ENDÜSTRİ 4.0 VE YAPAY ZEKÂ TEKNOLOJİLERİNE YÖNELİK ÖĞRENCİ ALGILARININ İNCELENMESİ: SELÇUK ÜNİVERSİTESİ ÖRNEĞİ

Abstract

Bu araştırmanın amacı, Selçuk Üniversitesi öğrencilerinin Endüstri 4.0 ve Yapay Zekâ teknolojilerine yönelik bilgi düzeylerini, tutumlarını ve davranışlarını çeşitli demografik değişkenler bağlamında incelemektir. Dijitalleşme ve otomasyon süreçlerinin hızla geliştiği günümüzde, söz konusu teknolojilere ilişkin farkındalık ve kabul düzeyinin öğrencilerin gelecekteki kariyer planlamaları ile dijital dönüşüm süreçlerine uyum yetkinlikleri açısından stratejik bir önem taşıdığı değerlendirilmektedir. Araştırmanın örneklemini, Selçuk Üniversitesi’ne bağlı iki farklı bölümde öğrenim gören toplam 370 öğrenci oluşturmaktadır. Veriler, kolayda örnekleme yöntemi kullanılarak toplanmış, 5’li Likert tipi maddeler içeren anket formu Google Formlar aracılığıyla anonim şekilde uygulanmıştır. Anketin ilk bölümünde katılımcıların demografik özelliklerine ilişkin sorular yer almakta, ikinci bölümde ise katılımcıların Endüstri 4.0 ve Yapay zekâ teknolojilerine yönelik algılanan fayda, algılanan kullanım kolaylığı, tutum ve kullanım davranışı gibi boyutlarını ölçmeyi amaçlayan, toplam 17 maddeden oluşan orijinal ölçek kullanılmıştır. Ölçek maddeleri, Özkaynar (2024) ile Torun ve Cengiz (2019) tarafından geliştirilen çalışmada kullanılan ölçek, daha önceki araştırmalarda test edilmiş bir ölçme aracına dayanmaktadır. Çalışmada herhangi bir Açımlayıcı Faktör Analizi yapılmamış, ölçeğin özgün boyutsal yapısı korunmuştur. Veri analizleri IBM SPSS 20 paket programı aracılığıyla gerçekleştirilmiş, betimsel istatistiklerin yanı sıra bağımsız örneklem t-testi ve tek yönlü varyans analizi (ANOVA) uygulanmıştır. Araştırma kapsamında cinsiyet, yaş, sınıf düzeyi, öğrenim türü, genel not ortalaması ve çalışma durumu gibi demografik değişkenlerin öğrencilerin Endüstri 4.0 ve Yapay zekâ teknolojilerine yönelik algı, tutum ve kullanım eğilimleri üzerinde anlamlı farklılıklar oluşturup oluşturmadığı incelenmiştir. Elde edilen bulguların, farklı kullanıcı profillerinin bu teknolojileri nasıl algıladığını ve benimsediğini ortaya koyarak, eğitim ve işletme alanlarında teknoloji kabulü ve adaptasyonuna yönelik literatüre katkı sağlaması beklenmektedir. Bulgular, öğrencilerin Endüstri 4.0 ve Yapay zekâ teknolojilerine yönelik algı ve tutumlarının bazı demografik değişkenlere göre anlamlı farklılıklar gösterdiğini ortaya koymuştur. Bununla birlikte bazı boyutlarda farklılıkların sınırlı olduğu belirlenmiştir.

