A QUALITATIVE STUDY ON ACADEMICS’ MOTIVATIONS FOR USING ARTIFICIAL INTELLIGENCE TECHNOLOGIES

Öz

The integration of artificial intelligence (AI) into the developments in the field of technology brings with it an important digital transformation adventure within social life practices. The implementation of AI as a central component of this transformation varies depending on the field and is shaped by differing motivations. The academic world is also one of the areas where artificial intelligence technology is increasingly utilized. As a technology that imitates human thinking processes and decision-making reactions, learns from past experiences, and adapts to new information inputs, AI’s use in academia and the underlying motivations behind it remain a subject of growing interest. Based on this, this research aims to reveal the motivations of academics to use artificial intelligence technology within the framework of the technology acceptance model. In line with the aforementioned purpose, the research was created with a phenomenological research design from qualitative research methods, using in-depth interviews as the data collection method. Semi-structured interviews were conducted with ten academics selected through purposive sampling. The data obtained in the interviews were examined through the MAXQDA 2020 program using the thematic analysis technique based on an inductive reasoning approach. In the examination, it was determined that three main themes came to the fore: "general information on the use of artificial intelligence", "reasons for the use of artificial intelligence in academia" and "future perspective on artificial intelligence in academic settings". As a result, it was concluded that academics use artificial intelligence technology for data collection, data analysis, following trending reserach topics and discovering new areas of study.

Anahtar Kelimeler

• Artificial intelligence
• Academician
• Technology
• Technology acceptance model
• Digital

AKADEMİSYENLERİN YAPAY ZEKÂ TEKNOLOJİLERİNİ KULLANMA MOTİVASYONLARI ÜZERİNE NİTEL BİR ARAŞTIRMA

Öz

Yapay zekânın (YZ) teknoloji alanında yaşanan gelişmelere entegre olması sosyal yaşam pratikleri içerisinde önemli bir dijital dönüşüm serüvenini de beraberinde getirmektedir. YZ teknolojisinin merkezi konumda yer aldığı dijital dönüşüm pratiğinin nasıl gerçekleştiği ve hangi motivasyonlar üzerinden kullanıldığı alanlara göre farklılık göstermektedir. Akademik dünya da YZ teknolojisinin kullanıldığı alanlardan birini oluşturmaktadır. Bireylerin düşünme pratikleri ve karar verme reaksiyonlarını taklit eden, geçmiş deneyimler üzerinden öğrenme yetisine sahip ve yeni enformasyon girdilerine uyum sağlayabilen YZ teknolojisinin akademi dünyasında hangi motivasyonlar üzerinden kullanıldığı önemli bir merak konusudur. Buradan hareketle yapılan bu araştırmada teknoloji kabul modeli çerçevesinde akademisyenlerin YZ teknolojisini kullanma motivasyonlarının neler olduğunun ortaya çıkarılması amaçlanmaktadır. Bahsi geçen amaç doğrultusunda araştırma nitel araştırma yöntemlerinden fenomenolojik araştırma deseni ile oluşturulmuş, veri toplama tekniği olarak derinlemesine görüşme tekniği kullanılmıştır. Araştırmada amaçlı örneklem tekniğinden hareketle belirlenen on akademisyen ile yarı yapılandırılmış görüşmeler gerçekleştirilmiştir. Gerçekleştirilen görüşmelerde elde edilen veriler tümevarım yaklaşımından hareketle tematik analiz tekniği kullanılarak MAXQDA 2020 programı aracılığıyla incelenmiştir. Yapılan incelemede “YZ kullanımına dair genel bilgiler”, “YZ’nin akademide kullanım nedenler” ve “YZ’nin akademideki gelecek perspektifi” şeklinde üç ana temanın ön plana çıktığı belirlenmiştir. Araştırmada akademisyenlerin YZ teknolojisini veri elde etme, veri analizi, trend olan konu başlıklarının takibi ve yeni araştırma alanlarının keşfedilmesi motivasyonları üzerinden kullandıkları sonucuna ulaşılmıştır.

