Ortaokul Öğrencileri İçin Yapay Zekâ Farkındalık ve Kullanım Eğilimleri Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması

Yavuz Yaman; Süleyman Kahraman; Ramazan Zengin

doi:10.53444/deubefd.1611893

EN TR

Scale of Artificial Intelligence Awareness and Usage Tendencies for Middle School Students: Development, Validity, and Reliability Study

Öz

This study aimed to develop a four-dimensional scale to measure middle school students' awareness of and tendencies toward artificial intelligence (AI). The Middle School Artificial Intelligence Awareness and Usage Tendency Scale (YZFKÖ) consists of four dimensions: Basic AI Knowledge, AI Usage Areas, AI Anxiety, and AI Challenges. The study was conducted using literature review, expert opinions, pilot application, Exploratory Factor Analysis (EFA), and Confirmatory Factor Analysis (CFA). The EFA and CFA results revealed that the four-factor structure explained 52.05% of the total variance and that the goodness-of-fit indices were at an acceptable level (KMO = .924; χ²/df = 2.057; CFI = .935; RMSEA = .043). The Cronbach Alpha coefficient was determined as α = .870 for the entire scale, and the sub-dimensions ranged between α = .743 and α = .914. These findings indicate that the scale is a valid, reliable, and consistent measurement tool. The developed scale provides teachers, curriculum developers, and education policymakers with a valid and reliable tool for measuring students' levels of AI awareness and usage tendencies.

Anahtar Kelimeler

Artificial intelligence awareness, Artificial intelligence usage trends, Middle school, Scale development, Artificial intelligence in education

Ortaokul Öğrencileri İçin Yapay Zekâ Farkındalık ve Kullanım Eğilimleri Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması

Öz

Bu çalışma, ortaokul öğrencilerinin yapay zekâ (YZ) farkındalığı ve kullanım eğilimlerini ölçmek amacıyla dört boyutlu bir ölçek geliştirmeyi amaçlamaktadır. Ortaokul Yapay Zekâ Farkındalık ve Kullanım Eğilimleri Ölçeği (YZFKÖ), YZ Temel Bilgi, YZ Kullanım Alanları, YZ Kaygı ve YZ Zorlanma olmak üzere dört boyuttan oluşmaktadır. Ölçeğin geliştirme sürecinde literatür taraması, uzman görüşleri, pilot uygulama, Açıklayıcı Faktör Analizi (AFA) ve Doğrulayıcı Faktör Analizi (DFA) gerçekleştirilmiştir. AFA ve DFA sonuçları, dört faktörlü yapının toplam varyansın %52,05'ini açıkladığını ve uyum iyiliği indekslerinin kabul edilebilir düzeyde olduğunu göstermiştir (KMO = ,924; χ²/df = 2,057; CFI = ,935; RMSEA = ,043). Cronbach Alfa katsayısı tüm ölçek için α = ,870 olarak belirlenmiş, alt boyutlar için ise α değerlerinin ,743 ile ,914 arasında değiştiği görülmüştür. Bu bulgular, ölçeğin geçerli, güvenilir ve tutarlı bir ölçüm aracı olduğunu ortaya koymaktadır. Bu çalışmada geliştirilen ölçek, öğretmenler, eğitim programı geliştiricileri ve eğitim politikacıları için öğrencilerin YZ farkındalık ve kullanım eğilimlerini ölçmede geçerli ve güvenilir bir araç sunmaktadır. Anahtar Kelimeler: Yapay zekâ farkındalığı, Yapay zekâ kullanım eğilimleri, Ortaokul, Ölçek geliştirme, Eğitimde yapay zekâ

Anahtar Kelimeler

Yapay zekâ farkındalığı, Yapay zekâ kullanım eğilimleri, Ölçek geliştirme

Destekleyen Kurum

YOK

Etik Beyan

İnsan katılımcıların yer aldığı çalışmalarda gerçekleştirilen tüm prosedürler, kurumsal ve/veya ulusal araştırma komitesinin etik standartlarına ve 1964 Helsinki Bildirgesi ve sonraki değişikliklerine veya benzer etik standartlara uygundur. Bu çalışma için etik onay, İstanbul Aydın Üniversitesi Eğitim Bilimleri Etik Kurulu'ndan alınmıştır.

