The Effect of Chatbots and AI on The Self-Efficacy, Self-Esteem, Problem-Solving and Critical Thinking of Students
Notice bibliographique
Résumé
This article delves into the multifaceted impacts of chatbots and AI in educational settings. It explores how these technologies, increasingly integrated into learning environments, influence key psychological aspects and cognitive skills among students. The review highlights the potential of chatbots in enhancing academic processes, offering personalized learning experiences, and serving as bridges to educational resources. However, it also raises concerns about the ethical use of such technologies. Focusing on psychological aspects, the article reviews literature suggesting that frequent and satisfying interactions with chatbots can enhance students' self-efficacy and engagement. Studies indicate that chatbots might improve self-efficacy in experimental settings and have indirect effects on health-related self-efficacy. In terms of self-esteem and self-confidence, the research presents mixed findings. While chatbots can positively affect body image and self-esteem among certain demographics, over-reliance on these technologies for social interaction or validation might negatively impact real human connections and individual confidence. The article also examines the impact of chatbots on problem-solving skills. Some studies suggest that AI chatbots can enhance problem-solving abilities, especially when integrated into educational systems. However, there is a risk that reliance on chatbots could limit users' exploration of alternative problem-solving strategies. Critical thinking is another area reviewed, with studies presenting diverse results. While some research indicates a positive influence of chatbots on critical thinking, others suggest limitations or context-dependent effects. The article concludes that while AI and chatbots offer transformative potential for enhancing student learning and engagement, their impact is complex and multifaceted. Future advancements in chatbot technology should aim to enhance their positive impact on users' psychological well-being and cognitive development, balancing the need for independent thinking and adaptability to complex problems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».