JEKPEND Jurnal Ekonomi dan Pendidikan Volume 9 Nomor 2 Bulan Juli 2026 Hal.
p-ISSN: 2614-2139.
e-IS SN:Septi 2614-1973.
Anesia Purnama.
Jean Elikal Marna.
Peran Artificial IntelligenceA| 18 Homepage:http://ojs.
id/JEKPEND Peran Artificial Intelligence dan Self-Directed Learning terhadap Strategi Belajar Mahasiswa Pendidikan Ekonomi Septi Anesia Purnama1*.
Jean Elikal Marna2 Departemen Pendidikan Ekonomi.
Fakultas Ekonomi dan Bisnis.
Universitas Negeri Padang Email: septianesiapurnama@gmail.
jeanelikal@fe.
Corresponding Author Publish: 15 Juli 2026 Abstrack.
This study examines the roles of Artificial Intelligence and Self-Directed Learning in learning strategies among Economics Education students at Universitas Negeri Padang.
This study used an associative quantitative approach involving 87 students selected through proportional random sampling from a population of 646 active students.
Data were collected using a questionnaire and analyzed with multiple linear regression.
The results show that Artificial Intelligence has a positive but statistically nonsignificant coefficient, so a real effect of Artificial Intelligence on learning strategies cannot be concluded from these data.
Self-Directed Learning has a positive and significant effect on learning strategies.
Simultaneously.
Artificial Intelligence and Self-Directed Learning significantly explain studentsAo learning strategies with an adjusted RA of 37.
These findings indicate that studentsAo capacity to plan, monitor, and evaluate their learning independently plays a stronger role in shaping learning strategies than the mere use of Artificial Intelligence tools.
Keywords: Artificial Intelligence.
Self-Directed Learning.
Learning Strategies.
Economics Education.
Abstrak.
Penelitian ini bertujuan menganalisis peran Artificial Intelligence dan SelfDirected Learning terhadap strategi belajar mahasiswa Pendidikan Ekonomi Universitas Negeri Padang.
Penelitian menggunakan pendekatan kuantitatif asosiatif dengan 87 mahasiswa yang dipilih melalui proportional random sampling dari populasi 646 mahasiswa aktif.
Data dikumpulkan menggunakan kuesioner dan dianalisis dengan regresi linear berganda.
Hasil penelitian menunjukkan bahwa Artificial Intelligence memiliki koefisien positif, tetapi tidak signifikan secara statistik, sehingga pengaruh nyata Artificial Intelligence terhadap strategi belajar belum dapat disimpulkan berdasarkan data penelitian Self-Directed Learning berpengaruh positif dan signifikan terhadap strategi belajar.
Secara simultan.
Artificial Intelligence dan Self-Directed Learning berpengaruh signifikan terhadap strategi belajar mahasiswa dengan adjusted RA sebesar 37,8%.
Temuan ini menegaskan bahwa kemampuan mahasiswa merencanakan, memantau, dan mengevaluasi proses belajar secara mandiri lebih menentukan strategi belajar daripada penggunaan Artificial Intelligence semata.
Kata Kunci: Artificial Intelligence.
Self-Directed Learning.
Strategi Belajar.
Pendidikan Ekonomi.
PENDAHULUAN
Pendidikan tinggi memiliki peran strategis dalam membentuk mahasiswa yang dan adaptif Untuk mencapai tujuan tersebut, strategi belajar berperan sentral dalam menentukan sejauh mana mahasiswa berhasil DOI:10.
26858/jekpend.
menjalani proses akademiknya.
Chonsalasin & Khampirat, .
menguraikan strategi belajar sebagai serangkaian cara yang diterapkan mahasiswa dalam mengakses, mengolah, dan menggunakan informasi untuk mencapai tujuan akademik secara efektif.
Dengan strategi belajar yang tepat, mahasiswa tidak hanya lebih mudah memahami materi, tetapi juga mampu mengasah Septi Anesia Purnama.
Jean Elikal Marna.
