Yapay Zekaya ve Dersine Yönelik Tutum Ölçeği: Türkçeye Uyarlama, Geçerlik ve Güvenirlik Çalışması

Ali İhsan Benzer; Suat Ünal; Emine Kurnaz Yaşar; Nihan Kalyoncu Konuk

doi:10.53444/deubefd.1574926

TR EN

Yapay Zekaya ve Dersine Yönelik Tutum Ölçeği: Türkçeye Uyarlama, Geçerlik ve Güvenirlik Çalışması

Abstract

Son yıllarda yapay zeka teknolojilerinin hayatımızın her alanında daha fazla yer bulmasıyla birlikte, Türkiye de dahil olmak üzere birçok ülkede yapay zekaya yönelik dersler ortaokul ve lise müfredatlarına dahil edilmeye başlanmıştır. Bu çalışmanın amacı, Suh ve Ahn (2022) tarafından ortaokul ve lise öğrencileri için geliştirilen, orijinal adı “Yapay Zekaya Yönelik Tutum Ölçeği” olan ölçme aracını Türkçeye uyarlamak ve ölçekle ilgili psikometrik değerleri ortaya koymaktır. Ölçeğe yönelik analizler için toplam 432 öğrenciden elde edilen veriler kullanılmıştır. SPSS ve AMOS paket programları kullanılarak veri analiz işlemleri yapılmıştır. Faktör analizleri sayesinde ölçeğin üç faktörlü modeli test edilmiş ve doğrulanmıştır. Çalışma kapsamında madde-toplam korelasyonları, Cronbach alfa güvenirlik katsayısı ve %27`lik alt ve üst grup ortalama farkları incelenmiştir. Toplam 22 maddeden oluşan Türkçeye uyarlanmış ölçeğin tümü için güvenirlik katsayısı 0,91 olarak hesaplanmıştır. Doğrulayıcı faktör analizleri sonucu elde edilen uyum indeks değerlerinin yeterli düzeyde olduğu görülmüştür. Yapılan analizler sonucu, ölçeğin Türkçeye uyarlanan formunun yapay zekâya ve dersine yönelik tutumu ölçmek için uygun psikometrik özelliklerde, geçerli ve güvenilir bir araç olduğu belirlenmiştir.

Keywords

Yapay zeka, tutum, ortaokul öğrencileri, lise öğrencileri, ölçek uyarlama

Attitude Scale Towards AI and AI Course: Adaptation to Turkish, Validity and Reliability Study

Abstract

In the last few years, with the increasing adoption of artificial intelligence technologies in all areas of our lives, many countries, including Turkiye, have begun to incorporate courses on artificial intelligence into middle and high school curricula. The purpose of this study is to adapt the measurement tool originally titled “Attitude Toward Artificial Intelligence Scale” developed by Suh and Ahn (2022), for Turkish students and to determine the scale's psychometric properties. Data obtained from a total of 432 students were processed for the scale`s validity and reliability analyses. The analyses were conducted using SPSS and AMOS software. As a result of factor analyses, the three-factor model of the scale was tested and validated. Within the scope of reliability and item analysis, item-total correlations, Cronbach's alpha reliability coefficient, and mean differences between the upper and lower 27% groups were examined. The reliability coefficient for the Turkish adaptation of the scale consisting of 22 items was calculated as 0.91. The fit indices calculated from the confirmatory factor analyses were found to be at an adequate level. As a result of the conducted analyses, it was found that the Turkish-adapted form of the scale possesses sufficient psychometric properties to validly and reliably measure attitudes toward artificial intelligence and the associated course.

Keywords

Artificial intelligence, attitude, middle school students, high school students, scale adaptation

Supporting Institution

None

Project Number

Yok

Ethical Statement

Ethics approval for the study was obtained from Trabzon University’s Ethics Committee (Document No. 2024-5/2.21, dated 17 May 2024). All ethical and legal standards were strictly followed throughout the investigation. Permission to translate, adapt, and validate the scale into Turkish was secured via e-mail from the original authors (Suh & Ahn, 2022). Participation in the study was entirely voluntary. Before the questionnaire was administered, participants were informed about the purpose and nature of the research.

