Dini Bilgi Edinme Sürecinde Yapay Zekâ Tabanlı Sohbet Robotlarının Kullanımına İlişkin Tutum Ölçeği

Öz

Dijital teknolojilerdeki hızlı gelişim, bireylerin bilgiye erişim ve bilgi üretim şekillerini dönüştürmüştür. Bu dönüşüm, dini bilginin edinilmesi ve değerlendirilmesi süreçlerinde de belirgin etkiler ortaya çıkarmıştır. Bireyler, dini sorularına yanıt ararken artık geleneksel kaynaklara ek olarak üretken yapay zekâ modellerine de başvurabilmektedir. Dini bilginin inanç, değer ve kutsallık boyutlarıyla doğrudan ilişkili olması, bu tür teknolojilerin kullanımını pedagojik, epistemolojik ve etik açılardan tartışmaya açık hâle getirmektedir. Literatürde yapay zekâ uygulamalarının dini içerik üretimindeki doğruluk ve güvenilirliğine ilişkin kuramsal tartışmalar yer almakla birlikte, bireylerin dini bilgi edinme sürecinde sohbet robotlarına yönelik tutumlarını doğrudan ölçmeye imkân tanıyan geçerli ve güvenilir ölçme araçlarının sayıca oldukça az olduğu görülmektedir. Yapay zekâ ile din ilişkisini ele alan mevcut çalışmaların büyük bölümü, bu sistemlerin dini içerik üretme yeterliliğini ve doğruluğunu değerlendirmeye yoğunlaşmaktadır. Ancak yapay zekânın dini yaşantının gündelik pratiklerine dâhil olmaya başladığı günümüzde, bireylerin bu teknolojilere atfettiği anlamlar, onlara duyduğu güven ya da mesafe, sürecin yönünü belirleyen temel unsurlar arasında yer almaktadır. Ayrıca literatür incelendiğinde, ulusal ve uluslararası düzeyde özellikle tıp, eğitim, psikoloji ve mühendislik gibi disiplinlerde yapay zekâ uygulamalarına yönelik tutumları belirlemeyi amaçlayan çok sayıda ölçek geliştirme çalışmasının varlığına rağmen dini bilgi bağlamına özgü tutumları ölçmeye yönelik araçların az sayıda oluşu bu konuda bir boşluk olduğunu göstermektedir. Bu araştırma, söz konusu boşluktan hareketle bireylerin dini bilgi edinme süreçlerinde yapay zekâ tabanlı sohbet robotlarının kullanımına yönelik tutumlarını ölçebilecek bir ölçek geliştirmeyi amaçlamaktadır. Araştırma, kavramsal kapsamı belirleme ve nicel psikometrik sınama aşamalarını içeren bir ölçek geliştirme çalışması olarak tasarlanmıştır. Literatür taraması sonucunda kullanım kolaylığı, güven, algılanan fayda, mahremiyet ile risk ve sınırlılıklar gibi alanlar belirlenmiş ve madde havuzu bu alanları temsil edecek şekilde oluşturulmuştur. Uzman görüşleri doğrultusunda yapılan kapsam geçerliği değerlendirmeleri sonrasında 50 katılımcı ile pilot uygulama gerçekleştirilmiş ve uygun olmayan maddeler ölçekten çıkarılmıştır. Açımlayıcı faktör analizi (AFA), 233 katılımcıdan oluşan uygun örneklem büyüklüğü üzerinde gerçekleştirilmiş, Kaiser-Meyer-Olkin (KMO) değeri 0,88 olarak bulunmuş ve Bartlett Küresellik Testi anlamlı sonuç vermiştir (p<0,001). AFA sonucunda özdeğeri 1’in üzerinde olan ve toplam varyansın %63,38’ini açıklayan beş faktörlü bir yapı elde edilmiştir. Faktör yükleri incelendiğinde, binişik olduğu anlaşılan üç madde ölçekten çıkarılmış ve 25 maddelik nihai ölçek formuna ulaşılmıştır. Bu işlemden sonra maddelerin tamamının 0,439-0,854 arasında değişen değerler aldığı ve hiçbir maddenin binişiklik göstermediği görülmüştür. Elde edilen faktör yapısının doğrulanması amacıyla 210 katılımcıdan oluşan farklı bir örneklem üzerinde doğrulayıcı faktör analizi (DFA) gerçekleştirilmiştir. DFA sonuçları, beş faktörlü modelin veriyle iyi düzeyde uyum sağladığını göstermektedir. Uyum iyiliği indeksleri incelendiğinde, χ²/sd oranının (1,838) mükemmel olarak ifade edilen sınırlar içinde olduğu; CFI (0,909), NNFI/TLI (0,895), IFI (0,910), RMSEA (0,063), PGFI (0,682) ve PNFI (0,710) değerlerinin ise kabul edilebilir sınırlar içinde olduğu belirlenmiştir. Ölçeğin güvenirliği, iç tutarlılık katsayıları ve madde-toplam korelasyonları aracılığıyla incelenmiştir. Hesaplanan Cronbach’s Alpha değerleri, alt boyutlar için 0,751 ile 0,886 arasında değişmekte olup, ölçeğin genel güvenirlik katsayısı 0,875 olarak bulunmuştur. Madde-toplam korelasyonlarının tamamının 0,30’un üzerinde olması, maddelerin ölçülmek istenen yapıyla tutarlı olduğunu göstermektedir. Ayrıca alt-üst %27’lik grup karşılaştırmaları sonucunda, tüm maddelerin ve alt boyutların anlamlı düzeyde ayırt edici olduğu belirlenmiştir (p<0,01). Elde edilen bulgular, geliştirilen ölçeğin bireylerin dini bilgi edinme süreçlerinde yapay zekâ tabanlı sohbet robotlarının kullanımına yönelik tutumlarını ölçmede geçerli ve güvenilir bir araç olduğunu ortaya koymaktadır. Ölçek, bireylerin bu teknolojilere duyduğu güven, şüphe, fayda beklentisi, mahremiyet ve risk algısını çok boyutlu bir yapıda ele alarak din eğitimi ve din psikolojisi alanlarında yürütülecek araştırmalar için katkı sunmaktadır.

