Acceso usuarios
Hehe Huang, Qiumei Wang
La integración de la Inteligencia Artificial (IA) en la enseñanza de idiomas ha transformado los entornos de aprendizaje al aumentar el acceso a la retroalimentación, la práctica y el apoyo individualizado. Sin embargo, los mecanismos psicológicos que sustentan el Bienestar Psicológico (BP) de los estudiantes siguen siendo en gran medida ignorados. Basada en la Teoría de la Autodeterminación (TAD), esta investigación examina cómo dos recursos intrínsecos, el Capital Psicológico (PsyCap) y la perseverancia en L2, impulsan el BP en contextos basados en IA, ya que ambos son vitales para proteger el BP en entornos exigentes y con abundante retroalimentación. Para ello, participaron 498 estudiantes chinos de japonés de cuatro universidades que utilizan activamente aplicaciones basadas en IA. Se administraron en línea tres cuestionarios validados y adaptados a entornos de IA, y los datos se analizaron mediante un modelo bifactorial para desentrañar las contribuciones compartidas y únicas de la perseverancia y el PsyCap al BP. Los resultados mostraron que tanto el PsyCap como la perseverancia predijeron significativamente el BP. El modelo bifactorial reveló que un factor general de recursos psicológicos explicaba una proporción sustancial de la varianza en el BP, mientras que las dimensiones específicas de cada uno aportaron contribuciones únicas. Al integrar la psicología positiva y la Teoría de la Autodeterminación (TAD) en el aprendizaje basado en IA, esta investigación hace avanzar la teoría y sugiere intervenciones prácticas que promueven el capital psicológico y la perseverancia para desarrollar el bienestar psicológico de los estudiantes.
Integrating Artificial Intelligence (AI) into language teaching has changed learning settings, yet the mental systems sustaining students' Psychological Well-being (PWB) remain largely overlooked. Based on Self-Determination Theory (SDT), this research examines how two intrinsic resources—PsyCap and L2 grit—boost PWB in AI-based contexts, as both are vital for protecting PWB in feedback-rich, demanding environments. Thus, 498 Chinese learners of Japanese from four universities who actively use AI-based apps participated. Three validated questionnaires adapted to AI settings were administered online. To disentangle the unique contributions of grit and PsyCap to PWB, a bifactor modeling approach was used. Results showed that both PsyCap and grit significantly predicted PWB, with the bifactor model revealing that a general psychological resource factor accounted for substantial variance, while specific dimensions of each provided unique contributions. By integrating positive psychology and SDT in AI-based learning, this research advances theory and suggests practical interventions that promote PsyCap and grit to develop learners' PWB.
