SavedAdd your journal

Journals / Temel Eğitim / 2026 / Cilt: 8 Sayı: 31

Development of a Scale to Determine Special Education Teachers’ Needs for Using Technology-Based Artificial Intelligence Tools

Özel Eğitim Öğretmenlerinin Teknoloji Tabanlı Yapay Zeka (YZ) Araçlarını Kullanma İhtiyaçlarını Belirlemeye Yönelik Ölçek Geliştirme Çalışması

Gurbet Küpçük Tanrıverdi(GAZİ ÜNİVERSİTESİ, EĞİTİM BİLİMLERİ ENSTİTÜSÜ, EĞİTİM PROGRAMLARI VE ÖĞRETİM (YL) (TEZLİ))0009-0002-4570-1188
Sevil Filiz(GAZİ ÜNİVERSİTESİ, GAZİ EĞİTİM FAKÜLTESİ, EĞİTİM BİLİMLERİ BÖLÜMÜ, EĞİTİM PROGRAMLARI VE ÖĞRETİM PR.)0000-0002-4955-4405
Pages
—
Publication Date
2026-08-04
🏛️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)

The reliability of the scale was high (overall α = .918; subscales α = .898–.920).

📌 3 Key Takeaways

🎯
Objective & Hypothesis:The purpose of this study is to develop a scale to determine the needs of teachers in special education regarding the use of technology-based artificial intelligence (AI) educational tools and to examine its psychometric properties.
📊
Key Findings & Data:The study group consisted of 873 teachers working in public and private institutions affiliated with the Ministry of National Education throughout Türkiye.
💡
Conclusion & Impact:The reliability of the scale was high (overall α = .918; subscales α = .898–.920).
🔬Design:Lab & Field Experiment
📍Scope:Comprehensive Sample
⚙️Variables:Yapay zekâ · özel eğitim · öğretmen ihtiyaçları

Abstract

The purpose of this study is to develop a scale to determine the needs of teachers in special education regarding the use of technology-based artificial intelligence (AI) educational tools and to examine its psychometric properties. The study was conducted using a quantitative survey model. The study was conducted using a quantitative survey model. The study group consisted of 873 teachers working in public and private institutions affiliated with the Ministry of National Education throughout Türkiye. During the scale development process, a conceptual framework was established through a literature review, and a pool of 127 items was prepared. Following the assessments of nine experts regarding content validity, the number of items was reduced to 85; after a pilot application with 52 teachers, the scale was reduced to 65 items. Data were collected via Google Forms, and the dataset was randomly divided into two groups in order to conduct Exploratory Factor Analysis (EFA) and Confirmatory Factor Analysis (CFA) on independent samples (EFA n = 436; CFA n = 437). In the EFA, principal component analysis and Oblimin rotation were used; as a result of stepwise item elimination, the scale reached a three-factor structure consisting of 14 items (Knowledge, Competency, and Use) and explained 76.807% of the total variance. In the three-factor structure, the Kaiser–Meyer–Olkin (KMO) value was found to be .846, and Bartlett’s test of sphericity was significant (p < .001). The reliability of the scale was high (overall α = .918; subscales α = .898–.920). In the discriminant validity analysis, a significant difference was found between the lower 27% and upper 27% groups in terms of total scores (p < .001), and the effect size was found to be very large (Cohen’s d ≈ 5). In the CFA phase, two items were removed based on theoretical justifications, and the final 12-item model was tested; although factor loadings were high, the fit indices remained below ideal levels. As a result, the scale provides a measurement tool with high internal consistency that can be used to determine the needs of special education teachers regarding the use of AI tools.

