Inteligencia artificial generativa, motivación, ansiedad y creatividad en aulas de inglés como lengua extranjera en Arabia Saudita: un estudio transversal

Resumen

Esta encuesta transversal examinó las asociaciones entre el uso de inteligencia artificial generativa, el estilo docente, la alfabetización digital, la motivación, la ansiedad y la creatividad en estudiantes universitarios saudíes de inglés como lengua extranjera, identificando a la motivación como un mediador importante de las relaciones observadas.

Resumen

Herramientas de inteligencia artificial (IA) como ChatGPT están siendo incorporadas cada vez más en la enseñanza del inglés como lengua extranjera (ELE); sin embargo, hay poca evidencia disponible sobre cómo su uso se relaciona con el estilo docente, la alfabetización digital, la motivación, la ansiedad en el aula de lengua extranjera (FLCA, por sus siglas en inglés) y la creatividad en el contexto saudí. Este estudio investigó las asociaciones entre estas variables y examinó el papel mediador de la motivación dentro de un marco conceptual unificado. Se realizó una encuesta cuantitativa transversal entre 280 estudiantes universitarios de ELE matriculados en una universidad pública de Arabia Saudita, utilizando instrumentos de cuestionario validados. Las relaciones propuestas se analizaron mediante el Modelado de Ecuaciones Estructurales por Mínimos Cuadrados Parciales (PLS-SEM). Los resultados indicaron que el uso de ChatGPT, el estilo docente y la alfabetización digital se asociaron positivamente con la motivación de los estudiantes. Una mayor motivación se asoció con niveles más bajos de FLCA y niveles más altos de creatividad. La motivación también medió las asociaciones entre el uso de ChatGPT, el estilo docente, la alfabetización digital y la FLCA. Estos hallazgos sugieren que las experiencias motivacionales de los estudiantes están estrechamente relacionadas con las interacciones entre las prácticas pedagógicas, el uso de la tecnología y los resultados del aprendizaje de lenguas. El estudio aporta evidencia que respalda la integración de estrategias docentes adecuadas, herramientas de IA generativa y alfabetización digital en la enseñanza del inglés, destacando al mismo tiempo la importancia de considerar las experiencias motivacionales y emocionales de los estudiantes al implementar entornos de aprendizaje con apoyo tecnológico.

Introducción

El Reino de Arabia Saudita está llevando a cabo una agenda transformadora de reforma educativa en el marco de la Visión 2030, que prioriza el desarrollo de habilidades del siglo XXI, competencia digital y enfoques pedagógicos innovadores en todos los niveles educativos¹. En este contexto nacional, la enseñanza del inglés como lengua extranjera (ELE) continúa enfrentando desafíos persistentes, entre ellos una cultura centrada en exámenes que enfatiza el aprendizaje memorístico y el rendimiento en pruebas por encima de la competencia comunicativa^2,3. Las escasas oportunidades de interacción auténtica en inglés fuera del aula, junto con altos niveles de ansiedad en el aula de lengua extranjera (ALE), restringen aún más la disposición de los estudiantes a comunicarse y a interactuar significativamente con la lengua meta⁴. Estos desafíos han impulsado a educadores y responsables de políticas a explorar enfoques innovadores que aborden déficits motivacionales, barreras emocionales y el uso creativo del lenguaje. La inteligencia artificial (IA) ha surgido como una vía prometedora para apoyar el aprendizaje de lenguas y transformar las prácticas docentes⁵. Entre las aplicaciones de IA en la enseñanza del inglés (EIE), ChatGPT, un modelo de IA generativa conversacional, ha recibido considerable atención por ofrecer práctica interactiva del lenguaje y retroalimentación individualizada inmediata en contextos conversacionales en tiempo real⁶. Estas características son particularmente relevantes en las aulas saudíes de ELE, donde la instrucción centrada en el docente y la escasa interacción estudiantil continúan limitando la producción creativa del lenguaje⁷. ChatGPT podría ayudar a superar estas limitaciones al proporcionar oportunidades de práctica auténtica del lenguaje con un interlocutor de IA en un entorno de baja ansiedad⁸.

Las recientes reformas educativas en Arabia Saudita han fomentado una transición hacia una pedagogía centrada en el estudiante, creando oportunidades para integrar tecnologías de inteligencia artificial que promuevan la participación activa, el pensamiento crítico y el aprendizaje autodirigido^9,10. Cuando se implementa adecuadamente, ChatGPT puede apoyar esta transición al ampliar la práctica del idioma más allá de las actividades tradicionales en el aula¹¹. Sin embargo, la eficacia de la integración de la inteligencia artificial depende en parte de la alfabetización digital de los estudiantes, definida como su capacidad para evaluar, utilizar e interactuar eficazmente con las tecnologías digitales con fines de aprendizaje¹². La alfabetización digital permite a los estudiantes aprovechar de forma productiva las herramientas de inteligencia artificial, al tiempo que minimiza los riesgos potenciales, como la dependencia excesiva y la desinformación¹³. Esta competencia es particularmente importante en la educación superior saudita, donde la transformación digital se ha acelerado bajo la Visión 2030¹⁴.

Aunque investigaciones previas han examinado por separado herramientas de IA, estilo docente, alfabetización digital, motivación, ansiedad y creatividad, hay escasa evidencia que haya analizado cómo interactúan estos constructos dentro de un marco unificado en contextos EFL no occidentales, como el de Arabia Saudita. La motivación ha sido consistentemente identificada como un mecanismo importante que vincula las prácticas instruccionales con los resultados de aprendizaje, incluyendo menor ansiedad, mayor creatividad y un compromiso sostenido¹⁵. Sin embargo, las relaciones entre el uso de ChatGPT, el estilo docente, la alfabetización digital, la motivación, la AFLE y la creatividad no han sido examinadas de manera integral en el contexto EFL saudí¹⁶. Abordar esta brecha podría proporcionar conocimientos teóricos y prácticos para diseñar entornos de aprendizaje de idiomas potenciados por la tecnología que apoyen el desarrollo motivacional, emocional y creativo de los estudiantes. En consecuencia, este estudio investiga las relaciones entre el uso de ChatGPT, el estilo docente, la alfabetización digital, la motivación, la AFLE y la creatividad entre estudiantes universitarios saudíes que aprenden inglés como lengua extranjera. Específicamente, examina (1) las relaciones del uso de ChatGPT, el estilo docente y la alfabetización digital con la motivación de los estudiantes; (2) las relaciones entre la motivación y la AFLE y la creatividad; y (3) el papel mediador de la motivación en las relaciones entre el uso de ChatGPT, el estilo docente, la alfabetización digital, y las variables resultado de ansiedad y creatividad.

Este estudio contribuye a la enseñanza del inglés como lengua extranjera (EFL) y al aprendizaje potenciado por la tecnología al incorporar el uso de herramientas de inteligencia artificial en modelos existentes de motivación y adquisición de lenguas, ampliando así la comprensión del aprendizaje de lenguas apoyado por tecnología en entornos educativos contemporáneos. Asimismo, aporta evidencia que puede orientar a educadores, diseñadores curriculares y responsables de políticas educativas que buscan integrar herramientas de inteligencia artificial en la instrucción de EFL en Arabia Saudita. Al examinar la motivación como un mediador que vincula el uso de la tecnología y las prácticas docentes con la ansiedad por la comunicación en una lengua extranjera (FLCA) y la creatividad, el estudio ofrece evidencia específica del contexto para respaldar el desarrollo de una educación lingüística centrada en el estudiante, alineada con los objetivos de reforma educativa de Arabia Saudita.

La Teoría de la Autodeterminación (SDT) proporciona un marco teórico para comprender la relación entre las prácticas docentes y la motivación del estudiante en contextos educativos¹⁷. Según la SDT, la motivación intrínseca y las formas autónomas de motivación extrínseca se ven favorecidas cuando se satisfacen las tres necesidades psicológicas básicas del aprendiz —autonomía, competencia y relación interpersonal— en el entorno de aprendizaje¹⁸. Por lo tanto, el estilo de enseñanza es un factor contextual clave que influye en la motivación y el compromiso del estudiante¹⁹. Las prácticas docentes que fomentan la autonomía, que ofrecen opciones significativas, reconocen los puntos de vista de los estudiantes y explican las actividades de aprendizaje, promueven la motivación intrínseca y un compromiso autodeterminado²⁰. En contextos de inglés como lengua extranjera (EFL), los enfoques centrados en el aprendiz, incluidos los estilos docentes de facilitador y delegador, se han asociado con un mayor compromiso, participación e interés del estudiante en el aprendizaje del idioma^21,22. Por el contrario, la instrucción centrada en el docente puede reducir la motivación al limitar la participación y la autonomía del estudiante, y al enfatizar las recompensas extrínsecas frente al interés intrínseco^23,24. En el contexto saudí de EFL, donde tradicionalmente la enseñanza ha enfatizado la memorización y la transmisión de conocimientos centrada en el docente²⁵, la adopción de enfoques docentes más centrados en el aprendiz podría favorecer la motivación de los estudiantes²⁶. Con base en esta fundamentación teórica y empírica, se propone la siguiente hipótesis: H1: El estilo de enseñanza influye positivamente en la motivación de los estudiantes de EFL.

La relación entre la tecnología educativa y la motivación del estudiante ha sido ampliamente investigada^27,28. El Modelo de Aceptación de la Tecnología (TAM) sugiere que la motivación de los estudiantes para interactuar con la tecnología educativa está influenciada por la utilidad percibida y la facilidad de uso percibida, factores que moldean las intenciones conductuales y el uso de la tecnología²⁹. Aplicado a ChatGPT, este marco indica que los estudiantes que perciben la herramienta como útil y fácil de usar tienen mayor probabilidad de interactuar con ella para el aprendizaje de idiomas³⁰. Estudios empíricos han reportado asociaciones positivas entre el aprendizaje de idiomas apoyado por inteligencia artificial y la motivación del estudiante, donde características interactivas, retroalimentación inmediata y práctica personalizada contribuyen a un compromiso sostenido^31,32. ChatGPT también podría reducir las barreras asociadas con la ansiedad lingüística al ofrecer oportunidades para practicar el idioma en un entorno de baja presión, lo que podría fomentar un uso continuo del idioma³³. Este potencial es particularmente relevante en el contexto saudí, donde se ha identificado la ansiedad por el aprendizaje de una lengua extranjera (FLCA) como una barrera importante para la motivación y el logro lingüístico³⁴. Con base en estos hallazgos teóricos y empíricos, se propone la siguiente hipótesis: H2: El uso de ChatGPT influye positivamente en la motivación de los estudiantes de inglés como lengua extranjera (EFL).

