Fen bilimleri öğretmen ve öğretmen adaylarının yapay zekaya yönelik tutumları ile yapay zeka okuryazarlık düzeyleri: İlişkisel bir inceleme.

Öz

Bu araştırma nicel araştırma yöntemlerinden biri olan ilişkisel tarama deseni ile desenlenmiştir. Araştırmanın örneklem seçiminde uygun örnekleme yöntemi tercih edilmiştir, sosyal medya platformları üzerinden gönüllülük esasına göre ulaşılan 73’ü öğretmen ve 656’sı öğretmen adayı olmak üzere toplam 729 kişiden oluşmaktadır. Veriler, araştırmacı tarafından oluşturulan çevrimiçi bir anket yoluyla toplanmış ve Jamovi programı ile analiz edilmiştir. Araştırmada, “Yapay Zekâya Yönelik genel Tutum Ölçeği” ve “Yapay Zekâ Okuryazarlığı Ölçeği” veri toplama aracı olarak kullanılmıştır. Tutum ölçeği olumlu ve olumsuz tutum alt boyutlarını kapsarken, okuryazarlık ölçeği farkındalık, kullanım, değerlendirme ve etik olmak üzere dört alt boyuttan oluşmaktadır. Araştırma bulguları, fen bilimleri öğretmenleri ve öğretmen adaylarının yapay zekâya genel olarak yüksek düzeyde olumlu tutum orta düzeyde ise olumsuz tutum sergilediklerini ve aynı zamanda yapay zekâ okuryazarlık düzeylerinin de yüksek olduğunu göstermektedir. Araştırmada elde edilen bir diğer bulgu, erkek katılımcıların olumlu tutumlarının kadınlara kıyasla daha yüksek olduğudur. Görev yapma ve öğrenim durumuna göre ise öğretmen ve öğretmen adaylarının yapay zekâ tutumlarının ve yapay zekâ okuryazarlıklarının benzer düzeyde oldukları sonucuna ulaşılmıştır. Bunun yanı sıra yapay zekâ eğitimi alan katılımcıların hem yapay zekâ tutum hem de yapay zekâ okuryazarlık düzeylerinde daha iyi düzeyde oldukları belirlenmiştir. Yapay zekâya yönelik tutum ile yapay zekâ okuryazarlığı arasında pozitif yönde anlamlı bir ilişki olduğu sonucuna ulaşılmıştır.

Anahtar Kelimeler

• Yapay zekâ
• Fen bilimleri öğretmeni
• öğretmen adayı
• yapay zekâ tutum
• yapay zekâ okuryazarlığı
• öğretmen eğitimi
• ilişkisel tarama

Artificial Intelligence Attitudes and Artificial Intelligence Literacy Levels of Science Teachers and Pre-Service Science Teachers: A Correlational Study

Öz

This study employed a correlational survey model, a quantitative research design. A convenience sample of 729 participants—comprising 73 in-service science teachers and 656 pre-service science teachers—was recruited voluntarily via social media platforms. Data were collected using an online questionnaire developed by the researcher and analyzed with the Jamovi statistical software. Two instruments were used: the General Attitude Towards Artificial Intelligence Scale and the Artificial Intelligence Literacy Scale. The attitude scale includes positive and negative sub-dimensions, while the literacy scale consists of four sub-dimensions: awareness, use, evaluation, and ethics. The findings revealed that both in-service and pre-service science teachers generally exhibited high levels of positive attitude and moderate levels of negative attitude toward AI, with an overall high level of AI literacy. Furthermore, male participants reported significantly more positive attitudes toward AI than their female counterparts. In terms of professional status and educational level, the results indicated no significant differences in AI attitudes or literacy between in-service teachers and pre-service teachers. However, participants who had received prior AI training demonstrated significantly higher levels of both AI attitude and literacy. Finally, a statistically significant positive correlation was found between attitudes toward AI and AI literacy.

Anahtar Kelimeler

• Artificial intelligence
• Science teachers
• pre-service teachers
• artificial intelligence literacy
• attitude towards artificial intelligence
• teacher training
• correlational survey