Özet

Bu araştırmanın amacı, özel eğitimde öğretmenlerin teknoloji tabanlı yapay zekâ (YZ) eğitim araçlarını kullanmaya ilişkin ihtiyaçlarını belirlemeye yönelik bir ölçek geliştirmek ve psikometrik özelliklerini incelemektir. Araştırma nicel yaklaşıma dayalı tarama modelinde yürütülmüştür. Çalışma grubunu Türkiye genelinde Millî Eğitim Bakanlığı’na bağlı resmî ve özel kurumlarda görev yapan 873 öğretmen oluşturmuştur. Ölçek geliştirme sürecinde literatür taramasıyla kavramsal çerçeve oluşturulmuş; 127 maddelik madde havuzu hazırlanmıştır. Dokuz uzmanın kapsam geçerliliğine ilişkin değerlendirmeleri sonucunda madde sayısı 85’e indirilmiş; 52 öğretmenle gerçekleştirilen pilot uygulama sonrası ölçek 65 maddeye düşürülmüştür. Veriler Google Forms aracılığıyla toplanmış ve AFA ile DFA’nın bağımsız örneklemler üzerinde yürütülmesi amacıyla veri seti rastgele iki gruba ayrılmıştır (AFA n=436; DFA n=437). AFA’da temel bileşenler analizi ve Oblimin döndürme kullanılmış; aşamalı madde eleme sonucunda ölçek üç faktörlü (Bilgi, Yeterlilik, Kullanım) 14 maddelik bir yapıya ulaşmış ve toplam varyansın %76.807’sini açıklamıştır. Üç faktörlü yapıda KMO=.846 bulunmuş, Bartlett küresellik testi anlamlıdır (p<.001). Ölçeğin güvenirliği yüksek düzeydedir (genel α=.918; alt boyutlar α=.898–.920). Ayırt edicilik analizinde alt %27 ve üst %27 gruplar arasında toplam puanlar açısından anlamlı fark saptanmış (p<.001) ve etki büyüklüğü çok yüksek bulunmuştur (Cohen’s d≈5). DFA aşamasında kuramsal gerekçelerle iki madde çıkarılarak 12 maddelik nihai model test edilmiş; faktör yükleri yüksek olmakla birlikte uyum indeksleri ideal sınırların altında kalmıştır. Sonuç olarak ölçek, özel eğitim öğretmenlerinin YZ araçlarına yönelik ihtiyaçlarını belirlemede kullanılabilecek, yüksek iç tutarlılığa sahip bir ölçme aracı sunmaktadır.

🔖

Cite This Article

Tanrıverdi, G. K., Filiz, S. (2026). Development of a Scale to Determine Special Education Teachers’ Needs for Using Technology-Based Artificial Intelligence Tools. Temel Eğitim, Cilt: 8 Sayı: 31. https://doi.org/10.52105/temelegitim.1909425

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (51)