Anahtar Kelimeler

• Yapay zekâ
• Akademisyen
• Teknoloji
• Teknoloji kabul modeli
• Dijital

Kaynakça

1. Ajzen, I., ve Fishbein, M. (1977). Attitude-behavior relations: A theoretical analysis and review of empirical research. Psychological Bulletin, 888-918. https://doi.org/10.1037/0033-2909.84.5.888.
2. Akman Dömbekci, H., ve Erişen, M. A. (2022). Nitel araştırmalarda görüşme tekniği. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 141-160. https://doi.org/10.18037/ausbd.1227330.
3. Alade, A. O., ve Afuwape, M. Y. (2024). Artificial ıntelligence (AI) in higher education: A threat or helping hand in ımproving student-ınstructor communication. International Journal of Communication and Public Relation, 45-61. https://doi.org/10.47604/ijcpr.2987.
4. Ami-Narh, J., ve Williams, P. (2012). A revised UTAUT model to investigate Ehealth acceptance of health professionals in Africa. Journal of Emerging Trends in Computing and Information Sciences, 1383-1391.
5. Aşkun, V. (2023). Sosyal bilimler araştırmaları için chatgpt potansiyelinin açığa çıkarılması: Uygulamalar, zorluklar ve gelecek yönelimler. Erciyes Akademi, 622-656. https://doi.org/10.48070/erciyesakademi.1281544.
6. Bağlıbel, M., Samancıoğlu, M., ve Summak, S. (2010). Okul yöneticileri tarafından E-Okul uygulamasının genişletilmiş teknoloji kabul modeline göre değerlendirilmesi. Mustafa Kemal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 331-348.
7. Ben Youssef, K., Leicht, T., & Marongiu, L. (2019). Storytelling in the context of destination marketing: An analysis of conceptualisations and ımpact measurement. Journal of Strategic Marketing, s. 696-713.
8. Burrus, V. (2017). Mechanisms of stabilization of integrative and conjugative elements. Current Opinion in Microbiology, 44-50. https://doi.org/10.1016/j.mib.2017.03.014.

