%0 Journal Article
%A Khalid, Komal
%A Alsini, Juri
%T Harnessing Artificial Intelligence in universities: motivation, intention, efficacy, and creativity
%D 2026
%U https://hdl.handle.net/10433/27177
%X This research examines the complex relationships between artificial intelligence learning motivation (AILM), intention (AILI), efficacy (AILE), and student creativity (SC) among Saudi Arabian undergraduate and graduate students. A quantitative approach was employed, gathering data from bilingual questionnaires administered to 466 students across five Saudi universities, utilizing validated scales for AILM (intrinsic/extrinsic), AILI, AILE, and SC. Partial least squares structural equation modeling (PLS-SEM) was utilized to access direct and indirect effects. The analysis established the nine hypotheses, signifying that AILM significantly influences AILI and AILE, thus, enhances SC. AILE and AILI could act as mediators between AILM and SC, whereas the serial mediation path (AILM→AILI→AILE→SC) represents the highest mediator. The research implies the importance for Saudi Arabia's Vision 2030-compliant education reforms that promote both intrinsic and extrinsic motivation (ILM and ELM), intention reciprocated into learning behavior, and the development of AILE to enhance SC.
%X Esta investigación examina las complejas relaciones entre la motivación para el aprendizaje de la inteligencia artificial (AILM), la intención (AILI), la eficacia (AILE) y la creatividad estudiantil (SC) entre estudiantes de licenciatura y posgrado en Arabia Saudita. Se empleó un enfoque cuantitativo, recopilando datos a través de cuestionarios bilingües aplicados a 466 estudiantes de cinco universidades saudíes, utilizando escalas validadas para AILM (intrínseca/extrínseca), AILI, AILE y SC. Se utilizó el modelado de ecuaciones estructurales de mínimos cuadrados parciales (PLS-SEM) para investigar tanto los efectos directos como indirectos. El análisis confirmó las nueve hipótesis, demostrando que la AILM predice significativamente la AILI y la AILE, las cuales, a su vez, potencian la SC. La AILE y la AILI son mediadores entre la AILM y la SC, siendo la ruta secuencial (AILM→AILI→AILE→SC) el mediador más fuerte. La investigación recomienda la necesidad de reformas educativas en Arabia Saudita, en consonancia con la Visión 2030, que promuevan la motivación intrínseca y extrínseca, la traducción de la intención en conductas de aprendizaje persistentes, y la construcción de la eficacia en IA para liberar la creatividad.
%K Artificial Intelligence Learning motivation
%K Artificial Intelligence learning efficacy
%K Artificial Intelligence learning intention
%K Student creativity
%K Self-efficacy theory
%~