प्रेरणा

यह अंग्रेज़ी पेज का ऑटोमैटिक अनुवाद है और इसकी अभी तक किसी मूल भाषी ने समीक्षा नहीं की है।

प्रेरणा — वे मनोवैज्ञानिक प्रक्रियाएँ जो लक्ष्य-निर्देशित व्यवहार को आरंभ करती हैं, उसकी दिशा निर्धारित करती हैं और उसे बनाए रखती हैं। शिक्षा में AI में, प्रेरणा शोध यह जाँचता है कि AI उपकरण शिक्षार्थियों और शिक्षकों की प्रेरणा को कैसे प्रभावित करते हैं — क्या AI सहारा (scaffolds) दृढ़ता, जिज्ञासा और आंतरिक संलग्नता को बढ़ाता है या कमज़ोर करता है — और प्रेरणात्मक अवस्थाएँ AI-माध्यमित शिक्षा की प्रभावशीलता को कैसे आकार देती हैं।

विचार के लिए प्रश्न

• प्रेरणा को प्रायः ऐसी विशेषता माना जाता है जो कुछ विद्यार्थियों में "होती है" और दूसरों में नहीं। यह पृष्ठ उसे इसके बजाय उन मनोवैज्ञानिक प्रक्रियाओं के रूप में प्रस्तुत करता है जो व्यवहार को आरंभ करती हैं, उसकी दिशा तय करती हैं और उसे बनाए रखती हैं — और इसे विकासात्मक तथा सामाजिक रूप से सहारा पाने वाली कुछ मानता है। यह पुनर्विचार विद्यार्थियों की प्रेरणा की ज़िम्मेदारी किस पर है, इसे कैसे बदलता है?
• AI उपकरण बाधाएँ हटाकर शिक्षा को अधिक सुगम बना सकते हैं, लेकिन वे उस संज्ञानात्मक प्रयास और संघर्ष को भी घटा सकते हैं जो आंतरिक प्रेरणा का आधार बनते हैं। किसी चीज़ को "आसान" बनाना आपके लिए कब वास्तव में उसे कम प्रेरक या कम संतोषजनक बना चुका है?
• आत्मनिर्णय सिद्धांत कहता है कि आंतरिक प्रेरणा स्वायत्तता, सक्षमता और संबद्धता से बढ़ती है। यदि कोई AI शिक्षक अधिकांश कार्य खुद कर दे, तो इन तीनों में से किसे यह ख़तरा हो सकता है — और किसे यह बढ़ा सकता है?
• शोध में AI पाठ्यक्रम में पढ़ने वाले विद्यार्थियों के बीच विशिष्ट प्रेरणात्मक प्रोफ़ाइल मिलती हैं, और आत्मनिर्धारित प्रोफ़ाइल तक पहुँचने से AI-साक्षरता में सबसे बड़ी प्रगति की भविष्यवाणी हुई। किसी शिक्षार्थी के लिए AI के उपयोग में निष्क्रिय रूप से विच्छिन्न से वास्तविक रूप से आत्मनिर्धारित तक पहुँचने के लिए क्या आवश्यक हो सकता है?
• यह पृष्ठ बताता है कि शिक्षक सहयोग AI-सहायित संलग्नता को काफ़ी हद तक महारत-अभिमुख और प्रदर्शन-अभिमुख लक्ष्यों के माध्यम से चलाता है — "अभिमुख" दिशाओं के ज़रिये, "परिहार" दिशाओं के बजाय। शिक्षक जिस तरीके से AI उपयोग को फ़्रेम करता है ("इसे सही करने के लिए" बजाय "गलत दिखने से बचने के लिए") वह विद्यार्थियों के गहराई से संलग्न होने को कैसे आकार देता है?
• यदि आप प्रेरणा के लिए डिज़ाइन कर रहे हैं, तो क्या लक्ष्य शिक्षा को आसान, अधिक आकर्षक, या अधिक सार्थक रूप से प्रयासपूर्ण बनाना है? सुगम्यता और आंतरिक प्रेरणा कहाँ विपरीत दिशाओं में खिंचते हैं?

