GENÇLERDE DİJİTAL AKIL: YAPAY ZEKÂ FARKINDALIK ÖLÇEĞİ GELİŞTİRME

Year 2025, Issue: 102, 228 - 243, 22.06.2025

Çiğdem Öner , Ferhat Kardaş , Mehmet Şata

https://doi.org/10.17753/sosekev.1634851

Abstract

Bu çalışma, ergenlerin yapay zekâya yönelik farkındalık düzeylerini ölçmek amacıyla geçerli ve güvenilir bir ölçme aracı geliştirmeyi hedeflemektedir. Araştırmada, nicel yöntemlerden betimsel araştırma deseni kullanılmış ve eğitim sistemindeki ergenler çalışma evrenini oluşturmuştur. Örneklem grubu, uygun örnekleme yöntemi ile belirlenmiş olup, 283 katılımcı Açımlayıcı Faktör Analizi (AFA) ve 167 katılımcı Doğrulayıcı Faktör Analizi (DFA) için seçilmiştir. Geçerlik ve güvenirlik analizleri kapsamında kapsam geçerliği, yapı geçerliği, iç tutarlık katsayıları ve madde-toplam puan korelasyonları değerlendirilmiştir. İlk aşamada 22 maddeden oluşan ölçek, AFA sonucunda 20 madde ve dört alt boyuta indirgenmiştir. Yapay zekâ farkındalığını açıklama oranının yaklaşık %60 olduğu tespit edilmiştir. Faktör yapısının doğrulanması amacıyla ek veri toplanarak DFA gerçekleştirilmiş, model uyum indekslerinin yüksek düzeyde uygunluk gösterdiği belirlenmiştir. Ayrıca, ölçekten elde edilen verilerin güvenilirliğini belirlemek için hesaplanan Cronbach alfa ve McDonald omega katsayılarının yüksek güvenirliğe işaret ettiği görülmüştür. Sonuç olarak, ergenlerin yapay zekâ farkındalıklarını değerlendirmek için bilimsel açıdan geçerli ve güvenilir bir ölçme aracı ortaya konmuştur.

Keywords

Yapay zekâ, Ölçek Geliştirme, Geçerlik, Güvenirlik

Digital Mind in Adolescents: Development of an Artificial Intelligence Awareness Scale

Abstract

This study aims to develop a valid and reliable measurement tool to assess adolescents' awareness of artificial intelligence (AI). A quantitative research approach was adopted, employing a descriptive research design. The target population consists of adolescents within the education system, while the sample was selected using a convenience sampling method, comprising 283 participants for Exploratory Factor Analysis (EFA) and 167 for Confirmatory Factor Analysis (CFA). To establish the validity and reliability of the scale, content validity, construct validity, internal consistency coefficients, and item-total score correlations were analyzed. Initially composed of 22 items, the scale was refined through EFA, resulting in a final structure with 20 items and four subdimensions. The scale was found to explain approximately 60% of the variance in AI awareness. To verify the identified factor structure, additional data were collected, and CFA was conducted, confirming the model with strong fit indices. Furthermore, reliability analysis demonstrated high internal consistency, as evidenced by Cronbach’s alpha and McDonald’s omega coefficients. In conclusion, the study presents a scientifically validated and reliable measurement tool for assessing adolescents' awareness of artificial intelligence.

