AIEd Hifadhi ya MaarifaAIEd KB
Kwenye ukurasa huu

Soma ukurasa huu kwa Kiingereza

Madhana

Motisha

Imeundwa 2026-10-13

Tafsiri ya kiotomatiki ya ukurasa huu wa Kiingereza, ambayo haijakaguliwa na mzungumzaji mzawa.

Motisha — michakato ya kisaikolojia inayoanzisha, kuelekeza na kudumisha tabia inayoelekezwa na malengo. Katika AI katika elimu, utafiti wa motisha huchunguza jinsi zana za AI zinavyoathiri motisha ya wanafunzi na walimu — kama AI inaweka ngazi za msaada au inaharibu uvumilivu, udadisi, na ushirikiano wa ndani — na jinsi hali za motisha zinavyoathiri ufanisi wa kujifunza kunakopitishwa na AI.

Maswali ya Kutafakari

  • Motisha mara nyingi huchukuliwa kama sifa ambayo wanafunzi fulani "wana" na wengine hawana. Ukurasa unaielezea badala yake kama michakato ya kisaikolojia inayoanzisha, kuelekeza na kudumisha tabia — na kama kitu cha maendeleo na cha kijamii kilichowekwa kwa ngazi za msaada. Hilo hubadilishaje jukumu la nani kuhusu motisha ya mwanafunzi?
  • Zana za AI zinaweza kuondoa msuguano na kufanya kujifunza kupatikana zaidi, lakini zinaweza pia kupunguza juhudi za kiakili na mapigano yanayounga mkono motisha ya ndani. Ni lini kufanya kitu "kuwa rahisi" kwa kweli kimefanya kiwe na motisha kidogo au kuridhisha kidogo kwako?
  • Nadharia ya kujitambua inasema motisha ya ndani hukua kutoka uhuru, uwezo, na uhusiano. Kama mkufunzi wa AI anafanya kazi nyingi, ni ipi kati ya hizi tatu anaweza kuitishia — na ni ipi anaweza kuiboresha?
  • Utafiti unapata mifumo tofauti ya motisha miongoni mwa wanafunzi katika mtaala wa AI, na kuwa kufikia mfumo unaojitambua ulitabiri maendeleo makubwa zaidi ya ujuzi wa AI. Inaweza kuchukua nini kwa mwanafunzi kuhamia kutoka kutoshiriki kwa kupitisha hadi kujitambua kweli katika matumizi ya AI?
  • Ukurasa unaripoti kuwa msaada wa mwalimu unaelekeza ushirikiano unaosaidiwa na AI kwa kiasi kikubwa kupitia malengo ya mbinu ya ustadi na malengo ya mbinu ya utendaji — mwelekeo wa "mbinu" badala ya "kuepuka". Jinsi mwalimu anavyoandaa matumizi ya AI ("kupata sahihi" dhidi ya "kuepuka kuonekana si sahihi") hubadilishaje kama wanafunzi wanashiriki kwa kina?
  • Ikiwa unabuni kwa ajili ya motisha, lengo ni kufanya kujifunza kuwa rahisi, kuwa wa kuvutia, au kuwa na juhudi yenye maana zaidi? Ufikivu na motisha ya ndani huvutana wapi kuelekea mwelekeo tofauti?

Utangulizi

Motisha ni dhana ya msingi katika utafiti wa elimu, na kupanda kwa AI katika elimu kumeifanya kuwa yenye matokeo makubwa zaidi: zana za AI zinaweza kuondoa msuguano na kufanya kujifunza kupatikana zaidi, lakini zinaweza pia kupunguza juhudi za kiakili na mapigano yanayounga mkono motisha ya ndani na kujifunza kwa kina. Makala katika hifadhi hii ya maarifa zinachunguza motisha katika zana za AI zinazowakabili wanafunzi, mifumo ya AI inayowakabili walimu, na mitiririko ya kisaikolojia — kujitambua, ujuzi wa uwezo binafsi, hisia — ambayo AI huunda tabia yenye motisha.

  • Lee & Wu wanaonyesha jinsia na motisha zinazoelekeza ushirikiano tofauti na GenAI, ikiwa na njia tofauti za mafanikio.

Mada kuu za utafiti

Athari za AI juu ya motisha ya wanafunzi ni safu ya moja kwa moja zaidi ya utafiti. Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming inachunguza jinsi upatikanaji wa msaada wa AI unavyoathiri motisha na uvumilivu wa wanafunzi, ikihusishwa na utafiti wa Kutegemea Kupita Kiasi juu ya upungufu wa motisha AI inapofanya kazi. Kwa uvumilivu mahususi, mwonekano mfupi wa kutosha: dakika kumi na msaidizi anayejibu ombi ziliwaacha washiriki wakiruka 0.20 ya matatizo bila msaada dhidi ya 0.11 kwa wanaokudhibiti (Liu et al., 2026). Designing a mobile chatbot-based learning journaling system for intrinsic motivation and engagement inachunguza kuandika kumbukumbu kwa chatbot ya simu kama uingiliaji wa motisha. Designing Needs- and Attention-Aware AI Learning Tools for Engineering Education: Insights from Psychological Outcomes inachunguza nini kinachowatia motisha wanafunzi kupata zana za kujifunza za AI katika elimu ya uhandisi.

Meta-analysis ya masudio 42 (ukubwa 56 wa athari, wanafunzi 6,059) ilipata kuwa kujifunza kunakosaidiwa na GenAI kulipandisha motisha kwa Hedges' g = 0.764 (95% CI [0.566, 0.962]) — lakini kwa I² = 93.7% na kipindi cha utabiri wa 95% ya [−0.689, 2.217], wastani unaficha mazingira ambapo athari ni karibu sifuri au hasi (Fang et al. (2026)).

  • Matumizi bila kutafakari yanaharibu motisha — zaidi kwa wanaume. Matumizi ya GenAI bila kufikiri (kukubali majibu bila kuchunguza) yalitabiri motisha ya chini (β = −0.54) na Uwezo Binafsi ya chini (β = −0.37) miongoni mwa wanafunzi 487 wa chuo kikuu, na athari ya motisha ilikuwa yenye nguvu zaidi kwa kiasi kinachoweza kuthibitishwa kwa wanafunzi wanaume wakati athari ya ujuzi wa uwezo binafsi ilikuwa yenye nguvu zaidi kwa wanafunzi wanawake (Zhao & Gu, 2026).

Sababu msomaji anafikia AI yenyewe ni kigezo kinachoweza kupimwa: kipimo cha AIR kinatatua nia nne za kusoma kunakosaidiwa na GenAI — Kuelekezwa na Kazi, Kuhisi-Vizuri, Tafsiri na Juhudi-Ndogo — na Kuhisi-Vizuri pekee, kutumia AI mtu akichoka au bila kushiriki, ilihusishwa kwa njia hasi na mahitaji ya kiakili (r = −.18) (Brann, Etgar na Sidi (2026)).

Motisha katika ushirikiano unaopitishwa na AI inachunguza jinsi ubora wa motisha (si wingi tu) unavyobadilika na AI. Isaeva et al. waliunganisha nadharia ya kujitambua na uchanganuzi wa mtandao wa maarifa kuchunguza ushirikiano na AI ya kizalishaji. Liang et al. (2026) walifuatilia motisha katika maendeleo kupitia uchanganuzi wa mpito wa siri wa wanafunzi 2,086 wa sekondari katika mtaala wa AI wa mwaka mzima, wakipata mifumo mitatu thabiti (Isiyoshiriki, Inayokua, Inayojitambua) na kuwa kufikia mfumo wa Inayojitambua ulitabiri maendeleo makubwa zaidi ya Ujuzi wa AI. Wang & Wang (2026) walitumia nadharia ya kuweka malengo na wanafunzi 758 wa chuo kikuu wa Kiingereza, wakionyesha kuwa msaada wa mwalimu unaelekeza ushirikiano unaosaidiwa na AI hasa kupitia malengo ya mbinu ya ustadi na malengo ya mbinu ya utendaji (mbinu, si kuepuka, mwelekeo wa malengo). Pamoja masudio haya yanaonyesha kuwa motisha katika miktadha ya AI ni ya maendeleo na ya kijamii iliyowekwa kwa ngazi za msaada — inabadilika kwa muda na inaitikia msaada wa mwalimu na kuweka muktadha wa malengo, si ubuni wa zana tu.

Mwelekeo wa malengo pia huelekeza jinsi zana inavyotumika: malengo ya mbinu ya ustadi na ya kawaida ya utendaji huunga mkono ufafanuzi na uboreshaji, wakati malengo ya utendaji wa mwonekano hufanya upunguzaji wa juhudi na kulinda uwezo unaoonekana kuwa na uwezekano mkubwa zaidi — hivyo msaidizi yule yale huweka ngazi za msaada au huchukua nafasi ya kufikiri kulingana na hali ya motisha (Øby, 2026).

Muundo wa mazungumzo unaweza kupandisha motisha bila kuboresha tathmini ya jumla: katika wanafunzi 222 wa mwaka wa kwanza wa shule ya sekondari, mazungumzo ya mwalimu–mwalimu yalipandisha motisha ya ARCS zaidi kuliko muundo wa mwalimu–mwanafunzi kwa wanafunzi wenye uzoefu halisi wa juu (b = 0.162, p < .001) lakini yalipata alama za chini kwa kiasi kinachoweza kuthibitishwa kwenye tathmini ya jumla (b = -0.126, p = .005) (Watanabe et al. (2026)).

Motisha inaunda jinsi wanafunzi wanavyoandaa zana, na muktadha unabeba faida ya metaji: Cui et al. (2026) waligundua kuwa jukumu la mshirika — 7.5% ya kumbukumbu — lilikuwa moja pekee linalozalisha mlolongo kamili wa metaji, wakati wanafunzi wenye motisha ya nje walitumia GenAI kama zana ya mbadala katika asilimia 64.6 ya kumbukumbu na hawakuzalisha miunganisho ya kiwango cha juu.

Maendeleo ya motisha ni mahususi ya dhana, si ya jumla. Lu et al. (2026) walipata kuwa mpango wa wiki tisa wa kuandika unaosaidiwa na GenAI kwa wanafunzi 301 wa Darasa 5 na 6 ulipandisha nadharia yao bora ya kuandika L2 na uimara wa kitaaluma — vipengele vya kutaka na vya uvumilivu vya motisha — huku ikiacha mtazamo wa ukuaji bila mabadiliko; maendeleo pekee ya mtazamo wa ukuaji yalitokea katika kikundi cha kudhibiti na hayakudumu baada ya marekebisho ya ulinganifu mwingi. Wanafunzi walihusisha mabadiliko haya na kuona maandishi ya ufasaha yakijengwa kutoka maneno waliyoyajua tayari, ambayo yalifanya kuandika kwa mafanikio kuhisiwa kupatikana. Hivyo motisha si kitufe kimoja ambacho AI hupandisha: kilichoboreshwa ilikuwa imani kuwa mtu anaweza kuandika vizuri, si imani kuwa uwezo hukua kwa juhudi. Utengano ule ule wa dhana huonekana GenAI yenyewe ikikuwa uingiliaji wa umuhimu. Guo, Fryer na Shum (2026) waliwafanya wanafunzi 218 wa sekondari kutumia saa moja katika mazungumzo ya muundo wa nusu na chatbot yaliyolenga umuhimu binafsi kwa hisabati; toleo la pamoja, la kiwango cha darasa, lilipandisha umuhimu kama utambuzi (F = 4.35, p = .014, η² = 0.04; dhidi ya kudhibiti, F = 11.11, p = .001, η² = 0.073 — athari ya wastani) na, katika SEM, lilitabiri umuhimu wa somo mahususi wiki moja baadaye (β = 0.18, p < .01), wakati nia katika darasa la hisabati haikubadilika (F = 0.29, p = .75, η² = 0.003). Waandishi wanahusisha kutengwa kwa kipimo: kipindi kimoja cha saa moja ni kifupi sana kwa maendeleo ya umuhimu kuungana na nia katika darasa.

Uingiliaji wa thamani-ya-matunda haufaidishi kwa njia ya usawa: toleo lililo na ngazi za msaada halikuzalisha maendeleo ya jumla katika ujumuishaji wa maarifa ya walimu wa awali na liharibu kwa wanafunzi waliingia na thamani-ya-matunda ya juu ya kuonekana, mwingiliano wa uwezo-tiba unaodai kuwafaa msaada wa motisha na sehemu za kuanzia za wanafunzi (Boos, Eder & Lachner (2026)). Ujumbe wa maoni husogeza nia kupitia ufaa wake unaoonekana, si kupitia mitazamo ya mwanafunzi. Jansen et al. (2026) waliwapa wanafunzi 1,507 wa sekondari ujumbe mmoja wa kawaida wa maoni otomatiki baada ya rasimu ya kwanza ya maandishi ya hoja: upokeaji wa jumla ulikuwa kipengele pekee cha upokeaji kilichohusiana na mabadiliko ya nia ya hali (karibu pointi 0.11 kwenye skela iliyoonekana, takribani asilimia 54 dhidi ya 46), na athari hiyo ilipatanishwa kikamilifu na ufaa unaoonekana (β isiyo ya moja kwa moja = 0.09, 95% CI [0.06, 0.13]) bila njia ya moja kwa moja yenye umuhimu kubaki (β = 0.06, 95% CI [−0.07, 0.16]), hivyo kilichosogeza nia kilikuwa thamani inayohisiwa ya ujumbe badala ya msimamo wa jumla wa mwanafunzi kuelekea maoni.

Motisha na uvumilivu wa walimu inachunguza motisha miongoni mwa waelimishaji. Framing the 5 Percent Problem inachunguza uvumilivu wa walimu na zana za AI, na Chiu et al. walipata kuwa maendeleo ya kitaalamu yanayounga mkono mahitaji hulima ushirikiano endelevu wa tabia katika jamii za kujifunza za kitaalamu.

  • Motisha ya kitamaduni ya walimu wa mustakabali: Martínez-Moreno et al. (2026) walithibitisha kipimo cha (D)FIT-Choice na walimu wanafunzi 416 nchini Uswisi na Uchina, wakipata walimu wa Uswisi wanaripoti uwezo mkubwa wa kijamii na motisha ya ndani wakati walimu wa Uchina wanaonyesha uwezo wa juu wa kidijitali unaoonekana na shauku ya kuunganisha AI — wakionyesha jinsi mambo ya kitamaduni na ya mfumo yanavyounda motisha ya kuunda mustakabali wa elimu na AI.
  • Ujuzi wa uwezo binafsi ni mzizi wa furaha ya walimu ya GenAI. Katika somo la PLS-SEM la walimu 434 wa huduma, ujuzi wa uwezo binafsi ulikuwa kigezo pekee cha nje ya mfano na athari yake kubwa ilikuwa juu ya furaha inayoonekana (β = 0.805, f² = 1.839), ikilisha ufaa unaoonekana na urahisi wa matumizi kwa zamu (Guillén-Gámez et al., 2026).

Dhana potofu ya juhudi na mzunguku mbaya wa msaada. Zohar, Bloom na Inzlicht (2026) wanadai kuwa motisha haisaidiwi au haizuiliwi tu na AI bali inasambazwa upya: watu kwa kawaida huchukua njia ya upinzani mdogo, lakini pia hutafuta juhudi — dhana potofu ya juhudi — kwa sababu juhudi zinaashiria kuwa matendo yana maana na kwa sababu thawabu iliyounganishwa na mchakato badala ya bidhaa huongeza mwelekeo wa kujitahidi na kuvumilia. Madai mawili yanafuata. Kwanza, uhusiano wa juhudi–maana ni U iliyogeuzwa, hivyo lengo la motisha ni msuguano wa wastani, na hatari ya AI bila msuguano ni kupita hadi juhudi kidogo sana. Pili, mzunguku mbaya: AI inapochukua nafasi ya juhudi katika uwanja, faida za motisha za juhudi hapo zinapungua, ambayo huwafanya watumiaji kutegemea AI zaidi, ambayo inaharibu motisha zaidi. Pia wanatenganua nyongeza kutoka mbadala kwa awamu ya maendeleo — wanafunzi katika awamu za awali wana hatari ya kupitisha uzoefu unaojenga uvumilivu, wakati wale wenye ujuzi uliothibitishwa wanaweza kutumia AI kuokoa muda (Changamoto Zinazotamanika, Uwezo Binafsi).

Fasihi inapima motisha bila nadharia yake. Mapitio ya upeo wa masudio 156 kutoka 2003 hadi 2025 yalipata 133 (85.3%) hayakuwa na mwongozo wa nadharia mahususi ya motisha, kigezo cha kawaida zaidi kilikuwa motisha ya kitaaluma ya jumla (n = 89), na masudio 88 (56.4%) yalitoka muktadha mmoja wa kitaifa (Li et al., 2026)).

Mahusiano na dhana zinazohusiana

Motisha ni dhana ya mzazi ya Nadhari ya Kujitambua (SDT), ambayo inabainisha mahitaji ya kisaikolojia (uhuru, uwezo, uhusiano) yanayodumisha motisha ya ndani. Inahusishwa na Uzoefu wa Mwanafunzi kama safu ya uzoefu ya ushirikiano wenye motisha, na Mahusiano ya Mwanafunzi kama kipimo chake kinachoweza kupimwa, na Kompyuta ya Hisia kwa mitiririko ya kihisia inayoanza motisha. Motisha pia inahusishwa na Kutegemea Kupita Kiasi (AI inapunguza mapigano yenye tija), Kujifunza kwa Kujidhibiti (wanafunzi wenye motisha hujidhibiti), na Kufundisha (motisha inatumika kwa waelimishaji vile vile kama wanafunzi).

Dhana Zilizounganishwa

Makala Zilizounganishwa

FAQ Zilizounganishwa

Metadata

Hadhira inayokusudiwaLearners
Kujifunza na UfundishajiMotisha, Nadhari ya Kujitambua (SDT), Mahusiano ya Mwanafunzi
Teknolojia na MbinuKompyuta ya Hisia
Misingi ya Akili Bandia katika ElimuAI katika Elimu
SourceHistoryEditChat

Pachika ukurasa huu

Nakili msimbo ulio hapa chini ili kupachika ukurasa huu katika mfumo wa usimamizi wa kujifunza au tovuti nyingine. Toleo lililopachikwa linaonyesha maudhui ya ukurasa tu — linaficha kichwa cha tovuti, urambazaji, na kijachini.