परिचय

प्रेरणा शिक्षा शोध का एक आधारभूत निर्माण है, और शिक्षा में AI के उदय ने इसे और अधिक महत्वपूर्ण बना दिया है: AI उपकरण बाधाएँ हटाकर शिक्षा को अधिक सुगम बना सकते हैं, लेकिन वे उस संज्ञानात्मक प्रयास और संघर्ष को भी घटा सकते हैं जो आंतरिक प्रेरणा और गहरी शिक्षा का आधार बनते हैं। इस ज्ञान आधार के लेख प्रेरणा का शोध शिक्षार्थी-संबंधी AI उपकरणों, शिक्षक-संबंधी AI प्रणालियों, और उन मनोवैज्ञानिक तंत्रों में करते हैं — आत्मनिर्णय, आत्म-प्रभावकारिता, भावनाएँ — जिनके द्वारा AI प्रेरित व्यवहार को आकार देता है।

• Lee & Wu दिखाते हैं कि लिंग और प्रेरणा GenAI के साथ भिन्न संलग्नता को चलाते हैं, जिसमें विशिष्ट उपलब्धि प्रक्षेपपथ होते हैं।

प्रमुख शोध प्रवृत्तियाँ

विद्यार्थियों की प्रेरणा पर AI का प्रभाव सबसे सीधी शोध रेखा है। Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming यह जाँचता है कि AI सहायता की उपलब्धता विद्यार्थियों की प्रेरणा और दृढ़ता को कैसे प्रभावित करती है, और इसे अति-निर्भरता के उस शोध से जोड़ता है जहाँ AI कार्य करने पर प्रेरणा घटती है। दृढ़ता के संदर्भ में विशेष रूप से, संक्षिप्त exposure ही काफ़ी है: एक सहायक के साथ दस मिनट, जिसने अनुरोध पर उत्तर दिए, प्रतिभागियों को बिना सहायता वाली समस्याओं में से 0.20 छोड़ने पर विवश किया, जबकि नियंत्रण समूह में यह 0.11 था (Liu et al., 2026)। Designing a mobile chatbot-based learning journaling system for intrinsic motivation and engagement मोबाइल चैटबॉट जर्नलिंग को एक प्रेरणात्मक हस्तक्षेप के रूप में खोजता है। Designing Needs- and Attention-Aware AI Learning Tools for Engineering Education: Insights from Psychological Outcomes यह जाँचता है कि इंजीनियरिंग शिक्षा में विद्यार्थियों को AI शिक्षण उपकरणों को अपनाने के लिए क्या प्रेरित करता है।

42 अध्ययनों के एक मेटा-विश्लेषण (56 प्रभाव आकार, 6,059 विद्यार्थी) में पाया गया कि GenAI-समर्थित शिक्षा ने प्रेरणा को Hedges' g = 0.764 (95% CI [0.566, 0.962]) से बढ़ाया — लेकिन I² = 93.7% और [−0.689, 2.217] के 95% predictive interval के साथ, यह औसत उन परिस्थितियों को छिपाता है जहाँ प्रभाव लगभग शून्य या नकारात्मक है (Fang et al. (2026)).

• अविमर्शित उपयोग प्रेरणा को कमज़ोर करता है — और पुरुषों में अधिक। विचारहीन GenAI उपयोग (अनियंत्रित रूप से स्वीकार किए गए उत्तर) ने 487 स्नातक विद्यार्थियों में कम प्रेरणा (β = −0.54) और कम स्व-प्रभावशीलता (β = −0.37) की भविष्यवाणी की, और प्रेरणा पर प्रभाव पुरुष विद्यार्थियों में उल्लेखनीय रूप से अधिक मज़बूत था जबकि आत्म-प्रभावकारिता पर प्रभाव महिला विद्यार्थियों में अधिक मज़बूत था (Zhao & Gu, 2026)।