Anahtar Kelimeler

• Din Eğitimi
• Din ve Yapay Zeka
• Dini Bilgi
• Sohbet Robotu
• Tutum Ölçeği

An Attitude Scale for AI-Based Chatbots in Religious Knowledge Acquisition

Öz

The rapid advancement of digital technologies has transformed how individuals access and produce information. This transformation has also had a significant impact on the processes of acquiring and evaluating religious knowledge. When seeking answers to religious questions, individuals can now use AI-based chatbots in addition to traditional sources. The fact that religious knowledge is directly related to the dimensions of belief, values, and sanctity makes the use of such technologies open to debate from pedagogical, epistemological, and ethical perspectives. While the current literature includes theoretical discussions on the accuracy and reliability of artificial intelligence applications in religious content production, there is a limited number of valid and reliable instruments for directly assessing individuals’ attitudes toward chatbots in the process of acquiring religious knowledge. The majority of existing studies addressing the relationship between artificial intelligence and religion focus on evaluating the adequacy and accuracy of these systems in producing religious content. However, today, as artificial intelligence begins to be incorporated into the daily practices of religious life, the meanings individuals attribute to these technologies and their trust or distance from them are among the fundamental elements that determine how this process unfolds. A review of the literature reveals that numerous scale development studies have been conducted at the national and international levels, particularly in disciplines such as medicine, education, psychology, and engineering, with the aim of determining attitudes toward artificial intelligence applications. However, it is noteworthy that tools for measuring attitudes specific to the context of religious knowledge remain limited. This research aims to develop a scale that can measure individuals’ attitudes towards the use of AI-based chatbots in their religious knowledge acquisition processes, based on this gap. The study was designed as a scale development study comprising conceptual scoping and quantitative psychometric testing stages. Based on the literature review, domains such as ease of use, trust, perceived benefit, privacy, and risks and limitations were identified, and the item pool was developed to represent these domains. Following content validity assessments based on expert opinions, a pilot application with 50 participants was conducted, and inappropriate items were removed from the scale. Exploratory factor analysis (EFA) was performed on an appropriate sample size of 233 participants, the Kaiser-Meyer-Olkin (KMO) value was found to be 0.88, and Bartlett Test of Sphericity yielded a significant result (p<0.001). As a result of EFA, a five-factor structure with eigenvalues above 1 and explaining 63.38% of the total variance was obtained. When the factor loadings were examined, three items that were found to be cross-loading were removed from the scale and the final scale form of 25 items was reached. After this process, it was observed that all items had values ranging from 0.439 to 0.854 and that none of the items showed