Araştırma makalesi

Suudi İngilizce-Yabancı Dil Sınıflarında Üretken Yapay Zeka, Motivasyon, Kaygı ve Yaratıcılık: Kesitsel Bir Anket Çalışması

DOI:

10.3791/72626

⸱

14 Ağustos 2026

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

Bu makalede

Özet

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

Bu kesitsel araştırma, Suudi Arap İngilizce-Yabancı Dil lisans öğrencileri arasında üretken yapay zeka kullanımı, öğretim stili, dijital okuryazarlık, motivasyon, kaygı ve yaratıcılık arasındaki ilişkeleri incelemiş ve motivasyonun gözlemlenen ilişkilerde önemli bir aracı değişken olduğunu belirlemiştir.

Özet

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

ChatGPT gibi yapay zeka (AI) araçları, Yabancı Dil olarak İngilizce (EFL) eğitimine giderek daha fazla dahil edilmektedir; ancak, bu araçların kullanımının öğretim tarzı, dijital okuryazarlık, motivasyon, yabancı dil sınıf kaygısı (FLCA) ve yaratıcılık ile nasıl bir ilişkisi olduğuna dair Suudi Arabistan bağlamında sınırlı kanıt bulunmaktadır. Bu çalışma, söz konusu yapılar arasındaki ilişkileri araştırmış ve birleşik bir kavramsal çerçeve dahilinde motivasyonun aracı rolünü incelemiştir. Suudi Arabistan'da kamu sektöründeki bir üniversitede kayıtlı 280 lisans EFL öğrencisi arasında, doğrulanmış anket araçları kullanılarak nicel, kesitsel bir araştırma yürütülmüştür. Öne sürülen ilişkiler, Kısmi En Küçük Kareler Yapısal Eşitlik Modellemesi (PLS-SEM) kullanılarak analiz edilmiştir. Sonuçlar, ChatGPT kullanımının, öğretim tarzının ve dijital okuryazarlığın öğrencilerin motivasyonu ile pozitif yönde ilişkili olduğunu göstermiştir. Yüksek motivasyon, daha düşük FLCA seviyeleri ve daha yüksek yaratıcılık seviyeleri ile ilişkilendirilmiştir. Motivasyon ayrıca ChatGPT kullanımı, öğretim tarzı, dijital okuryazarlık ve FLCA arasındaki ilişkilerde aracılık etmiştir. Bu bulgular, öğrencilerin motivasyonel deneyimlerinin; öğretim uygulamaları, teknoloji kullanımı ve dil öğrenme çıktıları arasındaki ilişkilerle yakından bağlantılı olduğunu göstermektedir. Çalışma, uygun öğretim stratejilerinin, üretken yapay zeka araçlarının ve dijital okuryazarlığın İngilizce dil eğitimine entegrasyonunu destekleyen kanıtlar sunarken, teknoloji destekli öğrenme ortamları uygulanırken öğrencilerin motivasyonel ve duygusal deneyimlerini göz önünde bulundurmanın önemini vurgulamaktadır.

Giriş

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

Suudi Arabistan Krallığı, tüm eğitim kademelerinde 21. yüzyıl becerilerinin, dijital yetkinliğin ve yenilikçi pedagojik yaklaşımların geliştirilmesine öncelik veren Vizyon 2030 kapsamında dönüştürücü bir eğitim reform gündeminden geçmektedir1. Bu ulusal bağlamda, Yabancı Dil Olarak İngilizce (EFL) eğitimi, iletişimsel yetkinlikten ziyade ezberci öğrenmeye ve sınav performansına vurgu yapan sınav odaklı bir kültür de dahil olmak üzere süregelen zorluklarla karşı karşıyadır2,3. Sınıf dışındaki otantik İngilizce etkileşim imkanlarının sınırlı olması ve yüksek düzeydeki yabancı dil sınıf kaygısı (FLCA), öğrencilerin hedef dilde iletişim kurma ve anlamlı şekilde etkileşime girme istekliliğini daha da kısıtlamaktadır4. Bu zorluklar; eğitimcileri ve politika yapıcıları motivasyon eksikliklerini, duygusal engelleri ve yaratıcı dil kullanımını ele alan yenilikçi yaklaşımları keşfetmeye yöneltmiştir. Yapay zeka (AI), dil öğrenimini desteklemek ve öğretim uygulamalarını dönüştürmek için gelecek vaat eden bir yol olarak ortaya çıkmıştır5. İngilizce Öğretimi (ELT) alanındaki yapay zeka uygulamaları arasında, konuşmaya dayalı üretken bir yapay zeka modeli olan ChatGPT; etkileşimli dil pratiği ve gerçek zamanlı konuşma bağlamlarında anlık bireyselleştirilmiş geri bildirim sağlaması nedeniyle önemli ölçüde dikkat çekmiştir6. Bu özellikler, öğretmen merkezli öğretimin ve sınırlı öğrenci etkileşiminin yaratıcı dil üretimini kısıtlamaya devam ettiği Suudi EFL sınıfları için özellikle önem taşımaktadır7. ChatGPT, bir yapay zeka muhatabı ile otantik ve düşük kaygılı dil pratiği imkanları sunarak bu sınırlamaların aşılmasına yardımcı olabilir8.

Suudi Arabistan'daki yakın tarihli eğitim reformları, öğrenci merkezli pedagojiye doğru bir geçişi teşvik ederek; aktif katılımı, eleştirel düşünmeyi ve öz yönelimli öğrenmeyi destekleyen YZ teknolojilerinin entegrasyonu için fırsatlar yaratmıştır9,10. Uygun şekilde uygulandığında ChatGPT, dil pratiğini geleneksel sınıf içi etkinliklerin ötesine taşıyarak bu geçişi destekleyebilir11. Ancak, YZ entegrasyonunun etkinliği, kısmen öğrencilerin öğrenme amacıyla dijital teknolojileri etkili bir şekilde değerlendirme, kullanma ve etkileşim kurma yeteneği olarak tanımlanan dijital okuryazarlıklarına bağlıdır12. Dijital okuryazarlık, öğrenenlerin aşırı bağımlılık ve yanlış bilgi gibi potansiyel riskleri minimize ederken YZ araçlarından verimli bir şekilde faydalanmalarını sağlar13. Bu yetkinlik, dijital dönüşümün Vizyon 2030 kapsamında hızlandığı Suudi yükseköğretiminde özellikle önem taşımaktadır14.

Önceki araştırmalar YZ araçlarını, öğretim stilini, dijital okuryazarlığı, motivasyonu, kaygıyı ve yaratıcılığı ayrı ayrı incelemiş olsa da, bu yapıların Suudi Arabistan gibi Batı dışı EFL bağlamlarında birleşik bir çerçeve içinde nasıl etkileşime girdiğine dair sınırlı kanıt bulunmaktadır. Motivasyon; daha düşük kaygı, daha yüksek yaratıcılık ve sürekli katılım da dahil olmak üzere, öğretim uygulamalarını öğrenme çıktılarıyla ilişkilendiren önemli bir mekanizma olarak tutarlı bir şekilde tanımlanmıştır15. Ancak, ChatGPT kullanımı, öğretim stili, dijital okuryazarlık, motivasyon, FLCA ve yaratıcılık arasındaki ilişkiler Suudi EFL bağlamında kapsamlı bir şekilde incelenmemiştir16. Bu boşluğun doldurulması, öğrencilerin motivasyonel, duygusal ve yaratıcı gelişimini destekleyen teknoloji destekli dil öğrenme ortamlarının tasarlanması için teorik ve pratik içgörüler sağlayabilir. Buna bağlı olarak, bu çalışma Suudi EFL lisans öğrencileri arasında ChatGPT kullanımı, öğretim stili, dijital okuryazarlık, motivasyon, FLCA ve yaratıcılık arasındaki ilişkileri incelemektedir. Özellikle çalışma; (1) ChatGPT kullanımı, öğretim stili ve dijital okuryazarlığın öğrencilerin motivasyonu ile ilişkilerini; (2) motivasyonun FLCA ve yaratıcılık ile ilişkilerini ve (3) ChatGPT kullanımı, öğretim stili, dijital okuryazarlık ile sonuç değişkenleri olan kaygı ve yaratıcılık arasındaki ilişkilerde motivasyonun aracı rolünü incelemektedir.

Bu çalışma, yapay zeka aracı kullanımını mevcut motivasyon ve dil öğrenme modellerine dahil ederek, günümüz eğitim ortamlarında teknoloji destekli dil öğrenimine dair anlayışı genişletmekte; böylece EFL eğitimine ve teknoloji destekli öğrenime katkı sağlamaktadır. Ayrıca, yapay zeka araçlarını Suudi EFL öğretimine entegre etmek isteyen eğitimcilere, müfredat tasarımcılarına ve politika yapıcılara yol gösterebilecek kanıtlar sunmaktadır. Motivasyonu, teknoloji kullanımı ve öğretim uygulamaları ile FLCA ve yaratıcılık arasında bağ kuran bir aracı olarak inceleyen çalışma, Suudi Arabistan'ın eğitim reformu hedefleriyle uyumlu, öğrenci merkezli bir dil eğitiminin geliştirilmesini destekleyecek bağlama özgü kanıtlar sunmaktadır.

Öz Belirleme Kuramı (SDT), eğitim bağlamlarında öğretim uygulamaları ile öğrenci motivasyonu arasındaki ilişkiyi anlamak için teorik bir çerçeve sunar17. SDT'ye göre, öğrenenlerin üç temel psikolojik ihtiyacı olan özerklik, yeterlilik ve aidiyet öğrenme ortamında karşılandığında, içsel motivasyon ve dışsal motivasyonun özerk biçimleri desteklenir18. Bu nedenle öğretim tarzı, öğrencilerin motivasyonunu ve katılımını etkileyen temel bir bağlamsal faktördür19. Anlamlı seçenekler sunan, öğrencilerin bakış açılarını kabul eden ve öğrenme etkinliklerini açıklayan özerklik destekleyici öğretim uygulamaları, içsel motivasyonu ve öz belirlenimli katılımı teşvik eder20. İngilizcenin yabancı dil olarak öğretildiği (EFL) bağlamlarda, kolaylaştırıcı ve delegatör öğretim tarzları da dahil olmak üzere öğrenci merkezli yaklaşımlar; öğrencilerin dile karşı daha fazla bağlılığı, katılımı ve ilgisi ile ilişkilendirilmiştir21,22. Aksine, öğretmen merkezli öğretim, öğrenci katılımını ve özerkliğini sınırlarken içsel ilgi yerine dışsal ödülleri vurgulayarak motivasyonu azaltabilir23,24. Geleneksel öğretimin tarihsel olarak ezbere ve öğretmen merkezli sunuma vurgu yaptığı Suudi EFL bağlamında25, daha öğrenci merkezli öğretim yaklaşımlarının benimsenmesi öğrencilerin motivasyonunu destekleyebilir26. Bu teorik ve ampirik temele dayanarak, aşağıdaki hipotez önerilmiştir: H1: Öğretim tarzı, EFL öğrencilerinin motivasyonunu olumlu yönde etkiler.

Eğitim teknolojisi ile öğrenen motivasyonu arasındaki ilişki yaygın olarak araştırılmıştır27,28. Teknoloji Kabul Modeli (TAM), öğrenenlerin eğitim teknolojisiyle etkileşime girme motivasyonunun, davranışsal niyetleri ve teknoloji kullanımını şekillendiren algılanan kullanışlılık ve algılanan kullanım kolaylığı tarafından etkilendiğini öne sürmektedir29. Bu çerçeve ChatGPT'ye uygulandığında, aracı kullanışlı ve kullanım kolaylığına sahip olarak algılayan öğrencilerin, dil öğrenimi için bu araçla etkileşime girme olasılığının daha yüksek olduğunu göstermektedir30. Ampirik çalışmalar, interaktif özelliklerin, anlık geri bildirimlerin ve kişiselleştirilmiş pratiklerin sürekli etkileşime katkıda bulunmasıyla, yapay zeka destekli dil öğrenimi ile öğrenci motivasyonu arasında pozitif ilişkiler olduğunu bildirmiştir31,32. ChatGPT, düşük baskılı dil pratiği fırsatları sunarak dil kaygısıyla ilişkili engelleri de azaltabilir ve bu durum sürekli dil kullanımını teşvik edebilir33. Bu potansiyel, özellikle FLCA'nın motivasyon ve dil başarısı önünde önemli bir engel olarak tanımlandığı Suudi bağlamında oldukça geçerlidir34. Bu teorik ve ampirik bulgulara dayanarak şu hipotez öne sürülmektedir: H2: ChatGPT kullanımı, EFL öğrencilerinin motivasyonunu pozitif yönde etkiler.