Peran Artificial IntelligenceA| 19 kemampuan berpikir tingkat tinggi yang dibutuhkan dalam dunia akademik dan Gavyn-Chocano menegaskan bahwa strategi belajar tidak hanya menyangkut cara memperoleh informasi, tetapi juga melibatkan kemampuan mahasiswa dalam perkembangan belajarnya secara terus-menerus.
Valles Quispe et al.
menekankan bahwa melalui strategi belajar yang baik, mahasiswa dapat menyusun pengetahuan secara terstruktur berlangsung lebih mendalam dan bertahan lebih Dengan demikian, strategi belajar tidak hanya berkaitan dengan cara memperoleh informasi, tetapi juga dengan kemampuan mahasiswa mengatur, menilai, dan memperbaiki proses belajarnya.
Meskipun penting bagi keberhasilan akademik, penerapan strategi belajar di kalangan mahasiswa masih menghadapi kendala.
Viet .
mencatat bahwa sebagian besar mahasiswa cenderung belajar tanpa pola yang jelas dan lebih bertumpu pada kebiasaan yang sudah terbentuk sebelumnya.
Kondisi serupa ditemukan pada mahasiswa Program Studi Pendidikan Ekonomi Universitas Negeri Padang.
Observasi awal terhadap 35 mahasiswa menunjukkan bahwa 62,9% responden belum memiliki jadwal belajar teratur, 77,1% menggunakan strategi belajar berdasarkan kebiasaan tanpa perencanaan jelas, dan 94,3% hanya mencari bantuan ketika menghadapi kesulitan akademik yang mendesak.
Temuan awal ini menunjukkan perlunya perhatian terhadap penguatan strategi belajar mahasiswa.
Perkembangan mendukung pembelajaran.
Salah satu teknologi yang berkembang pesat adalah Artificial Intelligence.
Teknologi ini memungkinkan mahasiswa memperoleh informasi, membuat ringkasan materi, membantu pengerjaan tugas, dan menerima umpan balik akademik secara (Chiu et al.
, 2.
menyatakan bahwa Artificial Intelligence berpotensi menciptakan pengalaman belajar yang personal, adaptif, dan Data Global Student Survey tahun 2025 juga menunjukkan bahwa mahasiswa telah menggunakan Artificial Intelligence dalam aktivitas belajar (Chegg, 2.
Namun, teknologi belum selalu sejalan dengan pemanfaatan yang mendukung strategi belajar.
DOI:10.
26858/jekpend.
Observasi awal menunjukkan bahwa 71,4% mahasiswa menggunakan Artificial Intelligence terutama untuk menyelesaikan tugas akademik, sedangkan 51,4% responden jarang melakukan verifikasi terhadap informasi yang diperoleh.
Pola tersebut mengindikasikan bahwa Artificial Intelligence masih lebih sering dipakai sebagai alat penyelesaian tugas daripada sebagai sarana mengevaluasi proses belajar.
Selain faktor teknologi, strategi belajar juga dipengaruhi oleh kemampuan mahasiswa mengelola proses belajarnya secara mandiri.
Kemampuan ini dikenal sebagai Self-Directed Learning.
Merujuk pada Knowles .
5, sebagaimana dikutip dalam Yurdal & Toraman, 2.
Self-Directed Learning menempatkan individu sebagai penggerak utama dalam seluruh tahapan belajarnya, mulai dari mengenali kebutuhan, menentukan arah dan sumber belajar, memilih pendekatan yang tepat, hingga menilai sejauh mana tujuan belajar telah tercapai.
Mahasiswa yang memiliki Self-Directed Learning tinggi umumnya lebih mandiri dalam mengorganisasi kegiatan belajar dan lebih siap perkembangan akademiknya.
Sukkamart mengidentifikasi dua kelompok faktor yang membentuk Self-Directed Learning mahasiswa, yaitu faktor dari luar diri seperti dukungan lingkungan sosial dan akademik, serta faktor dari dalam diri seperti regulasi emosi, motivasi, dan kemampuan mengatur waktu belajar.
Akan tetapi, observasi awal menunjukkan bahwa 60% mahasiswa hanya belajar ketika ada tugas atau ujian, 62,9% masih membutuhkan arahan dalam menentukan materi yang dipelajari, dan 80% jarang mengomunikasikan kesulitan belajar kepada dosen.
Data tersebut menunjukkan bahwa kemampuan belajar mandiri mahasiswa masih perlu diperkuat.
Kajian-kajian sebelumnya umumnya membahas Artificial Intelligence dan SelfDirected Learning sebagai topik yang berdiri sendiri, sehingga keterkaitan antara keduanya dalam membentuk strategi belajar mahasiswa belum banyak dieksplorasi secara bersamaan.
Padahal, di era digital, pembentukan strategi belajar mahasiswa tidak semata-mata ditentukan oleh akses terhadap teknologi, melainkan juga oleh kapasitas individu dalam mengelola dan mengarahkan proses belajarnya sendiri.
Oleh sebab itu, penelitian ini mengintegrasikan Artificial Intelligence dan Self-Directed Septi Anesia Purnama.
Jean Elikal Marna.
Peran Artificial IntelligenceA| 20 Learning dalam satu model analisis agar penjelasan tentang strategi belajar mahasiswa menjadi lebih komprehensif.
Berdasarkan uraian tersebut, penelitian ini bertujuan menganalisis pengaruh Artificial Intelligence terhadap strategi belajar mahasiswa Pendidikan Ekonomi Universitas Negeri Padang, menganalisis pengaruh Self-Directed Learning terhadap strategi belajar mahasiswa.
Artificial Intelligence dan Self-Directed Learning secara simultan terhadap strategi belajar mahasiswa.
Hipotesis penelitian ini adalah: HCA terdapat pengaruh Artificial Intelligence terhadap strategi belajar mahasiswa.
HCC terdapat pengaruh SelfDirected Learning terhadap strategi belajar dan HCE terdapat pengaruh Artificial Intelligence dan Self-Directed Learning secara simultan terhadap strategi belajar mahasiswa.
METODE PENELITIAN
Penelitian ini menggunakan pendekatan kuantitatif dengan jenis penelitian asosiatif.
Pendekatan ini digunakan karena sesuai dengan tujuan penelitian, yakni mengukur sejauh mana Artificial Intelligence dan Self-Directed Learning berkontribusi terhadap strategi belajar Penelitian dilaksanakan pada Program Studi Pendidikan Ekonomi Fakultas Ekonomi dan Bisnis Universitas Negeri Padang pada periode Januari sampai Juni 2026.
Penelitian ini melibatkan seluruh mahasiswa aktif Program Studi Pendidikan Ekonomi Universitas Negeri Padang dari angkatan 2021 hingga 2025 sebagai populasi, dengan total 646 mahasiswa.
Dari jumlah tersebut, 87 mahasiswa ditetapkan sebagai sampel berdasarkan perhitungan rumus Yamane dengan batas toleransi kesalahan 10% menggunakan teknik proportional random Model penelitian ini mencakup dua variabel bebas dan satu variabel terikat Artificial Intelligence (XCA) dioperasionalisasikan melalui empat indikator yang diadaptasi dari Barcelona et al.
yakni research tool, communication tool, reliance, dan ethical use.
Self-Directed Learning (XCC) diukur menggunakan indikator self-monitoring, interpersonal communication yang diadaptasi dari Gao et al.
Strategi belajar (Y) sebagai variabel terikat diukur melalui indikator DOI:10.
26858/jekpend.
cognitive strategies, learning support strategies, dan study habits yang diadaptasi dari SabandoGarcya et al.
Data dikumpulkan melalui kuesioner dengan skala Likert lima poin, yaitu Sangat Setuju.
Setuju.
Netral.
Tidak Setuju, dan Sangat Tidak Setuju.
Sebelum digunakan, instrumen diuji validitasnya dengan korelasi Product Moment Pearson dan reliabilitasnya dengan koefisien Alpha Cronbach.
Hasil pengujian menunjukkan bahwa seluruh item valid, sedangkan nilai reliabilitas sebesar 0,870 berada pada kategori sangat tinggi.
Data dianalisis melalui dua tahap.
Pada tahap deskriptif, kondisi setiap variabel digambarkan menggunakan Tingkat Capaian Responden (TCR).
Pada tahap inferensial, dilakukan serangkaian pengujian statistik untuk menguji hipotesis penelitian.
