نقش انگیزش، فرصت‌ها و توانمندی‌های مرتبط با هوش مصنوعی مولد در رفتار نوآورانه دانشجویان دکتری: یافته‌های یک مطالعه بین‌المللی

خلاصه سریع برای خواننده

• یک مطالعه روی ۵۰۲ دانشجوی دکتری بررسی کرد چگونه انگیزش‌های مختلف (خودمختار، کنترل‌شده، یا بی‌انگیزگی) رفتار نوآورانه پژوهشی را تحت تأثیر قرار می‌دهند.
• انگیزش خودمختار و انگیزش کنترل‌شده با افزایش رفتار نوآورانه مرتبط بودند؛ اما بی‌انگیزگی رابطهٔ معکوسی داشت.
• شرایط فرصت (منابع پژوهشی و پشتیبانی) و توانایی‌ها (سواد GenAI و خودکارآمدی خلاقانه) رابطهٔ انگیزش-نوآوری را تقویت یا تضعیف می‌کنند.
• تحلیل‌ها بر پایهٔ نظریهٔ خودتعیینی (SDT) و چارچوب انگیزش-فرصت-توانایی (MOA) انجام شد و نشان‌دهندهٔ تعامل چندعاملی برای نوآوری در بستر GenAI است.
• پیام کاربردی: دانشگاه‌ها باید علاوه بر تقویت انگیزش دانشجویان، به منابع، آموزش مسئولانهٔ GenAI و پرورش خودکارآمدی خلاقانه توجه کنند.

مقدمه

ظهور ابزارهای هوش مصنوعی مولد (Generative AI یا GenAI) مانند مدل‌های بزرگ زبان و سامانه‌های تولید متن و تصویر، شیوه‌های پژوهش دانشگاهی را تغییر داده است. پژوهشگران و دانشجویان دکتری اکنون می‌توانند از این ابزارها برای ایده‌پردازی، تحلیل داده‌ها، نگارش پیش‌نویس‌ها و حتی طراحی آزمایش‌ها بهره بگیرند. با این حال، شناخت چگونگی تبدیل انگیزش‌های فردی به رفتارهای نوآورانهٔ واقعی در حضور یا فقدان فرصت‌ها و توانایی‌های لازم، نیازمند شواهد است.

مطالعه‌ای که در این مقاله بررسی می‌کنیم (PLOS One, ۲۰۲۶) با بهره‌گیری از نظریهٔ خودتعیینی (Self-Determination Theory) و چارچوب انگیزش-فرصت-توانایی (MOA) تلاش کرده است تا پاسخ دهد: چه ترکیبی از انگیزش‌ها، منابع و مهارت‌ها بیشترین احتمال را برای شکل‌گیری رفتار نوآورانهٔ پژوهشی در میان دانشجویان دکتری دارد؟

چرا این سؤال مهم است؟

نوآوری پژوهشی در سطح دکتری نه تنها برای رشد علمی فرد اهمیت دارد، بلکه می‌تواند کیفیت نتایج پژوهشی، سرعت انتشار یافته‌های جدید و کاربردپذیری علم در جامعه را تحت تأثیر قرار دهد. در عین حال، استفاده از GenAI مزایا و محدودیت‌های خاص خود را دارد؛ بنابراین شناخت عوامل فردی و سازمانی که نوآوری را تسهیل یا مانع می‌شوند، به تدوین سیاست‌های آموزشی و پژوهشی بهتر کمک خواهد کرد.

چگونه پژوهش انجام شد؟

این مطالعه یک تحقیق پیمایشی بر پایهٔ پرسشنامه بود که ۵۰۲ دانشجوی دکتری آکادمیک را پوشش داد. متغیرهای کلیدی عبارت بودند از:

• انگیزش خودمختار (Autonomous motivation)
• انگیزش کنترل‌شده (Controlled motivation)
• بی‌انگیزگی (Amotivation)
• رفتار نوآورانهٔ آکادمیک (Academic innovation behavior)
• شرایط فرصت: منابع پژوهشی، تشویق و حمایت محیطی
• توانایی: خودکارآمدی خلاقانه و سواد GenAI

تحلیل داده‌ها با استفاده از نرم‌افزارهای SPSS ۲۷.۰، AMOS ۲۶.۰ و PROCESS ۴.۰ انجام شد که امکان آزمون روابط مستقیم و نقش‌های تعدیلی (moderation) را فراهم می‌ساخت.

یافته‌های اصلی

نتایج کلیدی را می‌توان به شکل فشرده چنین بیان کرد:

• انگیزش خودمختار رابطهٔ مثبت و معناداری با رفتار نوآورانهٔ آکادمیک داشت. یعنی دانشجویانی که پژوهش را به‌خاطر علاقهٔ درونی یا ارزش‌های شخصی دنبال می‌کنند، احتمال بیشتری دارد رفتارهای نوآورانه نشان دهند.
• انگیزش کنترل‌شده نیز رابطهٔ مثبت با نوآوری داشت، اگرچه معمولاً فرض می‌شود انگیزش کنترل‌شده کمتر مطلوب است؛ در این نمونه چنین انگیزشی هم می‌تواند محرک رفتار نوآورانه باشد.
• بی‌انگیزگی به‌طور معناداری با کاهش رفتار نوآورانه مرتبط بود.
• عوامل فرصت و توانایی — شامل شرایط منابع، تشویق و حمایت محیطی، خودکارآمدی خلاقانه و سواد GenAI — نقش تعدیلی داشتند: در سطح‌های بالاتر این عوامل، اثر مثبت انگیزش‌ها بر نوآوری قوی‌تر و اثر منفی بی‌انگیزگی تضعیف می‌شد.

توضیح کمی و کیفی اثرات تعدیلی

برای مثال، دانشجویی با انگیزش خودمختار بالا که به ابزارها و داده‌ها دسترسی کافی دارد و خود را قادر به به‌کارگیری GenAI می‌داند، بسیار محتمل‌تر است که ایده‌های نو را عملی کند نسبت به دانشجویی که انگیزهٔ مشابهی دارد اما فاقد منابع و آموزش است. به‌طور مشابه، حتی انگیزش کنترل‌شده (مثلاً فشار برای انتشار یا کسب درجه) می‌تواند در محیط‌های حمایتی به رفتارهای نوآورانه منجر شود.

تحلیلِ نظری: ترکیب SDT و MOA

از منظر نظریهٔ خودتعیینی (SDT)، انگیزش خودمختار با کیفیت بالاتری از عملکرد خلاق همراه است چون ریشه در ارزش‌ها و علایق درونی دارد. چارچوب MOA تاکید می‌کند که حتی اگر انگیزش وجود داشته باشد، بدون فرصت (Resources, Support) و توانایی (Skills, Self-efficacy) رفتار موردنظر رخ نخواهد داد. این مطالعه هر دو دیدگاه را یکپارچه کرده و نشان می‌دهد که برای تحقق نوآوری در دورهٔ دکتری در عصر GenAI نیاز به ترکیبی از انگیزش، فرصت و توانایی است.

کاربردهای عملی برای دانشگاه‌ها و دانشجویان

یافته‌ها چند پیام کاربردی برای سیاست‌گذاران آموزشی و مدیران پژوهشی دارند:

• افزایش دسترسی به منابع پژوهشی (دیتا، نرم‌افزار، زیرساخت محاسباتی) می‌تواند اثر انگیزش را به نتیجهٔ عملی تبدیل کند.
• برنامه‌های آموزشی برای ارتقای سواد GenAI باید طراحی شوند؛ این برنامه‌ها نه تنها مهارت‌های فنی، بلکه جنبه‌های مسئولانهٔ استفاده از GenAI را نیز پوشش دهند.
• تقویت خودکارآمدی خلاقانه (اعتماد به توانایی تولید ایده‌های نو) از طریق کارگاه‌ها، بازخورد سازنده و فرصت‌های مشارکت در پروژه‌های میان‌رشته‌ای اهمیت دارد.
• حمایت سازمانی و تشویق (از جمله سیاست‌های تشویقی، مربی‌گری و فرهنگ خطاپذیری سازنده) موجب تقویت نقش انگیزش در تولید نوآوری می‌شود.