Keywords

Artificial intelligence, Scale Development, Validity, Reliability

References

• Adaş, E., & Erbay, B. (2022). Yapay zekâ sosyolojisi üzerine bir değerlendirme. Gaziantep UniversityJournal of SocialSciences, 21(1), 326-337. https://doi.org/10.21547/jss.991383
• Akkaya, B., Özkan, A., & Özkan, H. (2021). Yapay zekâ kaygı (YZK) ölçeği: Türkçeye uyarlama, geçerlik ve güvenirlik çalışması. Alanya Akademik Bakış, 5(2), 1125-1146. https://doi.org/10.29023/alanyaakademik.833668
• Alan, B., Zengin, F., & Keçeci, G. (2024). Yapay Zekâ Tutum Ölçeği (YZTÖ): Geçerlik ve Güvenirlik Çalışması. Cumhuriyet Uluslararası Eğitim Dergisi, 13(4), 789-800. https://doi.org/10.30703/cije.1327949
• Aslan, F., & Subaşı, A. (2022). Hemşirelik eğitimi ve hemşirelik süreci perspektifinden yapay zekâ teknolojilerine farklı bir bakış. Sağlık Bilimleri Üniversitesi Hemşirelik Dergisi, 4(3), 153-158. https://doi.org/10.48071/sbuhemsirelik.1109187
• Banaz, E., & Demirel, O. (2024). Türkçe öğretmen adaylarının yapay zekâ okuryazarlıklarının farklı değişkenlere göre incelenmesi. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi, (60), 1516-1529. https://doi.org/10.53444/deubefd.1461048
• Browne, M. W., & Cudeck, R. (1992). Alternative ways of assessing model fit. Sociological Methods & Research, 21(2), 230-258. https://doi.org/10.1177/0049124192021002005
• Büyüköztürk, Ş. (2012). Sosyal bilimler için veri analizi el kitabı. Pegem Akademi.
• Crocker, L., & Algina, J. (2006). Introduction to classica land modern test theory. WadsworthPubCo.
• Çam, M. B., Çelik, N. C., Güntepe, E. T., & Durukan, Ü. G. (2021). Öğretmen adaylarının yapay zekâ teknolojileri ile ilgili farkındalıklarının belirlenmesi. Mustafa Kemal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 18(48), 263-285.
• 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
• Doğan, A., & Cebioğlu, S. (2011). Beliren yetişkinlik: Ergenlikten yetişkinliğe uzanan bir dönem. Türk Psikoloji Yazıları, 14(28), 11-21.
• Erdoğan, T. E., & Ekşioğlu, S. (2024). Yapay zekâ okuryazarlığı ölçeği’nin Türkçeye uyarlanması. Türk Eğitim Bilimleri Dergisi, 22(2), 1196-1211. https://doi.org/10.37217/tebd.1496716
• Field, A. (2009) DiscoveringStatistics Using SPSS. Sage.
• Flavell, J. H. (1979). Metacognition and cognitive monitoring: A new area of cognitive–developmental inquiry. American Psychologist, 34(10), 906–911. https://doi.org/10.1037/0003-066X.34.10.906
• Gates, B. (2023). Theage of AI has begun. Gates Notes. https://www.gatesnotes.com/TheAge-of-AI-Has-Begun
• İçöz, S., ve İçöz, E. (2024). Türkçe öğretmen adaylarının yapay zekâ uygulamalarına yönelik farkındalık düzeylerinin incelenmesi. Ulusal Eğitim Dergisi, 4(3), 987-1001.
• İncemen, S., & Öztürk, G. (2024). Farklı eğitim alanlarında yapay zekâ: uygulama örnekleri. International Journal of Computers in Education, 7(1), 27-49.
• Kaya, F., Aydin, F., Schepman, A., Rodway, P., Yetişensoy, O., & Demir Kaya, M. (2024a). The roles of personality traits, AI anxiety, and demographic factors in attitudes toward artificial intelligence. International Journal of Human–Computer Interaction, 40(2), 497-514.
• Kaya, F., Yetişensoy, O., Aydın, F., & Kaya, M. D. (2024b). Yapay zekâ korkusu ölçeğinin Türkçe’ye uyarlanması. Ordu Üniversitesi Sosyal Bilimler Enstitüsü Sosyal Bilimler Araştırmaları Dergisi, 14(2), 554-567.
• Kline, R. B. (2011). Principles and practice of structural equation modeling. Guilford.
• Komalavalli, K., Hemalatha, R., & Dhanalakshmi, S. (2020). A survey of artificialintelligence in smartphonesanditsapplicationsamongthestudents of highereducation in andaroundChennai City. Shanlax International Journal of Education, 8(3), 89-95. https://doi.org/10.34293/education.v8i3.2379
• Kulaksızoğlu, A. (2016). Ergenlik Psikolojisi (18. baskı). Remzi Kitabevi.
• Lawshe, C. H. (1975). A quantitativeapproachtocontentvalidity. Personnelpsychology, 28(4), 563-575. https://doi.org/10.1111/j.1744-6570.1975.tb01393.x
• McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal for the dartmouth summer research project on artificial intelligence. AI Magazine, 27(4), 12-14.
• MEB.(2024a).https://yegitek.meb.gov.tr/meb_iys_dosyalar/2024_07/12172521_meb_nek_yapay_zek_araclari_12072024_web.pdf (07.01.2025 tarihinde erişilmiştir).
• MEB.(2024b).https://yegitek.meb.gov.tr/meb_iys_dosyalar/2024_09/11104346_meb_egitimde_uyz_formu_raporu_web_28082024_tr.pdf (07.01.2025 tarihinde erişilmiştir).
• Öztemel, E. (2020). Yapay zekâ ve insanlığın geleceği. Türkiye Bilimler Akademisi. https://doi.org/10.53478/TUBA.2020.011
• Polatgil, M., & Güler, A. (2023). Yapay zekâ okuryazarlığı ölçeğinin Türkçe’ye uyarlanması. Sosyal Bilimlerde Nicel Araştırmalar Dergisi, 3(2), 99-114.
• Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (3rd ed.). Prentice Hall.
• Salvucci, S.,Walter, E., Conley, V., Fink, S., & Saba, M. (1997). Measurement Error Studies at the National Center for Education Statistics. https://eric.ed.gov/?id=ED410313 [Erişim Tarihi: 09.04.2025].
• Süleymanoğulları, M., Özdemir, A., & Tekin, A. (2024). Yapay zekâ ölçeği: Geçerlik ve güvenirlik çalışması. Education Science and Sports, 6(1), 13-27.
• Şata, M. (2020). Nicel araştırma yaklaşımları. E. Oğuz. (Ed.), Eğitimde araştırma yöntemleri içinde (ss. 77-90). Eğiten Kitap.
• Tabachnick, B. G., & Fidell, L. S. (2013). Using multivariate statistics. Pearson.
• Takıl, N., Erden, N. K., & Sarı, A. B. (2022). Farklı meslek grubu adaylarının yapay zekâ teknolojisine yönelik kaygı seviyesinin incelenmesi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 25(48), 343-353. https://doi.org/10.31795/baunsobed.1165386
• UNICEF. (2021). Policy guidance on AI for children. https://www.unicef.org/globalinsight/reports/policy-guidance-ai-children.
• Wilson, F. R., Pan, W., & Schumsky, D. A. (2012). Recalculation of thecritical values for Lawshe’s content validity ratio. Measurement and Evaluation in Counselingand Development, 45(3), 197-210. https://doi.org/10.1177/0748175612440286
• Yengin, T., ve Bayrak, T. (2024). Dijitalleşen ve yapay Zekâ ile şekillenen dünyada pazarlama iletişimi. İksad. Yılmaz, F. G. K., & Yılmaz, R. (2023). Yapay zekâ okuryazarlığı ölçeğinin Türkçeye uyarlanması. Bilgi ve İletişim Teknolojileri Dergisi, 5(2), 172-190. https://doi.org/10.53694/bited.1376831
• Yılmaz, G., Şar, A. H., & Civan, S. (2015). Ergenlerde mobil telefon bağımlılığı ile sosyal kaygı arasındaki ilişkinin incelenmesi. Online Journal of Technology Addiction & Cyberbullying, 2(2), 20-37.
• Yılmaz, Y., Yılmaz, D. U., Yıldırım, D., Korhan, E. A., & Kaya, D. Ö. (2021). Yapay zekâ ve sağlıkta yapay zekânın kullanımına yönelik sağlık bilimleri fakültesi öğrencilerinin görüşleri. Süleyman Demirel Üniversitesi Sağlık Bilimleri Dergisi, 12(3), 297-308. https://doi.org/10.22312/sdusbed.950372
• Yönez, H., & Demir, N. (2023). Okuduğunu anlama ile ilgili bilişsel farkındalık düzeyinin gelişmesinde KWL stratejisinin rolü. Ana Dili Eğitimi Dergisi, 11(2), 413-436. https://doi.org/10.16916/aded.1239608