cross-loading. To validate the obtained factor structure, confirmatory factor analysis (CFA) was performed on a different sample consisting of 210 participants. The CFA results showed that the five-factor model fit the data well. Examining the fit indices, the χ²/df ratio (1.838) fell within the excellent fit range; CFI (0.909), NNFI/TLI (0.895), IFI (0.910), RMSEA (0.063), PGFI (0.682), and PNFI (0.710) values were found to be within acceptable limits. The reliability of the scale was examined through internal consistency coefficients and item-total correlations. The calculated Cronbach’s Alpha values ranged from 0.751 to 0.886 for the subscales, and the overall reliability coefficient of the scale was found to be 0.875. The fact that all item-total correlations were above 0.30 indicates that the items are consistent with the structure to be measured. Furthermore, comparisons between the top and bottom 27% groups revealed that all items and subscales were significantly discriminative (p<0.01). The findings demonstrate that the developed scale is a psychometrically sound instrument for measuring individuals’ attitudes toward the use of AI-based chatbots in their religious knowledge acquisition processes. By capturing individuals’ trust, suspicion, benefit expectations, privacy, and risk perceptions toward these technologies within a multidimensional structure, the scale contributes to research in the fields of religious education and psychology of religion.

Anahtar Kelimeler

• Religious Education
• Religion and Artificial Intelligence
• Religious Knowledge
• Chatbot
• Attitude Scale

Kaynakça

1. Acosta-Enriquez, Benicio Gonzalo vd. “Analysis of College Students’ Attitudes toward the Use of ChatGPT in Their Academic Activities: Effect of Intent to Use, Verification of Information and Responsible Use”. BMC Psychology 12/1 (2024), 255. https://doi.org/10.1186/s40359-024-01764-z
2. Adiguzel, Tufan vd. “Revolutionizing education with AI: Exploring the transformative potential of ChatGPT”. Contemporary Educational Technology 15/3 (2023), ep429. https://doi.org/10.30935/cedtech/13152
3. Alan, Burcu vd. “Yapay Zekâ Tutum Ölçeği (YZTÖ): Geçerlik ve Güvenirlik Çalışması”. Cumhuriyet Uluslararası Eğitim Dergisi 13/4 (2024), 789-800. https://doi.org/10.30703/cije.1327949
4. Altıntop, Mevlüt. “Yapay Zekâ ile Elde Edilen Bilginin Niteliği Üzerine Bir Değerlendirme: Epistemolojik Hegemonya Bağlamında ChatGPT ve DeepSeek Örneği”. AJIT-e: Academic Journal of Information Technology 16/4 (2025), 357-401. https://doi.org/10.5824/ajite.2025.04.004.x
5. Astor, Avi vd. “Anonymity and Digital Islamic Authority”. Religions 15/12 (2024), 1507. https://doi.org/10.3390/rel15121507
6. Ayhan, Mehmet - Kılıç, Zülal. “Yapay Zekâ Modellerinin Hadis Tarihi Sorularına Verdiği Yanıtların Karşılaştırmalı Analizi: Chatgpt ve Gemini Örneği”. Dinbilimleri Akademik Araştırma Dergisi 24/3 (2024), 137-159. https://doi.org/10.33415/daad.1586164
7. Aytaç, Mustafa - Öngen, Burcu. “Doğrulayıcı faktör analizi ile yeni çevresel paradigma ölçeğinin yapı geçerliliğinin incelenmesi”. İstatistikçiler Dergisi:İstatistik ve Aktüerya 5/1 (2012), 14-22.
8. Bagozzi, Richard P. - Yi, Youjae. “On the evaluation of structural equation models”. Journal of the Academy of Marketing Science 16/1 (1988), 74-94. https://doi.org/10.1007/BF02723327

