Problemli ChatGPT Kullanımı Ölçeği’nin Türkçe’ye Uyarlama Çalışması

Abstract

Bu çalışmanın amacı, Yu ve arkadaşları (2024) tarafından geliştirilen Problemli ChatGPT Kullanımı Ölçeği’nin Türkçe formunun geçerlilik ve güvenilirliğini incelemektir. Teknolojinin bilinçsiz ve aşırı kullanımı, bireyler üzerinde çeşitli olumsuz etkilere yol açabilmektedir. Bu bağlamda, ölçek, bireylerin ChatGPT’yi sağlıksız bir şekilde kullanıp kullanmadığını belirlemek için geliştirilmiştir. Araştırma sürecinde, ölçeğin dilsel ve kavramsal uyumu sağlandıktan sonra, üniversite öğrencileri üzerinde detaylı bir analiz yapılmıştır. Araştırma, 18-60 yaş arasındaki yetişkinlerin ChatGPT kullanımını belirlemeye yönelik bir ölçek geliştirmeyi amaçlamaktadır. Çalışmaya 204 kadın ve 97 erkek olmak üzere toplam 301 yetişkin katılmıştır. Yapılan açımlayıcı ve doğrulayıcı analizler sonucunda, ölçeğin beşli Likert tipi, bir alt boyut ve 11 maddeden oluşan bir yapıya sahip olduğu belirlenmiştir. Faktör yükleri 0,52 ile 0,87 arasında değişirken, doğrulayıcı faktör analizinde yapılan Ki-kare testi (χ2=2319,736; sd=55, p=0,00) anlamlı bulunmuş, uyum indeksi değerleri ise CFI = 0.819, TLI = 0.774, RMSEA = 0.178 ve SRMR = 0.107 olarak belirlenmiştir. Ayrıca, ölçeğin iç tutarlılığını değerlendiren Cronbach Alpha katsayısı 0,91 olarak tespit edilmiştir. Bu sonuçlar, Problemli ChatGPT Kullanımı Ölçeği’nin, yetişkinlerin sosyal medya bağımlılığını belirlemeye yönelik geçerli ve güvenilir bir ölçüm aracı olduğunu göstermektedir. Ölçeğin ölçüt geçerliliğini test etmek amacıyla, literatürde yaygın olarak kullanılan ve geçerliliği kanıtlanmış Yapay Zekaya Bağımlılık Ölçeği ile ilişkilendirme yapılacaktır. Bu ilişkilendirme, Problemli ChatGPT Kullanımı Ölçeği ile Yapay Zekaya Bağımlılık Ölçeği arasındaki ilişkiyi değerlendirerek, iki ölçeğin benzer kavramları ölçüp ölçmediğini ortaya koymayı hedeflemektedir. Sonuç olarak, çalışmada elde edilen bulgular, Problemli ChatGPT Kullanımı Ölçeği’nin sosyal medya bağımlılığı konusunda etkili bir araç olarak kullanılabileceğini göstermektedir.

Keywords

• Problemli ChatGPT Kullanımı
• Yapay Zekaya Bağımlılık Ölçeği
• Geçerlik
• Güvenirlik.

Adaptation Study of the Problematic ChatGPT Use Scale into Turkish

Abstract

The purpose of this study is to examine the validity and reliability of the Turkish form of the Problematic ChatGPT Use Scale developed by Yu et al. (2024). Unconscious and excessive use of technology may lead to negative psychological, social, and academic outcomes, and the scale was designed to identify whether individuals engage in unhealthy or maladaptive patterns of ChatGPT use. Following the linguistic and conceptual adaptation procedures, the scale was administered to adult participants aged 18–60. A total of 301 adults participated in the study (204 women, 97 men). Exploratory and confirmatory factor analyses indicated that the scale has a single-factor structure consisting of 11 items rated on a five-point Likert format. Factor loadings ranged from 0.52 to 0.87. In the confirmatory factor analysis, the chi-square value was significant (χ² = 2319.736, df = 55, p = .00), and the fit indices were CFI = 0.819, TLI = 0.774, RMSEA = 0.178, and SRMR = 0.107. Internal consistency analysis yielded a Cronbach’s alpha coefficient of 0.91. Criterion validity was supported by a significant correlation with the Artificial Intelligence Dependence Scale, indicating conceptual overlap between the two constructs. Overall, the findings show that the Turkish version of the Problematic ChatGPT Use Scale is a valid and reliable instrument for assessing problematic ChatGPT use among adults.

Keywords

• Problematic ChatGPT Use
• Artificial Intelligence Addiction Scale
• Validity
• Reliability.

Supporting Institution

Yoktur.

Ethical Statement

Çalışma için etik kurul kararı alınmıştır.

References

1. Andreassen, C. S. (2015). Online social network site addiction: A comprehensive review. Current Addiction Reports, 2(2), 175–184. https://doi.org/10.1007/s40429-015-0056-9
2. Ayyıldız, Y. D. D. H., & Cengiz, A. G. E. (2006). Pazarlama modellerinin testinde kullanılabilecek yapısal eşitlik modeli (YEM) üzerine kavramsal bir inceleme. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 11(2), 63–84. https://izlik.org/JA87RD74TM
3. Byrne, B. M. (2016). Structural equation modeling with AMOS: Basic concepts, applications, and programming (3rd ed.). Routledge.
4. Bulut, H. (2023). R ile istatistiksel analiz ve programlama. Nobel Akademik Yayıncılık.
5. Büyüköztürk, Ş. (2007). Sosyal bilimler için veri analizi el kitabı (8th ed.). Pegem Akademi.
6. Büyüköztürk, Ş. (2010). Sosyal bilimler için veri analizi el kitabı (12th ed.). Pegem Akademi.
7. Chou, C., Condron, L., & Belland, J. C. (2005). A review of the research on internet addiction. Educational Psychology Review, 17(4), 363–388. https://psycnet.apa.org/doi/10.1007/s10648-005-8138-1
8. Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334.