Thanks

None

References

Almufareh, M. F., Tehsin, S., Humayun, M., & Kausar, S. (2023). Intellectual disability and technology: An artificial intelligence perspective and framework. Journal of Disability Research, 2(4), 58-70. https://doi.org/10.57197/JDR-2023-0055
Anadolu Ajansı (2024). YÖK Başkanı Özvar: Yapay zeka alanlarında yeni lisans ve ön lisans programları açıyoruz. https://www.aa.com.tr/tr/egitim/yok-baskani-ozvar-yapay-zeka-alanlarinda-yeni-lisans-ve-on-lisans-programlari-aciyoruz/3203046#
Banaz, E., & Maden, S. (2024). Türkçe öğretmen adaylarının yapay zeka tutumlarının farklı değişkenler açısından incelenmesi. Trakya Eğitim Dergisi, 14(2), 1173-1180. https://doi.org/10.24315/tred.1430419
Bartneck, C., Lütge, C., Wagner, A., & Welsh, S. (2021). An introduction to ethics in robotics and AI. Springer Nature. https://doi.org/10.1007/978-3-030-51110-4
Bentler, P. M. (1990). Comparative fit indexes in structural models. Psychological Bulletin, 107(2), 238-246.
Bizer, G., Barden, J, & Petty, R. E. (2003). Attitudes. In L. Nadel et al. (Eds.), Encyclopedia of cognitive science (Vol. 1, pp. 247-253). MacMillan.
Brennan, R. (1972). A generalized upper-lower item discrimination index. Educational and Psychological Measurement, 32(2), 289-303. https://doi.org/10.1177/001316447203200206
Büyüköztürk, Ş. (2017). Sosyal bilimler için veri analizi el kitabı. Pegem Akademi.
Chen, L., Bae, S. R., Battista, C., Qin, S., Chen, T., Tanya, M., Evans., & Menon, V. (2018). Positive attitude toward math supports early academic success: Behavioral evidence and neurocognitive mechanisms. Psychological Science, 29(3), 390-402 https://doi.org/10.1177/0956797617735528
Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. IEEE Access, 8, 75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510

