Yapay Zekâ Etiği: Bir Ölçek Geliştirme Çalışması

Yıl 2025, Cilt: 5 Sayı: 1, 123 - 148

Vildan Bayram

Öz

Bu çalışmada yapay zekâ etiği algısını ölçmek için, geçerli ve güvenilir ölçme aracı geliştirmek amaçlanmıştır. Üç aşamalı ölçek geliştirme çalışmasının ilk aşamasında derinlemesine görüşmeler gerçekleştirilmiştir. İçerik analizi sonucu 46 maddelik bir önerme havuzu oluşturulmuştur. İkinci aşamada madde taslağı oluşturulmuş, anlam, görünüş ve kapsam geçerliğinin sağlanması amacıyla, uzman görüşlerine başvurularak, ölçek yapılandırılmıştır. Son aşamada ölçek değerlendirilip, 12 maddelik taslak ölçek oluşturulmuştur. Taslak ölçek kullanılarak, hizmet sektöründe 120 katılımcı ile yapılan pilot uygulama sonucu ölçeğin son hali tespit edilmiştir. Nihai ölçek kullanılarak, enerji sektöründe 243 katılımcıya ulaşılarak uygulama yapılmış, elde edilen verilerin analizinde SPSS 21.0 ve AMOS 22.0 istatistik yazılımlarından yararlanılmıştır. Ölçeğin geçerlik ve güvenirlik çalışmaları kapsamında açıklayıcı faktör analizi, doğrulayıcı faktör analizi, madde toplam korelasyonu, Cronbach’s Alpha yöntemlerinden yararlanılmıştır. Analizler sonucunda 12 maddeden ve “önyargı” (3 madde), “şeffaflık” (3 madde), “hesap verebilirlik” (3 madde) ve “veri gizliliği” (3 madde) olmak üzere 4 boyuttan oluşan ölçek ortaya çıkmıştır. DFA sunucu, ölçeğin kabul edilebilir düzeyde uyuma sahip olduğu saptanmıştır. Ölçeğin tümüne ait Cronbach’s Alpha katsayısı 0,84; alt boyutların Cronbach’s Alpha katsayıları sırasıyla 0,67 / 0,74 / 0,62 / 0,72 ve tüm maddeler için madde-toplam korelasyonu 0,30’dan yüksek (0,43 ile 0,59 aralığında) tespit edilmiştir. Bu sonuçlara göre Yapay Zekâ Etiği Ölçeğinin geçerli ve güvenilir bir ölçek olduğu saptanmıştır. Geliştirilen ölçeğin, yapay zekâ etiği algısını ölçmek için tüm sektörlerde kullanılabilecek önemli bir araç olacağı düşünülmektedir.

Anahtar Kelimeler

Yapay Zeka, Etik, Yapay Zeka Etiği, Ölçek Geliştirme

Etik Beyan

ETİK BEYANATI Destek Bilgisi: Bu çalışma, kamu, ticari veya kâr amacı gütmeyen kuruluşlar gibi herhangi bir organizasyondan destek almamıştır. Etik Onayı: İnsan katılımcıları içeren çalışmalarda gerçekleştirilen tüm prosedürler, kurumsal ve / veya ulusal araştırma komitesinin etik standartlarına ve 1964 Helsinki deklarasyonuna ve daha sonraki değişikliklerine veya karşılaştırılabilir etik standartlara uygundur. Bu çalışma için Istanbul Aydın Üniversitesi Sosyal ve Beşeri Bilimler Etik Komisyonu kararı ile 2024/12 sayı ve 14.11.2024 tarihli, Etik Kurul Onayı alınmıştır. Bilgilendirilmiş Onam Formu: Çalışmaya katılan tüm bireysel katılımcılardan bilgilendirilmiş onam formu alınmıştır.

Destekleyen Kurum

-

Teşekkür

-

Artificial Intelligence Ethics: A Scale Development Study

Öz

In this study, it was aimed at developing a valid and reliable measurement tool to measure the perception of artificial intelligence ethics. In-depth interviews were conducted in the first stage of the three-stage scale development study. As a result of the content analysis, a 46-item proposition pool was created. In the second stage, a draft of the items was created, and the scale was structured by consulting expert opinions to ensure meaning, appearance and scope validity. In the last stage, the scale was evaluated, and a 12-item draft scale was created. The final version of the scale was determined because of the pilot application conducted with 120 participants in the service sector using the draft scale. The application was conducted by reaching 243 participants in the energy sector using the final scale, and SPSS 21.0 and AMOS 22.0 statistical software were used in the analysis of the data obtained. Within the scope of the validity and reliability studies of the scale, explanatory factor analysis, confirmatory factor analysis, item total correlation, and Cronbach's Alpha methods were used. As a result of the analyses, a scale consisting of 12 items and 4 dimensions, namely “prejudice” (3 items), “transparency” (3 items), “accountability” (3 items) and “data privacy” (3 items), emerged. The CFA server determined that the scale had an acceptable level of fit. Cronbach’s Alpha coefficients for the entire scale were 0.84; Cronbach’s Alpha coefficients for the sub-dimensions were 0.67 / 0.74 / 0.62 / 0.72, respectively, and the item-total correlation for all items was higher than 0.30 (between 0.43 and 0.59). According to these results, the Artificial Intelligence Ethics Scale was determined to be a valid and reliable scale. It is thought that the developed scale will be an important tool that can be used in all sectors to measure the perception of artificial intelligence ethics.

Anahtar Kelimeler

Artificial Intelligence, Ethics, Artificial Intelligence Ethics, Scale Development

