SavedAdd your journal

Journals / Öneri Dergisi / 2026 / Cilt: 21 Sayı: 65

Public Employees Artificial Intelligence Readiness Scale: Scale Development Study

KAMU ÇALIŞANLARI YAPAY ZEKA HAZIRBULUNUŞLUK ÖLÇEĞİ: ÖLÇEK GELİŞTİRME ÇALIŞMASI

Serkan Bilgiç(Çalışma ve Sosyal Güvenlik Bakanlığı)0000-0001-9516-4072
Pages
147–169
Publication Date
2026-01-29
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

In conclusion, it was decided that the scale was valid and reliable and the scale was named as Public Employees Artificial Intelligence Readiness Scale.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:The aim of this studyis to develop a valid and reliable measurement tool to determine the level of artificial intelligence (AI) readiness with the perceptions of public employees.
📊
Key Findings & Data:EFA was conducted with 290 participant data and CFA was conducted with 239 participant data.
💡
Conclusion & Impact:In conclusion, it was decided that the scale was valid and reliable and the scale was named as Public Employees Artificial Intelligence Readiness Scale.
🔬Design:Araştırma Makalesi
📍Scope:Comprehensive Sample
⚙️Variables:Hazırbulunuşluk · kamu çalışanları · yapay zeka

Abstract

The aim of this studyis to develop a valid and reliable measurement tool to determine the level of artificial intelligence (AI) readiness with the perceptions of public employees. The measurement tool was developed in a way that it can be applied in public institutions and organisations. The sample of the research consists of public employees working in the Istanbul Labour and Employment Agency working in the service centres of the Anatolian and European Side districts of Istanbul province. In the scale development process, Exploratory Factor Analysis (EFA) was conducted for the factor structure and then Confirmatory Factor Analysis (CFA) was conducted to confirm this factor structure. EFA was conducted with 290 participant data and CFA was conducted with 239 participant data. As a result of the analyses, a 17-item scale consisting of self-efficacy (12 items) and optimism (5 items) dimensions was obtained. The reliability coefficient of the obtained scale was determined as .93 for the self-efficacy factor and .91 for the optimism factor. In order to determine the discrimination of the items, according to the t-test results for the 27% lower-upper groups, it was determined that the items had appropriate discrimination for the aim. In conclusion, it was decided that the scale was valid and reliable and the scale was named as Public Employees Artificial Intelligence Readiness Scale.

Özet

Kamu çalışanları ve kamu yöneticileri, hükümetlerin devletin örgüt yapısına yerleştirmek istediği uygulamalara adapte olurken bazı zorluklarla karşı karşıya kalabilir. Bu zorlukların kolayca atlatılabilmesi için kamu çalışan ve yöneticilerinin bilişsel hazırbulunuşluklarının tespit edilmesi büyük önem arz etmektedir. Bu araştırmanın amacı, kamu çalışanlarının algıları ile yapay zeka hazırbulunuşluk düzeyini belirleyecek geçerliliği ve güvenilirliği test edilmiş ölçme aracı geliştirmektir. Ölçme aracı kamu kurum ve kuruluş türlerinde uygulanabilecek şekilde geliştirilmiştir. Araştırmanın örneklemini İstanbul ili Anadolu ve Avrupa Yakası ilçeleri hizmet merkezlerinde çalışan İstanbul Çalışma ve İş kurumunda görev yapmakta olan kamu çalışanları oluşturmaktadır. Ölçek geliştirme sürecinde faktör yapısı için Açımlayıcı Faktör Analizi (AFA) daha sonra bu faktör yapısını doğrulamak için Doğrulayıcı Faktör Analizi (DFA) gerçekleştirilmiştir. AFA işlemi 290 katılımcı verisi ile, DFA işlemi ise 239 katılımcı verisi ile gerçekleştirilmiştir. Yapılan analizler sonucunda öz yeterlilik (12 madde) ve iyimserlik (5 madde) boyutlarından oluşan 17 madden oluşan ölçek elde edilmiştir. Elde edilen ölçeğin güvenirlik katsayısı, öz yeterlilik faktörü için .93, iyimserlik faktörü için .91 olarak tespit edilmiştir. Maddelerin ayırt ediciliğini tespit etmek amacıyla %27’lik alt-üst gruplar için yapılan t test sonuçlarına göre, maddelerin amaca uygun ayırt ediciliğinin olduğu tespitinde bulunulmuştur. Sonuç olarak ölçeğin geçerli ve güvenilir olduğuna karar verilmiştir.

