Research article | Open Access
International Journal of the Pursuit of Excellence in Leadership 2025, Vol. 5(1) 56-66
Eğitimde Üretken Yapay Zeka Araçları Kullanımı Öğretmen Algı Ölçeği - Teachers’ Perception Scale on the Use of Generative Artificial Intelligence Tools in Education
pp. 56 - 66
Publish Date: June 30, 2025 | Single/Total View: 0/0 | Single/Total Download: 0/0
Abstract
Öz
Bu araştırmada, öğretmenlerin eğitimde üretken yapay zekâ (ÜYZ) araçlarının kullanımına ilişkin algılarını ölçmek amacıyla geçerli ve güvenilir bir ölçek geliştirilmesi amaçlanmıştır. Betimsel tarama modeline dayanan çalışma kapsamında Türkiye genelinde farklı branş ve deneyim düzeylerine sahip toplam 381 öğretmenden, kolayda örnekleme yöntemiyle veri toplanmıştır. Araştırma için geliştirilen taslak ölçek, kapsamlı literatür incelemesi ve uzman görüşleri doğrultusunda oluşturulmuş, ön uygulama ve madde analizleriyle revize edilmiştir. Açımlayıcı Faktör Analizi sonucunda ölçeğin beş faktörlü bir yapıya sahip olduğu belirlenmiş ve faktörler sırasıyla “Öğrenciye Yönelik Faydalar”, “Eğitimde İşlevsellik ve Erişim”, “Yönetişim ve Politikalar”, “Olası Riskler ve Eşitsizlikler” ve “Teknoloji ve Değerlendirme Güvenilirliği” şeklinde adlandırılmıştır. Doğrulayıcı Faktör Analizi bulguları, elde edilen faktör yapısının model uyum indekslerinin kabul edilebilir düzeyde olduğunu ortaya koymuştur (χ²/df=2,85; RMSEA=0,070). Ölçeğin genel Cronbach Alfa katsayısı 0,859 olarak bulunmuş, alt boyutların güvenirlik katsayıları ise 0,571 ile 0,789 arasında değişmiştir. Sonuç olarak, Eğitimde Üretken Yapay Zekâ Araçlarının Kullanımına İlişkin Algı Ölçeğinin (EÜYZAKİAÖ) geçerli ve güvenilir bir ölçme aracı olduğu belirlenmiştir. Ölçek, öğretmenlerin ÜYZ teknolojilerine yönelik algılarını değerlendirmek ve eğitim teknolojileri alanındaki uygulamalara bilimsel katkı sunmak amacıyla kullanılabilecektir. Bu yönüyle araştırma, öğretmen eğitimi, teknoloji entegrasyonu politikaları ve öğretim stratejilerinin geliştirilmesine yönelik önemli veriler sağlamaktadır.
Abstract
This study aimed to develop a valid and reliable scale to measure teachers’ perceptions regarding the use of generative artificial intelligence (GAI) tools in education. Based on a descriptive survey model, the research included data collected from 381 teachers with different professional backgrounds and experience levels across Türkiye, selected through convenience sampling. The draft scale was developed through an extensive literature review and expert opinions, and then revised through pilot testing and item analyses. Exploratory Factor Analysis revealed that the scale has a five-factor structure, with factors named “Student-Oriented Benefits,” “Functionality and Accessibility in Education,” “Governance and Policies,” “Potential Risks and Inequalities,” and “Technology and Assessment Reliability.” Confirmatory Factor Analysis results indicated that the factor structure demonstrated acceptable model fit indices (χ²/df=2.85; RMSEA=0.070). The overall Cronbach’s alpha coefficient of the scale was found to be 0.859, while the reliability coefficients of the sub-dimensions ranged between 0.571 and 0.789. As a result, the Scale of Teachers’ Perceptions on the Use of Generative Artificial Intelligence Tools in Education (GAITPE) was determined to be a valid and reliable measurement instrument. The scale can be utilized to assess teachers’ perceptions of GAI technologies and to contribute scientifically to practices in the field of educational technologies. In this respect, the study provides important data to inform teacher education, technology integration policies, and the development of instructional strategies.
Keywords: Yapay zeka, üretken yapay zeka, eğitimde yapay zeka kullanımı, yapay zeka araçları, Artificial intelligence, generative artificial intelligence, use of artificial intelligence in education, artificial intelligence tools
APA 7th edition
Bahat, I., & Eroglu, O. (2025). Eğitimde Üretken Yapay Zeka Araçları Kullanımı Öğretmen Algı Ölçeği - Teachers’ Perception Scale on the Use of Generative Artificial Intelligence Tools in Education. International Journal of the Pursuit of Excellence in Leadership, 5(1), 56-66.
Harvard
Bahat, I. and Eroglu, O. (2025). Eğitimde Üretken Yapay Zeka Araçları Kullanımı Öğretmen Algı Ölçeği - Teachers’ Perception Scale on the Use of Generative Artificial Intelligence Tools in Education. International Journal of the Pursuit of Excellence in Leadership, 5(1), pp. 56-66.
Chicago 16th edition
Bahat, Isa and Ozlem Eroglu (2025). "Eğitimde Üretken Yapay Zeka Araçları Kullanımı Öğretmen Algı Ölçeği - Teachers’ Perception Scale on the Use of Generative Artificial Intelligence Tools in Education". International Journal of the Pursuit of Excellence in Leadership 5 (1):56-66.
Aaker, D. A., Kumar, V., & Day, G. S. (2007). Marketing research (9th ed.). John Wiley & Sons.
Al Rawashdeh, Z. A., Mohammed, Y. E., Al Arab, R. A., Alara, M., & Al-Rawashdeh, B. (2021). Advantages and disadvantages of using e-learning in university education: Analyzing students’ perspectives. The Electronic Journal of e-Learning, 19(2), 107–117. https://doi.org/10.34190/ejel.19.2.2164
Baker, T., & Smith, L. (2019). Educ-AI-tion rebooted? Exploring the future of artificial intelligence in schools and colleges. Nesta. https://media.nesta.org.uk/documents/Future_of_AI_and_education_v5_WEB.pdf
Baykul, Y. (2015). Eğitim ve psikolojide ölçme: Klasik test teori ve uygulaması. ÖSYM.
Birer, G. C. (2023). ChatGPT. TÜBİTAK Bilim ve Teknik Dergisi, 56(662), 36–37.
Bransford, J. D., Brown, A. L., & Cocking, R. R. (Eds.). (2000). How people learn: Brain, mind, experience, and school. National Academies Press.
Bryman, A., & Cramer, D. (2001). Quantitative data analysis with SPSS release 10 for Windows: A guide for social scientists. Routledge.
Byrne, B. M. (2012). Structural equation modeling with Mplus: Basic concepts, applications, and programming. Routledge Taylor and Francis Group.
Chassignol, M., Khoroshavin, A., Klimova, A., & 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
Chiu, T. K. F. (2021). A holistic approach to artificial intelligence curriculum for K–12 schools. TechTrends, 65(5), 796–807. https://doi.org/10.1007/s11528-021-00637-1
Civelek, Ö. (2003). Yapay zekâ – Ömer Civelek’le söyleşi. Türkiye Mühendislik Haberleri, 423, 40–50. Çokluk, Ö., Şekercioğlu, G., ve Ş. Büyüköztürk (2012) sosyal bilimler için çok değişkenli istatistik: SPSS ve Lısrel uygulamaları. PEGEM Akademi.
Gherhes, V., Stoian, C. E., Fârcașiu, M. A., & Stănici, M. (2021). E-learning students’ preferences and behaviors. Sustainability, 13(8), 4381. https://doi.org/10.3390/su13084381
Gordon, B. M. (2011). Artificial intelligence: Approaches, tools and applications. Nova Science Publishers.
Hagendorff, T. (2020). The ethics of AI ethics: An evaluation of guidelines. Minds and Machines, 30(1), 99–120. https://doi.org/10.1007/s11023-020-09517-8
Hew, K. F., & Brush, T. (2007). Integrating technology into K–12 teaching and learning: Current knowledge gaps and recommendations for future research. Educational Technology Research and Development, 55(3), 223–252. https://doi.org/10.1007/s11423-006-9022-5
Howard, S. K., & Mozejko, A. (2015). Considering the history of digital technologies in education. In M. Henderson & G. Romeo (Eds.), Teaching and digital technologies: Big issues and critical questions (pp. 157–168). Cambridge University Press.