Teşekkür

YOK

Kaynakça

Aldosari, S. A. (2020). The future of higher education in the light of artificial intelligence transformations. International Journal of Higher Education, 9(3), Article 145. https://doi.org/10.5430/ijhe.v9n3p145
Boateng, G. O., Neilands, T. B., Frongillo, E. A., Melgar-Quiñonez, H. R., & Young, S. L. (2018). Best practices for developing and validating scales for health, social, and behavioral research: A primer. Frontiers in Public Health, 6, 149, https://doi.org/10.3389/fpubh.2018.00149
Brown, T. A. (2015). Confirmatory factor analysis for applied research, Second Edition. Guilford Publications. Buchanan, B. G., & Sandham, J. (2022). AI is changing the world. Science, 375(6586), 1190-1193.
Büyüköztürk, Ş. (2018). Sosyal bilimler için veri analizi el kitabı. Ankara: Pegem Akademi
Calvani, A., Cartelli, A., Fini, A., & Ranieri, M. (2008). Models and instruments for assessing digital competence at school. Journal of E-learning and Knowledge Society, 4(3), 183-193.
Carolus, A., Koch, M. J., Straka, S., Latoschik, M. E., & 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. https://doi.org/10.1016/j.chbah.2023.100014
Carpenter, S. (2017). Ten steps in scale development and reporting: A Guide for Researchers. Communication Methods and Measures, 12(1), 25–44. https://doi.org/10.1080/19312458.2017.1396583
Çayır, A. (2023). A Literature Review on the Effect of Artificial Intelligence on Education. İnsan ve Sosyal Bilimler Dergisi, 6(2), 276–288. https://doi.org/10.53048/johass.1375684
Çelebi, C., Yılmaz, F., Demir, U., & 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
Cetindamar, D., Kitto, K., Wu, M., Zhang, Y., Abedin, B., & Knight, S. (2024). Explicating AI Literacy of Employees at Digital Workplaces. IEEE Transactions on Engineering Management, 71, 810–823. https://doi.org/10.1109/tem.2021.3138503

