Öğretmenlerin Eğitimde Yapay Zekâ Kullanımına Yönelik Tutum Ölçeği Geliştirme: Geçerlik Ve Güvenirlik Çalışması

Year 2024, Volume: 13 Issue: 39, 525 - 542, 30.12.2024

Elif Aksekili , Adnan Kan

Abstract

Araştırma, öğretmenlerin eğitimde yapay kullanımına yönelik tutumlarını ölçen geçerli ve güvenilir bir ölçek geliştirmek amacıyla yapılmıştır. Araştırmadaki veriler Ankara, Artvin, Samsun, Balıkesir, Bursa, Osmaniye, Manisa ve İstanbul illerinde çalışmakta olan öğretmenler tarafından toplanmıştır. Araştırmaya devlet veya özel okulda görev yapmakta olan her branş ve kademeden 526 öğretmen dahil edilmiştir. Araştırma verileri hazırlanan ölçek formu aracılığı ile toplanmıştır. Öğretmenlerin Eğitimde Yapay Zekâ Kullanımına Yönelik Tutum Ölçeği’nin geçerlik çalışması için yapı ve kapsam geçerlikleri incelenmiştir. Uzman görüşleri ile kapsam geçerliği belirlenen ölçeğin, açımlayıcı faktör analiz verileri SPSS programı ile değerlendirilerek, ölçeğin yapı geçerliğine bakılmıştır. AFA sonucunda ‘yapay zekada aktiflik’, ‘yapay zekaya direnme’ ve ‘yapay zekayı benimseme’ olmak üzere 3 faktörlü 18 maddelik bir yapı ortaya çıkmıştır. AFA verileri açıklanan toplam varyansın %61,622 olduğu ve ciddi oranda varyans sağladığı ortaya çıkmıştır. Ölçeğe doğrulayıcı faktör analizi uygulanarak, bu üç faktörlü model iyi uyum değerleri ile doğrulanmıştır. DFA sonucunda hiçbir modifikasyona gerek duyulmadan ortaya çıkan X2/df değerinin 1.88 olduğu ve ölçeğin mükemmel uyum sergilediği anlaşılmıştır. Ayrıca, güvenirlik çalışmalarında incelenen Cronbach alpha kat sayısının (.908) yüksek düzeyde güvenirlik göstermesiyle ölçek maddeleri arasında iç tutarlılığın yüksek derecede olduğu görülmüştür. Ayrıca seçilen 30 kişiden alınan veriler ile hesaplanan test tekrar test güvenirlik değeri, ölçeğin iki haftalık zamana karşı yüksek düzeyde güvenirlik gösterdiği ortaya çıkmıştır. Bütün bu sonuçlar ışığında, ölçeğin geçerli ve güvenilir bil ölçek olduğu ortaya çıkmıştır. Öğretmenlerin eğitimde yapay zekâ kullanımına ilişkin tutumlarını ele alan araştırmalarda her kademede ve branştaki öğretmene uygulanabilecek olan bu araç, yeterli psikometrik özelliklere sahiptir.