9. Büyükada, S. (2024). Akademik yazımda yapay zekâ kullanımının etik açıdan incelenmesi: ChatGPT örneği. Rize İlahiyat Dergisi, 01-12. https://doi.org/10.32950/rid.1337208
10. Copeland, J., ve Proudfoot, D. (2007). Artificial intelligence: History, foundations, and philosophical issues. In Philosophy of Psychology and Cognitive Science, 429-482. https://doi.org/10.1016/B978-044451540-7/50032-3.
11. Creswell, J. (2013a). Nitel araştırma yöntemleri beş yaklaşıma göre nitel araştırma ve araştırma deseni. Ankara: Siyasal Kitabevi.
12. Creswell, J. (2013b). Nitel, nicel ve karma yöntem yaklaşımları araştırma deseni. Ankara: Eğiten Kitap.
13. Çetin, M., ve Aktaş, A. (2021). Yapay zekâ ve eğitimde gelecek senaryoları. Uluslararası Toplum Araştırmaları Dergisi, 4225-4268.
14. Davis, F. (1989). Perceived usefulness, perceived ease of use, and user acceptance of ınformation technology. MIS Quarterly, 319-340. https://doi.org/10.2307/249008.
15. Donnell, F., Poster, M., ve Fitzgerald, D. R. (2024). The role of artificial intelligence in higher education. Irish Journal of Technology Enhanced Learning, 1-11. https://doi.org/10.22554/szwjfy54.
16. Duan, Y., Edwards, J., ve Dwivedi, Y. (2019). Artificial intelligence for decision making in the era of big data–Evolution, challenges and research agenda. International Journal of Information Management, 63-71. https://doi.org/10.1016/j.ijinfomgt.2019.01.021.
17. Duran, C., ve Şenyılmaz, A. (2020). Satın almada yapay zekâ uygulamaları. N. İ. İyigün, ve M. K. Yılmaz içinde, Oyunu değiştiren güç YZ (s. 163-188). İstanbul: Beta Kitap.
18. Ersoy, F. (2019). Fenomenoloji. A. S. Ersoy (Ed.), Eğitimde nitel araştırma desenleri içinde (s. 84-139). Anı Yayıncılık.
19. Flasinski, M. (2016). Introduction to Artificial Intelligence. Berlin: Springer.
20. Floridi, L., ve Cowls, J. (2019). A unified framework of five principles for AI in society. Harvard Data Science Review, 1-15. https://doi.org/10.1162/99608f92.8cd550d1
21. Galloway, C., ve Swiatek, L. (2018). Public relations and artificial intelligence: It’s not (just) about robots. Public Relations Review, 734-740. https://doi.org/10.1016/j.pubrev.2018.10.008.
22. Giorgi, A. (2009). The descriptive phenomenological method in psychology: A modified huessrlian approach. Pittsburgh: XanEdu Publishing. doi: 10.1163/156916210X526079
23. Given, L. (2008). The sage encyclopedia of qualitative research methods. New York: Sage Publications.
24. Gondal, K. M. (2018). Artificial intelligence and educational leadership. Annals of King Edward Medical University, 1-2.
25. Gönültaş, Y. (2024), Türk kamu yönetimi alanyazınına ilişkin yapay zekâya makale yazdırmak: ChatGPT4.0 örneği. Uluslararası Yönetim Akademisi Dergisi, 827-843. Doi: https://doi.org/10.33712/mana.1578165
26. Hu, P. J.-H., Clark, T., ve Ma, W. (2003). Examining technology acceptance by school teachers: a longitudinal study. Information ve Management, 227-241. https://doi.org/10.1016/S0378-7206(03)00050-8.
27. Jiang, Y., Li, X., Luo, H., Yin, S., ve Kaynak, O. (2022). Quo vadis artificial intelligence? Discover Artificial Intelligence, 1-19. https://doi.org/10.1007/s44163-022-00022-8
28. Karahanna, E., ve Straub, D. (1999). The psychological origins of perceived usefulness and Ease-of-use. Information ve Management, 237-250. https://doi.org/10.1016/S0378-7206(98)00096-2.
29. Karamzadeh, K., ve Moharrami, H. (2015). Survey of robust artificial intelligence classifier proper for various digital data. Internatıonal Journal Of Computers ve Technology, 6436-6443.
30. Keller, C. (2005). Virtual learning environments: Three ımplementation perspectives. Learning, Media and Technology, 299-311. https://doi.org/10.1080/17439880500250527.
31. Kıral, B., (2021). Nitel araştırmada fenomenoloji deseni: Türleri ve araştırma süreci. Eğitim ve Öğretim Araştırmaları Dergisi, 92-103.
32. King, W., ve He, J. (2006). A meta-analysis of the technology acceptance model. Information ve Management, 740-755. https://doi.org/10.1016/j.im.2006.05.003.
33. Kurnia, S., Choudrie, J., Mahbubur, R., ve Alzougool, B. (2015). E-commerce technology adoption: A Malaysian grocery SME retail sector study. Journal of Business Research, 1906-1918. https://doi.org/10.1016/j.jbusres.2014.12.010.
