Türkçe Öğretmen Adaylarının Yapay Zekâ Okuryazarlıklarının Farklı Değişkenlere Göre İncelenmesi

Yıl 2024, Sayı: 60, 1516 - 1529, 28.06.2024

Emrullah Banaz , Osman Demirel

https://doi.org/10.53444/deubefd.1461048

Öz

Çağımızda eğitim alanına büyük bir kolaylık sağlayan yapay zekâ, farkındalık ve okuryazarlık açısından önem arz etmektedir. Ele alınan bu çalışma Türkçe öğretmen adaylarının yapay zekâ okuryazarlık düzeylerinin belirlenmesi amacıyla yapılmıştır. Bu amaç doğrultusunda öğretmen adaylarının okuryazarlık düzeyleri, cinsiyetleri, günlük internet kullanma durumları, yapay zekâya yönelik haberleri takip etmeleri açısından incelemeler yapılmıştır. Araştırmanın örneklemini Bayburt Üniversitesi’nde öğrenim görmekte olan 215 Türkçe öğretmen adayı oluşturmaktadır. Nicel araştırma yöntemlerinden tarama modelinin tercih edildiği araştırmada veriler, Yapay Zekâ Okuryazarlık Ölçeği ile toplanmıştır. Google Forms’lardan elde edilen veriler SPSS paket programı ile analiz edilmiş olup analiz sonucunda öğretmen adaylarının yapay zekâ okuryazarlıklarının yüksek düzeye yakın olduğu, öğretmen adaylarının cinsiyetlerinin yapay zekâ okuryazarlık düzeylerini etkileyen bir değişken olduğu başka bir deyişle araştırmaya dâhil olan öğretmen adaylarının yapay zekâ okuryazarlık düzeyleri cinsiyete göre farklılık gösterdiği, sınıf düzeylerinin yapay zekâ okuryazarlık açısından anlamlı bir farklılık oluşturduğu, öğretmen adaylarının internet kullanma süreleri ile yapay zekâ okuryazarlıklarının benzer olduğu ve konuyla ilgili haber takip etmelerinin yapay zekâ okuryazarlık düzeylerini etkileyen bir değişken olduğu sonucuna ulaşılmıştır.

Anahtar Kelimeler

Öğretmen adayı, Türkçe, yapay zekâ, okuryazarlık.

Investigation of Artificial Intelligence Literacy of Prospective Turkish Teachers According to Different Variables

Öz

Artificial intelligence, which provides great convenience to the field of education in our age, is important in terms of awareness and literacy. This study was conducted to determine the artificial intelligence literacy levels of prospective Turkish teachers. For this purpose, pre-service teachers' literacy levels, gender, daily internet usage status, and following news about artificial intelligence were examined. The sample of the study consists of 215 Turkish language teacher candidates studying at Bayburt University. In the study, in which the survey model, one of the quantitative research methods, was preferred, the data were collected with the Artificial Intelligence Literacy Scale. The data obtained from Google Forms were analysed with the SPSS package program and as a result of the analysis, it was found that the artificial intelligence literacy of the prospective teachers was close to high level, the gender of the prospective teachers was a variable affecting the artificial intelligence literacy levels, in other words, the artificial intelligence literacy levels of the prospective teachers included in the research differed according to gender, It was concluded that the grade level of pre-service teachers constituted a significant difference in terms of artificial intelligence literacy, their internet usage time and artificial intelligence literacy were similar, and following news on the subject was a variable affecting their artificial intelligence literacy levels.

Anahtar Kelimeler

Pre-service teacher, Turkish, artificial intelligence, literacy.

Kaynakça

• Akkaya, N. ve Çıvğın, H. (2021). Türkçe eğitiminde yapay zekâ. The Journal of International Education Science, 8 (29), 308-322.
• Arıcı,N., Karacı, A. (2013). Türkçe öğrenimi için web tabanlı zeki öğretim sistemi (Türkzös) ve değerlendirmesi. Turkish Studies, 8(8), 65-87.
• B. Coppin. (2004) Artificial Intelligence Illuminated. Boston, MA, Jones and Bartlet.
• Bayrakcı, S. (2020). Dijital yetkinlikler bütünü olarak dijital okuryazarlık: Ölçek geliştirme çalışması. Yayımlanmamış doktora tezi. Marmara Üniversitesi.
• Bekman, M. (2022). Halkla ilişkiler uygulamalarında nicel araştırma yöntemi: İlişkisel tarama modeli. Meriç Uluslararası Sosyal ve Stratejik Araştırmalar Dergisi, 6(16), 238-258.
• Bostrom, N., ve Yudkowsky, E. (2014). The ethics of artificial intelligence. K. F. (Eds.), The Cambridge handbook of artificial intelligence. Cambridge University Press.
• Chatterjee, S., & Bhattacharjee, K. K. (2020). Adoption of artificial intelligence in higher education: A quantitative analysis using structural equation modelling. Education and Information Technologies, 25, 3443-3463.
• Çam, M. B., Çelik, N. C., Turan Güntepe, E., & Durukan, Ü. G. (2021). Öğretmen adaylarının yapay zekâ teknolojileri ile ilgili farkındalıklarının belirlenmesi [Determining the awareness of teacher candidates about artificial intelligence technologies]. Hatay Mustafa Kemal University Journal of Social Sciences Institute, 18(48), 263- 285
• Çakır, R. ve Oktay, S. (2013). Bilgi toplumu olma yolunda öğretmenlerin teknoloji Kullanımları. Endüstriyel Sanatlar Eğitim Fakültesi Dergisi, 30, 35-54.
• Çelebi, C., Yılmaz, F., Demir, U., & Karakuş, F. (2023). Artificial ıntelligence literacy: an adaptation study. Instructional Technology and Lifelong Learning, 4(2), 291-306. https://doi.org/10.52911/itall.1401740 Eyüp, B. (2022). Examination of Turkish language teachers’ competencies for using web 2.0 tools. Inonu University Journal of the Faculty of Education, 23(1), 307-323. DOI: 10.17679/inuefd.952051
• Güler, Y. (2019). Beden eğitimi ve spor öğretmenliği bölümü öğrencilerinin 21. yüzyıl becerileri öz-yeterlik algıları. Yayımlanmamış Yüksek Lisans Tezi, Ankara Üniversitesi Eğitim Bilimleri Enstitüsü.
• Hasanov, A., Laine, T. H., & Chung, T. S. (2019). A survey of adaptive context-aware learning environments. Journal of Ambient Intelligence and Smart Environments, 11, 403–428
• Hutchings, J. (1999) Retrospect and prospect in computer-based translation. Paperpresented at the Machine Translation Summit, Singapore.
• Jain, N., & Patel, H. N. (2024). Quantıtatıve assessment of artıfıcıal ıntellıgence ıntegratıon ın hıgher educatıon: a structural equatıon modelıng study. Journal of higher education theory and practice, 24(1), 39.
• Kabudi, T., Pappas, I., & Olsen, D. H. (2021). AI-enabled adaptive learning systems: A systematic mapping of the literature. Computers and Education: Artifcial Intelligence, 2, 100017. https://doi.org/ 10.1016/j.caeai.2021.100017
• Karakaş Yıldırım, Ö. & Yemenici, A.İ. (2020). Türkçe öğretmeni adaylarının bilgi okuryazarlık düzeylerinin belirlenmesi (Afyonkarahisar örneği), Turkish Studies - Education, 15(3), 2303-2316. https://dx.doi.org/10.29228/TurkishStudies.41885
• Korucu, A. T. ve Biçer, H. (2022). Eğitimde yapay zekânın rolleri ve eğitsel yapay zekâ uygulamaları. Nabiyev, V. ve Erümit, A.K. (Ed.), Eğitimde yapay zekâ, kuramdan uygulamaya (38-56) içinde. Pegem Akademi.
• Kul, S., 2020, Türkçe ders anlatan yapay zekâya giden yolda doğal dil işleme, Yönetim Bilişim Sistemleri Dergisi, 6(2), 43-56.
• Banaz, E. ve Maden, S. (2024). Türkçe öğretmen adaylarının yapay zekâ tutumlarının farklı değişkenler açısından incelenmesi, Trakya Eğitim Dergisi, 14(2), 1173-1180.
• M. J. Berry, G.S. Linoff, Data Mining Techniques: For Marketing, Sales, and Customer Support, 2nd ed., John Willey & Sons, Canada, 2004 (ISBN: 0-471-47064-3).
• MEB(2023)https://suluova.meb.gov.tr/meb_iys_dosyalar/2018_11/20135929_EYitim_Vizyonu_Yzeti__Suluova.pdf
• Morrison, D.M. & Rus, V. (2011). The Scholar Legacy: ANewLook at the Affordances of Semantic Networks for Conversantional Agents in İntelligent Tutoring Systems.16th International Conference on Artificial Intelligence in Education Journal AIED 2013,9-13 July, Memphis , USA, 128-136. Nabiyev, V. ve Erümit, A. K. (2022). Yapay zekânın temelleri. İçinde V. Nabiyev ve A. K. Erümit (Ed.), Eğitimde yapay zekâ kuramdan uygulamaya (ss. 2-35), Pegem Akademi.
• Ng, W. (2011). Why digital literacy is important for science teaching and learning: teaching science. The Journal of the Australian Science Teachers Association,57, s. 26-32.
• Ng, W. (2012) Can we teach digital natives digital literacy? Computers & Education, 59, 1065-1078. DOI: 10.1016/j.compedu.2012.04.016
• Pena, A. (2021). Why ıntroducing kids to machine learning? Erişim adresi: https://medium.com/code-explorers-worldwide/how-to-introduce-kids-to-machine-learning-career-explorations-26d46f6feb12
• Quadri, K. L. (2014). Teachers’ perceptions ann attitudes toward the ımplementation of Web 2.0 tools in secondary education. (Unpublished doctoral disserttation). MS, City Walden University.
• R. Bajaj, V. Sharma. (2018). Smart Education with artificial intelligence based determination of learning styles Procedia computer science, 132 pp. 834-842.
• Sarikaya, B. (2019). Türkçe öğretmeni adaylarinin dijital okuryazarlik durumlarinin çeşitli değişkenler açisindan değerlendirilmesi. Journal Of International Social Research, 12(62).
• Şener, F. (2019). Teknopedogojik eğitim kapsamında Türkçe öğretmenlerinin Web 2.0 araçlarını kullanma durumları. Yayımlanmamış yüksek lisans tezi. Çanakkale Onsekiz Mart Üniversitesi Eğitim Bilimleri Enstitüsü.
• Uyar, A. (2021). Meslek yüksekokulu öğrencilerinin dijital okuryazarlık düzeyleri. Uluslararası Güncel Eğitim Araştırmaları Dergisi, 7(1), 198-211
• Woolf, B.P., (1990) Knowledge-based tutors: an artificial intelligence approachto education (Un-published Doctoal Dissertations). School of Education, University of Massachusetts Amherst, Massaachusetts, USA.
• Zileli, E. N. (2023). Yabancı dil olarak Türkçe öğreniminde ChatGPT örneği. Uluslararası Karamanoğlu Mehmetbey Eğitim Araştırmaları Dergisi, 5(1), 42-51.