Fen Bilgisi ve Matematik Öğretmen Adaylarının Yapay Zekaya Yönelik Okuryazarlık, Tutum ve Kaygı Düzeylerinin Demografik Değişkenler Açısından İncelenmesi

Yıl 2025, Cilt: 2 Sayı: 2, 22 - 32

İpeknur Akgün , Emrah Hiğde , Müge Enön , Hilal Aktamış

Öz

Bu çalışmada, Fen Bilgisi ve Matematik öğretmen adaylarına ait hangi demografik değişkenlerin yapay zekaya yönelik tutum, okuryazarlık ve kaygı düzeylerini etkilediği araştırılmıştır. Demografik değişkenler olarak araştırılan unsurlar cinsiyet, öğretmen adayının okumakta bulunduğu bölüm, gelir durumu, ebeveyn eğitim durumu, yapay zekadan faydalanma sıklığı ve günlük internet kullanım süresi gibi faktörlerdir. Bu çalışmada araştırma modeli olarak korelasyonel araştırma modeli kullanılmıştır. Çalışmanın evreni Ege Bölgesi’ndeki devlet üniversitesinde okuyan Fen Bilgisi ve Matematik öğretmen adaylarıdır. Araştırmanın örneklemini Ege Bölgesi’nde yer alan üniversitelerden rastgele seçilmiş iki devlet üniversitesinin Fen Bilgisi ve Matematik öğretmenliği anabilim dallarında öğrenim gören öğretmen adayları oluşturmaktadır. Araştırmada veri toplama araçları olarak; Terzi (2020) tarafından Türkçe ’ye uyarlanmış kaygı ölçeği, Kaya ve arkadaşları (2022) tarafından geliştirilmiş Yapay Zekâya Yönelik Genel Tutum Ölçeği ve Çelebi ve arkadaşları (2023) tarafından uyarlanan yapay zekaya yönelik okuryazarlık ölçeği kullanılmıştır. İlgili çalışma 8 adet alt problem ortaya koymuştur. Ebeveyn eğitim durumunun ve istihdam koşullarının yapay zeka kullanıma bir etkisinin olmadığı gözlenirken, tutum ve okuryazarlıkları etkilediği gözlemlenmiştir. Gözlemlenen sonuç, yapay zekaya yönelik ilgi arttırıcı çalışmalar yaparak okuryazar bireyler yetiştirerek yapay zekaya katkı sağlayabilmenin mümkün olduğunu göstermektedir.

Anahtar Kelimeler

Kaygı , Okuryazarlık , Öğretmen adayı , Tutum , Yapay zeka

Etik Beyan

Makale yazarları etik kurullara uyduklarını beyan ederler.

Investıgation Of The Literacy, Attitudes And Anxiety Levels Of Science And Mathematics Teacher Candidates Towards Artificial Intelligence In Terms Of Demographic Variables

Öz

In this study, the effect of demographic variables on Science and Mathematics teacher candidates’ their attitudes, literacy and anxiety levels towards artificial intelligence. The factors investigated as demographic variables are factors such as gender, the department the teacher candidate is studying in, income level, parental education level, frequency of using artificial intelligence and daily internet usage time. In this study, correlational research model was used as the research model. The population of the study is Science and Mathematics teacher candidates studying at a state university in the Aegean Region. The sample of the research consists of teacher candidates studying in the Science and Mathematics teaching departments of two state universities randomly selected from the universities in the Aegean Region. As data collection tools in the research; The anxiety scale adapted to Turkish by Terzi (2020), the General Attitude Scale towards Artificial Intelligence developed by Kaya et al. (2022), and the literacy scale towards artificial intelligence adapted by Çelebi et al. (2023) were used. The relevant study revealed 8 sub-problems. While parental education level and employment conditions did not have an effect on the use of artificial intelligence, they affected attitudes and literacy. The observed result shows that it is possible to contribute to artificial intelligence by raising literate individuals by doing studies that increase interest in artificial intelligence.

Anahtar Kelimeler

Anxiety , Literacy , Teacher candidate , Attitude , Artificial intelligence

Etik Beyan

Article authors declare that they comply with ethical committees.