Dijital okuryazarlık, günümüz EFL öğrenme ortamlarında öğrencilerin motivasyonunun önemli bir belirleyicisi haline gelmiştir35. Bu kavram, öğrenme amacıyla dijital teknolojileri ve medyayı etkili bir şekilde arama, değerlendirme ve kullanma yeteneğini ifade eder36. EFL bağlamlarında dijital okuryazarlık, öğrenenlerin dil öğrenimini ve motivasyonunu desteklemek için ChatGPT, öğrenme yönetim sistemleri ve multimedya araçları dahil olmak üzere dijital kaynaklardan etkili bir şekilde yararlanmalarını sağlar37. Daha yüksek dijital okuryazarlık seviyesine sahip öğrencilerin, öğrenme teknolojilerini daha güvenle kullanma eğiliminde oldukları, bunun da içsel motivasyonla ilişkili olan yetkinlik ve özerkliği teşvik ettiği görülmektedir38. Bu öğrenciler ayrıca, bağımsız dil pratiği, geri bildirim ve öğrenime yönelik sürekli etkileşim için dijital araçları kullanma konusunda daha donanımlıdırlar39. Bu literatüre dayanarak aşağıdaki hipotez önerilmiştir: H3: EFL öğrencilerinin dijital okuryazarlığı, EFL öğrencilerinin motivasyonunu olumlu yönde etkilemektedir.

Yabancı dil olarak İngilizce (EFL) eğitiminde Yabancı Dil Kaygısı (FLCA) ve yaratıcılık, aralarındaki ilişki karmaşık kalmaya devam etse de yakından ilişkili yapılardır40. Kaygı; yaratıcılık, bilişsel esneklik, ıraksak düşünme ve kendini ifade etme gerektiren görevlerde öğrencilerin performansını sınırlayabilir41. FLCA, öğrencilerin hata yapma korkusunu, olumsuz değerlendirilme endişesini ve düşük özgüvenini yansıtır ki bunların tümü yaratıcı dil üretimine engel olabilir42. Bununla birlikte yaratıcılık, bağlama uygun ve yenilikçi dil kullanımını desteklediği için EFL öğreniminde önemli bir yetkinliktir31. Önceki çalışmalar, kaygı düzeyi daha yüksek olan öğrencilerin yaratıcı yazma ve sözlü iletişim etkinliklerine katılma olasılığının daha düşük olduğunu bildirmiştir43,44. Bu literatür doğrultusunda aşağıdaki hipotezler önerilmiştir: 1) H4: EFL öğrencilerinin motivasyonu kaygı düzeyleriyle negatif ilişkilidir ve 2) H5: EFL öğrencilerinin kaygısı yaratıcılıklarını negatif yönde etkiler.

Motivasyon; öğretim tarzı, ChatGPT kullanımı ve dijital okuryazarlığın FLCA ile ilişkili olabileceği teorik bir mekanizma sağlar45. Motive olan öğrencilerin aktif katılım gösterme, zorluklar karşısında direnç gösterme ve daha düşük düzeyde iletişim kaygısı yaşama olasılıkları daha yüksektir46. Destekleyici öğretim uygulamaları, yapay zeka destekli dil öğrenimi ve daha güçlü dijital okuryazarlığın her birinin, EFL ortamlarında daha yüksek motivasyon ve daha düşük kaygı ile ilişkili olduğu görülmüştür47,48,49. Önceki araştırmalar ayrıca, daha yüksek motivasyonun daha düşük sınıf kaygısı ve artan yaratıcılıkla ilişkili olduğunu öne sürerek, motivasyonun öğretim uygulamaları ve teknoloji kullanımını öğrenme çıktılarıyla ilişkilendiren potansiyel bir aracı değişken olduğu görüşünü desteklemektedir50,51,52. Bu literatüre dayanarak aşağıdaki hipotezler önerilmiştir: 1) H6: Motivasyon, öğretim tarzı ile EFL öğrencilerinin kaygısı arasındaki ilişkiye aracılık eder; 2) H7: Motivasyon, ChatGPT kullanımı ile EFL öğrencilerinin kaygısı arasındaki ilişkiye aracılık eder ve 3) H8: Motivasyon, EFL öğrencilerinin dijital okuryazarlığı ile kaygıları arasındaki ilişkiye aracılık eder. Şekil 1; öğretim tarzı, ChatGPT kullanımı ve dijital okuryazarlığın EFL öğrencilerinin motivasyonu ile ilişkili olduğu ve motivasyonun da bunların FLCA ve yaratıcılık ile olan ilişkilerine aracılık ettiği varsayılan modeli göstermektedir.

figure-introduction-1
Şekil 1. Hipotez edilen araştırma modeli. Model; İngilizceyi yabancı dil olarak öğrenen (EFL) öğrencilerde ChatGPT kullanımı, öğretim tarzı, dijital okuryazarlık, motivasyon, yabancı dil sınıf kaygısı ve yaratıcılık arasındaki hipotez edilen ilişkileri betimlemektedir. Şekilde belirtildiği üzere, düz çizgiler doğrudan hipotez edilen ilişkileri, kesikli çizgiler ise aracı ilişkileri temsil etmektedir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Protokol

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

Çalışma; fiziksel müdahale, manipülasyon veya katılımcıları yanıltma içermeyen, deneysel olmayan, anonim anket tasarımına sahip olduğu için bir kurumsal gözden geçirme kurulundan resmi etik onay gerektirmemiş olsa da, tüm prosedürler Helsinki Deklarasyonu'nun etik ilkeleri ve Amerikan Psikoloji Derneği'nin insan katılımcıları içeren araştırmalar için belirlediği kılavuzlara uygun olarak yürütülmüştür. Veri toplama işleminden önce tüm katılımcılardan bilgilendirilmiş onam alınmıştır. Kurum, bu tür bir çalışma için resmi bir etik onay veya muafiyet talep etmemiş veya düzenlememiştir. Tüm katılımcılara araştırmanın amacı, katılımlarının gönüllü olduğu, herhangi bir sonuçla karşılaşmaksızın istedikleri zaman çekilme hakları ve verilerine uygulanan sıkı gizlilik önlemleri açıkça bildirilmiştir. Kişisel olarak tanımlanabilir hiçbir bilgi toplanmamış veya raporlanmamıştır ve tüm veriler münhasıran toplu akademik analizler için kullanılmıştır. Anketin katılımcıların akademik faaliyetlerine veya psikolojik durumuna müdahale etmemesini sağlamak için müdahalesiz ve saygılı bir dil kullanımına özel önem verilmiştir. Bilgilendirilmiş onam formu için Supplementary File 1'e bakınız. Ayrıca, bu çalışmada kullanılan malzemeler Table of Materials kısmında listelenmiştir.

Araştırma tasarımı

Bu bölüm, EFL öğrencilerinde öğretim tarzı, ChatGPT kullanımı, dijital okuryazarlık, motivasyon, kaygı ve yaratıcılık arasındaki ilişkileri incelemek için çalışmada kullanılan araştırma tasarımını, veri toplama prosedürlerini ve örneklem detaylarını özetlemektedir. Bu çalışma, EFL öğrencilerinde öğretim tarzı, ChatGPT kullanımı, dijital okuryazarlık ve kaygı arasındaki ilişkilerde motivasyonun aracı rolünü ve bu değişkenlerin toplu olarak yaratıcılıkla nasıl ilişkili olduğunu incelemek için nicel ve kesitsel bir araştırma tasarımı uygulamıştır. Yapıların ölçümünde standardizasyon ve güvenilirlik sağlamak amacıyla, birincil verileri toplamak için yapılandırılmış bir anket metodolojisi benimsenmiştir. Çalışmada; öğretim tarzı, ChatGPT kullanımı, dijital okuryazarlık, motivasyon, FLCA ve yaratıcılık dahil olmak üzere tüm değişkenleri değerlendirmek için doğrulanmış ölçekler kullanılmıştır.

Veri ve Numune

Bu çalışma için veriler, dil eğitimine verdiği önem ve öğretimde teknoloji entegrasyonu ile tanınan, Suudi Arabistan'daki bir kamu üniversitesi olan Cidde Üniversitesi'ne kayıtlı EFL öğrencilerinden toplanmıştır. Katılımcılar, öğrencilerin öğrenme ortamlarında ChatGPT gibi yapay zeka araçlarıyla aktif deneyime sahip olması gerektiğini belirten spesifik dahil etme kriterleri nedeniyle bu çalışma için uygun görülen amaçlı örnekleme tekniği kullanılarak seçilmiştir. Bu olasılıksız örnekleme yaklaşımı, çalışmanın araştırma sorularının hem geleneksel hem de teknoloji destekli öğrenme yöntemlerine maruz kalmış EFL öğrencileri şeklinde spesifik bir popülasyona odaklanması ve rastgele örneklemenin bu kriterleri karşılayan katılımcıların dahil edilmesini garanti etmeyecek olması nedeniyle gerekli görülmüştür. Amaçlı örnekleme, bulguların daha geniş popülasyona genellenebilirliğini sınırlasa da, katılımcıların araştırma hedeflerini karşılamak için gerekli olan ilgili deneyim ve bakış açılarına sahip olmalarını sağlamak amacıyla bu keşifsel inceleme için gerekçelendirilmiştir. Amaçlı örneklemenin sınırlamalarını hafifletmek için farklı akademik geçmişlere ve değişken teknolojik yeterlilik seviyelerine sahip katılımcıların dahil edilmesine özen gösterilmiş, böylece örneklemin hedef popülasyon içindeki temsiliyeti artırılmıştır. Nihai örneklem, kullanılan istatistiksel teknikler için yeterli olduğu düşünülen bir büyüklükte, 280 lisans EFL öğrencisinden oluşmuştur.

Örneklem büyüklüğünün yeterliliğinin belirlenmesi, Yapısal Eşitlik Modellemesi (SEM) için oluşturulmuş yerleşik kılavuzlara dayandırılmıştır. Araştırmacılar SEM için tahmin edilen parametre başına minimum 10 vaka oranını önermekte, daha ihtiyatlı kılavuzlar ise Kısmi En Küçük Kareler SEM (PLS-SEM) için parametre başına 20 vaka önermektedir. Ölçüm modeli; dijital okuryazarlık için 29 madde, öğretim tarzı için 25 madde ve FLCA için 32 maddenin yanı sıra ChatGPT kullanımı, motivasyon ve yaratıcılık için ek maddelerden oluşmuştur. PLS-SEM kılavuzları ayrıca, minimum örneklem büyüklüğünün, formatif göstergelerin en büyük sayısının veya belirli bir yapıya yönelen yapısal yolların en büyük sayısının 10 katına eşit olmasını önermektedir; bu nedenle, 280 katılımcıdan oluşan örneklem bu minimum gereksinimleri karşılamıştır. Ayrıca, G*Power53 kullanılarak yapılan post hoc güç analizi, 280 katılımcıdan oluşan bir örneklemin, α = 0,05 ile orta düzey etki büyüklüklerini (f2 = 0,15) saptamak için 0,95'i aşan bir istatistiksel güç sağladığını göstermiş ve bu değer yaygın olarak önerilen 0,80 eşiğinin üzerine çıkmıştır. Bu örneklem büyüklüğü, önerilen ölçüm ve yapısal modellerin karmaşıklığına uyum sağlarken, çalışma değişkenleri arasındaki anlamlı ilişkileri saptamak için güvenilir parametre tahminleri ve yeterli istatistiksel güç sunmaktadır.

Katılımcılar ve Prosedür

Katılımcılar, çoğunluğu İngilizce dil kurslarına kayıtlı birinci ve ikinci sınıf lisans öğrencileri olan, 18 ile 25 yaş arasındaki EFL öğrencileridir. Anket, öğrencilerin gönüllü olarak katılmaya davet edildiği Eylül ve Ekim 2025 tarihleri arasında gerçekleştirilmiştir. Katılımcı alım süreci, e-postalar ve sınıflardaki duyurular dahil olmak üzere resmi üniversite kanalları aracılığıyla yürütülmüştür. Katılımcılar, İngilizce dil kurslarında birinci veya ikinci sınıf lisans öğrencisi olarak kayıtlı 18–25 yaş arası EFL öğrencileridir. Uygunluk, önceden tanımlanmış dahil etme ve hariç tutma kriterleri kullanılarak belirlenmiştir. Katılımcıların uygun sayılması için (a) Cidde Üniversitesi'ndeki lisans İngilizce dil kurslarına resmi olarak kayıtlı olmaları, (b) 18–25 yaş aralığında olmaları ve (c) birinci veya ikinci sınıf öğrencisi olarak kayıtlı olmaları gerekmiştir. (a) Lisansüstü öğrenciler veya temel ders dizisinin dışındaki üst dönem lisans öğrencileri, (b) belirtilen yaş aralığının dışındakiler veya (c) anket ön test aşamasında yer alanlar çalışma dışı bırakılmıştır. Bilgilendirilmiş onamı sağlamak amacıyla katılımcılara çalışmanın amacı, katılımlarının gönüllülük esasına dayalı olduğu ve yanıtlarının gizliliği hakkında bilgi verilmiştir. Veri toplama aracı, fiziksel olarak ve güvenli bir çevrimiçi platform kullanılarak elektronik ortamda dağıtılan yapılandırılmış, öz yönetimli bir ankettir. Öğretim stili, ChatGPT kullanımı, dijital okuryazarlık, öğrenci motivasyonu, FLCA ve yaratıcılığı ölçmek için doğrulanmış ölçekler uyarlanmıştır. Katılımcılardan yanıtlarını 1 (Kesinlikle Katılmıyorum) ile 5 (Kesinlikle Katılıyorum) arasında değişen 5 puanlı Likert ölçeğine göre değerlendirmeleri istenmiştir. Netliği ve güvenilirliği sağlamak amacıyla anketin ön testi 30 öğrenciden oluşan küçük bir grupla gerçekleştirilmiştir. Ön test sonuçlarına dayanarak, maddelerin anlaşılabilirliğini artırmak için küçük kelime düzenlemeleri yapılmış; ölçek güvenilirliği veya geçerliliği ile ilgili önemli bir sorun tespit edilmemiştir. Veri bütünlüğünü korumak ve dürüst yanıtları teşvik etmek için anonimlik garanti edilmiş ve katılımcılara verilerinin yalnızca araştırma amaçları için kullanılacağı güvencesi verilmiştir. Toplanan başlangıçtaki 300 yanıt arasından, eksik veya tutarsız veriler için yapılan taramanın ardından 280 tanesi geçerli kabul edilmiş ve %93'lük bir tutma oranı elde edilmiştir. Veri tarama prosedürleri; doğrusal yanıt modellerinin, aşırı eksik verilerin (%10'dan fazla) ve Mahalanobis mesafesi kullanılarak çok değişkenli uç değerlerin incelenmesini içermiştir. Bu metodolojik yaklaşım, çalışma değişkenleri arasındaki ilişkilerin analizi için sağlam bir temel sunmakta ve öğretim stilinin, yapay zeka araçlarının ve dijital okuryazarlığın EFL öğrencilerinin motivasyonunu, kaygısını ve yaratıcılığını şekillendirmedeki rolüne dair değerli içgörüler sağlamaktadır.

Veri toplama işleminin ardından, önceden belirlenmiş kriterlere dayanarak 300 yanıtlık ilk havuzdan 20 yanıt hariç tutulmuştur: Anket maddelerinin %10'undan fazlasının boş bırakılması nedeniyle 12 yanıt çıkarılmış, tüm maddelere tek tip cevaplar vererek ilgisizlik gösteren (straight-lining) 5 yanıt elenmiş ve Mahalanobis uzaklığı (p < 0,001) kullanılarak çok değişkenli uç değerler olduğu tespit edilen 3 yanıt, SEM sonuçlarının bozulmasını önlemek amacıyla kaldırılmıştır. Elde tutulan vakalardaki eksik değerler, eksik verilerin minimal olduğu durumlarda (vaka başına %5'ten az), geniş ölçekli anket araştırmalarında düşük oranlı eksiklikler için kabul edilebilir bir yöntem olduğu için ortalama atama (mean imputation) yöntemiyle işlenmiştir. %93'lük nihai tutma oranı (toplanan 300 ankete karşılık 280 geçerli yanıt), toplam toplanan anketler içinden elde tutulan kullanılabilir yanıtların oranını temsil etmektedir; ancak, resmi üniversite kanalları üzerinden yürütülen karma fiziksel ve elektronik dağıtım yöntemleri toplam davetlerin kesin takibini engellediği için davet edilen katılımcıların tam sayısı hesaplanamadığından, bu durum gerçek bir yanıt oranı olarak yorumlanmamalıdır. Bu kısıtlılık kabul edilmiş olup, %93 rakamı toplam davet edilen popülasyona oranla bir yanıt oranı olarak değil, toplanan anketler arasından elde tutulan geçerli yanıtların oranı olarak rapor edilmiştir.

Araçlar ve Ölçümler

Bu çalışmada; öğretim stili, dijital okuryazarlık, ChatGPT kullanımı, FLCA, motivasyon ve yaratıcılık gibi temel yapıları ölçmek için EFL eğitimi bağlamına dikkatle uyarlanmış, iyi bilinen ve valide edilmiş ölçekler kullanılmıştır. Her bir ölçek, incelenen değişkenlerin ilgili boyutlarını yakalamadaki uygunluğu ve kapsamlılığına göre seçilmiştir. Dijital okuryazarlık, Rodríguez-de-Dios ve ark.54 çalışmasına dayanan, 29 madde ile altı boyuttan oluşan uyarlanmış bir ölçek kullanılarak ölçülmüştür. Bu boyutlar arasında Teknolojik Beceri, Kişisel Güvenlik Becerisi, Kritik Beceri, Cihaz Güvenlik Becerisi, Bilgi Becerisi ve İletişim Becerisi yer almakta olup, öğrencilerin modern eğitim bağlamları için temel olan dijital becerilerdeki yeterliliklerinin kapsamlı bir değerlendirmesine olanak sağlamıştır. ChatGPT kullanımı, Abbas ve ark.55 çalışmasından uyarlanan ve öğrencilerin dil öğrenme görevleri için yapay zeka aracıyla olan etkileşimine odaklanan 8 maddelik bir ölçekle değerlendirilmiştir. Öğretim stili, Grasha'nın Öğretim Stili Envanteri'nin56 uyarlanmış bir versiyonu kullanılarak değerlendirilmiştir. Bu araç; Otorite, Uzman, Kişisel Model, Kolaylaştırıcı ve Delegasyon olmak üzere öğretim stillerinin beş boyutunu ölçmektedir. Bu boyutlar, EFL öğrencilerinin öğrenme deneyimlerini etkileyen çeşitli öğretim yaklaşımlarını yansıtmaktadır. FLCA, Briesmaster ve Briesmaster'a57 dayanan uyarlanmış bir ölçekle ölçülmüştür. Bu araç, kaygıyı üç boyut altında incelemiştir: İletişim Kaygısı (10 madde), Sınav Kaygısı (10 madde) ve Olumsuz Değerlendirilme Korkusu (7 madde). Öğürencilerin motivasyonu, Kanoksilapatham ve ark.58 çalışmasından uyarlanan ve Araçsallık Teşviki ve Önleme, Etnosantrizm ve Bütünleşme ile İngilizce Öğrenmeye Yönelik Tutum olmak üzere üç boyutu ölçen bir ölçekle değerlendirilmiştir. Ölçek toplam 20 madde içermekteydi. EFL öğrencilerinin yaratıcılığı, Govindasamy ve ark.59 çalışmasından uyarlanan ve Özgünlük, Esneklik, Akıcılık ile Ayrıntılandırma olmak üzere dört boyutu değerlendiren bir ölçekle ölçülmüştür. Her bir boyut üç madde ile ölçülmüştür. Araçların EFL ortamı için kültürel ve bağlamsal uygunluğunu sağlamak amacıyla sistematik bir uyarlama prosedürü uygulanmıştır. Orijinal ölçekler İngilizce geliştirildiği için, iki iki dilli EFL uzmanı, her bir yapının orijinal anlamını korurken orta düzeydeki lisans öğrencilerinin anlayabileceği netliği artırmak adına dili gözden geçirmiş ve sadeleştirmiştir. Uyarlanan versiyonlar daha sonra, dilsel ve kavramsal eşdeğerliği doğrulamak amacıyla bağımsız bir çevirmen tarafından katılımcıların ana dillerine geri çevrilmiş ve herhangi bir tutarsızlık araştırma ekibi arasındaki tartışmalarla çözülmüştür. Ardından, üç deneyimli EFL eğitmeni, uyarlanmış araçları içerik uygunluğu, kültürel uygunluk ve madde netliği açısından değerlendirmiş; bu süreçte küçük ifade revizyonları yapılmış ve uygun görülen yerlerde kültürel olarak yabancı örnekler değiştirilmiştir. Son olarak, revize edilen araçlar 30 öğrenci ile pilot test edilmiş (bkz. Prosedür bölümü) ve katılımcı geri bildirimleri, anlaşılırlığı artırmak için ek küçük ifade düzeltmeleri yapmak amacıyla kullanılmıştır. Bu çok aşamalı süreç, uyarlanan araçların orijinal psikometrik özelliklerini korumasını ve hedef EFL popülasyonu için uygun hale gelmesini sağlamıştır. Uyarlanmış anketin tamamı için Ek Dosya 2'ye bakınız.

Veri Analiz Yöntemleri

Bu çalışma için toplanan veriler, PLS-SEM kullanılarak Statistical Package for the Social Sciences (SPSS 26) ve SmartPLS 4 ile analiz edilmiştir. Bu çift yöntemli yaklaşım, araştırma modelindeki hipotez edilen ilişkileri ve aracılık etkilerini test ederken, hem betimsel hem de çıkarımsal yönleri ele alarak verilerin kapsamlı bir analizini sağlamıştır. Başlangıçta, veri temizleme, betimsel istatistikler ve güvenilirlik testlerini içeren ön veri analizlerini gerçekleştirmek için SPSS kullanılmıştır. Veri taraması, veri setinin kalitesini ve bütünlüğünü sağlamak amacıyla eksik değerlerin, uç değerlerin ve normalliğin kontrol edilmesini kapsamıştır. Örneklem özelliklerini özetlemek için ortalama, standart sapma ve frekans dağılımlarını içeren betimsel istatistikler hesaplanmıştır. Ana analiz SmartPLS 4 kullanılarak yürütülmüştür. PLS-SEM, çoklu yapıların olduğu karmaşık modelleri analiz etmedeki uygunluğu ve küçük ile orta ölçekli örneklem boyutları için sağlamlığı nedeniyle seçilmiştir. Analiz iki aşamada gerçekleştirilmiştir: ölçüm modelinin değerlendirilmesi ve yapısal modelin değerlendirilmesi. Ölçüm modeli değerlendirmesinde; gösterge güvenilirliği, iç tutarlılık güvenilirliği (bileşik güvenilirlik [CR] kullanılarak), yakınsak geçerlilik (ortalama açıklanan varyans [AVE] kullanılarak) ve ayırt edici geçerlilik (heterotrait-monotrait oranı [HTMT] kullanılarak) değerlendirilmiştir.

Ölçüm modelinin doğrulanmasının ardından, öğretim tarzı, ChatGPT kullanımı, dijital okuryazarlık, motivasyon, kaygı ve yaratıcılık arasındaki varsayılan ilişkileri değerlendirmek için yapısal model analiz edilmiştir. Doğrudan ve dolaylı etkilerin gücünü ve anlamlılığını belirlemek için yol katsayıları analiz edilmiş ve anlamlılık, 5.000 yeniden örnekleme ile bootstrapping yöntemi kullanılarak değerlendirilmiştir. Doğrudan, dolaylı ve aracılık etkilerinin anlamlılığını değerlendirmek için, %95 güven düzeyinde 5.000 bootstrap yeniden örneklemesi ile yanlılık düzeltmeli (BC) bootstrap güven aralıkları oluşturulmuştur. Motivasyonun; öğretim tarzı, ChatGPT kullanımı, dijital okuryazarlık ve kaygı arasındaki ilişkiler üzerindeki aracılık etkileri de bootstrapped güven aralıkları kullanılarak değerlendirilmiştir. Model uyumu ve yordama gücü; belirleme katsayısı (R2), yordama ilgisi (Q2) ve standardize edilmiş kareli ortalama hata (SRMR) kullanılarak değerlendirilmiştir.

Sonuçlar

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

Betimsel İstatistikler

Tanımlayıcı istatistikler, örneklem özelliklerinin yanı sıra çalışma değişkenlerinin dağılımı, merkezi eğilimi ve değişkenliği hakkında genel bir bakış sunar. Bu çalışmada, yapısal analizler gerçekleştirilmeden önce katılımcı örneklemini karakterize etmek ve temel değişkenleri özetlemek amacıyla tanımlayıcı analizler yapılmıştır.

Tablo 1, 280 lisans düzeyindeki EFL katılımcısının demografik özelliklerini özetlemektedir. Katılımcıların %54,3'ünü (n = 152) kadınlar, %45,7'sini ise (n = 128) erkekler oluşturmuştur. Katılımcıların çoğu 21–23 yaş aralığındadır (%52,1), bunu 18–20 yaş (%36,4) ve 24–25 yaş (%11,4) aralığındakiler izlemiştir. Akademik yıla bakıldığında, ikinci sınıf öğrencileri en büyük grubu (%42,1) temsil ederken, onları birinci sınıf (%34,3) ve üçüncü sınıf öğrencileri (%23,6) takip etmiştir. Katılımcıların çoğu ChatGPT ile orta düzeyde deneyime sahip olduğunu bildirirken (%47,1), %36,8'i kapsamlı deneyime ve %16,1'i sınırlı deneyime sahip olduğunu belirtmiştir. Çalışma dahil etme kriterleriyle tutarlı olarak tüm katılımcılar daha önceden ChatGPT ile tanışmıştır; "sınırlı deneyim" kategorisi, hiç kullanılmamış olmaktan ziyade minimal kullanımı ifade etmektedir. Katılımcılar ağırlıklı olarak orta düzeyde dijital okuryazarlığa (%54,6) sahip olduklarını bildirmiş, bunu yüksek (%30,4) ve düşük (%15,0) dijital okuryazarlık izlemiştir. Katılımcıların çoğu orta seviye İngilizce yeterliliğine (%62,5) sahipken, %22,9'u temel yeterlilik ve %14,6'sı ileri seviye yeterlilik bildirmiştir. Genel olarak demografik özellikler, örneğin farklı akademik geçmişlere, dijital okuryazarlık seviyelerine, İngilizce yeterliliklerine ve ChatGPT deneyimlerine sahip katılımcıları içerdiğini göstermektedir (Tablo 1, Şekil 2).

DeğişkenKategoriFrekans, nYüzde, %
CinsiyetErkek12845.7
Kadın15254.3
Yaş grubu18–20 yaş10236.4
21–23 yaş14652.1
24–25 yaş3211.4
Eğitim yılıBirinci yıl9634.3
İkinci yıl11842.1
Üçüncü yıl6623.6
ChatGPT deneyimiSınırlı deneyim4516.1
Orta düzey deneyim13247.1
Kapsamlı deneyim10336.8
Dijital okuryazarlık düzeyiDüşük4215
Orta15354.6
Yüksek8530.4
İngilizce yeterlilik düzeyiTemel6422.9
Orta17562.5
İleri4114.6

Tablo 1: Çalışma katılımcılarının demografik özellikleri. Tablo, çalışmaya dahil edilen 280 yabancı dil olarak İngilizce (EFL) öğrenen öğrencinin demografik özelliklerini özetlemektedir. Cinsiyet, yaş grubu, eğitim yılı, ChatGPT deneyimi, dijital okuryazarlık seviyesi ve İngilizce yeterlilik seviyesi için frekanslar ve yüzdeler rapor edilmiştir.

figure-results-1
Şekil 2. Çalışma katılımcılarının demografik özellikleri. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Şekil 2, çalışma katılımcılarının cinsiyet, yaş grubu, eğitim yılı, Yapay Zeka araçlarıyla deneyim, dijital okuryazarlık düzeyi ve İngilizce yeterlilik düzeyine göre demografik dağılımını sunmaktadır. Dağılım, kadın katılımcıların erkek katılımcılara göre biraz daha yüksek bir oranda olduğunu ve yanıt verenlerin çoğunun 21–23 yaş aralığında olduğunu göstermektedir. En sık rapor edilen kategoriler orta düzeyde dijital okuryazarlık ve orta seviye İngilizce yeterliliği olmuştur (Şekil 2).

Tablo 2, çalışma değişkenlerine ilişkin betimsel istatistikleri sunmaktadır. 25 madde kullanılarak ölçülen öğretim stilinin ortalama puanı 3,84 (SD = 0,76) olup puanlar 2,1 ile 4,8 arasında değişmektedir. Sekiz madde ile değerlendirilen ChatGPT kullanımı, 1,5 ile 5,0 arasında değişen yanıtlarla 3,67 (SD = 0,81) ortalama puana sahiptir. 29 madde kullanılarak ölçülen dijital okuryazarlığın ortalama puanı 3,72 (SD = 0,73) olup puanlar 2,2 ile 4,9 arasında değişmektedir. 20 madde ile değerlendirilen motivasyon, 2,4 ile 5,0 arasında değişen değerlerle en yüksek ortalama puana (3,92, SD = 0,68) sahiptir. 27 madde kullanılarak ölçülen kaygının ortalama puanı 3,41 (SD = 0,89) olarak belirlenmiştir. 12 madde ile değerlendirilen yaratıcılığın ortalama puanı 3,78 (SD = 0,74) olup puanlar 2,0 ile 5,0 arasında değişmektedir. Bu betimsel istatistikler, katılımcı yanıtlarının genel bir özetini sunarken ölçülen yapılar arasındaki değişkenliği göstermektedir.

DeğişkenMadde SayısıOrtalama (M)Standart Sapma (SS)MinimumMaksimum
Anksiyete273.410.891.85
ChatGPT Kullanımı83.670.811.55
Yaratıcılık123.780.7425
Dijital Okuryazarlık293.720.732.24.9
Motivasyon203.920.682.45
Öğretim Stili253.840.762.14.8

Tablo 2: Çalışma yapıları için tanımlayıcı istatistikler. Tablo; 280 katılımcının yanıtlarına dayanarak öğretim stili, ChatGPT kullanımı, dijital okuryazarlık, motivasyon, yabancı dil sınıf kaygısı ve yaratıcılık için anket maddesi sayısını, ortalamayı (M), standart sapmayı (SD), gözlemlenen minimum değeri ve gözlemlenen maksimum değeri rapor etmektedir.

Yaygın Yöntem Varyans Yanlılığı

Ortak yöntem varyansı (CMV) yanlılığı, ölçülen yapıların kendisinden ziyade ölçüm yönteminden kaynaklanan, değişkenler arasındaki yanıltıcı kovaryansı ifade eder. Bu çalışma öz bildirimli bir anket kullandığı için, CMV yanlılığının potansiyel etkisini değerlendirmek amacıyla hem prosedürel hem de istatistiksel yaklaşımlar uygulanmıştır. Prosedürel olarak, sosyal beğenilirlik yanlılığını en aza indirmek ve dürüst yanıtları teşvik etmek için katılımcılara anonimlik ve gizlilik güvencesi verilmiştir. Ayrıca, CMV yanlılığını yapay olarak artırabilecek yanıt kalıplarını azaltmak için yerleşik araçlardan uyarlanan anket maddeleri randomize edilmiş bir sırayla sunulmuştur. İstatistiksel olarak, tüm ölçülen değişkenler rotasyonsuz bir açımlayıcı faktör analizine (EFA) dahil edilerek Harman'ın tek faktör testi gerçekleştirilmiştir. Analiz, döndürülmemiş ilk faktörün toplam varyansın %32,7'sini açıkladığını göstermiştir; bu değer önerilen %50 eşik değerinin altında olduğundan, CMV yanlılığının çalışma bulgularını önemli ölçüde etkileme olasılığının düşük olduğu belirlenmiştir (Tablo 3).

İstatistikDeğerEşik DeğerYorumlama
Çıkartılan toplam faktör sayısı7Lütfen çevrilecek kaynak metni sağlayın.Ölçülen maddelerin farklı yapıları temsil ettiğini gösteren birden fazla faktör çıkarılmıştır.
İlk faktör tarafından açıklanan varyans32.70%<50%Yaygın olarak kabul edilen eşik değerinin altında olması, ortak yöntem varyansının (CMV) ciddi bir sorun teşkil etme olasılığının düşük olduğunu göstermektedir.
Kümülatif açıklanan varyans (ilk üç faktör)62.10%Lütfen çevirmemi istediğiniz kaynak metni sağlayın.İlk üç faktörün, toplam varyansın önemli bir kısmını açıkladığını gösterir.
Kaiser–Meyer–Olkin (KMO) örnekleme yeterliliği ölçütü0.89>0.80Faktör analizi için örneklem yeterliliğinin mükemmel olduğunu gösterir.
Bartlett's küresellik testi (p değer)<0.001p < 0.05Korelasyon matrisinin faktör analizi için uygun olduğunu belirten anlamlı sonuç.

Tablo 3: Harman'ın tek faktör testi ve örnekleme yeterliliği sonuçları. Tablo; Harman'ın tek faktör testi, Kaiser–Meyer–Olkin (KMO) örnekleme yeterlilik ölçümü ve Bartlett küresellik testi sonuçlarını özetlemektedir. Ortak yöntem varyansının (CMV) potansiyel etkisini değerlendirmek için Harman'ın tek faktör testi uygulanmıştır. Veri setinin faktör analizi için uygunluğunu değerlendirmek amacıyla KMO istatistiği ve Bartlett testi kullanılmıştır.

Tablo 3, ilk döndürülmemiş faktörün toplam varyansın %32,7'sini açıkladığını gösteren Harman'ın tek faktör testi sonuçlarını sunmaktadır; bu değer, önerilen %50 eşik değerinin altında olup ortak yöntem yanlılığının bu çalışmada önemli bir sorun olmadığını göstermektedir. Örnekleme yeterliliğinin Kaiser–Meyer–Olkin (KMO) ölçümü 0,89 olarak bulunmuş olup, bu durum verilerin faktör analizi için uygun olduğunu göstermektedir. Ayrıca, Bartlett'in küresellik testi istatistiksel olarak anlamlı bulunmuştur (p < 0,001), bu da korelasyon matrisinin faktör analizi için uygun olduğunu doğrulamaktadır. Toplu olarak bu bulgular, veri setinin sonraki yapısal eşitlik modellemesi analizleri için uygunluğunu desteklemektedir.

