academic motivation

Purpose: This study aimed to design and evaluate an artificial intelligence–based model for predicting the mathematics performance of twelfth-grade experimental sciences students based on individual, educational, and learning technology factors. Methods and Materials: This applied, quantitative, cross-sectional, and predictive study was conducted among twelfth-grade experimental sciences students in Isfahan, Iran. A total of 187 questionnaires were distributed, and after removing incomplete, inconsistent, and invalid records, data from 84 students were retained for analysis. Data were collected using a structured questionnaire assessing individual factors, educational conditions, and learning technology variables, together with students’ recorded mathematics scores. The dataset was divided into training and testing subsets, and repeated five-fold cross-validation was used for internal model development. Multiple linear regression, ridge regression, lasso regression, elastic net regression, decision tree regression, random forest regression, gradient boosting regression, and support vector regression were compared. Model performance was evaluated using mean absolute error, root mean squared error, and the coefficient of determination. Findings: Previous mathematics achievement had the strongest positive correlation with current mathematics performance, followed by mathematics self-efficacy, study regularity, academic motivation, teacher feedback, instructional quality, and educational use of learning technologies. Test anxiety and digital distraction were negatively associated with mathematics performance. Among the evaluated algorithms, gradient boosting regression achieved the best predictive performance, with a test-set mean absolute error of 0.93, root mean squared error of 1.26, and coefficient of determination of .72. Previous mathematics achievement, mathematics self-efficacy, study regularity, teacher feedback, educational use of learning technologies, test anxiety, and instructional quality were the most influential predictors. Adding educational factors increased explained variance from .54 to .65, while including learning technology factors further increased it to .72. Conclusion: The findings indicate that mathematics performance can be predicted with acceptable accuracy by integrating students’ prior achievement, psychological and behavioral characteristics, instructional experiences, and learning technology use within an interpretable artificial intelligence model.

هدف: این مطالعه با هدف طراحی و ارزیابی یک مدل مبتنی بر هوش مصنوعی برای پیش‌بینی عملکرد ریاضی دانش‌آموزان پایه دوازدهم رشته علوم تجربی بر اساس عوامل فردی، آموزشی و فناوری‌های یادگیری انجام شد. روش‌ها و مواد: این پژوهش کاربردی، کمی، مقطعی و پیش‌بینانه در میان دانش‌آموزان پایه دوازدهم رشته علوم تجربی شهر اصفهان، ایران انجام شد. در مجموع ۱۸۷ پرسشنامه توزیع گردید و پس از حذف داده‌های ناقص، ناسازگار و نامعتبر، داده‌های ۸۴ دانش‌آموز برای تحلیل حفظ شد. داده‌ها با استفاده از پرسشنامه ساختاریافته‌ای که عوامل فردی، شرایط آموزشی و متغیرهای فناوری یادگیری را ارزیابی می‌کرد، همراه با نمرات ثبت‌شده ریاضی دانش‌آموزان جمع‌آوری شد. مجموعه داده به زیرمجموعه‌های آموزش و آزمون تقسیم شد و برای توسعه داخلی مدل از اعتبارسنجی متقاطع پنج‌باره تکراری استفاده گردید. رگرسیون خطی چندگانه، رگرسیون ریج، رگرسیون لاسو، رگرسیون الاستیک نت، رگرسیون درخت تصمیم، رگرسیون جنگل تصادفی، رگرسیون گرادیان بوستینگ و رگرسیون بردار پشتیبان با یکدیگر مقایسه شدند. عملکرد مدل با استفاده از میانگین خطای مطلق، ریشه میانگین مربعات خطا و ضریب تعیین ارزیابی شد. یافته‌ها: پیشرفت قبلی در ریاضی بیشترین همبستگی مثبت را با عملکرد فعلی ریاضی داشت و پس از آن خودکارآمدی ریاضی، نظم در مطالعه، انگیزش تحصیلی، بازخورد معلم، کیفیت تدریس و استفاده آموزشی از فناوری‌های یادگیری قرار داشتند. اضطراب امتحان و حواس‌پرتی دیجیتال با عملکرد ریاضی رابطه منفی داشتند. در میان الگوریتم‌های ارزیابی‌شده، رگرسیون گرادیان بوستینگ بهترین عملکرد پیش‌بینی را با میانگین خطای مطلق ۰٫۹۳، ریشه میانگین مربعات خطا ۱٫۲۶ و ضریب تعیین ۰٫۷۲ در مجموعه آزمون به دست آورد. پیشرفت قبلی در ریاضی، خودکارآمدی ریاضی، نظم در مطالعه، بازخورد معلم، استفاده آموزشی از فناوری‌های یادگیری، اضطراب امتحان و کیفیت تدریس از مهم‌ترین پیش‌بین‌ها بودند. افزودن عوامل آموزشی واریانس تبیین‌شده را از ۰٫۵۴ به ۰٫۶۵ افزایش داد و افزودن عوامل فناوری یادگیری آن را به ۰٫۷۲ رساند. نتیجه‌گیری: یافته‌ها نشان می‌دهد که عملکرد ریاضی را می‌توان با دقت قابل قبول از طریق ادغام پیشرفت قبلی دانش‌آموزان، ویژگی‌های روان‌شناختی و رفتاری، تجارب آموزشی و استفاده از فناوری‌های یادگیری در یک مدل مبتنی بر هوش مصنوعی قابل تفسیر پیش‌بینی کرد.

