dual-process theory

Higher education has historically operated under a paradigm of information scarcity, positioning universities as premier institutions for curating and transmitting knowledge. The convergence of digital hyper-abundance, algorithmic curation, and generative artificial intelligence (GenAI) has disrupted this model, producing what educators increasingly describe as a crisis of critical thinking in higher education. The purpose of this review is to examine how information abundance, algorithmic curation, and GenAI use may influence university students’ critical thinking, and to synthesise what this evidence implies for what universities teach and how they assess. Using a critical narrative review design with thematic synthesis, the review analyses 45 verified sources (empirical studies, systematic reviews and meta-analyses, conceptual works, and policy guidance) identified through citation chaining and targeted searches; empirical GenAI studies date from November 2022 to 2026, and foundational theoretical works from 1976 onward. The synthesis is anchored in an integrative framework that combines cognitive load and dual-process theory, cognitive offloading, scaffolding theory, self-regulated learning, and epistemic cognition, with critical thinking as the principal outcome. Five themes emerged: (1) information abundance appears to shift the central cognitive challenge from retrieval to evaluation; (2) unguided GenAI use is associated with reduced cognitive engagement and, in several experiments, with weaker independent performance once AI support is removed, although guardrailed designs appear to mitigate this; (3) fluent AI output can be mistaken for validated knowledge, and AI-detection tools are unreliable and biased; (4) lateral reading, guided AI use, and process-visible assessment have promising but uneven support; and (5) workload, equity, and policy constraints limit adoption. From these themes, the review derives the Fade–Visibility Matrix, which crosses AI support structure (persistent versus fading) with assessment design (product-only versus process-visible) to yield four diagnostic states. The evidence is early and methodologically uneven, but it is most consistent with a structural rather than individual explanation. Universities should therefore teach evaluation, verification, and metacognitive regulation explicitly, design AI support to fade, and redesign assessment so that the learning process, not only the finished product, can be observed.

Comprehensive self-report personality inventories can impose substantial response burden, motivating the development of more efficient assessment strategies and the exploration of complementary information sources. Guided by Dual-Process Theory, this exploratory study examined a questionnaire-primary residual fusion framework in which a reduced questionnaire response vector served as the main predictive source, while static abstract line drawings were evaluated as a bounded auxiliary source of information. A total of 100 participants completed the 187-item Sixteen Personality Factor Questionnaire (16PF) and provided unprompted abstract line drawings. To account for the small sample size and reduce optimistic bias, we used participant-level repeated cross-validation, fold-local questionnaire item selection, standardized image preprocessing, cross-fitted residual learning, and nested selection of the visual correction scale. The reduced questionnaire provided a useful but imperfect held-out approximation of the full-form 16PF reference scores, with factor-level Pearson correlations ranging from 0.34 to 0.78. In contrast, the static drawing modality did not provide stable incremental predictive value. Nested validation selected a zero visual correction in 21 of 25 outer folds, and the fixed scale originally proposed for visual correction (0.05) produced a slightly higher mean absolute error than the questionnaire-only condition (1.2120 vs. 1.2100). An exploratory analysis using teacher-provided observer ratings likewise showed no advantage for visual fusion over questionnaire-only prediction. These findings indicate that Dual-Process Theory can motivate a testable asymmetric framework for integrating explicit and non-verbal information, but the present data do not support static final line drawings as a reliable source of incremental personality information. Future research should examine richer process-level drawing signals, including stroke timing, pauses, pressure, and trajectory dynamics, in larger independent samples.

فهرست‌های جامع خودگزارشی شخصیت می‌توانند بار پاسخ‌دهی قابل توجهی را بر شرکت‌کنندگان تحمیل کنند، که این امر انگیزه‌ای برای توسعه راهبردهای ارزیابی کارآمدتر و بررسی منابع اطلاعاتی مکمل فراهم می‌کند. این مطالعه اکتشافی با راهنمایی نظریه فرایند دوگانه، چارچوبی ترکیبی از پرسشنامه و باقیمانده اولیه را مورد بررسی قرار داد که در آن، بردار پاسخ پرسشنامه کاهش‌یافته به عنوان منبع اصلی پیش‌بینی به کار گرفته شد و نقاشی‌های خطی انتزاعی ایستا به عنوان منبع کمکی محدود اطلاعات ارزیابی شدند. در مجموع ۱۰۰ شرکت‌کننده، پرسشنامه ۱۶ عاملی شخصیت (16PF) با ۱۸۷ ماده را تکمیل کردند و نقاشی‌های خطی انتزاعی بدون راهنمایی ارائه دادند. به منظور جبران حجم نمونه کوچک و کاهش سوگیری خوش‌بینانه، از اعتبارسنجی متقاطع تکراری در سطح شرکت‌کننده، انتخاب ماده پرسشنامه به صورت محلی در هر fold، پیش‌پردازش استاندارد تصویر، یادگیری باقیمانده متقاطع و انتخاب تو در توی مقیاس اصلاح بصری استفاده شد. پرسشنامه کاهش‌یافته، تقریب مفیدی اما ناقص از نمرات مرجع فرم کامل 16PF در داده‌های نگه‌داشته‌شده ارائه داد، به طوری که همبستگی پیرسون در سطح عامل بین ۰٫۳۴ تا ۰٫۷۸ متغیر بود. در مقابل، مدالیته نقاشی ایستا ارزش افزوده پیش‌بینی‌کننده پایداری ارائه نکرد. اعتبارسنجی تو در تو در ۲۱ مورد از ۲۵ fold بیرونی، اصلاح بصری صفر را انتخاب کرد و مقیاس ثابتی که در ابتدا برای اصلاح بصری پیشنهاد شده بود (۰٫۰۵)، میانگین خطای مطلق کمی بالاتری نسبت به حالت صرفاً پرسشنامه‌ای ایجاد کرد (۱٫۲۱۲۰ در مقابل ۱٫۲۱۰۰). تحلیل اکتشافی با استفاده از ارزیابی‌های مشاهده‌گر ارائه‌شده توسط معلم نیز هیچ مزیتی برای ترکیب بصری نسبت به پیش‌بینی صرفاً پرسشنامه‌ای نشان نداد. این یافته‌ها نشان می‌دهد که نظریه فرایند دوگانه می‌تواند چارچوب نامتقارن قابل آزمونی برای ادغام اطلاعات صریح و غیرکلامی فراهم کند، اما داده‌های حاضر از نقاشی‌های خطی نهایی ایستا به عنوان منبع قابل اعتماد اطلاعات افزوده شخصیت حمایت نمی‌کند. پژوهش‌های آینده باید سیگنال‌های غنی‌تر فرایندی نقاشی، از جمله زمان‌بندی ضربه، مکث‌ها، فشار و پویایی مسیر را در نمونه‌های مستقل بزرگ‌تر بررسی کنند.

This study examined how critical thinking and digital literacy contribute to civic engagement among pre-service primary school teachers in a Civic Education course using Project-Based Civic Learning (PjBCL) at an Indonesian university. Using a quantitative correlational design, data from 126 students were analysed with partial least squares structural equation modelling. Pre-post gains were large for critical thinking (d = 1.116), digital literacy (d = 1.418) and civic engagement (d = 1.726). The two competencies operated through different mechanisms. Critical thinking partially mediated the effect of PjBCL on civic engagement (indirect effect = 0.038; 95% CI [0.012, 0.072]), whereas digital literacy did not. Although digital literacy was the strongest direct predictor of civic engagement (β = 0.350; f² = 0.124), its link with PjBCL was negligible (β = 0.004; Q² = 0.001), suggesting students develop it mainly through informal online engagement rather than the curriculum. Building on dual-process theory, the study proposes Digitally Scaffolded Civic Learning (DSCL), which embeds digital literacy in each stage of project-based civic instruction, offering implications for curriculum planners in Indonesian civic education.

این مطالعه به بررسی نقش تفکر انتقادی و سواد دیجیتال در مشارکت مدنی دانشجویان معلم ابتدایی در درس آموزش مدنی با استفاده از یادگیری مدنی مبتنی بر پروژه (PjBCL) در یک دانشگاه اندونزیایی پرداخت. با استفاده از طرح همبستگی کمی، داده‌های ۱۲۶ دانشجو با مدل‌یابی معادلات ساختاری حداقل مربعات جزئی تحلیل شد. افزایش پیش‌آزمون تا پس‌آزمون برای تفکر انتقادی (d = ۱.۱۱۶)، سواد دیجیتال (d = ۱.۴۱۸) و مشارکت مدنی (d = ۱.۷۲۶) قابل توجه بود. این دو شایستگی از طریق سازوکارهای متفاوتی عمل کردند. تفکر انتقادی به طور جزئی اثر PjBCL بر مشارکت مدنی را میانجی‌گری کرد (اثر غیرمستقیم = ۰.۰۳۸؛ ۹۵٪ CI [۰.۰۱۲، ۰.۰۷۲])، در حالی که سواد دیجیتال چنین نقشی نداشت. اگرچه سواد دیجیتال قوی‌ترین پیش‌بینی‌کننده مستقیم مشارکت مدنی بود (β = ۰.۳۵۰؛ f² = ۰.۱۲۴)، ارتباط آن با PjBCL ناچیز بود (β = ۰.۰۰۴؛ Q² = ۰.۰۰۱)، که نشان می‌دهد دانشجویان عمدتاً آن را از طریق مشارکت غیررسمی آنلاین و نه از طریق برنامه درسی توسعه می‌دهند. با تکیه بر نظریه فرایند دوگانه، این پژوهش یادگیری مدنی مبتنی بر حمایت دیجیتال (DSCL) را پیشنهاد می‌کند که سواد دیجیتال را در هر مرحله از آموزش مدنی مبتنی بر پروژه ادغام می‌کند و پیامدهایی برای برنامه‌ریزان درسی آموزش مدنی اندونزی دارد.