Analisis inferensial diawali dengan uji asumsi klasik, yaitu uji Selanjutnya, data dianalisis menggunakan regresi linear berganda, uji parsial .
, uji simultan .
ji F), dan koefisien Seluruh proses pengolahan data dilakukan dengan Statistical Package for the Social Sciences (SPSS) versi 20.
HASIL DAN PEMBAHASAN
Karakteristik Responden Sebanyak 87 mahasiswa aktif dari angkatan 2021 hingga 2025 pada Program Studi Pendidikan Ekonomi Fakultas Ekonomi dan Bisnis Universitas Negeri Padang berpartisipasi dalam penelitian ini sebagai responden yang dipilih melalui proportional random sampling.
Proporsi responden terbesar berasal dari angkatan 2025, yaitu 26,4%.
Berdasarkan konsentrasi program studi, mayoritas responden berasal dari konsentrasi Ekonomi Koperasi sebesar 36,8%.
Variasi angkatan dan konsentrasi dalam representativitas data, sehingga gambaran Artificial Intelligence.
Self-Directed Learning, dan strategi belajar yang diperoleh lebih mencerminkan kondisi mahasiswa secara Deskripsi Data Penelitian Tabel 1.
Statistik Deskriptif Variabel
Penelitian Variabel
Mean
TCR
Kategori Septi Anesia Purnama.
Jean Elikal Marna.
Peran Artificial IntelligenceA| 21
(%)
Artificial Intelligence SelfDirected Learning Strategi Belajar 4,00 Tinggi 4,00 Tinggi 4,09 Sangat Tinggi Tabel 1 memperlihatkan bahwa ketiga variabel penelitian berada pada kategori tinggi hingga sangat tinggi.
Di antara ketiganya, strategi belajar mencatat nilai TCR tertinggi sebesar 81,9% yang masuk kategori sangat tinggi, sementara Artificial Intelligence dan SelfDirected Learning keduanya memperoleh TCR 80,0% dengan kategori tinggi.
Hasil Analisis Regresi Linear Berganda Sebelum dilaksanakan tindakan uji hipotesis, data penelitian telah memenuhi asumsi multikolinearitas sehingga layakdigunakan dalam analisis regresi linear berganda.
Tabel 2.
Hasil Analisis regresi Linear Berganda Variabel Konstanta Artificial Intelligence (XCA) SelfDirected Learning (XCC) 12,593 Std.
Error
3,253
0,121
0,458
Beta Sig.
3,872
0,000
0,076
0,135
1,582
0,117
0,065
0,601
7,043
0,000
Berdasarkan hasil analisis regresi linear berganda diperoleh persamaan regresi sebagai Y = 12,593 0,121XCA 0,458XCC e Koefisien Artificial Intelligence bernilai positif sebesar 0,121, tetapi nilai signifikansinya 0,117 atau lebih besar dari 0,05.
Dengan demikian, data penelitian ini tidak memberikan bukti statistik yang cukup untuk menyimpulkan adanya pengaruh nyata Artificial Intelligence terhadap strategi belajar mahasiswa.
Sebaliknya, koefisien Self-Directed Learning sebesar 0,458 dengan nilai signifikansi 0,000 menunjukkan pengaruh positif dan signifikan terhadap strategi Artinya, peningkatan kemampuan belajar mandiri berkaitan dengan peningkatan strategi belajar mahasiswa.
Tabel 3.
Ringkasan Model Regresi DOI:10.
26858/jekpend.
Adjusted RA
0,626 0,392
0,378
Kontribusi kedua variabel bebas terhadap variasi strategi belajar mahasiswa tercermin dari nilai Adjusted RA sebesar 0,378 atau 37,8%.
Adapun 62,2% sisanya dipengaruhi oleh faktor-faktor lain yang tidak diikutsertakan dalam model ini, seperti motivasi belajar, efikasi diri, literasi digital, lingkungan belajar, atau gaya belajar.
Uji Hipotesis Tabel 4.
Hasil Uji ANOVA Model Sig.
Regresi
2 27,137 0,000
Residual 84 Total 86 Tabel 4 menunjukkan bahwa nilai F sebesar 27,137 dengan signifikansi 0,000.