Academic motivation in physically demanding university programmes may be better understood by considering motivational quality rather than motivation quantity alone. This cross-sectional observational survey supplemented by structured content analysis examined relationships among basic psychological need satisfaction and frustration, autonomous motivation, controlled motivation, amotivation, continuation intention, and career commitment in first- and second-year students enrolled in Physical Education and Mountain Sports at Transilvania University of Brașov. Data were collected from 6 to 30 October 2025 after ethics approval, yielding a final analytical sample of 237 students. Participants completed the Academic Motivation Scale-College/University version, the Basic Psychological Need Satisfaction and Frustration Scale, contextual and sport-related items, continuation and career indicators, and two open-ended prompts. Original open-ended answers were standardized into 50 motivation and 50 demotivation formulations and independently coded by both authors. Autonomous motivation averaged 5.04 (SD = 1.05), amotivation 2.40 (SD = 0.95), overall need satisfaction 3.72 (SD = 0.73), and overall need frustration 2.21 (SD = 0.76). Need satisfaction correlated strongly with autonomous motivation (Spearman ρ = 0.704), whereas need frustration correlated strongly with amotivation (ρ = 0.661). In adjusted models, need satisfaction was positively associated with autonomous motivation (β = 0.539, p < 0.001), and need frustration was positively associated with amotivation (β = 0.569, p < 0.001). Human coding agreement was high for motivation (92.0%, κ = 0.898) and demotivation (94.0%, κ = 0.927). Teaching/prosocial impact was the most frequent motivation category (33.8%), while curriculum/teaching/assessment was the most frequent demotivation category (23.6%). Overall, self-reported need satisfaction and frustration were differentially associated with motivational quality in this cohort, but the cross-sectional, single-faculty design precludes causal or population-level conclusions.

Introduction As noted in successive OECD assessment reports, global education systems are shifting from standardized assessments toward prioritizing students’ psychological wellbeing and autonomous agency. However, cross-cultural quantitative evidence regarding how these macro-policy transformations relate to students’ micro-psychological perceptions and academic behaviors remains limited. Methods Utilizing a cross-sectional survey, this study analyzed data from 1,309 university students in Shanghai, China, and Kazakhstan. Multi-Group Confirmatory Factor Analysis and Structural Equation Modeling (SEM) were employed to examine the structural associations and measurement invariance among Perceived Educational Transformation (PET), Intrinsic Motivation (IM), and Learning Engagement (LE). Results The three-factor model demonstrated strict measurement invariance across both samples. SEM findings indicated that IM partially mediated a significant indirect associative mechanism the positive structural relationship between PET and LE (indirect effect = 0.098, 95% CI [0.076, 0.122]). This statistical mediating pathway was consistent across both cohorts, showing only trivial inter-group differences (all parameter Δ p > 0.05). Baseline comparisons revealed the Shanghai sample reported higher PET, yet IM and LE levels exhibited no significant quantitative differences between the two groups (Cohen’s d < 0.10). Discussion Higher perceptions of educational transformation do not linearly correspond to enhanced motivation, potentially constrained by unobserved systemic evaluation pressures. The findings suggest that autonomy-supportive educational environments are consistently associated with higher Intrinsic Motivation and academic engagement, regardless of differentiated macro-educational contexts. However, due to the cross-sectional design, these findings represent structural associations rather than directional causality.

Academic motivation in higher education constitutes a multidimensional construct shaped by structural conditions that influence students’ academic performance, persistence, and educational trajectories. In contexts characterized by persistent social inequalities, understanding how socioeconomic status (SES) configures motivational processes is essential for the development of university policies aimed at equity and educational sustainability. The purpose of this study was to conduct a critical synthesis of international evidence on the mechanisms through which socioeconomic factors influences academic motivation in higher education during the period period 2017–2020 and 2022–2025. A systematic review was carried out in accordance with PRISMA guidelines to ensure methodological rigor, transparency, and replicability. The literature search was conducted in the Scopus database using structured Boolean search equations. After applying predefined inclusion and exclusion criteria, 33 empirical studies were selected for the final analysis. The results of the systematic synthesis reveal sustained growth in scientific output and progressive geographic diversification of the field. Cross-sectional quantitative studies predominate, employing regression models and structural analyses to examine the relationship between parental educational level, financial support, and intrinsic motivation or academic engagement. In addition, several studies incorporate mediating variables such as self-efficacy, institutional integration, and sense of belonging, revealing non-linear explanatory configurations. Overall, the evidence indicates that the influence of socioeconomic status operates through both direct and indirect mechanisms linked to cultural capital and institutional resources. This review identifies key theoretical convergences as well as recurrent methodological limitations within the field. Finally, the findings underscore the need for longitudinal studies and multilevel approaches to deepen the understanding of motivational inequalities in higher education.

