Yetişkinlerin Yapay Zekaya Yönelik Tutumlarının Belirlenmesi

Öz

Günümüz çağında, yapay zekanın ve yapay zeka ile ilgili teknolojilerin toplumsal, endüstriyel ve sosyal yaşam dâhil birçok alanda hızla kabul görmesi ve yaygınlaşması, yetişkinlerin yapay zeka ve teknolojilerine yönelik sergiledikleri tutumlarının anlaşılmasını önemli hâle getirmektedir. Endişe verici derecede hızla bireylerin hayatına entegre olan ve etkileyen yapay zeka ve teknolojilerinin, yetişkinler tarafından başarılı bir şekilde entegrasyonunun sağlanması ve benimsenebilmesi, büyük ölçüde o toplumun bu teknolojilere bakış açısıyla ilgilidir. Bu araştırmanın amacı, yetişkinlerin yapay zekaya yönelik tutumlarının belirlenmesi ve bunu etkileyebilecek cinsiyet, yaş veya mezuniyet durumu gibi olası faktörlerin ortaya çıkarılmasıdır. Çalışma, nicel araştırma yöntemlerinden biri olan betimsel tarama modeliyle gerçekleştirilmiştir. Araştırmaya toplamda 270 yetişkin birey katılmıştır. Veriler, Google Forms üzerinden katılımcılara ulaştırılmıştır. Araştırmada verilerin toplanmasında, yapay zekaya yönelik tutumların ölçülmesinde tek boyutlu yapısı ile hem pratik hem de geçerli bir ölçüm sağlayan, Grassini (2023) tarafından geliştirilmiş ve Köse, Şimşek, ve Demir (2025) tarafından Türkçeye uyarlanmış "Yapay Zekâ Tutum Ölçeği (AIAS-4)" kullanılmıştır. Araştırmanın sonuçları yetişkinlerin genel olarak yapay zekaya yönelik genel tutumlarının olumlu olduğunu göstermiştir. Yetişkinlerin yapay zekaya yönelik tutumlarının cinsiyet değişkenine göre anlamlı bir fark gösterip göstermediğine yönelik yapılan Mann-Whitney U testi sonuçlarına göre, kadın ve erkek katılımcılar arasında yapay zekaya yönelik tutum puanları açısından anlamlı bir fark bulunmamıştır (p > 0.05). Yaş ve eğitim kademesi değişkenlerine göre yapılan Kruskal-Wallis analizinde ise test istatistiklerindeki puanlar incelendiğinde benzer şekilde anlamlı bir fark bulunmamıştır (p > 0.05). Özetle, yetişkinlerin yapay zekaya yönelik tutumları üzerinde demografik değişkenlerden cinsiyet, yaş ve eğitim düzeyinin, tutumları üzerinde anlamlı bir fark oluşturmadığı, elde edilen bulgular incelendiğinde yetişkinlerin ortalama puanları bağlamında yapay zekaya yönelik tutumlarının olumlu ve benzer düzeyde olduğu görülmüştür.

Anahtar Kelimeler

• Yapay Zeka
• Tutum
• Yetişkin Eğitimi

Unveiling the Attitudes of Adults Toward Artificial Intelligence

Öz

ABSTRACT In the contemporary era, the rapid spread of artificial intelligence (AI) and AI-related technologies across numerous domains—including both social and industrial sectors—has made it increasingly important to understand the attitudes that adults hold toward these technologies. The successful integration and adoption of rapidly advancing AI technologies by adults largely depend on how these technologies are perceived by the society in which they are introduced. The purpose of this study is to determine the attitudes of adults toward AI and to identify possible factors that may influence these attitudes. The research was designed using the descriptive survey model, which is one of the quantitative research methods. In total, 270 adults participated in the study. Data were collected from participants through Google Forms. To measure the attitudes of adults toward AI, the study employed the “Artificial Intelligence Attitude Scale (AIAS-4),” which was developed by Grassini (2023) and adapted into Turkish by Köse, Şimşek, and Demir (2025). The AIAS-4 is a practical and valid instrument with a single-factor structure that effectively measures attitudes toward AI. Generally, the findings of this study revealed that adults hold positive attitudes toward artificial intelligence. According to the results of the Mann-Whitney U test, which was conducted to examine whether there was a significant difference in AI attitudes about gender, no statistically significant difference was found between male and female participants (p > 0.05). Similarly, the Kruskal-Wallis test results for the variables of age and educational level indicated no statistically significant differences in AI attitude scores (p > 0.05). In summary, the analysis of the findings about this study suggests that demographic factors such as gender, age, and educational level do not create a significant difference in adults' attitudes toward artificial intelligence. When evaluated in terms of mean scores, it was observed that adults generally exhibit positive and similar levels of attitudes toward AI.

Anahtar Kelimeler

• Artificial Intelligence (AI)
• Attitude
• Adults Education

Kaynakça

1. Adalı, E. (2017). Yapay zekâ. İnsanlaşan makineler ve yapay zekâ. İstanbul Teknik Üniversitesi Vakfı Yayınları, s. 8-13.
2. Aggarwal, D. (2023). Exploring the scope of artificial intelligence (AI) for lifelong education through personalised & adaptive learning. Journal of Artificial Intelligence, Machine Learning and Neural Network, 4(41), 21-26. https://doi.org/10.55529/jaimlnn.41.21.26.
3. Ajzen, I. (2005). Attitudes, personality, and behavior. McGraw-hill education (UK).
4. Aksekili, E., & Kan, A. (2024). Öğretmenlerin Eğitimde Yapay Zekâ Kullanımına Yönelik Tutum Ölçeği Geliştirme: Geçerlik Ve Güvenirlik Çalışması. 21. Yüzyılda Eğitim Ve Toplum, 13(39), 525-542.
5. Alpaydın, E. (2013). Yapay öğrenme. İstanbul: Boğaziçi Üniversitesi Yayınevi.
6. Chen, L., Chen, P., & Lin, Z. (2020). Artificial Intelligence in Education: A Review. IEEE Access, 8, 75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510.
7. Çöl, M., Karaca, F. (2022). 2005 ve 2017 sosyal bilgiler dersi öğretim programlarının sosyal bilgiler öğretmenlerinin görüşlerine göre karşılaştırmalı değerlendirilmesi. Uluslararası Bilim ve Eğitim Dergisi.
8. Frey, C., Osborne, M. (2017). The Future of Employment: How Susceptible Are Jobs to Computerization? Technological Forecasting & Social Change, 114, 254-280.

9. DOI: 10.1016/j.techfore.2016.08.019
10. Grassini, S. (2023). Development and validation of the AI attitude scale (AIAS-4): A brief measure of general attitude toward artificial intelligence. Frontiers in Psychology, 14. https://doi.org/10.3389/fpsyg.2023.1191628.
11. Jayarajah, K., Saat, R. M. ve Rauf, R. A. A. (2014). A Review of Science, Technology, Engineering & Mathematics (STEM) Education Research from 1999–2013: A Malaysian Perspective. Eurasia Journal of Mathematics, Science & Technology Education, 10(3), 155-163. https://doi.org/10.12973/eurasia.2014.1072a.
12. Kaplan, A., Haenlein, M. (2019). Siri, Siri, in My Hand: Who’s the Fairest in the Land? On the Interpretations, Illustrations, and Implications of Artificial Intelligence. Business Horizons, 62, 15-25. https://doi.org/10.1016/j.bushor.2018.08.004.
13. Karail, A., Böcekçi, V. G., & Kıyak, İ. (2023, October). Hand Recognition Solution as Conference Room Intelligent Lighting Control Technique. In 2023 7th International Symposium on Multidisciplinary Studies and Innovative Technologies (ISMSIT) (pp. 1-5). IEEE.
14. Köse, N., Şimşek, E. & Demir, M., A.C. Adaptation of Artificial Intelligence Attitude Scale (AIAS-4) into Turkish: a validity and reliability study. Current Psychology (2025). https://doi.org/10.1007/S12144-025-07418-6.
15. Lin, T. C., Lin, T. J. ve Tsai, C. C. (2014). Research trends in science education from 2008 to 2012: A systematic content analysis of publications in selected journals. International Journal of Science Education, 36(8), 1346-1372.
16. Nilson, N. J. (1990). The mathematical foundations of learning machines. San Mateo, Calif: Morgan Kaufmann.
17. Özdemir, N. D. (2023). Öğretmenlerin yapay zeka kaygılarına ilişkin görüşleri. In Ufuk University 2nd International Congress on Social Sciences , Tam Metinler Kitabı (s. 61).
18. Patton, M. Q. (2015). Qualitative Research and evaluation methods (4th ed.). Thousand Oaks, CA: Sage Publications.
19. Perez, C. C. (2019). Invisible Women: Data Bias in a World Designed for Men. Abrams Press.
20. Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Pearson.
21. Schepman, A., & Rodway, P. (2020). Initial validation of the general attitudes towards Artificial İntelligence Scale. Computers in Human Behavior Reports, 1, 100014. https://doi.org/10.1016/j.chbr.2020.100014.
22. Sharma, S. (2024). Benefits or concerns of AI: A multistakeholder responsibility. Futures, 157(103328), Article 103328. https://doi.org/10.1016/j.futures.2024.103328.
23. Shin, D. (2020). The effects of explainability and causability on perception, trust, and acceptance: Implications for explainable AI. International Journal of Human–Computer Studies, 146, 102551. https://doi.org/10.1016/j.ijhcs.2020.102551.
24. Taşçı, G., Çelebi, M. (2020). Eğitimde yeni bir paradigma: Yükseköğretimde yapay zekâ. OPUS–Uluslararası Toplum Araştırmaları Dergisi, 16(29), 2346-2370. https://doi.org/10.26466/opus.747634.
25. Thorn, P. D., Bostrom, N. (2025). Superintelligence: Paths, Dangers, Strategies. Minds & Machines 25, 285-289. https://doi.org/10.1007/s11023-015-9377-7.
26. Yakut, İ. (2024). Yapay Zekâya Yönelik Tutum ve Dindarlık İlişkisi. Kocatepe İslami İlimler Dergisi, 7(1), 37-59. https://doi.org/10.52637/kiid.1426977.
27. Yao, K., Yang, H. (2020). Research on the Integration of Artificial Intelligence and Education.
28. Education Reform and Development, 2(2), 994–997. https://doi.org/10.26689/erd.v2i2.2062.
29. Yılmaz, H. (2010). An examination of preservice teachers' perceptions about cyberbullying. Eurasia journal of mathematics, Science & Technology Education, 6(4), 263-270.