Yapay Zekâ Öz-Yeterlik Ölçeği: Ortaokul Öğrencileri İçin Geçerlik ve Güvenirlik Çalışması

Aylin Karakuş; Cemil Cahit Yesilbursa

doi:10.18009/jcer.1795295

EN TR

Artificial Intelligence Self-Efficacy Scale: A Validity and Reliability Study for Middle School Students

Abstract

The purpose of this study is to develop a valid and reliable scale to measure middle school students’ self-efficacy perceptions regarding artificial intelligence (AI) technologies. Self-efficacy theory, individuals’ beliefs about their own capabilities directly affect their motivation and achievement in learning processes. With the increasing integration of AI-based applications into educational settings, assessing students’ self-efficacy levels in this domain has become particularly important. The exploratory factor analysis (EFA) revealed that the developed scale consisted of 12 items and three sub-dimensions, explaining 52.87% of the total variance. Confirmatory factor analysis (CFA) results further supported the model with strong fit indices (χ²/df=1.26, RMSEA=.04, CFI=.93, TLI=.90). Reliability analyses based on Cronbach’s alpha coefficients indicated a value of .784 for the overall scale and .748, .628, and .629 for the sub-dimensions, respectively. Although two sub-dimensions yielded coefficients slightly below the .70 threshold, literature suggests that such levels can be considered acceptable for newly developed scales. In conclusion, the Artificial Intelligence Self-Efficacy Scale developed in this study is a valid and reliable instrument for measuring middle school students’ self-efficacy levels toward AI. It is expected that the scale will contribute to future research and educational practices by providing insights into students’ adaptation to emerging technologies.

Keywords

Artificial intelligence, self-efficacy, scale development, middle school students.

Yapay Zekâ Öz-Yeterlik Ölçeği: Ortaokul Öğrencileri İçin Geçerlik ve Güvenirlik Çalışması

Abstract

Bu araştırmanın amacı, ortaokul öğrencilerinin yapay zekâ teknolojilerine ilişkin öz-yeterlik algılarını ölçmeye yönelik geçerli ve güvenilir bir ölçek geliştirmektir. Öz-yeterlik kuramı, bireylerin kendi yeterliklerine dair inançlarının öğrenme süreçlerindeki motivasyon ve başarıyı doğrudan etkilediğini ortaya koymaktadır. Eğitim ortamlarında yapay zekâ tabanlı uygulamaların giderek daha fazla kullanılması, öğrencilerin bu teknolojilere yönelik öz-yeterlik düzeylerinin ölçülmesini önemli hale getirmiştir. Açımlayıcı faktör analizi (AFA) sonucunda geliştirilen ölçeğin 12 madde ve üç alt boyuttan oluştuğu, bu yapının toplam varyansın %52.87’sini açıkladığı belirlenmiştir. Doğrulayıcı faktör analizi (DFA) sonuçları ise modelin yüksek uyum değerleriyle desteklendiğini göstermiştir (χ²/sd=1.26, RMSEA=.04, CFI=.93, TLI=.90). Ölçeğin güvenirliği Cronbach Alpha katsayıları ile incelenmiş; ölçeğin geneli için .784, alt boyutlar için ise .748, .628 ve .629 değerleri bulunmuştur. Alt boyutlardan ikisinde katsayıların .70’in altında kalması bir sınırlılık olarak görülmekle birlikte, yeni ölçek geliştirme çalışmalarında bu düzeylerin kabul edilebilir olduğu literatürde ifade edilmektedir. Sonuç olarak geliştirilen Yapay Zekâ Öz-Yeterlik Ölçeği, ortaokul öğrencilerinin yapay zekâya yönelik öz-yeterlik düzeylerini ölçmede kullanılabilecek, geçerli ve güvenilir bir araçtır. Ölçeğin, gelecekte yapılacak araştırmalara ve eğitim uygulamalarına katkı sağlayacağı düşünülmektedir.