محدودیت‌ها و نکاتی که باید با احتیاط خواند

• این مطالعه یک تحقیق پیمایشی مقطعی است؛ بنابراین نمی‌تواند رابطهٔ علی و معلولی قطعی را نشان دهد. به عبارت دیگر، نمی‌دانیم آیا انگیزش باعث نوآوری می‌شود یا تجربهٔ نوآورانه می‌تواند انگیزش را تقویت کند.
• نمونهٔ مطالعه شامل ۵۰۲ دانشجوی دکتری است اما اطلاعات دقیقی دربارهٔ توزیع جغرافیایی، رشته‌ها یا سطح دسترسی به منابع ذکر نشده است (یا در نسخهٔ خلاصه ذکر نشده)، بنابراین قابلیت تعمیم به همهٔ دانشگاه‌ها یا کشورها محدود است.
• اندازه‌گیری‌ها مبتنی بر اعلام خودی (self-report) بود که می‌تواند تحت تاثیر تعصبات پاسخ‌دهی، تفاوت در برداشت از مفاهیم یا تمایل به نمایش تصویر مثبت قرار گیرد.
• متغیرهای فرهنگی، ساختاری دانشگاهی، سیاست‌های ملی در زمینهٔ پژوهش و تفاوت‌های رشته‌ای می‌تواند نقش مهمی داشته باشد که در این پژوهش به طور جامع بررسی نشده است.
• سواد GenAI یک مفهوم چندبعدی است؛ میزان مهارت فنی، فهم اخلاقی-قوانین و آگاهی از محدودیت‌های ابزار ممکن است اثرات متفاوتی داشته باشند که نیاز به تحلیل‌های عمیق‌تر دارد.

این یافته برای بیمار چه معنایی دارد؟

اگرچه موضوع مطالعه مربوط به رفتار پژوهشی دانشجویان دکتری است و نه مراقبت مستقیم از بیماران، این نتایج می‌تواند برای جامعهٔ پزشکی و بیماران نیز پیام‌های عملی داشته باشد:

• بهبود کیفیت و سرعت تولید دانش علمی توسط دانشجویان دکتری ممکن است در بلندمدت به تولید شواهد بالینی بهتر و راهنمایی‌های درمانی دقیق‌تر منجر شود؛ بنابراین سرمایه‌گذاری در آموزش و منابع پژوهشی می‌تواند منافع غیرمستقیم برای بیماران داشته باشد.
• اگر پژوهش‌های بالینی یا ترجمه‌ای از GenAI استفاده می‌کنند، سطح سواد پژوهشگران نسبت به GenAI و فرهنگ حمایتگر در تیم پژوهشی بر اعتبار نتایج تأثیر می‌گذارد؛ نتیجهٔ نا‌مطمئن یا نادرست می‌تواند تصمیم‌گیری بالینی را تحت تأثیر قرار دهد.
• بیماران و عموم می‌توانند از شفافیت در گزارش روش‌ها و ابزارهای مورد استفاده در پژوهش (از جمله استفاده از GenAI) حمایت کنند تا نتایج قابل اتکا و بازتولیدپذیر تولید شود.

نظر تحریریه پزشک سایت

تحریریه پزشک سایت نتیجه‌گیری‌های این مطالعه را مفید و آموزنده می‌داند؛ زیرا نشان می‌دهد که صرف داشتن انگیزه کافی نیست و برای تبدیل انگیزش به نوآوری عملی، دانشگاه‌ها باید محیط‌های آموزشی و پژوهشی حمایتی فراهم کنند. در عین حال لازم است توجه کنیم که مطالعه از نوع مقطعی و بر اساس اعلام خودی بوده و نمی‌توان بر اساس آن سیاست‌های قطعی اتخاذ کرد. پیشنهاد ما این است که نهادهای آموزشی همزمان بر ارتقای انگیزش درونی دانشجویان، فراهم کردن منابع فیزیکی و دیجیتال، و آموزش مسئولانهٔ GenAI تمرکز کنند. این رویکرد می‌تواند به تولید پژوهش‌های باکیفیت‌تر منجر شود که در نهایت برای بهبود مراقبت‌های سلامت نیز مفید خواهد بود.

چه زمانی باید با پزشک مشورت کرد؟

موضوع مطالعه پژوهشی-آموزشی است، اما در مواردی که کاربرد GenAI یا نتایج پژوهشی بر مراقبت‌های بالینی تأثیر می‌گذارد، مراجعه به پزشک یا متخصص مناسب است. در موارد زیر با پزشک یا تیم درمانی مشورت کنید:

• اگر یک پژوهش یا ابزار GenAI پیشنهاد تغییر در درمان شما می‌دهد یا تصمیمات بالینی را تحت تأثیر قرار می‌دهد.
• در مورد شرکت در پژوهش‌هایی که از GenAI استفاده می‌کنند و نگرانی دربارهٔ حفظ حریم خصوصی یا خطرات بالقوه وجود دارد.
• اگر نتایج پژوهشی جدیدی منتشر شده که ممکن است بر بارداری، کودکان، سرطان، قلب،‌ عفونت یا واکسیناسیون تاثیرگذار باشد؛ پیش از اعمال تغییر در مراقبت، با پزشک خود مشورت کنید.
• در صورت برخورد با پیشنهاداتی که نیاز به جراحی یا درمان اورژانسی دارد؛ تصمیم‌گیری فوری را به یک پزشک یا مرکز درمانی معتبر واگذار کنید.

