Teachers' Perceptıons of The Use of Artıfıcıal Intelligence in Educatıon: Valıdıty and Reliability Study

Yıl 2025, Cilt: 26 Sayı: 3, 2163 - 2210, 30.12.2025

Hanife Çetingüney , Uğur Büyük

https://doi.org/10.17679/inuefd.1602786

https://izlik.org/JA25JN93BH

Öz

It is important to determine teachers' perceptions of the use of artificial intelligence in education to understand the effectiveness and acceptance of educational technologies. Therefore, it is expected to allow for the evaluation of how teachers adopt AI-supported tools and integrate these tools into pedagogical practices. This study aims to develop a reliable and valid scale to reveal teachers' perceptions of the use of artificial intelligence (AI) in education. In this context, the study seks to answer the question: "Is the scale developed to determine teachers' perceptions of the use of AI in education valid and reliable?" The study employed a survey design, which is one of the quantitative research approaches. The research was conducted with 241 teachers from various disciplines actively working at different levels in the Melikgazi district of Kayseri province at the end of the 2024-2025 academic year. Based on the scale development steps found in the literature, a draft scale was created for the study. This draft scale was revised based on expert opinions and subsequently administered to the sample group. To determine the adequacy of the sample size, the KMO (Kaiser-Meyer-Olkin) and Bartlett's Test of Sphericity values were examined.Data collected from participants via the draft scale were analyzed using Exploratory Factor Analysis and Confirmatory Factor Analysis. To determine the reliability of the scale, the Cronbach's Alpha internal consistency coefficient (0.82), the Spearman-Brown coefficient (0.88), and the Guttman Split-Half coefficient (0.88) were calculated. As a result of the analyses, a validand reliable scale consisting of 17 items and four factors was obtained, which can be used to evaluate teachers' perceptions of AI-supported educational technologies.

Anahtar Kelimeler

Artificial intelligence , Perception , Scale development

Proje Numarası

316

Eğitimde Yapay Zekâ Kullanımına Yönelik Öğretmenlerin Algısı: Geçerlik ve Güvenirlik Çalışması

https://izlik.org/JA25JN93BH

Öz

Eğitim teknolojilerinin etkinliğini ve kabulünü anlamak için yapay zekânın eğitimde kullanılmasına ilişkin öğretmenlerin algısını tespit etmek önemlidir. Dolayısıyla öğretmenlerin yapay zekâ destekli araçları nasıl benimsediğini ve bu araçların pedagojik uygulamalara entegrasyonunu değerlendirmeye imkân tanıyacağı beklenmektedir. Bu çalışmada öğretmenlerin, eğitimde yapay zekâ (YZ) kullanımına yönelik algılarını ortaya çıkarmak için güvenilir ve geçerli bir ölçek geliştirmek hedeflenmiştir. Bu doğrultuda, “Eğitimde yapay zekâ kullanımına yönelik öğretmenlerin algısını tespit etmek için geliştirilecek ölçek geçerli ve güvenilir midir?” sorusuna yanıt aranmıştır. Çalışmada nicel araştırma yaklaşımı desenlerinden biri olan tarama deseni kullanılmıştır. Araştırma, 2024-2025 eğitim öğretim yılı sonunda Kayseri ilinin Melikgazi ilçesinde çeşitli kademelerde aktif olarak görev yapan farklı branşlardan 241 öğretmenle gerçekleştirilmiştir. Alanyazında yer alan ölçek geliştirme basamakları esas alınarak, çalışmaya ait deneme ölçeği oluşturulmuştur. Oluşturulan bu deneme ölçek, uzman görüşleri alınarak revize edilmiş ve daha sonra örneklem grubuna uygulanmıştır. Örneklem büyüklüğünün yeterliliğini belirlemek amacıyla KMO (Kaiser-Meyer-Olkin) ve Barttlet Küresellik Testi değerlerine bakılmıştır. Deneme ölçek aracılığıyla katılımcılardan toplanan veriler Açımlayıcı Faktör Analizi ve Doğrulayıcı Faktör Analizi ile çözümlenmiştir. Ölçeğin güvenirliğini belirlemek amacıyla Cronbach Alfa iç tutarlık katsayısı (0.82), Spearman Brown katsayısı (0.88) ve Guttman Split Half katsayısı (0.88) hesaplanmıştır. Yapılan analizler sonucunda, 17 madde ve dört faktörden oluşan öğretmenlerin yapay zekâ destekli eğitim teknolojilerine yönelik algılarını değerlendirmede kullanılabilecek, geçerli ve güvenilir bir ölçek elde edilmiştir.

Anahtar Kelimeler

Yapay zekâ , Algı , Ölçek geliştirme

Etik Beyan

Bu çalışma için etik kurul belgesi Erciyes Üniversitesi Sosyal ve Beşeri Bilimleri Etik Kurulundan 30.07.2024 tarihinde 316 numaralı başvuru ile alınmıştır.

Destekleyen Kurum

Çalışma her hangi bir kuruluş desteği olmadan yürütülmüştür.

Proje Numarası

316

Teşekkür

Çalışmamıza katkı sunan tüm öğretmenlerimize teşekkürlerimizi sunarız.

Kaynakça

• Abdelaal, N. M. and Al Sawi, I. (2024). Perceptions, Challenges, and Prospects: University Professors' Use of Artificial Intelligence in Education. Australian Journal of Applied Linguistics, 7(1), n1. ) https://doi.org/10.29140/ajal.v7n1.1309
• Akgün, S. and Green how, C. (2022) Artificial Intelligence in Education: Addressing Ethical Challenges in K-12 Settings, AI and Ethics, 2(3), 431–440. https://doi.org/10.1007/s43681-021-00096-7
• Akkaya, B., Özkan, A. ve Özkan, H. (2021). Yapay Zekâ Kaygı (YZK) Ölçeği: Türkçeye Uyarlama, geçerlik ve Güvenirlik Çalışması. Alanya Akademik Bakış, 5(2), 1125-1146. https://doi.org/10.29023/alanyaakademik.833668
• Arkonaç, S. A. (1998). Psikoloji: Zihin Süreçleri Bilimi, Alfa Yayınları, 2. Baskı, 510 s.
• Balcı, A. (2018). Sosyal bilimlerde araştırma yöntem, teknik ve ilkeler. Pegem Atıf İndeksi, 001-398.
• Bayındır, E. (2023). Eğitim alanında yapılan yapay zekâ çalışmalarının sosyal ağ analizi ile incelenmesi. (Yüksek Lisans Tezi). Bahçeşehir Üniversitesi, Lisansüstü Eğitim Enstitüsü, İstanbul.
• Bentler, P. M. and Bonett, D. G. (1980). Significance tests and goodness of fit in the analysis of covariance structures. Psychological Bulletin, 88(3), 588–606.
• Biber, D. and Conrad, S. (2019). Corpus linguistics and linguistic theory. Cambridge University Press.
• Bryk, A. S. and Gomez, M. (2007). Reinventing a research and development capacity for educational improvement. Yearbook of the national society for the study of education, 106(2), 73-93.
• Büyük, U. ve Çetingüney, H. (2025). Eğitimde Yapay Zekâ Kullanımına Yönelik Öğretmenlerin Öz Yeterlik İnancı: Geçerlik ve Güvenirlik Çalışması. Batı Anadolu Eğitim Bilimleri Dergisi, 16(1), 1422-1445. https://doi.org/10.51460/baebd.1602705
• Büyüköztürk, Ş. (2002). Sosyal bilimler için veri analizi el kitabı. PegemA Yayıncılık.
• Chassignol, M., Khoroshavin, A., Klimova, A. and Bilyatdinova, A. (2018). Artificial intelligence trends in education: A narrative overview. Procedia Computer Science, 136, 16-24. https://doi.org/10.1016/j.procs.2018.08.233
• Chen, C. J. and Tsai, C. Y. (2020). The impact of virtual reality learning environment on students’ learning motivation and performance. Journal of Educational Technology ve Society, 23(1), 72-85. https://doi.org/10.1177/0735633119867422
• Cohen, R. J. and Swerdik, M. E. (2010). Psychological testing and assessment. Boston: McGraw-Hill Companies.
• Coren, S., Ward, L. M. and Enns, J. T. (1993). Sensation and Perception, Harcourt Brace College Publisers, 747s.
• Çapık, C., Gözüm, S. ve Aksayan, S. (2018). Kültürlerarası ölçek uyarlama aşamaları, dil ve kültür uyarlaması: Güncellenmiş rehber. Florence Nightingale Journal of Nursing, 26(3), 199-210. https://doi.org/10.26650/FNJN397481
• Çokluk Bökeoğlu, Ö., Şekercioğlu, G. ve Büyüköztürk, Ş., (2018). Sosyal bilimler için çok değişkenli istatistik SPSS ve LISREL Uygulamaları. Ankara: PEGEM Akademi.
• Davis, F. D., Bagozzi, R. P. and Warshaw, P. R. (1989). User Acceptance of Computer Technology: A Comparison of TwoTheoretical Models. Management Science, 35(8), 982–1003.
• De Vaus, D. A. (1990). Survey in Social Research (2. Basım), London: Unwin Hyman.
• DeVellis, R. F. and Thorpe, C. T. (2021). Scale development: Theory and applications. Sage publications.
• Durukan, Ü. G., Hacıoğlu, Y. ve Usta-Dönmez, N. (2016). Bilgisayar ve öğretim teknolojileri öğretmeni adaylarının “teknoloji” algıları. Journal of Computer and Education Research, 4 (7), 24-46. https://doi.org/10.18009/jcer.15212
• Eren, E. (2010). Örgütsel Davranış ve Yönetim Psikolojisi, Beta Yayınları, 12. Baskı, İstanbul, 642s.
• Erkuş, A. (2012). Psikolojide ölçme ve ölçek geliştirme. Ankara: Pegem Akademi Yayınları.
• Friman, H. (1999). Perception Warfare: A Perspective for the Future, Discussion paper, The Swedish National Defence College. Department of Operational Studies, Stockholm, ss.1-9.
• Gökçe Tekin, Ö. (2025). Yapay Zekâ Okuryazarlık Ölçeği Geliştirme ve Doğrulama Çalışması. Batı Anadolu Eğitim Bilimleri Dergisi, 16(1), 418-434. https://doi.org/10.51460/baebd.1609636
• Gökdemir, F. ve Yılmaz, T. (2023). Likert tipi ölçekleri kullanma, modifiye etme, uyarlama ve geliştirme süreçleri. Journal of Nursology, 26(2), 148-160.https://doi.org/10.5152/JANHS.2023.22260
• Holahan, P. J., Aronson, Z. H., Jurkat, M. P. And Schoorman, F. D. (2004). Implementing computer technology: a multi organizational test of Klein and Sorra’s model. Journal of Engineering and Technology Management, 21(1-2), 31-50.https://doi.org/10.1016/j.jengtecman.2003.12.003
• Hooper, C. J. and Mullen, M.R. (2008). Structural equation modeling: guide lines for determining model fit. The Electronic Journal of Business Research Methods, 6(1), 53-60.
• İçöz, S. ve İçöz, E. (2024). Türkçe öğretmen adaylarının yapay zekâ uygulamalarına yönelik farkındalık düzeylerinin incelenmesi. Ulusal Eğitim Dergisi, 4(3), 987–1001.
• Jöreskog, K. G. and Sörbom, D. (1993). Lisrel 8: structural equation modeling with the simplis command language. Hillsdale: Erlbaum AssociatesPublishers.
• İşman, A. (2001). Bilgisayar ve eğitim. Sakarya Üniversitesi Eğitim Fakültesi Dergisi, (2), 1-34.
• Johansson, L. R. M. and Xiong, N. (2003). Perception Management: An Emerging Concept for Information Fusion, Information Fusion 4, ss.231-234.
• Kalkınma Bakanlığı (2014). Eğitim sisteminin kalitesinin arttırılması. 10. Kalkınma Planı (2014-2018), Özel İhtisas Komisyonu Raporu: https://www.cka.org.tr/dosyalar/Ozel%20Ihtisas%20Komisyonu%20Raporlar%C4%B1/e%C4%9Fitim%20sistemi.pdf
• Karaca, F., Can, G. and Yıldırım, S. (2013). A path model for technology integrationin to elementary school settings in Turkey. Computers ve Education, 68, 353-365.
• Karasar, N. (2020). Bilimsel araştırma yöntemi (35. Baskı). Ankara: Nobel Akademik Yayıncılık.
• Keles, P. U. and Aydin, S. (2021). University Students' Perceptions about Artificial Intelligence. Shanlax International Journal of Education, 9, 212-220. https://doi.org/10.34293/
• Kengam, J. (2020). Artificial intelligence in education. Research Gate, 18, 1-4.
• Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling (4th ed.). New York: The Guil ford Press.
• Lei, M. and Lomax, R. G. (2005). The effect of varying degrees of nonnormality in structural equation modeling. Structural Equation Modeling: A Multidisciplinary Journal, 12(1), 1–27. https://doi.org/10.1207/s15328007sem1201_1
• Limna, P., Jakwatanatham, S., Siripipattanakul, S., Kaewpuang, P. and Sriboonruang, P. (2022). A review of artificial intelligence (AI) in education during the digitalera. Advance Knowledge for Executives, 1(1), 1-9.
• McKim, C. (2023). Using the literature to create a scale: an innovative qualitative methodological piece. International Journal of Social Research Methodology, 26(3), 343-351. https://doi.org/10.1080/13645579.2022.2026138
• Millî Eğitim Bakanlığı (2018). 2023 Eğitim Vizyon Belgesi. http://2023vizyonu.meb.gov.tr/.
• Millî Eğitim Bakanlığı Yenilik ve Eğitim Teknolojileri Genel Müdürlüğü. (2024). Eğitimde yapay zekâ uygulamaları uluslararası forumu raporu. İstanbul, Türkiye: Millî Eğitim Bakanlığı.https://yegitek.meb.gov.tr
• Morgado, F. F.,Meireles, J. F., Neves, C. M., Amaral, A. C. and Ferreira, M. E. (2017). Scale development: ten main limitations and recommendations to improve future research practices. Psicologia: Reflexão e Crítica, 30(0), 3.https://doi.org/10.1186/s41155-016-0057-1
• Nunnally, J. C. (1967). Psychometic theory. McGraw-Hill, Inc., 1. Baskı, New York. Ofosu-Ampong, K. (2024). Beyond the hype: exploring faculty perceptions and acceptability of AI in teaching practices. Discover Education, 3(1), 38. https://doi.org/10.1007/s44217-024-00128-4
• Özdamar, K. (2002). Paket programlar ile istatiksel veri analizi: SPSS-MINITAB (Çok değişkenli analizler). Kaan Kitabevi.
• Özdamar, K. (2017). Eğitim, sağlık ve davranış bilimlerinde ölçek ve test geliştirme: Yapısal eşitlik modellemesi. Nisan yayıncılık.
• Özer, S., Akgül, S. ve Yıldırım, A. (2023). Okullarda yapay zekâ kullanımına ilişkin öğretmen görüşleri. Ulusal Eğitim Dergisi, 3(10), 1776-1794.
• Pallant, J. (2017). SPSS kullanma kılavuzu. Anı yayıncılık.
• Pallant, J. (2020). Spss Survival Manual: A step by step guide to data analysis using IBMSPSS. Routledge. (Çev. Balcı S. veAhi B.)
• Schumacher, R. and Lomax, G. (2004). A Beginner’s Guide to Structural Equation Modeling. Mahwah, New Jersey: Lawrence Erlbaum Associates.
• Seçer, İ. (2017). SPSS ve LISREL ile pratik veri analizi. Anı yayıncılık.
• Seçer, İ. (2018). Psikolojik test geliştirme ve uyarlama süreci: SPSS ve LISREL uygulamaları. Anı yayıncılık.
• Seyrek, M., Yıldız, S., Emeksiz, H., Şahin, A. ve Türkmen, M. T. (2024). Öğretmenlerin eğitimde yapay zekâ kullanımına yönelik algıları. International Journal of Social and Humanities Sciences Research (JSHSR), 11(106), 845-856.https://doi.org/10.5281/zenodo.11113077
• Shenton, A. K. (2004). Strategies For Ensuring Trust worthiness in Qualitative Research Projects. Education for Information, 22(2), 63-75. https://doi.org/10.3233/EFI-2004-22201
• Singh, R. B. (2009). Remote sensing and geographical information system. New Delhi.
• Strateji ve Bütçe Başkanlığı. (2023). 12. Kalkınma Planı. Türkiye Cumhuriyeti Cumhurbaşkanlığı Yayınları. https://www.sbb.gov.tr/kalkinma_planlari/
• Şad, S. ve Nalçacı, Ö. (2015). Öğretmen adaylarının eğitimde bilgi ve iletişim teknolojilerini kullanmaya ilişkin yeterlilik algıları. Mersin Üniversitesi Eğitim Fakültesi Dergisi, 11(1). 177-197.https://doi.org/10.17860/efd.16986
• Tabachnick, G. and Fidell, S. (2013). Using multivariate statistics (Sixthedition). Pearson Prentice Hall.
• Tavşancıl E. (2002). Tutumların ölçülmesi ve SPSS ile veri analizi. Ankara: Nobel Yayınevi, 1.Baskı.
• Tınmaz, H. (2004). An Assessment of Preservice Teachers’ Technology Perception in Relation to Their Subject Area. (Unpublished Master Theses. Middle East Technical University. The Graduate School Of Social Sciences)
• Uyan, U. ve Gültekin, S. U. (2024). Yapay zekâ öz-yeterlilik ölçeğinin Türkçe’ye uyarlanması: Geçerlik ve güvenirlik çalışması. Journal of Research in Business, 9(1), 135–148 https://doi.org/10.54452/jrb.1415212
• Wang, Y. Y. and Chuang, Y. W. (2023). Artificial intelligence self-efficacy: Scale development and validation. Education and Information Technologies, 28(12), 1–24.https://doi.org/10.1007/s10639-023-12015-w
• Wang, Y. Y. and Wang, Y. S. (2019). 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
• Yao, K. and Yang, H. (2020). Research on the Integration of Artificial Intelligence and Education. Education Reform and Development, 2(2), 994–997. https://doi.org/10.26689/erd.v2i2.2062.
• Zhang, C. and Lu, Y. (2021). Study on artificial intelligence: The state of the art and future prospects. Journal of Industrial Information Integration, 23, 100224.https://doi.org/10.1016/j.jii.2021.100224