Keywords

• Üniversite öğrencileri
• Endüstri4.0
• Yapay zekâ

EXAMINING STUDENT PERCEPTIONS OF INDUSTRY 4.0 AND ARTIFICIAL INTELLIGENCE TECHNOLOGIES: THE CASE OF SELÇUK UNIVERSITY

Abstract

The purpose of this study is to examine Selçuk University students’ knowledge, attitudes, and behaviors regarding Industry 4.0 and Artificial Intelligence technologies in the context of various demographic variables. In today’s world, where digitalization and automation processes are rapidly advancing, awareness and acceptance of these technologies are considered to hold strategic importance in terms of students’ future career planning and their ability to adapt to digital transformation processes. The study sample consists of a total of 370 students enrolled in two different departments at Selçuk University. Data were collected using convenience sampling, and a survey form containing 5-point Likert-type items was administered anonymously via Google Forms. The first section of the survey includes questions regarding participants’ demographic characteristics, while the second section employs an original scale consisting of 17 items designed to measure dimensions such as perceived benefits, perceived ease of use, attitudes, and usage behavior toward Industry 4.0 and artificial intelligence technologies. The scale items are based on a measurement tool previously tested in studies, specifically the scale developed by Özkaynar (2024) and Torun and Cengiz (2019). No Exploratory Factor Analysis was conducted in this study, and the scale’s original dimensional structure was preserved. Data analyses were conducted using the IBM SPSS 20 software package, and in addition to descriptive statistics, an independent samples t-test and one-way analysis of variance (ANOVA) were applied. The study examined whether demographic variables such as gender, age, grade level, type of education, overall grade point average, and employment status created significant differences in students’ perceptions, attitudes, and usage tendencies toward Industry 4.0 and artificial intelligence technologies. It is expected that the findings, by revealing how different user profiles perceive and adopt these technologies, will contribute to the literature on technology acceptance and adaptation in the fields of education and business. The findings revealed that students’ perceptions and attitudes toward Industry 4.0 and Artificial Intelligence technologies exhibited significant differences based on certain demographic variables. However, it was determined that differences were limited in some dimensions.

Keywords

• College Students
• Industry 4.0
• Artificial Intelligence

References

1. Ahmad, I., Sharma, S., Singh, R., Gehlot, A., Gupta, L. R., Thakur, A. K., Priyadarshi, N., & Twala, B. (2024). Inclusive learning using Industry 4.0 technologies: Addressing student diversity in modern education. Cogent Education, 11(1), 2330235.
2. Bagunaid, W., Chilamkurti, N., & Veeraraghavan, P. (2022). AISAR: Artificial intelligence-based student assessment and recommendation system for e-learning in big data. Sustainability, 14(17), 10551.
3. Benzer, S., Benzer, R., & Akkaya, M. M. (2025). Üniversite Öğrencilerinin Yapay Zekâ Konusundaki Görüşlerinin Değerlendirilmesi. Kapadokya Eğitim Dergisi, 6(1), 1–20.
4. Bewersdorff, A., Hornberger, M., Nerdel, C., & Schiff, D. S. (2025). AI advocates and cautious critics: How AI attitudes, AI interest, use of AI, and AI literacy build university students' AI self-efficacy. Computers and Education: Artificial Intelligence, 8, 100340.
5. Bilotta, E., Bertacchini, F., Gabriele, L., Giglio, S., Pantano, P. S., & Romita, T. (2021). Industry 4.0 technologies in tourism education: Nurturing students to think with technology. Journal of Hospitality, Leisure, Sport & Tourism Education, 29, 100275.
6. Bueno, A., da Rocha Azevedo, M. L., Godinho Filho, M., Ganga, G. M., & Lizarelli, F. L. (2024). Industry 4.0 skills in industrial engineering courses: Contributing to the role of universities toward sustainable development. IEEE Transactions on Engineering Management, 71, 8369–8387.
7. Catal, C., & Tekinerdogan, B. (2019). Aligning education for the life sciences domain to support digitalization and Industry 4.0. Procedia Computer Science, 158, 99–106.
8. Cengiz Mater, E., & Yalçınkaya, B. (2025). Bilgi ve Belge Yönetimi Bölümü Öğrencilerinin Yapay Zekâ Okuryazarlığı Düzeyleri Üzerine Bir Araştırma. Türk Kütüphaneciliği, 39(4), 381–410.

9. Chen, Y., Jensen, S., Albert, L. J., Gupta, S., & Lee, T. (2023). Artificial intelligence (AI) student assistants in the classroom: Designing chatbots to support student success. Information Systems Frontiers, 25(1), 161–182.
10. Chen, Z., Zhang, J., Jiang, X., Hu, Z., Han, X., Xu, M., & Vivekananda, G. (2020). Education 4.0 using artificial intelligence for students performance analysis. Inteligencia Artificial, 23(66), 124–137.
11. Coşkun, S., Kayıkcı, Y., & Gençay, E. (2019). Adapting engineering education to Industry 4.0 vision. Technologies, 7(1), 10.
12. George, D. (2011). SPSS for windows step by step: A simple study guide and reference, 17.0 update, 10/e. Pearson Education India.
13. Hernandez-de-Menendez, M., Escobar Díaz, C. A., & Morales-Menendez, R. (2020). Engineering education for smart 4.0 technology: A review. International Journal on Interactive Design and Manufacturing (IJIDeM), 14, 789–803.
14. Hinton, P. R., McMurray, I., & Brownlow, C. (2004). SPSS explained. Routledge.
15. Hooda, M., Rana, C., Dahiya, O., Rizwan, A., & Hossain, M. S. (2022). Artificial intelligence for assessment and feedback to enhance student success in higher education. Mathematical Problems in Engineering, 2022, 5215722.
16. Jiao, P., Ouyang, F., Zhang, Q., & Alavi, A. H. (2022). Artificial intelligence-enabled prediction model of student academic performance in online engineering education. Artificial Intelligence Review, 55(8), 6321–6344.
17. Kagermann, H., Wahlster, W., & Helbig, J. (2013). Recommendations for implementing the strategic initiative Industrie 4.0: Final report of the Industrie 4.0 Working Group. Munich: Acatech – National Academy of Science and Engineering.
18. Kaiser, H. F. (1974). An index of factorial simplicity. Psychometrika, 39(1), 31–36.
19. Kazimirov, A. (2018). Education at university and Industry 4.0. In 2018 Global Smart Industry Conference (GloSIC) (pp. 1–5).
20. Khan, I., Ahmad, A. R., Jabeur, N., & Mahdi, M. N. (2021). An artificial intelligence approach to monitor student performance and devise preventive measures. Smart Learning Environments, 8, 1–18.
21. Özkaynar, K. (2024). Teknoloji kabul modeli çerçevesinde tüketicilerin Yapay zekâ araçlarını kullanımlarında algılanan fayda, tutum ve niyetler arasındaki ilişki: Etik kaygıların düzenleyici etkisi. Yönetim Bilimleri Dergisi, 22(Özel Sayı), 1472–1498.
22. Suh, W., & Ahn, S. (2022). Development and validation of a scale measuring student attitudes toward artificial intelligence. Sage Open, 12(2), 21582440221100463.
23. Tapalova, O., & Zhiyenbayeva, N. (2022). Artificial intelligence in education: AIEd for personalised learning pathways. Electronic Journal of e-Learning, 20(5), 639–653.
24. Torun, N. K., & Cengiz, E. (2019). Endüstri 4.0 bakış açısının öğrenciler gözünden teknoloji kabul modeli (TKM) ile ölçümü. Uluslararası İktisadi ve İdari İncelemeler Dergisi, 22, 235–250.
25. Tovmasyan, G. (2025). Higher education in Armenia adopting AI and digital technologies: Students' experiences and perspectives. Issues in Educational Research, 35(2), 798–817.
26. Treviño-Elizondo, B. L., & García-Reyes, H. (2023). What does Industry 4.0 mean to industrial engineering education? Procedia Computer Science, 217, 876–885.
27. Wahl, D., & Münch, J. (2022). Turning students into Industry 4.0 entrepreneurs: Design and evaluation of a tailored study program. Entrepreneurship Education, 5(3), 225–259.
28. World Economic Forum. (2025). The Future of Jobs Report 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/digest.com