پیوندهای مفید
آمار
| تعداد نشریات | 11 |
| تعداد شمارهها | 237 |
| تعداد مقالات | 2,398 |
| تعداد مشاهده مقاله | 3,830,611 |
| تعداد دریافت فایل اصل مقاله | 2,775,223 |
مشارکت زبانآموزان انگلیسی در تمرین نوشتار آکادمیک به وسیله هوش مصنوعی: کاوشی کیفی درباره چت جی پی تی و مایکروسافت کوپایلت | ||
| فناوری آموزش | ||
| مقاله 7، دوره 19، شماره 4 - شماره پیاپی 76، مهر 1404، صفحه 963-976 اصل مقاله (1.34 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22061/tej.2026.12033.3225 | ||
| نویسنده | ||
| سمیه فتحعلی* | ||
| گروه زبان انگلیسی، دانشکده ادبیات، دانشگاه الزهراء، تهران، ایران | ||
| تاریخ دریافت: 17 اردیبهشت 1404، تاریخ بازنگری: 28 تیر 1404، تاریخ پذیرش: 17 شهریور 1404 | ||
| چکیده | ||
| پیشینه و اهداف: ادغام سریع ابزارهای هوش مصنوعی مولد مانند چتجیپیتی و مایکروسافت کوپایلت در آموزش، فرصتهایی برای بازخورد و بازنگری در نوشتار علمی فراهم کرده است. بااینحال، تأثیر این ابزارها بر میزان مشارکت زبانآموزان انگلیسی هنوز بهطور کافی بررسی نشده است. مشارکت در یادگیری زبان شامل ابعاد رفتاری، شناختی، عاطفی و عاملانه است که هریک نقش مهمی در یادگیری ایفا میکند. مشارکت رفتاری به درگیری فعال در فعالیتهای نوشتاری اشاره دارد. مشارکتشناختی نشاندهندۀ تلاش ذهنی و بهکارگیری راهبردهاست. مشارکت عاطفی واکنشهای احساسی را در بر میگیرد و مشارکت عاملانۀ بازتابدهندۀ نقش فعال در شکلدهی به فرایند آموزش است. با وجود افزایش علاقه به یادگیری با کمک هوش مصنوعی، اطلاعات اندکی دربارۀ نحوۀ مشارکت زبانآموزان با بازخورد هوش مصنوعی در این ابعاد وجود دارد و همچنین مطالعات اندکی به مقایسۀ جیپیتی و کوپایلت از نظر قابلیتهای کاربردی و آموزشی، تجربۀ کاربری و چالشها و نگرانیهای اخلاقی پرداختهاند. بنابراین، پژوهش حاضر به بررسی چگونگی مشارکت زبانآموزان انگلیسی با ابزارهای هوش مصنوعی در نوشتار علمی و تجربۀ مقایسهای آنان با این دو ابزار هوش مصنوعی میپردازد. روشها: این پژوهش کیفی در یک دوره تمرین نوشتار آکادمیک با حضور ۱۸ دانشجوی کارشناسی ایرانی رشتۀ زبان و ادبیات انگلیسی طی یک نیمسال تحصیلی در یکی از دانشگاههای دولتی تهران انجام شد. زبانآموزان پنج نوع مقاله (طبقهبندی، فرایند، تعریف گسترشیافته، مسئله و راهحل و استدلالی) نوشتند و از جیپیتی و کوپایلت برای بازنگری استفاده کردند. دادهها از طریق یادداشتهای بازاندیشی، مصاحبههای نیمهساختاریافته و سوابق استفاده از دستورات دانشجویان گردآوری شد. تحلیل موضوعی با پیروی از فرایندی ششمرحلهای انجام شد و تحلیل با استفاده از کدگذاری قیاسی و استقرایی صورت گرفت. یافتهها: نتایج این تحقیق نشان داد که دانشجویان در هر چهار بعد مشارکتی پویا با ابزارهای هوش مصنوعی داشتند. در بعد رفتاری، دانشجویان پیشنویسهای متعددی را بازنگری کردند و بهتدریج از استفاده از دستورهای کلی بهسوی دستورهای خاص و متناسب با نوع متن حرکت کردند. آنان از هر دو ابزار در بازنگری فوری و باتأخیر استفاده کردند و استقلال در مدیریت کار خود بدون اتکا به معلم نشان دادند. در بعدشناختی، دانشجویان بازخوردها را بهطور انتقادی ارزیابی کردند و پیشنهادهایی را بهصورت گزینشی پذیرفتند که بهوضوح و انسجام نوشتارشان کمک میکرد. بسیاری از آنان مسائل تکراری در نوشتار خود را شناسایی و پیش از دریافت بازخورد نیز بازنگریهای لازم را پیشبینی میکردند که نشاندهندۀ آگاهی از الگوهای نوشتاری بود. در بعد عاطفی، دانشجویان هم تجربههایی از افزایش اعتمادبهنفس از طریق بازخوردهای سازنده را گزارش دادند و هم لحظاتی از سردرگمی هنگام دریافت بازخوردهای مبهم یا بیشازحد را توصیف کردند. در بعد عاملانه، دانشجویان با پذیرش یا رد پیشنهادها، حس مالکیت بر نوشتههایشان را نشان دادند. آنان بهتدریج توانایی طرح دستورهای دقیقتر را توسعه دادند و از منابع تکمیلی برای بهبود بازخوردها استفاده کردند. در مقایسۀ دو ابزار، دانشجویان تمایزهایی را در قابلیتهای کاربردی و آموزشی آنها مشخص کردند. کوپایلت بیشتر برای اصلاحات نگارشی، قالببندی و مدیریت منابع ارجاعی در مراحل پایانی نوشتار مورد استفاده قرار گرفت. در مقابل، چتجیپیتی بیشتر در مراحل اولیه و میانی فرایند نگارش به کار رفت؛ چراکه در تولید ایده، گسترش محتوا و بازنویسی ساختار متن عملکرد بهتری داشت. از نظر تجربۀ کاربری، کوپایلت بهدلیل سرعت و سادگی برای ویرایشهای سطحی کاربردیتر بود؛ در حالی که جیپیتی بهعنوان ابزاری تعاملی و انعطافپذیر امکان تعامل پویا با محتوا را فراهم میکرد و باعث تعمق در نوشتار میشد. با وجود مزایای این دو ابزار، نگرانیهای اخلاقی نیز مطرح شد. دانشجویان اشاره کردند که هر دو ابزار ممکن است محتوای کلی یا نادرست تولید کنند و دربارۀ مالکیت فکری نیز ابهاماتی وجود داشت. برخی زبانآموزان نگرانیهایی دربارۀ اتکای بیش از حد به ابزارها و ازدسترفتن بیان شخصی خود در نوشتار ابراز داشتند. نتیجهگیری: این مطالعه درکی ظریف از چگونگی مشارکت زبانآموزان انگلیسی با ابزارهای هوش مصنوعی در نوشتار علمی ارائه میدهد. یافتهها نشان میدهد که مشارکت فرایندی منفعل نیست، بلکه کنشی فعال، تأملی و عاملانه است که تحت تأثیر امکانات و محدودیتهای فناوری شکل میگیرد. مطالعه حاضر بیانگر آن است که اگرچه هر دو ابزار میتوانند از فرایند نگارش علمی پشتیبانی کنند، اما اهداف آموزشی متفاوتی را دنبال میکنند. | ||
| کلیدواژهها | ||
| مشارکت در یادگیری؛ نوشتار آکادمیک؛ چت جی پی تی؛ مایکروسافت کوپایلت | ||
| موضوعات | ||
| هوش مصنوعی | ||
| عنوان مقاله [English] | ||
| EFL learner engagement in AI-mediated academic writing: A qualitative exploration of chatgpt and microsoft copilot | ||
| نویسندگان [English] | ||
| S. Fathali | ||
| Department of English, Faculty of Literature, Alzahra University, Tehran, Iran | ||
| چکیده [English] | ||
| Background and Objectives: The rapid integration of generative AI tools like ChatGPT and Microsoft Copilot into education has opened new opportunities for feedback, idea generation, and revision support in academic writing. However, their impact on EFL learners’ engagement remains underexplored. Engagement in language learning spans behavioral, cognitive, emotional, and agentic dimensions, each playing a crucial role in learning effectiveness. Behavioral engagement involves active participation in writing tasks, cognitive engagement refers to mental effort and strategy use, emotional engagement captures learners' emotional responses, and agentic engagement reflects their active role in shaping instruction. Despite growing interest in AI-assisted learning, little is known about how learners engage with AI feedback across these dimensions, and few studies compare ChatGPT and Copilot regarding functional and pedagogical capabilities, user experience, and challenges and ethical concerns. This study examines how EFL learners engage with AI tools during academic writing and investigates their comparative experiences with ChatGPT and Microsoft Copilot. Methods: This qualitative study was conducted in an academic writing course with 18 Iranian undergraduate EFL students over a full semester in a national University in Tehran. Students engaged in writing five genres of essays (classification, process, extended definition, problem-solution, and argumentative), using ChatGPT and Microsoft Copilot for support during drafting and revision. Data were collected through reflective journals, semi-structured interviews, and some students’ prompt use records. Thematic analysis following a six-phase process was applied to examine the nature of engagement and comparative perceptions of the two AI tools, and the analysis involved both deductive and inductive coding strategies. Findings: Results revealed dynamic and multi-dimensional engagement with AI tools across all four engagement domains. Behaviorally, students actively revised multiple drafts, showing a shift from broad, general prompts to genre-specific and purpose-driven ones. They frequently used both ChatGPT and Copilot in cycles of immediate and delayed revision, demonstrating growing independence in managing the pace and focus of their work without teacher support. Cognitively, learners critically evaluated the feedback, selectively adopting suggestions that enhanced logic, clarity, and coherence. Many reported recognizing recurring writing issues, allowing them to anticipate needed revisions before receiving feedback, indicating increasing awareness of writing patterns and conventions. Emotionally, students described both confidence-building experiences through constructive feedback and moments of frustration when facing vague or excessive suggestions. Overall, AI tools reduced revision anxiety for many and made the process feel more manageable and encouraging. Agentically, students exhibited ownership over their writing by accepting or rejecting AI-generated suggestions based on their intent. They developed more precise prompting skills over time and used additional resources (e.g., dictionaries, teacher comments) to supplement AI feedback, demonstrating a move beyond AI dependence toward personalized writing strategies. When comparing Microsoft Copilot and ChatGPT, participants highlighted clear distinctions in their functional and pedagogical capabilities. Copilot was primarily valued for its effectiveness in grammar correction, formatting, and citation management, making it especially useful during the final stages of writing. In contrast, ChatGPT was more frequently used in the early and middle stages of the writing process due to its strength in idea generation, content development, and structural reorganization. In terms of user experience, Copilot was appreciated for being fast and easy to access, offering straightforward, predictable support for surface-level improvements. ChatGPT, on the other hand, was described as more interactive and flexible, enabling more dynamic engagement with content and fostering deeper reflection on writing choices. Despite their benefits, both tools raised ethical and practical concerns. Participants noted that each could generate generic or inaccurate content, with ambiguity surrounding authorship and intellectual ownership. Some learners expressed concerns about becoming overly dependent on AI tools, potentially undermining their voice and critical engagement in the writing process. Conclusion: This study provides a nuanced understanding of how EFL learners engage with AI tools in academic writing. It highlights that engagement is not passive interaction but an active, reflective, and agentic process shaped by the affordances and limitations of the technology. The findings suggest that while both ChatGPT and Copilot can support academic writing, they serve different pedagogical purposes. Educators should guide students in using AI tools critically and ethically, promoting engagement that enhances rather than replaces learners’ writing agency. | ||
| کلیدواژهها [English] | ||
| Learning Engagement, Academic Writing, ChatGPT, Microsoft Copilot | ||
| مراجع | ||
|
[6] Pearson WS. Affective, behavioural, and cognitive engagement with written feedback on second language writing: a systematic methodological review. Front Educ. 2024; 9:1285954. https://doi.org/10.3389/feduc.2024.1285954
[8] Wang L, Lee I. L2 learners’ agentic engagement in an assessment as learning-focused writing classroom. Assess Writ. 2021; 50:100571. https://doi.org/10.1016/j.asw.2021.100571
[10] Bygate M, Samuda V. Creating pressure in task pedagogy: the joint roles of field, purpose, and engagement within the interaction approach. In: Mackey A, Polio C, editors. Multiple perspectives on interaction. New York: Routledge; 2009. p. 96–122.
[14] Derakhshan A, Zare J. Self-regulated learning and task engagement: a SEM analysis. Int Rev Appl Linguist Lang Teach. 2024. https://doi.org/10.1515/iral-2024-0009
[16] Peng H, Jager S, Lowie W. Complexity and dynamicity of EFL learners’ multi-dimensional engagement in digital storytelling tasks: an exploratory case study. Lang Learn J. 2023;52(6):694–709. https://doi.org/10.1080/09571736.2023.2244513
[25] Ataş A, Cengiz BC, Çelik B. Evaluating ChatGPT in generating feedback on content and organization components of EFL compare and contrast essays. Sakarya Univ J Educ. 2024;14(3):515–538. https://doi.org/10.19126/suje.1475474
[27] Alamri W, Qasem F, Alfotais A, Al Taisan H. Leveraging ChatGPT AI model in academic writing and avenues for further development: SWOT framework. Forum Linguist Stud. 2025;7(2). https://doi.org/10.30564/fls.v7i2.8218
[28] Lee S. Exploring the potential of ChatGPT in process-oriented English writing classes: focusing on learners’ experiences and perceptions. Korean J Gen Educ. 2024;18(6):367–384. https://doi.org/10.46392/kjge.2024.18.6.367
[29] Duong NH, Tong TMH, Le DH. Utilizing ChatGPT in checking academic writing for postgraduate students. Proc AsiaCALL Int Conf. 2024;6:193–203. https://doi.org/10.54855/paic.24614
| ||
|
آمار تعداد مشاهده مقاله: 74 تعداد دریافت فایل اصل مقاله: 5 |
||