Chetty, K., Ntshayintshayi, N., Tlou, A., Saal, P., Moosa, T., Mgebisa, L., ... & Mdlulwa, N. (2023). AI skills development roadshow with the African Leadership University.
Chiu, T. K. F., Chai, C. S., & Tan, C. M. (2021). AI literacy: Definitions and design considerations. Computers & Education: Artificial Intelligence, 2, 100017. https://doi.org/10.1016/j.caeai.2021.100017
Cohen, L., Manion, L., & Morrison, K. (2018). Research methods in education (8th ed.). Routledge.
Costello, A. B. & Osborne, J., (2005) “Best practices in exploratory factor analysis: four recommendations for getting the most from your analysis”, Practical Assessment, Research, and Evaluation 10(1): 7. doi: https://doi.org/10.7275/jyj1-4868
Cuomo, S., Biagini, G., & Ranieri, M. (2022). Artificial intelligence literacy, che cos’è e come promuoverla: Dall’analisi della letteratura ad una proposta di framework. Media Education, 13(2), 161–172, https://doi.org/10.36253/me-13374 Çakır, F. S. (2018). YAPAY SİNİR AĞLARI-Matlab Kodları ve Matlab Toolbox Çözümleri. Nobel Akademik Yayıncılık.
DeVellis, R. F. (2017). Scale development: Theory and applications (4th ed.). Thousand Oaks, CA: SAGE.
Floridi, L. (2019). What the near future of artificial intelligence could be. Ethics, Governance, and Policies in Artificial Intelligence, 379-394, https://doi.org/10.1007/s13347-019-00345-y
Gibson, D., Kovanovic, V., Ifenthaler, D., Dexter, S., & Feng, S. (2023). Learning theories for artificial intelligence promoting learning processes. British Journal of Educational Technology, 54(5), 1125–1146. https://doi.org/10.1111/bjet.13341.
Grassini, S. (2023). Development and validation of the AI attitude scale (AIAS- 4): A brief measure of general attitude toward artificial intelligence. Front. Psychol. 14:1191628. doi: 10.3389/fpsyg.2023.1191628
Haenlein, M., & Kaplan, A. (2019). A brief history of artificial intelligence: On the past, present, and future of artificial intelligence. California Management Review, 61(4), 5–14. https://doi.org/10.1177/0008125619864925
Hair, J., Anderson, R., Black, B., & Babin, B. (2016). Multivariate data analysis. Pearson Higher Ed.
Hertzog M. A. (2008). Considerations in determining sample size for pilot studies. Research in nursing & health, 31(2), 180–191. https://doi.org/10.1002/nur.20247
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign.
Hrastinski, S. (2019). What do we mean by blended learning? TechTrends, 63(5), 564–569. https://doi.org/10.1007/s11528-019-00375-5
Huang, J., Saleh, S., & Liu, Y. (2021). A review on artificial intelligence in education. Academic Journal of Interdisciplinary Studies, 10(3), 206. https://doi.org/10.36941/ajis-2021-0077
Kasinidou, M. (2023, March). Promoting AI literacy for the public. In Proceedings of the 54th ACM Technical Symposium on Computer Science Education (Vol. 2, p. 1237). ACM. https://doi.org/10.1145/3545947.3573292
Kline, R. B. (2023). Principles and Practice of Structural Equation Modeling, Fourth edition. Guilford Publications.
Kong, S. C., Lai, M., Sun, D., Luo, H., & Wong, K. H. (2021). Development and validation of an AI literacy scale for university students. International Journal of Artificial Intelligence in Education, 31(4), 725–747. https://doi.org/10.1007/s40593-021-00251-7
Kyriazos, T. (2018) Applied Psychometrics: Sample Size and Sample Power Considerations in Factor Analysis (EFA, CFA) and SEM in General. Psychology, 9, 2207-2230. https://doi.org/10.4236/psych.2018.98126.
Laupichler, M. C., Aster, A., & Raupach, T. (2023). Delphi study for the development and preliminary validation of an item set for the assessment of non-experts' AI literacy. Computers and Education: Artificial Intelligence, 4, 100126. https://doi.org/10.1016/j.caeai.2023.100126
Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–16. https://doi.org/10.1145/3313831.3376727
Luckin, R. and Cukurova, M. (2019). Designing educational technologies in the age of ai: a learning sciences‐driven approach. British Journal of Educational Technology, 50(6), 2824-2838. https://doi.org/10.1111/bjet.12861
Makridakis, S. (2017). The forthcoming artificial intelligence (AI) revolution: Its impact on society and firms. Futures, 90, 46–60. https://doi.org/10.1016/j.futures.2017.03.006
Moodi Ghalibaf, A., Moghadasin, M., Emadzadeh, A., & Mastour, H. (2023). Psychometric properties of the persian version of the Medical Artificial Intelligence Readiness Scale for Medical Students (MAIRS-MS). BMC Medical Education, 23(1). https://doi.org/10.1186/s12909-023-04553-1
Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041. https://doi.org/10.1016/j.caeai.2021.100041
Ng, D., Wu, W., Leung, J. K. L., Chiu, T. K. F., & 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, 55(3), 1082–1104. https://doi.org/10.1111/bjet.13411
Organisation for Economic Co-operation and Development. (2024). Artificial intelligence in education: A guide for policymakers. Paris: OECD Publishing.
Pala, Ş. M., & Başıbüyük, A. (2020). 10-12 yaş grubu öğrencileri için dijital okuryazarlık ölçeği geliştirme çalışması. Akdeniz Eğitim Araştırmaları Dergisi, 14(33), 542–565. https://doi.org/10.29329/mjer.2020.272.25
Pinski, M., & Benlian, A. (2023). AI literacy—Towards measuring human competency in artificial intelligence. In T. X. Bui (Ed.), Proceedings of the 56th Hawaii International Conference on System Sciences (pp. 165–174). ScholarSpace.
Pişkin, M., Atik, G., Çınkır, Ş., Öğülmüş, S., Babadoğan, C., & Çokluk, Ö. (2014). The development and validation of the Teacher Violence Scale. Eurasian Journal of Educational Research, 56(56), 69–88. https://doi.org/10.14689/ejer.2014.56.3