Hasil ini berarti Artificial Intelligence dan Self-Directed Learning signifikan terhadap strategi belajar mahasiswa.
Tabel 5.
Hasil Uji Hipotesis Hipotesis Sig.
Keputusan 1,582 0,117 Ditolak 7,043 0,000 Diterima 0,000 Diterima 27,137 Hasil uji hipotesis menunjukkan bahwa HCA ditolak karena Artificial Intelligence tidak berpengaruh signifikan terhadap strategi belajar HCC diterima karena Self-Directed Learning berpengaruh positif dan signifikan.
HCE
diterima karena kedua variabel bebas secara simultan berpengaruh signifikan terhadap strategi belajar mahasiswa.
Pembahasan Pengaruh Artificial Intelligence terhadap Strategi Belajar Mahasiswa Pendidikan Ekonomi Hasil penelitian menunjukkan bahwa Artificial Intelligence memiliki koefisien positif, tetapi tidak signifikan secara statistik terhadap strategi belajar mahasiswa Pendidikan Ekonomi Universitas Negeri Padang.
Temuan ini berarti penggunaan Artificial Intelligence belum terbukti secara langsung meningkatkan kemampuan mahasiswa dalam merencanakan, mengelola, dan mengevaluasi proses belajarnya berdasarkan data penelitian ini.
Kondisi tersebut dapat dijelaskan melalui pola penggunaan Artificial Intelligence Septi Anesia Purnama.
Jean Elikal Marna.
Peran Artificial IntelligenceA| 22 yang masih cenderung berorientasi pada Mahasiswa menggunakan Artificial Intelligence untuk mencari jawaban, menyusun ringkasan, atau membantu pengerjaan tugas, tetapi pemanfaatan tersebut belum tentu membentuk strategi belajar yang terencana dan reflektif.
Jika mahasiswa tidak memeriksa kebenaran informasi, tidak membandingkan sumber, dan tidak mengaitkan keluaran Artificial Intelligence dengan tujuan belajar, teknologi hanya menjadi alat bantu Chiu et al.
menegaskan bahwa Artificial Intelligence pembelajaran sangat bergantung pada kesiapan Selain itu.
Barcelona et al.
menambahkan bahwa pemanfaatan generative Artificial Intelligence yang efektif mensyaratkan kesadaran etis dan kemampuan kritis dalam menilai keluaran yang dihasilkan Dengan demikian, perguruan tinggi tidak cukup hanya mendorong penggunaan Artificial Intelligence.
Mahasiswa perlu dibekali literasi Artificial Intelligence, keterampilan verifikasi informasi, etika akademik, dan kemampuan refleksi belajar agar teknologi benar-benar berkontribusi pada pengembangan strategi belajar yang efektif.
Pengaruh Self-Directed Learning terhadap Strategi Belajar Mahasiswa Pendidikan Ekonomi Berbeda dengan Artificial Intelligence.
Self-Directed Learning terbukti memberikan pengaruh yang positif dan signifikan.
Ini berarti mahasiswa yang lebih mampu mengarahkan proses belajarnya sendiri cenderung menerapkan strategi belajar yang lebih efektif dan terencana Hasil ini menunjukkan bahwa semakin baik kemampuan mahasiswa mengelola proses belajar, semakin efektif strategi belajar yang Mahasiswa menetapkan tujuan, merencanakan kegiatan, memantau kemajuan, dan mengevaluasi hasil belajar cenderung memiliki strategi belajar yang lebih terarah.
Temuan studi ini selaras dengan teori Self-Directed Learning yang dikembangkan oleh Knowles .
5, sebagaimana dikutip dalam Yurdal & Toraman, 2.
yaitu bahwa individu perlu mengambil inisiatif dalam menentukan kebutuhan, tujuan, sumber, strategi, dan evaluasi Hal ini juga sejalan dengan Lai et al.
) yang menunjukkan bahwa Self-Directed DOI:10.
26858/jekpend.
Learning berkaitan dengan penggunaan strategi belajar yang lebih efektif, terutama ketika mahasiswa belajar dengan dukungan teknologi.