Kaynakça

1. Acemioğlu, R. (2025). Fen Bilgisi Öğretmen Adaylarının Yapay Zekâ Okuryazarlık Profilleri. The Journal of International Educational Sciences, 12(44), 264-287.
2. Aksakal, Ş., Emre, İ., & Özbek, M. (2024). Sınıf öğretmenlerinin yapay zekâya ilişkin tutumlarının belirlenmesi. Eğitimde Yeni Yaklaşımlar Dergisi, 7(1), 1-13.
3. Arı, S. (2025) Sınıf Öğretmeni Adaylarının Yapay Zekâ Tutumlarının Farklı Değişkenler Açısından İncelenmesi. Kahramanmaraş Sütçü İmam Üniversitesi Sosyal Bilimler Dergisi, 22(2), 695-704.
4. Aşçı, D. (2025). Fen bilgisi öğretmen adaylarının yapay zeka hakkındaki algıları ve bilişsel yapıları [Yüksek lisans tezi, İnönü Üniversitesi, Eğitim Bilimleri Enstitüsü].
5. Banaz, E., & Demirel, O. (2024). Türkçe öğretmen adaylarının yapay zekâ okuryazarlıklarının farklı değişkenlere göre incelenmesi. Buca Eğitim Fakültesi Dergisi, 60, 1516–1529. https://doi.org/10.53444/deubefd.1461048
6. Banaz, E., & Maden, S. (2024). Türkçe öğretmen adaylarının yapay zekâya yönelik tutumlarının incelenmesi. Trakya Üniversitesi Eğitim Fakültesi Dergisi, 14(2), 1173–1180. https://doi.org/10.24315/tred.1430419
7. Bergdahl, N., & Sjöberg, J. (2025). Attitudes, perceptions and AI self-efficacy in K-12 education. Computers and Education: Artificial Intelligence, 7, 100249. https://doi.org/10.1016/j.caeai.2025.100249
8. Büyüköztürk, Ş. (2022). Sosyal bilimler için veri analizi el kitabı: İstatistik, araştırma deseni, SPSS uygulamaları ve yorum (28. baskı). Pegem Akademi.