Keywords

Yapay zekâ, öz-yeterlik, ölçek geliştirme, ortaokul öğrencileri

Ethical Statement

Bilgilendirme Bu çalışma, yazarın hazırladığı doktora tezinde kullanılan verilerden üretilmiştir. Etik Kurul Belgesi Etik Kurul Komisyon Adı: Gazi Üniversitesi Etik Kurul Başkanlığı Etik Kurul Belge Tarihi ve Numara: 23/01/2025/ E-80287700-302.08.01-1151271

References

Bagozzi, R. P. (1981). An examination of the validity of two models of attitude. Multivariate Behavioral Research, 16(3), 323–359. https://doi.org/10.1207/s15327906mbr1603_4
Bandura, A. (1997). Self-efficacy: The exercise of control. W. H. Freeman.
Bozkurt, A. (2023). ChatGPT, üretken yapay zekâ ve algoritmik paradigma değişikliği. Alanyazın Eğitim Bilimleri Eleştirel İnceleme Dergisi, 4(1), 63–72.
Brown, T. A. (2015). Confirmatory factor analysis for applied research (2nd ed.). Guilford Press.
Büyük, U., & Çetingüney, H. (2025). Eğitimde yapay zekâ kullanımına yönelik öğretmenlerin öz yeterlik inancı ölçeği: Geçerlik ve güvenirlik çalışması. Batı Anadolu Eğitim Bilimleri Dergisi, 16(1), 1422–1445. https://doi.org/10.51460/baebd.1602705
Byrne, B. M. (2010). Structural equation modeling with AMOS: Basic concepts, applications, and programming (2nd ed.). Routledge/Taylor & Francis Group.
Chiu, T. K. F., Ahmad, Z., & Çoban, M. (2025). Development and validation of teacher artificial intelligence (AI) competence self-efficacy (TAICS) scale. Education and Information Technologies, 30, 6667–6685. https://doi.org/10.1007/s10639-024-13094-z
DeVellis, R. F., & Thorpe, C. T. (2021). Scale development: Theory and applications. Sage.
Dunn, T. J., Baguley, T., & Brunsden, V. (2014). From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation. British Journal of Psychology, 105(3), 399–412. https://doi.org/10.1111/bjop.12046
Eskici, E., & Altun, A. (2023). Sosyal bilimlerde dijitalleşme ve sosyal bilgiler öğretim programına yansıtılması. Abant İzzet Baysal Üniversitesi Eğitim Fakültesi Dergisi, 23(4), 1686–1719. https://doi.org/10.17240/aibuefd.2023..-1322731

European Union. (2024). Regulation (EU) 2024/1689 of the European parliament and of the council of 13 June 2024 on artificial intelligence. Official Journal of the European Union. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A32024R1689
Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Strahan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, 4(3), 272–299. https://doi.org/10.1037/1082-989X.4.3.272
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate data analysis (7th ed.). Pearson Education.
Hooper, D., Coughlan, J., & Mullen, M. R. (2008). Structural equation modelling: Guidelines for determining model fit. The Electronic Journal of Business Research Methods, 6, 53-60.
Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
Kaiser, H. F. (1974). An index of factorial simplicity. Psychometrika, 39(1), 31–36.
Karabacak, S., & Bilgin, E. A. (2025). Investigation of secondary school students’ and teachers’ opinions on the use of Chatgpt artificial intelligence application in mathematics education. International e-Journal of Educational Studies, 9(19), 121-144.
Karakuş, A. (2023). Social studies and artificial intelligence. International Journal of Eurasian Education and Culture, 8(24), 3079–3102. https://doi.org/10.35826/ijoecc.1813
Karakuş, A., & Yeşilbursa, C. C. (2025). Sosyal bilgiler dersi bağlamında ortaokul öğrencilerinin yapay zekâya yönelik görüşlerinin incelenmesi. International Journal of Education Technology and Scientific Researches, 10(31), 91–116.
Karasar, N. (2009). Bilimsel araştırma yöntemi. (21. basım). Nobel Yayın Dağıtım.
Kaya, D., Yaşar, A. Ö., Çetin, İ., & Kutluca, T. (2025). The relationship between the 21st century skills and computational thinking skills of prospective mathematics and science teachers. Journal of Pedagogical Research, 9(1), 73-95.
Kline, R. B. (2011). Principles and practice of structural equation modeling (3rd ed.). Guilford.
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.
OECD (2022). OECD recommendation on artificial intelligence (OECD AI principles). OECD.
Ok, G., Kaya, D., & Kutluca, T. (2025). Artificial intelligence for a sustainable future in the 21st century: Impacts and reflections on education. Discourse and Communication for Sustainable Education, 16(1), 109-136. http://doi.org/10.2478/dcse-2025-0009
Peter, J. P. (1981). Construct validity: A review of basic isues and marketing practices. Journal of Marketing Research, 18(2), 133-145. https://doi.org/10.1177/002224378101800201
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, 8(2), 23–74.
Seçer, İ. (2018). Psikolojik test geliştirme ve uyarlama süreci: SPSS ve LISREL uygulamaları. Anı.
Tabachnick, B. G., & Fidell, L. S. (2013). Using multivariate statistics (6th ed.). Pearson.
Thompson, B. (2004). Exploratory and confirmatory factor analysis: Understanding concepts and applications. American Psychological Association. https://doi.org/10.1037/10694-000
Türkiye Cumhuriyeti Cumhurbaşkanlığı Dijital Dönüşüm Ofisi. (2021). Ulusal yapay zekâ stratejisi (2021–2025). Ankara. https://cbddo.gov.tr/storage/files/uploads/pagefile/uyz-strateji-belgesi-tr-20210824100602.pdf adresinden erişilmiştir.
UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO Publishing. https://unesdoc.unesco.org/ark:/48223/pf0000380455
Uyan, U., & Gültekin, S. U. (2024). Yapay zekâ öz-yeterlilik ölçeğinin Türkçeye uyarlanması: Geçerlilik ve güvenirlik çalışması. Journal of Research in Business, 9(1), 135–148.
Wang, Y., & Chuang, Y.-H. (2023). Artificial intelligence self-efficacy: Scale development and validation. Education and Information Technologies, 29(10), 4785–4808.
Zimmerman, B. J. (2000). Self-efficacy: An essential motive to learn. Contemporary Educational Psychology, 25(1), 82–91. https://doi.org/10.1006/ceps.1999.1016

Details

Primary Language

Turkish

Subjects

Scale Development

Journal Section

Research Article

Authors

Aylin Karakuş ^*
0000-0002-3309-5275
Türkiye

Cemil Cahit Yesilbursa
0000-0001-8568-6061
Türkiye

Publication Date

May 21, 2026

Submission Date

October 1, 2025

Acceptance Date

May 18, 2026

Published in Issue

Year 2026 Volume: 14

DOI

https://doi.org/10.18009/jcer.1795295

IZ

https://izlik.org/JA24NE39UK

APA

Karakuş, A., & Yesilbursa, C. C. (2026). Yapay Zekâ Öz-Yeterlik Ölçeği: Ortaokul Öğrencileri İçin Geçerlik ve Güvenirlik Çalışması. Journal of Computer and Education Research, 14. https://doi.org/10.18009/jcer.1795295

AMA

1.Karakuş A, Yesilbursa CC. Yapay Zekâ Öz-Yeterlik Ölçeği: Ortaokul Öğrencileri İçin Geçerlik ve Güvenirlik Çalışması. JCER. 2026;14. doi:10.18009/jcer.1795295

Chicago

Karakuş, Aylin, and Cemil Cahit Yesilbursa. 2026. “Yapay Zekâ Öz-Yeterlik Ölçeği: Ortaokul Öğrencileri İçin Geçerlik Ve Güvenirlik Çalışması”. Journal of Computer and Education Research 14 (May). https://doi.org/10.18009/jcer.1795295.

EndNote

Karakuş A, Yesilbursa CC (May 1, 2026) Yapay Zekâ Öz-Yeterlik Ölçeği: Ortaokul Öğrencileri İçin Geçerlik ve Güvenirlik Çalışması. Journal of Computer and Education Research 14

IEEE

[1]A. Karakuş and C. C. Yesilbursa, “Yapay Zekâ Öz-Yeterlik Ölçeği: Ortaokul Öğrencileri İçin Geçerlik ve Güvenirlik Çalışması”, JCER, vol. 14, May 2026, doi: 10.18009/jcer.1795295.

ISNAD

Karakuş, Aylin - Yesilbursa, Cemil Cahit. “Yapay Zekâ Öz-Yeterlik Ölçeği: Ortaokul Öğrencileri İçin Geçerlik Ve Güvenirlik Çalışması”. Journal of Computer and Education Research 14 (May 1, 2026). https://doi.org/10.18009/jcer.1795295.

JAMA

1.Karakuş A, Yesilbursa CC. Yapay Zekâ Öz-Yeterlik Ölçeği: Ortaokul Öğrencileri İçin Geçerlik ve Güvenirlik Çalışması. JCER. 2026;14. doi:10.18009/jcer.1795295.

MLA

Karakuş, Aylin, and Cemil Cahit Yesilbursa. “Yapay Zekâ Öz-Yeterlik Ölçeği: Ortaokul Öğrencileri İçin Geçerlik Ve Güvenirlik Çalışması”. Journal of Computer and Education Research, vol. 14, May 2026, doi:10.18009/jcer.1795295.

Vancouver

1.Aylin Karakuş, Cemil Cahit Yesilbursa. Yapay Zekâ Öz-Yeterlik Ölçeği: Ortaokul Öğrencileri İçin Geçerlik ve Güvenirlik Çalışması. JCER. 2026 May 1;14. doi:10.18009/jcer.1795295