Yapay Zekâ Okuryazarlık Ölçeği Geliştirme ve Doğrulama Çalışması

Öz

Hayatın birçok alanında yer alan Yapay Zekâ (YZ) teknolojisi, eğitimde de yer edinmiştir. Eğitim sisteminin bir parçası olan öğrencilerin YZ teknolojisine ait okuryazarlığını tespit ederek YZ okuryazarlığını teşvik etmek önemlidir. Bunun için ise YZ okuryazarlığını etkili bir şekilde ölçmeye yardımcı olan ölçme araçlarına ihtiyaç vardır. Bu çalışma ile geçerli ve güvenilir bir Yapay Zekâ Okuryazarlık Ölçeği (YZOÖ) geliştirmek amaçlanmıştır. Çalışmanın katılımcıları Türkiye’nin iki farklı ilinde öğrenim gören ortaokul öğrencilerinden oluşmaktadır. Ölçek, açımlayıcı ve doğrulayıcı analizler (AFA ve DFA) yoluyla test edilmiştir. AFA sonuçları, ölçeğin Bilme-Anlama, Uygulama-Değerlendirme ve Etik olmak üzere üç faktörden ve 15 maddeden oluştuğunu ortaya koymuştur. Toplam varyansın %60.92’sini açıklayan bu yapı, birinci ve ikinci düzey çok faktörlü model ile doğrulanmıştır. Doğrulanmış YZOÖ’nün ve alt boyutlarının Cronbach alfa değerleri ve test tekrar test sonuçları ölçeğin yüksek güvenirlikte olduğunu göstermiştir. Geliştirilen bu ölçek Türkiye’de YZ literatüründeki önemli bir boşluğu doldurarak öğrencilerin YZ okuryazarlığını ölçmek için araştırmacılara doğrulanmış bir araç sunmaktadır.

Anahtar Kelimeler

• yapay zeka okuryazarlığı
• yapay zeka okuryazarlık ölçeği
• eğitimde yapay zeka

Destekleyen Kurum

YOK

Artificial Intelligence Literacy Scale Development and Validation Study

Öz

Artificial Intelligence (AI) technology, which is involved in many areas of life, has also gained a place in education. It is important to promote AI literacy by determining the AI technology literacy of students who are part of the education system. For this, there is a need for measurement tools that help to measure AI literacy effectively. This study aims to develop a valid and reliable Artificial Intelligence Literacy Scale (AILS). The participants of the study were middle school students studying in two different city of Turkey. The scale was tested through exploratory and confirmatory analyses (EFA and CFA). The EFA results revealed that the scale consisted of 15 items and three factors, namely Know-Understand, Apply-Evaluate and Ethics. This structure explains 60.92% of the total variance. This structure was validated with a first-order and second-order multifactor model. The Cronbach's alpha values and test-retest results of the validated AILS and its sub-dimensions showed that the scale has high reliability. This scale fills an important gap in the AI literature in Turkey and provides researchers with a validated tool to measure students' AI literacy

Anahtar Kelimeler

• artiificial intelligence literacy
• artificial intelligence literacy scale
• artificial intelligence in education

