Тревожность и стресс

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Тревожность и стресс — негативные эмоциональные состояния, которые интеграция ИИ может вызывать у учащихся и преподавателей (страх быть falsely accused, стресс от наблюдения, опасения по поводу собственной компетентности или integrity), наряду с позитивным использованием ИИ для выявления, мониторинга и снижения стресса и тревожности. Это понятие находится в рамках более широкого семейства Благополучие и пересекается с Социально-эмоциональное обучение и Аффективные вычисления, но называет конкретный эмоциональный конструкт — как его продуктивные, так и вредоносные стороны, — который research ИИ в образовании теперь изучает напрямую.

Вопросы для размышления

• «Тревожность по поводу ИИ» — это не одна вещь: она охватывает стресс от прокторинга, тревожность учащегося относительно эмоций, карьерные страхи и использование ИИ для снятия стресса. Что из этого вы испытали или наблюдали, и повлияло ли это на ваше обучение или преподавание?
• Распространённое предположение состоит в том, что тревожность всегда плоха. Но исследование показывает, что тревожность по поводу ИИ может быть продуктивной: тревожащиеся учащиеся проверяют и пересматривают работу более внимательно. Можете ли вы вспомнить случай, когда ваша собственная тревожность заставляла вас работать более тщательно?
• Непрерывное наблюдение и страх быть ошибочно помеченным повышают тревожность перед тестированием и могут ухудшать результаты, — при этом стресс сильнее всего бьёт по новичкам в работе с инструментами и по учащимся, уже находящимся в уязвимом положении. Это проблема справедливости или лишь вопрос комфорта?
• Карьерная тревожность — страх, что ИИ вытеснит или обесценит ваше профессиональное будущее, — направлена вперёд и существует на уровне идентичности. В какой степени этот страх определяет то, как вы — или знакомые вам студенты — взаимодействуете с ИИ?
• Исследования связывают более высокую карьерную адаптивность с более низкой тревожностью по поводу ИИ и обнаруживают, что самоэффективность обеспечивает лишь ограниченную буферную защиту. Если общей уверенности недостаточно, какая именно поддержка действительно снизила бы карьерную тревожность, связанную с ИИ?
• Тревожность преподавателей по поводу GenAI может отражать более ранние моральные паники вокруг калькуляторов и поисковых систем. Когда беспокойство о новой технологии — это законная озабоченность, а когда — повторяющийся образец сопротивления изменениям?

Введение

Тревожность по поводу ИИ — это не одна вещь. Она охватывает как минимум четыре различных направления, каждое со своей доказательной базой: (1) стресс, вызываемый ИИ-прокторингом и надзором за добросовестностью, (2) тревожность по поводу ИИ как эмоция учащегося, которая может быть как барьером, так и продуктивным сигналом, (3) карьерная тревожность, связанная с ИИ, — страх, что ИИ вытеснит или обесценит чьё-либо профессиональное будущее, и (4) ИИ как инструмент выявления и снятия стресса и тревожности. Признание всех этих направлений — включая результат о продуктивности тревожности, который бросает вызов чисто негативной рамке, — и отличает это понятие от широкого зонтика Благополучие.

Дистанционный прокторинг, ложное обвинение и стресс от наблюдения

Самый очевидный и наиболее изученный источник стресса, вызываемого ИИ, — Дистанционный прокторинг. Непрерывное наблюдение, страх быть ошибочно помеченным и давление постоянного наблюдения за собой повышают тревожность перед тестированием и могут ухудшать результаты. Ключевые свидетельства:

• The automated-proctoring review документирует тревожность сдающих тест (особенно у пользователей, недостаточно уверенно работающих с онлайновыми инструментами) и разрывы в подготовленности между проктором и сдающим, приводящие к ложным обвинениям в недобросовестности — острый стресс от ложного обвинения в списывании с помощью ИИ.
• Страница понятия Дистанционный прокторинг подробно описывает, как непрерывное наблюдение и страх ложных пометок повышают тревожность перед тестированием и как испытывающие стресс учащиеся показывают худшие результаты — это проблема fairness и этики, а не только комфорта.
• Учебные заведения, внедряющие дистанционный прокторинг, должны сочетать ИИ-мониторинг с доступными альтернативами, чёткой коммуникацией и поддержкой при тревожности сдающих, а также сопоставлять его с альтернативами в виде authentic assessment, снижающего степень наблюдения.

Этот кластер связывает тревожность по поводу ИИ с Приватность, Академическая добросовестность и Справедливость: стресс сильнее всего бьёт по новичкам в работе с инструментами и по учащимся, уже находящимся в уязвимом положении.

Давление, исходящее от непрерывного оценивания, а не только от наблюдения. Концептуальная рукопись 2026 года, пересматривающая рамку тестовой тревожности Мулвенона с участием многих заинтересованных сторон (Mulvenon 2026), утверждает, что сам стрессор изменил свою форму: по мере того как оценивание переходит от эпизодического high-stakes testing к непрерывному, насыщенному данными взаимодействию в adaptive и опосредованных analytics средах, острая тревожность перед тестированием может снижаться, тогда как вместо неё растёт расплывчатая, постоянная бдительность в отношении результатов — то, что в статье названо «невидимой тревожностью». В ней называется «алгоритмическая подотчётность», поддерживаемая непосредственностью, видимостью и постоянством данных, как механизм, который перераспределяет давление, а не устраняет его, и предлагается AI-Mediated Multi-Stakeholder Anxiety Model, не измеряющая ни один из своих конструктов, так что утверждение о перераспределении аргументируется по литературе, а не демонстрируется.

Тревожность по поводу ИИ как эмоция учащегося (барьер и сигнал)

Помимо прокторинга, само использование ИИ порождает тревожность — по поводу возможности быть заменённым, по поводу того, является ли чья-то работа «действительно своей собственной», по поводу компетентности. Причём эта тревожность не является чисто негативной:

• Kim (2026) обнаруживает, что тревожность по поводу ИИ может быть продуктивной: более высокая тревожность по поводу ИИ положительно ассоциировалась с поведением проверки и пересмотра (β = .24, p < .01), а оценочная способность предсказывала активное вовлечение engagement (β = .46, p < .001). Четыре регулятивных типа Кима (Uncritical Reliance — некритическая опора — 18,7 %; Selective Integration — избирательная интеграция — 34,6 %; Evaluative Transformation — оценочная трансформация — 31,8 %; Strategic Rejection — стратегическое отвержение — 14,9 %) показывают, что вызванная тревожностью внимательная проверка может превращать студентов в более осознанных и саморегулируемых пользователей generative AI, а не в пассивных последователей. Это переосмысляет тревожность по поводу ИИ из барьера в потенциально полезный сигнал, побуждающий к более пристальному изучению.

Такое переосмысление имеет границу в говорении: среди 708 изучающих английский язык связь между тревожностью при говорении и готовностью говорить составляла −0,371 при низкой самоэффективности в говорении и +0,137 при высокой, причём лишь 55 участников (7,8 %) превышали верхний порог Джонсона–Неймана (Wang & Li (2026)).

• Acceptance studies показывают, что тревожность определяет, будут ли учащиеся внедрять инструменты ИИ, а teacher-education research связывает тревожность по поводу ИИ с мотивацией и self-regulation.
• Дилемма раскрытия информации. В опросе 409 студентов бакалавриата комфорт с преподавателями и воспринимаемое раскрытие информации сокурсниками — а не моральное отстранение — были самыми сильными предикторами раскрытия использования GenAI, а нераскрытие читалось как стратегическая адаптация к нормам ближайшего окружения и низкому уровню интерпретирующего доверия, а не как халатность (Qu & Wang (2026)).
• AIvaluate изучает тревожность студентов во время performance-based assessments, показывая, что тревожность при оценивании сохраняется и что проектирование должно её учитывать.
• Моральная паника и тревожность преподавателей: the moral-panic framing показывает, что тревожность преподавателей по поводу GenAI отражает более ранние паники (калькуляторы, поисковые системы) — реакцию на стресс со стороны teacher, которая формирует политику в аудитории.
• «Состояние уязвимости» преподавателей и ощущение, что они «застряли». Farazouli et al. (2026) напрямую фиксируют сторону преподавателя в тревожности по поводу ИИ: 24 преподавателя шведских университетов описали появление GAI как тревожное и ошеломляющее и сообщили о состоянии уязвимости — низкой уверенности, неуверенности в себе и дискомфорте, вызванных ограниченным знанием возможностей GAI, ограниченным опытом работы и страхом «не опережать студентов». Преподаватели чувствовали, что «застряли» между утопическими и дистопическими дискурсами, были обременены усиленной ответственностью за fairness и качество и беспокоились о чувстве некомпетентности при оценивании студенческих работ, потенциально (со)созданных с помощью ИИ. Это framing трактует тревожность преподавателей по поводу ИИ как подлинную эмоциональную и профессиональную реакцию на реконфигурацию роли, а не как простое сопротивление, и аргументирует необходимость поддержки уверенности и благополучия преподавателей, а не только обучения работе с инструментами.
• Версия разработчика: чувство самозванца и этический дискомфорт. Академические разработчики двух южноафриканских учебных заведений должны были воплощать институциональную уверенность в инструментах, последствия которых они ещё только начинали осмыслять («I feel like an impostor...» — «Я чувствую себя самозванцем...»), одновременно facilitating technology they doubted was appropriate, — аффективный труд, который статья рассматривает как constitutive, а не incidental (Sithole, 2026).
• Упреждающая вина: страдание, предшествующее опыту. Vassallo (2026) опросил академический персонал одного мальтийского университета (109 респондентов) и обнаружил, что чувство вины в отношении ИИ привязано к страху нарушения, а не к его переживанию: Индекс вины по поводу ИИ (AI Guilt Index, α = 0,88) получил сильнейшее подтверждение за счёт опасения, что использование ИИ подрывает чью-либо credibility (34,9 %), и чувства, будто cheating (25,7 %), тогда как раскаяние после использования оказалось на последнем месте (9,2 %). Парадокс состоит в том, что небольшая группа не-пользователей сообщала о более высокой вине (M = 3,25), чем любая группа пользователей (M = 2,32) — поскольку avoiders никогда не проверяют свои страхи, избегание может сохранять то страдание, которое должно было предотвратить. Вина была выше всего среди академиков в начале карьеры (M = 2,71) и ниже всего среди старших (M = 2,03), и она отслеживала сокрытие, а не честность, коррелируя с ограничением использования ИИ из-за неловкости (r = .62) и с избеганием disclosure коллегам (r = .50), но не с формальным раскрытием информации (r = .08).
• Страх утраченной профессиональной ценности — и путь из него. Chick, Morello & Staffey (2026) документируют тревожность преподавателя, которая является экзистенциальной, а не технической. Десять преподавателей и сотрудников пришли на шестинедельный институт с академической добросовестностью как ведущей озабоченностью (80 %) и over-reliance на внешние ресурсы на втором месте (70 %), описывая генеративный ИИ поначалу как «машину для списывания», «угрозу» или «обезчеловечивающую силу»; профессор математики изложил угрозу идентичности прямо — «Я потратил годы на развитие экспертизы в своей области. Теперь машина может решать задачи быстрее и объяснять решения лучше, чем я. Какова моя ценность теперь?» Структурированные безопасные эксперименты сдвинули словарь в сторону «любопытствующего ассистента» и «творческого партнёра» и привели к тому, что 90 % сообщили о позитивных восприятиях, а авторы прямо заявляют, что observed resistance «stems not from technophobia or stubborn traditionalism but from legitimate concerns about educational quality, equity, and human agency» — прямой противовес чтению тревожности преподавателей как простой моральной паники.

Институциональная поддержка воздействует на тревожность через оценки, а не через утешение. Двухволновой опрос 547 китайских студентов бакалавриата (Jiang, Chen & Chen, 2026) проследил, как воспринимаемая школьная поддержка связана с тревожностью при обучении с ИИ через оценки «контроль — ценность» — ощущение учащимся собственной компетентности (контроль) и полезности инструмента (ценность). Поддержка напрямую предсказывала более низкую тревожность, но большая часть её связи проходила через оценки, а не в обход них: через самоэффективность в обучении с ИИ, через perceived usefulness и через последовательный маршрут, в котором самоэффективность питала полезность, которая в свою очередь снижала тревожность. Модель первого порядка показала, что измерения поддержки не работали независимо — лишь информационная поддержка сохраняла значимый путь к самоэффективности, — а кросс-валидация с искусственной нейронной сетью поставила самоэффективность и воспринимаемую полезность на первые места среди самых стабильных предикторов тревожности. Следствие состоит в том, что институциональное поощрение, направленное на тревожность, срабатывает только если оно меняет то, что студенты верят о собственной способности и о полезности инструмента; общее утешение не изменяет оценок, которые порождают тревожность.