🔖

Cite This Article

Bilgiç, S. (2026). Public Employees Artificial Intelligence Readiness Scale: Scale Development Study. Öneri Dergisi, Cilt: 21 Sayı: 65, 147–169. https://doi.org/10.14783/maruoneri.1773143

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (49)

  1. Akaydın, Ş. (2015). Lise Öğrencilerine Yönelik Yazma Tutum Ölçeği: Geçerlik ve Güvenirlik Çalışması. Mustafa Kemal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 12(32), 246-261 https://dergipark.org.tr/tr/download/study-file/183372
  2. Akkaya, B., Özkan, A., ve Özkan, H. (2021). Yapay zeka hazırbulunuşluk ölçeği: Türkçeye uyarlama, geçerlik ve güvenirlik çalışması. Alanya Akademik Bakış, 5(2), 1125-1146. https://doi.org/10.29023/alanyaakademik.833668
  3. Anderson, J. C., ve Gerbing, D. W. (1984). The effect of sampling error on convergence, improper solutions, and goodness-of-fit indices for maximum likelihood confirmatory factor analysis. Psychometrika, 49(2), 155-173. https://doi.org/10.1007/BF02294170
  4. Avcı, S (2017). Eğitimde Öğretmenler için Yeni Bir Kalıpyargılar Ölçeği’nin Geçerlik ve Güvenirlik Çalışması. Yükseköğretim ve Bilim Dergisi, 7(3), 617-626. https://dergipark.org.tr/tr/pub/higheredusci/issue/61494/918300
  5. Balcı, A. (2011). Sosyal bilimlerde araştırma yöntem, teknik ve ilkeler (9. baskı). Ankara: Pegem A.
  6. Başaran, İ. E. (1998). Eğitim psikolojisi. Ankara: Aydan Web Tesisleri.
  7. Boutetiere, H., Reich, A. (2018). Unlocking success in digital transformations. McKinsey & Company, New York, NY. https://www.mckinsey.com/~/media/McKinsey/Business%20Functions/Organization/Our%20Insights/Unlocking%20success%20in%20digital%20transformations/Unlocking-success-in-digital-transformations.pdf
  8. Byrne, B. M. (2012). Structural equation modeling with Mplus: Basic concepts, applications, and programming. New York. Routledge Taylor ve Francis Group.
  9. Boomsma, A. (1985). Nonconvergence, improper solutions, and starting values in LISREL maximum likelihood estimation.Psychometrika, 50(2), 229-242. https://doi.org/10.1007/BF02294248
  10. Bohannon J. (2015). Fears of an AI pioneer. Science, 349(6245), 252–252. https://www.science.org/doi/10.1126/science.349.6245.252
  11. Bostrom, N. (2014). Superintelligence: Paths, dangers, strategies. OUP Oxford.
  12. Bryman, A. ve Cramer, D. (2001). Quantitative analysis with SPSS release 10 for windows: a guide for social scientists. London: Routledge.
  13. Buchanan, B. G. (2005). A (very) brief history of artificial intelligence. AI Magazine, 26(4), 53–60. http://www.aaai.org/ojs/index.php/aimagazine/article/view/1848/1746
  14. Carpenter, S. (2018). Ten steps in scale development and reporting: A guide for researchers. Communication Methods and Measures, 12(1), 25-44. https://doi.org/10.1080/19312458.2017.1396583
  15. Cardon, P. W., North, F., Stephens, K. K., ve diğerleri. (2023). ChatGPT at work: A new era for work and communications. Business and Professional Communication Quarterly, 86(2), 250–264. https://doi.org/10.1177/23294906231159309
  16. Costello, A. B. ve Osborne, J. W. (2005). Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis. Practical Assessment, Research and Evaluation, 10(7), 1-9. https://doi.org/10.7275/jyj1-4868
  17. Crocker, L. ve Algina, J. (1986). Introduction to classical and modern test theory. New York: Holt, Rinehart and Winston.