Kaynakça

• Akgün, M., & Greenhow, C. (2021). Artificial intelligence in education: Addressing ethical challenges in K-12 settings. Contemporary Educational Technology, 10(4), 381-388. https://doi.org/10.1007/s43681-021- 00096-7
• Akkaya, B., Özkan, A., ve Özkan, H. (2021). Yapay zekâ kaygı (YZK) ölçeği: Türkçeye uyarlama, geçerlik ve güvenirlik çalışması. Alanya Akademik Bakış, 5(2), 1125-1146.
• Bayram, K. ve Çelik, H. (2023). Yapay zekâ konusunda muhakeme ve girişimcilik becerileriyle bütünleştirilmiş Sosyo-bilim etkinliği: Fen bilgisi öğretmen adaylarının görüşleri. Fen Bilimleri Öğretimi Dergisi, 11(1), 41-78.
• Büyüköztürk, Ş., Kılıç-Çakmak, E., Akgün, Ö. E., Karadeniz, Ş., ve Demirel, F. (2010). Bilimsel Araştırma Yöntemleri. Ankara: Pegem Akademi.
• Cai, Z., Fan, X., & Du, J. (2017). Gender and attitudes toward technology use: A meta-analysis. Computers & Education, 105, 1-13. https://doi.org/10.1016/j.compedu.2016.11.003
• Christensen, R., & Knezek, G. (2017). Readiness for integrating mobile learning in the classroom: Challenges, preferences and possibilities. Computers in human Behavior, 76, 112-121. https://doi.org/10.1016/j.chb.2017.07.01
• Cooper, J. (2006). The digital divide: The special case of gender. Journal of computer assisted learning, 22(5), 320-334. https://doi.org/10.1111/j.1365-2729.2006.00185.x
• Çelebi, C., Yılmaz, F., Demir, U., ve Karakuş, F. (2023). Artificial intelligence literacy: An adaptation study. Instructional Technology and Lifelong Learning, 4(2), 291-306. https://doi.org/10.52911/itall.1401740
• Çepni, S. (2010). Araştırma ve Proje Çalışmalarına Giriş. 5. Baskı, Trabzon
• Çetin, I., Erümit, A. K., Nabiyev, V., Karal, H., Temel, K. Ö. S. A., and Kokoc, M. (2023). The effect of gamified adaptive intelligent tutoring system artibos on problem-solving skills. Participatory Educational Research, 10(1), 344-374.
• Demir, U. (2024). Sinif Öğretmeni̇ Adaylarinin Yapay Zekâ Okuryazarlik Düzeyleri̇ni̇n Çeşi̇tli̇ Deği̇şkenler Açisindan İncelenmesi̇ (Master's thesis, Necmettin Erbakan University (Turkey)).
• Eker, C. ve Halıcı Gürbüz, S. (2024). Matematik öğretmenlerinin matematik dersinde yapay zekâ kullanımına yönelik yeterlilik algıları. Sosyal, Beşeri ve İdari Bilimler Dergisi, 7(7): 513-528. https://doi.org/10.26677/TR1010.2024.1425
• Ferik, I. F. (2003). Yapay Zeka kavramının etkileri üzerine bir araştırma (Doctoral dissertation, Marmara Universitesi (Turkey)).
• Gefen, D., & Straub, D. W. (1997). Gender differences in the perception and use of e-mail: An extension to the technology acceptance model. MIS Quarterly, 21(4), 389-400. https://doi.org/10.2307/249720
• Gerlich, M. (2023). Perceptions and acceptance of artificial intelligence: A multi-Dimensional study. Social Sciences, 12(9), 502. https://doi.org/10.3390/socsci12090502
• Hae, H., Kang, S. J., Kim, W. J., Choi, S. Y., Lee, J. G., Bae, Y., ... and Park, S. J. (2018). Machine learning assessment of myocardial ischemia using angiography: Development and retrospective validation. PLoS Medicine, 15(11), e1002693. https://doi.org/10.1371/journal.pmed.1002693
• Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign
• İçöz, S., & İçöz, E. (2024). Türkçe öğretmen adaylarının yapay zekâ uygulamalarına yönelik farkındalık düzeylerinin incelenmesi. Ulusal Eğitim Dergisi, 4(3), 987–1001. https://doi.org/10.5281/zenodo.10909458
• Jang, Y., Choi, S., and Kim, H. (2022). Development and validation of an instrument to measure undergraduate students’ attitudes toward the ethics of artificial intelligence (AT-EAI) and analysis of its difference by gender and experience of AI education. Education and Information Technologies 27, 11635–11667. https://doi.org/10.1007/s10639-022-11086-5.
• Kaya, F., Aydin, F., Schepman, A., Rodway, P., Yetişensoy, O., and Demir-Kaya, M. (2022). The roles of personality traits, al anxiety, and demographic factors in attitudes toward artificial intelligence. International Journal of Human–Computer Interaction, 1-18. https://doi.org/10.1080/10447318.2022.2151730
• Kong, S. C., Zhu, J., and Yang, Y. N. (2025). Developing and validating a scale of empowerment in using artificial intelligence for problem-solving for senior secondary and university students. Computers and Education: Artificial Intelligence, 8, 100359.
• Li, N., & Kirkup, G. (2007). Gender and cultural differences in Internet use: A study of China and the UK. Computers & Education, 48(2), 301-317. https://doi.org/10.1016/j.compedu.2005.01.007
• McGrath, C., Pargman, T. C., Juth, N., and Palmgren, P. J. (2023). University teachers' perceptions of responsibility and artificial intelligence in higher education-An experimental philosophical study. Computers and Education: Artificial Intelligence, 4, 100139.
• Nguyen, A., Ngo, H. N., Hong, Y., Dang, B., & Nguyen, B. P. T. (2023). Ethical principles for artificial intelligence in education. Education and Information Technologies, 28(4), 4221-4241. https://doi.org/10.1007/s10639-022-11316-w
• Rosen, L. D., & Weil, M. M. (1995). Computer availability, computer experience, and technophobia among public school teachers. Computers in Human Behavior, 11(1), 9-31.
• Sarikaya, B. & Kavan, N. (2024). An investigation of Turkish teacher candidates’ attitudes towards artificial intelligence. Electronic Journal of Education Sciences, 13(26), 191-203. DOI: 10.55605/ejedus.1550010
• Soylu, E. (2023). Ortaokul öğrencilerine yönelik geliştirilen yapay zekâ eğitim içeriğinin yapay zekâ okuryazarlığına etkisi (Yüksek lisans tezi, Sakarya Üniversitesi).
• Stein, J. P., Messingschlager, T., Gnambs, T., Hutmacher, F., & Appel, M. (2024). Attitudes towards AI: measurement and associations with personality. Scientific Reports, 14(1), 2909. https://doi.org/10.1038/s41598-024-53335-2
• Tan, S. C., Chen, W., and Chua, B. L. (2023). Leveraging generative artificial intelligence based on large language models for collaborative learning. Learning: Research and Practice, 9(2), 125-134.
• Tekin İftar, E., Genç Tosun, D., ve Özen, A. (2023). Özel eğitim öğretmenlerinin bilimsel-dayanaklı uygulamalara ilişkin bilgileri, deneyimleri ve mesleki gelişim gereksinimleri. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi (58), 3209-3235. https://doi.org/10.53444/deubefd.1368139
• Terzi, R. (2020). An adaptation of artificial intelligence anxiety scale into Turkish: Reliability and validity study. International Online Journal of Education and Teaching (IOJET), 7(4). 1501-1515).
• Turing, A. M. (1950). Computing machinery and intelligence. Mind 59 (October):433-60
• Uyak, S., Güngör Uyak, S., Ürey, D., Keskin, Ö., Aymaz, A., & Aydın, İ. (2023). Okul öncesi eğitim kurumlarında yapay zekâ uygulamaları: yönetici ve öğretmen görüşleri. International Social Mentality and Researcher Thinkers Journal, 9(75): 4625- 4636. https://doi.org/10.29228/smryj.72414
• Wang, S., Sun, Z., and Chen, Y. (2023). Effects of higher education institutes’ artificial intelligence capability on students' self-efficacy, creativity and learning performance. Education and Information Technologies, 28(5), 4919-4939).
• Wang, Y. Y., & Wang, Y. S. (2019). Development and validation of an artificial intelligence anxiety scale: An initial application in predicting motivated learning behavior. Interactive Learning Environments, 30(4), 619- 634. https://doi.org/10.1080/10494820.2019.1674887
• Yazıcı, S. Ç., ve Erkoç, M. (2023). Fen bilimleri grubu öğretmenlerinin uzaktan eğitim sürecinde yapay zekâ kullanma durumlarının analizi. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi, (58), 2682-2704.
• Yeniçeri, Ü., & Kenan, A. (2025). Öğretmen Adaylarının Yapay Zekâya Yönelik Tutum ve Kaygılarının Çeşitli Değişkenler Açısından Betimsel Analizi. Ege Eğitim Dergisi, 26(2), 226-245. https://doi.org/10.12984/egeefd.1625648
• Yue, M., Jong, M. S. Y., & Ng, D. T. K. (2024). Understanding K–12 teachers’ technological pedagogical content knowledge readiness and attitudes toward artificial intelligence education. Education and Information Technologies, 1-32. https://doi.org/10.1007/s10639-024-12621-2
• Zhang, B., & Dafoe, A. (2019). Artificial intelligence: American attitudes and trends. http://dx.doi.org/10.2139/ssrn.3312874.