Ölçüm Modeli

Hair ve ark.60 tarafından yapılan öneriler doğrultusunda, çalışma kurgularının güvenilirliğini ve geçerliliğini değerlendirmek amacıyla SmartPLS 4 ile uygulanan PLS-SEM kullanılarak ölçüm modeli değerlendirilmiştir. Gösterge güvenilirliği, iç tutarlılık güvenilirliği, yakınsak geçerlilik ve ayrım geçerliliği analiz edilmiştir. Gösterge güvenilirliği, dış yüklemeler kullanılarak değerlendirilmiş ve 0,70'den büyük yükleme değerine sahip maddeler, ilgili kurguların güvenilir göstergeleri olarak kabul edilmiştir. Yükleme değerleri 0,60 ile 0,70 arasında olan maddeler, yalnızca çıkarılmaları ilgili kurgunun iç tutarlılığını artırmadığı durumlarda tutulmuştur. İç tutarlılık güvenilirliği, Cronbach alfa ve CR kullanılarak değerlendirilmiştir. Yakınsak geçerlilik AVE kullanılarak değerlendirilmiş ve tüm kurgular 0,50'den büyük AVE değerleri sergileyerek her bir kurgunun, göstergelerindeki varyansın yarısından fazlasını açıkladığını göstermiştir. Ayrım geçerliliği HTMT oranı kullanılarak değerlendirilmiş ve tüm HTMT değerleri, çalışma kurgularının ampirik olarak farklı olduğunu destekleyecek şekilde 0,85 önerilen eşik değerinin altında kalmıştır (Tablo 4 ve 5).

YapıFaktör YüklemesiBileşik Güvenirlik (CR)Ortalama Açıklanan Varyans (AVE)Dış Varyans Şişirme Faktörü (VIF)
Öğretim Stili (Otorite)0.870.910.661.38
Öğretim Stili (Uzman)0.890.920.681.45
Öğretim Stili (Kişisel Model)0.860.90.651.4
Öğretim Stili (Kolaylaştırıcı)0.880.930.691.43
Öğretim Stili (Delege Edici)0.850.890.621.39
ChatGPT Kullanımı0.920.940.721.47
Yabancı Dil Sınıf Kaygısı (İletişim Kaygısı)0.860.90.641.35
Yabancı Dil Sınıf Kaygısı (Sınav Kaygısı)0.880.920.671.41
Yabancı Dil Sınıf Kaygısı (Olumsuz Değerlendirilme Korkusu)0.830.880.61.32
Motivasyon (Araçsal)0.840.890.611.34
Motivasyon (Etnosentrizm ve Bütünleştiricilik)0.860.90.631.36
Motivasyon (İngilizce Öğrenmeye Yönelik Tutum)0.890.930.71.44
Yaratıcılık (Özgünlük)0.880.920.671.41
Yaratıcılık (Esneklik)0.870.910.661.38
Yaratıcılık (Akıcılık)0.890.930.681.42
Yaratıcılık (Ayrıntılandırma)0.850.90.631.37
Dijital Okuryazarlık0.930.950.751.49

Tablo 4: Ölçüm modeli değerlendirmesi. Tablo, kısmi least squares yapısal eşitlik modellemesi (PLS-SEM) ölçüm modeline dahil edilen her bir yapı ve alt boyut için faktör yüklerini, bileşik güvenilirliği (CR), ortalama açıklanan varyansı (AVE) ve dış varyans şişirme faktörünü (VIF) rapor etmektedir. Bu istatistikler; gösterge güvenilirliğini, iç tutarlılık güvenilirliğini, yakınsak geçerliliği ve çoklu doğrusal bağlantıyı değerlendirmek için kullanılmıştır.

Yapı1234567891011121314151617
1. Öğretim Stili (Otorite)—
2. Öğretim Stili (Uzman)0.702—
3. Öğretim Stili (Kişisel Model)0.7430.581—
4. Öğretim Stili (Kolaylaştırıcı)0.6290.7350.702—
5. Öğretim Stili (Delege Edici)0.7540.5490.8020.692—
6. ChatGPT Kullanımı0.520.6430.7430.5360.693—
7. Yabancı Dil Sınıf Kaygısı (İletişim Çekincesi)0.6650.5210.6490.5590.730.827—
8. Yabancı Dil Sınıf Kaygısı (Sınav Kaygısı)0.8320.6140.530.6220.6890.6310.567—
9. Yabancı Dil Sınıf Kaygısı (Olumsuz Değerlendirilme Korkusu)0.6080.8090.5850.6510.6370.6140.810.556—
10. Motivasyon (Araçsallık)0.7620.6230.660.6340.8110.5340.8020.7550.519—
11. Motivasyon (Etnosentrizm ve Bütünleştiricilik)0.8030.6740.5710.5040.5170.8050.8270.7530.5620.554—
12. Motivasyon (İngilizce Öğrenmeye Karşı Tutum)0.6260.8160.6770.5910.7420.7160.6330.5620.5980.5490.679—
13. Yaratıcılık (Özgünlük)0.6260.6780.5010.7320.5380.6780.8390.5430.5230.5770.6680.719—
14. Yaratıcılık (Esneklik)0.7260.6690.8440.5280.6540.5790.5170.7750.6440.6670.6790.820.697—
15. Yaratıcılık (Akıcılık)0.7110.6920.8150.6350.6290.5050.7920.8170.6040.550.5180.6040.590.626—
16. Yaratıcılık (Ayrıntılandırma)0.7490.7610.7830.690.8110.550.5030.8420.7320.7140.6590.7440.5430.6060.634—
17. Dijital Okuryazarlık0.6060.6410.5930.7420.7270.6280.6310.6480.7420.6880.8060.5780.6730.5490.70.529—

Tablo 5: Heterotrait–monotrait oranının (HTMT) kullanılarak değerlendirilen ayırt edici geçerlilik. Tablo, ölçüm modeline dahil edilen tüm yapı ve alt boyut çiftleri için HTMT değerlerini sunmaktadır. HTMT, gizil yapıların ampirik farklılıklarını değerlendirerek ayırt edici geçerliliği belirlemek için kullanılmıştır. 0,85 olarak önceden belirlenmiş eşik değerinin altındaki değerler, kabul edilebilir ayırt edici geçerliliğe işaret eder.

Tablo 4, ölçüm modeli değerlendirmesini özetlemektedir. Faktör yüklemeleri 0,83 ile 0,93 arasında değişerek 0,70 olan önerilen eşik değerini aşmış ve tatmin edici gösterge güvenilirliğine işaret etmiştir. Bileşik güvenilirlik değerleri 0,88 ile 0,95 arasında değişerek tüm yapılar genelinde yüksek iç tutarlılık göstermiştir. AVE değerleri 0,60 ile 0,75 arasında değişerek 0,50 olan önerilen minimum değeri aşmış ve yakınsak geçerliliği desteklemiştir. Ek olarak, tüm dış varyans şişirme faktörü (VIF) değerleri 1,50'nin altında kalarak göstergeler arasında çoklu doğrusal bağlantıya dair bir kanıt olmadığını göstermiştir. Genel olarak, bu bulgular, sonraki yapısal model değerlendirmesi için ölçüm modelinin güvenilirliğini ve geçerliliğini desteklemektedir.

Şekil 3, gizil yapıları, bunlara karşılık gelen boyutları ve göstergeleri ve çalışmada değerlendirilen değişkenler arasındaki ilişkileri içeren ölçüm modelini göstermektedir.

figure-results-2
Şekil 3. Kısmi en küçük kareler yapısal eşitlik ölçüm modeli. Kısmi en küçük kareler yapısal eşitlik modellemesi (PLS-SEM) kullanılarak oluşturulan ölçüm modeli; gizil yapılar, boyutları ve gözlemlenen göstergeler arasındaki ilişkileri göstermektedir. Bağlantı yolları üzerinde görüntülenen değerler, duruma göre tahmin edilen dış yüklemeleri veya yol katsayılarını temsil eder. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Tablo 5, ayırt edici geçerliliği değerlendirmek için kullanılan HTMT sonuçlarını sunmaktadır. Tüm HTMT değerleri 0,85 olan muhafazakar eşik değerinin altında kalmıştır; bu da 17 yapı arasında tatmin edici bir ayırt edici geçerliliğin olduğunu göstermektedir. En yüksek HTMT değerleri Yaratıcılık (Esneklik) ile Öğretim Stili (Kişisel Model) (0,8437), Yaratıcılık (Ayrıntılandırma) ile Kaygı (Sınav Kaygısı) (0,8422) ve Yaratıcılık (Özgünlük) ile Kaygı (İletişim Kaygısı) (0,8394) arasında gözlemlenmiştir. Bu değerler önerilen eşiğe yaklaşmış olsa da 0,85'in altında kalmış ve yapıların ampirik olarak farklı olduğunu desteklemiştir. Geri kalan HTMT değerleri daha düşük çıkmış ve ölçüm modeli genelindeki ayırt edici geçerliliği daha da desteklemiştir.

Hipotez Testlerinin Sonuçları (Yapısal Model)

Öğretim tarzı, ChatGPT kullanımı, dijital okuryazarlık, motivasyon, YLKA ve yaratıcılık arasındaki varsayılan ilişkileri incelemek için yapısal model değerlendirilmiştir. Sonuçlar, önerilen tüm doğrudan ve aracılık hipotezlerini desteklemiştir. Öğretim tarzı, ChatGPT kullanımı ve dijital okuryazarlık ile motivasyon arasında pozitif bir ilişki saptanmıştır. Motivasyon ile YLKA arasında negatif bir ilişki görülürken, YLKA ile yaratıcılık arasında da negatif bir ilişki olduğu belirlenmiştir. Ayrıca motivasyonun; öğretim tarzı, ChatGPT kullanımı ve dijital okuryazarlık ile YLKA arasındaki ilişkilerde aracılık ettiği görülmüştür (Tablo 6 ve 7).

HipotezStandartlaştırılmış Yol Katsayısı (β)t Değerip DeğeriDesteklendi%95 Güven Aralığı (GA)Alt Sınır (AGS)Üst Sınır (ÜGS)
H1. Öğretim tarzı → EFL öğrencilerinin motivasyonu0.365.45<0.001Evet[0.26, 0.46]0.260.46
H2. ChatGPT kullanımı → EFL öğrencilerinin motivasyonu0.46.27<0.001Evet[0.30, 0.50]0.30.5
H3. Dijital okuryazarlık → EFL öğrencilerinin motivasyonu0.334.95<0.001Evet[0.23, 0.43]0.230.43
H4. EFL öğrencilerinin motivasyonu → yabancı dil sınıf kaygısı–0.27–4.81<0.001Evet[–0.37, –0.17]–0.37–0.17
H5. Yabancı dil sınıf kaygısı → EFL öğrencilerinin yaratıcılığı–0.26–4.01<0.001Evet[–0.36, –0.16]–0.36–0.16

Tablo 6: Doğrudan etki hipotez testi. Tablo, kısmi en küçük kareler yapısal eşitlik modellemesi (PLS-SEM) kullanılarak gerçekleştirilen doğrudan etki analizlerinin sonuçlarını sunmaktadır. Rapor edilen istatistikler arasında standartlaştırılmış yol katsayısı (β), t değeri, p değeri, %95 bootstrap güven aralığı (CI), güven aralığının alt sınırı (LLCI), güven aralığının üst sınırı (ULCI) ve hipotez desteğine ilişkin karar yer almaktadır. İstatistiksel anlamlılık, 5.000 yeniden örnekleme ile bootstrapping yöntemi kullanılarak değerlendirilmiştir.

HipotezAracılık YoluStandardize Edilmiş Dolaylı Etki (β)t Değerip DeğeriDesteklendi%95 Güven Aralığı (CI)Alt Sınır (LLCI)Üst Sınır (ULCI)
H6Öğretim tarzı → Motivasyon → Yabancı dil sınıf kaygısı0.284.56<0.001Evet[0.18, 0.38]0.180.38
H7ChatGPT kullanımı → Motivasyon → Yabancı dil sınıf kaygısı0.345.02<0.001Evet[0.24, 0.44]0.240.44
H8Dijital okuryazarlık → Motivasyon → Yabancı dil sınıf kaygısı0.34.68<0.001Evet[0.20, 0.40]0.200.40

Tablo 7: Aracılık analizi. Tablo, kısmi en küçük kareler yapısal eşitlik modellemesi (PLS-SEM) kullanılarak tahmin edilen dolaylı etkileri özetlemektedir. Bildirilen istatistikler arasında standartlaştırılmış dolaylı etki (β), t değeri, p değeri, %95 bootstrap güven aralığı (CI), güven aralığının alt sınırı (LLCI), güven aralığının üst sınırı (ULCI) ve hipotez desteğine ilişkin karar yer almaktadır. İstatistiki anlamlılık, 5.000 yeniden örnekleme ile bootstrapping kullanılarak değerlendirilmiştir.