यह कि पाठक AI की ओर क्यों बढ़ता है, स्वयं एक मापने योग्य चर है: AIR स्केल GenAI-सहायित पठन के चार कारणों को अलग करता है — कार्य-केंद्रित, Feel-good, अनुवाद और कम-प्रयास — और केवल कम-प्रयास, यानी AI का उपयोग थके या विच्छिन्न अवस्था में करना, संज्ञान की आवश्यकता से नकारात्मक रूप से संबंधित था (r = −.18) (Brann, Etgar and Sidi (2026))।

AI-माध्यमित संलग्नता में प्रेरणा यह जाँचता है कि प्रेरणात्मक गुणवत्ता (केवल मात्रा नहीं) AI के साथ कैसे बदलती है। Isaeva et al. ने जनरेटिव AI के साथ संलग्नता का अध्ययन करने के लिए आत्मनिर्णय सिद्धांत को epistemic network analysis के साथ जोड़ा। Liang et al. (2026) ने एक वर्ष के AI पाठ्यक्रम में 2,086 माध्यमिक विद्यार्थियों के latent transition analysis के माध्यम से प्रेरणा का विकासात्मक रुपरेखांकन किया, और तीन स्थिर प्रोफ़ाइल पाईं (विच्छिन्न, विकासशील, आत्मनिर्धारित) तथा यह कि आत्मनिर्धारित प्रोफ़ाइल तक पहुँचने से सबसे बड़ी AI साक्षरता प्रगति की भविष्यवाणी हुई। Wang & Wang (2026) ने लक्ष्य-निर्धारण सिद्धांत का उपयोग 758 विश्वविद्यालय अंग्रेज़ी शिक्षार्थियों के साथ किया, और दिखाया कि शिक्षक सहयोग AI-सहायित संलग्नता को मुख्य रूप से महारत-अभिमुख और प्रदर्शन-अभिमुख लक्ष्यों के माध्यम से चलाता है (अभिमुख लक्ष्य दिशाएँ, परिहार नहीं)। मिलाकर ये अध्ययन दिखाते हैं कि AI संदर्भों में प्रेरणा विकासात्मक और सामाजिक रूप से सहारा पाने वाली दोनों है — यह समय के साथ बदलती है और केवल उपकरण डिज़ाइन के बजाय शिक्षक सहयोग तथा लक्ष्य फ़्रेमिंग का जवाब देती है।

लक्ष्य दिशा यह भी निर्धारित करती है कि उपकरण का उपयोग कैसे होता है: महारत और आदर्श प्रदर्शन लक्ष्य प्रायः विस्तार और शोध को बढ़ावा देते हैं, जबकि बाहरी प्रदर्शन लक्ष्य प्रयास को कम करने और कल्पित सक्षमता की रक्षा को अधिक संभव बनाते हैं — इसलिए वही सहायक प्रेरणात्मक माहौल के आधार पर सोच का सहारा बनता है या उसका विकल्प (Øby, 2026)।

संवाद का प्रारूप प्रेरणा को बढ़ा सकता है बिना समग्र मूल्यांकन में सुधार किए: 222 प्रथम-वर्ष उच्च विद्यालय के विद्यार्थियों में, ठोस अनुभव में उच्च शिक्षार्थियों के लिए शिक्षक–शिक्षक संवाद ने शिक्षक–विद्यार्थी प्रारूप की तुलना में ARCS प्रेरणा को अधिक बढ़ाया (b = 0.162, p < .001) परंतु समग्र मूल्यांकन में उल्लेखनीय रूप से कम अंक पाए (b = -0.126, p = .005) (Watanabe et al. (2026))।

प्रेरणा यह आकार देती है कि विद्यार्थी उपकरण को कैसे देखते हैं, और यह फ़्रेमिंग ही मेटा-संज्ञानात्मक लाभ लेकर आती है: Cui et al. (2026) ने पाया कि सहयोगी भूमिका — लॉग का 7.5% — एकमात्र ऐसी भूमिका थी जिसने संपूर्ण मेटा-संज्ञानात्मक शृंखला उत्पन्न की, जबकि बाह्य रूप से प्रेरित विद्यार्थियों ने 64.6% लॉग में GenAI को प्रतिस्थापन उपकरण के रूप में इस्तेमाल किया और कोई उच्च-स्तरीय संबंध नहीं बनाए।

