Öğretmen Adayları İçin Yapay Zeka Okuryazarlığı Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması

Soner Arık; Mustafa Özdere; Mehmet Çetin

doi:10.18009/jcer.1792826

EN TR

Öğretmen Adayları İçin Yapay Zeka Okuryazarlığı Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması

Öz

Bu araştırmanın amacı, öğretmen adaylarının yapay zekâ (YZ) okuryazarlığı düzeylerini ölçmeye yönelik, kültürel ve pedagojik bağlama duyarlı bir ölçek geliştirmek ve bu ölçeğin geçerlik ile güvenirlik özelliklerini incelemektir. Araştırma iki aşamada yürütülmüştür. İlk aşamada, 42 maddelik taslak form 450 öğretmen adayına uygulanmış, ikinci aşamada ise 306 katılımcıdan elde edilen veriler üzerinde doğrulayıcı faktör analizi gerçekleştirilmiştir. Analizler sonucunda, modelin kabul edilebilir düzeyde uyum gösterdiği belirlenmiş (CFI = .912, TLI = .901, RMSEA = .072, SRMR = .059) ve ölçeğin son formunun 23 maddelik üç faktörlü bir yapıdan oluştuğu saptanmıştır. Ölçeğin iç tutarlılık katsayılarının yüksek olduğu, birleşik güvenirlik ve ortalama açıklanan varyans değerlerinin ise yeterli düzeyde bulunduğu belirlenmiştir. Elde edilen bulgular, öğretmen adayları için yapay zekâ okuryazarlığı ölçeği’nin geçerli ve güvenilir bir ölçme aracı olduğunu göstermektedir.

Anahtar Kelimeler

Yapay zeka okuryazarlığı, öğretmen adayları, ölçek geliştirme, geçerlik, güvenirlik

Etik Beyan

Etik Kurul Belgesi Etik Kurul Komisyon Adı: Niğde Ömer Halisdemir Üniversitesi Etik Komisyonu Etik Kurul Belge Tarihi: 08/05/2025 Etik Kurul Belgesi Sayı ve Numara: E-86837521-050.99-652727

Kaynakça

Anastasi, A., & Urbina, S. (1997). Psychological testing (7th ed.). Upper Saddle River.
Ayanwale, M. A., Adelana, O. P., Molefi, R. R., Adeeko, O., & Ishola, A. M. (2024). Examining artificial intelligence literacy among pre-service teachers for future classrooms. Computers and Education Open, 6, Article 100179.
Bartlett, M. S. (1954). A note on multiplying factors for various chi-square approximations. Journal of the Royal Statistical Society, 16(2), 296-298.
Browne, M. W., & Cudeck, R. (1993). Alternative ways of assessing model fit. In K. A. Bollen & J. S. Long (Eds.), Testing structural equation models (pp. 136-162). Sage.
Byrne, B. M. (2016). Structural equation modeling with AMOS (3rd ed.). Routledge.
Caena, F., & Redecker, C. (2019). Aligning teacher competence frameworks to 21st century challenges: The case for the european digital competence framework for educators (DigCompEdu). European Journal of Education, 54(3), 356–369.
Carolus, A., Koch, M. J., Straka, S., Latoschik, M. E., & Wienrich, C. (2023). MAILS – Meta AI literacy scale: Development and testing of an AI literacy questionnaire based on well-founded competency models and psychological change- and meta-competencies. Computers in Human Behavior: Artificial Humans, 1(2), 100014.
Cattell, R. B. (1966). The scree test for the number of factors. Multivariate Behavioral Research, 1(2), 245-276.
Chai, C. S., Lin, P. Y., Teo, T., & Wang, X. (2023). Relationships among teachers’ technology acceptance, TPİB, and attitude toward artificial intelligence-based education: A cross-cultural perspective. Frontiers in Education, 8, 1306260.
Cheung, G. W., & Rensvold, R. B. (2002). Evaluating goodness-of-fit indexes for testing measurement invariance. Structural Equation Modeling, 9(2), 233-255.