9. Creswell, J. W. (2017). Eğitim araştırmaları: Nicel ve nitel araştırmanın planlanması, yürütülmesi ve değerlendirilmesi (S. B. Demir, Çev. Ed.) (5. baskıdan çev.). Pegem Akademi.
10. Çayak, S. (2024). Investigating the relationship between teachers’ attitudes toward artificial intelligence and their artificial intelligence literacy levels. Journal of Education Technology & Online Learning (JETOL), 4(2), 45-63. https://doi.org/10.31681/jetol.1490307
11. 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
12. Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
13. Erdoğdu, F., & Çakır, Ö. (2024). Öğretmen adaylarının yapay zekâ okuryazarlıklarının ve yapay zekâya ilişkin algılarının belirlenmesi. Uluslararası Türk Kültür Coğrafyasında Sosyal Bilimler Dergisi, 9(2), 63–95. https://doi.org/10.55107/turksosbilder.1594635
14. Galindo-Domínguez, H., Delgado, N., & Losada, D. (2024). Relationship between teachers’ digital competence and attitudes towards artificial intelligence in education. International Journal of Educational Research, 122, 102276. https://doi.org/10.1016/j.ijer.2024.102276
15. Green, S. B., & Salkind, N. J. (2005). Using SPSS for Windows and Macintosh: Analyzing and understanding data (4th ed.). Pearson Prentice Hall.
16. Holmes, W., Bialik, M., & Fadel, C. (2022). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
17. Işık, E., & Köse, M. (2024). Fen bilimleri öğretmenlerinin artırılmış gerçeklik, metaverse, yapay zekâ ve eğitimde uygulamalarıyla ilgili görüşlerinin incelenmesi. Journal of Individual Differences in Education, 6(2), 149-169. https://doi.org/10.47156/jide.1587315
18. Işık, M., & Çamur, Ö. (2024). Yapay zekâ ve dijital okuryazarlık: Akademik çabada yeni dinamikler. Beykoz Akademi Dergisi, 12(2), 173–197. https://doi.org/10.14514/beykozad.1508294
19. Kağıtçıbaşı, Ç. (2010). Benlik ve kimlik: Kültürel psikoloji bağlamında. Koç Üniversitesi Yayınları.
20. Karacan, S. B., & Çiçek, Ş. (2024). İlahiyat Fakültesi Öğrencilerinin Yapay Zekâ Okuryazarlık Düzeyleri İle Yapay Zekâya Yönelik Tutumları. Dinbilimleri Akademik Araştırma Dergisi, 24(3), 259-292.
21. Karasar, N. (2022). Bilimsel araştırma yöntemi (36. baskı). Nobel Yayıncılık.
22. Kaya, F., Aydın, F., Schepman, A., Rodway, P., Yetişensoy, O., & Demir Kaya, M. (2022). The roles of personality traits, AI anxiety, and demographic factors in attitudes towards artificial intelligence. International Journal of Human–Computer Interaction, 40(2), 497–514. https://doi.org/10.1080/10447318.2022.2151730
23. Kaya, H., Aydın, M. K., Schepman, A., Rodway, P., Yetişensoy, E., & Demir Kaya, M. (2022). Yapay zekâya yönelik genel tutum ölçeği: Türkçeye uyarlama, geçerlik ve güvenirlik çalışması. Turkish Online Journal of Distance Education, 23(1), 134–150. https://doi.org/10.17718/tojde.1072400
24. Kelly, N., Sharon, T., & Ben-David Kolikant, Y. (2023). Artificial intelligence in education: A systematic review of acceptance factors. Computers & Education: Artificial Intelligence, 4, 100123. https://doi.org/10.1016/j.caeai.2023.100123
25. Kelly, S., Kaye, S.-A., & Oviedo-Trespalacios, O. (2023). What factors contribute to the acceptance of artificial intelligence? A systematic review. Telematics and Informatics, 83, 101913. https://doi.org/10.1016/j.tele.2023.101913
26. Kohnke, L., Zou, D., & Gu, M. M. (2025). Preparing future educators for AI-enhanced classrooms: Insights into AI literacy and integration. Computers and Education: Artificial Intelligence, 6, 100398. https://doi.org/10.1016/j.caeai.2025.100398
27. Kurata, L., Ayanwale, M. A., & Sanni, T. (2025). Teaching religious studies with artificial intelligence: A qualitative analysis of Lesotho secondary schools teachers’ perceptions. International Journal of Educational Research Open, 14, 100444. https://doi.org/10.1016/j.ijedro.2025.100444
28. Lim, J., Lee, U., & Moon, J. (2025). Development and implementation of a generative artificial intelligence-enhanced simulation to enhance problem-solving skills for pre-service teachers. Computers & Education, 215, 105088. https://doi.org/10.1016/j.compedu.2025.105088
29. Liu, Y., Wang, Y., & Koehler, M. J. (2023). Teachers’ artificial intelligence literacy: A systematic review. Computers & Education: Artificial Intelligence, 4, 100137. https://doi.org/10.1016/j.caeai.2023.100137
30. Lünich, M., Keller, B., & Marcinkowski, F. (2024). Diverging perceptions of artificial intelligence in higher education: A comparison of student and public assessments on risks and damages of academic performance prediction in Germany. Computers and Education: Artificial Intelligence, 5, 100178. https://doi.org/10.1016/j.caeai.2024.100178
31. Mart, H., & Kaya, G. (2023). Okul öncesi öğretmen adaylarının yapay zekâ okuryazarlık düzeylerinin çeşitli değişkenler açısından incelenmesi. Ondokuz Mayıs Üniversitesi Eğitim Fakültesi Dergisi, 42(1), 221–242.
32. Mertala, P., Fagerlund, J., & Calderon, O. (2022). Finnish 5th and 6th grade students’ pre-instructional conceptions of artificial intelligence (AI) and their implications for AI literacy education. Computers and Education: Artificial Intelligence, 3, 100051. https://doi.org/10.1016/j.caeai.2022.100051
33. OECD. (2023). OECD Digital Education Outlook 2023: Towards an Effective Digital Education Ecosystem. OECD Publishing. https://doi.org/10.1787/c74f03de-en
34. Ofem, T. (2025). Teachers' preparedness for the utilization of artificial intelligence. Frontiers in Education, 10, 1568306. https://doi.org/10.3389/feduc.2025.1568306
35. R Core Team. (2024). R: A language and environment for statistical computing (Version 4.4) [Computer software]. Retrieved from https://cran.r-project.org
36. Rizvi, S., Waite, J., & Sentance, S. (2023). Artificial intelligence teaching and learning in K-12 from 2019 to 2022: A systematic literature review. Computers and Education: Artificial Intelligence, 4, 100117. https://doi.org/10.1016/j.caeai.2023.100117
37. Sanusi, I. T., Ayanwale, M. A., & Tolorunleke, A. E. (2024). Investigating pre-service teachers’ artificial intelligence perception from the perspective of planned behavior theory. Computers and Education: Artificial Intelligence, 6, 100229. https://doi.org/10.1016/j.caeai.2024.100229
38. Sarıkaya, B., & Kavan, N. (2024). Türkçe Öğretmeni Adaylarının Yapay Zekâya Yönelik Tutumlarının İncelenmesi. Elektronik Eğitim Bilimleri Dergisi, 13(26), 191-203.
39. Sperling, K., Stenberg, C. J., McGrath, C., Åkerfeldt, A., Heintz, F., & Stenliden, L. (2024). In search of artificial intelligence (AI) literacy in teacher education: A scoping review. Computers and Education Open, 6, 100169. https://doi.org/10.1016/j.caeo.2024.100169
40. The jamovi project. (2024). jamovi (Version 2.6) [Computer software]. Retrieved from https://www.jamovi.org
41. UNESCO. (2021). AI and education: Guidance for policy-makers. UNESCO Publishing. https://unesdoc.unesco.org/ark:/48223/pf0000376709
42. Veldhuis, A., Lo, P. Y., Kenny, S., & Antle, A. N. (2024). Critical artificial intelligence literacy: A scoping review and framework synthesis. International Journal of Child-Computer Interaction, 43, 100708. https://doi.org/10.1016/j.ijcci.2024.100708
43. Yao, N., & Wang, Q. (2024). Factors influencing pre-service special education teachers’ intention toward AI in education: Digital literacy, teacher self-efficacy, perceived ease of use, and perceived usefulness. Heliyon, 10(7), e32765. https://doi.org/10.1016/j.heliyon.2024.e32765
44. Yıldırım, A., & Şimşek, H. (2022). Sosyal bilimlerde nitel araştırma yöntemleri (13. baskı). Seçkin Yayıncılık.
45. Yim, I. H. Y., & Wegerif, R. (2024). Teachers’ perceptions, attitudes, and acceptance of artificial intelligence (AI) educational learning tools: An exploratory study on AI literacy for young students. Future in Educational Research, 2(4), 318–345. https://doi.org/10.1002/fer3.65