Secara praktis, hasil ini menunjukkan perlunya pembelajaran yang menumbuhkan kemandirian belajar.
Dosen dapat memfasilitasi kontrak belajar, jurnal refleksi, penilaian diri, umpan balik berkala, dan tugas yang menuntut mahasiswa menjelaskan proses berpikirnya.
Strategi tersebut mendorong mahasiswa tidak hanya menyelesaikan tugas, tetapi juga memahami cara belajar yang paling sesuai dengan kebutuhan akademiknya.
Pengaruh Artificial Intelligence dan SelfDirected Learning terhadap Strategi Belajar Mahasiswa Pendidikan Ekonomi.
Artificial Intelligence dan Self-Directed Learning signifikan terhadap strategi belajar mahasiswa.
Model penelitian menjelaskan 37,8% variasi strategi belajar berdasarkan nilai Adjusted RA.
Hasil ini menunjukkan bahwa strategi belajar di era digital terbentuk melalui hubungan antara pemanfaatan teknologi dan kemampuan mahasiswa mengatur proses belajarnya.
Artificial Intelligence menyediakan informasi, umpan balik, dan alternatif sumber belajar, sedangkan SelfDirected Learning membantu mahasiswa menentukan tujuan, memilih sumber yang relevan, memantau proses, dan mengevaluasi Dengan kata lain.
Artificial Intelligence berfungsi sebagai alat bantu, sedangkan SelfDirected Learning menjadi kemampuan pengarah agar alat tersebut digunakan secara produktif dan bertanggung jawab.
Navas Bonilla et al.
dalam kajian sistematis mereka menegaskan hal serupa, bahwa integrasi Artificial Intelligence dalam pembelajaran baru memberikan hasil optimal ketika mahasiswa memiliki fondasi kemandirian belajar yang kuat.
Oleh karena itu, pengembangan strategi belajar mahasiswa sebaiknya diarahkan pada integrasi literasi Artificial Intelligence dan penguatan SelfDirected Learning.
Perguruan tinggi dapat merancang pelatihan penggunaan Artificial Intelligence yang dikaitkan dengan perencanaan belajar, verifikasi informasi, sitasi akademik, refleksi, dan evaluasi hasil belajar.
KESIMPULAN DAN SARAN
Berdasarkan hasil penelitian, dapat disimpulkan bahwa: .
Artificial Intelligence Septi Anesia Purnama.
Jean Elikal Marna.
Peran Artificial IntelligenceA| 23 memiliki koefisien positif, tetapi tidak berpengaruh signifikan terhadap strategi belajar Karena nilai signifikansi lebih besar dari 0,05, penelitian ini tidak dapat menyimpulkan adanya pengaruh nyata Artificial Intelligence berdasarkan data yang dianalisis.
SelfDirected Learning berpengaruh positif dan signifikan terhadap strategi belajar mahasiswa.
Kapasitas mahasiswa dalam menetapkan arah belajar, merancang kegiatan, mengawasi kemajuan, dan menilai hasilnya terbukti menjadi komponen kunci dalam membentuk strategi belajar yang terarah dan efektif.
Artificial Intelligence dan Self-Directed Learning secara simultan berpengaruh signifikan terhadap strategi belajar mahasiswa dengan kontribusi penjelasan sebesar 37,8% berdasarkan Adjusted RA.
Temuan ini memberikan implikasi bahwa meningkatkan strategi belajar.
Artificial Intelligence kemampuan belajar mandiri, berpikir kritis, verifikasi informasi, dan refleksi akademik agar mampu mendukung pembelajaran secara Berdasarkan simpulan tersebut.
Institusi pendidikan tinggi perlu merancang program pengembangan literasi Artificial Intelligence yang tidak sekadar melatih penggunaan teknis, tetapi juga membangun kesadaran kritis, tanggung jawab etis, dan orientasi produktif dalam memanfaatkan teknologi untuk keperluan Dosen juga dapat mengintegrasikan aktivitas Self-Directed Learning melalui perencanaan belajar, jurnal refleksi, umpan balik, dan penilaian diri.