Huang, K., Tlili, A., Chang, T. W., Nascimbeni, F., Burgos, D., & Yang, J. (2019). Artificial intelligence in education: A review of its limitations and potential. Computers & Education: Artificial Intelligence, 1, 100002. https://doi.org/10.1016/j.caeai.2020.100002 Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6, 1-55. http://dx.doi.org/10.1080/10705519909540118 Karasar, N. (2007). Bilimsel araştırma yöntemleri. Nobel Yayıncılık.
Karsenti, T. (2019). Artificial intelligence in education: The urgent need to prepare teachers for tomorrow’s schools. Formation et Profession, 27(1), 112–116. https://doi.org/10.18162/fp.2019.a166
Koşar, E. (2003). Öğretim teknolojileri ve materyal geliştirme. Pegem A Yayıncılık.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson Education.
Malhotra, N. K. (2004). Marketing research: An applied orientation (4th ed.). Prentice Hall.
Zikmund, W. G. (1997). Business research methods (5th ed.). The Dryden Press.
Namlu, A. G. (1998). Öğretmenlerin eğitimde teknoloji kullanımına yönelik tutumları. Anadolu Üniversitesi Eğitim Fakültesi Dergisi, 8(1–2), 71–83.
Namlu, A. G. (2002). Teknoloji korkusu ve bunu etkileyen etmenler: Öğretmen adayları üzerinde bir çalışma. Eğitim Araştırmaları Dergisi, 2(8), 119–126.
Özdamar, K. (2016). Ölçek ve test geliştirme yapısal eşitlik modellemesi. Nisan Kitabevi.
Papa, R., & Jackson, K. M. (2021). Artificial intelligence, human agency, and the educational leader. Springer.
Popenici, S. A. D., ve Kerr, S. (2017). Exploring the impact of artificial intelligence on teaching and learning in higher education. Research and Practice in Technology Enhanced Learning, 12(1), 1–13. https://doi.org/10.1186/s41039-017-0062-8
Roll, I., & Wylie, R. (2016). Evolution and revolution in artificial intelligence in education. International Journal of Artificial Intelligence in Education, 26(2), 582–599. https://doi.org/10.1007/s40593-016-0110-3
Russell, S. J., & Norvig, P. (2016). Artificial intelligence: A modern approach (3rd ed.). Pearson Education Limited.
Tabachnick, B. G., & Fidell, L. S. (2013). Using multivariate statistics (6th ed.). Allyn and Bacon.
Talan, T., & Kalınkara, Y. (2023). The role of artificial intelligence in higher education: ChatGPT assessment for anatomy course. Uluslararası Yönetim Bilişim Sistemleri ve Bilgisayar Bilimleri Dergisi, 7(1), 33–40. https://doi.org/10.33461/uybisbbd.1244777 Tezbaşaran, A. (2008). Likert tipi ölçek hazırlama kılavuzu. Türk Psikologlar Derneği.
Uşun, S. (2006). Öğretim teknolojileri ve materyal tasarımı. Nobel Yayın Dağıtım.
Uyumaz, G., ve Sırgancı, G. (2020). Doğrulayıcı faktör analizi için gerekli örneklem büyüklüğü kaç kişidir?: Bayes yaklaşımı ve maksimum olabilirlik kestirimi. OPUS International Journal of Society Researches, 16(32), 5302-5340. https://doi.org/10.26466/opus.826895
VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychologist, 46(4), 197–221. https://doi.org/10.1080/00461520.2011.611369
Yaşlıoğlu, M. M. (2017). Sosyal bilimlerde faktör analizi ve geçerlilik: Keşfedici ve doğrulayıcı faktör analizlerinin kullanılması. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 46(Özel Sayı), 74-85.
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), 1–27. https://doi.org/10.1186/s41239-019-0171-0
Zeide, E. (2019). Artificial intelligence in higher education: Applications, promise and perils, and ethical questions. EDUCAUSE Review, 54(3), 31–39. https://er.educause.edu/articles/2019/8/artificial-intelligence-in-higher-education-applications-promise-and-perils-and-ethical-questions