9. Baumgartner, Hans - Homburg, Christian. “Applications of structural equation modeling in marketing and consumer research: A review”. International Journal of Research in Marketing 13/2 (1996), 139-161. https://doi.org/10.1016/0167-8116(95)00038-0
10. Bayram, Nurten. Sosyal Bilimlerde SPSS ile Veri Analizi. Bursa: Ezgi Kitabevi, 2. Basım, 2009.
11. Brown, Timothy A. Confirmatory Factor Analysis For Applied Research. New York: The Guildford Press, 2. Basım, 2015.
12. Bursal, Murat. SPSS ile Temel Veri Analizleri. Ankara: Anı Yayıncılık, 3. Basım, 2023.
13. Büyüköztürk, Şener vd. Eğitimde Bilimsel Araştırma Yöntemleri. Ankara: Pegem Akademi, 21. Basım, 2016.
14. Byrne, Barbara M. Structural equation modeling with AMOS: basic concepts, applications, and programming. New York: Routledge, 2. Basım, 2010.
15. Campbell, Heidi A. - Bellar, Wendi. Digital Religion: The Basics. London: Routledge, 2022.
16. Clarizia, Fabio vd. “Chatbot: An Education Support System for Student”. Cyberspace Safety and Security. ed. Arcangelo Castiglione vd. 291-302. Cham: Springer International Publishing, 2018. https://doi.org/10.1007/978-3-030-01689-0_23
17. Cohen, Jacob. Statistical Power Analysis for the Behavioral Sciences. New Jersey: Lawrence Erlbaum Associates, 2. Basım, 1988.
18. Croes, Emmelyn A J vd. “Digital Confessions: The Willingness to Disclose Intimate Information to a Chatbot and its Impact on Emotional Well-Being”. Interacting with Computers 36/5 (2024), 279-292. https://doi.org/10.1093/iwc/iwae016
19. Croes, Emmelyn A. J. - Antheunis, Marjolijn L. “36 Questions to Loving a Chatbot: Are People Willing to Self-Disclose to a Chatbot?” ed. Asbjørn Følstad vd. 12604/81-95. Lecture Notes in Computer Science. Cham: Springer International Publishing, 2021. https://doi.org/10.1007/978-3-030-68288-0_6
20. Çakmak, Ahmet vd. “Din Eğitimi Biliminin Temel Konularında ChatGPT Yapay Zeka Uygulama Verilerinin Güvenirliliği”. Dinbilimleri Akademik Araştırma Dergisi 24/3 (2024), 325-357. https://doi.org/10.33415/daad.1590460
21. Çokluk, Ömay vd. Sosyal Bilimler İçin Çok Değişkenli İstatistik: SPSS ve LISREL Uygulamaları. Ankara: Pegem Akademi, 1. Basım, 2010.
22. DeVellis, Robert F. Scale Development: Theory and Applications. California: SAGE Publications, Inc., 3. Basım, 2012.
23. Durak, Hatice Yıldız - Onan, Aytuğ. “Eğitimde Chatbot Kullanmaya ve Öğrenmeye Yönelik Davranışsal Niyet Ölçeğinin Türkçeye Uyarlanması”. Ahmet Keleşoğlu Eğitim Fakültesi Dergisi 5/3 (2023), 1162-1172. https://doi.org/10.38151/akef.2023.104
24. Durmuş, Beril vd. Sosyal Bilimlerde Veri Analizi. İstanbul: Beta, 6. Basım, 2016.
25. Fornell, Claes - Larcker, David F. “Evaluating structural equation models with unobservable variables and measurement error”. Journal of Marketing Research 18/1 (1981), 39-50. https://doi.org/10.2307/3151312
26. Fraenkel, Jack R. vd. How to Design and Evaluate Research in Education. New York: McGraw-Hill, 2012.