Polit, D. F., & Beck, C. T. (2006). The content validity index: Are you sure you know what’s being reported? Critique and recommendations. Research in Nursing & Health, 29(5), 489–497. https://doi.org/10.1002/nur.20147
Rakuasa, H. (2023). Integration of artificial intelligence in geography learning: challenges and opportunities.
Sinergi International Journal of Education, 1(2), 75-83. https://doi.org/10.61194/education.v1i2.71
Raykov, T., & Hancock, G. R. (2005). Examining change in maximal reliability for multiple‐component measuring instruments. British Journal of Mathematical and Statistical Psychology, 58(1), 65–82. https://doi.org/10.1348/000711005x38753
Richter, S., Giroux, M., Piven, I., Sima, H., & Dodd, P. (2024). A Constructivist Approach to Integrating AI in Marketing Education: Bridging Theory and Practice. Journal of Marketing Education, 0(0). https://doi.org/10.1177/02734753241288876
Rodríguez-García, Á. M., Moreno-León, J., Román-González, M., & Robles, G. (2021). Introducing artificial intelligence in computer science classrooms: An experience report. Informatics, 8(3), 54.
Roshanaei, M., Olivares, H., & Lopez, R. R. (2023). Harnessing AI to foster equity in education: opportunities, challenges, and emerging strategies. Journal of Intelligent Learning Systems and Applications, 15(04), 123-143. https://doi.org/10.4236/jilsa.2023.154009
Russell, S. J., & Norvig, P. (2010). Artificial intelligence: A modern approach (3rd ed.). Prentice Hall.
Rütti-Joy, O., Winder, G., & Biedermann, H. (2023). Building AI literacy for sustainable teacher education. Zeitschrift für Hochschulentwicklung, 18(4), 175–189. https://doi.org/10.21240/zfhe/18-04/10
Schepman, A., & Rodway, P. (2020). Initial validation of the General Attitudes towards Artificial Intelligence Scale. Computers in Human Behavior Reports, 1, 100014. https://doi.org/10.1016/j.chbr.2020.100014
Schermelleh-Engel, K., Moosbrugger, H., & Müller, H. (2003). Evaluating the Fit of Structural Equation Models: Tests of Significance and Descriptive Goodness-of-Fit Measures. Methods of Psychological Research, 8(2), 23–74.
Sellbom, M., & Tellegen, A. (2019). Factor analysis in psychological assessment research: Common pitfalls and recommendations. Psychological assessment, 31(12), 1428–1441. https://doi.org/10.1037/pas0000623
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.
Sindermann, C., Sha, P., Zhou, M., Wernicke, J., Schmitt, H. S., Li, M., Sariyska, R., Stavrou, M., Becker, B., & Montag, C. (2021). Assessing the Attitude Towards Artificial Intelligence: Introduction of a Short Measure in German, Chinese, and English Language. KI - Künstliche Intelligenz, 35(1), 109–118. https://doi.org/10.1007/s13218-020-00689-0
Stevens, J. (2002). Applied Multivariate Statistics for the Social Sciences. Psychology Press.
Stöhr, C., Ou, A. W., & Malmström, H. (2024). Perceptions and usage of AI chatbots among students in higher education across genders, academic levels, and fields of study. Computers and Education: Artificial Intelligence, 7, 100259. https://doi.org/10.1016/j.caeai.2024.100259
Tabachnick, B. G., & Fidell, L. S. (2013). Using multivariate statistics (6th ed.). Pearson.
Touretzky, D., Gardner-McCune, C., Martin, F., & Seehorn, D. (2019). Envisioning AI for K-12: What should every child know about AI? Proceedings of the AAAI Conference on Artificial Intelligence, 33(1), 9795–9799. https://doi.org/10.1609/aaai.v33i01.33019795
UNESCO. (2019). Artificial intelligence in education: Challenges and opportunities for sustainable development. UNESCO Publishing.
Wang, B., Rau, P. L. P., & Yuan, T. (2023). Measuring user competence in using artificial intelligence: Validity and reliability of artificial intelligence literacy scale. Behaviour & Information Technology, 42(9), 1324–1337. https://doi.org/10.1080/0144929X.2022.2072768
Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Artificial intelligence in education: A systematic literature review. Expert Syst. Appl., 252, 124167. https://doi.org/10.1016/j.eswa.2024.124167
Wang, Y.-Y., & Chuang, Y.-W. (2024). Artificial intelligence self-efficacy: Scale development and validation. Education and Information Technologies, 29(4), 4785–4808. https://doi.org/10.1007/s10639-023-12015-w
Wang, Y.-Y., & Wang, Y.-S. (2022). 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
Worthington, R. L., & Whittaker, T. A. (2006). Scale Development Research: A Content Analysis and Recommendations for Best Practices. The Counseling Psychologist, 34(6), 806–838. https://doi.org/10.1177/0011000006288127
Xing, C. (2023). Research on the application of artificial intelligence empowered education management. Journal of Artificial Intelligence Practice, 6(6), 13–17. https://doi.org/10.23977/jaip.2023.060602 Yadav, A., Hong, H., & Stephenson, C. (2016). Computational Thinking for All: Pedagogical approaches to embedding 21st century problem solving in K-12 classrooms. TechTrends, 60(6), 565–568. https://doi.org/10.1007/s11528-016-0087-7
Yang, Y., & Xu, X. (2024). Research on artificial intelligence literacy level and its influencing factors of high school students. International Journal of Social Science and Research. https://doi.org/10.58531/ijssr/2/2/1
Zhao, G., Li, Y., & Xu, Q. (2022). From emotion AI to cognitive AI. International Journal of Network Dynamics and Intelligence, 1(1), 65–72. https://doi.org/10.53941/ijndi0101006
Zhou, X., Van Brummelen, J., & Lin, P. (2020). Designing AI Learning Experiences for K-12: Emerging Works, Future Opportunities and a Design Framework (Version 1). arXiv. https://doi.org/10.48550/ARXIV.2009.10228