انگیزش تحصیلی در آموزش عالی یک سازه چندبعدی است که توسط شرایط ساختاری شکل می‌گیرد و بر عملکرد تحصیلی، پایداری و مسیرهای آموزشی دانشجویان تأثیر می‌گذارد. در زمینه‌هایی که با نابرابری‌های اجتماعی پایدار مشخص می‌شوند، درک نحوه پیکربندی فرآیندهای انگیزشی توسط وضعیت اجتماعی‌اقتصادی (SES) برای توسعه سیاست‌های دانشگاهی با هدف عدالت و پایداری آموزشی ضروری است. هدف این مطالعه انجام سنتز انتقادی شواهد بین‌المللی درباره سازوکارهایی بود که از طریق آن‌ها عوامل اجتماعی‌اقتصادی بر انگیزش تحصیلی در آموزش عالی طی دوره‌های ۲۰۱۷–۲۰۲۰ و ۲۰۲۲–۲۰۲۵ تأثیر می‌گذارند. مرور نظام‌مند مطابق با دستورالعمل‌های PRISMA به منظور تضمین دقت روش‌شناختی، شفافیت و قابلیت تکرار انجام شد. جستجوی منابع در پایگاه داده Scopus با استفاده از معادلات جستجوی بولی ساختاریافته صورت گرفت. پس از اعمال معیارهای از پیش تعیین‌شده برای ورود و خروج مطالعات، ۳۳ مطالعه تجربی برای تحلیل نهایی انتخاب شدند. نتایج سنتز نظام‌مند نشان‌دهنده رشد پایدار تولیدات علمی و تنوع جغرافیایی تدریجی در این حوزه است. مطالعات کمی مقطعی غالب هستند که با به‌کارگیری مدل‌های رگرسیون و تحلیل‌های ساختاری به بررسی رابطه بین سطح تحصیلات والدین، حمایت مالی و انگیزش درونی یا درگیری تحصیلی می‌پردازند. علاوه بر این، چندین مطالعه متغیرهای میانجی مانند خودکارآمدی، یکپارچگی نهادی و احساس تعلق را وارد مدل کرده‌اند که پیکربندی‌های تبیینی غیرخطی را آشکار می‌سازد. به طور کلی، شواهد نشان می‌دهد که تأثیر وضعیت اجتماعی‌اقتصادی از طریق سازوکارهای مستقیم و غیرمستقیم مرتبط با سرمایه فرهنگی و منابع نهادی عمل می‌کند. این مرور همگرایی‌های نظری کلیدی و همچنین محدودیت‌های روش‌شناختی تکرارشونده در این حوزه را شناسایی می‌کند. در نهایت، یافته‌ها بر ضرورت مطالعات طولی و رویکردهای چندسطحی برای تعمیق درک نابرابری‌های انگیزشی در آموزش عالی تأکید می‌کنند.

Introduction This study explores the implementation of active learning methodologies in university teaching and their influence on the development of professional competencies among postgraduate students, through a literature review of 18 scientific articles published between 2020 and 2025, selected from the specialized databases Science Direct and ERIC. Methods The reviewed studies focus on strategies such as flipped classroom, problem-based learning, collaborative work, and gamification, highlighting their contribution to the enhancement of critical thinking, academic motivation, and employability. Results The findings reveal that effective implementation of these methodologies requires ongoing teacher training, curriculum redesign, coherent formative assessment, and pedagogical integration of emerging technologies. Persistent barriers remain related to institutional resistance, limited resources, and attitudinal constraints among faculty. Discussion It is concluded that active methodologies should not be understood as isolated techniques, but as essential components of a complex pedagogical ecology that demands integrated structural, cultural, and formative conditions aimed at transforming higher education and strengthening the professional profile of postgraduate students in a globalized educational context.

مقدمه: این مطالعه به بررسی اجرای روش‌شناسی‌های یادگیری فعال در آموزش دانشگاهی و تأثیر آن‌ها بر توسعه شایستگی‌های حرفه‌ای دانشجویان تحصیلات تکمیلی می‌پردازد. این بررسی از طریق مرور ادبیات ۱۸ مقاله علمی منتشرشده بین سال‌های ۲۰۲۰ تا ۲۰۲۵ که از پایگاه‌های تخصصی Science Direct و ERIC انتخاب شده‌اند، انجام شده است. روش‌ها: مطالعات مرورشده بر راهبردهایی مانند کلاس معکوس، یادگیری مبتنی بر مسئله، کار گروهی و بازی‌وارسازی تمرکز دارند و نقش آن‌ها را در ارتقای تفکر انتقادی، انگیزش تحصیلی و قابلیت اشتغال برجسته می‌کنند. یافته‌ها: نتایج نشان می‌دهد که اجرای مؤثر این روش‌شناسی‌ها مستلزم آموزش مستمر اساتید، بازطراحی برنامه درسی، ارزیابی تکوینی منسجم و ادغام پداگوژیک فناوری‌های نوظهور است. موانع پایداری همچنان در زمینه مقاومت نهادی، منابع محدود و محدودیت‌های نگرشی در میان اعضای هیئت علمی وجود دارد. بحث: نتیجه‌گیری می‌شود که روش‌های فعال نباید به عنوان تکنیک‌هایی منفرد تلقی شوند، بلکه باید به عنوان اجزای اساسی یک بوم‌شناسی پداگوژیک پیچیده در نظر گرفته شوند که مستلزم شرایط ساختاری، فرهنگی و آموزشی یکپارچه با هدف تحول آموزش عالی و تقویت پروفایل حرفه‌ای دانشجویان تحصیلات تکمیلی در زمینه آموزشی جهانی‌شده است.

Adaptability is defined as appropriate cognitive, behavioral, and/or affective adjustment in the face of uncertainty and novelty. Building on prior measurement work demonstrating the psychometric properties of an adaptability construct, the present study investigates dispositional predictors (personality, implicit theories) of adaptability, and the role of adaptability in predicting academic (motivation, engagement, disengagement) and non-academic (self-esteem, life satisfaction, sense of meaning and purpose, emotional instability) outcomes. This longitudinal study (2 time points, 1 year apart), involving 969 adolescents from 9 high schools, found that personality (conscientiousness and agreeableness—positively; neuroticism—negatively) and implicit theories (effort-related beliefs about intelligence—positively) significantly predicted adaptability (beyond the effects of socio-demographics and prior achievement). Further, adaptability significantly predicted academic (class participation, school enjoyment, and positive academic intentions—positively; self-handicapping and disengagement—negatively) and non-academic (self-esteem, life satisfaction, and sense of meaning and purpose—positively) outcomes beyond the effects of socio-demographic factors, prior achievement, personality, implicit theories, and 2 cognate correlates (buoyancy and self-regulation). These findings hold implications for researchers and practitioners seeking to understand and address young people’s responses to their changing academic and non-academic worlds.

سازگاری به عنوان تنظیم شناختی، رفتاری و/یا عاطفی مناسب در مواجهه با عدم قطعیت و نوآوری تعریف می‌شود. با تکیه بر پژوهش‌های پیشین که ویژگی‌های روان‌سنجی سازه سازگاری را نشان داده‌اند، مطالعه حاضر به بررسی پیش‌بین‌های صفتی (شخصیت، نظریه‌های ضمنی) سازگاری و نقش سازگاری در پیش‌بینی پیامدهای تحصیلی (انگیزش، مشارکت، کناره‌گیری) و غیرتحصیلی (عزت نفس، رضایت از زندگی، احساس معنا و هدف، بی‌ثباتی عاطفی) می‌پردازد. این مطالعه طولی (در دو نقطه زمانی با فاصله یک سال)، با مشارکت ۹۶۹ نوجوان از ۹ دبیرستان، نشان داد که شخصیت (وظیفه‌شناسی و توافق‌پذیری—به طور مثبت؛ روان‌رنجوری—به طور منفی) و نظریه‌های ضمنی (باورهای مرتبط با تلاش درباره هوش—به طور مثبت) به طور معناداری سازگاری را پیش‌بینی کردند (فراتر از اثرات عوامل جمعیت‌شناختی و پیشرفت قبلی). همچنین، سازگاری به طور معناداری پیامدهای تحصیلی (مشارکت در کلاس، لذت از مدرسه و نیت‌های تحصیلی مثبت—به طور مثبت؛ خودناتوان‌سازی و کناره‌گیری—به طور منفی) و غیرتحصیلی (عزت نفس، رضایت از زندگی و احساس معنا و هدف—به طور مثبت) را فراتر از اثرات عوامل جمعیت‌شناختی، پیشرفت قبلی، شخصیت، نظریه‌های ضمنی و دو همبسته مشابه (شناوری و خودتنظیمی) پیش‌بینی کرد. این یافته‌ها برای پژوهشگران و متخصصانی که به دنبال درک و پرداختن به واکنش‌های نوجوانان نسبت به دنیای تحصیلی و غیرتحصیلی در حال تغییر آن‌ها هستند، دارای پیامدهایی است.