Bu çalışmanın amacı Türkçe eğitimi öğretmen adaylarının dijital okuryazarlık düzeylerinin 2020 (salgın dönemi) ve 2024 (üretken yapay zekâ dönemi) yılları arasındaki değişimini karşılaştırmalı olarak incelemektir. Çalışmada açıklayıcı sıralı karma yöntem deseni kullanılmış, 2020 yılında 188, 2024 yılında ise 157 Türkçe eğitimi öğrencisinden nicel veri toplanmıştır. Nicel veriler "Öğretmen Adayları İçin Dijital Okuryazarlık Özyeterlik Ölçeği" ile, nitel veriler yarı yapılandırılmış görüşme formuyla toplanmıştır. Araştırma bulgularına göre iki yıl arasında öğretmen adaylarının dijital okuryazarlık öz-yeterlik düzeylerinde (üretim, kaynak kullanabilme, uygulama kullanabilme ve destek alt boyutlarında) istatistiksel olarak anlamlı bir fark bulunmamıştır. Nitel analiz sonuçlarına göre ise 2020 yılındaki katılımcıların %54,6'sı herhangi bir teknolojik ders talebi belirtmezken, bu oran 2024'te %43,8'e düşmüştür. En dikkat çekici bulgular arasında 2024 yılında yapay zekâ öğrenme talebinin %17,8 oranıyla ikinci sırada yer alması ve 2020'de en yüksek talebin %13,6 ile yazılım/kodlama öğrenme alanında olmasıdır. Sonuç olarak öğretmen adaylarının dijital okuryazarlık öz-yeterlik algılarında nicel açıdan değişim gözlenmemekte, öğretmen adaylarının kendilerini dijital yeterlikler konusunda yeterli görmelerine rağmen bunun gerçekte farklı olduğu, güncel teknolojik gelişmelere (özellikle yapay zekâ) karşı ilgi ve farkındalığın öğretmen adaylarının küçük bir bölümünde olduğu gözlemlenmektedir.
Dijital Okuryazarlık Öğretmen Eğitimi Türkçe Eğitimi Öz-yeterlik
Çalışmada kullanılan veriler etik kurallara uygun bir şekilde toplanmıştır.
Çalışmada zaman ayırarak veri toplama süreçlerine katkı sunan Kastamonu Üniversitesi Eğitim Fakültesi Türkçe Eğitimi Lisans Öğrencilerine çok teşekkür ederiz.
The purpose of this study is to comparatively examine the changes in digital literacy levels of Turkish language education teacher candidates between 2020 (pandemic period) and 2024 (generative artificial intelligence period). An explanatory sequential mixed-method design was employed in the study, with quantitative data collected from 188 Turkish language education students in 2020 and 157 in 2024. Quantitative data were collected using the "Digital Literacy Self-Efficacy Scale for Teacher Candidates," while qualitative data were gathered through a semi-structured interview form. According to the research findings, no statistically significant difference was found in teacher candidates' digital literacy self-efficacy levels (in the subdimensions of production, resource utilization, application utilization, and support) between the two years. Qualitative analysis results revealed that while 54.6% of participants in 2020 expressed no demand for any technological courses, this rate decreased to 43.8% in 2024. Among the most notable findings are that artificial intelligence learning demand ranked second at 17.8% in 2024, whereas the highest demand in 2020 was in the software/coding learning domain at 13.6%. In conclusion, no quantitative change is observed in teacher candidates' digital literacy self-efficacy perceptions; despite teacher candidates perceiving themselves as competent in digital competencies, this appears to differ in reality, and interest and awareness toward current technological developments (particularly artificial intelligence) is observed only in a small proportion of teacher candidates.
Digital Literacy Teacher Education Turkish Language Education Self-Efficacy
| Birincil Dil | Türkçe |
|---|---|
| Konular | Öğretim Teknolojileri, Öğretmen Eğitimi ve Eğitimcilerin Mesleki Gelişimi, Türkçe Eğitimi |
| Bölüm | Araştırma Makalesi |
| Yazarlar | |
| Gönderilme Tarihi | 7 Şubat 2025 |
| Kabul Tarihi | 24 Ekim 2025 |
| Yayımlanma Tarihi | 29 Aralık 2025 |
| Yayımlandığı Sayı | Yıl 2025 Sayı: 66 |