9. DeVellis, R. F. (2017). Scale development: Theory and applications (4th ed.). Sage.
10. Duong, C. D., Vu, T. N., Ngo, T. V. N., Do, N. D., & Tran, N. M. (2024). Reduced student life satisfaction and academic performance: Unraveling the dark side of ChatGPT in the higher education context. International Journal of Human–Computer Interaction, 1–16. https://doi.org/10.1080/10447318.2024.2356361
11. Feuerriegel, S., Hartmann, J., Janiesch, C., & Zschech, P. (2024). Generative AI. Business & Information Systems Engineering, 66(1), 111–126. https://doi.org/10.1007/s12599-023-00834-7
12. Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50.
13. Griffiths, M. D., Kuss, D. J., & Demetrovics, Z. (2014). Social networking addiction: An overview of preliminary findings. In K. P. Rosenberg & L. C. Feder (Eds.), Behavioral addictions: Criteria, evidence, and treatment (pp. 119–141). Academic Press. https://doi.org/10.1016/B978-0-12-407724-9.00006-9
14. Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
15. Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43, 115–135.
16. Huang, S., Lai, X., Ke, L., Li, Y., Wang, H., Zhao, X., Dai, X., & Wang, Y. (2024). AI technology panic—Is AI dependence bad for mental health? A cross-lagged panel model and the mediating roles of motivations for AI use among adolescents. Psychology Research and Behavior Management, 17, 1087–1102. https://doi.org/10.2147/PRBM.S440889
17. Kaiser, H. F. (1974). An index of factorial simplicity. Psychometrika, 39(1), 31–36.
18. Kalaycı, Ş. (2009). SPSS uygulamalı çok değişkenli istatistik teknikleri. Asil Yayınevi.
19. Khan, M. T. (2025). The revolutionary intersection of AI and healthcare: Embracing ChatGPT with caution. Chronicles of Biomedical Sciences, 2(1). https://cbsciences.us/index.php/cbs/article/view/35
20. Kim, T. W., Jiang, L., Duhachek, A., Lee, H., & Garvey, A. (2022). Do you mind if I ask you a personal question? How AI service agents alter consumer self-disclosure. Journal of Service Research, 25(4), 649–666. https://doi.org/10.1177/10946705221120232
21. Kline, R. B. (2015). Principles and practice of structural equation modeling (4th ed.). Guilford Press.
22. Lawshe, C. H. (1975). A quantitative approach to content validity. Personnel Psychology, 28(4), 563–575.
23. Marriott, H. R., & Pitardi, V. (2024). One is the loneliest number… two can be as bad as one: The influence of AI friendship apps on users’ well-being and addiction. Psychology & Marketing, 41(1), 86–101. https://doi.org/10.1002/mar.21899
24. Meng, S. Q., Cheng, J. L., Li, Y. Y., Yang, X. Q., Zheng, J. W., Chang, X. W., & Shi, J. (2022). Global prevalence of digital addiction in general population: A systematic review and meta-analysis. Clinical Psychology Review, 92, 102–128. https://doi.org/10.1016/j.cpr.2022.102128
25. Morales-García, W. C., Sairitupa-Sanchez, L. Z., Morales-García, S. B., & Morales-García, M. (2024). Development and validation of a scale for dependence on artificial intelligence in university students. Frontiers in Education, 9, 1323898. https://doi.org/10.3389/feduc.2024.1323898
26. Pentina, I., Xie, T., Hancock, T., & Bailey, A. (2023). Consumer–machine relationships in the age of artificial intelligence: Systematic literature review and research directions. Psychology & Marketing, 40(8), 1593–1614. https://doi.org/10.1002/mar.21853
27. Ramadan, Z. B. (2021). Alexafying shoppers: The examination of Amazon’s captive relationship strategy. Journal of Retailing and Consumer Services, 62, 102610. http://dx.doi.org/10.1016/j.jretconser.2021.102610
28. Savaş, B. Ç. (2024). Yapay zekâya bağımlılık ölçeğinin Türkçe’ye uyarlanması: Geçerlik ve güvenirlik çalışması [Adaptation of the dependence to artificial intelligence scale into Turkish: Validity and reliability study]. Journal of Sports for All and Recreation, 6(3). https://dergipark.org.tr/en/pub/jsar
29. Skjuve, M., Følstad, A., Fostervold, K. I., & Brandtzaeg, P. B. (2021). My chatbot companion—A study of human-chatbot relationships. International Journal of Human-Computer Studies, 149(1), 102601. https://doi.org/10.1016/j.ijhcs.2021.102601
30. Sönmez, V., & Alacapınar, G. F. (2014). Örneklendirilmiş bilimsel araştırma yöntemleri. Anı Yayıncılık.
31. Şimşek, Ö. F. (2007). Yapısal eşitlik modellemesine giriş (Temel ilkeler ve LISREL uygulamaları). Ekinoks.
32. Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
33. Tavşancıl, E. (2006). Tutumların ölçülmesi ve SPSS ile veri analizi. Nobel Yayıncılık.
34. Tehci, A., & Ersoy, Y. (2018). Industry 4.0: New Approaches in Production Management and Marketing. In Mellal, M. A. (Ed.) Advanced Manufacturing: Progress, Trends and Prospects, 1, pp. 187–200). Nova.
35. Xie, T., Pentina, I., & Hancock, T. (2023). Friend, mentor, lover: Does chatbot engagement lead to psychological dependence? Journal of Service Management, 23, 806–828. http://dx.doi.org/10.1108/JOSM-02-2022-0072
36. Worthington, R. L., & Whittaker, T. A. (2006). Scale development research: A content analysis and recommendations for best practices. The Counseling Psychologist, 34(6), 806–838.
37. Young, K. S. (1998). Internet addiction: The emergence of a new clinical disorder. CyberPsychology & Behavior, 1(3), 237–244. http://dx.doi.org/10.1089/cpb.1998.1.237
38. Yu, S.-C., Chen, H.-R., & Yang, Y.-W. (2024). Development and validation of the Problematic ChatGPT Use Scale: A preliminary report. Current Psychology, 43, 26080–26092. http://dx.doi.org/10.1007/s12144-024-06259-z
39. Zaman, T. (2019). Efficient estimators of population mean using auxiliary attribute in stratified random sampling. Advances and Applications in Statistics, 56(2), 153–171.
40. Zhou, Z., Gan, W., Xie, J., Guo, Z., & Zhang, Z. (2024). Harnessing the potential of large language models in medicine: Opportunities, challenges, and ethical considerations. International Journal of Surgery, 110(9), 5850–5851. https://doi.org/10.1097/JS9.0000000000001613