ИИ может также снимать академическую тревожность, продвигая учебные цели, а не через утешение: в опросе 721 студента-медика и в эксперименте с 398 участниками более высокая воспринимаемая способность ассистента предсказывала больший прогресс в учебных целях, что предсказывало более низкую академическую тревожность и лучшее психическое здоровье (Chen et al. (2026)).

Однако компетентность не является полной буферной защитой: среди 551 китайских студентов первого курса ощущаемое учащимися давление в связи с использованием ИИ ослабляло связь между владением ИИ и психологической адаптацией, при этом наклон линии «владение ИИ → адаптация» снижался с 0,42 при низком давлении до 0,20 при высоком давлении (Zhang & Yin (2026)).

Путь от компетентности к тревожности проходит через этику, и он может усиливать тревожность. Среди 584 студентов бакалавриата в китайском университете с доминированием юридических специальностей и без учебной программы по ИИ-грамотности владение ИИ напрямую не снижало тревожность по поводу ИИ (β = 0,056, p = .362). Оно повышало этическую осведомлённость в отношении ИИ (β = 0,644, p < .001), что в свою очередь повышало тревожность (β = 0,439, p < .001) — только косвенное опосредование через путь, который авторы hypothesised как защитный (Mu et al. (2026)). Лишь 22,8 % дисперсии тревожности было объяснено. Искусственная нейронная сеть на тех же конструктах поставила прозрачность на первое место среди предикторов как для тревожности, связанной с обучением, так и для тревожности по поводу замены на работе. Прогнозы преподавателей как распределённая форма тревожности по поводу ИИ. Опрос Watson & Rainie (2026) среди 1 057 преподавателей американских колледжей и университетов фиксирует тревожность преподавателей скорее как ожидания, чем как симптомы: 95 % ожидали, что генеративный ИИ усилит чрезмерную опору студентов на инструменты, 94 % — рост озабоченности академической добросовестностью, 90 % — снижение critical thinking, 83 % — сокращение продолжительности внимания и 81 % — расширение digital inequities, тогда как 39 % считали, что инструменты уменьшат роль преподавателей, а 47 % опасались, что долгосрочное воздействие на занятость в их дисциплинах будет негативным. Те же респонденты не были единодушно пессимистичны — 61 % всё ещё ожидали улучшенного и индивидуализированного обучения, — но 73 % лично сталкивались со случаем нарушения академической добросовестности, связанным с использованием студентами генеративного ИИ, и именно здесь прогноз превращается в рабочую нагрузку. В отчёте прямо указывается, что выборка не является научной и не поддаётся обобщению, так что он документирует выраженные страхи сектора, а не измеренные эффекты.

Это направление связывает тревожность по поводу ИИ с Мотивация, ИИ-грамотность, Опыт студентов и Саморегулируемое обучение.

Карьерная тревожность, связанная с ИИ

Отдельным и всё чаще изучаемым измерением является карьерная тревожность — страх, что ИИ вытеснит рабочие места, подорвёт возможность трудоустройства или обесценит чьё-либо профессиональное будущее. Если тревожность от прокторинга ситуативна, а тревожность учащегося как эмоция касается компетентности в выполняемой задаче, то карьерная тревожность направлена вперёд и существует на уровне идентичности, и она тесно связана с Профессиональное развитие и готовность к карьере. AI Anxiety comprehensive analysis определяет страх замены ИИ как основной вклад в тревожность по поводу ИИ, наряду с неконтролируемым ростом ИИ, приватностью, дезинформацией и предвзятостью. Растущая эмпирическая литература теперь количественно оценивает, как этот страх влияет на студентов:

• Карьерная адаптивность — защитный фактор. Wang (2026) показывает, что карьерные адаптационные способности значимо и отрицательно предсказывают тревожность по поводу ИИ среди студентов-англистов, причём базовые самооценки частично опосредуют эту связь; в группе с низкой адаптивностью тревожность по поводу ИИ была самой высокой.

• Угроза и благоприятная оценка одновременно активированы в одном профиле. Song et al. (2026) обнаружили группу, которая превышала среднее по выборке сразу по всем шести индикаторам — тревожность в связи с использованием ИИ 1,521 и осведомлённость о STARA 0,951 наряду с воспринимаемым качеством 1,753, — так что высокая тревожность не сигнализировала о негативной оценке технологии.

• Тревожность по поводу ИИ ухудшает карьерные решения. Duan et al. используют структурное моделирование уравнениями, чтобы показать, что тревожность по поводу ИИ прямо и отрицательно предсказывает карьерные решения, и делает это в значительной степени за счёт подрыва карьерной адаптивности (на которую приходится 63,35 % общего эффекта); Самоэффективность обеспечивала лишь ограниченную буферную защиту.

• Установка на рост ограничивает путь «угроза → трудоустройство». Среди 526 китайских студентов бакалавриата восприятие угрозы занятости со стороны ИИ предсказывало более высокую тревожность при принятии карьерных решений частично за счёт снижения воспринимаемой возможности трудоустройства, и связь «угроза → возможность трудоустройства» сохранялась только при низкой установке на рост (b = −0,229), но не при высокой (b = −0,013) (Chen (2026)).

• Тревожность по поводу ИИ предсказывает тревожность при поиске работы в массовом масштабе. Üstün & Danacıoğlu (1 057 студентов) и Dağ et al. (821 студент медико-биологических специальностей) обнаруживают, что тревожность по поводу ИИ и негативные установки в отношении ИИ предсказывают тревожность при поиске работы, причём наиболее затронутыми оказываются женщины, студенты социальных специальностей и студенты с низким доходом.

Практическое следствие: формирование career readiness — адаптивности, базовых самооценок и ценных для работодателей навыков работы с ИИ — является подтверждённой интервенцией для снижения карьерной тревожности, связанной с ИИ, в большей степени, чем одна лишь общая самоэффективность. Учебным заведениям следует повсеместно внедрять ИИ-грамотность и поддержку карьерного планирования, а также устранять характер equity, свойственный карьерной тревожности.

ИИ для выявления и снятия стресса и тревожности

Позитивная сторона: системы ИИ всё чаще выявляют и помогают снижать стресс и тревожность.

• AI campus well-being tools охватывают профилактику (улучшенный сбор обратной связи) и интервенцию (совершенствование выявления проблем психического здоровья).
• Affective text + wearable sensing (годовое исследование 458 студентов с кольцами Oura) показывает, что сверхкраткий натуралистический текст может дополнять физиологическое восприятие через носимые устройства для продольного мониторинга здоровья студентов — конкретный путь выявления стресса с помощью ИИ.
• Это связано с Аффективные вычисления и Аффективное обучение с репетитором, где ИИ считывает эмоциональное состояние и реагирует на него.
• Какие стрессоры модель взвешивает — и почему важен контекст. Bashir and Afzal (2026) предлагают окно Машинное обучение на то, какие стрессоры действительно вызывают страдание студентов в non-Western context. Анализ значимости признаков по 1 100 ответам на опрос поставил кровяное давление на первое место (15,6 %) и отношения между преподавателем и студентом на второе (10,0 %) — впереди качества сна (9,3 %), депрессии (8,3 %) и социальной поддержки (7,6 %), — тогда как уровень тревожности оказался на девятом месте с 4,8 %, что авторы читают как свидетельство того, что стресс студентов является многомерным, а не обусловленным единственным психологическим показателем. Они объясняют значимость отношений между преподавателем и студентом сравнительно иерархической образовательной средой в Пакистане и представляют это как гипотезу для данных, собранных локально, подчёркивая, что модели стресса и веса их признаков зависят от контекста и не могут считаться переносимыми на другие совокупности студентов.
• Интервенция в реальном времени со стороны преподавателя. Parlant's practitioner guide добавляет к этим инструментам ИИ человеческий аналог: эмоциональные микроинтервенции — короткие, осознанные словесные или жестовые акты, которые подтверждают возникающую у студента эмоцию, переосмысляют лежащую в её основе оценку и заново связывают борьбу с профессиональной идентичностью (Validate, Reframe, Connect — подтвердить, переосмыслить, связать). Опираясь на теорию когнитивной оценки, подход нацелен на первичную оценку («является ли это угрозой?») и вторичную оценку («могу ли я справиться?») в тот момент, когда страдание привело бы к прекращению вовлечения, сопоставляя такие препятствия, как фрустрация, изоляция и синдром самозванца, с целевыми состояниями. Его автор прямо заявляет, что рамка не требует ИИ; generative AI служит лишь одним из возможных способов набросать варианты формулировок, которые преподавателю предстоит отобрать.

Чем это отличается от благополучия

Благополучие — это широкое позитивное состояние (эмоциональное, психологическое, социальное здоровье), которое ИИ может поддерживать или подрывать. Тревожность и стресс по поводу ИИ — это конкретный, измеримый эмоциональный конструкт внутри этого пространства; он называет дискретный негативный аффект и его продуктивные применения, и у него есть собственная обособленная доказательная база (стресс от прокторинга, продуктивная тревожность по поводу ИИ, выявление стресса с помощью ИИ). Вместо того чтобы соперничать с благополучием, эта страница подробно развивает измерение тревожности и стресса и активно перекрёстно связывается с Благополучие, Социально-эмоциональное обучение, Аффективные вычисления и Дистанционный прокторинг.

Практические рекомендации

• Проектируйте с учётом тревожности, а не только добросовестности. Системы прокторинга и ИИ-мониторинга должны минимизировать ложные обвинения и стресс от наблюдения, особенно для новичков и уязвимых студентов; сочетайте мониторинг с доступными альтернативами и чёткой коммуникацией.
• Используйте продуктивную тревожность. Вместо того чтобы только снижать тревожность по поводу ИИ, поддерживайте проверку, пересмотр и самоРегулирование ИИ в образовании, которые тревожащиеся, но вовлечённые студенты уже демонстрируют.
• Используйте ИИ для выявления и снятия стресса — посредством аффективных вычислений, носимых устройств и инструментов благополучия для кампуса — защищая при этом приватность.
• Учитывайте тревожность преподавателей при внедрении ИИ и в политике, а не только студенческий опыт.

Связанные концепции

• Профессиональное развитие и готовность к карьере — карьерная готовность как защитный фактор против тревожности по поводу ИИ
• Благополучие — широкий зонтик, который это понятие развивает подробно
• Дистанционный прокторинг — основной источник стресса от наблюдения и ложных обвинений
• Социально-эмоциональное обучение — задействованные эмоциональные компетенции
• Аффективные вычисления — ИИ, считывающий эмоциональное состояние
• Аффективное обучение с репетитором — ИИ, реагирующий на аффект
• Академическая добросовестность — измерение добросовестности и обвинений в списывании
• Приватность — озабоченность наблюдением, лежащая в основе стресса от прокторинга
• Опыт студентов — тревожность как часть опыта учащегося
• Мотивация — влияние тревожности на внедрение и вовлечение
• Саморегулируемое обучение — связь с продуктивной тревожностью
• ИИ-грамотность — формирование потенциала, снижающего необоснованную тревожность
• Справедливость — непропорциональный стресс у уязвимых студентов
• Этика — справедливость наблюдения и ложных обвинений
• Преподавание — тревожность со стороны преподавателя
• Оценивание — тревожность при оценивании, опосредованном ИИ
• Социальные нормы использования ИИ — аффективная цена видимости

Связанные статьи

• Modeling the Relationships Between University Students' AI Competence, AI Ethical Awareness, and AI Anxiety: A Dual-Stage PLS-SEM and ANN Analysis - Competence raises ethical awareness, ethical awareness raises AI anxiety: indirect-only mediation among 584 students

• From AI Anxiety to Strategic Regulation: How University Students Transform Generative AI into a Strategic Learning Resource — AI anxiety as a productive strategic-regulation signal

• Exploring student anxiety and experience in performance-based assessments using AIvaluate: an LLM-augmented emotionally — Student anxiety in AI-mediated performance-based assessment

• New AI-Driven Tools for Enhancing Campus Well-being: A Prevention and Intervention Approach — AI-driven tools for campus well-being

• A Formative Study of Brief Affective Text as a Complement to Wearable Sensing for Longitudinal Student Health Monitoring — Affective text + wearable sensing for student health

• A Comprehensive Review of the Changing Landscape of Academic Dishonesty in Automated Proctoring in the Era of Artificial Intelligence — Automated proctoring, test-taker anxiety, false accusations

• Ensuring Academic Integrity through Automated Online Exam Proctoring: A Decade-Long Systematic Review — Decade-long review of automated exam proctoring

• Navigating the moral panic: encouraging appropriate use of GenAI in the classroom rather than condemning innovation as disruption — Faculty anxiety and moral panic about GenAI

• Acceptance of AI-Assisted English Language Learning Tools in Higher Education: Psychological Correlates Across Disciplinary and Proficiency Groups — Anxiety shaping AI tool acceptance

• Teacher education for artificial intelligence literacy through a self-determination theory perspective — Teacher education, AI literacy, and anxiety

• Students' engagement with generative AI in academic learning: A self-determination theory and epistemic network analysis study — AI use intertwined with anxiety, trust, confidence

• To disclose or not to disclose: Peer influence and psychological factors in students' use of generative artificial intelligence — The disclosure dilemma as a source of student stress

• AI Anxiety: A Comprehensive Analysis of Psychological Factors and Interventions — Comprehensive analysis of AI anxiety and interventions

• The impact of career adapt-abilities on AI anxiety among English majors: a dual perspective analysis based on core self-evaluations at the person- and variable-centered — Career adapt-abilities reduce AI anxiety

• The impact of AI anxiety on career decisions of college students — AI anxiety impairs career decisions via career adaptability

• The Role of Artificial Intelligence Anxiety and Attitudes Toward Artificial Intelligence in University Students' Job Finding Anxiety — AI anxiety and attitudes predict job-finding anxiety

• Artificial intelligence perceptions and career anxiety among health sciences students — AI anxiety predicts job-search anxiety in health sciences

• Navigating uncertainty: university teachers' experiences and perceptions of generative artificial intelligence — University teachers' experiences and perceptions of GAI: vulnerability, rethinking assessment, student learning at risk (Farazouli et al. 2026)

• An AI-Powered Culturally Aware Chatbot for Stress Detection and Wellness Support among Pakistani University Students Using NLP and Machine Learning — An AI-Powered Culturally Aware Chatbot for Stress Detection and Wellness Support among Pakistani University Students Using NLP and Machine Learning

• Multidimensional perceived school support and AI learning anxiety among university students: the mediating roles of control-value appraisals — Perceived school support lowers AI learning anxiety mainly through control-value appraisals (69.5% mediated); ANN cross-validation (Jiang, Chen & Chen 2026)

• The AI guilt complex: Moral emotions and ethical dilemmas in academic technology adoption — The AI Guilt Complex: anticipatory guilt exceeding post-use remorse among academic staff (Vassallo 2026)

• The AI Challenge: How college faculty assess the present and future of higher education in the age of AI — AAC&U/Elon survey of 1,057 US faculty: forecasts of over-reliance, integrity concern and a diminished faculty role (Watson & Rainie 2026)

• From fear to innovation: A case study of transformative faculty development for ethical AI integration in higher education — From fear to curiosity: a six-week faculty institute moving instructors through identity threat (Chick, Morello & Staffey 2026)

• Beyond the algorithm: academic developers as digital mediators in Global South higher education — Academic developers' impostor feelings and ethical discomfort as affective labor in AI-mediated work

• Can You Feel It? A Practical Guide to Emotional Micro-Interventions for Higher Education Teachers — Instructor-side real-time emotional micro-interventions grounded in cognitive appraisal theory

• When AI threatens my future career: growth mindset and perceived employability in Chinese college students' career decision making anxiety — AI employment threat and career decision anxiety: perceived employability mediates and growth mindset moderates

• A study on AI-enabled course development, AI proficiency, and first-year students' academic and psychological adjustment — AI usage pressure weakens the link between AI proficiency and first-year adjustment

• Beyond Positive or Negative: Latent Profiles of University Students’ AI Attitude and Their Career-Development Correlates — A profile high on both AI anxiety and perceived AI quality, not one or the other

• AI-Assisted Speaking Practice and Human-Directed Communicative Readiness: Survey and Scenario Evidence on Anxiety, Self-Efficacy, and Evaluation Pressure — Speaking anxiety's link to willingness to communicate reverses at high speaking self-efficacy

• Smarter AI, Healthier Students? How Perceived AI Assistant Intelligence Shapes Medical Students' Mental Health Through Learning Goal Progress and Academic Anxiety — Perceived AI assistant intelligence lowers academic anxiety through study-goal progress (medical students)