Development of an Attitude Scale for the Use of Artificial Intelligence Tools in Turkish Language Lessons

Öz

This study aimed to develop a valid and reliable measurement tool to assess primary school teachers' attitudes towards the use of artificial intelligence tools in Turkish language lessons. A survey design, one of the quantitative research methods, was employed. The sample for the study was randomly selected from different provinces of Türkiye during the 2025-2026 academic year. The scale was developed by reviewing the literature and obtaining expert opinions. It was then administered to 204 primary school teachers. Exploratory factor analysis yielded a scale consisting of 15 items organised into three sub-factors. The sub-factors were named perceived benefit, attitude, and intention to use. The contribution of the three factors to the total variance was 76.404%. Subsequently, unlike the exploratory factor analysis, it was administered to 279 primary school teachers. Confirmatory factor analysis was performed with the data obtained. The structure of the scale was confirmed. To examine the reliability of the scale, Cronbach's alpha coefficient, McDonald's omega coefficient, item-total statistics, and independent sample t-test results for the item mean scores of the upper and lower 27% groups were examined. The scale was found to be highly reliable and discriminative. Consequently, a reliable and valid measurement tool was developed. Recommendations are provided at the end of the study.

Anahtar Kelimeler

• Turkish language course
• Artificial intelligence tools
• Attitude
• Scale development

Türkçe Dersinde Yapay Zekâ Araçlarının Kullanımına Yönelik Tutum Ölçeği’nin Geliştirilmesi

Öz

Bu çalışmada sınıf öğretmenlerinin Türkçe dersinde yapay zekâ araçlarının kullanımına yönelik tutumlarını ölçecek geçerli ve güvenilir bir ölçme aracının geliştirilmesi amaçlanmıştır. Nicel araştırma yöntemlerinden tarama deseni kullanılmıştır. Çalışmanın örneklemi 2025-2026 eğitim ve öğretim yılında Türkiye’nin farklı illerinden rastgele seçilmiştir. Ölçek geliştirilirken alan yazını taranıp uzman görüşleri alınmıştır. Ardından 204 sınıf öğretmenine uygulanmıştır. Açımlayıcı faktör analiziyle üç alt faktör 15 maddeden oluşan bir ölçek elde edilmiştir. Alt faktörler algılanan fayda, tutum ve kullanım niyeti olarak isimlendirilmiştir. Üç faktörün toplam varyansa sağladığı katkı %76,404’tür. Ardından açımlayıcı faktör analizinden farklı olarak 279 sınıf öğretmenine uygulanmıştır. Elde edilen verilerle doğrulayıcı faktör analizi yapılmıştır. Ölçeğin yapısı doğrulanmıştır. Ölçeğin güvenirliğini incelemek amacıyla Cronbach alfa katsayısı, McDonald's omega katsayısı, madde toplam istatistikleri, alt üst %27’lik grupların madde ortalama puanlarına ilişkin bağımsız örneklem t-testi sonuçları incelenmiştir. Ölçeğin yüksek düzeyde güvenilir ve ayırt edici olduğu görülmüştür. Sonuç olarak geçerli ve güvenilir bir ölçme aracı geliştirilmiştir. Çalışma sonunda önerilere yer verilmiştir.

Anahtar Kelimeler

• Türkçe dersi
• Yapay zekâ araçları
• Tutum
• Ölçek geliştirme

Kaynakça

1. Akbaş, U. & Koğar, H. (2023). Nicel araştırmalarda kayıp veriler ve uç değerler çözüm önerileri ve SPSS uygulamaları (3. b.). Pegem Akademi.
2. Akkaya, N. & Çıvğın, H. (2021). Türkçe eğitiminde yapay zekâ. The Journal of International Educational Sciences, 8(29), 308-322. https://doi.org/10.29228/INESJOURNAL.53915
3. Aksekili, E. & Kan, A. (2024). Öğretmenlerin eğitimde yapay zekâ kullanımına yönelik tutum ölçeği geliştirme: geçerlik ve güvenirlik çalışması. 21. Yüzyılda Eğitim ve Toplum, 13(39), 525-541.
4. Aktay, S., Gok, S., & Yıldırım, A. (2024). Artificial intelligence attitude scale. International Technology and Education Journal, 8(2), 1-14.
5. Alan, B., Keçeci, G., & Kırbağ-Zengin, F. (2025). Öğretmenler için yapay zekâ tutum ölçeği: Geçerlik ve güvenirlik çalışması. Pamukkale University Journal of Education, 63, 120-149. https://doi.org/10.9779/pauefd.1418456
6. Alan, B., Zengin, F., & Keçeci, G. (2024). Yapay Zekâ Tutum Ölçeği (YZTÖ): Geçerlik ve güvenirlik Çalışması. Cumhuriyet International Journal of Education, 13(4), 789-800. https://doi.org/10.30703/cije.1327949
7. Arslan, N., Esin, K., & Ayyıldız, F. (2025). A validity and reliability study of the artificial intelligence attitude scale (AIAS-4) and its relationship with social media addiction and eating behaviors in Turkish adults. BMC Public Health, 25(1224), 1-12. https://doi.org/10.1186/s12889-025-22507-8
8. Ayan, C. & Yalçın, S. (2023). Açımlayıcı faktör analizi. H. D. Gülleroğlu & Ö. Çokluk-Bökeoğlu (Ed.), Kuramdan uygulamaya tutum ölçeği geliştirme kılavuzu (1. b.) içinde (s. 105-155). Pegem Akademi.

9. Batdı, V. & Oral, B. (2020). Bilimsel araştırmalarda geçerlik ve güvenirlik. B. Oral & A. Çoban (Ed.), Kuramdan uygulamaya eğitimde bilimsel araştırma yöntemleri (1. b.) içinde (s. 115-143). Pegem Akademi.
10. Bayraktar, B., Gülderen, S., Akça, S., & Serin, E. (2023). Yapay zekâ teknolojilerinin eğitimde kullanımına yönelik öğretmen görüşleri. Ulusal Eğitim Dergisi, 3(11), 2012-2030.
11. Bulut, M. A., Davarcı, M., Bozdoğan, N. K., & Sarpkaya, Y. (2024). Yapay zekanın eğitim üzerindeki etkileri. Ulusal Eğitim Dergisi, 4(3), 976-986.
12. Bursal, M. (2023). SPSS ile temel veri analizleri (3. b.). Anı.
13. Büyüköztürk, Ş. (2002). Faktör analizi: Temel kavramlar ve ölçek geliştirmede kullanımı. Kuram ve Uygulamada Eğitim Yönetimi, 32(32), 470-483.
14. Büyüköztürk, Ş. (2019). Sosyal bilimler için veri analizi el kitabı, istatistik, araştırma deseni SPSS uygulamaları ve yorum (25. b.). Pegem Akademi.
15. Can, A. (2019). SPSS ile bilimsel araştırma sürecinde nicel veri analizi (8. b.). Pegem Akademi.
16. Coşkun, F. & Gülleroğlu, H. D. (2021). Geçmişten günümüze yapay zekanın gelişimi ve eğitim alanında kullanılması. Ankara Üniversitesi Eğitim Bilimleri Fakültesi Dergisi, 54(3), 947-966. https://doi.org/10.30964/auebfd.916220
17. Creswell, J. W. (2017). Nicel yöntemler. Araştırma deseni (S. B. Demir, Çev. Ed.) içinde (s. 155-181). Eğiten Kitap.
18. Çakan, M. & Akın, A. (2024). Yapay zeka tutum ve değişime hazır olma: İki ölçek uyarlama çalışması. Econder International Academic Journal, 8(2), 137-167. https://doi.org/10.35342/econder.1544898
19. 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
20. Çokluk, Ö., Şekercioğlu, G., & Büyüköztürk, Ş. (2021). Sosyal bilimler için çok değişkenli istatistik SPSS ve LISREL uygulamaları (6. b.). Pegem Akademi.
21. Çolak-Yazıcı, S. & Erkoç, M. (2023). Fen bilimleri grubu öğretmenlerinin uzaktan eğitim sürecinde yapay zekâ kullanma durumlarının analizi. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi, 58, 2682-2704. https://doi.org/10.53444/deubefd.1316144
22. Demir, M. (2021). Jamovi ve Jasp programı ile temel ve ileri düzey nicel veri analizi (1. b.). Pegem Akademi.
23. Demirel-Kaya, E., Güler, Z., Aras, C., Çimen, Y., Özdoğan, M. A., Yazıcı, M. F., & Taşıyaran, M. (2024). Öğretmenlerin Gözüyle Teknoloji ve Eğitim Bölgesel Çalıştayları Raporu. https://www.meb.gov.tr/meb_iys_dosyalar/2024_03/15112203_OGRETMENLERIN_GOZUYLE_TEKNOLOJI_VE_EGITIM_BOLGESEL_CALISTAYLARI_RAPORU.pdf sayfasından erişilmiştir.
24. Dündar, R., Yeşilyurt, S., Demir, R. Z., & Yeşilyurt, A. G. (2025). Üretken yapay zekâ araçları ile sosyal bilgiler öğretimi: Avantajlar ve dezavantajlar. Disiplinlerarası Eğitim Araştırmaları Dergisi, 9(20), 1-16. https://doi.org/10.57135/jier.1594253
25. Fornell, C. & Larcker, D. F. (1981). Evaluating structural equation models with unobaskıervable variables and measurement error. Journal of Marketing Research, 18(1), 39-50. https://doi.org/10.1177/002224378101800104
26. Gün, M. & Durmuş-Öz, B. (2024). Türkçe eğitiminde yapay zekâ kullanımı: CHATGPT örneği. International Journal of Language Academy, 51(51), 98-119. https://doi.org/10.29228/ijla.76804
27. Günüç, S. (2017). Eğitimde teknoloji entegrasyonunun kuramsal temelleri (1. b.). Anı.
28. Gürbüz, S. (2021a). Amos ile yapısal eşitlik modellemesi (2. b.). Seçkin.
29. Gürbüz, S. (2021b). Sosyal bilimlerde aracı ve düzenleyici etki analizleri (2. b.). Seçkin.
30. Hu, R., Ma, Y., Wang, C., Li, X., & Huang, H. (2025). Validity and reliability of the Chinese translation of the attitude scale towards the use of artificial intelligence technologies in nursing (ASUAITIN)- a cross-sectional study. BMC Nursing, 24(782), 2-9. https://doi.org/10.1186/s12912-025-03322-3
31. İlhan, A. G. & Önal, N. (2025). Yapay zekâya yönelik tutum ölçeğinin Türkçeye uyarlanması: Geçerlik ve güvenirlik çalışması. Temel Eğitim, 7(25), 71-86. https://doi.org/10.52105/temelegitim.1606097
32. İlhan, M., Güler, N., & Taşdelen-Teker, G. (2020). Nicel veri toplama araçları. B. Oral & A. Çoban (Ed.), Kuramdan uygulamaya eğitimde bilimsel araştırma yöntemleri (1. b.) içinde (s. 77-111). Pegem Akademi.
33. İnceoğlu, M. (2010). Tutum algı iletişim (5. b.). Beykent Üniversitesi.
34. Kaiser, H. F. (1960). The application of electronic computers to factor analysis. Educational and Psychological Measurement, 20(1), 141-151. https://doi.org/10.1177/001316446002000116
35. Karagöl, E. & Yıldırım-Bilgen, D. (2025). Türkçe eğitiminde yapay zekâ kullanımı: Türkçe eğitimcileri yapay zekâ hakkında ne düşünüyor? Ana Dili Eğitimi Dergisi, 13(2), 356-374.
36. Katrancı, M. & Uygun, M. (2013). Sınıf öğretmenlerinin Türkçe derslerinde teknoloji kullanımına yönelik görüşleri. Adıyaman Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11, 773-797. https://doi.org/10.14520/adyusbd.460
37. Kaya, F., Aydın, F., Schepman, A., Rodway, P., Yetişensoy, O., & Demir-Kaya, M. (2024). The roles of personality traits, ai anxiety, and demographic factors in attitudes toward artificial intelligence. International Journal of Human–Computer Interaction, 40(2), 497-514. https://doi.org/10.1080/10447318.2022.2151730
38. Kaya, N. & İşçi, E. (2025). Validity and reliability study of general attitude towards artificial intelligence scale in healthcare. Fenerbahçe University Journal of Health Sciences, 5(1), 52-63.
39. Kılıç, A. F. (2022). Ölçek geliştirme sürecinde açımlayıcı faktör analizi. M. Acar-Güvendir & Y. Özer-Özkan (Ed.), Tüm yönleriyle ölçek geliştirme süreci (1. b.) içinde (s. 69-120). Pegem Akademi.
40. Köroğlu, A. & Kana, F. (2025). Türkçe öğretmeni adaylarının dil öğretiminde yapay zekâ kullanımına ilişkin görüşleri. Bayburt Eğitim Fakültesi Dergisi, 20(45), 1-37. https://doi.org/10.35675/befdergi.1560034
41. Köse, N., Şimşek, E., & Demir, M. C. (2025). Adaptation of artificial intelligence attitude scale (AIAS-4) into Turkish: a validity and reliability study. Current Psychology, 44(9), 8096-8105. https://doi.org/10.1007/s12144-025-07418-6
42. Kurtdede-Fidan, N. & Kayar, İ. (2025). Sınıf öğretmenlerinin yapay zekâya bakışı: uygulamaları, gelecek planları ve endişeleri. Batı Anadolu Eğitim Bilimleri Dergisi, 16(1), 1745-1773. https://doi.org/10.51460/baebd.1583635
43. Lin, X., Qin, Y., Zhang, K., Zeng, Y., Zhu, X., Li, J., & Wang, Q. (2025). Translation and psychometric properties of the Chinese version of the Artificial Intelligence Attitude Scale for Nurses (AIASN): a cross-sectional study. [Ön Baskı] https://doi.org/10.21203/rs.3.rs-6836319/v1
44. Marengo, A., Karaoğlan-Yılmaz, F. G., Yılmaz, R., & Ceylan, M. (2025). Development and validation of generative artificial intelligence attitude scale for students. Frontiers in Computer Science, 7, 1-15. https://doi.org/10.3389/fcomp.2025.1528455
45. MEB (2024). Türkiye Yüzyılı Maarif Modeli: Ortak Metin. T.C. Millî Eğitim Bakanlığı. https://tymm.meb.gov.tr/ortak-metin sayfasından erişilmiştir.
46. MEB. (2025). Eğitimde yapay zekâ politika belgesi ve eylem planı [2025-2029]. T.C. Millî Eğitim Bakanlığı. https://yegitek.meb.gov.tr/meb_iys_dosyalar/2025_06/17092340_egitimdeyapayzekapolitikabelgesiveeylemplani202520291.pdf sayfasından erişilmiştir.
47. Møgelvang, A. & Grassini, S. (2025). Validating the AI attitude scale (AIAS-4) and exploring attitudinal differences in a large sample of Norwegian university students. Discover Education, 4(212), 1-5. https://doi.org/10.1007/s44217-025-00657-6
48. Morales-García, W. C., Sairitupa-Sanchez, L. Z., Morales-García, S. B., & Morales-García, M. (2024). Adaptation and psychometric properties of an attitude toward artificial intelligence scale (AIAS-4) among peruvian nurses. Behavioral Sciences, 14(6), 1-11. https://doi.org/10.3390/baskı14060437
49. Mukherjee, S. & Dasgupta, S. (2024). Update and revision in the development and validation of the scale for attitude toward artificial intelligence. The International Journal of Indian Psychology, 12(3), 2962-2970.
50. Nayıroğlu, B. & Tutak, T. (2024). Matematik öğretiminde yapay zekanın rolü: Eğitimde kullanılan araçların incelenmesi. Turkish Journal of Educational Studies, 11(1), 65-78. https://doi.org/10.33907/turkjes.1415591
51. Novotny, M., Weber, W., Kern, C., & Kreuter, F. (2025). Measuring public opinion towards artificial intelligence: development and validation of a general AI attitude short scale. AI & SOCIETY, 40(5), 1-33. https://doi.org/10.1007/s00146-025-02478-5
52. Orhan, A., Aydın-Yıldız, T., & Çınar-Yağcı, Ş. (2024). Assessing EFL learners’ attitudes on Generative Artificial Intelligence: Development and validation of Generative artificial intelligence attitude scale for EFL learners (GenAIAS). Journal of Research on Technology in Education, 56(6), 1-21. https://doi.org/10.1080/15391523.2024.2437744
53. Satıcı, S. A., Okur, S., Yılmaz, F. B., & Grassini, S. (2025). Psychometric properties and Turkish adaptation of the artificial intelligence attitude scale (AIAS-4): Evidence for construct validity. BMC Psychology, 13(29), 1-4. https://doi.org/10.1186/s40359-025-02505-6
54. Schepman, A. & Rodway, P. (2020). Initial validation of the general attitudes towards artificial intelligence scale. Computers in Human Behavior Reports, 1, 1-13. https://doi.org/10.1016/j.chbr.2020.100014
55. Schermelleh-Engel, K., Moosbrugger, H., & Müller, H. (2003). Evaluating the fit of structural equation models: Tests of significance and descriptive goodness-of-fit measures. Methods of Psychological Research Online, 8(2), 23-74.
56. Seçer, İ. (2015). Psikolojik test geliştirme ve uyarlama süreci. Anı.
57. Seo, Y. H. & Ahn, J.-W. (2022). The validity and reliability of the Korean version of the General Attitudes towards Artificial Intelligence Scale for nursing students. The Journal of Korean Academic Society of Nursing Education, 28(4), 357-367. https://doi.org/10.5977/jkasne.2022.28.4.357
58. Sevil, Ş. (2025). Öğretmenler için uygulamalı prompt mühendisliği ve üretken araçlarla yenilikçi öğrenme stratejileri. T.C. Millî Eğitim Bakanlığı Yenilik ve Eğitim Teknolojileri Genel Müdürlüğü. https://yegitek.meb.gov.tr/meb_iys_dosyalar2025_07/08125530_yz_ve_egitim_prompt_rhbri_guncell.pdf sayfasından erişilmiştir.
59. Sevil, Ş. & Saralar-Aras, İ. (2024). Eğitimde kullanılan yapay zekâ araçları öğretmen el kitabı. T.C. Millî Eğitim Bakanlığı Yenilik ve Eğitim Teknolojileri Genel Müdürlüğü. https://yegitek.meb.gov.tr/meb_iys_dosyalar/2024_07/12172521_meb_nek_yapay_zek_araclari_12072024_web.pdf?CHK=514fce892bc9aff7667b4fd3e040a8d7 sayfasından erişilmiştir.
60. Şencan, H. & Fidan, Y. (2020). Likert verilerinin kullanıldığı keşfedici faktör analizlerinde normallik varsayımı ve faktör çıkarma üzerindeki etkisinin SPSS, FACTOR ve PRELIS yazılımlarıyla sınanması. Business ve Management Studies: An International Journal, 8(1), 640-687. https://doi.org/10.15295/bmij.v8i1.1395
61. Tanel, Z. (2020). Eğitimde teknoloji entegrasyonu. F. Orhan, A. A. Kurt, & S. Bardakcı (Ed.), Öğrenme-öğretme sürecinde teknoloji entegrasyonu üzerine karma yazılar (1. b.) içinde (s. 1-19). Pegem Akademi.
62. Tang, J. (2023). Research scale of college students’ attitude towards learning under the influence of artificial intelligence. Advances in Educational Technology and Psychology, 7(4), 1-6. https://doi.org/10.23977/aetp.2023.070401
63. Taştan, Ö., Gürses, T., Aydın, G., Demir, T., Çukurlu, M., Han, C., …, & Saralar-Aras, İ. (2024). Yenilikçi yaklaşımlarla teknoloji odaklı öğrenme senaryoları için öğretmen el kitabı. T.C. Millî Eğitim Bakanlığı Yenilik ve Eğitim Teknolojileri Genel Müdürlüğü. https://yegitek.meb.gov.tr/meb_iys_dosyalar/2024_11/26133535_toos_ogretmenelkitabi1.pdf sayfasından erişilmiştir.
64. Tavşancıl, E. (2018). Tutumların ölçülmesi ve SPSS ile veri analizi (6. b.). Nobel.
65. 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
66. Turgut, D. & Kunuroglu, F. (2025). Adaptation of the student attitudes toward artificial intelligence scale (SATAI) to the Turkish context: A sample of emerging adults. International Journal of Human–Computer Interaction, 41(21), 1-11. https://doi.org/10.1080/10447318.2025.2474474
67. Yıldırım, T. Ö. & Karaman, M. (2025). Development and psychometric evaluation of the artificial intelligence attitude scale for nurses. BMC Nursing, 24(441), 1-11. https://doi.org/10.1186/s12912-025-03098-6
68. Yurdugül, H. (2005). Ölçek geliştirme çalışmalarında kapsam geçerliği için kapsam geçerlik indekslerinin kullanılması. XIV. Ulusal Eğitim Bilimleri Kongresi içinde (s. 771-774). yunus.hacettepe.edu.tr/~yurdugul/3/indir/PamukkaleBildiri.pdf sayfasından erişilmiştir.