La alfabetización digital se ha convertido en un determinante importante de la motivación de los estudiantes en los entornos contemporáneos de aprendizaje de inglés como lengua extranjera³⁵. Se refiere a la capacidad de buscar, evaluar y utilizar eficazmente las tecnologías y los medios digitales para el aprendizaje³⁶. En contextos de inglés como lengua extranjera, la alfabetización digital permite a los estudiantes aprovechar eficazmente los recursos digitales, incluidos ChatGPT, sistemas de gestión del aprendizaje y herramientas multimedia, para apoyar el aprendizaje del idioma y la motivación³⁷. Es más probable que los estudiantes con niveles más altos de alfabetización digital utilicen con confianza las tecnologías de aprendizaje, lo que fomenta la competencia y la autonomía, aspectos asociados con la motivación intrínseca³⁸. Asimismo, están mejor preparados para utilizar herramientas digitales en la práctica independiente del idioma, la obtención de retroalimentación y el compromiso sostenido con el aprendizaje³⁹. Con base en esta literatura, se propone la siguiente hipótesis: H3: La alfabetización digital de los estudiantes de inglés como lengua extranjera influye positivamente en su motivación.

La ansiedad en el aprendizaje de lenguas extranjeras (FLCA) y la creatividad son constructos estrechamente relacionados en la enseñanza del inglés como lengua extranjera (EFL), aunque su relación sigue siendo compleja⁴⁰. La ansiedad puede limitar el desempeño de los estudiantes en tareas que requieren creatividad, flexibilidad cognitiva, pensamiento divergente y autoexpresión⁴¹. La FLCA refleja el temor de los estudiantes a cometer errores, a la evaluación negativa y a la baja autoconfianza, factores que pueden interferir con la producción lingüística creativa⁴². Sin embargo, la creatividad es una competencia importante en el aprendizaje del EFL porque favorece un uso lingüístico innovador y adecuado al contexto³¹. Estudios previos han indicado que los estudiantes con mayor ansiedad tienen menos probabilidades de participar en actividades de escritura creativa y comunicación oral^43,44. Con base en esta literatura, se proponen las siguientes hipótesis: 1) H4: La motivación de los estudiantes de EFL está relacionada negativamente con su ansiedad, y 2) H5: La ansiedad de los estudiantes de EFL influye negativamente en su creatividad.

La motivación proporciona un mecanismo teórico a través del cual el estilo docente, el uso de ChatGPT y la alfabetización digital podrían relacionarse con la ansiedad en el aprendizaje de lenguas extranjeras (FLCA, por sus siglas en inglés)⁴⁵. Los estudiantes motivados tienen mayor probabilidad de participar activamente, persistir ante los desafíos y experimentar niveles más bajos de aprensión comunicativa⁴⁶. Se ha asociado cada una de las prácticas docentes de apoyo, el aprendizaje de idiomas asistido por inteligencia artificial y una mayor alfabetización digital con una motivación más alta y una ansiedad más baja en contextos de enseñanza de inglés como lengua extranjera (EFL)^47,48,49. Investigaciones previas también sugieren que una mayor motivación se asocia con una menor ansiedad en el aula y un aumento de la creatividad, lo que respalda a la motivación como un mediador potencial que vincula las prácticas instruccionales y el uso de la tecnología con los resultados del aprendizaje^50,51,52. Con base en esta literatura, se proponen las siguientes hipótesis: 1) H6: La motivación media en la relación entre el estilo docente y la ansiedad de los estudiantes de EFL; 2) H7: La motivación media en la relación entre el uso de ChatGPT y la ansiedad de los estudiantes de EFL; y 3) H8: La motivación media en la relación entre la alfabetización digital de los estudiantes de EFL y su ansiedad. Figura 1 ilustra el modelo hipotetizado en el que el estilo docente, el uso de ChatGPT y la alfabetización digital se asocian con la motivación de los estudiantes de EFL, la cual, a su vez, media sus relaciones con la FLCA y la creatividad.

Figura 1. Modelo de investigación hipotetizado. El modelo representa las relaciones hipotetizadas entre el uso de ChatGPT, el estilo docente, la alfabetización digital, la motivación, la ansiedad en el aula de lengua extranjera y la creatividad en estudiantes de inglés como lengua extranjera (EFL). Las líneas continuas representan relaciones directas hipotetizadas, y las líneas discontinuas representan relaciones mediadoras, tal como se indica en la figura. Haga clic aquí para ver una versión más grande de esta figura.

Protocolo

Aunque el estudio no requirió una aprobación ética formal por parte de un comité de revisión institucional debido a su diseño de encuesta anónima y no experimental, que no implicó intervenciones físicas, manipulaciones ni engaño a los participantes, todos los procedimientos se llevaron a cabo de acuerdo con los principios éticos de la Declaración de Helsinki y las directrices de la Asociación Americana de Psicología para la investigación con participantes humanos. Se obtuvo el consentimiento informado de todos los participantes antes de la recolección de datos. La institución no requirió ni emitió una aprobación ética formal ni una exención para este tipo de estudio. A todos los encuestados se les informó explícitamente sobre el propósito de la investigación, la participación voluntaria, su derecho a retirarse en cualquier momento sin consecuencias y las estrictas medidas de confidencialidad aplicadas a sus datos. No se recopiló ni reportó ninguna información personalmente identificable, y todos los datos se utilizaron exclusivamente para análisis académico agregado. Se prestó especial atención al uso de un lenguaje respetuoso y no intrusivo para garantizar que la encuesta no interfiriera con las actividades académicas ni con el bienestar psicológico de los participantes. Para consultar el formulario de consentimiento informado, véase Archivo Suplementario 1. Además, los materiales utilizados en este estudio se enumeran en la Tabla de Materiales.

Diseño de la investigación

Esta sección describe el diseño de la investigación, los procedimientos de recopilación de datos y los detalles de la muestra utilizados en el estudio para investigar las relaciones entre el estilo de enseñanza, el uso de ChatGPT, la alfabetización digital, la motivación, la ansiedad y la creatividad entre estudiantes de inglés como lengua extranjera (EFL). Este estudio empleó un diseño de investigación cuantitativo y transversal para examinar el papel mediador de la motivación en las relaciones entre el estilo de enseñanza, el uso de ChatGPT, la alfabetización digital y la ansiedad entre estudiantes EFL, y cómo estas variables se relacionan colectivamente con la creatividad. Se adoptó una metodología de encuesta estructurada para recopilar datos primarios, asegurando la estandarización y la fiabilidad en la medición de los constructos. El estudio utilizó escalas validadas para evaluar todas las variables, incluyendo el estilo de enseñanza, el uso de ChatGPT, la alfabetización digital, la motivación, la ansiedad en el aprendizaje de lenguas extranjeras (FLCA) y la creatividad.

Datos y muestra

Los datos para este estudio se recopilaron de estudiantes de inglés como lengua extranjera (EFL) inscritos en la Universidad de Yeda, una universidad del sector público en Arabia Saudita reconocida por su énfasis en la enseñanza de idiomas y la integración de la tecnología en la docencia. Los participantes fueron seleccionados mediante una técnica de muestreo intencional, considerada apropiada para este estudio dada la necesidad específica de que los participantes tuvieran experiencia activa con herramientas de inteligencia artificial, como ChatGPT, en su entorno de aprendizaje. Este enfoque de muestreo no probabilístico fue necesario porque las preguntas de investigación del estudio se centraron en una población específica: estudiantes de inglés como lengua extranjera que habían estado expuestos tanto a métodos tradicionales como a métodos de aprendizaje asistidos por tecnología, y el muestreo aleatorio no habría garantizado la inclusión de participantes que cumplieran con estos criterios. Aunque el muestreo intencional limita la generalización de los hallazgos a la población más amplia, se justificó para esta investigación exploratoria con el fin de asegurar que los participantes poseyeran las experiencias y perspectivas relevantes necesarias para abordar los objetivos de la investigación. Para mitigar las limitaciones del muestreo intencional, se hicieron esfuerzos por incluir participantes con diversos antecedentes académicos y distintos niveles de competencia tecnológica, mejorando así la representatividad de la muestra dentro de la población objetivo. La muestra final constó de 280 estudiantes universitarios de inglés como lengua extranjera, una cantidad considerada adecuada para las técnicas estadísticas empleadas.

La determinación de la adecuación del tamaño de la muestra se basó en pautas establecidas para el Modelado de Ecuaciones Estructurales (SEM). Los investigadores recomiendan una proporción mínima de 10 casos por parámetro estimado para SEM, con pautas más conservadoras que sugieren 20 casos por parámetro para el SEM de Mínimos Cuadrados Parciales (PLS-SEM). El modelo de medición constaba de 29 ítems para la alfabetización digital, 25 ítems para el estilo de enseñanza y 32 ítems para la FLCA, junto con ítems adicionales para el uso de ChatGPT, la motivación y la creatividad. Las pautas de PLS-SEM también recomiendan un tamaño mínimo de muestra igual a 10 veces el mayor número de indicadores formativos o el mayor número de rutas estructurales dirigidas a un constructo particular; por lo tanto, la muestra de 280 participantes superó estos requisitos mínimos. Además, un análisis de potencia a posteriori realizado con G*Power⁵³ indicó que una muestra de 280 participantes proporcionaba una potencia estadística superior a 0,95 para detectar tamaños de efecto medios (f² = 0,15) con α = 0,05, superando el umbral comúnmente recomendado de 0,80. Este tamaño de muestra proporciona estimaciones de parámetros confiables y potencia estadística suficiente para detectar relaciones significativas entre las variables del estudio, al tiempo que acomoda la complejidad de los modelos de medición y estructurales propuestos.

