AI Application (ChatGPT) and Saudi Arabian Primary School Students’ Autonomy in Online Classes: Exploring Students and Teachers’ Perceptions
Notice bibliographique
Résumé
In education, the integration of artificial intelligence (AI) has presented opportunities to transform the dynamics of online learning. This study investigated the impact of an AI-powered application, namely ChatGPT, on the autonomy of Saudi Arabian primary students participating in online classes. It also explored how the implementation of Chat GPT influenced Saudi Arabian primary students’ autonomy. In this mixed-methods study, a quasi-experimental design assessed the impact of ChatGPT on learner autonomy among 250 Saudi Arabian primary students from six primary schools in Riyadh, Saudi Arabia. The quantitative analysis employed descriptive statistics and t-tests, while the qualitative data underwent interpretative phenomenological analysis. To ensure coding reliability, 20% of the codes were independently reviewed by an external coder, with a 94% inter-coder agreement coefficient reached through consensus. Findings revealed that ChatGPT significantly affected the participants’ perceptions of autonomy and its different dimensions. Qualitative data showed that AI-powered applications contributed to the students’ autonomy in 10 different ways. Participants also mentioned that AI-powered apps might have some negative consequences. This study has theoretical implications for redefining learner autonomy in the digital age and calls for the exploration of many facets of autonomy. Practical applications from this study include strategic integration of AI into online education, data security, and the need for orientation programs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».