Üretken Yapay Zekâ Okuryazarlığı ile Yapay Zekâya Yönelik Tutum Arasındaki İlişkide Yapay Zekâ Kabulünün Aracı Rolü

Ahmet Keskin; Ayten Bölükbaşı Uygur; Bilal Kaya

doi:10.53444/deubefd.1834610

TR EN

Üretken Yapay Zekâ Okuryazarlığı ile Yapay Zekâya Yönelik Tutum Arasındaki İlişkide Yapay Zekâ Kabulünün Aracı Rolü

Abstract

Bu araştırmanın amacı, üretken yapay zeka okuryazarlığı ile yapay zekaya yönelik tutum arasındaki ilişkide, yapay zeka kabulünün aracılık rolünü incelemektir. Çalışma nicel yöntemle ve ilişkisel tarama modeli çerçevesinde gerçekleştirilmiştir. Araştırmanın çalışma gurubu, kolayda örnekleme yöntemiyle seçilen 392 lise öğrencisinden oluşmaktadır. Çalışma gurubu %66.1’i kadın, %33.9’u erkektir ve yaşları 14 ile 17 arasındadır. Veri toplama sürecinde Üretken Yapay Zeka Okuryazarlığı Ölçeği, Yapay Zeka Tutum Ölçeği ve Yapay Zeka Kabul Ölçeği – Kısa Formu kullanılmıştır. Araştırmanın analiz sürecinde aracılık analizi gerçekleştirilmiştir. Analiz bulgularına göre, üretken yapay zeka okuryazarlığı yapay zekaya yönelik tutumu pozitif ve anlamlı düzeyde yordamaktadır (β = 0.18, p < .001). Aynı zamanda, üretken yapay zeka okuryazarlığı yapay zeka kabulünü anlamlı bir şekilde yordamaktadır (β = 0.47, p < .001) ve yapay zeka kabulü de yapay zeka tutumunu anlamlı biçimde yordamaktadır (β = 0.28, p < .001). Aracılık analizi sonuçları, yapay zeka kabulünün bu iki değişken arasındaki ilişkide kısmi aracılık rolü üstlendiğini ortaya koymuştur (β dolaylı = 0.13, %95 GA [0.10, 0.17]). Sonuçlar, üretken yapay zeka okuryazarlığı ve yapay zekaya yönelik tutum arasında anlamlı bir ilişki olduğunu ve bu ilişkide yapay zeka kabulünün aracı rol oynadığını göstermektedir.

Keywords

Yapay Zekâ Tutumu, Üretken Yapay Zeka Okuryazarlığı, Yapay Zekâ Kabulü

The Mediating Role of AI Acceptance in the Relationship Between Generative AI Literacy and Attitudes Toward AI

Abstract

The aim of this study is to examine the mediating role of artificial intelligence (AI) acceptance in the relationship between generative AI literacy and attitudes toward AI. The research was conducted using a quantitative method within the framework of a relational survey model. The study group consisted of 392 high school students, selected through a convenience sampling method. Of the participants, 66.1% were female, 33.9% were male, and their ages ranged from 14 to 17. During data collection, the Generative AI Literacy Scale, the AI Attitude Scale, and the AI Acceptance Scale – Short Form were administered. A mediation analysis was carried out in the data analysis process. According to the findings, generative AI literacy significantly and positively predicted attitudes toward AI (β = 0.18, p < .001). Additionally, generative AI literacy significantly predicted AI acceptance (β = 0.47, p < .001), and AI acceptance significantly predicted attitudes toward AI (β = 0.28, p < .001). The results of the mediation analysis indicated that AI acceptance partially mediated the relationship between generative AI literacy and attitudes toward AI (β indirect = 0.13, 95% CI [0.10, 0.17]). These findings suggest that there is a significant relationship between generative AI literacy and attitudes toward AI, and that AI acceptance plays a mediating role in this relationship.

Keywords

AI Attitude, Generative AI Literacy, AI Acceptance

Abstract

References

Arslan, N., Esin, K., & Ayyıldız, F. (2025). A validity and reliability study of the Artificial Intelligence Attitude Scale (AIAS-4) and its relationship with social media addiction and eating behaviors in Turkish adults. BMC Public Health, 25, 1244. https://doi.org/10.1186/s12889-025-22507-8
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211. https://doi.org/10.1016/0749-5978(91)90020-T
Akkaş, Ö. M., Tosun, C., & Gökçearslan, Ş. (2024). Artificial intelligence (AI) and cheating: The concept of generative artificial intelligence (GenAI). In C. Tosun & Ş. Gökçearslan (Eds.), Transforming education with generative AI: Prompt engineering and synthetic content creation (pp. 182–199). IGI Global. https://doi.org/10.4018/979-8-3693-1351-0.ch009
Baumgartner, H., & Homburg, C. (1996). Applications of structural equation modeling in marketing and consumer research: A review. International Journal of Research in Marketing, 13(2), 139–161. https://doi.org/10.1016/0167-8116(95)00038-0
Browne, M. W., & Cudeck, R. (1993). Alternative ways of assessing model fit. In K. A. Bollen & J. S. Long (Eds.), Testing structural equation models (pp. 136–162). Newbury Park, CA: Sage.
Batuk, B., Türk, N., & Aktu, Y. (2024). Yapay Zeka Kabul Ölçeği Kısa Formu’nun psikometrik özelliklerinin incelenmesi. IV. Bilsel Uluslararası Korykos Bilimsel Araştırmalar ve İnovasyon Kongresi, Mersin.
Blanchard, J., Gardner-McCune, C., & Anthony, L. (2021). Dual modality instruction & programming environments: Student usage & perceptions. In Proceedings of the 52nd ACM Technical Symposium on Computer Science Education (SIGCSE ’21) (pp. 481–487). Association for Computing Machinery. https://doi.org/10.1145/3408877.3432434
Büyüköztürk, Ş., Kılıç Çakmak, E., Akgün, Ö. E., Karadeniz, Ş., & Demirel, F. (2021). Bilimsel araştırma yöntemleri (30. Baskı). Pegem Akademi.
Can, A. (2019). Spss ile bilimsel araştırma sürecinde nicel veri analizi, 8. Baskı, Ankara: Pegem Akademi.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.

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
Creswell, J. W. (2014). Eğitim araştırmaları: Nicel ve nitel araştırmanın planlanması, yürütülmesi ve değerlendirilmesi (M. Selçuk & E. Dilekli, Çev.).
Cingillioğlu, I. (2023). Detecting AI-generated essays: The ChatGPT challenge. International Journal of Information and Learning Technology, 40(3), 259–268. https://doi.org/10.1108/IJILT-03-2023-0043
Çokluk, Ö., Şekercioğlu, G., & Büyüköztürk, Ş. (2018). Sosyal bilimler için çok değişkenli istatistik: SPSS ve LISREL uygulamaları (6. baskı). Ankara: Pegem Akademi.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
Dignum, V. (2019). Responsible artificial intelligence: How to develop and use AI in a responsible way. Springer. https://doi.org/10.1007/978-3-030-30371-6
Erikson, E. H. (1968). Identity: Youth and crisis. Norton.
Eşiyok, E., Gökçearslan, Ş., & Küçükergin, K. G. (2024). Acceptance of educational use of AI chatbots in the context of self-directed learning with technology and ICT self-efficacy of undergraduate students. International Journal of Human–Computer Interaction, 40(2), 1–20. https://doi.org/10.1080/10447318.2024.2303557
Elkhatat, A. M., Elsaid, K., & Almeer, S. (2023). Evaluating the efficacy of AI content detection tools in differentiating between human and AI-generated text. International Journal for Educational Integrity, 19(1), Article 17. https://doi.org/10.1007/s40979-023-00140-5
Etzioni, A., & Etzioni, O. (2016). Designing AI systems that obey our laws and values. Communications of the ACM, 59(9), 29–31. https://doi.org/10.1145/2955091
Faul, F., Erdfelder, E., Lang, A. G., & Buchner, A. (2007). G* Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior research methods, 39(2), 175-191. https://doi.org/10.3758/BF03193146
Gökçearslan, Ş., Tosun, C., & Erdemir, Z. G. (2024a). Benefits, challenges, and methods of artificial intelligence (AI) chatbots in education: A systematic literature review. International Journal of Technology in Education, 7(1), 19–39. https://doi.org/10.46328/ijte.600
Gökçearslan, Ş., Yıldız Durak, H., & Günbatar, M. S. (2024b). Üretken yapay zeka okuryazarlığı ölçeği: Geçerlik ve güvenirlik. 4th International Conference on Scientific and Academic Research, Konya, Türkiye.
Grassini, S. (2023). Development and validation of the AI attitude scale (AIAS-4): A brief measure of general attitude toward artificial intelligence. Frontiers in Psychology, 14, 1191628. https://doi.org/10.3389/fpsyg.2023.1191628
Hayes, A. F. (2013). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach. New York, NY: Guilford Press.
Hayes, A. F. (2022). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (3rd ed.). The Guilford Press.
Hagerty, A., & Rubinov, I. (2019). Global AI ethics: A review of the social impacts and ethical implications of artificial intelligence. AI & Society, 34(4), 553–568. https://doi.org/10.48550/arXiv.1907.07892
Harrer, S. (2023). Attention is not all you need: The complicated case of ethically using large language models in healthcare and medicine. EBioMedicine, 90, 104512. https://doi.org/10.1016/j.ebiom.2023.104512
Hosseini, M., Rasmussen, L. M., & Resnik, D. B. (2023). Using AI to write scholarly publications. Accountability in Research, 30(1), 1–9. https://doi.org/10.1080/08989621.2023.2168535
Hwang, G. J., & Chang, C. Y. (2023). A review of opportunities and challenges of chatbots in education. Interactive Learning Environments, 31(7), 4099–4112. https://doi.org/10.1080/10494820.2021.1952615
Karasar, N. (2014). Bilimsel araştırma yöntemi: Kavramlar, ilkeler, teknikler (27. Baskı). Nobel Yayın Dağıtım.
Kline, R. B. (2011). Principles and practice of structural equation modeling (3rd ed.). New York, NY: Guilford Press.
Lee, I., Ali, S., Zhang, H., DiPaola, D., & Breazeal, C. (2021). Developing middle school students’ AI literacy. In Proceedings of the 52nd ACM Technical Symposium on Computer Science Education (pp. 191–197). Association for Computing Machinery. https://doi.org/10.1145/3408877.3432513
Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems (pp. 1–16). https://doi.org/10.1145/3313831.3376727
Marsh, H. W., & Craven, R. G. (2006). Reciprocal effects of self-concept and performance from a multidimensional perspective: Beyond seductive pleasure and unidimensional perspectives. Perspectives on Psychological Science, 1(2), 133–163. https://doi.org/10.1111/j.1745-6916.2006.00010.x
McCarthy, J. (2007). What is artificial intelligence? http://cse.unl.edu/~choueiry/S09-476-876/Documents/whatisai.pdf
Mohamed, A. M. (2023). Exploring the potential of an AI-based Chatbot (ChatGPT) in enhancing English as a Foreign Language (EFL) teaching: Perceptions of EFL Faculty Members. Education and Information Technologies, 28(1), 471–478. https://doi.org/10.1007/s10639-023-11917-z
Oravec, J. A. (2023). Cheating with AI: Ethical and educational implications of using ChatGPT and other tools. International Journal of Educational Integrity, 19(1), 1–9.
Parasuraman, A. (2000). Technology readiness index (TRI): A multiple-item scale to measure readiness to embrace new technologies. Journal of Service Research, 2(4), 307–320. https://doi.org/10.1177/109467050024001
Piaget, J. (1972). The psychology of the child. Basic Books.
Preacher, K. J., & Hayes, A. F. (2008). Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models. Behavior Research Methods, 40(3), 879–891. https://doi.org/10.3758/BRM.40.3.879
Pérez, J. Q., Daradoumis, T., & Puig, J. M. M. (2020). Rediscovering the use of chatbots in education: A systematic literature review. Computer Applications in Engineering Education, 28(6), 1549–1565. https://doi.org/10.1002/cae.22255
Schumacker, R. E., & Lomax, R. G. (2010). A beginner’s guide to structural equation modeling (3rd ed.). New York, NY: Routledge.
Sison, A. J. G., Daza, M. T., Gozalo-Brizuela, R., & Garrido-Merchán, E. C. (2023). ChatGPT: More than a weapon of mass deception? Ethical challenges and responses from the Human-Centered Artificial Intelligence (HCAI) perspective. arXiv preprint arXiv:2304.11215. https://doi.org/10.48550/arXiv.2304.11215
Su, J., Ng, D. T. K., & Chu, S. K. W. (2023). Artificial intelligence (AI) literacy in early childhood education: The challenges and opportunities. Computers and Education: Artificial Intelligence, 4, 100124. https://doi.org/10.1016/j.caeai.2023.100124
Schermelleh-Engel, K., Moosbrugger, H., & Müller, H. (2003). Evaluating the fit of structural equation models: Tests of significance and descriptive goodness-of-fit measures. Methods of Psychological Research Online, 8(2), 23–74.
UNESCO. (2023). Guidance for generative AI in education and research. https://unes
Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186–204. https://doi.org/10.1287/mnsc.46.2.186.11926
Wang, B., Rau, P.-L. P., & Yuan, T. (2023). Measuring user competence in using artificial intelligence: validity and reliability of artificial intelligence literacy scale. Behaviour & Information Technology, 42(9), 1324-1337. https://doi.org/10.1080/0144929X.2022.2072768
Wang, J., & Wang, X. (2012). Structural equation modeling: Applications using Mplus. Hoboken, NJ: Wiley.
Yildiz Durak, H. (2023). Conversational agent-based guidance: Examining the effect of chatbot usage frequency and satisfaction on visual design self-efficacy, engagement, satisfaction, and learner autonomy. Education and Information Technologies, 28(1), 471-488.

Details

Primary Language

Turkish

Subjects

Psychological Counseling Education

Journal Section

Research Article

Authors

Ahmet Keskin ^*
0000-0001-9547-0934
Türkiye

Ayten Bölükbaşı Uygur
0000-0003-4102-3906
Türkiye

Bilal Kaya
0000-0002-6246-3540
Türkiye

Publication Date

June 25, 2026

Submission Date

December 3, 2025

Acceptance Date

March 27, 2026

Published in Issue

Year 2026 Number: 68

DOI

https://doi.org/10.53444/deubefd.1834610

IZ

https://izlik.org/JA88GB72LS

APA

Keskin, A., Bölükbaşı Uygur, A., & Kaya, B. (2026). Üretken Yapay Zekâ Okuryazarlığı ile Yapay Zekâya Yönelik Tutum Arasındaki İlişkide Yapay Zekâ Kabulünün Aracı Rolü. Buca Eğitim Fakültesi Dergisi, 68. https://doi.org/10.53444/deubefd.1834610

AMA

1.Keskin A, Bölükbaşı Uygur A, Kaya B. Üretken Yapay Zekâ Okuryazarlığı ile Yapay Zekâya Yönelik Tutum Arasındaki İlişkide Yapay Zekâ Kabulünün Aracı Rolü. Buca Eğitim Fakültesi Dergisi. 2026;(68). doi:10.53444/deubefd.1834610

Chicago

Keskin, Ahmet, Ayten Bölükbaşı Uygur, and Bilal Kaya. 2026. “Üretken Yapay Zekâ Okuryazarlığı Ile Yapay Zekâya Yönelik Tutum Arasındaki İlişkide Yapay Zekâ Kabulünün Aracı Rolü”. Buca Eğitim Fakültesi Dergisi, nos. 68. https://doi.org/10.53444/deubefd.1834610.

EndNote

Keskin A, Bölükbaşı Uygur A, Kaya B (June 1, 2026) Üretken Yapay Zekâ Okuryazarlığı ile Yapay Zekâya Yönelik Tutum Arasındaki İlişkide Yapay Zekâ Kabulünün Aracı Rolü. Buca Eğitim Fakültesi Dergisi 68

IEEE

[1]A. Keskin, A. Bölükbaşı Uygur, and B. Kaya, “Üretken Yapay Zekâ Okuryazarlığı ile Yapay Zekâya Yönelik Tutum Arasındaki İlişkide Yapay Zekâ Kabulünün Aracı Rolü”, Buca Eğitim Fakültesi Dergisi, no. 68, June 2026, doi: 10.53444/deubefd.1834610.

ISNAD

Keskin, Ahmet - Bölükbaşı Uygur, Ayten - Kaya, Bilal. “Üretken Yapay Zekâ Okuryazarlığı Ile Yapay Zekâya Yönelik Tutum Arasındaki İlişkide Yapay Zekâ Kabulünün Aracı Rolü”. Buca Eğitim Fakültesi Dergisi. 68 (June 1, 2026). https://doi.org/10.53444/deubefd.1834610.

JAMA

1.Keskin A, Bölükbaşı Uygur A, Kaya B. Üretken Yapay Zekâ Okuryazarlığı ile Yapay Zekâya Yönelik Tutum Arasındaki İlişkide Yapay Zekâ Kabulünün Aracı Rolü. Buca Eğitim Fakültesi Dergisi. 2026. doi:10.53444/deubefd.1834610.

MLA

Keskin, Ahmet, et al. “Üretken Yapay Zekâ Okuryazarlığı Ile Yapay Zekâya Yönelik Tutum Arasındaki İlişkide Yapay Zekâ Kabulünün Aracı Rolü”. Buca Eğitim Fakültesi Dergisi, no. 68, June 2026, doi:10.53444/deubefd.1834610.

Vancouver

1.Ahmet Keskin, Ayten Bölükbaşı Uygur, Bilal Kaya. Üretken Yapay Zekâ Okuryazarlığı ile Yapay Zekâya Yönelik Tutum Arasındaki İlişkide Yapay Zekâ Kabulünün Aracı Rolü. Buca Eğitim Fakültesi Dergisi. 2026 Jun. 1;(68). doi:10.53444/deubefd.1834610

Üretken Yapay Zekâ Okuryazarlığı ile Yapay Zekâya Yönelik Tutum Arasındaki İlişkide Yapay Zekâ Kabulünün Aracı Rolü

Abstract

Keywords

The Mediating Role of AI Acceptance in the Relationship Between Generative AI Literacy and Attitudes Toward AI

Abstract

Keywords

Abstract

Abstract

References

Details

Primary Language

Subjects

Journal Section

Authors

Publication Date

Submission Date

Acceptance Date

Published in Issue

DOI

IZ

Cite