Kaynakça

• Akinrinola, O., Okoye, C. C., Ofodile, O. C., & Ugochukwu, C. E. (2024). Navigating and reviewing ethical dilemmas in AI development: Strategies for transparency, fairness, and accountability. GSC Advanced Research and Reviews, 18(3), 050-058. 10.30574/gscarr.2024.18.3.0088
• Aldboush, H. H., & Ferdous, M. (2023). Building trust in fintech: an analysis of ethical and privacy considerations in the intersection of big data, AI, and customer trust. International Journal of Financial Studies, 11(3), 90. https://doi.org/10.3390/ijfs11030090
• Bahroun, Z., Tanash, M., As’ad, R., & Alnajar, M. (2023). Artificial intelligence applications in project scheduling: a systematic review, bibliometric analysis, and prospects for future research. Management Systems in Production Engineering, 31(2), 144-161. 10.2478/mspe-2023-0017
• Başkale, H. (2016). Nitel araştırmalarda geçerlik, güvenirlik ve örneklem büyüklüğünün belirlenmesi. Dokuz Eylül Üniversitesi Hemşirelik Fakültesi Elektronik Dergisi, 9(1), 23-28. https://dergipark.org.tr/tr/pub/deuhfed/issue/46796/586804
• Bayram, V. & Öztırak, M. (2023). Yeşil iş etiği: Bir ölçek geliştirme çalışması. JOEEP: Journal of Emerging Economies and Policy, 8(2), 124-135.
• Bayram, V. (2020). Sosyal medyada etik sorunlar: Bir literatür taraması, International Journal of Social Sciences Uluslararası Sosyal Bilimler Dergisi IJSS, 2020, 4(19), 125-139.
• Berry, D. M. (2023). The limits of computation: Joseph Weizenbaum and the ELIZA chatbot. Weizenbaum Journal of the Digital Society, 3(3). https://doi.org/10.34669/WI.WJDS/3.3.2
• Bertino, E., Kundu, A., & Sura, Z. (2019). Data transparency with blockchain and AI ethics. Journal of Data and Information Quality (JDIQ), 11(4), 1-8.
• Bryman, A. ve Cramer, D. (2012). Quantitative data analysis with IBM SPSS 17, 18 & 19: A guide for social scientists. Routledge. Büyüköztürk, Ş. (2011). Sosyal bilimler için veri analizi El Kitabı. 14. Baskı, Ankara: PEGEM Akademi.
• Çalışkan, A. (2022). Örgütsel değişime açıklık: Bir ölçek geliştirme çalışması. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(2), 191-202 https://doi.org/10.52791/aksarayiibd.1069524
• Çokluk, Ö., Şekercioğlu, G. ve Büyüköztürk, Ş. (2010). Sosyal bilimler için çok değişkenli istatistik. PEGEM Yayınları. Ankara.
• Demir, K. ve Akpınar, E. (2016). Mobil öğrenmeye yönelik tutum ölçeği geliştirme çalışması. Eğitim Teknolojisi Kuram ve Uygulama, 6(1), 59-79. https://doi.org/10.17943/etku.83341
• Díaz-Rodríguez, N., Del Ser, J., Coeckelbergh, M., de Prado, M. L., Herrera-Viedma, E., & Herrera, F. (2023). Connecting the dots in trustworthy Artificial Intelligence: From AI principles, ethics, and key requirements to responsible AI systems and regulation. Information Fusion, 99, 101896.
• Düzcü, T., Bayram, V. & Önder, E. (2024). Hastanelerde stratejik insan kaynakları yönetim süreçlerinde yapay zekâ uygulamaları. Karadeniz Sosyal bilimler Dergisi, 16(30), 85-110. https://doi.org/10.38155/ksbd.1377969
• Etike, Ş. (2023). Yapay zekayı insan ve kamusal yarar için çalıştırmak: ABD ve AB politika belgelerinin önerileri. Memleket Siyaset Yönetim, 18(39), 220-249.
• Ferrara, E. (2023). Fairness and bias in artificial intelligence: A brief survey of sources, impacts, and mitigation strategies. Sci, 6(1), 1-15. https://doi.org/10.3390/sci6010003
• Haoming, D., Rui, H., Di, M., & Jiamin, H. (2023). Status, shortage and suggestıons of fınancıal data factor management in Chına. Journal of Business Innovation, 8(1), 139.
• Hasan, D. F., & Khidhir, A. M. (2023). Toward enhancement of deep learning techniques using fuzzy logic: a survey. International Journal of Electrical and Computer Engineering (IJECE), 13(3), 3041-3055.
• Heldreth, C. M., Monk, E. P., Clark, A. T., Schumann, C., Eyee, X., & Ricco, S. (2024). Which skin tone measures are the most inclusive? An investigation of skin tone measures for artificial intelligence. ACM Journal on Responsible Computing, 1(1), 1-21. https://doi.org/10.1145/3632120
• Huriye, A. Z. (2023). The ethics of artificial intelligence: examining the ethical considerations surrounding the development and use of AI. American Journal of Technology, 2(1), 37-44.
• Jarota, M. (2023). Artificial intelligence in the work process. A reflection on the proposed European Union regulations on artificial intelligence from an occupational health and safety perspective. Computer Law & Security Review, 49, 105825. https://doi.org/10.1016/j.clsr.2023.105825