Participantes y procedimiento

Los participantes fueron estudiantes de inglés como lengua extranjera (EFL) de entre 18 y 25 años de edad, siendo la mayoría estudiantes universitarios de primer y segundo año inscritos en cursos de inglés. La encuesta se realizó entre septiembre y octubre de 2025, período durante el cual se invitó a los estudiantes a participar de forma voluntaria. El proceso de reclutamiento incluyó difusión a través de canales oficiales universitarios, como correos electrónicos y anuncios en clases. Los participantes eran estudiantes de EFL de 18 a 25 años inscritos como estudiantes universitarios de primer o segundo año en cursos de lengua inglesa. La elegibilidad se determinó mediante criterios predefinidos de inclusión y exclusión. Los participantes cumplían con los requisitos si (a) estaban inscritos oficialmente en cursos universitarios de inglés en la Universidad de Jeddah, (b) tenían entre 18 y 25 años, y (c) estaban registrados como estudiantes de primer o segundo año. Se excluyeron a los estudiantes si (a) eran estudiantes de posgrado o estudiantes universitarios avanzados ajenos a la secuencia de cursos básicos, (b) estaban fuera del rango de edad especificado, o (c) participaron en la fase de preprueba del cuestionario. Para garantizar el consentimiento informado, se informó a los participantes sobre el propósito del estudio, la naturaleza voluntaria de su participación y la confidencialidad de sus respuestas. El instrumento de recolección de datos fue un cuestionario estructurado y autoadministrado, distribuido de forma física y electrónica mediante una plataforma en línea segura. Se adaptaron escalas validadas para medir el estilo docente, el uso de ChatGPT, la alfabetización digital, la motivación de los estudiantes, la ansiedad en el aprendizaje de lenguas extranjeras (FLCA) y la creatividad. Se pidió a los participantes que calificaran sus respuestas en una escala tipo Likert de 5 puntos, que iba desde 1 (Totalmente en desacuerdo) hasta 5 (Totalmente de acuerdo). Se realizó una preprueba del cuestionario con un grupo pequeño de 30 estudiantes para asegurar claridad y fiabilidad. Con base en los resultados de la preprueba, se realizaron ajustes menores en el redacción para mejorar la comprensibilidad de los ítems, y no se identificaron problemas significativos en cuanto a la fiabilidad o validez de las escalas. Para mantener la integridad de los datos y fomentar respuestas honestas, se garantizó el anonimato, y se aseguró a los participantes que sus datos solo se utilizarían con fines de investigación. De las 300 respuestas iniciales recopiladas, 280 se consideraron válidas tras revisar datos incompletos o inconsistentes, lo que arrojó una tasa de retención del 93 %. Los procedimientos de revisión de datos incluyeron el análisis de patrones de respuesta para detectar respuestas lineales, datos faltantes excesivos (más del 10 %) y valores atípicos multivariados mediante la distancia de Mahalanobis. Este enfoque metodológico proporciona una base sólida para analizar las relaciones entre las variables del estudio y ofrece información valiosa sobre el papel del estilo docente, las herramientas de inteligencia artificial y la alfabetización digital en la motivación, la ansiedad y la creatividad de los estudiantes de EFL.

Tras la recopilación de datos, se excluyeron 20 respuestas del grupo inicial de 300 según criterios predefinidos: se eliminaron 12 respuestas debido a datos faltantes excesivos que superaban el 10 % de los ítems del cuestionario, otras 5 fueron descartadas por presentar patrones de respuesta lineales (respuestas uniformes en todos los ítems, lo que indica falta de participación) y 3 se identificaron como valores atípicos multivariados mediante la distancia de Mahalanobis (p < 0,001), eliminándose posteriormente para evitar distorsionar los resultados del modelo de ecuaciones estructurales (SEM). Los valores faltantes en los casos conservados se abordaron mediante imputación por la media cuando los datos ausentes eran mínimos (menos del 5 % por caso), ya que este enfoque es aceptable para pequeñas proporciones de datos faltantes en investigaciones mediante encuestas a gran escala. La tasa final de conservación del 93 % (280 respuestas válidas de 300 cuestionarios recopilados) representa la proporción de respuestas utilizables conservadas del total de cuestionarios recopilados; sin embargo, esto no debe interpretarse como una tasa real de respuesta, ya que no fue posible calcular el número exacto de participantes invitados debido a que la combinación de métodos de distribución física y electrónica a través de canales oficiales universitarios impidió un seguimiento preciso del número total de invitaciones. Esta limitación se reconoce, y por ello la cifra del 93 % se informa como la proporción de respuestas válidas conservadas de los cuestionarios recopilados, y no como una tasa de respuesta respecto a la población total invitada.

Herramientas y medidas

Este estudio utilizó escalas bien establecidas y validadas, cuidadosamente adaptadas al contexto de la enseñanza de inglés como lengua extranjera (EFL), para medir los constructos principales: estilo de enseñanza, alfabetización digital, uso de ChatGPT, ansiedad ante la clase de lengua extranjera (FLCA), motivación y creatividad. Cada escala se seleccionó en función de su pertinencia y exhaustividad para captar las dimensiones respectivas de las variables bajo investigación. La alfabetización digital se midió mediante una escala adaptada basada en Rodríguez-de-Dios et al.⁵⁴, compuesta por seis dimensiones con 29 ítems. Estas dimensiones incluyeron Habilidad Tecnológica, Habilidad en Seguridad Personal, Habilidad Crítica, Habilidad en Seguridad de Dispositivos, Habilidad Informacional y Habilidad Comunicativa, lo que permitió una evaluación integral de la competencia de los estudiantes en habilidades digitales esenciales para contextos educativos modernos. El uso de ChatGPT se evaluó mediante una escala de 8 ítems adaptada de Abbas et al.⁵⁵, centrada en la interacción de los estudiantes con la herramienta de inteligencia artificial para tareas de aprendizaje del idioma. El estilo de enseñanza se evaluó mediante una versión adaptada del Inventario de Estilos de Enseñanza de Grasha⁵⁶. Este instrumento mide cinco dimensiones de los estilos de enseñanza: Autoridad, Experto, Modelo Personal, Facilitador y Delegador. Estas dimensiones reflejan diversos enfoques instruccionales que influyen en las experiencias de aprendizaje de los estudiantes de EFL. La FLCA se midió mediante una escala adaptada basada en Briesmaster y Briesmaster⁵⁷. Este instrumento examinó la ansiedad en tres dimensiones: Aprehensión Comunicativa (10 ítems), Ansiedad ante Exámenes (10 ítems) y Miedo a la Evaluación Negativa (7 ítems). La motivación de los estudiantes se evaluó mediante una escala adaptada de Kanoksilapatham et al.⁵⁸, que mide tres dimensiones: Promoción e Inhibición Instrumental, Etnocentrismo e Integración, y Actitud hacia el Aprendizaje del Inglés. La escala incluyó un total de 20 ítems. La creatividad de los estudiantes de EFL se midió mediante una escala adaptada de Govindasamy et al.⁵⁹, que evaluó cuatro dimensiones: Originalidad, Flexibilidad, Fluidez y Elaboración. Cada dimensión se midió mediante tres ítems. Para garantizar la adecuación cultural y contextual de los instrumentos al entorno de EFL, se aplicó un procedimiento sistemático de adaptación. Dado que las escalas originales fueron desarrolladas en inglés, dos expertos bilingües en EFL revisaron y simplificaron el lenguaje para mejorar la claridad para estudiantes universitarios de nivel intermedio, preservando al mismo tiempo el significado original de cada constructo. Las versiones adaptadas se retrotradujeron luego al idioma materno de los participantes por un traductor independiente para verificar la equivalencia lingüística y conceptual, y cualquier discrepancia se resolvió mediante discusión entre el equipo de investigación. Posteriormente, tres instructores experimentados en EFL evaluaron los instrumentos adaptados en cuanto a relevancia del contenido, adecuación cultural y claridad de los ítems, lo que resultó en pequeñas revisiones de redacción y en la sustitución de ejemplos culturalmente poco familiares cuando fue apropiado. Finalmente, los instrumentos revisados se probaron con 30 estudiantes (véase la sección de Procedimiento), y los comentarios de los participantes se utilizaron para realizar ajustes adicionales menores en la redacción con el fin de mejorar la comprensibilidad. Este proceso de múltiples pasos aseguró que los instrumentos adaptados mantuvieran sus propiedades psicométricas originales al tiempo que resultaran apropiados para la población objetivo de EFL. Para consultar el cuestionario adaptado completo, véase Supplementary File 2.

Métodos de análisis de datos

Los datos recopilados para este estudio se analizaron utilizando el Paquete Estadístico para las Ciencias Sociales (SPSS 26) y SmartPLS 4, empleando PLS-SEM. Este enfoque de doble método garantizó un análisis exhaustivo de los datos, abordando tanto los aspectos descriptivos como inferenciales, al tiempo que se evaluaban las relaciones hipotetizadas y los efectos de mediación en el modelo de investigación. Inicialmente, se utilizó SPSS para realizar un análisis preliminar de los datos, que incluyó la limpieza de datos, estadísticas descriptivas y pruebas de fiabilidad. El examen de los datos implicó verificar valores perdidos, valores atípicos y normalidad para asegurar la calidad e integridad del conjunto de datos. Se calcularon estadísticas descriptivas, incluyendo la media, la desviación estándar y las distribuciones de frecuencia, para resumir las características de la muestra. El análisis principal se realizó utilizando SmartPLS 4. Se seleccionó PLS-SEM debido a su adecuación para analizar modelos complejos con múltiples constructos y su robustez en tamaños de muestra pequeños a medianos. El análisis se llevó a cabo en dos etapas: evaluación del modelo de medición y evaluación del modelo estructural. En la evaluación del modelo de medición, se analizaron la fiabilidad de los indicadores, la fiabilidad de consistencia interna (mediante la fiabilidad compuesta [CR]), la validez convergente (mediante la varianza extraída promedio [AVE]) y la validez discriminante (mediante la razón heterotrait–monotrait [HTMT]).

Tras la validación del modelo de medición, se evaluó el modelo estructural para analizar las relaciones hipotetizadas entre el estilo de enseñanza, el uso de ChatGPT, la alfabetización digital, la motivación, la ansiedad y la creatividad. Se analizaron los coeficientes de ruta para determinar la magnitud y significancia de los efectos directos e indirectos, evaluándose la significancia mediante el método de arranque (bootstrapping) con 5.000 remuestras. Para evaluar la significancia de los efectos directos, indirectos y de mediación, se construyeron intervalos de confianza bootstrap corregidos para el sesgo (BC) utilizando 5.000 remuestras bootstrap y un nivel de confianza del 95 %. Asimismo, se evaluaron los efectos de mediación de la motivación en las relaciones entre el estilo de enseñanza, el uso de ChatGPT, la alfabetización digital y la ansiedad, empleando intervalos de confianza bootstrap. El ajuste del modelo y su poder predictivo se evaluaron mediante el coeficiente de determinación (R²), la relevancia predictiva (Q²) y el residuo cuadrático medio estandarizado (SRMR).

Resultados

Estadística descriptiva

La estadística descriptiva proporciona una visión general de las características de la muestra y de la distribución, tendencia central y variabilidad de las variables del estudio. En este estudio, se realizaron análisis descriptivos para caracterizar la muestra de participantes y resumir las variables clave antes de llevar a cabo los análisis estructurales.

Tabla 1 resume las características demográficas de los 280 participantes universitarios de inglés como lengua extranjera (EFL). Las participantes femeninas constituyeron el 54,3 % (n = 152) de la muestra, mientras que los participantes masculinos representaron el 45,7 % (n = 128). La mayoría de los participantes tenían entre 21 y 23 años (52,1 %), seguidos por aquellos de entre 18 y 20 años (36,4 %) y de entre 24 y 25 años (11,4 %). En cuanto al año académico, los estudiantes de segundo año representaron el grupo más numeroso (42,1 %), seguidos por los de primer año (34,3 %) y los de tercer año (23,6 %). La mayoría de los participantes indicaron tener experiencia moderada con ChatGPT (47,1 %), mientras que el 36,8 % indicó experiencia amplia y el 16,1 % experiencia limitada. Todos los participantes habían tenido contacto previo con ChatGPT, lo cual es coherente con los criterios de inclusión del estudio; la categoría «experiencia limitada» indica un uso mínimo, no la ausencia de uso previo. Predominantemente, los participantes reportaron una alfabetización digital moderada (54,6 %), seguida por una alta (30,4 %) y una baja (15,0 %) alfabetización digital. La mayoría de los participantes demostraron un dominio intermedio del inglés (62,5 %), mientras que el 22,9 % indicó un dominio básico y el 14,6 % un dominio avanzado. En general, las características demográficas indican que la muestra incluyó participantes con diversos antecedentes académicos, niveles de alfabetización digital, dominio del inglés y experiencia con ChatGPT (Tabla 1, Figura 2).

Variable	Categoría	Frecuencia, n	Porcentaje, %
Género	Hombre	128	45,7
	Mujer	152	54,3
Grupo de edad	18–20 años	102	36,4
	21–23 años	146	52,1
	24–25 años	32	11,4
Año de estudio	Primer año	96	34,3
	Segundo año	118	42,1
	Tercer año	66	23,6
Experiencia con ChatGPT	Experiencia limitada	45	16,1
	Experiencia moderada	132	47,1
	Experiencia extensa	103	36,8
Nivel de alfabetización digital	Bajo	42	15
	Moderado	153	54,6
	Alto	85	30,4
Nivel de dominio del inglés	Básico	64	22,9
	Intermedio	175	62,5
	Avanzado	41	14,6

Tabla 1: Características demográficas de los participantes del estudio. La tabla resume las características demográficas de los 280 estudiantes de inglés como lengua extranjera (EFL) incluidos en el estudio. Se presentan frecuencias y porcentajes según el género, grupo de edad, año de estudio, experiencia con ChatGPT, nivel de alfabetización digital y nivel de competencia en inglés.

Figura 2. Características demográficas de los participantes en el estudio. Haga clic aquí para ver una versión más grande de esta figura.

Figura 2 presenta la distribución demográfica de los participantes del estudio según género, grupo de edad, año de estudio, experiencia con herramientas de inteligencia artificial, nivel de alfabetización digital y nivel de competencia en inglés. La distribución muestra una proporción ligeramente mayor de participantes femeninas que masculinas, siendo la mayoría de los encuestados de 21 a 23 años de edad. Los niveles moderado de alfabetización digital y intermedio de competencia en inglés fueron las categorías más frecuentemente reportadas (Figura 2).

Tabla 2 presenta las estadísticas descriptivas para las variables del estudio. El estilo de enseñanza, medido mediante 25 ítems, tuvo una puntuación media de 3,84 (DE = 0,76), con puntuaciones que oscilaron entre 2,1 y 4,8. El uso de ChatGPT, evaluado mediante ocho ítems, tuvo una puntuación media de 3,67 (DE = 0,81), con respuestas que variaron entre 1,5 y 5,0. La alfabetización digital, medida mediante 29 ítems, tuvo una puntuación media de 3,72 (DE = 0,73), con puntuaciones comprendidas entre 2,2 y 4,9. La motivación, evaluada mediante 20 ítems, obtuvo la puntuación media más alta (3,92, DE = 0,68), con valores que oscilaron entre 2,4 y 5,0. La ansiedad, medida mediante 27 ítems, tuvo una puntuación media de 3,41 (DE = 0,89). La creatividad, evaluada mediante 12 ítems, tuvo una puntuación media de 3,78 (DE = 0,74), con puntuaciones que variaron entre 2,0 y 5,0. Estas estadísticas descriptivas indican variabilidad entre los constructos medidos, a la vez que proporcionan un resumen general de las respuestas de los participantes.

Variable	Número de ítems	Media (M)	Desviación estándar (DE)	Mínimo	Máximo
Ansiedad	27	3.41	0.89	1.8	5
Uso de ChatGPT	8	3.67	0.81	1.5	5
Creatividad	12	3.78	0.74	2	5
Alfabetización digital	29	3.72	0.73	2.2	4.9
Motivación	20	3.92	0.68	2.4	5
Estilo de enseñanza	25	3.84	0.76	2.1	4.8

Tabla 2: Estadísticas descriptivas para los constructos del estudio. La tabla informa el número de ítems del cuestionario, la media (M), la desviación estándar (SD), el valor mínimo observado y el valor máximo observado para el estilo de enseñanza, el uso de ChatGPT, la alfabetización digital, la motivación, la ansiedad en el aula de idiomas extranjeros y la creatividad, basados en las respuestas de 280 participantes.

Sesgo por Varianza del Método Común

El sesgo por varianza metodológica común (VMC) hace referencia a la covarianza espuria entre variables atribuible al método de medición en lugar de a los propios constructos medidos. Dado que este estudio utilizó una encuesta autoadministrada, se emplearon enfoques tanto procedimentales como estadísticos para evaluar la influencia potencial del sesgo por VMC. Procedimentalmente, se garantizó a los participantes anonimato y confidencialidad para minimizar el sesgo por deseo de aprobación social y fomentar respuestas honestas. Además, los ítems del cuestionario, adaptados de instrumentos ya establecidos, se presentaron en orden aleatorio para reducir patrones de respuesta que podrían inflar artificialmente el sesgo por VMC. Desde el punto de vista estadístico, se realizó la prueba de un solo factor de Harman introduciendo todas las variables medidas en un análisis factorial exploratorio (AFE) sin rotación. El análisis mostró que el primer factor sin rotar explicó el 32,7 % de la varianza total, un valor inferior al umbral recomendado del 50 %, lo que indica que es poco probable que el sesgo por VMC influyera sustancialmente en los resultados del estudio (Tabla 3).

Estadístico		Valor	Umbral	Interpretación
Número total de factores extraídos		7	N/A	Se extrajeron múltiples factores, lo que indica que los elementos medidos representan constructos distintos.
Varianza explicada por el primer factor		32,70%	<50%	Por debajo del umbral comúnmente aceptado, lo que indica que la varianza debida al método común (CMV) probablemente no sea una preocupación seria.
Varianza acumulada explicada (tres primeros factores)		62,10%	N/A	Indica que los tres primeros factores explican una proporción sustancial de la varianza total.
Medida Kaiser–Meyer–Olkin (KMO) de adecuación muestral		0,89	>0,80	Indica una excelente adecuación muestral para el análisis factorial.
Prueba de esfericidad de Bartlett (valor p)		<0,001	p < 0,05	Resultado significativo que indica que la matriz de correlaciones es adecuada para el análisis factorial.

Tabla 3: Resultados de la prueba de un solo factor de Harman y adecuación del muestreo. La tabla resume los resultados de la prueba de un solo factor de Harman, la medida Kaiser-Meyer-Olkin (KMO) de adecuación del muestreo y la prueba de esfericidad de Bartlett. Se realizó la prueba de un solo factor de Harman para evaluar la influencia potencial de la varianza metodológica común (CMV). El estadístico KMO y la prueba de Bartlett se utilizaron para evaluar la idoneidad del conjunto de datos para el análisis factorial.

Tabla 3 presenta los resultados de la prueba de un solo factor de Harman, lo que indica que el primer factor sin rotar explicó el 32,7 % de la varianza total, por debajo del umbral recomendado del 50 % y sugiere que el sesgo del método común no es una preocupación importante en este estudio. La medida de adecuación del muestreo de Kaiser–Meyer–Olkin (KMO) fue de 0,89, lo que indica que los datos fueron adecuados para el análisis factorial. Además, la prueba de esfericidad de Bartlett fue estadísticamente significativa (p < 0,001), confirmando que la matriz de correlación fue apropiada para el análisis factorial. En conjunto, estos hallazgos respaldan la idoneidad del conjunto de datos para análisis posteriores de modelado de ecuaciones estructurales.

Modelo de medición

Se evaluó el modelo de medición para determinar la fiabilidad y validez de los constructos del estudio utilizando PLS-SEM implementado en SmartPLS 4, siguiendo las recomendaciones de Hair et al.⁶⁰ Se evaluaron la fiabilidad de los indicadores, la fiabilidad de consistencia interna, la validez convergente y la validez discriminante. La fiabilidad de los indicadores se evaluó mediante las cargas factoriales externas, conservándose los ítems con cargas superiores a 0,70 como indicadores fiables de sus respectivos constructos. Los ítems con cargas entre 0,60 y 0,70 se mantuvieron únicamente si su eliminación no mejoraba la consistencia interna del constructo correspondiente. La fiabilidad de consistencia interna se evaluó mediante el alfa de Cronbach y el CR. La validez convergente se evaluó utilizando el AVE, observándose valores de AVE superiores a 0,50 en todos los constructos, lo que indica que cada constructo explica más de la mitad de la varianza en sus indicadores. La validez discriminante se evaluó mediante la razón HTMT, y todos los valores de HTMT estuvieron por debajo del umbral recomendado de 0,85, lo que respalda la distinción empírica de los constructos del estudio (Tablas 4 y 5).

Construcción		Carga factorial	Confiabilidad compuesta (CR)	Varianza promedio extraída (AVE)	Factor de inflación de varianza externo (VIF)
Estilo de enseñanza (Autoridad)		0.87	0.91	0.66	1.38
Estilo de enseñanza (Experto)		0.89	0.92	0.68	1.45
Estilo de enseñanza (Modelo personal)		0.86	0.9	0.65	1.4
Estilo de enseñanza (Facilitador)		0.88	0.93	0.69	1.43
Estilo de enseñanza (Delegador)		0.85	0.89	0.62	1.39
Uso de ChatGPT		0.92	0.94	0.72	1.47
Ansiedad en el aula de idiomas extranjeros (Inhibición comunicativa)		0.86	0.9	0.64	1.35
Ansiedad en el aula de idiomas extranjeros (Ansiedad ante exámenes)		0.88	0.92	0.67	1.41
Ansiedad en el aula de idiomas extranjeros (Miedo a la evaluación negativa)		0.83	0.88	0.6	1.32
Motivación (Instrumentalidad)		0.84	0.89	0.61	1.34
Motivación (Etnocentrismo e integración)		0.86	0.9	0.63	1.36
Motivación (Actitud hacia el aprendizaje del inglés)		0.89	0.93	0.7	1.44
Creatividad (Originalidad)		0.88	0.92	0.67	1.41
Creatividad (Flexibilidad)		0.87	0.91	0.66	1.38
Creatividad (Fluidez)		0.89	0.93	0.68	1.42
Creatividad (Elaboración)		0.85	0.9	0.63	1.37
Alfabetización digital		0.93	0.95	0.75	1.49

Tabla 4: Evaluación del modelo de medición. La tabla presenta las cargas factoriales, la fiabilidad compuesta (CR), la varianza promedio extraída (AVE) y el factor de inflación de la varianza externa (VIF) para cada constructo y subdimensión incluidos en el modelo de medición de ecuaciones estructurales por mínimos cuadrados parciales (PLS-SEM). Estas estadísticas se utilizaron para evaluar la fiabilidad de los indicadores, la fiabilidad de la consistencia interna, la validez convergente y la multicolinealidad.

Constructo		1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17
1. Estilo de enseñanza (Autoridad)		—
2. Estilo de enseñanza (Experto)		0.702	—
3. Estilo de enseñanza (Modelo personal)		0.743	0.581	—
4. Estilo de enseñanza (Facilitador)		0.629	0.735	0.702	—
5. Estilo de enseñanza (Delegador)		0.754	0.549	0.802	0.692	—
6. Uso de ChatGPT		0.52	0.643	0.743	0.536	0.693	—
7. Ansiedad en el aula de idiomas extranjeros (Aprensión comunicativa)		0.665	0.521	0.649	0.559	0.73	0.827	—
8. Ansiedad en el aula de idiomas extranjeros (Ansiedad ante exámenes)		0.832	0.614	0.53	0.622	0.689	0.631	0.567	—
9. Ansiedad en el aula de idiomas extranjeros (Miedo a la evaluación negativa)		0.608	0.809	0.585	0.651	0.637	0.614	0.81	0.556	—
10. Motivación (Instrumentalidad)		0.762	0.623	0.66	0.634	0.811	0.534	0.802	0.755	0.519	—
11. Motivación (Etnocentrismo e integración)		0.803	0.674	0.571	0.504	0.517	0.805	0.827	0.753	0.562	0.554	—
12. Motivación (Actitud hacia el aprendizaje del inglés)		0.626	0.816	0.677	0.591	0.742	0.716	0.633	0.562	0.598	0.549	0.679	—
13. Creatividad (Originalidad)		0.626	0.678	0.501	0.732	0.538	0.678	0.839	0.543	0.523	0.577	0.668	0.719	—
14. Creatividad (Flexibilidad)		0.726	0.669	0.844	0.528	0.654	0.579	0.517	0.775	0.644	0.667	0.679	0.82	0.697	—
15. Creatividad (Fluidez)		0.711	0.692	0.815	0.635	0.629	0.505	0.792	0.817	0.604	0.55	0.518	0.604	0.59	0.626	—
16. Creatividad (Elaboración)		0.749	0.761	0.783	0.69	0.811	0.55	0.503	0.842	0.732	0.714	0.659	0.744	0.543	0.606	0.634	—
17. Alfabetización digital		0.606	0.641	0.593	0.742	0.727	0.628	0.631	0.648	0.742	0.688	0.806	0.578	0.673	0.549	0.7	0.529	—

Tabla 5: Validez discriminante evaluada mediante la razón heterotrait–monotrait (HTMT). La tabla presenta los valores HTMT para todos los pares de constructos y subdimensiones incluidos en el modelo de medición. Se utilizó HTMT para evaluar la validez discriminante mediante la evaluación de la distinción empírica entre los constructos latentes. Los valores por debajo del umbral predeterminado de 0,85 indican una validez discriminante aceptable.

Tabla 4 resume la evaluación del modelo de medición. Las cargas factoriales oscilaron entre 0,83 y 0,93, superando el umbral recomendado de 0,70 e indicando una fiabilidad satisfactoria de los indicadores. Los valores de fiabilidad compuesta variaron entre 0,88 y 0,95, lo que demuestra una alta consistencia interna en todos los factores. Los valores de AVE oscilaron entre 0,60 y 0,75, superando el valor mínimo recomendado de 0,50 y respaldando la validez convergente. Además, todos los valores del factor de inflación de la varianza (VIF) fueron inferiores a 1,50, lo que indica ausencia de multicolinealidad entre los indicadores. En conjunto, estos hallazgos respaldan la fiabilidad y validez del modelo de medición para la evaluación posterior del modelo estructural.

Figura 3 ilustra el modelo de medición, incluyendo los constructos latentes, sus dimensiones e indicadores correspondientes, y las relaciones entre las variables evaluadas en el estudio.

Figura 3. Modelo de ecuaciones estructurales de mínimos cuadrados parciales con enfoque en la medición. El modelo de medición generado mediante modelado de ecuaciones estructurales por mínimos cuadrados parciales (PLS-SEM) muestra las relaciones entre los constructos latentes, sus dimensiones y sus indicadores observados. Los valores mostrados en las rutas de conexión representan las cargas externas estimadas o los coeficientes de ruta, según corresponda. Haga clic aquí para ver una versión más grande de esta figura.

Tabla 5 presenta los resultados HTMT utilizados para evaluar la validez discriminante. Todos los valores HTMT estuvieron por debajo del umbral conservador de 0,85, lo que indica una validez discriminante satisfactoria entre los 17 constructos. Los valores HTMT más altos se observaron entre Creatividad (Flexibilidad) y Estilo de Enseñanza (Modelo Personal) (0,8437), Creatividad (Elaboración) y Ansiedad (Ansiedad ante Exámenes) (0,8422), y Creatividad (Originalidad) y Ansiedad (Aprehensión en la Comunicación) (0,8394). Aunque estos valores se acercaron al umbral recomendado, permanecieron por debajo de 0,85, lo que respalda la distinción empírica de los constructos. Los valores HTMT restantes fueron más bajos, lo que refuerza aún más la validez discriminante en todo el modelo de medición.

Resultados de la prueba de hipótesis (modelo estructural)

Se evaluó el modelo estructural para examinar las relaciones hipotetizadas entre el estilo de enseñanza, el uso de ChatGPT, la alfabetización digital, la motivación, la ansiedad hacia la adquisición de una lengua extranjera (FLCA) y la creatividad. Los resultados respaldaron todas las hipótesis directas y de mediación propuestas. El estilo de enseñanza, el uso de ChatGPT y la alfabetización digital se asociaron positivamente con la motivación. La motivación se asoció negativamente con la FLCA, mientras que la FLCA se asoció negativamente con la creatividad. Además, la motivación medió las relaciones entre el estilo de enseñanza, el uso de ChatGPT y la alfabetización digital, por un lado, y la FLCA, por otro (Tablas 6 y 7).

Hipótesis		Coeficiente de camino estandarizado (β)	Valor t	Valor p	Apoyada	Intervalo de confianza del 95% (IC)	Límite inferior (LIC)	Límite superior (LSC)
H1. Estilo de enseñanza → Motivación de los estudiantes de inglés como lengua extranjera		0.36	5.45	<0.001	Sí	[0.26, 0.46]	0.26	0.46
H2. Uso de ChatGPT → Motivación de los estudiantes de inglés como lengua extranjera		0.4	6.27	<0.001	Sí	[0.30, 0.50]	0.3	0.5
H3. Alfabetización digital → Motivación de los estudiantes de inglés como lengua extranjera		0.33	4.95	<0.001	Sí	[0.23, 0.43]	0.23	0.43
H4. Motivación de los estudiantes de inglés como lengua extranjera → Ansiedad en el aula de lengua extranjera		–0.27	–4.81	<0.001	Sí	[–0.37, –0.17]	–0.37	–0.17
H5. Ansiedad en el aula de lengua extranjera → Creatividad de los estudiantes de inglés como lengua extranjera		–0.26	–4.01	<0.001	Sí	[–0.36, –0.16]	–0.36	–0.16

Tabla 6: Prueba de hipótesis de efecto directo. La tabla presenta los resultados de los análisis de efecto directo realizados mediante modelado de ecuaciones estructurales de mínimos cuadrados parciales (PLS-SEM). Las estadísticas informadas incluyen el coeficiente de trayectoria estandarizado (β), valor t, valor p, intervalo de confianza bootstrap del 95% (IC), límite inferior del intervalo de confianza (LLCI), límite superior del intervalo de confianza (ULCI) y la decisión respecto al apoyo a la hipótesis. La significancia estadística se evaluó mediante el método bootstrap con 5.000 remuestras.

Hipótesis	Camino de mediación		Efecto indirecto estandarizado (β)	Valor t	Valor p	Apoyada	Intervalo de confianza del 95% (IC)	Límite inferior (LLCI)	Límite superior (ULCI)
H6	Estilo de enseñanza → Motivación → Ansiedad en el aula de idiomas extranjeros		0.28	4.56	<0.001	Sí	[0.18, 0.38]	0.18	0.38
H7	Uso de ChatGPT → Motivación → Ansiedad en el aula de idiomas extranjeros		0.34	5.02	<0.001	Sí	[0.24, 0.44]	0.24	0.44
H8	Alfabetización digital → Motivación → Ansiedad en el aula de idiomas extranjeros		0.3	4.68	<0.001	Sí	[0.20, 0.40]	0.20	0.40

Tabla 7: Análisis de mediación. La tabla resume los efectos indirectos estimados mediante modelado de ecuaciones estructurales de mínimos cuadrados parciales (PLS-SEM). Las estadísticas informadas incluyen el efecto indirecto estandarizado (β), valor t, valor p, intervalo de confianza bootstrap del 95% (IC), límite inferior del intervalo de confianza (LLCI), límite superior del intervalo de confianza (ULCI) y la decisión respecto al apoyo a la hipótesis. La significancia estadística se evaluó mediante el método bootstrap con 5.000 remuestras.

Tabla 6 presenta los resultados de los análisis de efectos directos. Las cinco relaciones directas hipotetizadas fueron estadísticamente significativas (p < 0,001), lo que respalda las hipótesis H1–H5. El estilo de enseñanza (β = 0,36), el uso de ChatGPT (β = 0,40) y la alfabetización digital (β = 0,33) se asociaron positivamente con la motivación de los estudiantes de inglés como lengua extranjera (EFL), siendo el uso de ChatGPT el que presentó el mayor coeficiente estandarizado de la trayectoria entre los tres predictores. La motivación se asoció negativamente con la ansiedad por la comunicación en lengua extranjera (FLCA) (β = –0,27), lo que indica que una mayor motivación correspondió a niveles más bajos de ansiedad. A su vez, la FLCA se asoció negativamente con la creatividad (β = –0,26). Los intervalos de confianza bootstrap del 95 % para todos los efectos directos excluyeron el cero, lo que respalda la significancia estadística de las relaciones hipotetizadas. Tabla 7 presenta los análisis de mediación para examinar si la motivación mediaba las relaciones entre el estilo de enseñanza, el uso de ChatGPT, la alfabetización digital y la FLCA. Los efectos indirectos fueron estadísticamente significativos en las tres trayectorias (H6: β = 0,28, t = 4,56, p < 0,001; H7: β = 0,34, t = 5,02, p < 0,001; H8: β = 0,30, t = 4,68, p < 0,001). Los intervalos de confianza bootstrap del 95 % excluyeron el cero para todos los efectos indirectos, lo que respalda la significancia estadística de las trayectorias de mediación. Los coeficientes indirectos positivos reflejan la magnitud total de los efectos indirectos a través de la motivación, mientras que la relación directa entre motivación y FLCA fue negativa, como se informó en el modelo estructural. En consecuencia, niveles más altos de estilo de enseñanza, uso de ChatGPT y alfabetización digital se asociaron con una mayor motivación, la cual, a su vez, se asoció con niveles más bajos de FLCA (Tablas 6 y 7). En general, el modelo estructural respaldó todas las relaciones directas (H1–H5) e indirectas (H6–H8) hipotetizadas. Los hallazgos indican asociaciones estadísticamente significativas entre el estilo de enseñanza, el uso de ChatGPT, la alfabetización digital, la motivación, la FLCA y la creatividad, con la motivación actuando como mediadora significativa evaluada en el modelo estructural.

Análisis dimensional del estilo de enseñanza

Se realizó un análisis dimensional para examinar las relaciones entre las cinco dimensiones del estilo docente y la motivación, la ansiedad hacia el aprendizaje de una lengua extranjera (FLCA) y la creatividad de los estudiantes de inglés como lengua extranjera (EFL). Las dimensiones del estilo docente incluyeron Autoridad, Experto, Modelo Personal, Facilitador y Delegador. El modelo estructural estimó los efectos directos de cada dimensión del estilo docente sobre las tres variables de resultado, con el fin de determinar si las relaciones observadas diferían según los enfoques docentes (Tabla 8).

Dimensión del estilo docente	Variable resultado	Coeficiente de trayectoria estandarizado (β)	Valor t	Valor p	Límite inferior del intervalo de confianza del 95% (LLCI)	Límite superior del intervalo de confianza del 95% (ULCI)	Apoyado
Autoridad	Motivación	0.12	1.85	0.065	–0.02	0.26	No
Autoridad	Ansiedad en el aula de idiomas extranjeros	0.35	5.12	<0.001	0.22	0.48	Sí
Autoridad	Creatividad	–0.28	–4.02	<0.001	–0.42	–0.14	Sí
Experto	Motivación	0.3	4.89	<0.001	0.18	0.42	Sí
Experto	Ansiedad en el aula de idiomas extranjeros	–0.18	–2.95	0.003	–0.30	–0.06	Sí
Experto	Creatividad	0.22	3.56	<0.001	0.1	0.34	Sí
Modelo personal	Motivación	0.25	4.02	<0.001	0.13	0.37	Sí
Modelo personal	Ansiedad en el aula de idiomas extranjeros	–0.22	–3.45	0.001	–0.35	–0.09	Sí
Modelo personal	Creatividad	0.24	3.78	<0.001	0.12	0.36	Sí
Facilitador	Motivación	0.34	5.5	<0.001	0.22	0.46	Sí
Facilitador	Ansiedad en el aula de idiomas extranjeros	–0.28	–4.45	<0.001	–0.40	–0.16	Sí
Facilitador	Creatividad	0.31	4.95	<0.001	0.19	0.43	Sí
Delegado	Motivación	0.29	4.62	<0.001	0.17	0.41	Sí
Delegado	Ansiedad en el aula de idiomas extranjeros	–0.24	–3.85	<0.001	–0.37	–0.11	Sí
Delegado	Creatividad	0.27	4.25	<0.001	0.15	0.39	Sí

Tabla 8: Análisis dimensional del estilo docente. La tabla muestra las relaciones directas entre las dimensiones del estilo docente —Autoridad, Experto, Modelo Personal, Facilitador y Delegador— y las variables de resultado de motivación, ansiedad en el aula de idioma extranjero y creatividad. Las estadísticas informadas incluyen el coeficiente de trayectoria estandarizado (β), el valor t, el valor p, el límite inferior del intervalo de confianza bootstrap del 95 % (LLCI), el límite superior del intervalo de confianza bootstrap del 95 % (ULCI) y la decisión respecto al apoyo de la hipótesis.

Tabla 8 presenta los resultados del análisis dimensional de los estilos docentes. El estilo docente Facilitador mostró las asociaciones positivas más fuertes con la motivación (β = 0,34, p < 0,001) y la creatividad (β = 0,31, p < 0,001), junto con la asociación negativa más fuerte con la FLCA (β = –0,28, p < 0,001). Los estilos docentes Experto, Modelo Personal y Delegador también se asociaron positivamente con la motivación (β = 0,30, 0,25 y 0,29, respectivamente) y con la creatividad (β = 0,22, 0,24 y 0,27, respectivamente), mientras que mostraron asociaciones negativas con la FLCA (β = –0,18, –0,22 y –0,24, respectivamente). Todas estas relaciones fueron estadísticamente significativas. En contraste, el estilo docente Autoridad no mostró una asociación significativa con la motivación (β = 0,12, p = 0,065). Sin embargo, presentó una asociación positiva significativa con la FLCA (β = 0,35, p < 0,001) y una asociación negativa significativa con la creatividad (β = –0,28, p < 0,001). En general, el análisis dimensional muestra patrones distintos de asociación entre las dimensiones individuales del estilo docente y los resultados de aprendizaje medidos. En conjunto, el análisis dimensional indica que las asociaciones entre el estilo docente y los resultados en los estudiantes varían según las dimensiones del estilo docente. Se observaron relaciones estadísticamente significativas para la mayoría de las dimensiones del estilo docente, mientras que el estilo docente Autoridad no mostró una asociación estadísticamente significativa con la motivación.

Validez predictiva del modelo interno utilizando PLS Predict

La validez predictiva del modelo estructural se evaluó mediante el procedimiento PLS Predict para analizar el rendimiento predictivo del modelo fuera de la muestra. La relevancia predictiva se evaluó utilizando el estadístico Q² Predict junto con medidas de error de predicción, incluyendo el error cuadrático medio (RMSE) y el error absoluto medio (MAE). Los valores de Q² Predict oscilaron entre 0,32 y 0,48 en todas las construcciones endógenas, lo que indica una relevancia predictiva positiva. La motivación y la creatividad mostraron los valores más altos de Q² Predict (0,42 y 0,48, respectivamente). También se examinaron los valores de error de predicción, con un RMSE que varió entre 0,54 y 0,63 y un MAE que osciló entre 0,41 y 0,49 en las construcciones endógenas (Tabla 9).

Construcción	Coeficiente de Determinación (R²)	Relevancia Predictiva (Q² Predict)	Error Cuadrático Medio (RMSE)	Error Absoluto Medio (MAE)
Motivación	0.45	0.42	0.61	0.48
Ansiedad en el Aula de Idiomas Extranjeros	0.38	0.32	0.63	0.49
Creatividad	0.42	0.48	0.54	0.41

Tabla 9: Rendimiento predictivo del modelo estructural. La tabla resume el rendimiento predictivo de los constructos endógenos evaluados mediante modelado de ecuaciones estructurales por mínimos cuadrados parciales (PLS-SEM). Las estadísticas informadas incluyen el coeficiente de determinación (R²), la relevancia predictiva (Q² Predict), el error cuadrático medio (RMSE) y el error absoluto medio (MAE). Valores más altos de R² y Q² Predict indican un mayor rendimiento explicativo y predictivo, mientras que valores más bajos de RMSE y MAE indican un menor error de predicción.

Tabla 9 resume el rendimiento predictivo del modelo estructural. El coeficiente de determinación (R²) indicó que el modelo explicó el 45 % de la varianza en la motivación, el 38 % de la varianza en la AFLE y el 42 % de la varianza en la creatividad. Los valores Q² Predict para la motivación (0,42), la AFLE (0,32) y la creatividad (0,48) fueron todos superiores a cero, lo que respalda la relevancia predictiva del modelo. Los valores de RMSE oscilaron entre 0,54 y 0,63, mientras que los valores de MAE variaron entre 0,41 y 0,49, lo que indica los errores de predicción para los constructos endógenos. En conjunto, las medidas de rendimiento predictivo respaldan la capacidad predictiva del modelo estructural.

La Figura 4 ilustra el rendimiento predictivo de los factores endógenos presentando el coeficiente de determinación (R²), la relevancia predictiva (Q² Predict) y las medidas de error de predicción (RMSE y MAE). Entre los factores endógenos, la creatividad mostró el valor más alto de Q² Predict (0,48), junto con los errores de predicción más bajos (RMSE = 0,54; MAE = 0,41), mientras que la motivación demostró la mayor varianza explicada (R² = 0,45). En general, el análisis PLS Predict mostró una relevancia predictiva positiva para todos los factores endógenos. Los resultados de R², Q² Predict, RMSE y MAE respaldan colectivamente el rendimiento predictivo del modelo estructural para la motivación, la AFCL y la creatividad (Tabla 9; Figura 4).