Keywords

yapay zekâ, tutum ölçeği, Öğretmen, geçerlik, güvenirlik

References

• Akkaya, B., Özkan, A., & Özkan, H. (2021). Yapay zekâ kaygı (YZK) ölçeği: Türkçeye uyarlama, geçerlik ve güvenirlik çalışması. Alanya Akademik Bakış, V, 2, 1125–1146.
• An, X., Chai, C. S., Li, Y., Zhou, Y., Shen, X., Zheng, C., & Chen, M. (2023).
• Modeling English teachers’ behavioral intention to use artificial intelligence in middle schools. Education and Information Technologies, XXVIII, 5, 5187-5208.
• Brown, T. A. (2006). Confirmatory factor analysis: For applied research. New York: Guilford.
• Bryman, A., & Cramer, D. (2001). Quantitative data analysis with SPSS release 10 for Windows. London: Routledge Press.
• Brynjolfsson, E. & McAfee, A. (2021). Yapay Zekâ Çağı: İş, Ekonomi ve Toplumun Geleceği. MediaCat Yayınları.
• Charow, R., Jeyakumar, T., Younus, S., Dolatabadi, E., Salhia, M., Al- Mouaswas, D., &Wiljer, D. (2021). Artificial Intelligence Education Programs for Health Care Professionals: Scoping Review. JMIR medical education, VII, 4. Retrieved from https://doi.org/10.2196/31043.
• 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.
• Coppin, B. (2004). Artificial intelligence illuminated. Jones & Bartlett Learning.
• Doğan, D., Yiğit, Mf, Arman, Alır, Fidan, A., Özbay, Ö., & Tüzün, H. (2019). Öğretmen Adaylarının Bir Öğretmen Eğitimi Simülasyonunun Kullanımına İlişkin Görüşlerinin İncelenmesi. Pamukkale Üniversitesi Eğitim Fakültesi Dergisi, XLVI, 46, 150-174.
• Field, A. (2005). Discovering statistics using SPSS. London: Sage Publications.
• Güllü M, Güçlü M. (2009). Orta öğretim öğrencileri için beden eğitimi dersi tutum ölçeği geliştirilmesi. Niğde Üniversitesi Beden Eğitimi ve Spor Bilimleri Dergisi, 3,37-49.
• Husaın, A. (2019). Duyarlı makine yapay zekânın olgunluk çağı (2. Baskı). İstanbul: Siyah Kitap Yayınevi.
• Hussain, I. (2020). Attitude of university students and teachers towards instructional role of artificial intelligence. Int J Dist Educ E-Learn, 5, 158-177.
• Hutchins, D. C. (1999). Just in time. Gower Publishing, Ltd. Retrieved from https://doi.org/10.1002/qre.4680050222.
• Joshi, S., Rambola, R. K., & Churi, P. (2021). Evaluating Artificial Intelligence in Education for Next Generation. In Journal of Physics: Conference Series,1714,1, 012039. IOP Publishing. Karadağ, E. ve Kaya, H. (2020). Eğitim ve öğretimde etkili faktörler. (Editör: H. Yıldız ve M. Doğan), Eğitimde Yenilikler Ve Trendler, 45-62. Nobel Yayınevi.
• Kaya, F., Aydin, F., Schepman, A., Rodway, P., Yetişensoy, O., & Kaya, M. D., (2022). The Roles of Personality Traits, AI Anxiety, and Demographic Factors in Attitudes toward Artificial Intelligence. International Journal Of Human-Computer Interaction, 1, 17.
• Kline, R. B. (2010). Principles and practice of structural equation modeling. New York: Guilford Press. LINK Educational Alliance. Available online: Shttps://www.link-group.eu/ (accessed on 21 March 2024).
• Lindner, A., Romeike, R., Jasute, E., & Pozdniakov, S. (2019). Teachers’ perspectives on artificial intelligence. In 12th International conference on informatics in schools,“Situation, evaluation and perspectives”, ISSEP.
• Marcoulides, G. ve Schumacher, R. (2001). New developments and techniques in structural equation modelling. Lawrence Erlbaum Associates Publishers. Özdamar, K. (1999). Paket programlar ile istatistik veri analizi. Kaan Kitabevi.
• Pedro, F., Subosa, M., Rivas, A., & Valverde, P. (2019). Artificial intelligence in education: Challenges and opportunities for sustainable development.
• Popenici, S. A., & Kerr, S. (2017). Exploring the impact of artificial intelligence on teaching and learning in higher education. Research and Practice in Technology Enhanced Learning, XII, 1, 1-13.
• Russell, S. J. (2015). Artificial intelligence: A guide to intelligent systems. Pearson Education Limited.
• Schepman, A., & Rodway, P. (2020). Initial validation of the general attitudes towards Artificial Intelligence Scale. Computers in Human Behavior Reports, 1, 100014. https://doi.org/10.1016/j.chbr.2020.100014
• Searle, J. R. (1990). Consciousness, explanatory inversion, and cognitive science. Behavioral and Brain Sciences, XIII, 4, 585-596.
• Seçer, İ. (2015). Psikolojik Test Geliştirme ve Uyarlama Süreci SPSS ve LISREL Uygulamaları. Anı Yayıncılık
• Seong-Won Kim, & Lee Youngjun. (2020). Development of Test Tool of Attitude toward Artificial.
• Thompson, B. (2004). Exploratory and confirmatory factor analysis: Understanding concepts and applications. Washington DC: American Psychological Association. Intelligence for Middle School Students. The Journal of Korean Association of Computer Education, XXIII, 3, 17–30. https://doi.org/10.32431/KACE.2020.23.3.003
• Ülgen G. (1995). Eğitim Psikolojisi Birey ve Örenme. Ankara: Bilim Yayınları.
• Wang, Y. Y., & Wang, Y. S. (2022). Development and validation of an artificial
• intelligence anxiety scale: An initial application in predicting motivated learning behavior. Interactive Learning Environments, XXX, 4, 619–634. https://doi.org/10.1080/10494820.2019.1674887.