 dijital okuryazarlığı açıkça önceliklendirirken, çoğu EFL müfredatı dijital yetkinliği sürdürülebilirlik sonuçlarıyla ilişkilendirmekte başarısız olur ve öğrencileri istihdam, girişimcilik ve düzgün iş taleplerine hazırlıksızbırakır. Yapay zeka destekli pedagojiği sürdürülebilirlik yetkinlikleriyle uyumlu entegre bir çerçevenin olmaması kritik bir gözdenkaçırma 15. Ayrıca, bu çerçeve, öğrencilerin ChatGPT gibi üretken yapay zeka araçlarını çalıştırmak için temel dijital okuryazarlığa sahip olduğu lisans düzeyinde EFL derslerinde kolayca uygulanabilir. Uygulama, standart teknoloji entegre sınıflar için tasarlanmıştır ve eğitimcilerin yapay zeka iş birliğini etkili şekilde yönlendirmek için yapılandırılmış, SDG uyumlu görev önerileri sunmasını gerektirir.

Bu çalışma, EFL eğitimi için sosyokültürel teori16 ve eleştirel dijitalokuryazarlık 17 temelli yeni, SDG temalı üretken yapay zeka çerçevesi önererek bu boşlukları doldurmaktadır. Önceki çalışmaların aksine, yapay zekayı bir öğretim aracı olarak ele alan araştırmalar, onu öğrenenlerin yaratıcı ve eleştirel düşüncesini desteklemede işbirlikçi bir ortak olarakkonumlandırıyor 18. Bu değişim, kapsayıcı, öğrenci odaklı eğitim konusundaki SDG hedefleriyle uyumludur. Ampirik olarak, araştırmacılar kısmi en küçük kare yapısal denklem modellemesi (PLS-SEM) kullanarak n = 420 Çinli lisans EFL öğrencisinden elde edilen verileri analiz ederek, SDG entegrasyonu (SDG) ve ChatGPT kullanımının (UCGPT) motivasyon (SM), dijital okuryazarlık (DL), öğrenci yaratıcılığı (SC) ve dil öğrenme katılımını (LLE) nasıl birlikte etkilediğini incelerler. Bu çalışmanın teorik katkıları üç yönlüdür. İlk olarak, araştırmacılar, SDG uyumlu yapay zeka araçlarının öğrenenlerin özerklik, yetkinlik ve ilişkililik konusundaki içsel ihtiyaçlarını nasıl karşıladığını göstererek motivasyonu artırarak kendi kaderini belirleme teorisini (SDT) genişletiyor. İkinci olarak, araştırmacılar, dijital okuryazarlık ve yaratıcılığın yapay zeka aracılı ortamlarda nasıl dinamik etkileşimde bulunduğunu ortaya koyarak katılım teorisini geliştirir; bu durum öğrencilerin katılım seviyelerine bağlı olur. Üçüncü olarak, araştırmacılar etik yapay zeka kullanımını sürdürülebilirlik söylemine entegre ederek kritik dijital okuryazarlığı ilerletir; öğrencileri yapay zeka sistemlerindeki veri önyargılarını, çevresel maliyetleri ve işçilik uygulamalarını sorgulamaya teşvik eder. Ampirik olarak, bulgular eğitimciler ve politika yapıcılar için uygulanabilir içgörüler sunuyor ve ChatGPT'nin SDG ile ilgili dil görevlerine (iklim değişikliği tartışmaları, cinsiyet eşitliği simülasyonları) erişimi nasıl demokratikleştirebileceğini ve üst düzey bilişsel becerileri nasıl geliştirebileceğini gösteriyor. Bu makale şu şekilde yapılandırılmıştır: İlk olarak, bu araştırmanın önemini/özgünlüğünü, literatürdeki mevcut boşluğu ve bu çalışmanın katkısını tartışan giriş bölümüdür. Sonra, EFL'de SDG'ler, üretken yapay zeka ve dijital okuryazarlık literatürü incelemeleri yer almaktadır. Protokol bölümü PLS-SEM metodolojisini detaylandırırken, Sonuçlar bölümü bulguları sunar. Tartışma bölümü, temel bulguları ve teorik ile pratik sonuçları detaylandırır. Son olarak, makale sınırlamalar ve gelecekteki yönlerle sona eriyor.

Literatür incelemesi ve hipotezlerin geliştirilmesi

Sürdürülebilir Kalkınma Hedefi 4 ve EFL Öğrencilerinin Motivasyonu
İngilizceyi Yabancı Dil olarak (EFL) müfredatı ile bütünleştiren ve herkes için kapsayıcı ve adil kaliteli eğitim ile yaşam boyu öğrenmeyi vurgulayan Sürdürülebilir Kalkınma Hedefi 419 ile birleştiren pedagojik bir yaklaşım, öğrenci motivasyonunu artırmak için temel bir strateji olarak ortayaçıkmıştır 20. SDG 4'ün hedefleri, özellikle 4.4 (istihdam için beceriler) ve 4.7 (sürdürülebilir kalkınma için eğitim), eleştirel düşünme, dijital okuryazarlık ve etik katılım becerilerine sahip dilsel olarak yetkin öğrenenlerin geliştirilmesinin öneminivurgulamaktadır 21. Bu yetkinliklerin ilkeleri, Koruma Sorumluluğu ve 'Haklara Dayalı Eğitim' SDG 4.5 hedefleri tarafından da desteklenmektedir. Birkaç çalışma, iklim eylemi, cinsiyet eşitliği ve yoksullukla mücadele dil öğreniminde ele alındığında, öğrencilerin22. konuya olan motivasyonunu artırdığını öne sürmektedir. Bu yöntem, özerklik, ustalık becerileri ve sosyal bağlantı deneyiminin insanları motive ettiğine inanan Kendi BelirlenmeTeorisi 23,24'ü destekler. Üretken Yapay Zeka, Sürdürülebilir Kalkınma Hedefleri ile ilgili etkileşimli içerik kullanıldığında motivasyon aracı olarak daha da iyiçalışır 26. Sürdürülebilirliğe odaklanan çeşitli dillerde chatbot simüle edilmiş zirveler ve platformlarla yapay zeka, öğrencilerin dil egzersizleri aracılığıyla karmaşık konuları öğrenmesinimümkün kılar 27. Öğrencilerin su kıtlığı çözümlerini İngilizce tartışmalarını gerektiren senaryoları uygulamak, onların ilgisini artırır. Bu, onların problem çözme yeteneklerini keskinleştirir ve onlara daha fazla sorumluluk ve önem hissikazandırır 28. Yapay zeka geri bildirimi standartlaştırılır ve anında verilir (bu da çeşitli eğitim ihtiyaçlarını karşılamaya yardımcı olur ve SDG 429'da açıklandığı gibi eşitliği destekler; bu da öğrencileri sakinleştirir ve eşitliği sağlar). Eğitim uzmanları, SDG bağlantılarını bir adım daha ileri götürmelidir; çünkü öğrencilerin sistematik eşitsizlikleri tespit etmesini sağlayan beceriler geliştirmeyeodaklanmalıdırlar 30. Gelişmiş ve az gelişmiş ülkeler arasında bir yapay zeka farkı olduğunda, bu öğrencilerin cesaretini bozmalarına sebep sayısını artırır ve kapsayıcı tasarımın benimsenmesini talepeder 31. Yukarıdaki literatüre dayanarak şu hipotez önerilmektedir: H1: SDG'lerin EFL derslerine entegre edilmesi, öğrencilerin İngilizce öğrenme motivasyonunu artırır.

Üretken Yapay Zeka Kullanımı ve EFL Öğrencilerinin Motivasyonu
Dil modelleri ve sohbet botlarını içeren üretken yapay zeka araçları, etkileşimi teşvik etmek, kişisel ihtiyaçları karşılamak ve yaratıcı aktiviteleri teşvik etmek yoluyla EFL eğitiminde motivasyonu artırmaya yardımcı olması nedeniyle giderek daha fazla değergörmektedir 32. Bu yaklaşımlar, öğrencilerin yapay zeka ile doğrudan etkileşime girmesini, gerçekçi durumlarda iletişim kurma pratiği yapmasını ve hızlı ve ayarlanabilir geri bildirim almasını sağlar; bu geri bildirim kaygıyı azaltır ve ilgilerinisürdürür 33. Örneğin, yapay zeka tarafından oluşturulan eğitim kaynakları, örneğin öğrencinin seviyesine ve ilgi alanlarına göre kişiselleştirilmiş metinler ve senaryolar, onların özerklik ve yetenek duygusu için psikolojik ihtiyaçlarını karşılayabilir. Üretken yapay zeka, birden fazla dilde kaynak sağlayabildiği ve kültürel bağlamları dikkate alabileceği için, öğrencilerin küresel sorunları İngilizce olarak keşfetmelerini sağlar ve etik kararlar üzerine derinlemesine düşünmelerinisağlar 34. Ancak uzmanlar, yapay zekaya fazla güvenmenin insanlar arasındaki iletişimi kısıtlayabileceğini ve eleştirel düşünme geliştirmelerini engelleyebileceğini söylüyor; bu iki şey çocukların gelişimi için hayati önemdedir. Ayrıca, internet erişimindeki dezavantajlar ve önyargılı algoritmaların etkileri, bazı öğrenme grupları için mevcut eşitsizlikleri daha da derinleştirerek mevcut eşitsizlikleri daha da derinleştirebilir. Yukarıdaki literatüre dayanarak şu hipotez önerilmektedir: H2: ChatGPT'nin EFL sınıflarında kullanılması, öğrencilerin dil öğrenimine katılma motivasyonunu artırır.

EFL Öğrencilerinin Motivasyonu ve Dijital Okuryazarlığı
Dijital okuryazarlık ile EFL motivasyonu arasındaki ilişki sadece korelasyonel değil, sinerjik de bir ilişkidir. Daha yüksek dijital okuryazarlığa sahip öğrenciler, kişisel ilgi alanları ve sosyokültürel bağlamlarıyla uyumlu özgün ve çok modlu içerikleri aramak ve onlarla etkileşim kurmak için dahadonanımlıdır 35,36. Bu kapasite, öğrenenlerin özerklik ve yeterlilik duygusunu artırarak doğrudan içsel motivasyonu besler; böylece dijital ortamlarda daha etkili bir şekilde hareket edebilebilirler. Ancak bu pozitif döngü otomatik değildir. Motivasyonel etki, dijital katılımın kalitesine bağlıdır; Sadece teknolojiyi kullanmak, görevler anlamlı ve kültürel olarak duyarlı olmadıkça motivasyonu garantietmez 37.

Ayrıca, Üretken Yapay Zeka şu anda kişiselleştirilmiş iskele38 yardımıyla bu sinerjiyi hızlandıracak bir mekanizma olarak pazarlanıyor olsa da, kritik bir yaklaşım bunun birkaç olası durumu olduğunu ortaya koymaktadır. Yapay zeka teknolojilerinin kültürlerarası diyalogu kolaylaştırma ve medya önyargısını sezdirmekonusundaki başarısı, eşit erişim ve temel dijital yetkinlik üzerine kuruludur; bu da kaynakları yetersiz olan ortamlarda sıklıkla eksikkalır. 40. Bu durum, dijital okuryazarlık hayal kırıklığına ve bir kopukluk hissine yol açarak motivasyonel bir boşluk yaratıyor; böylece yapay zekanın üretmeyi hedeflediği motivasyonusabote ediyor 41. Bu nedenle, yapay zeka entegrasyonu, öğrenenin etik çağrışımları anlamasını teşvik eden titiz dijital okuryazarlık modelleri ile desteklenmelidir; böylece teknolojilerin kullanımıyla mevcut dengesizliklerin yanlışlıktan yayılmasının önlenmesigerekir 42. Yukarıdaki literatüre dayanarak şu hipotez önerilmektedir: H3: EFL öğrencilerinde daha yüksek motivasyon, dijital okuryazarlık becerilerinin gelişmesine yol açar.

EFL Öğrencilerinin Dijital Okuryazarlığı ve EFL Öğrencilerinin Yaratıcılığı
İngilizce Yabancı Dil olarak (EFL) dijital okuryazarlık, öğrenenlere yenilikçi dijital modlarla dil kullanımını yeniden bağlamlandırma konusunda teknik ve eleştirel yetenek sağlayarak yaratıcılığı tetikler. 43. Öğrenciler, üretken yapay zeka, multimedya platformları ve işbirlikçi sanal alanlar gibi cihazları kullanmayı ustalaşır; bu da metin tabanlı egzersizlerin ötesine geçerek dijital hikayeler, podcastler veya hatta yapay zeka tarafından üretilen anlatılar gibi çoklu modal projeler oluşturmak için araç olarakkullanabilirler 44. Örneğin, çoklu dilli şiir yaratmak veya sanal gerçeklik senaryolarını simüle etmek için yapay zeka tabanlı platformlar, öğrenenlerin dilsel ve kültürel hibritliği denemelerine ve dil edinimi ile sanatsal keşfi birleştirmesineyardımcı olur 45.

Dijital okuryazarlık, eşit erişim fırsatları ve belirlenmiş amaçlara sahip öğretim yaklaşımları aracılığıyla yaratıcılıklailişkilidir 46. Bazı marjinal gruplar, üretken yapay zeka ve dijital araçlara eşit erişimden yok, bu da aktif yaratım yerine yaratıcı boğucu ve pasif öğrenmeye yolaçıyor 47. Eğitim profesyonelleri, öğrencilerinin hem yapay zeka içerik üretimine etik yaklaşımı hem de dijital iş akışının çevre üzerindeki etkilerini incelemelerine yardımcı olmak için sürdürülebilir öğretim uygulamalarına odaklanan kritik yöntemleriseçmelidir 48. Öğrenciler, sürdürülebilir proje geliştirmeyi algoritmik önyargı incelemesiyle birleştiren uygulamalı dijital tasarım faaliyetleriyle etik ustalık geliştirebilirler; bu da SDG 4.7'nin sürdürülebilirlik ve adalet hedeflerini güçlendirir. Yukarıdaki literatüre dayanarak aşağıdaki hipotezler önerilmektedir: H4: EFL öğrencileri, daha güçlü dijital okuryazarlık becerilerine sahip olanlar, dil görevlerinde daha fazla yaratıcılık gösterirler. H5: EFL öğrencilerinin dil öğrenme etkileşimi, dil görevlerinde daha fazla yaratıcılık göstermektedir.

Dil Öğrenme Katılımının Moderatör Etkisi
Özellikle EFL öğrenme bağlamları açısından, Sürdürülebilir Kalkınma Hedefleri (SDG'ler) ve üretken yapay zekayı entegre eden pedagojik müdahaleler, dil öğrenimindeki bilişsel, davranışsal ve duygusal yatırımla tanımlanan dil öğrenimi katılımı, çok taraflı olarak kritik bir moderatördeğişken olduğunda daha etkilidir 49. SDG ile ilgili içeriklerin uygulanmasında, yüksek katılım seviyeleri motivasyon ve bilişsel kazanımları artırır; SDG uyumlu proje tabanlı görevlere veya yapay zeka simüle edilen görevlere katılanlar daha ısrarlıdır, daha fazla soru sorar ve öğrenme yolculukları üzerinde daha fazla sahiplik iddiaederler 50. Örneğin, öğrencilerin yapay zeka (AI) sürdürülebilirlik kampanyalarını ortak yaratması veya küresel konuların İngilizce olarak tartışılması, öğrencilerin gerçek hayat sorunlarına duygusal bağ kurması göz önüne alındığında, dilsel yetenekleri ve yaratıcılığı artırdığıgösterilmiştir 51. Katılım, öğrenenlerin yapay zeka tarafından yönlendirilen EFL öğrenme ortamlarının etik ve kültürel yönlerini nasıl ele aldığını belirleyen bir moderatördür. Kayıtsız öğrenciler, yapay zekayı endişelerini yoğunlaştıran ve onları pasif olarak otomatik geri bildirime bağımlı hale getiren otoriter bir sistemolarak görürler 52. Yukarıdaki literatüre dayanarak şu hipotez önerilmiştir: H6: Dil öğrenme katılımı, dijital okuryazarlık ile yaratıcılık arasındaki ilişkiyi ader.

EFL Öğrencilerinin EFL Ortamlarında Motivasyonunun Aracılık Etkisi
EFL öğrencilerinin motivasyon seviyeleri, SDG'lerle bağlantılı pedagojik stratejilerin ve üretken yapay zekanın dijital becerilerini, yaratıcı yeteneklerini ve İngilizce yeterliliklerini etkilemesinde hayati bir roloynar 53. Öğretim tasarımı, derin katılım için psikolojik koşulları güçlendirmek amacıyla Kendi BelirlenimiTeorisi 54'ü kullanan motivasyon yoluyla öğrenci başarısını buluştur. Özerklik (savunuculuk konularında karar verme), yetkinlik (öğrenme sürdürülebilirliği kelime dağarcığı) ve ilişki (küresel etkinliklere katılma) ile ilgili öğrenci motivasyonu, SDG temalı içeriklerin öğrencilerin eleştirel düşünme ve dijital beceri gelişiminin etkinliğini belirleme mekanizması olarak hizmet eder. Üretici yapay zeka araçlarının ilk kullanımında öğrenci katılımı, yenilikleri nedeniyle artabilir, ancak okuryazarlık ve yaratıcılıkta devam eden gelişmeler, öğrencilerin yapay zeka etkileşimlerini hem kimlikle ilgili hem de özerkliği teşvik eden olarak tanımasını gerektirir.

Araştırmacılar, motivasyonu çeşitli ortamları birbirine bağlayan birincil faktör olarak ampirik kanıtlar aracılığıyla belirler. EFL öğrenenlerine maruz kalan SDG odaklı projeler, katılımcıların aynı anda yüksek motivasyon seviyeleri deneyimlemesi nedeniyle ilişkili yaratıcılığa yol açtı; bu da öz değerlendirmeler56'da bildirildi. Yapay zeka tarafından oluşturulan kişiselleştirilmiş geri bildirimden elde edilen yazım sonuçları, güçlü mevcut motivasyon gösteren öğrencilerde maksimum iyileşmegösterdi 57,58. Çalışma, motivasyonun teknolojik müdahalelerin etkinliğini düzenlediğini kanıtladı. Bu süreci engelleyen bir diğer faktör ise kültürel faktörlerin yanı sıra sosyoekonomik unsurlardır. Kaynak kısıtlı ortamlar, SDG 4.4'te bahsedilen kariyer fırsatlarıyla ilgili dış teşvikleri önceliklendirir ve motivasyon ile dijital araç teslimatı arasındaki ilişkilerin değişmesineyol açar 59,60. Yukarıdaki literatüre dayanarak şu hipotezler önerilmiştir: H7: Öğrencilerin motivasyonu, ChatGPT kullanımı ile dijital okuryazarlık becerileri arasındaki ilişkiyi aracılık eder. H8: Öğrencilerin motivasyonu, SDG'ler ile dijital okuryazarlık becerileri arasındaki ilişkiyi aracılık eder. Şekil 1, tüm değişkenleri ve onların birbirleriyle yol ilişkilerini içeren mevcut çalışmanın araştırma modelini göstermektedir. Ayrıca, değişkenler arasındaki yol ilişkilerine dayanarak, tüm hipotezler araştırma modelinde de belirtilmiştir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu çalışma, insan denek araştırmaları için etik yönergelere uygun olarak yürütülmüştür. Tüm katılımcılardan katılımdan önce bilgilendirilmiş onay alındı; böylece çalışmanın amacı, anket temelli prosedürler, gönüllü doğa ve herhangi bir zamanda sonuçsuz çekilme hakkı hakkında tam bilgilendirilmeleri sağlandı. Tüm yöntemler, insan araştırmaları için etik standartlara uyarak katılımcı gizliliğini, verilerin anonimleştirilmesini ve çalışma boyunca korumayı sağladı. Çalışma, katılımcılar için minimum riskle invaziv olmayan, anket tabanlı veri toplamayı içeriyordu.

1. Araştırma tasarımı

Bu çalışma, Sürdürülebilir Kalkınma Hedefi (SDG) entegrasyonu, üretken yapay zeka kullanımı, dijital okuryazarlık, yaratıcılık, motivasyon ve EFL bağlamlarında dil öğrenme katılımı arasındaki ilişkileri inceleyen nicel ve kesitsel bir araştırma tasarımı benimsedi. Tasarım, pozitivist epistemolojiye dayanan yapılandırılmış anketler yoluyla hipotez testini önceliklendirdi ve benzer akademik ortamlarda bulguların istatistiksel genellemesini mümkün kıldı. Karmaşık arabuluculuk ve moderasyon etkilerini analiz etmek için kısmi en küçük kare yapısal denklem modelleme (PLS-SEM) yaklaşımı seçildi. PLS-SEM, veri normalliği varsayımlarını en aza indirirken daha küçük örneklem boyutlarını ve keşif model yapılarını destekler61. Tasarım, SDG 4'ün veri odaklı eğitim stratejileri çağrısıyla uyum sağladı ve yapay zeka destekli dil öğreniminde ölçeklenebilir pedagojik yenilikleri bilgilendirmek için ölçülebilir sonuçlara odaklandı.

2. Veri ve örnekleme

İlk olarak, örnekleme çerçevesini oluşturmak için, araştırmacılar 2024 bahar dönemi için üniversitenin program kadrosundan bütün, teknolojiye entegre olan tüm EFL derslerini belirleyip seçti; böylece 420 lisans öğrencisi oluşan bir pratik örneklem elde edildi. İkinci olarak, katılımcı uygunluğu, üniversite yerleştirme kayıtlarına göre 18-24 yaş arası ve birinci veya ikinci sınıf lisans öğrencileri olarak orta düzeyde İngilizce yeterliliği ile kayıtlı olma kriterlerine göre doğrulandı; son grup ise %62'si kadın ve %38'i erkekten oluşuyordu; %95'i Doğu Çin'den geliyordu. Üçüncüsü, planlı bir ders oturumunda araştırmacı anket aracını yüz yüze uyguladı: ayrıntılı bir bilgi formu dağıttıktan sonra, bilgilendirilmiş onay senaryosunu yüksek sesle okudu, sorular için zaman tanıdı ve anketi dağıtmadan önce imzalı onay formlarını topladı; katılımcıların anketi anonim olarak doldurmaları için 20 dakika zamanı oldu ve hiçbir teşvik sağlanmadı. Dördüncüsü, önceki yapay zeka deneyiminin gereksiz değişkenini kontrol etmek için, anket aracı başlangıçta özel bir filtre bölümü ekleyerek katılımcıların yapay zeka araçlarına aşinalıklarını sonraki istatistiksel kontrol için topladı. Son olarak, toplanan veriler tamlık açısından tarandı ve örneklem büyüklüğü n = 420 olarak PLS-SEM için "10 kat kuralı" uygulanarak istatistiksel yeterlilik açısından doğrulandı; bu da modelin en karmaşık regresyon denkleminde her tahmin değişkeni için minimum 10 vaka gereksinimini aştığını doğruladı.

  1. SDG'ler ve ChatGPT'nin pratik entegrasyonu
    Anket ölçütlerini somut bir pedagojik bağlamda temellendirmek için, çalışma SDG temalarını ChatGPT yardımıyla açıkça entegre eden özel bir EFL modülü içinde gerçekleştirildi. Öğrenciler, dört haftalık bir süre boyunca görev bazlı öğrenme etkinliklerine katıldılar. Örneğin, bir görevde öğrencilerin ChatGPT'yi kullanarak belirli bir SDG'yi (SDG 4 eğitimi, SDG 13: İklim Eylemi veya SDG 5: Cinsiyet Eşitliği) araştırması gerekiyordu; temel konuların özetini oluşturup ardından yapay zeka tarafından sağlanan bilgileri potansiyel önyargı açısından eleştirel değerlendirmeleri gerekiyordu. Başka bir ödevde ise, öğrenciler ChatGPT'yi yerel sürdürülebilirlik girişimini savunan ikna edici bir makale veya sosyal medya kampanyası senaryosu yazmak için ortak bir araç olarak kullandılar ve böylece küresel hedefleri kendi anlık bağlamlarına bağladılar. Bu görevler çok modlu olacak şekilde tasarlanmıştı; genellikle video bloglar veya sunumlarla sonuçlanıyordu; öğrencilerin bilgi sentezlemesini, eleştirel düşünmeyi uygulamasını ve İngilizceyi somut bir amaçla kullanmasını gerektiriyordu. Bu pratik uygulama, öğrencilerin anket yanıtlarının entegre SDG-AI öğrenme yaklaşımıyla doğrudan deneyimle desteklenmesini sağladı.

3. Etik Hususlar

Bu çalışma, titiz etik hususlara uygun olarak yürütülmüştür. Tüm katılımcılar, çalışmanın amacı ve prosedürleri ile hakları hakkında hem yazılı hem de sözlü yollarla ayrıntılı olarak bilgilendirildi ve çalışmaya katılmadan önce bilgilendirilmiş onay verildi. Bu anlaşma, anonimliği garanti altına aldı, misilleme olmadan istedikleri zaman geri çekilebilmelerini sağladı ve verilerinin gizliliğini garanti etti. Bilgiler şifreli dijital sistemler aracılığıyla toplandı ve şifre korumalı sunucularda güvenli bir şekilde saklandı. Tüm analizler, herhangi bir bireyin tanımlanmasını önlemek için toplanmış veriler üzerinde gerçekleştirildi. SDG 4.7 ilkeleriyle tutarlı olarak, çalışmada üretken yapay zekaya özgü etik konuları ele almak için ayrı bir brifing bölümü yer aldı; ChatGPT yanıtlarında önyargı olasılığı ve çevresel etkisi gibi potansiyel endişeler açıkça ortaya koydu. Son olarak, çalışmanın kendi kendine raporlama önyargıları ve örneklemin coğrafi konumu gibi sınırlamaları, akademik bütünlüğü teşvik etmek için açıkça kabul edildi.

4. Ölçütler

Yapılar, EFL bağlamına uyarlanmış doğrulanmış ölçekler kullanılarak operasyonel hale getirildi. SDG entegrasyonu üç alt ölçekten oluşan 36 maddelik bir ölçekle ölçüldü: ekonomi (13 madde), toplum (9 madde) ve çevre (14 madde). Bu ölçek, dil görevlerinde sürdürülebilirlik temalarına maruz kalmayı değerlendiren Atmaca ve ark.62'den türetilmiştir. Dijital okuryazarlık, Rodríguez-de-Dios ve ark.63'ten uyarlanan altı boyuta genişletilmiş 29 maddelik bir ölçekle değerlendirildi; bunlar arasında Teknolojik Okuryazarlık (7 madde), Kişisel Güvenlik Okuryazarlığı (5 madde), Eleştirel Okuryazarlık (5 madde), Cihaz Güvenliği Okuryazarlığı (4 madde), Bilgi Okuryazarlığı (5 madde) ve İletişim Okuryazarlığı (3 madde) yer almaktadır. Ayrıca, EFL Öğrencilerinin Yaratıcılığı, dört alt skalayı kapsayan 12 maddelik Govindasamy ve ark.64 ile yakalanmıştır; her biri özgünlük, esneklik, akıcılık ve ayrıntılandırma gibi üç unsura sahiptir. ChatGPT kullanımı, Abbas ve ark.65'ten uyarlanan 8 maddelik bir ölçekle ölçüldü; dil görevlerinde sıklık, amaç ve algılanan etkinlik üzerine odaklandı. Motivasyon, Obiosa66 kullanılarak 05 maddelik bir ölçekle değerlendirildi. Son olarak, dil öğrenme katılımı Eerdemutu ve ark.67'nin 9 maddelik bir ölçeği kullanılarak değerlendirildi. Tüm ölçekler 5 noktalı Likert yanıtları kullandı; pilot testler (n=30) güvenilirliği doğruladı (Cronbach'ın α > 0.82) ve doğrulayıcı faktör analizi yapı ayırt ediciliğini doğruladı. Bu çalışmanın analizi, ikinci derece yansıtıcı-yansıtıcı yapılar doğrudan test edilmediği için birinci dereceden yansıtıcı-yansıtıcı yapılara dayanarak yapılmıştır.

5. Veri analizi

Veri analizi, SPSS sürüm 28 ve SmartPLS sürüm 4 kullanılarak ardışık iki fazlı bir prosedürle gerçekleştirildi. Süreç, SPSS 28'de başladı; burada araştırmacılar, n = 420 vaka örneklemi için ön tanımlayıcı istatistikleri (ortalamalar, standart sapmalar) ve Pearson korelasyon katsayılarını hesaplamak için > > Betimleyici Tanımlayıcı İstatistikleri Analiz > Karşılaştırma ve Iki Değişkeni Analiz > Karşılaştırma işlemlerine yönlendirdiler. Daha sonra, birincil analiz Kısmi En Küçük Kare Yapısal Denklem Modelleme (PLS-SEM) yapmak için SmartPLS 4'e kaydı. SmartPLS'in ilk adımı, ölçüm modelinin dahili Calculate algoritmasını çalıştırarak dahili tutarlılığı değerlendirmekti; bu algoritma bileşik güvenilirlik değerlerinin 0.70 eşiğini aşmasını ve yakınsak geçerliliğin tüm yapılar için 0.50'den yüksek Ortalama Varyans Çıkarılması (AVE) ile doğrulanmasını gerektiriyordu. Ayrımcı geçerlilik, yazılımın rapor fonksiyonları kullanılarak Fornell-Larcker kriterini uygulamak ve tüm heterotrait-monotrait (HTMT) oranlarının muhafazakar 0.85 kıyasının altında olduğundan emin olmak üzere doğrulandı. Bu doğrulamanın ardından, yapısal model, 5.000 alt örnek ve 0.05 önemlilik seviyesinde iki kuyruklu bir test ile yapılandırılmış Bootstrapping rutini kullanılarak değerlendirildi; böylece tüm yol katsayıları (β) ve dolaylı etkiler için önyargılı güven aralıkları oluşturuldu ve böylece varsayımlanan doğru, aracı ve moderatör ilişkiler test edildi. Son olarak, modelin öngörücü önemi, Blindfolding prosedürü ile elde edilen Stone-Geisser'ın Q² değeri incelenerek belirlendi; sıfırın üzerindeki değerler yeterli tahmin gücünü gösterdi ve tahmincilerin esaslı etkisi, PLS algoritması sonuçlarından etki boyutları (f²) hesaplanarak belirlendi.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Betimleyici istatistikler
Betimleyici bir analiz, değişkenlerin desenleri, merkezi konumlar ve dağılımı hakkında önemli içgörüler sağlar ve araştırmacıların ilk verilerin sağlığını, normalliğini ve teorik uyumunu doğrulamasını sağlar. Bu çalışmada, ortalama değerler kurtoz seviyesini ölçmek için kullanılırken, standart sapma parametreleri eğiklik seviyesini değerlendirmek için kullanılmıştır. Ayrıca, eğikliğin etkileri de dikkate alınır. Bu, 420 katılımcının parametri...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Temel bulguların özeti
Bu çalışma, EFL öğrenme ortamlarında Sürdürülebilir Kalkınma Hedefleri (SDG'ler), üretken yapay zeka (ChatGPT) ve temel eğitim sonuçları olan motivasyon, dijital okuryazarlık ve yaratıcılık arasındaki etkileşimi inceledi. Sonuçlar, tüm doğrudan etkili hipotezleri (H1-H5) doğruladı ve SDG entegrasyonu (β = 0.37) ile ChatGPT kullanımının (β = 0.28) öğrenci motivasyonunu önemli ölçüde artırdığını ve bunun da dijital okuryazarlığı (β = 0.45) ve yara...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Tüm yazarlar çıkar çatışması belirtmemektedir.

Teşekkürler

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu araştırma, Jiangsu İl Sosyal Bilimler Fonu, Hibe No: (23YYB011) tarafından desteklenmektedir. Bu çalışma, Prens Sultan Üniversitesi tarafından Dil ve İletişim Araştırma Laboratuvarı kapsamında desteklenmiştir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
ChatGPT Kullanım ÖlçeğiAbbas ve ark. (2023) tarafından uyarlanan 8 maddelik ölçek.Abbas ve ark. (2023).
Yaratıcılık ÖlçeğiGovindasamy ve ark. (2022) tarafından uyarlanmış 12 maddelik ölçek, dört alt yapıyı ölçer: Özgünlük, Esneklik, Akıcılık ve Detaylandırma.Govindasamy ve ark. (2022)
Veri Toplama AracıAnonim, kendi kendiliğinden uygulanan kağıt ve kalemle anket.Uygulanabilir değil / özel tasarım
Veri Depolama SistemiŞifreli dijital sistemlere sahip şifre korumalı sunucular.Uygulanabilir değil / kurumsal BT altyapısı
Dijital Okuryazarlık ÖlçeğiRodrí'dan uyarlanmış 29 maddelik ölçek; guez-de-Dios ve ark. (2018), altı boyutu kapsıyor: Teknolojik, Kişisel Güvenlik, Kritik, Cihaz Güvenliği, Bilgi ve İletişim Okuryazarlığı.Rodrí guez-de-Dios ve ark. (2018)
Bilgilendirilmiş Onay BelgeleriYazılı bilgi formu ve onay formu.Uygulanabilir değil / özel tasarım
Dil Öğrenme Katılım Ölçeği9 maddelik ölçek, Eerdemutu ve ark. (2023) tarafından uyarlanmıştır.Eerdemutu ve ark. (2023)
Motivasyon ÖlçeğiObiosa (2023)'ten uyarlanmış 5 maddelik ölçek.Obiosa (2023).
PLS-SEM Algoritması & BootstrappingSmartPLS 4 dahili rutin (PLS Algoritması ve 5.000 alt örnekle Bootstrapping).https://www.smartpls.com/documentation/algorithms-and-techniques
Öngörücü Önem DeğerlendirmesiStone-Geisser'i hesaplamak için SmartPLS 4'te göz bağlama prosedürü s Q² değer.https://www.smartpls.com/documentation/predictive-relevance-q2
SDG Entegrasyon ÖlçeğiAtmaca ve ark. (2023) tarafından uyarlanmış, Ekonomi (13 madde), Toplum (9 madde) ve Çevre (14 madde) için alt ölçekler yer almıştır.Atmaca ve ark. (2023)
İstatistiksel Analiz YazılımıIBM SPSS İstatistikleri, Sürüm 28.-
Yapısal Denklem Modelleme YazılımıSmartPLS, Sürüm 4.https://www.smartpls.com
Geçerlilik & Güvenilirlik KontrolleriSmartPLS 4, Bileşik Güvenilirlik, Ortalama Varyans Çıkarılmış (AVE), Fornell-Larcker Kriterleri ve HTMT oranları için raporlama fonksiyonlarını içerir.https://www.smartpls.com/documentation/reporting

Kaynaklar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Aftinia, F., Munir, A., Nugroho, H. M. A. The use of gamification in English learning for Sustainable Development Goals (SDGs): A case study in a junior High School English club. J Lifestyle SDGs Rev. 5 (3), e04941-e04941 (2025).
  2. Kong, X., Liu, C. A comparative genre analysis of AI-generated and scholar-written abstracts for English review articles in international journals. J Engl Acad Purp. 71, 101432(2024).
  3. Weng, X., Chiu, T. K. Instructional design and learning outcomes of intelligent computer assisted language learning: Systematic review in the field. Comput Educ Artif Intell. 4, 100117(2023).
  4. Huang, J., Mizumoto, A. Examining the effect of generative AI on students' motivation and writing self-efficacy. Digital Digit Appl Linguist. 1, 102324-102324 (2024).
  5. Mo, Z., Crosthwaite, P. Exploring the affordances of generative AI large language models for stance and engagement in academic writing. J Engl Acad Purp. 75, 101499(2025).
  6. Jiao, S., Liang, F. Sustainable development of high school English learners in China: Motivation and its impact on their English achievement. Sustainability. 14 (19), 12619(2022).
  7. 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).
  8. Arslan, S., Curle, S. Institutionalising English as a foreign language teachers for global sustainability: Perceptions of education for sustainable development in Turkey. Int J Educ Res. 125, 102353(2024).
  9. Al-Nofaie, H., Alwerthan, T. A. Appreciative inquiry into implementing artificial intelligence for the development of language student teachers. Sustainability. 16 (21), 9361(2024).
  10. Oriakhi,, et al. Generative artificial intelligence in education: ChatGPT-4 experiences to anticipated ChatGPT-5. HAFED Poly J Sci Manag Technol. 6 (1), 149-169 (2024).
  11. Uğraş, H., Uğraş, M., Papadakis, S., Kalogiannakis, M. ChatGPT-supported education in primary schools: The potential of ChatGPT for sustainable practices. Sustainability. 16 (22), 9855(2024).
  12. Wang, X., et al. What matters in AI-supported learning: A study of human-AI interactions in language learning using cluster analysis and epistemic network analysis. Comput Educ. 194, 104703(2023).
  13. Gayed, J. M., Carlon, M. K. J., Oriola, A. M., Cross, J. S. Exploring an AI-based writing Assistant's impact on English language learners. Comput Edu Artif Intell. 3, 100055(2022).
  14. Bravo-Adasme, N., Cataldo, A. Understanding techno-distress and its influence on educational communities: A two-wave study with multiple data samples. Tec in Soc. 70, 102045(2022).
  15. Noor, U., Younas, M., Saleh Aldayel, H., Menhas, R., Qingyu, X. Learning behavior, digital platforms for learning and its impact on university student's motivations and knowledge development. Front in Psyc. 13, 933974(2022).
  16. Vygotsky, L. S. Mind in society. Cole, M., John-Steiner, V., Scribner, S., Souberman, E. , (1978).
  17. Pangrazio, L. Reconceptualising critical digital literacy. Discourse: Stud Cult Polit Educ. 37 (2), 163-174 (2016).
  18. Lo, C. K., et al. Exploring the application of ChatGPT in ESL/EFL education and related research issues: A systematic review of empirical studies. Smart Learn Environ. 11 (1), 50(2024).
  19. Ben Abida, S. Towards enhancing E-learning: Using Digital Literacy, YouTube, and Facebook, to Encourage EFL students' Learning Autonomy. DIDASKEIN. 2 (1), 189-204 (2021).
  20. Adams, K., Nakano, S. Connecting student interest and motivation in English to the Sustainable Development Goals. IAFOR J Educ. 12 (1), 243-262 (2024).
  21. Kwee, C. T. T. I want to teach sustainable development in my English classroom: A case study of incorporating sustainable development goals in English teaching. Sustainability. 13 (8), 4195(2021).
  22. Younas, M., et al. Unveiling digital transformation and teaching prowess in English education during COVID-19 with structural equation modelling. Eur J Educ. 60 (1), e12818(2024).
  23. Putri, N. L. P. N. S., Santosa, M. H., Artini, L. P., Nitiasih, P. K. Sustainable development goals in EFL Students' learning: A systematic review. Pegem J Educ Instr. 14 (2), 1-11 (2024).
  24. Deci, E. L., Ryan, R. M. The general causality orientations scale: Self-determination in personality. J Res Pers. 19 (2), 109-134 (1985).
  25. Dörnyei, Z. The L2 motivational self system. Motivation, language identity and the L2. 36 (3), 9-11 (2009).
  26. Younas, M., et al. COVID-19, students' satisfaction about e-learning and academic achievement: Mediating analysis of online influencing factors. Front Psychol. 13, 948061(2022).
  27. Khoso, A. K., Honggang, W., Darazi, M. A. Empowering creativity and engagement: The impact of generative artificial intelligence usage on Chines EFL students' language learning experience. Comput. Hum Behav Rep. 18, 100627(2025).
  28. Manurung, R. T., et al. Improving students' awareness about Sustainable Development Goals (SDGs) through literary text: A case on language teaching. Lib Prog Lib Sci Inf Technol Comput. 44 (2), 493-500 (2024).
  29. Sağlam, M. An investigation of pre-service English language teaching students' opinions about their practicum at schools on the basis of sustainable development goals (SDGS). 5 (2), 02544(2025).
  30. Trucano, M. SABER-ICT framework paper for policy analysis. , (2016).
  31. Naing, W. K. K., Mar, A. A. English language teachers' knowledge of SDGs and their Attitudes towards Incorporating SDGs in ELT in Myanmar. J Engl Lang Linguist. 4 (1), 18-29 (2023).
  32. Selwyn, N., Facer, K. Beyond digital divide: Toward an agenda for change. In Digital literacy: Concepts, methodologies, tools, and applications. , 1678-1696 (2013).
  33. Zheng, Y., Wang, Y., Liu, K. S. X., Jiang, M. Y. C. Examining the moderating effect of motivation on technology acceptance of generative AI for English as a foreign language learning. Educ Inf Technol. 29, 1-29 (2024).
  34. Al-Smadi,, et al. Artificial intelligence for English language learning and teaching: Advancing sustainable development goals. J Lang Teach Res. 15 (6), 1835-1844 (2024).
  35. 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 Educ. 59 (4), e12770(2024).
  36. Frima, R. N. Students' digital literacy and their motivation to read narrative text at Islamic Junior High School Al-Hafit Pekanbaru. [Doctoral dissertation]. , UNIVERSITAS ISLAM NEGERI (UIN) SULTAN SYARIF KASIM RIAU. (2023).
  37. Nguyen, L. A. T., Habók, A. Digital literacy of EFL students: An empirical study in Vietnamese universities. Libri. 72 (1), 53-66 (2022).
  38. Pertiwi, I., Siti, R. R. Digital literacy in EFL learning: University students' perspectives. J Engl Educ Soc. 7 (2), 197-204 (2022).
  39. Rinekso, A. B., Rodliyah, R. S., Pertiwi, I. Digital literacy practices in tertiary education: A case of EFL postgraduate students. Stud Engl Lang Educ. 8 (2), 622-641 (2021).
  40. Yang, P., Huang, W., Shen, H. Z., Yang, H., Gao, C. Chinese university students' self-regulated strategic learning in English medium instruction from a sociocultural perspective. J Engl Acad Purp. 75, 101510(2025).
