Низоми зеҳнии таълимии бо зеҳни сунъӣ дастгиришаванда (AI-driven Intelligent Tutoring System, ITS), муҳити таълимии компютерӣ мебошад, ки метавонад вазифаҳо, бозхӯрд, ташхис ва дастгирии омӯзишро мувофиқи иҷроиш ва ҳамкории донишҷӯ мутобиқ созад. Ин таҳқиқот баррасӣ мекунад, ки дар омӯзандагоне, ки барои омодагӣ ба IELTS чунин низомро истифода мебаранд, нияти идомаи истифодаи низом чӣ гуна ташаккул меёбад. Таҳқиқот ба 494 пурсишномаи эътиборнок асос ёфта, Модели васеъшудаи Қабули Технологияро (Technology Acceptance Model, TAM) бо моделсозии муодилаҳои сохторӣ бо усули қисмии камтарин квадратҳо (PLS-SEM), таҳлили чандгурӯҳӣ (MGA) ва шабакаи нейронии сунъӣ (ANN) арзёбӣ мекунад.

Дар модели васеъшуда фоиданокии даркшуда (PU), осонии истифодаи даркшуда (PEOU), лаззати даркшуда (PENJ) ва худсамаранокӣ (SE) ҳамчун пешомадҳои муносибат ба омӯзиш (LA) баррасӣ шудаанд. Муносибат ба омӯзиш ва худсамаранокӣ бошанд, пешомадҳои мустақими нияти идомаи омӯзиш (CLI) мебошанд. Дар тамоми намуна ҳамаи шаш роҳи асосии сохторӣ мусбат ва аз ҷиҳати оморӣ аҳаммиятнок муайян шудаанд. Баландтарин коэффисиенти умумии роҳ ба сӯи муносибат ба омӯзиш ба фоиданокии даркшуда тааллуқ дорад (\(\beta=0.323\)); дар байни ду роҳи мустақим ба сӯи нияти идомаи омӯзиш, муносибат ба омӯзиш (\(\beta=0.361\)) ва худсамаранокӣ (\(\beta=0.348\)) аз ҷиҳати бузургӣ ба ҳам наздиканд.

Ҳангоми муқоисаи заминаҳои шунидан ва хондан ду фарқи муҳими вобаста ба замина ошкор шудааст. Таъсири лаззати даркшуда ба муносибат ба омӯзиш дар шунидан \(\beta=0.340\), дар хондан \(\beta=0.178\) муайян шуда, фарқи гурӯҳӣ аҳаммиятнок аст (\(p=0.037\)). Таъсири фоиданокии даркшуда ба муносибат ба омӯзиш бошад, дар хондан \(\beta=0.424\), дар шунидан \(\beta=0.226\) аст; ин фарқи гурӯҳӣ низ аҳаммиятнок мебошад (\(p=0.016\)). Дар роҳҳои дигари осонии истифода, худсамаранокӣ ва муносибат ба омӯзиш байни шунидан ва хондан фарқи аз ҷиҳати оморӣ аҳаммиятноки роҳ муайян нашудааст.

Натиҷаҳои ANN ин тартиббандии хоси заминаро дастгирӣ кардаанд. Дар ANN-и пешгӯии муносибат ба омӯзиш, муҳимтарин вуруди гурӯҳи шунидан лаззати даркшуда мебошад; аҳаммияти миёна 0,334 ва аҳаммияти меъёршуда %100 аст. Дар гурӯҳи хондан муҳимтарин вуруд фоиданокии даркшуда мебошад; аҳаммияти миёна 0,423 ва аҳаммияти меъёршуда %100 аст. %100 дар ин ҷо маънои онро надорад, ки тағйирёбанда %100-и муносибат ба омӯзишро шарҳ медиҳад; он танҳо нишон медиҳад, ки муҳимтарин пешгӯкунанда дар ҳамон ANN барои миқёсбандии аҳаммияти нисбии дигар тағйирёбандаҳо ба %100 муқаррар карда шудааст.

Маҳдудияти муҳими тафсирии таҳқиқот ин аст, ки тағйирёбандаи вобастаи ченшуда истифодаи воқеии дарозмуддат ё натиҷаи IELTS нест, балки нияти донишҷӯён барои идомаи истифодаи низом дар оянда мебошад. Маълумот аз пурсишномаи худгузоришдиҳӣ дар як нуқтаи вақт ҷамъоварӣ шудааст. Аз ин рӯ, натиҷаҳо муносибатҳои байни тағйирёбандаҳо ва намунаҳои пешгӯиро нишон медиҳанд; аз онҳо хулосаҳои сабабии иҷроиш, монанди «лаззат муваффақияти шуниданро зиёд мекунад» ё «дарки фоиданокӣ холҳои хонданро боло мебарад», баровардан мумкин нест.

Масъалаи асосии таҳқиқот

Низомҳои зеҳнии таълимӣ метавонанд пешниҳоди вазифаҳои шахсисозишуда, машқҳои мутобиқшаванда, бозхӯрди фаврӣ, ташхиси хато ва таҳлили омӯзишро пешниҳод кунанд. Аммо имконпазир будани истифодаи як технологияи таълимӣ ва хоҳиши донишҷӯ барои истифодаи дарозмуддати он як масъала нестанд. Донишҷӯ метавонад низомро аз ҷиҳати техникӣ истифода барад ва ҳатто онро муфид шуморад; аммо агар таҷрибаи омӯзиш дилгиркунанда, душвор ё идоранашаванда намояд, нияти идома додан метавонад заиф шавад.

Аз ҳамин сабаб, таҳқиқот ду дарки асосии технологии Модели классикии Қабули Технология — фоиданокии даркшуда ва осонии истифодаи даркшуда — ро ба танҳоӣ кофӣ нашуморидааст. Ба модел эътиқоди донишҷӯ ба худсамаранокӣ дар бораи қобилияти худи ӯ барои иҷрои вазифаҳо ва лаззати даркшуда аз худи раванди омӯзиш илова карда шудаанд.