प्रेरणा में वृद्धि निर्माण-विशिष्ट है, सामान्य नहीं। Lu et al. (2026) ने पाया कि 301 कक्षा 5 और 6 के शिक्षार्थियों के लिए नौ सप्ताह का GenAI-समर्थित लेखन कार्यक्रम ने उनका आदर्श L2 लेखन-आत्म और शैक्षणिक उत्साह — प्रेरणा के आकांक्षी और लचीलेपन के घटक — को बढ़ाया, जबकि विकास-मानसिकता अपरिवर्तित रही; विकास-मानसिकता में एकमात्र वृद्धि नियंत्रण समूह में दिखी और वह बहु-तुलनाओं के लिए सुधार के बाद भी टिकी नहीं। विद्यार्थियों ने इस बदलाव का श्रेय इस बात को देते हुए दिया कि उन्हें अपनी पहले से ज्ञात शब्दावली से बना सरल पाठ दिखा, जिसने सफल लेखन को प्राप्त करने योग्य बना दिया। तो प्रेरणा कोई एकल डायल नहीं है जिसे AI ऊपर कर दे: जो सुधरा वह यह विश्वास था कि व्यक्ति अच्छा लिख सकता है, न कि यह विश्वास कि प्रयास से क्षमता बढ़ती है। यही निर्माण-विशिष्टता तब भी दिखती है जब GenAI स्वयं प्रासंगिकता का हस्तक्षेप बनता है। Guo, Fryer and Shum (2026) ने 218 उच्च विद्यालय के विद्यार्थियों से गणित में व्यक्तिगत प्रासंगिकता पर चैटबॉट के साथ एक घंटे का अर्ध-संरचित संवाद करवाया; सामूहिक, कक्षा-स्तरीय संस्करण ने पहचान के रूप में प्रासंगिकता को बढ़ाया (F = 4.35, p = .014, η² = 0.04; नियंत्रण के विरुद्ध, F = 11.11, p = .001, η² = 0.073 — एक मध्यम प्रभाव) और, SEM में, एक सप्ताह बाद किसी विशिष्ट पाठ के प्रति प्रासंगिकता की भविष्यवाणी की (β = 0.18, p = .01), जबकि गणित कक्षा में रुचि नहीं बदली (F = 0.29, p = .75, η² = 0.003)। लेखक इस अलगाव का कारण मात्रा को मानते हैं: एकल एक-घंटे का सत्र प्रासंगिकता की वृद्धि को कक्षा में रुचि में बदलने के लिए बहुत संक्षिप्त है।

उपयोगिता-मूल्य हस्तक्षेप सर्वत्र समान रूप से लाभदायक नहीं होता: एक सहारा युक्त संस्करण ने प्री-सर्विस शिक्षकों के ज्ञान-एकीकरण में कोई समग्र वृद्धि नहीं दिखाई, और उन शिक्षार्थियों के लिए इसे हानि पहुँचाई जो उच्च कल्पित उपयोगिता-मूल्य के साथ शुरू किए — यह एक aptitude–treatment interaction यह तर्क देता है कि प्रेरणात्मक सहायता को शिक्षार्थियों की प्रारंभिक स्थितियों से मिलाना चाहिए (Boos, Eder & Lachner (2026))। एक प्रतिपुष्टि संदेश रुचि को अपनी कल्पित उपयोगिता के माध्यम से बढ़ाता है, शिक्षार्थी के स्वभाव के माध्यम से नहीं। Jansen et al. (2026) ने 1,507 माध्यमिक विद्यार्थियों को तर्कसंगत पाठ के पहले मसौदे के बाद एक मानकीकृत स्वचालित प्रतिपुष्टि संदेश दिया: वैश्विक स्वीकृतिशीलता ही एकमात्र स्वीकृतिशीलता आयाम थी जो स्थितिज रुचि परिवर्तन से संबंधित थी (देखी गई स्केल पर लगभग 0.11 अंक, लगभग 54वें बजाय 46वें प्रतिशतक), और यह प्रभाव पूरी तरह कल्पित उपयोगिता से मध्यस्थता के माध्यम से था (अप्रत्यक्ष β = 0.09, 95% CI [0.06, 0.13]) जिसमें कोई उल्लेखनीय प्रत्यक्ष पथ शेष नहीं रहा (β = 0.06, 95% CI [−0.07, 0.16]), अतः जिसने रुचि बदली वह संदेश की अनुभूत उपयोगिता थी, न कि प्रतिपुष्टि के प्रति शिक्षार्थी का सामान्य रुख।

शिक्षकों की प्रेरणा और दृढ़ता शिक्षकों के बीच प्रेरणा का अध्ययन करती है। फ़्रेमिंग द 5 परसेंट प्रॉब्लम AI उपकरणों के साथ शिक्षकों की दृढ़ता का शोध करता है, और Chiu et al. ने पाया कि आवश्यकता-सहायक व्यावसायिक विकास व्यावसायिक शिक्षण समुदायों में स्थायी व्यवहारगत संलग्नता को बढ़ावा देता है।

• भावी शिक्षकों की अंतर-सांस्कृतिक प्रेरणा: Martínez-Moreno et al. (2026) ने स्विट्ज़रलैंड और चीन की 416 विद्यार्थी-शिक्षिकाओं के साथ (D)FIT-Choice स्केल को मान्य किया, और पाया कि स्विस शिक्षक अधिक सामाजिक उपयोगिता और आंतरिक प्रेरणा की रिपोर्ट करते हैं जबकि चीनी शिक्षक उच्च कल्पित डिजिटल सक्षमता और AI को एकीकृत करने के लिए उत्साह दिखाते हैं — यह उजागर करते हुए कि सांस्कृतिक और व्यवस्थात्मक कारक AI के साथ शिक्षा के भविष्य को आकार देने की प्रेरणा को कैसे बनाते हैं।

• शिक्षकों के GenAI आनंद की जड़ आत्म-प्रभावकारिता है। 434 सेवारत शिक्षकों के एक PLS-SEM अध्ययन में, आत्म-प्रभावकारिता मॉडल का एकमात्र बाह्य चर थी और इसका सबसे बड़ा प्रभाव कल्पित आनंद पर था (β = 0.805, f² = 1.839), जो बदले में कल्पित उपयोगिता और उपयोग में सरलता को बढ़ावा देता है (Guillén-Gámez et al., 2026)।

प्रयास विरोधाभास और सहायता के दुष्चक्र। Zohar, Bloom and Inzlicht (2026) तर्क देते हैं कि प्रेरणा को AI केवल सहायता या बाधा नहीं देता बल्कि उसे पुनर्वितरित करता है: मनुष्य प्रायः कम प्रतिरोध का मार्ग चुनते हैं, फिर भी वे प्रयास भी चाहते हैं — प्रयास विरोधाभास — क्योंकि प्रयास संकेत देता है कि कार्य महत्वपूर्ण हैं और क्योंकि उत्पाद के बजाय प्रक्रिया से जुड़ा पुरस्कार प्रयास और दृढ़ता की प्रवृत्ति बढ़ाता है। इससे दो दावे निकलते हैं। पहला, प्रयास–अर्थ संबंध एक उल्टा U है, इसलिए प्रेरणात्मक लक्ष्य मध्यम घर्षण है, और घर्षणरहित AI का खतरा बहुत कम घर्षण में जाकर पड़ना है। दूसरा, एक दुष्चक्र: जैसा-जैसा AI किसी क्षेत्र में प्रयास को बदलता है, वहाँ प्रयास के प्रेरणात्मक लाभ घटते हैं, जिससे उपयोगकर्ता AI पर अधिक निर्भर होते हैं, जो प्रेरणा को और घटाता है। वे पूरक और विकल्प को विकासात्मक चरण से भी अलग करते हैं — प्रारंभिक चरणों के शिक्षार्थी उन अनुभवों को छोड़ने का जोखिम उठाते हैं जो दृढ़ता बनाते हैं, जबकि स्थापित कौशल वाले AI का उपयोग समय बचाने के लिए कर सकते हैं (वांछनीय कठिनाइयाँ, स्व-प्रभावशीलता)।

साहित्य प्रेरणा को इसकी कोई सिद्धांत के बिना मापता है। 2003 से 2025 तक के 156 अध्ययनों के एक स्कोपिंग समीक्षा में 133 (85.3%) किसी विशिष्ट प्रेरणा सिद्धांत से निर्देशित नहीं थे, सबसे आम चर एक सामान्यीकृत शैक्षणिक प्रेरणा था (n = 89), और 88 अध्ययन (56.4%) एक ही राष्ट्रीय संदर्भ से थे (Li et al., 2026)।

संबंधित अवधारणाओं से संबंध

प्रेरणा स्वनिर्धारण सिद्धांत का मूल निर्माण है, जो उन मनोवैज्ञानिक आवश्यकताओं (स्वायत्तता, सक्षमता, संबद्धता) को निर्दिष्ट करता है जो आंतरिक प्रेरणा को बनाए रखती हैं। यह छात्र अनुभव से प्रेरित संलग्नता के अनुभवात्मक स्तर के रूप में, छात्र सहभागिता से उसके मापने योग्य आयाम के रूप में, और अफ़ेक्टिव कंप्यूटिंग से उन भावनात्मक तंत्रों के लिए जुड़ता है जो प्रेरणा को आकार देते हैं। प्रेरणा यह भी अति-निर्भरता (AI का उत्पादक संघर्ष को घटाना), स्व-नियंत्रित अधिगम (प्रेरित शिक्षार्थी स्व-नियमन करते हैं), और शिक्षण (प्रेरणा विद्यार्थियों के साथ-साथ शिक्षकों पर भी लागू होती है) से जुड़ता है।

संबंधित अवधारणाएँ

• शिक्षार्थी — Learners: शिक्षार्थी-संबंधी अवधारणाओं के लिए व्यापक श्रेणी
• स्व-निर्देशित अधिगम
• स्वनिर्धारण सिद्धांत
• छात्र अनुभव
• छात्र सहभागिता
• अफ़ेक्टिव कंप्यूटिंग
• भावनात्मक ट्यूटरिंग
• संज्ञानात्मक ऑफलोडिंग
• स्व-नियंत्रित अधिगम
• शिक्षण
• शिक्षा में AI
• छात्रों के लिए AI उपयोग की फ्रेमिंग
• सामाजिक-भावनात्मक अधिगम — Social-Emotional Learning

संबंधित लेख

• AI Assistance Reduces Persistence and Hurts Independent Performance — संक्षिप्त AI उपयोग ने बाद में बिना सहायता वाली समस्याओं पर दृढ़ता कम की (Liu et al. 2026)

• Automated feedback on argumentative writing: The role of secondary students' feedback receptivity and feedback perception — तर्कसंगत लेखन पर स्वचालित प्रतिपुष्टि: माध्यमिक विद्यार्थियों की प्रतिपुष्टि स्वीकृतिशीलता और प्रतिपुष्टि धारणा की भूमिका

• Against frictionless AI — प्रयास विरोधाभास और घर्षणरहित सहायता का दुष्चक्र

• How motivation and roles influence metacognitive engagement in student-GenAI interaction — मेटा-संज्ञानात्मक GenAI संलग्नता में प्रेरणा और भूमिकाएँ

• Differential engagement with generative artificial intelligence in higher education: Gender, motivation, and achievement trajectories — लिंग, प्रेरणा और GenAI उपलब्धि प्रक्षेपपथ

• Beyond Task Completion: A Theoretical Integration and Framework for Guiding Students' ChatGPT Use for Learning

• Thoughtless Use of Generative Artificial Intelligence and College Students' Self-Directed Learning: A Multi-Group SEM Analysis of Gender Differences

• Artificial Intelligence and Student Engagement in Online Learning: A Literature Review

• How Does Students' Perception of ChatGPT Shape Online Learning Engagement and Performance?

• "It is a temptation to get it to do the work…" Student Experiences of Navigating the Generative AI Landscape in UK Higher Education: A Cross-Institutional Survey with International Comparison

• Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming

• Students' engagement with generative AI in academic learning: A self-determination theory and epistemic network analysis study

• Teacher education for artificial intelligence literacy through a self-determination theory perspective

• Designing a mobile chatbot-based learning journaling system for intrinsic motivation and engagement

• Framing the 5% Problem: Teachers'' Perspectives on Persistence in Educational Technology

• Self-Efficacy and Favorability Shape Learning from Tutoring Systems and Paper Practice

• Transforming Curriculum Design with Generative AI: A Model for Assessing Teacher Digital Competence — GenAI पाठ्यक्रम डिज़ाइन के लिए शिक्षक डिजिटल सक्षमता का आकलन (Guillén-Gámez 2026)

• Motivation to shape the future of education with Artificial Intelligence: An international comparison between Switzerland and China — AI के साथ शिक्षा के भविष्य को आकार देने की प्रेरणा

• Interaction Effects Between Learner Characteristics and Dialogue Format in TTS Dialogue-Based Lessons — शिक्षार्थी विशेषताएँ × TTS संवाद-प्रारूप अन्योन्यक्रियाएँ

• Students' Perceptions of Artificial Intelligence Tools for Study Productivity and Learning: An Exploratory Survey Study — अध्ययन उत्पादकता और शिक्षा के लिए AI उपकरणों पर विद्यार्थियों की धारणाएँ: एक खोजपूर्ण सर्वेक्षण अध्ययन

• From disengaged to self-determined: a latent transition analysis of students' AI learning motivation — विद्यार्थियों की AI शिक्षण प्रेरणा का SDT latent transition विश्लेषण (2,086 माध्यमिक विद्यार्थी)

• Explaining learning engagement in AI-assisted learning through teacher support and achievement goals: insights from goal-setting theory — लक्ष्य-निर्धारण सिद्धांत: AI-सहायित अंग्रेज़ी शिक्षा में शिक्षक सहयोग, उपलब्धि लक्ष्य और संलग्नता (758 चीनी विद्यार्थी)

• Perceived Utility Moderates Motivational Intervention Effects in Learning to Teach Responsibly with GenAI — GenAI के साथ उत्तरदायी रूप से पढ़ाना सीखने में उपयोगिता-मूल्य हस्तक्षेप के प्रभाव (Boos, Eder & Lachner 2026)

• Exploring the impact of a GenAI-supported writing program on primary students' writing motivation, engagement — प्राथमिक L2 GenAI लेखन कार्यक्रम में निर्माण-विशिष्ट प्रेरणा वृद्धि (Lu et al. 2026)

• The AIR Scale: Development and Validation of a Measure of Motivations for Using AI During Reading — AIR स्केल: पढ़ते समय AI की ओर बढ़ने के चार कारण परिवार

• Utilizing generative AI to promote high school students' personal relevance to math and interest in the math class: An intervention — GenAI प्रासंगिकता संवाद ने पहचान के रूप में प्रासंगिकता बढ़ाई लेकिन कक्षा की रुचि समान रही

• Effects of generative artificial intelligence on students' learning motivation: evidence from a meta-analysis — शिक्षण प्रेरणा पर GenAI के प्रभाव का random-effects मेटा-विश्लेषण (56 प्रभाव आकार, 6,059 विद्यार्थी)

• AI and student motivation: A scoping review — AI और विद्यार्थी प्रेरणा पर 156 अध्ययन: 85.3% ने कोई प्रेरणा सिद्धांत नहीं इस्तेमाल किया, और कवरेज निर्माण, स्तर और देश में संकरा है