Asian Interdisciplinary and Sustainability Review

This phenomenological study explores the lived experiences of Thai Generation Z hikers, thoroughly examining the critical intersection of artificial intelligence (AI) literacy and complex decision-making in wilderness environments. As young adventurers increasingly pursue nature-based eco-experientia for psychological restoration, AI has rapidly evolved into an active, front-facing backcountry companion. Using the Theory of Technological Mediation alongside robust methodological triangulation—including in-depth interviews, focus groups, and interactive discussions with university-aged hikers—this research examines how algorithmic tools profoundly reshape human-nature relationships. The empirical findings clearly show that AI is seamlessly integrated throughout the trekking lifecycle, functioning as a vital digital safety net that mitigates environmental uncertainty. However, this deep integration precipitates a highly complex socio-technical paradox. While participants consistently exhibit exceptional functional AI literacy, an emerging algorithmic dependency actively threatens to erode traditional, intuitive wilderness judgment. Ultimately, AI facilitates a hermeneutic relationship in which pristine nature is interpreted through curated data, fundamentally transforming raw exploration into a mediated digital reality that urgently requires careful preservation of human agency within adventure tourism.

این مطالعه پدیدارشناختی به بررسی تجارب زیسته کوهنوردان نسل Z تایلندی می‌پردازد و به طور جامع به تلاقی حیاتی سواد هوش مصنوعی (AI) و تصمیم‌گیری پیچیده در محیط‌های بکر طبیعی می‌پردازد. با افزایش تمایل جوانان ماجراجو به تجربه‌های طبیعت‌محور برای بازسازی روان‌شناختی، هوش مصنوعی به سرعت به یک همراه فعال و پیشرو در مناطق دورافتاده تبدیل شده است. با بهره‌گیری از نظریه میانجی‌گری فناورانه و تلفیق روش‌شناسی قوی شامل مصاحبه‌های عمیق، گروه‌های کانونی و بحث‌های تعاملی با کوهنوردان در سنین دانشگاهی، این پژوهش بررسی می‌کند که چگونه ابزارهای الگوریتمی به طور عمیق روابط انسان و طبیعت را بازشکل می‌دهند. یافته‌های تجربی به روشنی نشان می‌دهند که هوش مصنوعی در سراسر چرخه حیات کوهنوردی به طور یکپارچه ادغام شده و به عنوان یک شبکه ایمنی دیجیتال حیاتی عمل می‌کند که عدم قطعیت‌های محیطی را کاهش می‌دهد. با این حال، این ادغام عمیق منجر به یک پارادوکس اجتماعی-فناورانه بسیار پیچیده می‌شود. در حالی که شرکت‌کنندگان به طور مداوم سواد عملکردی استثنایی در زمینه هوش مصنوعی از خود نشان می‌دهند، وابستگی فزاینده به الگوریتم‌ها به طور فعال تهدید می‌کند که قضاوت‌های سنتی و شهودی در طبیعت را تضعیف کند. در نهایت، هوش مصنوعی رابطه‌ای هرمنوتیکی را تسهیل می‌کند که در آن طبیعت بکر از طریق داده‌های گزینش‌شده تفسیر می‌شود و کاوش خام را به واقعیتی دیجیتال و میانجی‌گری‌شده تبدیل می‌کند که به طور فوری نیازمند حفظ دقیق عاملیت انسانی در گردشگری ماجراجویانه است.

This quasi-experimental study investigates the pedagogical effectiveness of Polya’s structured problem-solving framework in enhancing analytical thinking and academic achievement in high school physics. The research focused on tenth-grade students studying linear motion and free fall and used a one-group pretest-posttest design to evaluate cognitive and affective outcomes. The empirical results reveal a highly significant improvement in post-instruction physics learning achievement (p < .001) with a substantial effect size (Cohen's d = 1.59), successfully exceeding the rigorous 60% curriculum mastery criterion (p < .05). Concurrently, the students' analytical thinking abilities demonstrated marked, statistically significant growth (p < .001). Beyond cognitive gains, the structured intervention fostered highly positive attitudes toward the physics curriculum, with students reporting increased interest, determination, and academic responsibility. These findings strongly affirm that systematically integrating Polya’s four-step heuristic effectively supports metacognitive regulation, mitigates traditional problem-solving deficits, and consistently drives superior academic performance in complex scientific disciplines, providing a robust pedagogical model for contemporary physics education.

این مطالعه‌ی شبه‌آزمایشی به بررسی اثربخشی آموزشی چارچوب ساختاریافته‌ی حل مسئله‌ی Polya در ارتقای تفکر تحلیلی و پیشرفت تحصیلی در درس فیزیک دبیرستان می‌پردازد. پژوهش بر دانش‌آموزان پایه‌ی دهم که مباحث حرکت خطی و سقوط آزاد را مطالعه می‌کردند، متمرکز بوده و از طرح پیش‌آزمون-پس‌آزمون با یک گروه برای ارزیابی پیامدهای شناختی و عاطفی استفاده کرده است. نتایج تجربی نشان‌دهنده‌ی بهبود بسیار معنادار در پیشرفت یادگیری فیزیک پس از آموزش (p < .001) با اندازه‌ی اثر قابل توجه (Cohen's d = 1.59) است که به طور موفقیت‌آمیزی از معیار سختگیرانه‌ی تسلط بر برنامه‌ی درسی ۶۰٪ فراتر رفته است (p < .05). همزمان، توانایی‌های تفکر تحلیلی دانش‌آموزان نیز رشد چشمگیر و معنادار آماری را نشان داد (p < .001). فراتر از دستاوردهای شناختی، مداخله‌ی ساختاریافته نگرش‌های بسیار مثبتی نسبت به برنامه‌ی درسی فیزیک ایجاد کرد و دانش‌آموزان افزایش علاقه، پشتکار و مسئولیت‌پذیری تحصیلی را گزارش کردند. این یافته‌ها به طور قوی تأیید می‌کنند که ادغام نظام‌مند راهبرد چهارمرحله‌ای Polya به طور مؤثری از تنظیم فراشناختی حمایت می‌کند، کاستی‌های سنتی حل مسئله را کاهش می‌دهد و به طور پیوسته عملکرد تحصیلی برتر را در رشته‌های علمی پیچیده رقم می‌زند و مدل آموزشی نیرومندی برای آموزش معاصر فیزیک فراهم می‌آورد.