Ayrıntılar

Birincil Dil

Türkçe

Konular

Ölçek Geliştirme, Öğretim Teknolojileri

Bölüm

Araştırma Makalesi

Yazarlar

Yavuz Yaman
0000-0002-4837-9959
Türkiye

Süleyman Kahraman
0000-0002-8223-4614
Türkiye

Ramazan Zengin ^*
0000-0001-8938-9486
Türkiye

Yayımlanma Tarihi

30 Haziran 2025

Gönderilme Tarihi

2 Ocak 2025

Kabul Tarihi

20 Haziran 2025

Yayımlandığı Sayı

Yıl 2025 Sayı: 64

DOI

https://doi.org/10.53444/deubefd.1611893

IZ

https://izlik.org/JA75DR83YY

APA

Yaman, Y., Kahraman, S., & Zengin, R. (2025). Ortaokul Öğrencileri İçin Yapay Zekâ Farkındalık ve Kullanım Eğilimleri Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi, 64, 2451-2475. https://doi.org/10.53444/deubefd.1611893

AMA

1.Yaman Y, Kahraman S, Zengin R. Ortaokul Öğrencileri İçin Yapay Zekâ Farkındalık ve Kullanım Eğilimleri Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması. DEU BEF Dergi. 2025;(64):2451-2475. doi:10.53444/deubefd.1611893

Chicago

Yaman, Yavuz, Süleyman Kahraman, ve Ramazan Zengin. 2025. “Ortaokul Öğrencileri İçin Yapay Zekâ Farkındalık ve Kullanım Eğilimleri Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması”. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi, sy 64: 2451-75. https://doi.org/10.53444/deubefd.1611893.

EndNote

Yaman Y, Kahraman S, Zengin R (01 Haziran 2025) Ortaokul Öğrencileri İçin Yapay Zekâ Farkındalık ve Kullanım Eğilimleri Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi 64 2451–2475.

IEEE

[1]Y. Yaman, S. Kahraman, ve R. Zengin, “Ortaokul Öğrencileri İçin Yapay Zekâ Farkındalık ve Kullanım Eğilimleri Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması”, DEU BEF Dergi, sy 64, ss. 2451–2475, Haz. 2025, doi: 10.53444/deubefd.1611893.

ISNAD

Yaman, Yavuz - Kahraman, Süleyman - Zengin, Ramazan. “Ortaokul Öğrencileri İçin Yapay Zekâ Farkındalık ve Kullanım Eğilimleri Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması”. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi. 64 (01 Haziran 2025): 2451-2475. https://doi.org/10.53444/deubefd.1611893.

JAMA

1.Yaman Y, Kahraman S, Zengin R. Ortaokul Öğrencileri İçin Yapay Zekâ Farkındalık ve Kullanım Eğilimleri Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması. DEU BEF Dergi. 2025;:2451–2475.

MLA

Yaman, Yavuz, vd. “Ortaokul Öğrencileri İçin Yapay Zekâ Farkındalık ve Kullanım Eğilimleri Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması”. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi, sy 64, Haziran 2025, ss. 2451-75, doi:10.53444/deubefd.1611893.

Vancouver

1.Yavuz Yaman, Süleyman Kahraman, Ramazan Zengin. Ortaokul Öğrencileri İçin Yapay Zekâ Farkındalık ve Kullanım Eğilimleri Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması. DEU BEF Dergi. 01 Haziran 2025;(64):2451-75. doi:10.53444/deubefd.1611893

Scale of Artificial Intelligence Awareness and Usage Tendencies for Middle School Students: Development, Validity, and Reliability Study

Öz

Anahtar Kelimeler

Ortaokul Öğrencileri İçin Yapay Zekâ Farkındalık ve Kullanım Eğilimleri Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması

Öz

Anahtar Kelimeler

Destekleyen Kurum

Etik Beyan

Teşekkür

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster