The Artificial Intelligence Literacy Scale in Art: a validity and reliability study

Öz

This study was conducted with the aim of developing a valid and reliable scale to measure artificial intelligence literacy in art education. With the growing influence of digital technologies in the field of art, artificial intelligence has evolved from being merely a technical tool into a multidimensional structure that transforms creative production processes, aesthetic decision-making mechanisms and forms of individual expression. In this context, the need has arisen to comprehensively assess not only individuals’ knowledge of artificial intelligence within art education processes but also their practical skills and attitudinal tendencies. Indeed, the phenomenon of artificial intelligence in art education is not limited to technological proficiency but is directly linked to critical thinking and creative production processes. The “Art Artificial Intelligence Literacy Scale” developed within the scope of this research was initially designed as a four-factor structure comprising the dimensions of knowledge and understanding, application and technical competence, attitude and perception, and ethical and legal awareness. Analyses conducted using data obtained from 300 students studying at the Faculties of Fine Arts at various universities in Turkey revealed that the results of exploratory factor analysis indicated the scale exhibited a four-dimensional structure. However, confirmatory factor analysis and PLS-SEM findings demonstrated that the scale was more robustly validated with a three-dimensional structure. Accordingly, the scale has been restructured within the framework of cognitive, technical, and attitudinal dimensions. The findings indicate that the knowledge and understanding dimension stands out in particular, with a high coefficient of variation. The balanced distribution of factor loadings for the application and technical competence dimensions demonstrates that this structure possesses strong internal consistency, whilst the measurement power of the attitude and perception dimension has also been determined to be at an acceptable level. Conversely, it has been observed that the ethical and legal awareness dimension does not exhibit a statistically robust structure. When evaluated within the context of digital literacy, this suggests that individuals’ awareness of ethical issues may not yet be sufficiently developed. In particular, the increasing prevalence of generative artificial intelligence applications makes ethical debates in this field even more significant. The validity and reliability analyses of the scale have demonstrated that it is a scientifically sound measurement tool. Consequently, the developed scale is proposed as a functional tool for assessing individuals’ AI competencies in the field of art. In this context, it has been concluded that individuals’ levels of knowledge and understanding, alongside their application and technical competence skills, must be considered in conjunction with their attitudes and perceptions.

Anahtar Kelimeler

• Art education: artificial intelligence
• knowledge and understanding
• practical application and technical proficiency
• attitudes and perceptions
• ethical and legal awareness

Sanatta Yapay Zekâ Okuryazarlığı Ölçeği: geçerlik ve güvenirlik çalışması

Öz

Bu araştırma, sanat eğitiminde yapay zekâ okuryazarlığını ölçmeye yönelik geçerli ve güvenilir bir ölçek geliştirmek amacıyla gerçekleştirilmiştir. Dijital teknolojilerin sanat alanındaki etkisinin artmasıyla birlikte, yapay zekâ yalnızca teknik bir araç olmaktan çıkarak yaratıcı üretim süreçlerini, estetik karar verme mekanizmalarını ve bireysel ifade biçimlerini dönüştüren çok boyutlu bir yapı hâline gelmiştir. Bu bağlamda, sanat eğitimi süreçlerinde bireylerin yapay zekâya ilişkin bilgi düzeylerinin yanı sıra uygulama becerileri ve tutumsal eğilimlerinin de bütüncül biçimde değerlendirilmesi gerekliliği ortaya çıkmıştır. Nitekim sanat eğitiminde yapay zekâ olgusu, yalnızca teknolojik yeterliklerle sınırlı kalmayıp eleştirel düşünme ve yaratıcı üretim süreçleriyle doğrudan ilişkilidir. Araştırma kapsamında geliştirilen “Sanatta Yapay Zekâ Okuryazarlığı Ölçeği”, başlangıçta bilgi ve kavrayış, uygulama ve teknik yeterlilik, tutum ve algı ile etik ve yasal farkındalık boyutlarını içeren dört faktörlü bir yapı üzerine kurgulanmıştır. Türkiye’de farklı üniversitelerin Güzel Sanatlar Fakültelerinde öğrenim gören 300 öğrenciden elde edilen veriler doğrultusunda gerçekleştirilen analizlerde, açımlayıcı faktör analizi sonuçları ölçeğin dört boyutlu bir yapı sergilediğini göstermiştir. Bununla birlikte doğrulayıcı faktör analizi ve PLS-SEM bulguları, ölçeğin üç boyutlu bir yapı ile daha güçlü biçimde doğrulandığını ortaya koymuştur. Bu doğrultuda ölçek; bilişsel, teknik ve tutumsal boyutlar çerçevesinde yeniden yapılandırılmıştır. Elde edilen bulgular, özellikle bilgi ve kavrayış boyutunun yüksek varyans açıklama oranı ile öne çıktığını göstermektedir. Uygulama ve teknik yeterlilik boyutuna ilişkin faktör yüklerinin dengeli dağılımı, bu yapının güçlü bir iç tutarlılığa sahip olduğunu ortaya koyarken, tutum ve algı boyutunun da ölçme gücünün kabul edilebilir düzeyde olduğu belirlenmiştir. Buna karşın etik ve yasal farkındalık boyutunun istatistiksel açıdan yeterince güçlü bir yapı sergilemediği görülmüştür. Bu durum, dijital okuryazarlık bağlamında değerlendirildiğinde, bireylerin etik konulara ilişkin farkındalıklarının henüz yeterince gelişmemiş olabileceğine işaret etmektedir. Özellikle üretken yapay zekâ uygulamalarının yaygınlaşması, bu alandaki etik tartışmaları daha da önemli hâle getirmektedir. Ölçeğin geçerlik ve güvenirlik analizleri, ölçeğin bilimsel açıdan tutarlı bir ölçme aracı olduğunu ortaya koymuştur. Sonuç olarak, geliştirilen ölçek sanat alanında bireylerin yapay zekâ yeterliklerini değerlendirmede işlevsel bir araç olarak önerilmektedir. Bu kapsamda, bireylerin bilgi ve kavrayış düzeyleri ile uygulama ve teknik yeterlilik becerilerinin yanı sıra tutum ve algı boyutlarının birlikte ele alınması gerektiği sonucuna ulaşılmıştır.

Anahtar Kelimeler

• Sanat eğitiminde yapay zekâ
• bilgi ve kavrayış
• uygulama ve teknik yeterlilik
• tutum ve algı
• etik ve yasal farkındalık

Kaynakça

1. Aktay, S., Gök, S., & Uzunoğlu, D. (2023). ChatGPT in education. Türk Akademik Yayınlar Dergisi, 7(2), 378-406. https://doi.org/10.29329/tayjournal.2023.543.03
2. Balıkçı, H. C., & Yıldız Durak, H. (2025). Öğretmenler için yapay zekâ okuryazarlığı (YZO) ölçeği: Bir Türkçe ölçek uyarlama çalışması. Akdeniz 14th International Conference on Social Sciences içinde (s. 354-369). Academy Global Publishing House.
3. 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
4. Çetin, M., & Aktaş, A. (2021). Yapay zeka ve eğitimde gelecek senaryoları. OPUS Uluslararası Toplum Araştırmaları Dergisi, 18(Eğitim Bilimleri Özel Sayısı), 4225-4268. https://doi.org/10.26466/opus.911444
5. De Cremer, D., & Kasparov, G. (2021). AI should augment human intelligence, not replace it. Harvard Business Review. https://hbr.org/2021/03/ai-should-augment-human-intelligence-not-replace-it
6. Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50. https://doi.org/10.2307/3151312
7. 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
8. Güneş, F. (2019). Okuryazarlık yaklaşımları. Sınırsız Eğitim ve Araştırma Dergisi, 4(3), 224-246. https://doi.org/10.29250/sead.634908

9. Gürbüz, S., & Şahin, F. (2014). Sosyal bilimlerde araştırma yöntemleri: Felsefe - yöntem - analiz. Seçkin Yayıncılık.
10. Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8. bs.). Cengage Learning.
11. Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A primer on partial least squares structural equation modeling (PLS-SEM) (2. bs.). SAGE Publications.
12. Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2021). A primer on partial least squares structural equation modeling (PLS-SEM) (3. bs). Sage.
13. Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115-135. https://doi.org/10.1007/s11747-014-0403-8
14. İşler, B., & Kılıç, M. (2021). Eğitimde yapay zekâ kullanımı ve gelişimi. Yeni Medya Elektronik Dergisi, 5(1), 1-11. https://dergipark.org.tr/en/download/article-file/3940963
15. Kandlhofer, M., Steinbauer, G., Hirschmugl-Gaisch, S., & Huber, P. (2016). Artificial intelligence and computer science in education: From kindergarten to university. 2016 IEEE Frontiers in Education Conference (FIE) içinde (s. 1-9). IEEE. https://doi.org/10.1109/FIE.2016.7757570
16. Karaoğlan Yılmaz, F. G., & Yılmaz, R. (2023). Yapay zekâ okuryazarlığı ölçeğinin Türkçeye uyarlanması. Bilgi ve İletişim Teknolojileri Dergisi, 5(2), 172-190. https://doi.org/10.53694/bited.1376831
17. Karasar, N. (2006). Bilimsel araştırma yöntemi (16. bs.). Nobel Yayıncılık.
18. Kline, R. B. (2016). Principles and practice of structural equation modeling (4. bs.). Guilford Press.
19. Koçak, T., & Çakır, R. (2025). Yapay zekâ destekli yabancı dil eğitiminin lise öğrencilerinin yapay zekâ kullanımları, yaratıcı düşünme eğilimleri, yabancı dilden keyif almaları ve akademik başarıları üzerindeki etkisi. Gazi Eğitim Bilimleri Dergisi, 11(3), 572-597. https://izlik.org/JA49PB42ZW
20. Lameras, P., & Arnab, S. (2022). Power to the teachers: An exploratory review on artificial intelligence in education. Information, 13(1), 14. https://doi.org/10.3390/info13010014
21. Long, D., Blunt, T., & Magerko, B. (2021). Co-designing AI literacy exhibits for informal learning spaces. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW2), 1-35. https://doi.org/10.1145/3476034
22. Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems içinde (s. 1-16). Association for Computing Machinery. https://doi.org/10.1145/3313831.3376727
23. 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. https://doi.org/10.1016/j.caeai.2021.100041
24. Noy, C. (2008). Sampling knowledge: The hermeneutics of snowball sampling in qualitative research. International Journal of Social Research Methodology, 11(4), 327-344. https://doi.org/10.1080/13645570701401305
25. Nunnally, J. C. (1978). Psychometric theory (2. bs.). McGraw-Hill.
26. Öztemel, E. (2020). Yapay zekâ ve insanlığın geleceği. Bilişim teknolojileri ve iletişim: Birey ve toplum güvenliği içinde (s. 75-90). Turkish Academy of Sciences. https://doi.org/10.53478/tuba.2020.011
27. Popenici, S. A. D., & Kerr, S. (2017). Exploring the impact of artificial intelligence on teaching and learning in higher education. Research and Practice in Technology Enhanced Learning, 12, 22. https://doi.org/10.1186/s41039-017-0062-8
28. Russell, S., & Norvig, P. (2002). Artificial intelligence: A modern approach. Pearson Education.
29. Sharma, S., & Kumar, N. (2023). The future of education: Implications of artificial intelligence integration in learning environments. International Journal of Enhanced Research in Educational Development, 11(5), 129-133.
30. Şen, E. (2021). GPT3: DALL-E ve JL2P ekseninde veri görselleştirme ve hareketlendirme üzerine bir inceleme. Uluslararası Sosyal Bilimler Akademi Dergisi, 3(5), 2687-2641. https://doi.org/10.47994/usbad.871726
31. Tabachnick, B. G., & Fidell, L. S. (2013). Using multivariate statistics (6. bs.). Pearson.
32. Temur, S. (2024). Yapay zekânın eğitim sistemine entegrasyonunun potansiyel faydaları. Batı Anadolu Eğitim Bilimleri Dergisi, 15(3), 2621-2656. https://doi.org/10.51460/baebd.1541524
33. Timms, M. J. (2016). Letting artificial intelligence in education out of the box: Educational cobots and smart classrooms. International Journal of Artificial Intelligence in Education, 26(2), 701-712. https://doi.org/10.1007/s40593-016-0095-y
34. Turkaya, A., & Benli Özdemir, E. (2024). Yapay zekâ teknolojileri kullanımının ön lisans öğrencilerinin dijital okuryazarlık düzeylerine etkisi. Üniversite Araştırmaları Dergisi, 7(4), 459-472. https://doi.org/10.32329/uad.1486583
35. Yousif, J. H., Saini, D. K., & Uraibi, H. S. (2011). Artificial intelligence in e-learning: Pedagogical and cognitive aspects. Proceedings of the World Congress on Engineering, 2, 452-457.