Kaynakça

1. Akkaya, B., Özkan, A., and Özkan, H. (2021). Artificial intelligence anxiety (AIA) scale: adaptation to Turkish, validity and reliability study. Alanya Academic Review, 5(2), 1125-1146. https://doi.org/10.29023/alanyaakademik.833668
2. Antonenko, P., and Abramowitz, B. (2023). In-service teachers’(mis) conceptions of artificial intelligence in K-12 science education. Journal of Research on Technology in Education, 55(1), 64-78.
3. Banaz, E., ve 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
4. Büyüköztürk, Ş., Çakmak, E. K., Akgün, Ö. E., Karadeniz, Ş., ve Demirel, F. (2018). Bilimsel araştırma yöntemleri. Ankara: Pegem Akademi.
5. Carolus, A., Koch, M. J., Straka, S., Latoschik, M. E., and Wienrich, C. (2023). MAILS-Meta AI literacy scale: Development and testing of an AI literacy questionnaire based on well-founded competency models and psychological change-and meta-competencies. Computers in Human Behavior: Artificial Humans, 1(2), 100014.
6. Chounta, I. A., Bardone, E., Raudsep, A., and Pedaste, M. (2022). Exploring teachers’ perceptions of artificial intelligence as a tool to support their practice in Estonian K-12 education. International Journal of Artificial Intelligence in Education, 32(3), 725-755.
7. Colchester, K., Hagras, H., Alghazzawi, D., and Aldabbagh, G. (2017). A survey of artificial intelligence techniques employed for adaptive educational systems within e-learning platforms. Journal of Artificial Intelligence and Soft Computing Research, 7(1), 47-64.
8. Çam, M. B., Çelik, N. C., Turan Güntepe, E. ve Durukan, Ü. G. (2021). Öğretmen adaylarının yapay zekâ teknolojileri ile ilgili farkındalıklarının belirlenmesi. Mustafa Kemal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 18(48), 263-285.