Figura 4. Rendimiento predictivo del modelo estructural. El gráfico muestra el coeficiente de determinación (R²), el error cuadrático medio (RMSE), el error absoluto medio (MAE) y los valores de Q² predict para los factores endógenos de motivación, ansiedad y creatividad. Las barras representan los valores de R², RMSE y MAE, y la línea con marcadores circulares representa los valores de Q² predict. Valores más altos de R² y Q² predict indican un mayor rendimiento explicativo y predictivo, respectivamente, mientras que valores más bajos de RMSE y MAE indican un menor error de predicción. Haga clic aquí para ver una versión más grande de esta figura.

Disponibilidad de datos:

El conjunto de datos anonimizado a nivel de participante que respalda los hallazgos de este estudio se proporciona como Tabla Suplementaria 1. La hoja informativa para los participantes y el formulario de consentimiento informado están disponibles en Archivo Suplementario 1, y el cuestionario de encuesta utilizado para la recolección de datos se proporciona en Archivo Suplementario 2.

Tabla suplementaria 1. Conjunto de datos bruto de participantes utilizado para los análisis estadísticos. Esta tabla contiene el conjunto de datos a nivel de participante, anonimizado, que se utilizó para los análisis estadísticos. Las variables incluyen información demográfica y respuestas a nivel de ítem sobre estilo de enseñanza, uso de ChatGPT, alfabetización digital, motivación, ansiedad en el aula de idiomas extranjeros y creatividad. Las etiquetas de los ítems (por ejemplo, TL1, CHATGPT1, DL1, M1, FLCA1, CR1) corresponden a los ítems del cuestionario descritos en la sección Herramientas y Medidas. No se incluye ninguna información personal identificable.Haga clic aquí para descargar este archivo.

Archivo complementario 1. Hoja de información para los participantes y formulario de consentimiento informado. Este archivo complementario contiene la hoja de información para los participantes y el formulario de consentimiento informado utilizados para la reclutación de participantes. Describe los objetivos del estudio, los criterios de elegibilidad, los procedimientos del estudio, la participación voluntaria, los riesgos y beneficios potenciales, la confidencialidad, la protección de datos y la información de contacto proporcionada a los participantes antes de completar el cuestionario.Haga clic aquí para descargar este archivo.

Archivo suplementario 2. Cuestionario de encuesta utilizado para la recolección de datos. Este archivo suplementario contiene el cuestionario completo administrado a los participantes. El instrumento incluye preguntas demográficas y mediciones por ítems que evalúan el estilo de enseñanza, el uso de ChatGPT, la alfabetización digital, la motivación, la ansiedad en el aula de idiomas extranjeros y la creatividad. Las respuestas se registraron utilizando una escala tipo Likert de 5 puntos que va desde 1 (Totalmente en desacuerdo) hasta 5 (Totalmente de acuerdo). Los ítems del cuestionario corresponden a los instrumentos de medición descritos en la sección Herramientas y Medidas del manuscrito.Haga clic aquí para descargar este archivo.

Discusión

Este estudio investigó las relaciones entre el estilo de enseñanza, el uso de ChatGPT, la alfabetización digital, la motivación, la ansiedad por la comunicación en una lengua extranjera (FLCA) y la creatividad entre estudiantes universitarios saudíes de inglés como lengua extranjera (EFL), prestando especial atención al papel mediador de la motivación. Los hallazgos aportan evidencia sobre las relaciones entre las prácticas pedagógicas, el uso de la tecnología y las características del estudiante en el aprendizaje de lenguas potenciado por la tecnología. La asociación positiva entre el estilo de enseñanza y la motivación de los estudiantes de EFL (H1 apoyada) es coherente con la Teoría de la Autodeterminación (SDT), que propone que las prácticas docentes que fomentan la autonomía facilitan la motivación intrínseca al satisfacer las necesidades psicológicas básicas de los estudiantes: autonomía, competencia y relación⁶¹. Los resultados observados sugieren que los enfoques pedagógicos centrados en el estudiante, como los estilos de Facilitador y Delegador, se asocian con mayores niveles de participación estudiantil y un interés sostenido en el aprendizaje de lenguas. Estos hallazgos concuerdan con investigaciones previas que indican que los estilos de enseñanza caracterizados por la flexibilidad, la capacidad de respuesta y oportunidades para la participación estudiantil se asocian con un mayor compromiso motivacional en comparación con enfoques más centrados en el docente⁶². En el contexto saudí, donde las reformas educativas bajo la Visión 2030 promueven pedagogías centradas en el estudiante, la asociación positiva observada podría reflejar la implementación de estos enfoques instruccionales en las aulas de EFL⁶³. La asociación positiva significativa entre el uso de ChatGPT y la motivación (H2 apoyada) también puede interpretarse dentro de marcos teóricos establecidos. Desde la perspectiva de la SDT, ChatGPT podría apoyar la autonomía de los estudiantes al permitir una práctica autodirigida del idioma y fomentar la competencia mediante retroalimentación inmediata y personalizada⁶⁴. Además, su interfaz conversacional podría ofrecer oportunidades para una práctica auténtica del idioma fuera del aula, lo que podría aumentar el compromiso de los estudiantes con el aprendizaje del inglés⁶⁵. Estas observaciones sugieren que ChatGPT podría funcionar como un recurso de aprendizaje de apoyo que complementa la instrucción en el aula. El Modelo de Aceptación de la Tecnología proporciona además una explicación teórica de esta relación al proponer que los estudiantes que perciben a ChatGPT como útil y fácil de usar tienen más probabilidades de interactuar con la tecnología, favoreciendo así el aprendizaje continuo. De manera similar, la asociación positiva entre la alfabetización digital y la motivación (H3 apoyada) destaca la importancia de la capacidad de los estudiantes para utilizar eficazmente las tecnologías digitales de aprendizaje. Los estudiantes con mayores niveles de alfabetización digital podrían estar mejor preparados para utilizar eficientemente herramientas de aprendizaje apoyadas por inteligencia artificial, experimentar menos barreras tecnológicas y reconocer el valor educativo de la integración de la tecnología⁶⁶. En el contexto saudí, donde se han realizado importantes inversiones en infraestructura digital y tecnologías educativas⁶⁷, estos hallazgos subrayan la contribución potencial de la alfabetización digital al aprendizaje de lenguas potenciado por la tecnología.

Una contribución central de este estudio es la identificación de la motivación como un mediador significativo en las relaciones entre el estilo de enseñanza, el uso de ChatGPT, la alfabetización digital y la ansiedad por hablar en una lengua extranjera (FLCA, por sus siglas en inglés) (H6–H8 apoyadas). La asociación negativa entre motivación y FLCA (H4 apoyada) es coherente con perspectivas teóricas que sugieren que la motivación intrínseca actúa como un recurso psicológico que ayuda a los estudiantes a afrontar los desafíos emocionales asociados con la adquisición de una lengua⁶⁸. Es probable que los estudiantes motivados persistan más al enfrentar dificultades lingüísticas, consideren los errores como oportunidades de aprendizaje y mantengan su autoeficacia durante tareas lingüísticas desafiantes, como presentaciones orales y exámenes. La asociación negativa entre FLCA y creatividad (H5 apoyada) también concuerda con investigaciones previas que indican que la ansiedad puede limitar la disposición de los estudiantes a experimentar con formas lingüísticas novedosas y participar en un uso creativo del lenguaje⁶⁹. En el contexto saudí de enseñanza del inglés como lengua extranjera (EFL), donde se ha identificado a la FLCA como un obstáculo para el aprendizaje lingüístico, estos hallazgos resaltan la importancia de entornos de aprendizaje que fomenten la motivación del estudiante mientras reducen las barreras emocionales a la participación. Los análisis de mediación sugieren además que la motivación representa un mecanismo importante mediante el cual prácticas docentes de apoyo, el uso de ChatGPT y la alfabetización digital se asocian con niveles más bajos de FLCA. Estos hallazgos amplían investigaciones previas al destacar el posible papel de la motivación en vincular factores instruccionales y tecnológicos con los resultados del aprendizaje en aulas saudíes de EFL.

El análisis dimensional del estilo de enseñanza (Tabla 8) reveló patrones distintos en las cinco dimensiones del estilo de enseñanza. El estilo de enseñanza de Autoridad se asoció con niveles más altos de ansiedad en el aula de idiomas extranjeros (FLCA) y menor creatividad, mientras que su asociación con la motivación no fue estadísticamente significativa. En contraste, los estilos de enseñanza de Facilitador, Experto, Modelo Personal y Delegador se asociaron positivamente con la motivación y la creatividad, y negativamente con la ansiedad en el aula de idiomas extranjeros. Estos hallazgos sugieren que los estilos de enseñanza pueden diferir en sus relaciones con los resultados motivacionales, emocionales y creativos de los estudiantes. Una posible explicación la proporciona la Teoría de la Autodeterminación (SDT), que propone que los enfoques docentes que favorecen la autonomía del estudiante tienen más probabilidades de fomentar la motivación intrínseca, mientras que los enfoques instructivos altamente directivos pueden proporcionar estructura pero ofrecer menos oportunidades de participación autónoma. En el contexto educativo saudí, los enfoques instructivos estructurados pueden reducir la incertidumbre para algunos estudiantes al proporcionar expectativas y orientaciones claras. Al mismo tiempo, un mayor control por parte del docente puede reducir las oportunidades de aprendizaje independiente y de uso creativo del idioma. Estos hallazgos sugieren que los enfoques instructivos que equilibran una orientación clara con oportunidades para la autonomía del estudiante podrían favorecer resultados educativos positivos. Estudios futuros que utilicen diseños longitudinales o experimentales ayudarían a clarificar estas relaciones y a examinar cómo diferentes estilos de enseñanza influyen en la motivación, la ansiedad en el aula de idiomas extranjeros y la creatividad a lo largo del tiempo.

Este estudio contribuye al entendimiento teórico del aprendizaje de una lengua extranjera (EFL) al integrar la Teoría de la Autodeterminación (SDT) y el Modelo de Aceptación de la Tecnología para examinar cómo los enfoques pedagógicos y el aprendizaje apoyado por inteligencia artificial se asocian con los resultados del aprendizaje a través de la motivación. Los hallazgos sugieren que el estilo docente, el uso de ChatGPT y la alfabetización digital están asociados con la motivación, la cual, a su vez, se relaciona con la ansiedad en el aula de lengua extranjera. Los resultados también respaldan la aplicación de la SDT en el aprendizaje de lenguas potenciado por tecnología, al indicar que las oportunidades de práctica autodirigida y de retroalimentación personalizada proporcionadas por ChatGPT podrían satisfacer las necesidades psicológicas de los estudiantes de autonomía y competencia. Además, el análisis dimensional de los estilos docentes destaca que diferentes enfoques instruccionales se asocian con resultados distintos en los estudiantes, lo que sugiere que la eficacia de los estilos docentes puede depender del contexto educativo y de los resultados específicos considerados. Los hallazgos también tienen implicaciones prácticas para la enseñanza de EFL y las políticas educativas en Arabia Saudita. Los programas de desarrollo profesional docente podrían beneficiarse al enfatizar enfoques instruccionales que equilibren una orientación clara con oportunidades para la autonomía del estudiante, apoyando así la motivación del alumno mientras se reduce la ansiedad en el aula de lengua extranjera. La integración de herramientas apoyadas por inteligencia artificial, como ChatGPT, en la enseñanza de lenguas podría ofrecer oportunidades adicionales para la lluvia de ideas, la redacción y la práctica conversacional, siempre que se acompañe de una orientación pedagógica adecuada. Asimismo, las iniciativas de alfabetización digital podrían ayudar a los estudiantes a desarrollar las habilidades necesarias para utilizar eficazmente las tecnologías de aprendizaje apoyadas por inteligencia artificial, incluyendo la evaluación de información, el uso ético de la tecnología y la aplicación estratégica de herramientas de IA. A nivel institucional, la inversión continua en infraestructura digital, el desarrollo curricular que incorpore actividades de aprendizaje potenciadas por tecnología y prácticas de evaluación que fomenten el uso significativo del lenguaje podrían apoyar aún más el aprendizaje del estudiante. Además, entornos de aprendizaje que ofrezcan apoyo emocional mediante oportunidades de bajo riesgo, retroalimentación constructiva, colaboración entre pares y reconocimiento del uso creativo del lenguaje podrían contribuir a mejorar la motivación y reducir la ansiedad en el aula de lengua extranjera. En conjunto, estos hallazgos podrían orientar las prácticas educativas y las iniciativas de política que apoyan el aprendizaje de lenguas potenciado por tecnología dentro de los objetivos más amplios de la Visión 2030 de Arabia Saudita.

Este estudio examinó las relaciones entre el estilo de enseñanza, el uso de ChatGPT, la alfabetización digital, la motivación, la ansiedad en el aula de idiomas extranjeros y la creatividad entre estudiantes universitarios saudíes de inglés como lengua extranjera (EFL), prestando especial atención al papel mediador de la motivación. Los resultados indican que el estilo de enseñanza, el uso de ChatGPT y la alfabetización digital se asociaron positivamente con la motivación de los estudiantes. A su vez, la motivación se asoció negativamente con la ansiedad en el aula de idiomas extranjeros, mientras que esta ansiedad se asoció negativamente con la creatividad. Estos hallazgos sugieren que la motivación es un mecanismo importante que vincula los factores pedagógicos y tecnológicos con los resultados del aprendizaje en las aulas de EFL en Arabia Saudita. Los resultados también destacan la importancia de entornos de aprendizaje que apoyen tanto las necesidades motivacionales como emocionales de los estudiantes. El análisis dimensional de los estilos de enseñanza demostró que el estilo de enseñanza de Autoridad se asoció con niveles más altos de ansiedad en el aula de idiomas extranjeros y menor creatividad, mientras que los estilos de enseñanza de Facilitador, Experto, Modelo Personal y Delegador se asociaron con mayor motivación y creatividad y menor ansiedad. Estos resultados sugieren que los enfoques instruccionales que equilibran la orientación clara con oportunidades para la autonomía del estudiante pueden favorecer experiencias de aprendizaje positivas y el desarrollo del idioma. En el contexto de la Visión 2030 de Arabia Saudita, los hallazgos tienen implicaciones prácticas para la educación lingüística. La integración de estrategias de enseñanza centradas en el estudiante, herramientas de aprendizaje apoyadas por inteligencia artificial como ChatGPT y el desarrollo de la alfabetización digital puede contribuir al aprendizaje de idiomas potenciado por la tecnología, al tiempo que se apoya la motivación del estudiante y se reduce la ansiedad en el aula de idiomas extranjeros. En conjunto, este estudio aporta evidencia que respalda el papel de las prácticas pedagógicas, el aprendizaje apoyado por inteligencia artificial y la competencia digital en la educación en inglés como lengua extranjera, y ofrece una base para futuras investigaciones longitudinales y basadas en intervenciones que examinen estas relaciones en diversos contextos educativos.

Se deben reconocer varias limitaciones de este estudio. En primer lugar, el diseño transversal limita la capacidad de establecer inferencias causales respecto a las relaciones entre las variables del estudio. Aunque el marco teórico propone relaciones direccionales, los hallazgos deben interpretarse como asociaciones y no como evidencia de causalidad. Las investigaciones futuras deberían emplear diseños longitudinales para examinar los cambios en la motivación, la ansiedad en el aula de idioma extranjero y la creatividad a lo largo del tiempo, así como diseños experimentales o basados en intervenciones para evaluar de manera más rigurosa las relaciones propuestas. Dichos estudios podrían investigar si los enfoques pedagógicos que enfatizan la autonomía del estudiante se asocian con cambios posteriores en la motivación, la ansiedad en el aula de idioma extranjero y la creatividad. En segundo lugar, la muestra se obtuvo de una única universidad pública en Arabia Saudita, lo cual podría limitar la generalización de los hallazgos a otros contextos educativos y culturales. Las características de la educación superior saudita, incluidas las prácticas de evaluación, las reformas educativas en curso y las perspectivas culturales sobre la autoridad del docente, podrían influir en las relaciones observadas. Las investigaciones futuras deberían examinar estas relaciones en múltiples instituciones y regiones dentro de Arabia Saudita y en otros países, para determinar la consistencia de los hallazgos en diversos entornos educativos. En tercer lugar, este estudio se basó en datos autorreportados, que podrían verse afectados por sesgos de deseabilidad social, sesgos de recuerdo y varianza común por método. Aunque se utilizaron instrumentos de medición validados y procedimientos de preprueba, los estudios futuros podrían incorporar fuentes adicionales de datos, como observaciones en el aula, análisis del aprendizaje, registros de uso de inteligencia artificial o evaluaciones basadas en el desempeño de la competencia lingüística y la creatividad, para proporcionar evidencia complementaria. Los enfoques multimétodo y de métodos mixtos podrían fortalecer aún más la comprensión de las relaciones identificadas en este estudio. Por último, el análisis dimensional de los estilos docentes identificó asociaciones distintas entre el estilo de enseñanza de Autoridad y los resultados del estudiante. Investigaciones cualitativas futuras, que incluyan entrevistas, grupos focales y observaciones en el aula, podrían ofrecer mayor comprensión sobre cómo los diferentes estilos docentes influyen en la motivación del estudiante, la ansiedad en el aula de idioma extranjero y la creatividad, particularmente dentro del contexto saudita de enseñanza del inglés como lengua extranjera. Dicho trabajo complementaría los hallazgos actuales y contribuiría a una comprensión más completa del aprendizaje de idiomas con apoyo tecnológico.

Materiales

Lista de materiales utilizados en este artículo

Nombre	Empresa	Número de catálogo	Comentarios
Escala de uso de ChatGPT (adaptada)	Autores; adaptada de Abbas et al.	N/A	Cuestionario de ocho ítems que evalúa el uso de ChatGPT por parte de los estudiantes para el aprendizaje de idiomas.
Escala de creatividad (adaptada)	Autores; adaptada de Govindasamy et al.	N/A	Cuestionario de doce ítems que evalúa originalidad, flexibilidad, fluidez y elaboración.
Escala de alfabetización digital (adaptada)	Autores; adaptada de Rodríguez-de-Dios et al.	N/A	Cuestionario de veintinueve ítems que mide seis dimensiones de la alfabetización digital.
Escala de ansiedad en el aula de idiomas extranjeros (FLCA, por sus siglas en inglés) (adaptada)	Autores; adaptada de Briesmaster & Briesmaster	N/A	Cuestionario de veintisiete ítems que mide la aprehensión comunicativa, la ansiedad ante exámenes y el miedo a la evaluación negativa.
G*Power	Universidad Heinrich Heine de Düsseldorf	versión 3.1.9.7; RRID: SCR_013726	Software utilizado para el análisis estadístico post hoc del poder estadístico.
IBM SPSS Statistics	IBM Corp.	versión 26; RRID: SCR_002865	Software estadístico utilizado para la limpieza de datos, estadísticas descriptivas, análisis de fiabilidad y análisis preliminares.
Análisis de la distancia de Mahalanobis	IBM SPSS Statistics	versión 26; RRID: SCR_002865	Procedimiento estadístico implementado en IBM SPSS Statistics para identificar valores atípicos multivariados.
Escala de motivación (adaptada)	Autores; adaptada de Kanoksilapatham et al.	N/A	Cuestionario de veinte ítems que evalúa la motivación del estudiante.
Cuestionario impreso	Autores	N/A	Versión impresa del cuestionario autoadministrado estructurado utilizado para la recolección de datos en persona.
Plataforma segura de encuestas en línea	Google LLC	N/A	Plataforma Google Forms utilizada para la distribución electrónica del cuestionario.
SmartPLS	SmartPLS GmbH	versión 4; RRID: SCR_036419	Software utilizado para el modelado de ecuaciones estructurales por mínimos cuadrados parciales (PLS-SEM), incluyendo evaluación del modelo de medición, análisis del modelo estructural, remuestreo bootstrap (5.000 re-muestras) y análisis de mediación.
Cuestionario autoadministrado estructurado	Autores	N/A	Cuestionario administrado en formatos impreso y electrónico utilizando una escala tipo Likert de 5 puntos (1 = Totalmente en desacuerdo hasta 5 = Totalmente de acuerdo).
Inventario de estilos de enseñanza (adaptado)	Autores; adaptado del Inventario de Estilos de Enseñanza de Grasha	N/A	Cuestionario que mide los estilos de enseñanza Autoridad, Experto, Modelo personal, Facilitador y Delegador.
Canales de comunicación universitarios	Universidad de Jeddah	N/A	Anuncios oficiales por correo electrónico y en clase utilizados para la reclutación de participantes.