Coppin, B. (2004). Artificial intelligence illuminated. Jones & Bartlett Publishers.
Coşkun, R., Altunışık, R., & Yıldırım, E. (2007). Sosyal bilimlerde araştırma yöntemleri: SPSS uygulamalı. Sakarya Yayıncılık.
Cumhurbaşkanlığı Dijital Dönüşüm Ofisi Başkanlığı (2021). Ulusal yapay zeka stratejisi 2021-2025. https://cbddo.gov.tr/uyzs
Cumhurbaşkanlığı Dijital Dönüşüm Ofisi Başkanlığı (2024). Ulusal yapay zeka stratejisi 2024-2025 eylem planı. https://cbddo.gov.tr/SharedFolderServer/Genel/File/UlusalYapayZekaStratejisi2024-2025EylemPlani.pdf
Çetindamar, D., Kitto, K., Wu, M., Zhang, Y., Abedin, B., & Knight, S. (2022). Explicating AI literacy of employees at digital workplaces. IEEE Transactions on Engineering Management, 71, 810-823. https://doi.org/10.1109/TEM.2021.3138503
Dunlap, D. D. (1990). Comparing attitudes towards technology of third and fourth grade students in Virginia relative to their exposure to technology. [Unpublished doctoral dissertation]. Virginia Polytechnic Institute and State University. https://vtechworks.lib.vt.edu/server/api/core/bitstreams/c4eff98b-487e-45ce-98e1-f08a90563a90/content
Etezadi-Amoli, J., & Farhoomand, A. F. (1996). A structural model of end user computing satisfaction and user performance. Information & Management, 30(2), 65-73. https://doi.org/10.1016/0378-7206(95)00052-6
ETRI. (2019). Seven AI trends by 2020-beyond perception (ETRI Insight Report). https://ksp.etri.re.kr/ksp/plan-report/file/766.pdf
Hambleton, R. K., & Patsula, L. (1998). Adapting tests for use in multiple languages and cultures. Social Indicators Research, 45, 153-171. https://doi.org/10.1023/A:1006941729637
Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1-55. https://doi.org/10.1080/10705519909540118
Jang, Y., Choi, S., & Kim, H. (2022). Development and validation of an instrument to measure undergraduate students’ attitudes toward the ethics of artificial intelligence (AT-EAI) and analysis of its difference by gender and experience of AI education. Education and Information Technologies, 27(8), 11635–11667. https://doi.org/10. 1007/s10639-022-11086-5
Jöreskog, K. G., & Sörbom, D. (1996). LISREL 8: User's reference guide. Scientific Software International.
Karasar, N. (2016). Bilimsel araştırma yöntemi: Kavramlar, ilkeler, teknikler (31. Basım). Nobel Akademik Yayıncılık.
Kline, R. B. (2005). Principles and practice of structural equation modeling (2. Ed.). Guilford Press.
Kum, Ö. (2023). Grafik tasarım bölümü öğrencilerinin yapay zekaya yönelik tutumları (Tokat İli Örneği). EKEV Akademi Dergisi, 96, 172-181. https://doi.org/10.17753/sosekev.1381995
Liang, W. (2020, June). Development trend and thinking of artificial intelligence in education, 2020 International Wireless Communications and Mobile Computing (IWCMC), pp. 886-890, https://doi.org/10.1109/IWCMC48107.2020.9148078
Lukić, A., Kudelić, N., Antičević, V., Lazić-Mosler, E., Glunčić, V., Hren, D., & Lukić, I. K. (2023). First-year nursing students’ attitudes towards artificial intelligence: Cross-sectional multi-center study. Nurse Education in Practice, 71, 103735. https://doi.org/10.1016/j.nepr.2023.103735
Mantello, P., Ho, M. T., Nguyen, M. H., & Vuong, Q. H. (2023). Machines that feel: Behavioral determinants of attitude towards affect recognition technology—Upgrading technology acceptance theory with the mindsponge model. Humanities and Social Sciences Communications, 10(1), 1–16. https://doi.org/10.1057/s41599-023-01837-1
McCarthy, J. (2007). What is artificial intelligence? https://www-formal.stanford.edu/jmc/whatisai/whatisai.html
McCorduck, P., Minsky, M., Selfridge, O. G., & Simon, H. A. (1977, August). History of artificial intelligence. International Joint Conferences on Artificial Intelligence (IJCAI). pp. 951-954. https://www.ijcai.org/Proceedings/77-2/Papers/083.pdf
McIver, J. P., & Carmines, E. G. (1981). Unidimensional scaling. Sage.
MEB (2020). Mesleki ve Teknik Anadolu Lisesi Anadolu Meslek ve Anadolu Teknik Programı Bilişim Teknolojileri Alanı Çerçeve Öğretim Programı. https://meslek.meb.gov.tr/upload/cop12/bilisim_12.pdf
MEB (2023a). Ortaokullarda "yapay zeka uygulamaları" dersinin müfredatı hazırlandı. https://www.meb.gov.tr/ortaokullarda-yapay-zek-uygulamalari-dersinin-mufredati-hazirlandi/haber/31761/tr
MEB (2023b). Yapay zeka uygulamaları dersi öğretim programı (I-II) (Ortaokul ve İmam Hatip Ortaokulu 7 ve 8. sınıflar). https://mufredat.meb.gov.tr/Dosyalar/2023112493011132-23174117_yapayzekauygulamalaridersiogretimprogrami_3.23.pdf
MEB (2023c). Ortaöğretim bilişim teknolojileri ve yazılım dersi öğretim programı https://mufredat.meb.gov.tr/Dosyalar/202311249432351-Bili%C5%9Fimteknolojileriveyaz%C4%B1l%C4%B1m.pdf
Miao, F., Holmes, W., Huang, R., & Zhang, H. (2021). AI and education: A guidance for policymakers. UNESCO. https://discovery.ucl.ac.uk/id/eprint/10130180/1/Miao%20and%20Holmes%20-%202021%20-%20AI%20and%20education%20guidance%20for%20policy-makers.pdf
Mikropoulos, T. A., & Natsis, A. (2011). Educational virtual environments: A ten-year review of empirical research (1999–2009). Computers & Education, 56(3), 769-780. https://doi.org/10.1016/j.compedu.2010.10.020
Nabiyev, V. V. (2012). Yapay zekâ: İnsan-bilgisayar etkileşimi. Seçkin Yayıncılık.
Sölpük, N. (2017). The effect of attitude on student achievement. In E. Karadag (Ed.) The factors effecting student achievement. Springer. https://doi.org/10.1007/978-3-319-56083-0_4
Pedro, F., Subosa, M., Rivas, A., & Valverde, P. (2019). Artificial intelligence in education: Challenges and opportunities for sustainable development. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000366994
Pokrivcakova, S. (2019). Preparing teachers for the application of AI-powered technologies in foreign language education. Journal of Language and Cultural Education, 7(3), 135-153. https://doi.org/10.2478/jolace-2019-0025
Pokrivcakova, S. (2023). Pre-service teachers’ attitudes towards artificial intelligence and its integration into EFL teaching and learning. Journal of Language and Cultural Education, 11(3), 100-114. https://doi.org/10.2478/jolace-2023-0031
Rus, V., D’Mello, S., Hu, X., & Graesser, A. (2013). Recent advances in conversational intelligent tutoring systems. AI Magazine, 34(3), 42-54. https://doi.org/10.1609/aimag.v34i3.2485
Schepman, A., & Rodway, P. (2020). Initial validation of the general attitudes towards artificial intelligence scale. Computers in Human Behavior Reports, 1, 100014. https://doi.org/10.1016/j. chbr.2020.100014
Schumacker, R.E. & Lomax, R.G. (2004). A beginner's guide to structural equation modeling. (2nd ed.). Lawrence Erlbaum Associates Publishers.
Sestino, A., & De Mauro, A. (2022). Leveraging artificial intelligence in business: Implications, applications and methods. Technology Analysis & Strategic Management, 34(1), 16-29. https://doi.org/10.1080/09537325.2021.1883583
Sindermann, C., Sha, P., Zhou, M., Wernicke, J., Schmitt, H. S., Li, M., Sariyska, R., Stavrou, M., Becker, B., & Montag, C. (2021). Assessing the attitude towards artificial intelligence: Introduction of a short measure in German, Chinese, and English language. Künstl Intell, 35, 109–118. https://doi.org/10.1007/s13218-020-00689-0
Stewart, J., Lu, J., Gahungu, N., Goudie, A., Fegan, P. G., Bennamoun, M., Sprivulis, P., & Dwivedi, G. (2023). Western Australian medical students’ attitudes towards artificial intelligence in healthcare. PLoS One, 18(8), e0290642. https://doi.org/10.1371/journal.pone.0290642
Su, J., Guo, K., Chen, X., & Chu, S. K. W. (2023). Teaching artificial intelligence in K–12 classrooms: A scoping review. Interactive Learning Environments, 1–20. https://doi.org/10.1080/10494820.2023.2212706
Suh, W., & Ahn, S. (2022). Development and validation of a scale measuring student attitudes toward artificial intelligence. Sage Open, 12(2). https://doi.org/10.1177/21582440221100463
Tavşancıl, E. (2014). Tutumların ölçülmesi ve SPSS ile veri analizi (5. Basım), Nobel Akademik Yayıncılık.
Wang, T., & Cheng, E. C. K. (2021). An investigation of barriers to Hong Kong K-12 schools incorporating artificial intelligence in education. Computers and Education: Artificial Intelligence, 2, 100031. https://doi.org/10.1016/j.caeai.2021.100031
Wartman, S. A., & Combs, C. D. (2018). Medical education must move from the information age to the age of artificial intelligence. Academic Medicine, 93(8), 1107-1109. https://doi.org/10.1097/acm.0000000000002044
Yeşilyurt, S., Dündar, R., & Demir, R. Z. (2024). Türkiye’de yapay zeka ve eğitim ilişkisini inceleyen lisansüstü tezlerin analizi: Bir meta sentez çalışması. Journal of Innovative Research in Social Studies, 7(1), 47-73. https://doi.org/10.47503/jirss.1484848
Zhai, X., Chu, X., Chai, C. S., Jong, M. S. Y., Istenic, A., Spector, M., Liu, J.B., Yuan, J., & Li, Y. (2021). A review of artificial intelligence (AI) in education from 2010 to 2020. Complexity, 2021(1). https://doi.org/10.1155/2021/8812542

Details

Primary Language

Turkish

Subjects

Cross-Cultural Scale Adaptation, Educational Technology and Computing

Journal Section

Research Article

Authors

Ali İhsan Benzer ^*
0000-0002-5032-7058
Türkiye

Suat Ünal
0000-0002-0495-8385
Türkiye

Emine Kurnaz Yaşar
0009-0005-0243-4886
Türkiye

Nihan Kalyoncu Konuk
0000-0003-1287-3370
Türkiye

Publication Date

June 30, 2025

Submission Date

October 28, 2024

Acceptance Date

April 30, 2025

Published in Issue

Year 2025 Number: 64

DOI

https://doi.org/10.53444/deubefd.1574926

IZ

https://izlik.org/JA23JX33JD

APA

Benzer, A. İ., Ünal, S., Kurnaz Yaşar, E., & Kalyoncu Konuk, N. (2025). Yapay Zekaya ve Dersine Yönelik Tutum Ölçeği: Türkçeye Uyarlama, Geçerlik ve Güvenirlik Çalışması. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi, 64, 1784-1799. https://doi.org/10.53444/deubefd.1574926

AMA

1.Benzer Aİ, Ünal S, Kurnaz Yaşar E, Kalyoncu Konuk N. Yapay Zekaya ve Dersine Yönelik Tutum Ölçeği: Türkçeye Uyarlama, Geçerlik ve Güvenirlik Çalışması. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi. 2025;(64):1784-1799. doi:10.53444/deubefd.1574926

Chicago

Benzer, Ali İhsan, Suat Ünal, Emine Kurnaz Yaşar, and Nihan Kalyoncu Konuk. 2025. “Yapay Zekaya Ve Dersine Yönelik Tutum Ölçeği: Türkçeye Uyarlama, Geçerlik Ve Güvenirlik Çalışması”. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi, nos. 64: 1784-99. https://doi.org/10.53444/deubefd.1574926.

EndNote

Benzer Aİ, Ünal S, Kurnaz Yaşar E, Kalyoncu Konuk N (June 1, 2025) Yapay Zekaya ve Dersine Yönelik Tutum Ölçeği: Türkçeye Uyarlama, Geçerlik ve Güvenirlik Çalışması. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi 64 1784–1799.

IEEE

[1]A. İ. Benzer, S. Ünal, E. Kurnaz Yaşar, and N. Kalyoncu Konuk, “Yapay Zekaya ve Dersine Yönelik Tutum Ölçeği: Türkçeye Uyarlama, Geçerlik ve Güvenirlik Çalışması”, Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi, no. 64, pp. 1784–1799, June 2025, doi: 10.53444/deubefd.1574926.

ISNAD

Benzer, Ali İhsan - Ünal, Suat - Kurnaz Yaşar, Emine - Kalyoncu Konuk, Nihan. “Yapay Zekaya Ve Dersine Yönelik Tutum Ölçeği: Türkçeye Uyarlama, Geçerlik Ve Güvenirlik Çalışması”. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi. 64 (June 1, 2025): 1784-1799. https://doi.org/10.53444/deubefd.1574926.

JAMA

1.Benzer Aİ, Ünal S, Kurnaz Yaşar E, Kalyoncu Konuk N. Yapay Zekaya ve Dersine Yönelik Tutum Ölçeği: Türkçeye Uyarlama, Geçerlik ve Güvenirlik Çalışması. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi. 2025;:1784–1799.

MLA

Benzer, Ali İhsan, et al. “Yapay Zekaya Ve Dersine Yönelik Tutum Ölçeği: Türkçeye Uyarlama, Geçerlik Ve Güvenirlik Çalışması”. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi, no. 64, June 2025, pp. 1784-99, doi:10.53444/deubefd.1574926.

Vancouver

1.Ali İhsan Benzer, Suat Ünal, Emine Kurnaz Yaşar, Nihan Kalyoncu Konuk. Yapay Zekaya ve Dersine Yönelik Tutum Ölçeği: Türkçeye Uyarlama, Geçerlik ve Güvenirlik Çalışması. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi. 2025 Jun. 1;(64):1784-99. doi:10.53444/deubefd.1574926

Yapay Zekaya ve Dersine Yönelik Tutum Ölçeği: Türkçeye Uyarlama, Geçerlik ve Güvenirlik Çalışması

Abstract

Keywords

Attitude Scale Towards AI and AI Course: Adaptation to Turkish, Validity and Reliability Study

Abstract

Keywords

Supporting Institution

Project Number

Ethical Statement

Thanks

References

Details

Primary Language

Subjects

Journal Section

Authors

Publication Date

Submission Date

Acceptance Date

Published in Issue

DOI

IZ

Cite