9. Çelebi, C., Demir, U., ve Karakuş, F. (2023). Artificial intelligence literacy: A systematic review. Journal of Necmettin Erbakan University Ereğli Faculty of Education, 5(2), 536-560. https://doi.org/10.51119/ereegf.2023.67
10. Çetindamar, D., Kitto, K., Wu, M., Zhang, Y., Abedin, B., and Knight, S. (2022). Explicating ai literacy of employees at digital workplaces. IEEE Transactions on Engineering Management, 71, 810 - 823. https://doi.org/10.1109/TEM.2021.3138503
11. Çokluk, Ö., Şekercioğlu, G., ve Büyüköztürk, Ş. (2021). Sosyal bilimler için çok değişkenli istatistik: SPSS ve LISREL, Pegem Akademi.
12. Elçiçek, M. (2024). Öğrencilerin Yapay Zekâ Okuryazarlığı Üzerine Bir İnceleme. Bilgi ve İletişim Teknolojileri Dergisi, 6(1), 24-35.
13. Gürbüz, S. (2019). AMOS ile Yapısal eşitlik modellemesi. SeçkinYayıncılık.
14. Kaiser, H.F. (1974) An index of factorial simplicity. Psychometrika, 39, 31-36. https://doi.org/10.1007/BF02291575
15. Karaca, O., Çalışkan, S. A., and Demir, K. (2021). Medical artificial intelligence readiness scale for medical students (MAIRS-MS)–development, validity and reliability study. BMC medical education, 21, 1-9.
16. Karaoğlan Yılmaz, F. G., ve Yılmaz, R. (2023). Yapay zekâ okuryazarlığı ölçeğinin Türkçeye uyarlanması. Bilgi ve İletişim Teknolojileri Dergisi, 5(2), 172-190.
17. Kong, S. C., Cheung, W. M. Y., and Zhang, G. (2021). Evaluation of an artificial intelligence literacy course for university students with diverse study backgrounds. In Computers and education. Artificial Intelligence, Article 100026.
18. Kong, S. C., Cheung, W. M. Y., and Zhang, G. (2023). Evaluating an artificial intelligence literacy programme for developing university students’ conceptual understanding, literacy, empowerment and ethical awareness. Educational Technology and Society, 26(1), 16-30
19. Laupichler, M. C., Aster, A., Haverkamp, N., and Raupach, T. (2023). Development of the “Scale for the assessment of non-experts’ AI literacy”–An exploratory factor analysis. Computers in Human Behavior Reports, 12, 100338.
20. Lee, I., Ali, S., Zhang, H., DiPaola, D., and Breazeal, C. (2021, March). Developing middle school students' AI literacy. In Proceedings of the 52nd ACM technical symposium on computer science education (pp. 191-197).
21. Long, D., and Magerko, B. (2020, April). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI conference on human factors in computing systems (pp. 1-16).
22. Ng, D. T. K., Wu, W., Leung, J. K. L., Chiu, T. K. F., and Chu, S. K. W. (2023). Design and validation of the AI literacy questionnaire: The affective, behavioural, cognitive and ethical approach. British Journal of Educational Technology.
23. Ng, D. T. K., Wu, W., Leung, J. K. L., and Chu, S. K. W. (2023, July). Artificial Intelligence (AI) literacy questionnaire with confirmatory factor analysis. In 2023 IEEE International Conference on Advanced Learning Technologies (ICALT) (pp. 233-235). IEEE.
24. Ng, D. T. K., Luo, W. Y., Chan, H. M. Y., and Chu, S. K. W. (2022). An examination on primary students’ development in AI literacy through digital story writing. Computers and Education: Artificial Intelligence, 100054.
25. Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., and Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041. https://doi.org/10.1016/j.caeai.2021.10004
26. Nuangchalerm, P. and Prachagool, V. (2023). AI-driven learning analytics in STEM education. International Journal of Research in STEM Education, 5(2), 77-84.
27. Polatgil, M., ve Güler, A. (2023). Yapay Zekâ Okuryazarlığı Ölçeğinin Türkçe’ye Uyarlanması: Adaptation of Artificial Intelligence Literacy Scale into Turkish. Sosyal Bilimlerde Nicel Araştırmalar Dergisi, 3(2), 99-114.
28. Steinbauer, G., Kandlhofer, M., Chklovski, T., Heintz, F., and Koenig, S. (2021). A differentiated discussion about AI education K-12 (pp. 1–7). KI-Künstliche Intellig
29. Mathew, A., Arul, A. and Sivakumari, S. (2020). Deep learning techniques: An overview. International Conference on Advanced machine learning technologies and applications. : Proceedings of AMLTA 2020, 599-608.doi:10.1007/978-981-15-3383-9_54
30. Patton, M. Q. (2002). Qualitative research and evaluation methods. Sage publications.
31. Tekin, N. (2023). Eğitimde Yapay Zekâ: Türkiye Kaynaklı Araştırmaların Eğilimleri Üzerine Bir İçerik Analizi. Necmettin Erbakan Üniversitesi Ereğli Eğitim Fakültesi Dergisi, 5(Özel Sayı), 387-411. https://doi.org/10.51119/ereegf.2023.49
32. Wang, B., Rau, P., and Yuan, T. (2022). Measuring User Competence in Using Artificial Intelligence: Validity and Reliability of Artificial Intelligence Literacy Scale. Behaviour \and Information Technology, 42(9), 1324–1337. Https://Doi.Org/10.1080/0144929x.2022.2072768
33. Weston, R., and Gore, P. A. Jr. (2006). A Brief Guide to Structural Equation Modeling. The Counseling Psychologist, 34(5), 719–751. https://doi.org/10.1177/0011000006286345
34. Yan, L., Sha, L., Zhao, L., Li, Y., Martinez‐Maldonado, R., Chen, G., ... and Gašević, D. (2024). Practical and ethical challenges of large language models in education: A systematic scoping review. British Journal of Educational Technology, 55(1), 90-112. https://doi.org/10.1111/bjet.13370
35. Yurdugül, H. (2005, 28-30 Eylül). Ölçek geliştirme çalışmalarında kapsam geçerliği için kapsam geçerlik indekslerinin kullanılması. XIV. Ulusal Eğitim Bilimleri Kongresi, Pamukkale Üniversitesi Eğitim Fakültesi, Denizli.
36. Zhao, L.; Wu, X.; Luo, H. (2022). Developing AI Literacy for Primary and Middle School Teachers in China: Based on a Structural Equation Modeling Analysis. Sustainability 14, 14549. https://doi.org/ 10.3390/su142114549