Масъалаи дуюми таҳқиқот фарқияти замина мебошад. Шунидан ва хондани IELTS, ҳарчанд ҳарду малакаҳои қабулкунандаи забонӣ ҳастанд, як вазифаи маърифатӣ нестанд. Ҳангоми шунидан иттилоот гузаранда аст; донишҷӯ бояд ҳангоми идомаи ҷараёни садо иттилоотро коркард кунад, нигоҳ дорад ва маъно созад. Ҳангоми хондан бошад, баргаштан ба матн, тағйир додани суръат ва мутобиқ кардани стратегия имконпазиртар аст. Аз ин рӯ, муҳаққиқон санҷидаанд, ки оё вазифаҳои гуногун дар ҳамон ITS ба арзёбиҳои фоиданокӣ ва лаззати донишҷӯ вазнҳои гуногун медиҳанд ё не.

Чаро PLS-SEM, MGA ва ANN Якҷо Истифода Шуданд?

PLS-SEM барои санҷидани муносибатҳои самтдор ва фарзияҳо дар модели назариявӣ, MGA барои муайян кардани он ки оё коэффисиентҳои роҳ дар гурӯҳҳои шунидан ва хондан воқеан фарқ мекунанд ё не, ва ANN барои арзёбии намунаҳои эҳтимолии пешгӯии ғайрихаттӣ берун аз модели хаттӣ ва аҳаммияти нисбии пешгӯкунандаҳо истифода шудааст; ҳар се усул қабатҳои гуногуни як масъалаеро меомӯзанд ва ҷойгузини якдигар нестанд.

Модели Қабули Технология ва модели васеъшуда

Модели Қабули Технология (Technology Acceptance Model, TAM), чаҳорчӯбаи назариявие мебошад, ки барои шарҳи қабули технология махсусан муносибатҳои байни фоиданокии даркшуда, осонии истифодаи даркшуда, муносибат ва нияти рафториро истифода мебарад. Ин таҳқиқот ба ҷойи такрори мустақими TAM-и классикӣ онро бо ду тағйирёбанда васеъ кардааст: лаззати даркшуда ва худсамаранокии хоси вазифа.

Худсамаранокӣ дар ин ҷо худсамаранокии умумии академӣ нест. Таҳқиқот махсусан эътиқоди донишҷӯро ба қобилияти идора кардани вазифаҳо дар муҳити омӯзиши IELTS бо AI, фаҳмидани бозхӯрди низом, ёфтани роҳи ҳалли масъалаҳои нав ва таҳияи стратегияҳои мувофиқ месанҷад.

Ду муодилаи асосии сохтории модели таҳқиқот

Намоиши омӯзишӣ: Мақола ду муодилаи зерро ҳамчун формулаҳои рақамгузоришуда пешниҳод намекунад. Инҳо намоиши стандартии хаттие мебошанд, ки муносибатҳои сохтории Шакли 1-и манбаъро ба таври математикии равшан хондан имкон медиҳанд.

\[ LA=\beta_1PU+\beta_2PEOU+\beta_3PENJ+\beta_4SE+\varepsilon_{LA} \]

Ин муодила қисми муносибат ба омӯзишро нишон медиҳад, ки бо чор пешомад шарҳ дода мешавад. \(\beta_1,\ldots,\beta_4\) коэффисиентҳои роҳи PLS-SEM мебошанд. \(\varepsilon_{LA}\) тағйирёбии муносибат ба омӯзишро ифода мекунад, ки бо чор тағйирёбандаи модел шарҳ дода намешавад.

\[ CLI=\beta_5SE+\beta_6LA+\varepsilon_{CLI} \]

Муодилаи дуюм қисми нияти идомаи омӯзишро ифода мекунад, ки бо худсамаранокӣ ва муносибат ба омӯзиш шарҳ дода мешавад. Дар таҳқиқот роҳҳои мустақим аз PU, PEOU ва PENJ ба CLI сохта нашудаанд; таъсирҳои ғайримустақими онҳо ба CLI тавассути LA баррасӣ шудаанд.

Фарзияҳо

ITS-и баррасишуда чӣ гуна кор мекард?

Дар таҳқиқот як низом истифода шудааст, ки бидуни умумисозии бренди тиҷоратӣ ҳамчун «ёвари омодагӣ ба имтиҳон дар асоси AI» тавсиф шудааст. Донишҷӯ аввал мувофиқи сатҳи кунунии англисӣ ва ҳадафҳои худ холи мақсадноки IELTS-ро муайян мекунад. Низом вобаста ба иҷроиш ва ҳадаф вазифаҳои хондан ё шуниданро пешниҳод карда, метавонад мундариҷа ва сатҳи душвориро ба таври динамикӣ танзим намояд.

Пас аз ҳар вазифа донишҷӯён бозхӯрди фаврии ҷавоб ва гузоришҳои таҳлили омӯзишии аз ҷониби AI тавлидшударо гирифтаанд. Дар гузоришҳо иҷроиш, намунаҳои хато ва пешниҳодҳо барои омӯзиши минбаъда ҷой доштанд. Модули хондан бештар ба машқҳои саволӣ, ташхиси хато ва дастгирии фаҳмиши матн тамаркуз мекард; модули шунидан бошад, ба машқи такрорӣ бо вуруди садоӣ ва бозхӯрди интерактивӣ бештар ҷой медод.

Аз ин рӯ, муносибати иштирокчӣ бо низом танҳо аз дидани мундариҷа иборат нест. Даври ҳамкорӣ дар таҳқиқот тақрибан чунин аст: муайян кардани ҳадаф → анҷом додани вазифа → гирифтани бозхӯрд → баррасии таҳлили омӯзиш → мутобиқ кардани машқи навбатӣ .

Абзори андозагирӣ чӣ гуна таҳия шуд?

Барои шунидан ва хондан ду шакли алоҳидаи пурсишнома, ки ба замина мутобиқ карда шудаанд, омода гардид. Ҳар шакл аз 18 банд иборат буд. Ҳар яке аз шаш сохтори ниҳонӣ бо се банд чен карда шуда, ҷавобҳо байни 1 = комилан розӣ нестам ва 5 = комилан розӣ ҳастам дар миқёси панҷнуқтаи Ликерт гирифта шуданд.

Бандҳои PU, PEOU, PENJ, LA ва CLI аз таҳқиқоти пешинаи TAM ва технологияҳои таълимӣ мутобиқ карда шудаанд. Бандҳои SE аз таҳқиқоти пешинаи худсамаранокии рақамӣ мутобиқ карда шуда, аз байни ду банди аслӣ, ки аз ҷиҳати маъно ба ҳам хеле монанд буданд, яке хориҷ гардида, сохтори мутавозини се-бандӣ ташкил карда шудааст.

Барои истифодаи миқёсҳои англисӣ ба забони чинӣ тарҷума ва тарҷумаи баръакс анҷом дода шудааст. Ду муҳаққиқи дузабона мустақилона аз англисӣ ба чинӣ тарҷума карда, гурӯҳи таҳқиқотӣ ин версияҳоро мувофиқ кардааст; ду муҳаққиқи дигари дузабона, ки миқёсҳои аслиро надида буданд, версияи чиниро боз ба англисӣ тарҷума кардаанд. Англисии бозтарҷумашуда бо бандҳои аслӣ муқоиса шуда, фарқиятҳои маъноӣ бозбинӣ шудаанд. Сипас се профессор бо таҷрибаи таҳсилоти дузабона ва технологияҳои таълимӣ мутобиқати фарҳангӣ ва забониро арзёбӣ кардаанд.

PLS-SEM чист?

Моделсозии Муодилаҳои Сохторӣ бо Усули Қисмии Камтарин Квадратҳо (Partial Least Squares Structural Equation Modeling, PLS-SEM), равиши моделсозии муодилаҳои сохтории бар асоси вариансия мебошад, ки сохторҳои назариявии мушоҳиданашавандаро бо чанд банди пурсишнома намояндагӣ карда, муносибатҳои самтдори байни онҳоро дар як модел арзёбӣ мекунад.

Сабаби асосии интихоби PLS-SEM дар ин таҳқиқот танҳо тасдиқи TAM-и қаблан сохташуда набуд; ҳадаф васеъ кардани TAM бо худсамаранокӣ ва лаззати даркшуда, муайян кардани пешгӯкунандаҳои муҳим ва арзёбии ҳамзамони тавоноии шарҳдиҳӣ/пешгӯии модел буд. Таҳлил бо SmartPLS 4 анҷом дода шуд.

Коэффисиенти роҳ \(\beta\)-ро чӣ гуна бояд хонд?

Дар PLS-SEM, \(\beta\) коэффисиенти роҳест, ки ҳангоми дар модел нигоҳ доштани дигар пешгӯкунандаҳои марбут самт ва бузургии нисбии муносибат байни афзоиши як тағйирёбандаи ниҳонӣ ва тағйирёбандаи натиҷавиро нишон медиҳад. \(\beta\)-и мусбат нишон медиҳад, ки тағйирёбандаҳо дар як самт ҳаракат мекунанд. Аммо \(\beta\)-и мусбат ва аҳаммиятнок дар маълумоти мушоҳидавии буришӣ худ аз худ далели сабабияти таҷрибавӣ нест.

Андозаи таъсир \(f^2\) чиро нишон медиҳад?

Формулаи стандартии омӯзишӣ:

\[ f^2= \frac{R^2_{\mathrm{dahil}}-R^2_{\mathrm{hariç}}} {1-R^2_{\mathrm{dahil}}} \]

Ин нишондиҳанда нишон медиҳад, ки ҳангоми хориҷ кардани як пешгӯкунандаи муайян аз модел вариансияи шарҳдодашуда чӣ қадар кам мешавад. Дар таҳқиқот барои LA → CLI, \(f^2=0.173\) баландтарин арзиш буда, аз ҷониби муаллифон ҳамчун таъсири андозаи миёна тафсир шудааст. Барои SE → CLI, \(f^2=0.162\) низ дар сатҳи миёна аст. Барои PU → LA, \(f^2=0.149\) ба сатҳи миёна наздик мешавад.

Таъсири ғайримустақим чӣ гуна ба вуҷуд меояд?

PU, PEOU ва PENJ дар модел мустақиман ба CLI пайваст нашудаанд. Ин тағйирёбандаҳо дар сохторе санҷида шудаанд, ки аввал ба LA ва сипас LA ба CLI таъсир мерасонад. Коэффисиенти ғайримустақим дар занҷири оддии миёнаравӣ метавонад бо ҳосили зарби ду роҳ шарҳ дода шавад:

\[ \beta_{\mathrm{dolaylı}} = \beta_{X\rightarrow LA} \times \beta_{LA\rightarrow CLI} \]

Масалан, азбаски коэффисиенти PU → LA 0,323 ва коэффисиенти LA → CLI 0,361 аст, ҳосили зарб тақрибан \(0.323\times0.361\approx0.117\) мебошад; таҳқиқот натиҷаи bootstrap-ро 0,116 гузориш медиҳад. Ин фарқи хурд метавонад аз гирдкунӣ ба вуҷуд омада бошад.

R², Q² ва SRMR чиро чен мекунанд?

\(R^2\), нишон медиҳад, ки модел чӣ қадар вариансияи як тағйирёбандаи дохилиро шарҳ медиҳад. Дар таҳқиқот барои LA \(R^2=0.436\), барои CLI \(R^2=0.338\) аст. Ба ибораи дигар, модел дар намуна тақрибан %43,6-и тағйирёбии муносибат ба омӯзиш ва тақрибан %33,8-и тағйирёбии нияти идомаи омӯзишро шарҳ медиҳад. Ин таносубҳо маънои онро надоранд, ки модел тамоми рафтори инфиродиро шарҳ медиҳад.

\(Q^2\), нишондиҳандаи арзёбии аҳаммияти пешгӯии модел мебошад. Дар таҳқиқот барои LA ва CLI мутаносибан 0,305 ва 0,236 гузориш шуда, аз сифр калон будани ҳар ду арзиш ҳамчун аҳаммияти мусбати пешгӯӣ тафсир шудааст.

SRMR (Standardized Root Mean Square Residual), бузургии умумии боқимондаҳои стандартизатсияшударо байни сохторҳои муносибатии пешгӯишудаи модел ва мушоҳидашуда ҷамъбаст мекунад. Дар таҳқиқот SRMR=0,062 буда, аз ҳадди истинодии 0,08, ки муаллифон истифода кардаанд, пасттар аст.

Чаро MICOM пеш аз MGA иҷро шуд?

Measurement Invariance of Composite Models (MICOM), барои санҷидани он татбиқ шудааст, ки оё ҳамон сохторҳои ниҳонӣ дар гурӯҳҳои шунидан ва хондан ба таври кофӣ муқоисашаванда чен шудаанд ё не. Агар дар ду гурӯҳ «фоиданокии даркшуда» ё «муносибат ба омӯзиш» як сохторро ифода накунад, муқоисаи мустақими коэффисиентҳои роҳ метавонад гумроҳкунанда бошад.

MICOM аз се марҳила иборат аст: тағйирнопазирии конфигуратсионӣ, тағйирнопазирии таркибӣ ва баробарии миёна/вариансияи таркибӣ. Дар таҳқиқот тағйирнопазирии конфигуратсионӣ ва таркибӣ таъмин шуда, ҳамин тавр тағйирнопазирии қисмии андозагирӣ ба даст омадааст. Баробарии пурраи миёна/вариансия дар ҳамаи сохторҳо таъмин нашудааст. Аз ин рӯ, MGA гузаронида шудааст, аммо муаллифон мутобиқ карда шудани бандҳои пурсишномаи ду гурӯҳ ба заминаҳои хондан ва шуниданро низ ҳамчун маҳдудияти тафсир қайд кардаанд.

Меъмории ANN

Таҳлили ANN бо истифода аз персептрони бисёрқабата (Multilayer Perceptron, MLP) дар SPSS 27.0 анҷом дода шудааст. Ду модел сохта шудааст. Вурудҳои Модели 1 PU, PEOU, PENJ ва SE буда, баромадаш LA аст. Вурудҳои Модели 2 SE ва LA буда, баромадаш CLI аст.

Дар ҳар ду модел як қабати пинҳонӣ ва дар қабати пинҳонӣ панҷ нейрон мавҷуд аст. Фаъолсозии қабати пинҳонӣ sigmoid, фаъолсозии қабати баромад функсияи identity мебошад. Омӯзиш бо усули batch training гузаронида шудааст.

Меъёрсозии min–max

Ҳамаи тағйирёбандаҳои вуруд ва баромад, ки ба ANN дода шудаанд, ба фосилаи 0–1 миқёсбандӣ шудаанд. Табдили стандартии min–max:

\[ x'=\frac{x-x_{\min}}{x_{\max}-x_{\min}} \]

\(x\) арзиши аслӣ, \(x_{\min}\) ҳадди ақали тағйирёбанда, \(x_{\max}\) ҳадди аксар ва \(x'\) арзиши табдилшуда дар миқёси 0–1 мебошад. Ин амал тағйирёбандаҳоро ба як фосилаи умумии ададӣ меорад. Аз ин рӯ, арзишҳои RMSE, ки дар ANN гузориш шудаанд, бо воҳиди холи банди IELTS нестанд; онҳо хатои пешгӯии тағйирёбандаҳои модели меъёршуда мебошанд.

Функсияи фаъолсозии sigmoid

Шакли стандартии функсияи sigmoid, ки дар қабати пинҳонӣ истифода шудааст:

\[ \sigma(z)=\frac{1}{1+e^{-z}} \]

Функсия ҳар як адади ҳақиқии \(z\)-ро ба баромади ғайрихаттӣ байни 0 ва 1 табдил медиҳад. Ин ба ANN имкон медиҳад, ки ба ҷойи танҳо муносибатҳои хаттии оддӣ намунаҳои мураккабтарро моделсозӣ кунад.

RMSE чиро чен мекунад?

Хатои пешгӯии ANN бо Root Mean Square Error (RMSE) арзёбӣ шудааст. Формулаи стандартӣ:

\[ RMSE= \sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_i-\hat{y}_i)^2} \]

\(y_i\) арзиши воқеии мушоҳидашудаи миқёс, \(\hat{y}_i\) пешгӯии ANN ва \(n\) шумораи мушоҳидаҳои дохилшуда ба арзёбӣ мебошанд. Азбаски хатоҳо ба квадрат бардошта мешаванд, хатоҳои калон вазни бештар мегиранд. RMSE-и хурдтар хатои пешгӯии хурдтарро нишон медиҳад.

Аҳаммияти Меъёршудаи %100 дар ANN Чӣ Маъно Дорад?

Аҳаммияти меъёршудаи %100 нишон медиҳад, ки пешгӯкунандае, ки дар як модели ANN баландтарин арзиши миёнаи аҳаммиятро дорад, ҳамчун истинод ба 100 миқёсбандӣ шудааст; ин маънои онро надорад, ки тағйирёбанда %100-и натиҷаро шарҳ медиҳад, %100 дақиқӣ медиҳад ё таъсири сабабӣ %100 аст.

Намоиши стандартии омӯзишӣ:

\[ NI_j= \frac{I_j}{\max(I)} \times100 \]

\(I_j\) аҳаммияти миёнаи тағйирёбандаи дахлдор дар таҳлили ҳассосияти ANN аст; \(\max(I)\) баландтарин арзиши аҳаммият дар ҳамон модел мебошад. Ҳамин тавр, тағйирёбандаи баландтарин %100 мешавад ва дигар тағйирёбандаҳо нисбат ба он миқёсбандӣ мешаванд.

Усул ва Натиҷаҳои Таҳқиқот

Намунагирӣ ва ҷамъоварии маълумот

Муҳаққиқон намунагирии мақсаднок истифода кардаанд. Барои дохил шудани иштирокчӣ ба таҳқиқот, ӯ бояд таҷрибаи омодагӣ ба IELTS, таҷрибаи истифодаи ёвари омодагӣ ба имтиҳон дар асоси AI ва қобилияти анҷом додани вазифаҳои хондан ё шунидани IELTS-ро медошт.

Пурсишнома байни Феврал–Апрел 2026 дар платформаи онлайнии пурсишии Credamo гузаронида шудааст. Иштирокчиён аз Пекин, Guangzhou, Chongqing, Wuhan, Nanjing ва Macao ҷамъоварӣ шуда, хонандагони мактабҳои миёнаи 18-сола ва болотар, инчунин донишҷӯёни бакалавр, магистр ва докторӣ ба намуна дохил шудаанд.

Бо G*Power 3.1.9.7 ва бо истифода аз андозаи таъсири 0,15, \(\alpha=0.05\) ва қудрати \(1-\beta=0.95\), андозаи ҳадди ақали намуна 107 ҳисоб карда шудааст. Пеш аз пурсишномаи расмӣ бо 50 донишҷӯе, ки таҷрибаи омӯзиши IELTS бо AI доштанд, таҳқиқоти пилотӣ гузаронида шудааст.

Назоратҳои сифати таҳқиқоти пилотӣ

Пас аз пилот муҳаққиқон дар бандҳои андозагирӣ бозбинии нав анҷом надода, ҳамон шаклро дар пурсишномаи асосӣ истифода кардаанд.

Гузариш аз 522 пурсишнома ба 494 пурсишномаи эътиборнок

Дар маҷмӯъ 522 пурсишнома ҷамъоварӣ шудааст. Шаклҳое, ки аз саволи назорати эътиборнокӣ нагузаштаанд, дар бандҳое, ки аз ҷиҳати назариявӣ монанд буданашон интизор мешуд, номувофиқии ошкор доштанд ё ҷавобҳои нопурра доштанд, хориҷ карда шуданд. Дар натиҷа 494 пурсишномаи эътиборнок боқӣ монд ва сатҳи ҷавобҳои эътиборнок %94,64 буд.

Гурӯҳҳои шунидан ва хондан комилан мутавозин буда, ҳар кадом аз 247 иштирокчӣ иборат буданд. Ҳеҷ як иштирокчӣ пурсишномаи ҳар ду заминаро пур накардааст.

Профили иштирокчиён

Фанҳои академӣ низ байни муҳандисӣ, илмҳои гуманитарӣ, тиҷорат ва иқтисод, илмҳои иҷтимоӣ, технологияҳои иттилоотӣ/илми компютер, илмҳои тиббӣ, санъат-тарроҳӣ ва илмҳои табиӣ тақсим шудаанд. Баландтарин ҳисса ба илмҳои иҷтимоӣ (%15,8) ва пасттарин ҳисса ба санъат ва тарроҳӣ (%9,3) тааллуқ дорад.

Ғарази усули умумӣ чӣ гуна назорат карда шуд?

Аз як пурсишномаи худгузоришдиҳӣ омадани ҳамаи тағйирёбандаҳои асосӣ метавонад хатари Common Method Bias (CMB) -ро ба вуҷуд орад. Муҳаққиқон аввал санҷиши як-омилии Harman-ро истифода кардаанд. Дар маҷмӯи асосии маълумот омили аввал %32,744-и вариансияи умумиро шарҳ дода, аз ҳадди %50-и дар манбаъ истифодашуда пасттар мондааст.

Бо сабаби маҳдудияти санҷиши Harman, инчунин назорати full-collinearity VIF анҷом дода шудааст. Арзишҳои VIF дар сатҳи сохтор байни 1,155–1,770 буда, аз ҳадди истинодии 3,3-и истифодашуда пасттаранд. Муаллифон ин ду назоратро якҷо арзёбӣ карда, ба хулоса омадаанд, ки далеле вуҷуд надорад, ки ғарази ҷиддии усули умумӣ натиҷаҳоро ба таври бартаридошта роҳнамоӣ кардааст. Ин санҷишҳо исбот намекунанд, ки CMB мутлақо ғайриимкон аст.

Эътимоднокӣ ва эътибори ҳамгароии модели андозагирӣ

Ҳамаи боркуниҳои бандҳо байни 0,807–0,890 гузориш шудаанд. Арзишҳои VIF дар сатҳи банд байни 1,552–2,139 мебошанд. SRMR=0,062 аст. Дар таҳлили PLSpredict, PLS-SEM барои аксари нишондиҳандаҳо нисбат ба модели хаттӣ хатои пешгӯии пасттар ба вуҷуд овардааст.

Эътибори тафриқавӣ

Дар арзёбии Fornell–Larcker интизор меравад, ки решаи квадратии AVE-и ҳар сохтор аз коррелятсияҳо бо дигар сохторҳо дар ҳамон сатраш калонтар бошад. Дар Ҷадвали 3-и манбаъ, решаҳои квадратии диагоналии AVE байни 0,837–0,880 мебошанд.

Дар арзёбии HTMT бошад, муносибатҳои нишондиҳандаҳои сохторҳои ниҳонии гуногун муқоиса мешаванд. Дар Ҷадвали 4-и манбаъ баландтарин арзиши намоёни HTMT байни PU ва LA 0,651 аст ва аз ҳадди 0,85-и истифодашуда пасттар мебошад; ҳеҷ яке аз фосилаҳои эътимоди гузоришшуда 1-ро дар бар намегирад.

Санҷиши фарзияҳо дар тамоми намуна

Дар байни чор пешомади муносибат ба омӯзиш, баландтарин коэффисиенти роҳ дар тамоми намуна ба фоиданокии даркшуда тааллуқ дорад (\(\beta=0.323\)). Дар роҳҳои мустақим ба нияти идомаи омӯзиш, LA (\(\beta=0.361\)) ва SE (\(\beta=0.348\)) натиҷаҳои ба ҳам наздик додаанд.

Нақши миёнаравии муносибат ба омӯзиш

Ҳамаи фосилаҳои эътимод сифрро дар бар намегиранд. Баландтарин таъсири ғайримустақим дар роҳи PU → LA → CLI 0,116 аст. SE ба CLI ҳам роҳи мустақим ва ҳам роҳи ғайримустақим тавассути LA дорад.