Costello, A. B., & Osborne, J. W. (2005). Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis. Practical Assessment, Research, and Evaluation, 10(7), 1-9.
Çelebi, C., Yılmaz, F., Demir, U., & Karakuş, F. (2023). Artificial intelligence literacy: An adaptation study. Instructional Technology and Lifelong Learning, 4(2), 291–306.
DeVellis, R. F. (2017). Scale Development: Theory and Applications (4th ed.). Sage.
Enders, C. K. (2010). Applied missing data analysis. Guilford Press.
Epskamp, S. (2022). Semplot: Path diagrams and visual analysis of various SEM packages’ output. R package version 1.1-6.
Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Strahan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, 4(3), 272-299.
Field, A. (2013). Discovering statistics using IBM SPSS statistics (4th ed.). Sage.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
Hornberger, M., Bewersdorff, A., & Nerdel, C. (2023). What do university students know about artificial intelligence? Development and validation of an AI literacy test. Computers and Education: Artificial Intelligence, 5, 100165.
Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis. Structural Equation Modeling, 6(1), 1-55.
Jorgensen, T. D., Pornprasertmanit, S., Schoemann, A. M., & Rosseel, Y. (2023). Semtools: Useful tools for structural equation modeling. R package version 0.5-6.
Kaiser, H. F. (1960). The application of electronic computers to factor analysis. Educational and Psychological Measurement, 20(1), 141-151.
Kaiser, H. F. (1974). An index of factorial simplicity. Psychometrika, 39(1), 31-36.
Karaca, O., Çalışkan, S. A., & Demir, K. (2021). Medical artificial intelligence readiness scale for medical students (MAIRS-MS) – Development, validity and reliability study. BMC Medical Education, 21(1), 112. https://doi.org/10.1186/s12909-021-02546-6
Karakuş, A. (2023). Social studies and artificial intelligence. International Journal of Eurasian Education and Culture, 8(24), 3079-3102. http://doi.org/10.35826/ijoecc.1813
Karakuş, A., Geçgel, Ş., & Çetin, M. (2024). Gelişen bir paradigma: Yapay zeka okuryazarlığı. International Journal of Active Learning, 8(1), 50-63. https://doi.org/10.48067/ijal.1422876
Kline, R. B. (2020). Principles and practice of structural equation modeling (4th ed.). Guilford
Koh, J. H. L., Chai, C. S., & Tsai, C. C. (2014). Demystifying technological pedagogical content knowledge: The influence of educational technology courses on pre-service teachers’ perceptions of TPİB. Australasian Journal of Educational Technology, 30(3), 363–370.
Lawshe, C. H. (1975). A quantitative approach to content validity. Personnel Psychology, 28(4), 563–575. https://doi.org/10.1111/j.1744-6570.1975.tb01393.x
Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems (pp. 1–16). https://doi.org/10.1145/3313831.3376727
Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017–1054.
Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041.
Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
Ok, G., Kaya, D., & Kutluca, T. (2025). Artificial intelligence for a sustainable future in the 21st century: Impacts and reflections on education. Discourse and Communication for Sustainable Education, 16(1), 109-136. http://doi.org/10.2478/dcse-2025-0009
R Core Team (2023). R: A language and environment for statistical computing. R Foundation for Statistical Computing.
Redecker, C. (2017). European framework for the digital competence of educators: DigCompEdu (JRC Science for Policy Report No. EUR 28775 EN). Publications Office of the European Union. https://doi.org/10.2760/159770
Revelle, W. (2023). Psych: Procedures for psychological, psychometric, and personality research. R package version 2.4-2.
Rosseel, Y. (2012). Lavaan: An R package for structural equation modeling. Journal of Statistical Software, 48(2), 1-36.
Stevens, J. P. (2009). Applied multivariate statistics for the social sciences (5th ed.). Routledge. Tabachnick, B. G., & Fidell, L. S. (2013). Using multivariate statistics. Pearson Education.
Tavşancıl, E. (2022). Tutumların ölçülmesi ve SPSS ile veri analizi [Measuring attitudes and data analysis with SPSS] (6. baskı). Nobel Akademik Yayıncılık.
Uğraş, H., Doğan, M., & Uğraş, M. (2024). Adaptation of artificial intelligence literacy scale into Turkish: A sample of pre-service teachers. e-Kafkas Journal of Educational Research, 11, 688–701. https://doi.org/10.30900/kafkasegt.1429630
Vuorikari, R., Kluzer, S., & Punie, Y. (2022). DigCompEdu: The european framework for the digital competence of educators (Update 2022). Publications Office of the European Union.
Vuorikari, R., Punie, Y., & Redecker, C. (2022). DigComp 2.2: The digital competence framework for citizens with new examples of knowledge, skills and attitudes. Publications Office of the European Union.
Wang, Y., Lin, X., & Luo, L. (2022). Artificial intelligence literacy: A systematic review of studies on K-16 education. Journal of Educational Computing Research, 60(3), 643–673.
Wickham, H. (2016). Ggplot2: Elegant graphics for data analysis. Springer-Verlag.
Wickham, H., & Bryan, J. (2023). Readxl: Read excel files. R package version 1.4-3.
Wickham, H., François, R., Henry, L., & Müller, K. (2023). Dplyr: A grammar of data manipulation. R package version 1.1.4.
Worthington, R. L., & Whittaker, T. A. (2006). Scale development research: A content analysis and recommendations for best practices. The Counseling Psychologist, 34(6), 806–838. https://doi.org/10.1177/0011000006288127
Younis, B. (2025). The artificial intelligence literacy (AIL) scale for teachers: A tool for enhancing AI education. Journal of Digital Learning in Teacher Education, 41(1), 37–56.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – Where are the educators? International Journal of Educational Technology in Higher Education, 16(1), 2-27. https://doi.org/10.1186/s41239-019-0171-0

Ayrıntılar

Birincil Dil

Türkçe

Konular

Ölçek Geliştirme

Bölüm

Araştırma Makalesi

Yazarlar

Soner Arık
0000-0002-5338-9238
Türkiye

Mustafa Özdere
Türkiye

Mehmet Çetin ^*
0000-0002-3065-1969
Türkiye

Yayımlanma Tarihi

7 Mayıs 2026

Gönderilme Tarihi

29 Eylül 2025

Kabul Tarihi

2 Nisan 2026

Yayımlandığı Sayı

Yıl 2026 Cilt: 14

DOI

https://doi.org/10.18009/jcer.1792826

IZ

https://izlik.org/JA58JA83TN

APA

Arık, S., Özdere, M., & Çetin, M. (2026). Öğretmen Adayları İçin Yapay Zeka Okuryazarlığı Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması. Journal of Computer and Education Research, 14. https://doi.org/10.18009/jcer.1792826

AMA

1.Arık S, Özdere M, Çetin M. Öğretmen Adayları İçin Yapay Zeka Okuryazarlığı Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması. JCER. 2026;14. doi:10.18009/jcer.1792826

Chicago

Arık, Soner, Mustafa Özdere, ve Mehmet Çetin. 2026. “Öğretmen Adayları İçin Yapay Zeka Okuryazarlığı Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması”. Journal of Computer and Education Research 14 (Mayıs). https://doi.org/10.18009/jcer.1792826.

EndNote

Arık S, Özdere M, Çetin M (01 Mayıs 2026) Öğretmen Adayları İçin Yapay Zeka Okuryazarlığı Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması. Journal of Computer and Education Research 14

IEEE

[1]S. Arık, M. Özdere, ve M. Çetin, “Öğretmen Adayları İçin Yapay Zeka Okuryazarlığı Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması”, JCER, c. 14, May. 2026, doi: 10.18009/jcer.1792826.

ISNAD

Arık, Soner - Özdere, Mustafa - Çetin, Mehmet. “Öğretmen Adayları İçin Yapay Zeka Okuryazarlığı Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması”. Journal of Computer and Education Research 14 (01 Mayıs 2026). https://doi.org/10.18009/jcer.1792826.

JAMA

1.Arık S, Özdere M, Çetin M. Öğretmen Adayları İçin Yapay Zeka Okuryazarlığı Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması. JCER. 2026;14. doi:10.18009/jcer.1792826.

MLA

Arık, Soner, vd. “Öğretmen Adayları İçin Yapay Zeka Okuryazarlığı Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması”. Journal of Computer and Education Research, c. 14, Mayıs 2026, doi:10.18009/jcer.1792826.

Vancouver

1.Soner Arık, Mustafa Özdere, Mehmet Çetin. Öğretmen Adayları İçin Yapay Zeka Okuryazarlığı Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması. JCER. 01 Mayıs 2026;14. doi:10.18009/jcer.1792826

Bu eser Creative Commons Atıf 4.0 Uluslararası Lisansı ile lisanslanmıştır.

Değerli Yazarlar,

JCER dergisi 2018 yılından itibaren yayımlanacak sayılarda yazarlarından ORCID bilgilerini isteyecektir. Bu konuda hassasiyet göstermeniz önemle rica olunur.

Önemli: "Yazar adından yapılan yayın/atıf taramalarında isim benzerlikleri, soyadı değişikliği, Türkçe harf içeren isimler, farklı yazımlar, kurum değişiklikleri gibi durumlar sorun oluşturabilmektedir. Bu nedenle araştırmacıların tanımlayıcı kimlik/numara (ID) edinmeleri önem taşımaktadır. ULAKBİM TR Dizin sistemlerinde tanımlayıcı ID bilgilerine yer verilecektir.

Standardizasyonun sağlanabilmesi ve YÖK ile birlikte yürütülecek ortak çalışmalarda ORCID kullanılacağı için, TR Dizin’de yer alan veya yer almak üzere başvuran dergilerin, yazarlardan ORCID bilgilerini talep etmeleri ve dergide/makalelerde bu bilgiye yer vermeleri tavsiye edilmektedir. ORCID, Open Researcher ve Contributor ID'nin kısaltmasıdır. ORCID, Uluslararası Standart Ad Tanımlayıcı (ISNI) olarak da bilinen ISO Standardı (ISO 27729) ile uyumlu 16 haneli bir numaralı bir URI'dir. http://orcid.org adresinden bireysel ORCID için ücretsiz kayıt oluşturabilirsiniz. "

Öğretmen Adayları İçin Yapay Zeka Okuryazarlığı Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması

Development and Validation of the Artificial Intelligence Literacy Scale for Pre-Service Teachers

Öz

Anahtar Kelimeler

Öğretmen Adayları İçin Yapay Zeka Okuryazarlığı Ölçeği: Geliştirme, Geçerlik ve Güvenirlik Çalışması

Öz

Anahtar Kelimeler

Etik Beyan

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster