Akademik Veri Yönetim Sistemi
18th International İstanbul Scientific Research Congress, İstanbul, Türkiye, 28 - 30 Aralık 2025, ss.1360-1369, (Tam Metin Bildiri)
Bu araştırmanın amacı, öğretmenlerin eğitimde yapay zekâ kullanımına yönelik algıları ile üretken yapay zekâ kabulleri arasındaki ilişkiyi belirlemek ve öğretmenlerin yapay zekâ kullanımına yönelik algı seviyelerine göre kabul durumlarının farklılaşıp farklılaşmadığını değerlendirmektir. Bu amaçla ilgili araştırma, ilişkisel tarama modeline göre planlanmıştır. Araştırma kapsamında yapay zekâya yönelik düşük düzeyde farkındalığa sahip olan ve derslerinde yapay zekâ kullanmayan 58 öğretmene yapay zekâya yönelik bir günlük eğitim verilmiştir. Eğitime katılan öğretmenlerden “Öğretmenlerin Eğitimde Yapay Zekâ Kullanımına Yönelik Algı Ölçeği” ve “Üretken Yapay Zekâ Kabul Ölçeği” ile veri toplanmıştır. Elde edilen veriler, SPSS programına aktarılmış ve normallik analizleri gerçekleştirilmiştir. İlk aşamada 3 katılımcının verisi normallik dağılımını bozduğu için veri setinden çıkarılmıştır. Analizler 55 veri üzerinden gerçekleştirilmiş ve verilerin normallik dağılımı sağlanmıştır. Ardından değişkenler arasındaki ilişkiyi belirlemek amacıyla Pearson Korelasyon analizi yapılmıştır. Ayrıca yapay zekâ kullanımına yönelik algı seviyelerine göre yapay zekâ kabul durumlarının farklılaşıp farklılaşmadığını tespit etmek için bağımsız örneklemler t testi gerçekleştirilmiştir. Bu analizler sonucunda öğretmenlerin eğitimde yapay zekâ kullanımına yönelik algıları ile üretken yapay zekâ kabulleri arasında pozitif yönde orta düzeyde anlamlı bir ilişki olduğu sonucuna ulaşılmıştır. Bunun yanı sıra yapılan eğitim sonrasında öğretmenlerin yarısından fazlasının eğitimde yapay zekâ kullanımına yönelik algıları ile üretken yapay zekâ kabullerinin yüksek düzeyde olduğu tespit edilmiştir. Ayrıca eğitimde yapay zekâ kullanmaya yönelik algısı yüksek düzeyde olan öğretmenlerin üretken yapay zekâyı kabul etme durumlarının daha yüksek olduğu sonucuna varılmıştır.
The purpose of this study is to determine the relationship between teachers' perceptions of the use of artificial intelligence in education and their acceptance of generative artificial intelligence, and to assess whether their acceptance varies according to their level of perception regarding the use of artificial intelligence. The research related to this purpose has been planned according to the correlational survey model. As part of the research, 58 teachers with low awareness of artificial intelligence and who did not use artificial intelligence in their lessons were given a one-day training on artificial intelligence. Data was collected from teachers participating in the training using the “Teachers’ Perception Scale Regarding Artificial Intelligence Use in Education” and the “Generative Artificial Intelligence Acceptance Scale.” The data obtained were transferred to the SPSS program and normality analyses were performed. In the first stage, data from 3 participants were excluded from the dataset because they disrupted the normality distribution. The analyses were performed on 55 data, and the normality of the data distribution was ensured. Subsequently, Pearson Correlation analysis was performed to determine the relationship between the variables. In addition, an independent samples t-test was conducted to determine whether artificial intelligence acceptance rates differed based on perception levels regarding the use of artificial intelligence. As a result of these analyses, it was concluded that there is a moderately significant positive relationship between teachers' perceptions of the use of artificial intelligence in education and their acceptance of generative artificial intelligence. Furthermore, following the training, it was found that more than half of the teachers had a high perception levels regarding the use of artificial intelligence in education and their acceptance of generative artificial intelligence. It was also concluded that teachers with a high perception of using artificial intelligence in education were more likely to accept generative artificial intelligence.