Mahasiswa diharapkan menggunakan Artificial Intelligence sebagai pendukung proses belajar, bukan sebagai pengganti pemahaman.
Penelitian berikutnya disarankan menambahkan variabel lain, seperti motivasi belajar, efikasi diri, literasi digital, lingkungan belajar, atau gaya belajar, serta melibatkan sampel yang lebih luas agar hasil penelitian memiliki generalisasi yang lebih kuat.
DAFTAR RUJUKAN
Barcelona.
Rhoy.
, & Cruz.
Development and validation of a scale measuring students Ao use of generative artificial intelligence tools.
, 3612Ae https://doi.
org/10.
11591/ijere.
Chegg.
Global Student Survey.
DOI:10.
26858/jekpend.
https://investor.
com/Press-Releases/ Chiu.
Xia.
Zhou.
Chai.
, &
Cheng.
Systematic literature review on opportunities, challenges, and future research recommendations of artificial intelligence in education.
Computers and Education: Artificial Intelligence, 4(November https://doi.
org/10.
1016/j.
Chonsalasin.
, & Khampirat.
The Impact of Achievement Goal Orientation.
Learning Strategies, and Digital Skill on Engineering Skill Self-Efficacy in Thailand.
Ie Access, 10, 11858Ae11870.
https://doi.
org/10.
1109/ACCESS.
Gao.
Zhang.
Ma.
Sun.
Hu.
Wang.
Liu.
, & Guo.
Reliability and validity of the Chinese version of the self-directed learning instrument in Chinese nursing students.
BMC
Nursing, 22.
, 1Ae9.
https://doi.
org/10.
1186/s12912-02301201-3 Gavyn-Chocano, ye.
Garcya-Martynez.
PyrezNavyo.
, & Luque de la Rosa.
Learner Engagement, academic motivation and learning strategies of university Educacion XX1, 27.
, 57Ae79.
https://doi.
org/10.
5944/educxx1.
Lai.
Saab.
, & Admiraal.
Learning Strategies in Self Ac directed Language Learning Using Mobile Technology in Higher Education : A Systematic.
In Education and Information Technologies.
Springer US.
https://doi.
org/10.
1007/s10639-02210945-5 Navas Bonilla.
del R.
Viyan Carrasco.
Gaibor Pupiales.
, & Murillo Noriega, .
The Future of Education: A Systematic Literature Review of SelfDirected Learning with AI.
Future Internet, 17.
, 1Ae22.
https://doi.
org/10.
3390/fi17080366 Sabando-Garcya, yA.
Olguyn-Martynez.
Benavides-Lara.
SalazarEcheagaray.
Huerta-Mora.
Bumbila-Garcya.
Cedeyo-Barcia.
, & Moreira-Choez.
Artificial intelligence for determining learning strategies in university students.
Frontiers Education, https://doi.
org/10.
3389/feduc.
Septi Anesia Purnama.
Jean Elikal Marna.
Peran Artificial IntelligenceA| 24 Sukkamart.
Pimdee.
Leekitchwatana.
Kongpiboon.
, & Kantathanawat.
Predicting student-teacher selfdirected learning using intrinsic and extrinsic factors: a Theory of Planned Behavior Frontiers Psychology, 14(Septembe.
, 1Ae15.
https://doi.
org/10.
3389/fpsyg.
Valles Quispe.
Lozano.
, yAlvarez Ryos.
Pereyra Gonzales.
Oblitas Serrano.
, & Cadenillas Albornoz.
LEARNING STRATEGIES IN
UNIVERSITY STUDENTS: A review Journal of International Crisis and Risk Communication Research, 7.
https://doi.
org/https://doi.
org/10.
63278/jic Viet.
Van.
Learning strategy and its effect on academic achievement.
Kasetsart Journal of Social Sciences, 43, 911Ae920.
https://doi.
org/https://doi.
org/10.
34044/j.
Yurdal.
, & Toraman, yN.
SelfDirected Learning Academic Achievement and Motivation : A MetaAnalytical Study.
Alberta Journal of Educational Research, 69, 233Ae253.
https://doi.
org/https://doi.
org/10.
55016/ojs /ajer.
DOI:10.
26858/jekpend.