پرسش‌های رایج

۱. آیا انگیزش کنترل‌شده همیشه بد است؟

خیر. در این مطالعه انگیزش کنترل‌شده نیز با افزایش رفتار نوآورانه مرتبط بود. این نشان می‌دهد تحت شرایطی مانند وجود منابع و حمایت سازمانی، حتی انگیزش‌های بیرونی می‌توانند منجر به نتایج مثبت شوند. با این حال، انگیزش خودمختار اغلب پایداری بیشتری دارد.

۲. سواد GenAI یعنی دقیقاً چه چیزهایی؟

سواد GenAI شامل مهارت‌های فنی برای به‌کارگیری ابزارها، درک محدودیت‌ها و خطاهای احتمالی، و همچنین آگاهی از مسائل اخلاقی و حقوقی مرتبط با استفاده از مدل‌های مولد می‌شود.

۳. آیا این نتایج قابل تعمیم به دانشجویان پزشکی یا مراکز درمانی است؟

با احتیاط. یافته‌ها نشان‌دهندهٔ الگوهای کلی است اما تعمیم آن به محیط‌های بالینی یا فرهنگ‌های سازمانی متفاوت نیاز به مطالعات هدفمندتر دارد.

۴. دانشگاه‌ها دقیقاً چه اقداماتی باید انجام دهند؟

تخصیص منابع پژوهشی، تدوین دوره‌های آموزشی مسئولانه برای GenAI، ارائه مربی‌گری در پروژه‌های میان‌رشته‌ای و ایجاد فضای تشویق‌کننده برای آزمایش و خطا از جمله اقدامات پیشنهادی هستند.

۵. آیا این مطالعه راهنمایی برای دانشجویان دکتری دارد؟

بله. دانشجویان می‌توانند روی تقویت انگیزش درونی خود، جستجوی فرصت‌های دسترسی به منابع، و کسب مهارت‌های مرتبط با GenAI و خلاقیت تمرکز کنند تا احتمال بروز رفتارهای نوآورانه افزایش یابد.

محدوده‌های پژوهشی باز و پیشنهادها برای مطالعات آینده

بر پایهٔ محدودیت‌های ذکرشده، پژوهش‌های آینده می‌توانند:

• طراحی‌های طولی برای بررسی روابط علت و معلولی بین انگیزش و نوآوری ارائه دهند.
• اثر تفاوت‌های رشته‌ای (علوم تجربی، علوم انسانی، علوم اجتماعی، مهندسی) و تفاوت‌های جغرافیایی را بررسی کنند.
• تحلیل‌های عمیق‌تری از اجزای سواد GenAI (فنی، اخلاقی، کاربردی) انجام دهند و بسنجند هر کدام چگونه به نوآوری کمک می‌کنند.
• مداخلات سازمانی (مانند دوره‌های آموزشی یا اعطای بودجه تحقیقاتی) را آزمایش کنند تا ببینند کدام سیاست‌ها کاراترند.

جمع‌بندی کاربردی

این مطالعه نشان می‌دهد که انگیزش—به‌ویژه انگیزش خودمختار—پایهٔ مهمی برای رفتار نوآورانهٔ دانشجویان دکتری است، اما تحقق کامل نوآوری نیازمند فرصت‌ها (منابع و حمایت) و توانایی‌ها (سواد GenAI و خودکارآمدی خلاقانه) است. دانشگاه‌ها و سیاست‌گذاران آموزشی که می‌خواهند ظرفیت نوآوری پژوهشی را افزایش دهند، باید همزمان روی تقویت انگیزش درونی دانشجویان، فراهم کردن منابع ملموس و ارتقای سواد و اعتماد به نفس آنها در استفادهٔ مسئولانه از GenAI کار کنند. در عین حال، پژوهش‌های طولی و رشته‌ای بیشتر لازم است تا بتوان تعمیم و علیت را بهتر بررسی کرد.

منبع

Original article: Exploring the influencing factors of academic doctoral students’ academic innovation behavior in the context of generative artificial intelligence: Self-determination theory and motivation-opportunity-ability perspectives. PLOS One, 2026. DOI: https://doi.org/10.1371/journal.pone.0355186

مطالب این مقاله فقط برای افزایش آگاهی عمومی است و جایگزین تشخیص یا درمان پزشکی نیست. برای اطلاعات بیشتر، صفحه سیاست پزشکی و سلب مسئولیت پزشک سایت را بخوانید.