  41. Dashtestani, R., Hojatpanah, S. Digital literacy of EFL students in a junior high school in Iran: voices of teachers, students and Ministry Directors. Comput Assist Lang Learn. 35 (4), 635-665 (2022).
  42. Bacalja, A., Aguilera, E., Castrillón-Ángel, E. F. Critical digital literacy. The handbook of critical literacies. , Routledge. 373-380 (2021).
  43. Ngo, T. N., Hastie, D. Artificial Intelligence for Academic Purposes (AIAP): Integrating AI literacy into an EAP module. Engl Specif Purp. 77, 20-38 (2025).
  44. Ponte, D. C. The application of Artificial Intelligence in EFL learning and teaching: Considerations, challenges and practical examples for educators. English linguistics meets the 21st century. , 118-137 (2024).
  45. Indah, R. N., Toyyibah, T., Budhiningrum, A. S., Afifi, N. The research competence, critical thinking skills and digital literacy of Indonesian EFL students. J Lang Teach Res. 13 (2), 315-324 (2022).
  46. Klein, D. The relevance of digital literacy for distance learning in EFL classrooms in Austrian lower-secondary schools. , https://unipub.uni-graz.at/obvugrhs/content/titleinfo/8653259/full.pdf (2023).
  47. Cui, X., Gardiner, I. A. Investigating students' academic language-related challenges and their interplay with English proficiency and self-efficacy on EMI success in Transnational Education (TNE) programs in China. Engl Specif Purp. 78, 53-69 (2025).
  48. Belda-Medina, J. Promoting inclusiveness, creativity, and critical thinking through digital storytelling among EFL teacher candidates. Int J Incl Educ. 26 (2), 109-123 (2022).
  49. Özcan, E. N. Enhancing language skills and environmental literacy: An eco-pedagogical approach to teaching English to young learners. , (2025).
  50. Zhang, Q. Mediation/moderation effects of engagement, foreign language enjoyment, and ambiguity tolerance in metaverse-based foreign language learning. Int J Educ Technol. High. Educ. 21 (1), 54(2024).
  51. Liu, M. Exploring the motivation-engagement link: The moderating role of positive emotion. J Psychol Lang Learn. 4 (1), e415022(2022).
  52. Jeffcoat, J. L. Digital Literacy Integrated Into Academic Content Through the Collaboration of a Librarian and a Core Content Teacher. [Doctoral dissertation]. , University of South Carolina. (2023).
  53. Wu, Y., Kang, X. A moderated mediation model of expectancy-value interactions, engagement, and foreign language performance. Sage Open. 11 (4), 21582440211059176(2021).
  54. Peng, R., Fu, R. The effect of Chinese EFL students' learning motivation on learning outcomes within a blended learning environment. Australas J Educ Technol. 37 (6), 61-74 (2021).
  55. Bailey, D., Almusharraf, N., Bennett, F. Mediating effect of competitiveness on motivation and evaluation anxiety: a structural equation model for learning within videoconference EFL courses. Educ Inf Technol. 29 (3), 3729-3752 (2024).
  56. Feng, L., Mohd Rawian, R. The mediating role of motivation and language anxiety in increasing EFL learners' working memory. Lang Relat Res. 14 (1), 335-358 (2023).
  57. Derakhshan, A. EFL students' perceptions about the role of generative artificial intelligence (GAI)-mediated instruction in their emotional engagement and goal orientation: A motivational climate theory (MCT) perspective in focus. Learn Motiv. 90, 102114(2025).
  58. Yang, Y., Du, C. The predictive effect of perceived teacher support on college EFL learners' online learning engagement: Autonomous and controlled motivation as mediators. J Multiling Multicult. Dev. 46, 1-15 (2023).
  59. Liu, Q., Du, X., Lu, H. Teacher support and learning engagement of EFL learners: The mediating role of self-efficacy and achievement goal orientation. Curr Psychol. 42 (4), 2619-2635 (2023).
  60. Sadoughi, M., Hejazi, S. Y. The effect of teacher support on academic engagement: The serial mediation of learning experience and motivated learning behavior. Curr Psychol. 42 (22), 18858-18869 (2023).
  61. Hair, J. F., Risher, J. J., Sarstedt, M., Ringle, C. M. When to use and how to report the results of PLS-SEM. Eur Bus Rev. 31 (1), 2-24 (2019).
  62. Atmaca, A. C., Kıray, S. A., Pehlivan, M. Development of a measurement tool for sustainable development awareness. Int J AssessTools Educ. 6 (1), 80-91 (2019).
  63. Rodríguez-de-Dios, I., Igartua, J. J., González-Vázquez, A. Development and validation of a digital literacy scale for teenagers. Proceedings of the fourth international conference on technological ecosystems for enhancing multiculturality. , 1067-1072 (2016).
  64. Govindasamy, P., Cumming, T. M., Abdullah, N. Validity and reliability of a needs analysis questionnaire for the development of a creativity module. J Res Spec Educ. Needs. 24 (3), 637-652 (2024).
  65. Obiosa, N. Effects of students' motivation and engagement on students' satisfaction in a lecture: Empirical analysis. Int J Instr. 13 (3), 861-876 (2020).
  66. 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 Educ Technol High Educ. 21 (1), 10(2024).
  67. 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).
  68. Bravo Luque, M., Alcantud-Díaz, M. Implementing Inquiry-based Learning through Sustainable Development Goals: A didactic Approach to Foster Learning-to-learn and Citizenship Competencies in EFL. Pap Rev Fac Educ Univ Antonio Nariño. 16 (32), 1970(2024).
  69. Dodigovic, M. Artificial intelligence and second language learning: An efficient approach to error remediation. Lang Aware. 16 (2), 99-113 (2007).
  70. Doshi, R., Dadhich, M., Poddar, S. Integrating generative AI in education to achieve sustainable development goals. IGI global. Hiran, K. K. , (2024).
  71. Hutson, J. Multimodal GAI in arts-based multiliteracies: Fostering interdisciplinary creativity. Arts-Based Multiliteracies for Teaching and Learning. , 209-244 (2025).
  72. Kang, X., Wu, Y. Academic enjoyment, behavioral engagement, self-concept, organizational strategy and achievement in EFL setting: A multiple mediation analysis. PLoS One. 17 (4), e0267405(2022).
  73. 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. , (2025).
  74. Nguyen, T. H., Hoang, T. N. H. Investigating the promises and perils of generative AI in EFL learning in higher education: A literature review. AsiaCALL Online J. 16 (1), 1-15 (2025).
  75. Mentesoglu-Karaderi, I., Osam, ÜV., Al-Turjman, F. Integrating generative artificial intelligence in English language teaching: An overview in the IoT era. International Conference on Artificial Intelligence Of Things For Smart Societies. , Springer Nature. Cham. 43-50 (2024).
  76. Young, D. Leveraging assistive technology to promote inclusive English language teaching and digital literacy. digital literacy at the intersection of equity, inclusion, and technology. , 49-64 (2024).
  77. Nitzl, C., Roldan, J. L., Cepeda, G. Mediation analysis in partial least squares path modeling: Helping researchers discuss more sophisticated models. Ind Manag Data Syst. 116 (9), 1849-1864 (2016).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

ChatGPT EntegrasyonuDilsel Yarat c l krenci MotivasyonuDil renimi Ba l lYap sal E itlik Modellemesi21 Y zy l Becerileri

İlgili makaleler