  18. Davenport, T. H. & Harris, J. (2017). Competing on analytics: The new science of winning. Harvard Business Review Press.
  19. Demir, N., ve Büyükalan Filiz, S. (2018). Kamu Çalışanlarının Bilgi ve İletişim Teknolojilerini Kullanım Yetkinliklerinin Belirlenmesi. Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi, 47, 166-186. https://doi.org/10.21764/maeuefd.369432
  20. Büyüköztürk, Ş. (2012). Sosyal Bilimler İçin Veri Analizi El Kitabı. Ankara: Pegem Academy Publication.
  21. Büyüköztürk, Ş., Çakmak, E. K., Akgün, Ö. E., Karadeniz, Ş. ve Demirel, F. (2018). Bilimsel araştırma yöntemleri (25. Baskı). Ankara: Pegem Akademi.
  22. Güngör, D. (2016). Psikolojide ölçme araçlarının geliştirilmesi ve uyarlanması kılavuzu. Türk Psikoloji Yazıları, 19(38), 104-112. https://www.researchgate.net/publication/313651151_Psikolojide_Olcme_Araclarinin_Gelistirilmesi_ve_Uyarlanmasi_Kilavuzu
  23. Gürcüoğlu, G. A. ve Köseoğlu, G. (2024). Kamu çalışanlarının yapay zeka algılarını belirlemeye yönelik ölçek geliştirme çalışması. Social Sciences Studies Journal, 10(95), 2928-2940. http://dx.doi.org/10.29228/SSSJ.75986
  24. Hussin, H., Yusuf, A. Z. H. M., ve diğerleri. (2012). Development of AIS readiness model for Malaysian SMEs. International Journal of Scientific & Engineering Research, 3(8), 1-5.
  25. Ifinedo, P. (2005). Measuring Africa’s e-readiness in the global networked economy: A nine-country data analysis. International Journal of Education and Development using ICT, 1(1), 53–71. https://www.learntechlib.org/p/42288/
  26. Issa, H., Sun, T. Q., ve diğerleri. (2022). Readiness of artificial intelligence in the public sector. Government Information Quarterly, 39(3), 101671. https://doi.org/10.1016/j.giq.2022.101671
  27. Jackson, D. L. (2001). Sample size and number of parameter estimates in maximum likelihood confirmatory factor analysis: A Monte Carlo investigation. Structural Equation Modeling, 8(2), 205-223.
  28. Johnson, R. L. ve Morgan, G. B. (2016). Survey scales: Analyzing and improving reliability. The Guilford Press.
  29. Kalelioğlu, F. ve Baturay, M. H. (2014). Türkiye’de FATİH projesi kapsamında bilişim teknolojileri öğretmenlerinin yaşadığı sorunlar. Kuram ve Uygulamada Eğitim Bilimleri, 14(3), 1015-1044.
  30. Karaca, O., Çalışkan, F. ve Demir, A. (2021). Tıp öğrencileri için yapay zekâ hazırbulunuşluk ölçeği: Ölçek geliştirme çalışması. Journal of Medical Education, 20(2), 1-12. https://doi.org/10.34071/jmp.2021.20.2.1
  31. Karataş, A. (2022). Yapay zekânın telif hukuku açısından değerlendirilmesi. Ankara Barosu Dergisi, 80(1), 1-28.
  32. Kishore K, Jaswal V, Kulkarni V ve De D. (2021) Practical guidelines to develop and evaluate a questionnaire. Indian Dermatol Online J;12(2):266-275. https://dergipark.org.tr/en/download/study-file/3230438#:~:text=Dil%20ve%20kapsam%20ge%C3%A7erli%C4%9Fisa%C4%9Flanan,uygulan%C4%B1r%20(Pilot%20uygulama%20yap%C4%B1l%C4%B1r).
  33. Kulkarni, R. V., Joseph, S. ve Patil, V. (2024). AI readiness: A systematic literature review. Journal of Enterprise Information Management, 1-25. https://doi.org/10.1108/JEIM-02-2023-0102
  34. Lawshe, C. H. (1975). A quantitative approach to content validity. Personnel Psychology, 28(4), 563-575. https://doi.org/10.1111/j.1744-6570.1975.tb01393.x
  35. Lillehaug, S. I. ve Lajoie, S. P. (1998). AI in education: An overview. Journal of Artificial Intelligence in Education, 9(1), 1-4.
  36. Lin, J. S. C. ve Hsieh, P. L. (2007). The influence of technology readiness on satisfaction and behavioral intentions toward self-service technologies. Computers in Human Behavior, 23(3), 1597-1615. https://doi.org/10.1016/j.chb.2005.07.006
  37. Müller, V. C. ve Bostrom, N. (2016). Future progress in artificial intelligence: A survey of expert opinion. AI Matters, 1(4), 9-11. https://doi.org/10.1145/2890581.2890597
  38. Narwane, V. S., Bhandare, P., ve Mavchi, A. (2019). Artificial intelligence readiness: A systematic literature review. International Journal of Research in Engineering and Technology, 8(9), 322-329.
  39. Nevitt, J. ve Hancock, G. R. (2004). Evaluating small sample approaches for model test statistics in structural equation modeling. Multivariate Behavioral Research, 39(3), 439-478.
  40. Nzobonimpa, E. ve Savard, S. (2023). Accountability in AI-enabled public service delivery: A systematic literature review. Public Management Review, 25(2), 393-415. https://doi.org/10.1080/14719037.2021.2010080
  41. Russell, S. ve Norvig, P. (2020). Artificial intelligence: A modern approach (4th ed.). Pearson.
  42. Sousa, W. G., Melo, E. R. P., ve diğerleri. (2019). How and where is artificial intelligence in the public sector going? A literature review and research agenda. Government Information Quarterly, 36(2), 1-12. https://doi.org/10.1016/j.giq.2019.101392
  43. Ülgen, G. (1997). Eğitim psikolojisi. Ankara: Alkım Yayınevi.
  44. Wang, W., ve Siau, K. (2019). Artificial intelligence, machine learning, automation, robotics, future of work and future of humanity: A review and research agenda. Journal of Database Management, 30(1), 61-79. https://www.researchgate.net/publication/333423274_Artificial_Intelligence_Machine_Learning_Automation_Robotics_Future_of_Work_and_Future_of_Humanity_A_Review_and_Research_Agenda
  45. Yanık, M. ve Çamlıyer, H. (2013). Ortaöğretimde beden eğitimi öğretmenlik mesleğine yönelik tutum ölçeği geliştirilmesi. International Journal of Human Sciences, 10 (2), 691-705. https://www.j-humansciences.com/ojs/index.php/IJHS/study/download/2644/1211/0
  46. Yıldırım, A. ve Şimşek, H. (2008). Sosyal Bilimlerde Nitel Araştırma Yöntemleri. Ankara: Seçkin Pub.
  47. Yildiz Durak, H. (2018). Flipped learning readiness in teaching programming in middle schools: Modelling its relation to various variables. Journal of Computer Assisted Learning, 34(6), 939-959. https://www.researchgate.net/publication/327594603_Flipped_learning_readiness_in_teaching_programming_in_middle_schools_Modelling_its_relation_to_various_variables
  48. Yildiz Durak, H., ve Onan, A. (2024). Predicting the use of chatbot systems in education: a comparative approach using PLS-SEM and machine learning algorithms. Current Psychology, 1-19. https://toad.halileksi.net/wp-content/uploads/2024/07/ogretmen-adaylarina-yonelik-yapay-zeka-hazirbulunusluk-olcegi-36544-toad.pdf
  49. Yurdabakan, İ., ve Çüm, S. (2017). Scale development in behavioral sciences (Based on exploratory factor analysis). Turkish Journal of Family Medicine and Primary Care, 11(2), 108-126. https://doi.org/10.21763/tjfmpc.317880