Tablo 6, doğrudan etki analizlerinin sonuçlarını sunmaktadır. Hipotez edilen beş doğrudan ilişkinin tamamı istatistiksel olarak anlamlıydı (p < 0.001), bu da H1–H5 hipotezlerini desteklemektedir. Öğretim tarzı (β = 0.36), ChatGPT kullanımı (β = 0.40) ve dijital okuryazarlığın (β = 0.33), EFL öğrencilerinin motivasyonu ile pozitif ilişkili olduğu görülmüş; üç yordayıcı arasında ChatGPT kullanımı en yüksek standartlaştırılmış yol katsayısını sergilemiştir. Motivasyon, FLCA ile negatif yönde ilişkiliydi (β = –0.27), bu da daha yüksek motivasyonun daha düşük kaygı seviyelerine karşılık geldiğini göstermektedir. Buna karşılık FLCA, yaratıcılık ile negatif yönde ilişkiliydi (β = –0.26). Tüm doğrudan etkiler için %95 bootstrap güven aralıkları sıfırı dışarıda bırakmış, bu da hipotez edilen ilişkilerin istatistiksel anlamlılığını desteklemiştir. Tablo 7, motivasyonun; öğretim tarzı, ChatGPT kullanımı ve dijital okuryazarlık ile FLCA arasındaki ilişkilere aracılık edip etmediğini inceleyen aracılık analizlerini sunmaktadır. Dolaylı etkiler, üç yolun tamamı için istatistiksel olarak anlamlıydı (H6: β = 0.28, t = 4.56, p < 0.001; H7: β = 0.34, t = 5.02, p < 0.001; H8: β = 0.30, t = 4.68, p < 0.001). Tüm dolaylı etkiler için %95 bootstrap güven aralıkları sıfırı dışarıda bırakarak aracılık yollarının istatistiksel anlamlılığını desteklemiştir. Pozitif dolaylı katsayılar, motivasyon aracılığıyla gerçekleşen dolaylı etkilerin genel büyüklüğünü yansıtırken, yapısal modelde bildirildiği üzere motivasyon ile FLCA arasındaki doğrudan ilişki negatifti. Sonuç olarak, daha yüksek düzeydeki öğretim tarzı, ChatGPT kullanımı ve dijital okuryazarlık, daha yüksek motivasyon ile ilişkilendirilmiş; bu da karşılığında daha düşük FLCA ile ilişkilendirilmiştir (Tablo 6 ve 7). Genel olarak, yapısal model hipotez edilen tüm doğrudan (H1–H5) ve dolaylı (H6–H8) ilişkileri desteklemiştir. Bulgular; öğretim tarzı, ChatGPT kullanımı, dijital okuryazarlık, motivasyon, FLCA ve yaratıcılık arasında istatistiksel olarak anlamlı ilişkiler olduğunu ve yapısal modelde değerlendirilen motivasyonun anlamlı bir aracı rolü üstlendiğini göstermektedir.

Öğretim Tarzının Boyutsal Analizi

Beş öğretim tarzı boyutu ile EFL öğrencilerinin motivasyonu, FLCA ve yaratıcılığı arasındaki ilişkileri incelemek için bir boyutsal analiz yapılmıştır. Öğretim tarzı boyutları; Otorite, Uzman, Kişisel Model, Kolaylaştırıcı ve Delegatör olarak belirlenmiştir. Gözlemlenen ilişkilerin öğretim yaklaşımları arasında farklılık gösterip göstermediğini belirlemek amacıyla, yapısal model aracılığıyla her bir öğretim tarzı boyutunun üç sonuç değişkeni üzerindeki doğrudan etkileri tahmin edilmiştir (Tablo 8).

Öğretim Stili BoyutuSonuç DeğişkeniStandartlaştırılmış Yol Katsayısı (β)t Değerip Değeri%95 Güven Aralığının Alt Sınırı (LLCI)%95 Güven Aralığının Üst Sınırı (ULCI)Desteklendi
OtoriteMotivasyon0.121.850.065–0.020.26Hayır
OtoriteYabancı dil sınıf kaygısı0.355.12<0.0010.220.48Evet
OtoriteYaratıcılık–0.28–4.02<0.001–0.42–0.14Evet
UzmanMotivasyon0.34.89<0.0010.180.42Evet
UzmanYabancı dil sınıf kaygısı–0.18–2.950.003–0.30–0.06Evet
UzmanYaratıcılık0.223.56<0.0010.10.34Evet
Kişisel ModelMotivasyon0.254.02<0.0010.130.37Evet
Kişisel ModelYabancı dil sınıf kaygısı–0.22–3.450.001–0.35–0.09Evet
Kişisel ModelYaratıcılık0.243.78<0.0010.120.36Evet
KolaylaştırıcıMotivasyon0.345.5<0.0010.220.46Evet
KolaylaştırıcıYabancı dil sınıf kaygısı–0.28–4.45<0.001–0.40–0.16Evet
KolaylaştırıcıYaratıcılık0.314.95<0.0010.190.43Evet
Delege EdiciMotivasyon0.294.62<0.0010.170.41Evet
Delege EdiciYabancı dil sınıf kaygısı–0.24–3.85<0.001–0.37–0.11Evet
Delege EdiciYaratıcılık0.274.25<0.0010.150.39Evet

Tablo 8: Öğretim tarzının boyutsal analizi. Tablo; Otorite, Uzman, Kişisel Model, Kolaylaştırıcı ve Delegatör öğretim tarzı boyutları ile motivasyon, yabancı dil sınıf kaygısı ve yaratıcılık sonuç değişkenleri arasındaki doğrudan ilişkileri rapor etmektedir. Rapor edilen istatistikler arasında standartlaştırılmış yol katsayısı (β), t değeri, p değeri, %95 bootstrap güven aralığının alt sınırı (LLCI), %95 bootstrap güven aralığının üst sınırı (ULCI) ve hipotez desteğine ilişkin karar yer almaktadır.

Tablo 8, öğretim stillerinin boyutsal analiz sonuçlarını sunmaktadır. Kolaylaştırıcı öğretim stilinin motivasyon (β = 0.34, p < 0.001) ve yaratıcılık (β = 0.31, p < 0.001) ile en güçlü pozitif ilişkileri, FLCA ile ise en güçlü negatif ilişkiyi (β = –0.28, p < 0.001) gösterdiği belirlenmiştir. Uzman, Kişisel Model ve Delegasyon öğretim stilleri de motivasyon (sırasıyla β = 0.30, 0.25 ve 0.29) ve yaratıcılık (sırasıyla β = 0.22, 0.24 ve 0.27) ile pozitif ilişkili olduğunu gösterirken, FLCA ile negatif ilişkiler (sırasıyla β = –0.18, –0.22 ve –0.24) sergilemiştir. Bu ilişkilerin tamamı istatistiksel olarak anlamlıdır. Buna karşın, Otoriter öğretim stilinin motivasyonla anlamlı bir ilişkisi saptanmamıştır (β = 0.12, p = 0.065). Bununla birlikte, bu stil FLCA ile anlamlı bir pozitif ilişki (β = 0.35, p < 0.001) ve yaratıcılık ile anlamlı bir negatif ilişki (β = –0.28, p < 0.001) göstermiştir. Genel olarak boyutsal analiz, bireysel öğretim stili boyutları ile ölçülen öğrenme çıktıları arasında belirgin ilişki örüntüleri olduğunu ortaya koymaktadır. Birlikte değerlendirildiğinde boyutsal analiz, öğretim stili ile öğrenci çıktıları arasındaki ilişkilerin öğretim stili boyutlarına göre farklılık gösterdiğine işaret etmektedir. Çoğu öğretim stili boyutu için istatistiksel olarak anlamlı ilişkiler gözlemlenirken, Otoriter öğretim stili motivasyonla istatistiksel olarak anlamlı bir ilişki göstermemiştir.

PLS Predict Kullanılarak İç Modelin Yordama Geçerliliğinin Belirlenmesi

Yapısal modelin öngörücü geçerliliği, modelin örneklem dışı öngörücü performansını değerlendirmek için PLS Predict prosedürü kullanılarak değerlendirilmiştir. Öngörücü alaka, kök ortalama kare hata (RMSE) ve ortalama mutlak hata (MAE) dahil olmak üzere öngörü hatası ölçümleri ile birlikte Q2 Predict istatistiği kullanılarak değerlendirilmiştir. Q2 Predict değerleri endojen yapılar arasında 0,32 ile 0,48 arasında değişmiş ve pozitif öngörücü alaka göstermiştir. Motivasyon ve yaratıcılık en yüksek Q2 Predict değerlerini sergilemiştir (sırasıyla 0,42 ve 0,48). Öngörü hatası değerleri de incelenmiş olup, endojen yapılar genelinde RMSE 0,54 ile 0,63 arasında, MAE ise 0,41 ile 0,49 arasında değişmiştir (Tablo 9).

YapıBelirleme Katsayısı
(R²)		Yordama İlgisi
(Q² Predict)		Kök Ortalama Kare Hata
(RMSE)		Ortalama Mutlak Hata
(MAE)
Motivasyon0.450.420.610.48
Yabancı Dil Sınıf Kaygısı0.380.320.630.49
Yaratıcılık0.420.480.540.41

Tablo 9: Yapısal modelin kestirim performansı. Tablo, kısmi least squares yapısal eşitlik modellemesi (PLS-SEM) kullanılarak değerlendirilen içsel yapıların kestirim performansını özetlemektedir. Raporlanan istatistikler arasında belirleme katsayısı (R2), kestirimsel ilgililik (Q2 Predict), kare ortalama karekök hata (RMSE) ve ortalama mutlak hata (MAE) yer almaktadır. Daha yüksek R2 ve Q2 Predict değerleri daha yüksek açıklayıcı ve kestirimsel performansa işaret ederken, daha düşük RMSE ve MAE değerleri daha düşük kestirim hatasını göstermektedir.

Tablo 9, yapısal modelin kestirim performansını özetlemektedir. Belirleme katsayısı (R2), modelin motivasyondaki varyansın %45'ini, FLCA'daki varyansın %38'ini ve yaratıcılıktaki varyansın %42'sini açıkladığını göstermiştir. Motivasyon (0,42), FLCA (0,32) ve yaratıcılık (0,48) için Q2 Predict değerlerinin tamamı sıfırdan büyük çıkmış ve modelin kestirimsel geçerliliğini desteklemiştir. RMSE değerleri 0,54 ile 0,63 arasında, MAE değerleri ise 0,41 ile 0,49 arasında değişmiş olup bu değerler endojen yapılar için kestirim hatalarını belirtmektedir. Genel olarak, kestirim performansı ölçümleri yapısal modelin kestirim yeteneğini desteklemektedir.