• Kim, T., Lee, H., Kim, M. Y., Kim, S., & Duhachek, A. (2023). AI increases unethical consumer behavior due to reduced anticipatory guilt. Journal of the Academy of Marketing Science, 51(4), 785-801. https://doi.org/10.1007/s11747-021-00832-9
• Laine, J., Minkkinen, M., & Mäntymäki, M. (2024). Ethics-based AI auditing: A systematic literature review on conceptualizations of ethical principles and knowledge contributions to stakeholders. Information & Management, 61(5), 103969. https://doi.org/10.1016/j.im.2024.103969
• Laux, J., Wachter, S., & Mittelstadt, B. (2024). Trustworthy artificial intelligence and the European Union AI act: On the conflation of trustworthiness and acceptability of risk. Regulation & Governance, 18(1), 3-32. https://doi.org/10.1111/rego.12512
• Martini, B., Bellisario, D., & Coletti, P. (2024). Human-centered and sustainable artificial intelligence in industry 5.0: Challenges and perspectives. Sustainability, 16(13), 5448. https://doi.org/10.3390/su16135448
• Mensah, G. B. (2023). Artificial intelligence and ethics: a comprehensive review of bias mitigation, transparency, and accountability in AI Systems. Preprint, November, 10.
• Min, A. (2023). Artificial intelligence and bias: Challenges, implications, and remedies. Journal of Social Research, 2(11). 3808-3817. https://doi.org/10.55324/josr.v2i11.1477
• Modi, T. B. (2023). Artificial ıntelligence ethics and fairness: A study to address bias and fairness issues in AI systems, and the ethical implications of AI applications. Revista Review Index Journal of Multidisciplinary, 3(2), 24-35. https://doi.org/10.31305/rrijm2023.v03.n02.004
• Nguyen, A., Ngo, H. N., Hong, Y., Dang, B., & Nguyen, B. P. T. (2023). Ethical principles for artificial intelligence in education. Education and Information Technologies, 28(4), 4221-4241. https://doi.org/10.1007/s10639-022-11316-w Nayak, B. S., & Walton, N. (2024). History and rise of artificial ıntelligence. In Political Economy of Artificial Intelligence: Critical Reflections on Big Data Market, Economic Development and Data Society (pp. 1-17). Cham: Springer Nature Switzerland.
• Oladoyinbo, T. O., Olabanji, S. O., Olaniyi, O. O., Adebiyi, O. O., Okunleye, O. J., & Ismaila Alao, A. (2024). Exploring the challenges of artificial intelligence in data integrity and its influence on social dynamics. Asian Journal of Advanced Research and Reports, 18(2), 1-23. https://doi.org/10.9734/AJARR/2024/v18i2601
• Oyewole, A. T., Oguejiofor, B. B., Eneh, N. E., Akpuokwe, C. U., & Bakare, S. S. (2024). Data privacy laws and their impact on financial technology companies: a review. Computer Science & IT Research Journal, 5(3), 628-650. https://doi.org/10.51594/csitrj.v5i3.911
• Purificato, E., Lorenzo, F., Fallucchi, F., & De Luca, E. W. (2023). The use of responsible artificial intelligence techniques in the context of loan approval processs. International Journal of Human–Computer Interaction, 39(7), 1543-1562.
• Roche, C., Wall, P. J., & Lewis, D. (2023). Ethics and diversity in artificial intelligence policies, strategies and initiatives. AI and Ethics, 3(4), 1095-1115. https://doi.org/10.1007/s43681-022-00218-9
• Sargiotis, D. (2024). Ethical AI in Information Technology: Navigating Bias, Privacy, Transparency, and Accountability. Adv Mach Lear Art Inte, 5(3), 01-14.
• Schmidt, P., Biessmann, F., & Teubner, T. (2020). Transparency and trust in artificial intelligence systems. Journal of Decision Systems, 29(4), 260-278.
• Schwab, D. P. (2013). Research methods for organizational studies. Psychology Press
• Soliman, M. M., Ahmed, E., Darwish, A., & Hassanien, A. E. (2024). Artificial intelligence powered Metaverse: analysis, challenges and future perspectives. Artificial Intelligence Review, 57(2), 36. https://doi.org/10.1007/s10462-023-10641-x
• Stahl, B. C., & Eke, D. (2024). The ethics of ChatGPT–Exploring the ethical issues of an emerging technology. International Journal of Information Management, 74, 102700. https://doi.org/10.1016/j.ijinfomgt.2023.102700
• Strydom, P. (2024). On the Moral and Ethical Limits of Conflict and Conflict Resolution. In Towards a New Dharma of Peace Building: Conflict Transformations and Alternative Planetary Futures (pp. 21-35). Singapore: Springer Nature Singapore.
• Tavşancıl, E. (2006). Tutumların ölçülmesi ve SPSS ile veri analizi. Ankara: Nobel.
• Tekindal, S. (2009). Duyuşsal özelliklerin ölçülmesi için araç oluşturma. Ankara: Pegem Akademi.