34. Lee, J., Davari, H., Singh, J., ve Pandhare, V. (2018). Industrial artificial ıntelligence for ındustry 4.0- based manufacturing systems. Manufacturing Letters, 20-23. https://doi.org/10.1016/j.mfglet.2018.09.002.
35. Liao, Z., ve Cheung, M. T. (2001). Internet-based e-shopping and consumer attitudes an empirical study. Information ve Management, 299-306. https://doi.org/10.1016/S0378-7206(00)00072-0.
36. Lin, H.-F. (2007). Predicting consumer intentions to shop online: An empirical test of competing theories. Electronic Commerce Research and Applications, 433-442. https://doi.org/10.1016/j.elerap.2007.02.002.
37. Lund, B., ve Ting, W. (2023). Chatting about ChatGPT: How may AI and GPT impact academia and libraries? Library Hi Tech News, 26-29. http://dx.doi.org/10.2139/ssrn.4333415.
38. Meço, G., ve Çoştu, F. (2022). Eğitimde yapay zekânın kullanılması: Betimsel içerik analizi çalışması. Karadeniz Teknik Üniversitesi Sosyal Bilimler Enstitüsü Sosyal Bilimler Dergisi, 171-193.
39. Nabiyev, V.V. (2021). Yapay zekâ. Ankara: Seçkin Yayıncılık
40. Neuman, L. (2022). Toplumsal araştırma yöntemleri nicel ve nitel yaklaşımlar. Ankara: Siyasal Kitabevi.
41. Obschonka, M., ve Audretsch, D. (2020). Artificial intelligence and big data entrepreneurship: A new era has begun. Small Business Economics, 529-539.
42. Özer, G., Özcan, M., ve Aktaş, S. (2010). Muhasebecilerin bilgi teknolojisi kullanımının teknoloji kabul modeli (tkm) ile incelenmesi. Journal of Yasar University, 3278-3293. https://doi.org/10.19168/jyu.69780
43. Penrose, R. (2020). Kralın yeni aklı - bilgisayar, zekâ ve fizik yasaları. (T. Dereli, Çev.) İstanbul: Koç Üniversitesi Yayınları.
44. Robson, C. (2017). Bilimsel araştırma yöntemleri: Gerçek dünya araştırması. Ş. Çınkır & N. Demirkasımoğlu (çev.) Ankara: Anı Yayıncılık.
45. Sart, G. (2017). Fenomenoloji ve yorumlayıcı fenomenolojik analiz. F. N. Bayyurt (Ed.), Nitel araştırma yöntem, teknik, analiz ve yaklaşımlar içinde (s. 70-81). Anı Yayıncılık.
46. Say, C. (2022). 50 soruda yapay zekâ. İstanbul: Bilim ve Gelecek Kitaplığı.
47. Shishavan, H. B. (2024). AI in Higher Education: Guidelines on assessment design from Australian Universities. ASCILITE 2024 (s. 118-126). ASCILITE.
48. Teng, X. (2019). Discussion about artificial ıntelligence’s advantages and disadvantages compete with natural ıntelligence. Journal of Physics: Conference Series (s. 1-7). IOP Publishing.
49. Thomas, D. R. (2003). A general Inductive Approach for Qualitative Data Analysis. Retrieved from https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.462.5445&rep=rep1&type=pdf.
50. Türnüklü, A. (2000). Eğitimbilim araştırmalarında etkin olarak kullanılabilecek nitel bir araştırma tekniği: Görüşme. Kuram ve Uygulamada Eğitim Yönetimi, 543-559.
51. Tutar, H. (2023). Nitel araştırma deseni belirleme ölçütleri ve gerekçelendirilmesi. Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 334-355.
52. Uğur, N. G., ve Turan, A. H. (2016). Mobil uygulama kabul modeli: Bir ölçek geliştirme çalışması. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 97-126. https://doi.org/10.17065/huniibf.310526
53. Uslu, B. (2023). Üniversitelerde yapay zekânın kullanım alanları: Potansiyel yararları ve olası zorluklar. Eğitimde Kuram ve Uygulama (EKU). 227-239. https://doi.org/10.17244/eku.1355304.
54. Van Manen, M. (1990). Researching lived experience. New York: State University of New York Press.
55. Venkatesh, V., ve Bala, H. (2008). Technology acceptance model 3 and a research agenda on interventions. Decision Sciences, 273-315. https://doi.org/10.1111/j.1540-5915.2008.00192.x
56. Yıldırım, A., ve Şimşek, H. (2018). Sosyal bilimlerde nitel araştırma yöntemleri. Ankara: Seçkin Yayıncılık.
57. Zahra, W., ve Rautela, G. (2024). Revolutionizing learning landscapes: Unleashing the potential of AI in the realm of academic research. T. Khan, M. Singh, ve S. Raza içinde, Artificial ıntelligence: a multidisciplinary approach towards teaching and learning (s. 242-264). ABD: Bentham Science Publisher.
58. Zawacki-Ricther, O., Marin, V., Bond, M., ve Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 1-27. https://doi.org/10.1186/s41239-019-0171-0
59. Williams, M., & Moser, T. (2019). The Art of Coding and Thematic Exploration in Qualitative Research. International Management Review, 15(1), ss. 45-55. Retrieved from https://www.proquest.com/openview/1fd39ea96611dee5025714c30820dc83/1?pq origsite=gscholar&cbl=28202