Şekil 4, determinasyon katsayısını (R2), öngörücü ilgiyi (Q2 Predict) ve tahmin hatası ölçümlerini (RMSE ve MAE) sunarak endojen yapıların öngörücü performansını göstermektedir. Endojen yapılar arasında, yaratıcılık en yüksek Q2 Predict değerini (0,48) ve en düşük tahmin hatalarını (RMSE = 0,54; MAE = 0,41) sergilerken, motivasyon en yüksek açıklanan varyansı (R2 = 0,45) göstermiştir (Şekil 4). Genel olarak, PLS Predict analizi tüm endojen yapılar için pozitif öngörücü ilgi ortaya koymuştur. R2, Q2 Predict, RMSE ve MAE sonuçları toplu olarak motivasyon, FLCA ve yaratıcılık için yapısal modelin öngörücü performansını desteklemektedir (Tablo 9; Şekil 4).

figure-results-3
Şekil 4. Yapısal modelin öngörücü performansı. Grafik; motivasyon, kaygı ve yaratıcılık endojen yapıları için belirleme katsayısını (R2), karekök ortalama kare hatayı (RMSE), ortalama mutlak hatayı (MAE) ve Q2 predict değerlerini sunmaktadır. Çubuklar R2, RMSE ve MAE değerlerini, dairesel işaretleyicili çizgi ise Q2 predict değerlerini temsil etmektedir. Daha yüksek R2 ve Q2 predict değerleri sırasıyla daha yüksek açıklayıcı ve öngörücü performansı, daha düşük RMSE ve MAE değerleri ise daha düşük öngörü hatasını gösterir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Veri Kullanılabilirliği:

Bu çalışmanın bulgularını destekleyen anonimleştirilmiş katılımcı düzeyindeki veri seti Ek Tablo 1 olarak sunulmuştur. Katılımcı bilgi formu ve bilgilendirilmiş onam formu Ek Dosya 1'de, veri toplama için kullanılan anket formu ise Ek Dosya 2'de yer almaktadır.

Ek Tablo 1. İstatistiki analizler için kullanılan ham katılımcı veri seti. Bu tablo, istatistiki analizler için kullanılan anonimleştirilmiş katılımcı düzeyindeki veri setini içermektedir. Değişkenler arasında demografik bilgiler ile öğretim tarzı, ChatGPT kullanımı, dijital okuryazarlık, motivasyon, yabancı dil sınıf kaygısı ve yaratıcılığa ilişkin madde düzeyindeki yanıtlar yer almaktadır. Madde etiketleri (örneğin, TL1, CHATGPT1, DL1, M1, FLCA1, CR1), Araçlar ve Ölçümler bölümünde açıklanan anket maddeleriyle örtüşmektedir. Kişisel olarak tanımlanabilir hiçbir bilgi dahil edilmemiştir.Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Dosya 1. Katılımcı bilgi formu ve bilgilendirilmiş onam formu. Bu ek dosya, katılımcı alımı için kullanılan katılımcı bilgi formunu ve bilgilendirilmiş onam formunu içermektedir. Dosya; anket doldurulmadan önce katılımcılara sunulan çalışma amaçlarını, uygunluk kriterlerini, çalışma prosedürlerini, gönüllü katılımı, potansiyel risk ve faydaları, gizliliği, veri korumasını ve iletişim bilgilerini açıklamaktadır.Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Dosya 2. Veri toplama için kullanılan anket formu. Bu ek dosya, katılımcılara uygulanan anketin tamamını içermektedir. Araç; demografik soruların yanı sıra öğretim stilini, ChatGPT kullanımını, dijital okuryazarlığı, motivasyonu, yabancı dil sınıf kaygısını ve yaratıcılığı değerlendiren madde düzeyindeki ölçümleri içermektedir. Yanıtlar, 1 (Kesinlikle Katılmıyorum) ile 5 (Kesinlikle Katılıyorum) arasında değişen 5'li Likert ölçeği kullanılarak kaydedilmiştir. Anket maddeleri, makalenin Araçlar ve Ölçümler bölümünde açıklanan ölçüm araçlarına karşılık gelmektedir.Bu dosyayı indirmek için lütfen buraya tıklayın.

Tartışma

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

Bu çalışma, Suudi EFL lisans öğrencileri arasında öğretim tarzı, ChatGPT kullanımı, dijital okuryazarlık, motivasyon, FLCA ve yaratıcılık arasındaki ilişkileri, özellikle motivasyonun aracı rolüne odaklanarak incelemiştir. Bulgular, teknoloji destekli dil öğreniminde pedagojik uygulamalar, teknoloji kullanımı ve öğrenci özellikleri arasındaki ilişkilere dair kanıtlar sunmaktadır. Öğretim tarzı ile EFL öğrencilerinin motivasyonu arasındaki pozitif ilişki (H1 desteklendi), özerklik destekleyici öğretim uygulamalarının; öğrencilerin özerklik, yeterlilik ve aidiyetle ilgili temel psikolojik ihtiyaçlarını karşılayarak içsel motivasyonu kolaylaştırdığını öne süren SDT ile uyumludur61. Gözlemlenen bulgular, Kolaylaştırıcı ve Delegatör tarzlar gibi öğrenci merkezli öğretim yaklaşımlarının, daha yüksek düzeyde öğrenci katılımı ve dil öğrenimine yönelik sürdürülebilir ilgi ile ilişkili olduğunu göstermektedir. Bu bulgular, esneklik, duyarlılık ve öğrenci katılımı fırsatlarıyla karakterize edilen öğretim tarzlarının, öğretmen merkezli yaklaşımlara kıyasla daha güçlü bir motivasyonel katılım ile ilişkili olduğunu bildiren önceki araştırmalarla tutarlıdır62. Vision 2030 kapsamındaki eğitim reformlarının öğrenci merkezli pedagojileri teşvik ettiği Suudi bağlamında, gözlemlenen pozitif ilişki, bu öğretim yaklaşımlarının EFL sınıflarında uygulanmasını yansıtıyor olabilir63. ChatGPT kullanımı ile motivasyon arasındaki anlamlı pozitif ilişki (H2 desteklendi) de yerleşik teorik çerçeveler dahilinde yorumlanabilir. SDT perspektifinden, ChatGPT, kendi kendine yönlendirilmiş dil pratiğine olanak sağlayarak öğrencilerin özerkliğini destekleyebilir ve anlık ile kişiselleştirilmiş geri bildirimler aracılığıyla yeterliliği artırabilir64. Ayrıca, konuşmaya dayalı arayüzü sınıf dışında otantik dil pratiği fırsatları sunabilir, bu da öğrencilerin İngilizce dil öğrenimine olan katılımını artırabilir65. Bu gözlemler, ChatGPT'nin sınıf içi eğitimi tamamlayan destekleyici bir öğrenme kaynağı olarak işlev görebileceğini göstermektedir. Teknoloji Kabul Modeli, ChatGPT'yi faydalı ve kullanımı kolay olarak algılayan öğrencilerin teknolojiyle etkileşime girme olasılığının daha yüksek olduğunu ve böylece sürekli öğrenmeyi desteklediğini öne sürerek bu ilişki için ek bir teorik açıklama sağlamaktadır. Benzer şekilde, dijital okuryazarlık ile motivasyon arasındaki pozitif ilişki (H3 desteklendi), öğrencilerin dijital öğrenme teknolojilerini etkili bir şekilde kullanma yetilerinin önemini vurgulamaktadır. Daha yüksek düzeyde dijital okuryazarlığa sahip öğrenciler, yapay zeka destekli öğrenme araçlarını verimli bir şekilde kullanma, daha az teknolojik engel yaşama ve teknoloji entegrasyonunun eğitimsel değerini fark etme konusunda daha avantajlı olabilirler66. Dijital altyapı ve eğitim teknolojilerine önemli yatırımların yapıldığı Suudi bağlamında67, bu bulgular dijital okuryazarlığın teknoloji destekli dil öğrenimine potansiyel katkısının altını çizmektedir.

Bu çalışmanın temel katkısı, motivasyonun; öğretim stili, ChatGPT kullanımı, dijital okuryazarlık ve FLCA arasındaki ilişkilerin önemli bir aracı değişkeni olduğunun belirlenmesidir (H6–H8 desteklendi). Motivasyon ile FLCA arasındaki negatif ilişki (H4 desteklendi), içsel motivasyonun, öğrencilerin dil edinimiyle ilişkili duygusal zorluklarla başa çıkmalarına yardımcı olan psikolojik bir kaynak olduğu yönündeki teorik görüşlerle tutarlıdır68. Motive olan öğrencilerin, dilsel zorluklarla karşılaştıklarında daha fazla ısrar etme, hataları öğrenme fırsatları olarak görme ve sözlü sunumlar ile sınavlar gibi zorlayıcı dil görevleri sırasında öz yeterliliklerini koruma olasılıkları daha yüksektir. FLCA ile yaratıcılık arasındaki negatif ilişki de (H5 desteklendi), kaygının öğrencilerin yeni dilsel formları deneme ve yaratıcı dil kullanımında bulunma isteklerini kısıtlayabileceğini belirten önceki araştırmalarla tutarlıdır69. FLCA'nın dil öğreniminin önünde bir engel olarak tanımlandığı Suudi EFL bağlamında bu bulgular, katılım önündeki duygusal engelleri azaltırken öğrenci motivasyonunu destekleyen öğrenme ortamlarının önemini vurgulamaktadır. Aracılık analizleri ayrıca motivasyonun; destekleyici öğretim uygulamaları, ChatGPT kullanımı ve dijital okuryazarlığın daha düşük FLCA seviyeleriyle ilişkilendirildiği önemli bir mekanizma olduğunu göstermektedir. Bu bulgular, Suudi EFL sınıflarında öğretimsel ve teknolojik faktörlerin öğrenci çıktılarıyla ilişkilendirilmesinde motivasyonun potansiyel rolünü vurgulayarak önceki araştırmaları genişletmektedir.

Öğretim tarzının boyut analizi (Tablo 8), beş öğretim tarzı boyutu boyunca belirgin örüntüler ortaya koymuştur. Otoriter öğretim tarzı, daha yüksek FLCA seviyeleri ve daha düşük yaratıcılık ile ilişkilendirilirken, motivasyonla olan ilişkisi istatistiksel olarak anlamlı bulunmamıştır. Buna karşılık, Kolaylaştırıcı, Uzman, Kişisel Model ve Delege Edici öğretim tarzları; motivasyon ve yaratıcılık ile pozitif, yabancı dil sınıf kaygısı ile ise negatif yönde ilişkili bulunmuştur. Bu bulgular, öğretim tarzlarının öğrenicilerin motivasyonel, duygusal ve yaratıcı çıktılarıyla olan ilişkilerinin farklılık gösterebileceğini düşündürmektedir. Olası bir açıklama, öğrenici özerkliğini destekleyen öğretim yaklaşımlarının içsel motivasyonu teşvik etme olasılığının daha yüksek olduğunu, buna karşılık yüksek düzeyde direktif veren öğretim yaklaşımlarının yapı sağlasa da özerk katılım için daha az fırsat sunduğunu öne süren SDT ile sağlanmaktadır. Suudi eğitim bağlamında, yapılandırılmış öğretim yaklaşımları, net beklentiler ve rehberlik sunarak bazı öğreniciler için belirsizliği azaltabilir. Aynı zamanda, daha fazla öğretmen kontrolü, bağımsız öğrenme ve yaratıcı dil kullanımı fırsatlarını azaltabilir. Bu bulgular, net rehberlik ile öğrenici özerkliği fırsatlarını dengeleyen öğretim yaklaşımlarının, pozitif eğitimsel çıktıları destekleyebileceğini göstermektedir. Boylamsal veya deneysel tasarımlar kullanan gelecek çalışmalar, bu ilişkilerin netleştirilmesine ve farklı öğretim tarzlarının zaman içinde motivasyon, yabancı dil sınıf kaygısı ve yaratıcılığı nasıl etkilediğinin incelenmesine yardımcı olacaktır.

Bu çalışma, pedagojik yaklaşımların ve yapay zeka destekli öğrenmenin, motivasyon aracılığıyla öğrenci çıktılarıyla nasıl ilişkili olduğunu incelemek için Öz Belirleme Kuramı (SDT) ve Teknoloji Kabul Modelini entegre ederek, İngilizcenin Yabancı Dil (EFL) olarak öğrenilmesine dair teorik anlayışa katkıda bulunmaktadır. Bulgular; öğretim tarzının, ChatGPT kullanımının ve dijital okuryazarlığın motivasyonla ilişkili olduğunu, motivasyonun ise buna karşılık yabancı dil sınıf kaygısıyla ilişkili olduğunu göstermektedir. Bulgular ayrıca, ChatGPT tarafından sağlanan öz-yönelimli uygulama ve kişiselleştirilmiş geri bildirim fırsatlarının, öğrencilerin özerklik ve yetkinliğe dair psikolojik ihtiyaçlarını destekleyebileceğini belirterek, teknoloji destekli dil öğreniminde SDT'nin uygulanmasını desteklemektedir. Ek olarak, öğretim tarzlarının boyut analizi, farklı öğretim yaklaşımlarının farklı öğrenci çıktılarıyla ilişkili olduğunu vurgulayarak, öğretim tarzlarının etkinliğinin eğitim bağlamına ve göz önünde bulundurulan spesifik çıktılara bağlı olabileceğini öne sürmektedir. Bulguların aynı zamanda Suudi Arabistan'daki EFL öğretimi ve eğitim politikaları için pratik çıkarımları da bulunmaktadır. Öğretmen mesleki gelişim programları, açık rehberlik ile öğrenci özerkliği fırsatlarını dengeleyen öğretim yaklaşımlarını vurgulayarak; böylece öğrenci motivasyonunu desteklerken yabancı dil sınıf kaygısını azaltarak fayda sağlayabilir. ChatGPT gibi yapay zeka destekli araçların dil öğretimine entegrasyonu, uygun pedagojik rehberlikle birlikte yürütüldüğünde beyin fırtınası, taslak oluşturma ve konuşma pratiği için ek fırsatlar sunabilir. Benzer şekilde, dijital okuryazarlık girişimleri, öğrencilerin bilgi değerlendirme, etik teknoloji kullanımı ve yapay zeka araçlarının stratejik uygulaması dahil olmak üzere yapay zeka destekli öğrenme teknolojilerini etkili bir şekilde kullanmaları için gereken becerileri geliştirmelerine yardımcı olabilir. Kurumsal düzeyde, dijital altyapıya yapılan sürekli yatırımlar, teknoloji destekli öğrenme etkinliklerini içeren müfredat geliştirme çalışmaları ve anlamlı dil kullanımını teşvik eden değerlendirme uygulamaları, öğrenci öğrenimini daha da destekleyebilir. Ayrıca, düşük riskli öğrenme fırsatları, yapıcı geri bildirimler, akran iş birliği ve yaratıcı dil kullanımının takdir edilmesi yoluyla duygusal destek sağlayan öğrenme ortamları, motivasyonun artmasına ve yabancı dil sınıf kaygısının azalmasına katkıda bulunabilir. Toplu olarak bu bulgular, Suudi Vizyonu 2030'ın daha geniş hedefleri kapsamında teknoloji destekli dil öğrenimini destekleyen eğitim uygulamalarına ve politika girişimlerine temel oluşturabilir.

Bu çalışma, Suudi EFL lisans öğrencileri arasında öğretim tarzı, ChatGPT kullanımı, dijital okuryazarlık, motivasyon, yabancı dil sınıf kaygısı ve yaratıcılık arasındaki ilişkileri, özellikle motivasyonun aracılık rolüne odaklanarak incelemiştir. Bulgular; öğretim tarzı, ChatGPT kullanımı ve dijital okuryazarlığın öğrencilerin motivasyonu ile pozitif yönde ilişkili olduğunu göstermektedir. Buna karşılık motivasyon, yabancı dil sınıf kaygısı ile negatif yönde ilişkiliyken, yabancı dil sınıf kaygısı yaratıcılık ile negatif yönde ilişkili bulunmuştur. Bu bulgular, motivasyonun Suudi EFL sınıflarında pedagojik ve teknolojik faktörleri öğrenci çıktılarıyla ilişkilendiren önemli bir mekanizma olduğunu göstermektedir. Bulgular ayrıca, öğrencilerin hem motivasyonel hem de duygusal ihtiyaçlarını destekleyen öğrenme ortamlarının önemini vurgulamaktadır. Öğretim tarzlarının boyut analizi, Otorite öğretim tarzının daha yüksek yabancı dil sınıf kaygısı ve daha düşük yaratıcılık ile ilişkili olduğunu; Kolaylaştırıcı, Uzman, Kişisel Model ve Delegatör öğretim tarzlarının ise daha yüksek motivasyon ve yaratıcılık ile daha düşük kaygı ile ilişkili olduğunu ortaya koymuştur. Bu sonuçlar, net rehberlik ile öğrenci özerkliği fırsatlarını dengeleyen öğretim yaklaşımlarının, olumlu öğrenme deneyimlerini ve dil gelişimini destekleyebileceğini göstermektedir. Suudi Vizyon 2030 bağlamında, bulguların dil eğitimi için pratik yansımaları bulunmaktadır. Öğrenci merkezli öğretim stratejilerinin, ChatGPT gibi yapay zeka destekli öğrenme araçlarının ve dijital okuryazarlık gelişiminin entegrasyonu, öğrenci motivasyonunu desteklerken ve yabancı dil sınıf kaygısını azaltarak teknoloji destekli dil öğrenimine katkıda bulunabilir. Topluca değerlendirildiğinde bu çalışma, EFL eğitiminde pedagojik uygulamaların, yapay zeka destekli öğrenmenin ve dijital yetkinliğin rolünü destekleyen kanıtlar sunmakta ve bu ilişkileri farklı eğitim ortamlarında inceleyen gelecekteki boylamsal ve müdahale tabanlı araştırmalar için bir temel oluşturmaktadır.

Bu çalışmanın birkaç sınırlılığı kabul edilmelidir. İlk olarak, kesitsel çalışma tasarımı, çalışma değişkenleri arasındaki ilişkilere dair nedensel çıkarımlar yapma yeteneğini kısıtlamaktadır. Teorik çerçeve yönlü ilişkiler öngörse de, bulgular nedensellik kanıtı olarak değil, ilişkiler olarak yorumlanmalıdır. Gelecekteki araştırmalar, motivasyon, yabancı dil sınıf kaygısı ve yaratıcılıktaki zaman içindeki değişimleri incelemek için boylamsal tasarımlar ile önerilen ilişkileri daha titiz bir şekilde değerlendirmek için deneysel veya müdahale tabanlı tasarımlar kullanmalıdır. Bu tür çalışmalar, öğrenci özerkliğini vurgulayan öğretim yaklaşımlarının motivasyon, yabancı dil sınıf kaygısı ve yaratıcılıktaki sonraki değişimlerle ilişkili olup olmadığını araştırabilir. İkinci olarak, örneklem Suudi Arabistan'daki tek bir devlet üniversitesinden seçilmiştir; bu durum, bulguların diğer eğitimsel ve kültürel bağlamlara genellenebilirliğini kısıtlayabilir. Değerlendirme uygulamaları, devam eden eğitim reformları ve öğretmen otoritesine yönelik kültürel bakış açıları dahil olmak üzere Suudi yükseköğretiminin özellikleri, gözlemlenen ilişkileri etkilemiş olabilir. Gelecekteki araştırmalar, bulguların farklı eğitim ortamlarındaki tutarlılığını belirlemek için bu ilişkileri Suudi Arabistan içindeki çok sayıda kurum ve bölgede ve diğer ülkelerde incelemelidir. Üçüncü olarak, bu çalışma; sosyal beğenilme yanlılığı, hatırlama yanlılığı ve ortak yöntem varyansından etkilenebilen öz bildirim verilerine dayanmıştır. Doğrulanmış ölçüm araçları ve ön test prosedürleri uygulanmış olsa da, gelecek çalışmalar tamamlayıcı kanıtlar sağlamak amacıyla sınıf gözlemleri, öğrenme analitikleri, AI kullanım kayıtları veya dil yeterliliği ve yaratıcılığa yönelik performans tabanlı değerlendirmeler gibi ek veri kaynaklarını dahil edebilir. Çok yöntemli ve karma yöntemli yaklaşımlar, bu çalışmada tanımlanan ilişkilerin anlaşılmasını daha da güçlendirebilir. Son olarak, öğretim stillerinin boyut analizi, Otoriter öğretim stili ile öğrenci çıktıları arasında belirgin ilişkiler saptamıştır. Mülakatlar, odak grupları ve sınıf gözlemlerini içeren gelecek nitel araştırmalar, farklı öğretim stillerinin öğrencilerin motivasyonunu, yabancı dil sınıf kaygısını ve yaratıcılığını, özellikle Suudi EFL bağlamında nasıl etkilediğine dair daha fazla bilgi sağlayabilir. Böyle bir çalışma, mevcut bulguları tamamlayacak ve teknoloji destekli dil öğreniminin daha kapsamlı bir şekilde anlaşılmasına katkıda bulunacaktır.

Açıklamalar

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

Çıkar Çatışması:

Yazar, herhangi bir çıkar çatışması olmadığını beyan eder.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
ChatGPT kullanım ölçeği (uyarlanmış)Yazarlar; Abbas ve ark. çalışmasından uyarlanmıştırN/AÖğrencilerin dil öğrenimi için ChatGPT kullanımlarını değerlendiren sekiz maddelik anket.
Yaratıcılık ölçeği (uyarlanmış)Yazarlar; Govindasamy ve ark. çalışmasından uyarlanmıştırN/AOrijinallik, esneklik, akıcılık ve ayrıntılandırmayı değerlendiren on iki maddelik anket.
Dijital okuryazarlık ölçeği (uyarlanmış)Yazarlar; Rodríguez-de-Dios ve ark. çalışmasından uyarlanmıştırN/ADijital okuryazarlığın altı boyutunu ölçen yirmi dokuz maddelik anket.
Yabancı dil sınıf kaygısı (FLCA) ölçeği (uyarlanmış)Yazarlar; Briesmaster & Briesmaster çalışmasından uyarlanmıştırN/Aİletişim kaygısı, sınav kaygısı ve olumsuz değerlendirilme korkusunu ölçen yirmi yedi maddelik anket.
G*PowerHeinrich Heine University DüsseldorfVersion 3.1.9.7; RRID: SCR_013726Post hoc istatistiksel güç analizi için kullanılan yazılım.
IBM SPSS StatisticsIBM Corp.Version 26; RRID: SCR_002865Veri temizleme, betimsel istatistikler, güvenilirlik analizleri ve ön analizler için kullanılan istatistiksel yazılım.
Mahalanobis mesafe analiziIBM SPSS StatisticsVersion 26; RRID: SCR_002865Çok değişkenli aykırı değerleri belirlemek için IBM SPSS Statistics içinde uygulanan istatistiksel prosedür.
Motivasyon ölçeği (uyarlanmış)Yazarlar; Kanoksilapatham ve ark. çalışmasından uyarlanmıştırN/AÖğrenen motivasyonunu değerlendiren yirmi maddelik anket.
Kağıt anketYazarlarN/AYüz yüze veri toplama için kullanılan, yapılandırılmış ve kendi doldurduğu anketin basılı versiyonu.
Güvenli çevrimiçi anket platformuGoogle LLCN/AElektronik anket dağıtımı için kullanılan Google Forms platformu.
SmartPLSSmartPLS GmbHVersion 4; RRID: SCR_036419Ölçüm modeli değerlendirmesi, yapısal model analizi, bootstrapping (5.000 yeniden örnekleme) ve aracılık analizini içeren Kısmi En Küçük Kareler Yapısal Eşitlik Modellemesi (PLS-SEM) için kullanılan yazılım.
Yapılandırılmış, kendi doldurduğu anketYazarlarN/A5'li Likert ölçeği (1 = Kesinlikle Katılmıyorum ile 5 = Kesinlikle Katılıyorum arasında) kullanılarak kağıt ve elektronik formatlarda uygulanan anket.
Öğretim Stili Envanteri (uyarlanmış)Yazarlar; Grasha'nın Öğretim Stili Envanteri'nden uyarlanmıştırN/AOtorite, Uzman, Kişisel Model, Kolaylaştırıcı ve Delegasyon öğretim stillerini ölçen anket.
Üniversite iletişim kanallarıUniversity of JeddahN/AKatılımcı alımı için kullanılan resmi e-posta ve sınıf duyuruları.

Kaynaklar

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

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

ngilizce Dil E itimiYabanc Dil Kayg srenci MotivasyonuDijital Okuryazarl kretim StiliChatGPT Kullan mYarat c l k Geli imiSuudi EFL S n flarYap sal E itlik Modellemesi

İlgili makaleler