27. Göküş, Şeref - Yılmaz, Zahide. “İlahiyat Lisans Öğrencilerinin Din Eğitiminde Chatbot Kullanmaya Yönelik Davranışsal Niyetlerinin Farklı Değişkenler Açısından İncelenmesi”. Dinbilimleri Akademik Araştırma Dergisi 25/2 (2025), 1003-1043. https://doi.org/10.33415/daad.1688342
28. Gül, Ali - Sipahioglu, Mete. “Yapay Zekânın Din Eğitimindeki Rolü: Fırsatlar, Zorluklar ve Geleceğe Yönelik Çıkarımlar”. Dinbilimleri Akademik Araştırma Dergisi 24/3 (2024), 293-323. https://doi.org/10.33415/daad.1592841
29. Günek, Abdulsamet. “Dijital Çağda Bilginin Dönüşümü ve Yapay Zeka: Üretim ve İktidar İlişkileri Açısından Bir Değerlendirme”. Communicata 25 (2023), 1-8. https://doi.org/10.5152/communicata.2023.23026
30. Hair, Joseph F. vd. Multivariate Data Analysis. New York: Prentice Hall International, 7. Basım, 2010.
31. Hooper, Daire vd. “Structural Equation Modelling: Guidelines for Determining Model Fit”. Electronic Journal of Business Research Methods 6/1 (2008), 54-60.
32. İlhan, Mustafa - Çetin, Bayram. “LISREL ve AMOS Programları Kullanılarak Gerçekleştirilen Yapısal Eşitlik Modeli (YEM) Analizlerine İlişkin Sonuçların Karşılaştırılması”. Journal of Measurement and Evaluation in Education and Psychology 5/2 (2014), 26-42. https://doi.org/10.21031/epod.31126
33. Ji, Ziwei vd. “Survey of Hallucination in Natural Language Generation”. ACM Comput. Surv. 55/12 (2023), 1-38. https://doi.org/10.1145/3571730
34. Karaman, Mesut. “Keşfedici ve Doğrulayıcı Faktör Analizi: Kavramsal Bir Çalışma”. Uluslararası İktisadi ve İdari Bilimler Dergisi 9/1 (2023), 47-63. https://doi.org/10.29131/uiibd.1279602
35. Kasneci, Enkelejda vd. “ChatGPT for good? On opportunities and challenges of large language models for education”. Learning and Individual Differences 103 (2023), 102274. https://doi.org/10.1016/j.lindif.2023.102274
36. Kaya, Yakup. “Din Eğitiminde Chatgpt’nin Rolü: Tefsir ve Kelam Çerçevesinde Doğruluk ve Tutarlılık Analizi”. Kilis 7 Aralık Üniversitesi İlahiyat Fakültesi Dergisi 12/1 (2025), 247-279. https://doi.org/10.46353/k7auifd.1626263
37. Kaya, Yakup - Eliyatkin, Elif. “Din Eğitiminde İçerik Oluşturma ve Kişiselleştirilmiş Öğrenme Aracı Olarak ChatGPT”. Dinbilimleri Akademik Araştırma Dergisi 24/3 (2024), 615-646. https://doi.org/10.33415/daad.1582922
38. Kılıç, Abdurrahman vd. Uygulamalı Ölçek Geliştirme. Konya: Necmettin Erbakan Üniversitesi Yayınları, 2023.
39. Kline, Rex B. Principles and Practice of Structural Equation Modeling. New York: The Guildford Press, 4. Basım, 2016.
40. Koç, Ahmet - Akkaya Türkol, Yeliz. “Yapay Zekânın Dinî Alanlarda Kullanımına Yönelik Tutum Ölçeği”. İlahiyat Tetkikleri Dergisi 64/1 (2025), 52-70. https://doi.org/10.29288/ilted.1611769
41. Köhler, Carmen - Hartig, Johannes. “ChatGPT in higher education: Measurement instruments to assess student knowledge, usage, and attitude”. Contemporary Educational Technology 16/4 (2024), ep528. https://doi.org/10.30935/cedtech/15144
42. Lee, Hao-Ping (Hank) vd. “The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers”. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, 1-22. https://doi.org/10.1145/3706598.3713778
43. Lund, Brady - Ting, Wang. “Chatting about ChatGPT: How May AI and GPT Impact Academia and Libraries?” Library Hi Tech News 40/3 (2023), 26-29. https://doi.org/10.2139/ssrn.4333415
44. Maio, Gregory R. vd. The Psychology of Attitudes and Attitude Change. London: SAGE, 3. Basım, 2019.
45. Marengo, Agostino vd. “Development and Validation of Generative Artificial Intelligence Attitude Scale for Students”. Frontiers in Computer Science 7 (2025). https://doi.org/10.3389/fcomp.2025.1528455
46. Nunnally, Jum C. Psychometric Theory. New York: McGraw-Hill, 1967.
47. Okonkwo, Chinedu Wilfred - Ade-Ibijola, Abejide. “Chatbots applications in education: A systematic review”. Computers and Education: Artificial Intelligence 2 (2021), 100033. https://doi.org/10.1016/j.caeai.2021.100033
48. Oruç, Cemil. “Eğitimde Dini Okuryazarlık”. Eğitimde Okuryazarlık Becerileri - III. 235-252. Ankara: Pegem, 2021.
49. Schepman, Astrid - Rodway, Paul. “The General Attitudes towards Artificial Intelligence Scale (GAAIS): Confirmatory Validation and Associations with Personality, Corporate Distrust, and General Trust”. International Journal of Human–Computer Interaction 39/13 (2023), 2724-2741. https://doi.org/10.1080/10447318.2022.2085400
50. Seçer, İsmail. SPSS ve LISREL ile Pratik Veri Analizi Analiz ve Raporlaştırma. Ankara: Anı Yayıncılık, 4. Basım, 2021.
51. Şahin, Melek - Boztunç Öztürk, Nagihan. “Eğitim Alanında Ölçek Geliştirme Süreci: Bir İçerik Analizi Çalışması”. Kastamonu Üniversitesi Kastamonu Eğitim Dergisi 26/1 (2018), 191-199.
52. Tsuria, Ruth - Tsuria, Yossi. “Artificial Intelligence’s Understanding of Religion: Investigating the Moralistic Approaches Presented by Generative Artificial Intelligence Tools”. Religions 15/3 (2024), 375. https://doi.org/10.3390/rel15030375
53. Ünal, Sevim. “İbadetlerle İlgili Fetvalar ve Yapay Zekâ Uygulamaları: Karşılaştırmalı Bir Analiz”. Dinbilimleri Akademik Araştırma Dergisi 24/3 (2024), 161-192. https://doi.org/10.33415/daad.1580752
54. Wang, Yu-Yin - Chuang, Yu-Wei. “Artificial intelligence self-efficacy: Scale development and validation”. Education and Information Technologies 29/4 (2024), 4785-4808. https://doi.org/10.1007/s10639-023-12015-w
55. Yu, Sen-Chi vd. “Tool, Threat, Tutor, Talk, and Trend: College Students’ Attitudes toward ChatGPT”. Behavioral Sciences 14/9 (2024), 755. https://doi.org/10.3390/bs14090755
56. Zhang, Jing vd. “Cognitive Bias in Generative AI Influences Religious Education”. Scientific Reports 15/1 (2025), 15720. https://doi.org/10.1038/s41598-025-99121-6
57. TÜİK Veri Portalı. “Yapay Zeka İstatistikleri, 2025”. 01 Ekim 2025. https://veriportali.tuik.gov.tr/tr/press/57945