Натиҷаи MICOM

Дар арзёбии MICOM бо 1000 пермутатсия барои ҳамаи сохторҳо тағйирнопазирии конфигуратсионӣ ва тағйирнопазирии таркибӣ таъмин шудааст. Ҳамин тавр, тағйирнопазирии қисмии андозагирӣ муқаррар гардид. Бо вуҷуди ин, барои LA, PENJ, PU ва SE баробарии миёнаҳои гурӯҳӣ ва барои LA инчунин баробарии вариансияи гурӯҳӣ таъмин нашудааст. Аз ин рӯ, муқоисаи MGA-и шунидан–хондан иҷрошаванда қабул шудааст, аммо чунин тафсир нашудааст, ки гӯё тағйирнопазирии пурраи андозагирӣ вуҷуд дорад.

Коэффисиентҳои роҳ дар гурӯҳҳои шунидан ва хондан

Нуктаи муҳиме, ки бояд дар ин ҷо ба назар гирифта шавад, ин аст, ки ибораи «дар шунидан лаззат муҳим аст, дар хондан фоиданокӣ муҳим аст» маънои онро надорад, ки тағйирёбандаҳои дигар беаҳаммиятанд. Ҳамаи шаш роҳи асосӣ дар ҳар ду гурӯҳ мусбат ва аҳаммиятноканд. Дар муқоисаи гурӯҳӣ танҳо бузургии роҳҳои PU → LA ва PENJ → LA ба таври аҳаммиятнок фарқ кардааст.

Хатоҳои омӯзиш ва санҷиши ANN

Барои ҳар модели ANN ва ҳар замина 10 тақсимоти мустақили тасодуфии омӯзиш–санҷиш анҷом дода шудааст. Дар ҳар иҷро тақрибан %90 барои омӯзиш ва %10 барои санҷиш истифода шуда, бинобар таъйини тасодуфӣ арзишҳои воқеии N байни иҷроҳо тағйир ёфтаанд. Маҷмӯаҳои санҷишӣ метавонанд дар такрорҳои гуногун қисман ҳампӯш бошанд.

Манбаъ умуман хурд будани фарқҳои байни RMSE-и омӯзиш ва санҷишро ҳамчун нишонаи иҷроиши ба таври васеъ устувор дар намунаҳои held-out тафсир мекунад. Дар баъзе такрорҳо пасттар будани RMSE-и санҷиш аз RMSE-и омӯзиш ҳамчун тағйирёбии намунагирӣ арзёбӣ шудааст, ки метавонад бо ҳамгунтар ё осонтар пешгӯишаванда будани мушоҳидаҳои зергурӯҳи тасодуфии санҷиш шарҳ дода шавад.

Маънои амалии ин бузургиҳои RMSE ба миқёс ва тағйирёбии баромад вобаста аст. Арзишҳо дар миқёси модел пас аз меъёрсозии min–max мебошанд; онҳо хатои холи имтиҳони IELTS нестанд.

Таҳлили ҳассосияти ANN

Тартиббандии PLS-SEM ва ANN умуман якдигарро дастгирӣ мекунад. Дар шунидан PENJ барои LA дар ҷойи аввал аст; дар хондан PU барои LA дар ҷойи аввал мебошад. Дар Модели 1-и шунидан, тартиби поёнии PEOU ва SE байни PLS-SEM ва ANN фарқи хурд нишон медиҳад, аммо намунаи асосии вобаста ба замина тағйир намеёбад.

Назорати устуворӣ

Барои муайян кардани он ки оё хонандагони мактаби миёнаи 18-сола ва болотар, ки %6,1-и намунаро ташкил медиҳанд, ба натиҷаҳои асосӣ таъсир мерасонанд ё не, ин иштирокчиён хориҷ карда шуда, PLS-SEM ва MGA аз нав арзёбӣ шудаанд.

Дар ин таҳлил шаш фарзияи асосӣ боз ҳам дастгирӣ шудаанд. Барои PU → LA \(\beta=0.313\), барои PEOU → LA \(\beta=0.225\), барои PENJ → LA \(\beta=0.254\), барои SE → LA \(\beta=0.176\), барои SE → CLI \(\beta=0.346\) ва барои LA → CLI \(\beta=0.356\) ба даст омадааст; ҳамаи роҳҳо \(p<0.001\) мебошанд.

Ду фарқи асосии муқоисаи шунидан–хондан низ нигоҳ дошта шудаанд: PU → LA дар хондан қавитар монда, PENJ → LA дар шунидан қавитар мондааст. Пас аз хориҷ кардани хонандагони мактаби миёна, фарқи гурӯҳии PU −0,186 ва фарқи гурӯҳии PENJ 0,181 гузориш шудааст; ҳар ду \(p<0.05\) мебошанд.

Оё Ин Таҳқиқот Исбот Мекунад, ки Низоми IELTS-и Бо AI Дастгиришаванда Муваффақияти Омӯзишро Афзоиш Медиҳад?

Не. Таҳқиқот афзоиши воқеии холи IELTS, рафтори истифодаи дарозмуддат ё дастоварди таҷрибавии омӯзишро чен намекунад; он муносибатҳои байни даркҳои технологии донишҷӯён, муносибат ба омӯзиш ва нияти идомаи истифода дар ояндаро тавассути худгузоришҳое, ки дар як нуқтаи вақт ҷамъоварӣ шудаанд, меомӯзад.

Маънои фарқи шунидан ва хондан

Тибқи тафсири назариявии муаллифон, шунидан аз сабаби гузаранда будани вуруди садоӣ, фишори вақт ва талаботи коркарди вақти воқеӣ метавонад нигоҳ доштани таваҷҷуҳ ва иштироки донишҷӯро душвор гардонад. Аз ин рӯ, лаззат ва таҷрибаи мусбат метавонанд дар заминаи шунидан бо муносибат ба омӯзиш қавитар алоқаманд бошанд.

Дар хондан бошад, донишҷӯ метавонад ба матн баргардад, суръатро танзим кунад, стратегияро татбиқ намояд ва саҳми мустақими ташхиси хато ё дастгирии фаҳмиши матни низомро ба муваффақияти вазифа равшантар арзёбӣ кунад. Аз ин рӯ, дарки фоидаи амалӣ метавонад дар хондан ҳамчун муайянкунандаи қавитари муносибат зоҳир шуда бошад.

Аммо таҳқиқот ин тавзеҳро ҳамчун «табиати тағйирнопазири малакаҳои забонӣ» исбот намекунад. Модули шунидани платформаи истифодашуда машқи такрорӣ ва бозхӯрди фаврии интерактивиро бештар дар бар мегирифт, дар ҳоле ки модули хондан бештар ба ташхис ва дастгирии вазифа тамаркуз мекард. Аз ин рӯ, фарқи муайяншуда метавонад натиҷаи муштараки хусусияти вазифа ва тарроҳии платформа бошад.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Фоиданокии даркшуда, осонии истифода, лаззат ва худсамаранокӣ бо муносибат ба омӯзиш мусбат алоқаманданд.
• Муносибат ба омӯзиш ва худсамаранокӣ бо нияти идомаи омӯзиш мусбат алоқаманданд.
• PU, PEOU, PENJ ва SE ба CLI тавассути LA таъсирҳои ғайримустақими аҳаммиятнок доранд.
• Дар заминаи шунидан роҳи PENJ → LA нисбат ба хондан ба таври аҳаммиятнок қавитар аст.
• Дар заминаи хондан роҳи PU → LA нисбат ба шунидан ба таври аҳаммиятнок қавитар аст.
• Дар роҳҳои PEOU → LA, SE → LA, SE → CLI ва LA → CLI байни ду замина фарқи аҳаммиятноки роҳ мушоҳида нашудааст.
• Тартиббандии аҳаммияти нисбии ANN намунаи асосии заминавии MGA-ро дастгирӣ мекунад.
• Дар таҳлили устуворӣ пас аз хориҷ кардани хонандагони мактаби миёна натиҷаҳои асосӣ асосан нигоҳ дошта шудаанд.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад

Таҳқиқот нишон намедиҳад, ки лаззат холи шунидани IELTS-ро зиёд мекунад, фоиданокии даркшуда иҷроиши хондани IELTS-ро беҳтар мекунад, ANN муваффақияти IELTS-ро пешгӯӣ мекунад, ITS-и бар асоси AI аз омӯзгори инсонӣ бартар аст, донишҷӯён воқеан истифодаи низомро муддати дароз идома медиҳанд ё муносибатҳои ёфтшуда қатъиян сабабӣ мебошанд.

Маҳдудиятҳои асосӣ

Тарҳи буришӣ: Азбаски маълумот дар як нуқтаи вақт ҷамъоварӣ шудааст, тағйироти ангеза, муносибат ва нияти истифода дар тӯли вақт пайгирӣ нашудааст. Хулосаи қатъии сабабӣ баровардан мумкин нест.

Худгузоришдиҳӣ: Тағйирёбандаҳои асосӣ ҷавобҳои худи донишҷӯён мебошанд. Бо вуҷуди назоратҳои омории CMB, ҳамаи маҳдудиятҳои маълумоти худгузоришдиҳӣ аз байн намераванд.

Намунагирии мақсаднок ва онлайн: Корбарони Credamo метавонанд шахсонеро, ки интернетро бештар истифода мебаранд ва бо технологияҳои рақамӣ ошнотаранд, аз ҳад зиёд намояндагӣ кунанд. Иштироки ихтиёрӣ низ метавонад ба интихоби шахсоне оварда расонад, ки ба омӯзиши AI бештар таваҷҷуҳ доранд. Намуна намояндагии тасодуфии ҳамаи омӯзандагони IELTS нест.

Маҳдудияти ҷуғрофӣ/фарҳангӣ: Намуна асосан ба омӯзандагони чинии IELTS такя мекунад. Умумисозии мустақими натиҷаҳо ба кишварҳо, фарҳангҳо ва низомҳои таълимии дигар тасдиқ нашудааст.

Як платформа: Танҳо як низоми омодагӣ ба IELTS дар асоси AI истифода шудааст. Тарроҳии хоси ҳамкорӣ, бозхӯрд ва ташхиси платформа метавонад ба натиҷаҳо таъсир расонад.

Андозагирии ба замина мутобиқшуда: Гарчанде пурсишномаҳои шунидан ва хондан барои чен кардани ҳамон сохторҳои консептуалӣ таҳия шудаанд, бандҳо ба заминаи вазифаи дахлдор мутобиқ карда шудаанд. Ҳатто бо таъмин шудани тағйирнопазирии қисмии андозагирӣ, қатъӣ нест, ки ҳамаи фарқҳои гурӯҳӣ танҳо аз навъи вазифа ба вуҷуд омадаанд.

Доираи модел: Тағйирёбандаҳои эҳтимолии дигар, аз қабили эътимод ба технология, адолати алгоритмии даркшуда, дастгирии омӯзгор, ҳузури омӯзишӣ, бозхӯрди таҳлили омӯзиш ва идоракунии технологияҳои таълимӣ ба модел дохил нашудаанд.

Ёддошт оид ба Манбаъ ва Усул

Унвони аслӣ: Utilitarian Value or Enjoyment Experience? The Formation Mechanism of IELTS Learners’ Continuous Learning Intention in AI-Driven Intelligent Tutoring Systems: Evidence from PLS-SEM, MGA, and ANN

Муаллифон: Sunyu Tao, Hongfeng Zhang, Shenglin Liu.

Тартиби муаллифон: Тартиби манбаъ бетағйир нигоҳ дошта шудааст.

Саҳми баробар: Дар манбаъ ишораи ҳаммуаллифии аввал ё саҳми баробар зикр нашудааст.

Муаллифи масъул: Hongfeng Zhang.

Аффилиатсия 1: Faculty of Humanities and Social Sciences, Macao Polytechnic University, Macao 999078, China.

Аффилиатсия 2: School of Management, Universiti Sains Malaysia, Pulau 11800, Penang, Malaysia.

Маҷалла: Education Sciences.

Ношир: MDPI.

Маълумоти нашр: 2026, Volume 16, Article 1526.

DOI: 10.3390/educsci16091526.

Пайванди расмии нашр: Сабти мақолаи MDPI Education Sciences тавассути DOI.

Санаи пешниҳод: 9 Июл 2026.

Санаи бозбинӣ: 11 Сентябр 2026.

Санаи қабул: 15 Сентябр 2026.

Санаи нашр дар PDF: 16 Сентябр 2026.

Ёддошти версия: Сабти расмии Article Version Notes-и MDPI нишон медиҳад, ки пас аз Version of Record-и 16 Сентябр 2026 файлҳои PDF/HTML дар 17 Сентябр 2026 нав карда шудаанд. Ин матни Verianla мундариҷаи илмии PDF-и пешниҳодкардаи корбарро асос қарор медиҳад.

Навъи манбаъ: Мақолаи таҳқиқотии аз баррасии ҳамтоён гузашта. Таҳқиқоти мушоҳидавӣ/ҳамбастагӣ бо тарҳи буришӣ, намунагирии мақсаднок ва пурсишномаи худгузоришдиҳӣ; усулҳои PLS-SEM, MICOM, MGA ва ANN-ро якҷо истифода мебарад.

Вазъи баррасии ҳамтоён: Мақолаи аз баррасии ҳамтоён гузашта, ки дар Education Sciences нашр шудааст.

Иҷозатнома: PDF нишон медиҳад, ки мақола бо иҷозатномаи Creative Commons Attribution (CC BY) дар дастрасии кушода аст. Аз сабти матнии PDF рақами версияи иловагии CC фарз карда нашудааст.

Намуна: Аз 522 пурсишномаи ҷамъоваришуда 494 пурсишномаи эътиборнок; шунидан n=247, хондан n=247.

Давраи ҷамъоварии маълумот: Феврал–Апрел 2026.

Платформаи ҷамъоварии маълумот: Credamo.

Нармафзорҳои таҳлилӣ: SmartPLS 4, SPSS 27.0 ва дар таҳлили намуна/қудрат G*Power 3.1.9.7.

Кумитаи ахлоқ: Macao Polytechnic University Research Committee; Approval No. RP/FCHS-01/2023/E01, 30 Ноябр 2023.

Ризоияти огоҳона: Аз ҳамаи иштирокчиён гирифта шудааст.

Маблағгузорӣ: Аз ҷониби Macao Polytechnic University бо рақами RP/FCHS-01/2023 дастгирӣ шудааст.

Дастрасии маълумот: Зикр шудааст, ки маълумоти таҳқиқот бо дархости оқилона аз муаллифи масъул дастрас карда мешавад.

Бархӯрди манфиатҳо: Муаллифон бархӯрди манфиатҳоро гузориш накардаанд.

Саҳми муаллифон: Консептуализатсия Sunyu Tao; усул Sunyu Tao ва Hongfeng Zhang; нармафзор Sunyu Tao ва Shenglin Liu; санҷиш Sunyu Tao ва Shenglin Liu; таҳлили расмӣ Sunyu Tao; таҳқиқот Sunyu Tao; захираҳо Hongfeng Zhang; куратсияи маълумот Sunyu Tao ва Shenglin Liu; тарҳи аввал Sunyu Tao; бозбинӣ ва таҳрир Hongfeng Zhang; визуализатсия Sunyu Tao; роҳнамоӣ Hongfeng Zhang; идоракунии лоиҳа Hongfeng Zhang; дарёфти маблағгузорӣ Hongfeng Zhang.

Номувофиқии дохилии манбаъ 1 — шарҳи Fornell–Larcker: Дар ҳоле ки матни асосӣ баландтарин коррелятсияҳои сохториро 0,48 тавсиф мекунад, дар Ҷадвали 3 коррелятсияи PU–LA 0,518 нишон дода шудааст. Verianla арзиши ҷадвалро тағйир надодааст.

Номувофиқии дохилии манбаъ 2 — ҳадди болоии HTMT: Дар ҳоле ки матн диапазони HTMT-ро 0,159–0,596 менависад, дар Ҷадвали 4 арзиши HTMT-и PU–LA 0,651 аст. Verianla ҳамчун арзиши дақиқ 0,651-и дар ҷадвал дидашударо асос гирифтааст.

Номувофиқии дохилии манбаъ 3 — диапазони сохтории VIF: Дар шарҳи модели сохторӣ диапазони VIF 1,088–1,239 навишта шудааст; дар Ҷадвали 5 дар сатри PENJ → LA VIF=1,247 мавҷуд аст. Verianla ин арзишро хомӯшона тағйир намедиҳад.

Номувофиқии дохилии манбаъ 4 — арзиши p-и таъсири ғайримустақими PEOU: Матни пеш аз Ҷадвали 6 барои PEOU → LA → CLI ифодаи p<0,01-ро истифода мекунад, дар ҳоле ки Ҷадвали 6 p<0,001 медиҳад. Дар ҷадвали асосии натиҷаҳо арзиши ошкори Ҷадвали 6 нигоҳ дошта шуда, фарқият дар ин ҷо зикр шудааст.

Маҳдудияти тафсири ANN: Баромадҳои ANN арзишҳои миқёсии LA ва CLI-ро пешгӯӣ мекунанд; онҳо холи воқеии хондан/шунидани IELTS-ро пешгӯӣ намекунанд. Натиҷаҳои RMSE ба миқёси пас аз меъёрсозии min–max тааллуқ доранд.

Маҳдудияти тафсири MGA: Барои заминаҳои шунидан ва хондан тағйирнопазирии қисмии андозагирӣ муқаррар шудааст; тағйирнопазирии пурра дар ҳамаи сохторҳо таъмин нашудааст. Ду шакли пурсишнома ба заминаи вазифа мутобиқ карда шудаанд.

Маҳдудияти сабабият: Таҳқиқот буришӣ аст. Ифодаҳои «таъсир» ва «роҳ» забони муносибатҳои оморӣ дар модели PLS-SEM мебошанд; онҳо маънои сабабияти таҷрибавиро надоранд.