  1. Adıgüzel, O. C. (2019). Eğitim programlarının geliştirilmesinde ihtiyaç analizi. Ankara: Anı Yayıncılık.
  2. Akçamete, A. G. (2015). Genel eğitim okullarında özel gereksinimi olan öğrenciler ve özel eğitim (2. Baskı). Ankara: Pegem Yayıncılık.
  3. Akgün, S., & Greenhow, C. (2022). Artificial intelligence in education: Addressing ethical challenges in K–12 settings. AI and Ethics, 2(3), 431–440. https://doi.org/10.1007/s43681-021-00096-7
  4. Aksu, G. Reyhanlıoğlu, Ç., & Eser, T. E. (2022). Jamovi ile analiz. Ankara: Pegem Akademi.
  5. Aktaş, F., & Üstün, A. (2024). Öğretmenlerin üretken yapay zekâ araçlarının eğitimde kullanımına ilişkin görüşleri. Eğitim Teknolojisi Kuram ve Uygulama, 14(1), 265-276. https://dergipark.org.tr/tr/pub/etku/article/623650
  6. Ayanwale, M. A., Sanusi, I. T., Adelana, O. P., Aruleba, K. D., & Oyelere, S. S. (2022). Teachers’ readiness and intention to teach artificial intelligence in schools. Computers and Education: Artificial Intelligence, 3, 100099. https://doi.org/10.1016/j.caeai.2022.100099
  7. 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
  8. Brown, T. A. (2015). Confirmatory factor analysis for applied research (2nd ed.). Guilford Publications.
  9. Bollen, K. A. (1989). Structural equations with latent variables. John Wiley & Sons. https://doi.org/10.1002/9781118619179
  10. Bulut, M. A., Davarcı, M., Bozdoğan, N. K., & Sarpkaya, Y. (2024). Yapay zekanın eğitim üzerindeki etkileri. Ulusal Eğitim Dergisi, 4(3), 976-986.
  11. Büyüköztürk, Ş. (2012). Faktör analizi: Temel kavramlar ve ölçek geliştirmede kullanımı. Kuram ve Uygulamada Eğitim Yönetimi, 32(32), 470-483.
  12. Büyüköztürk, Ş., Kılıç Çakmak, E., Akgün, Ö. E., Karadeniz, Ş. & Demirel, F. (2022). Eğitimde bilimsel araştırma yöntemleri. Ankara: Pegem Akademi.
  13. Büyüköztürk, Ş. (2024). Sosyal bilimler için veri analizi el kitabı. Ankara: Pegem Akademi.
  14. Can, A. (2025). SPSS ile bilimsel araştırma sürecinde nicel veri analizi. Ankara: Pegem Akademi.
  15. Chan, C. K. Y. (2024). A comprehensive AI policy education framework for university teaching and learning. International Journal of Educational Technology in Higher Education, 21(1), 1–23.
  16. Chiu, T. K. F. (2024). The impact of generative AI (GenAI) on education: Opportunities, challenges, and future research directions. Computers and Education: Artificial Intelligence, 6, Makale 100197. https://doi.org/10.1016/j.caeai.2023.100197
  17. Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555
  18. Çokluk, Ö. S., Şekercioğlu, G. & Büyüköztürk, S. (2025). Sosyal bilimler için çok değişkenli istatistik: SPSS ve LİSREL uygulamaları. Ankara: Pegem Akademi Yayıncılık.
  19. Diken, İ. H. (2021). Özel eğitime gereksinimi olan öğrenciler ve özel eğitim. Ankara: Pagem Akademi.
  20. Drigas, A. S., & Ioannidou, R. E. (2012). Artificial intelligence in special education: A decade review. International Journal of Engineering Education, 28(6), 1366–1373.
  21. Durmuş, B., Yurtkoru, S., & Çinko, M. (2022). Sosyal bilimlerde SPSS’le veri analizi. İstanbul: The Kitap Yayınları.
  22. Field, A. (2005). Discovering statistics using SPSS (2nd ed.). Sage Publications.
  23. Güçlü, İ. (2020). Sosyal bilimlerde nicel veri analizi. Örneklerle SPSS uygulaması ve yorumlaması. Ankara: Gazi Kitapevi.
  24. Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
  25. Harkins-Brown, A. R., Carling, L. Z., & Peloff, D. C. (2025). Artificial intelligence in special education. Encyclopedia, 5(1), 166–181. https://doi.org/10.3390/encyclopedia5010011
  26. Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign. https://curriculumredesign.org/our-work/artificial-intelligence-in-education/
  27. Holmes, W., Persson, J., Chounta, I. A., Wasson, B., & Dimitrova, V. (2022). Artificial intelligence and education: A critical view through the learning sciences. International Journal of Artificial Intelligence in Education, 32(2), 1–28. https://doi.org/10.1007/s40593-021-00287-9
  28. How, M.-L., & Hung, W. L. D. (2019). Educing AI-thinking in science, technology, engineering, arts, and mathematics (STEAM) education. Education Sciences, 9(3), 184. https://doi.org/10.3390/educsci9030184
  29. Karasar, N. (2022). Bilimsel araştırma yöntemi. Ankara: Nobel Yayın Evi.
  30. Karagöz, Y. (2023). SPSS AMOS meta uygulamalı nitel nicel karma bilimsel araştırma yöntemleri ve yayın etiği. Ankara: Nobel Akademi Yayıncılık.
  31. Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F.,. Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
  32. Kline, R. B. (2023). Principles and practice of structural equation modeling (5th ed.). Guilford Press.
  33. Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems (pp. 1–16). ACM. https://doi.org/10.1145/3313831.3376727
  34. Luckin, R. (2018). Machine learning and human intelligence: The future of education for the 21st century. UCL Institute of Education Press.
  35. Meydan, C. H., & Şeşen, H. (2015). Yapısal eşitlik modellemesi: AMOS uygulamaları. Detay Yayıncılık.
  36. Mıhcı, C., & Gezgin, D. M. (2023). Özel eğitimde yapay zekâ kullanımı üzerine bir inceleme. 4th International Istanbul Current Scientific Research Congress, 1(2), 223–230. https://www.researchgate.net/publication/370602936_A_Review_on_The_Use_of_Artificial_Intelligence_in_Special_Education
  37. Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017–1054. http://dx.doi.org/10.1111/j.1467-9620.2006.00684.x
  38. Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). AI literacy: Definition, teaching, evaluation and ethical issues. Computers and Education: Artificial Intelligence, 2, 100041. https://doi.org/10.1016/j.caeai.2021.100041
  39. Özdamar, K. (2017). Eğitim, sağlık ve davranış bilimlerinde ölçek ve test geliştirme yapısal eşitlik modellemesi. Nisan Kitabevi.
  40. Papakostas, G. A., Sidiropoulos, G. K., Papadopoulou, C. I., Vrochidou, E., Kaburlasos, V. G., Papadopoulou, M. T.,. & Dalivigkas, N. (2021). Social robots in special education: A systematic review. Electronics, 10(12), 1398. https://doi.org/10.3390/electronics10121398
  41. Russell, S. J., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson. https://aima.cs.berkeley.edu/
  42. Sağdıç, Z. A., & Sani-Bozkurt, S. (2020). Otizm spektrum bozukluğu ve yapay zekâ uygulamaları. Açıköğretim Uygulamaları ve Araştırma Dergisi, 6(3), 92–111.
  43. Sönmez Çakır, F. (2019). Sosyal bilimler için parametrik veri analizi. Ankara: Gazi Kitabevi.
  44. Tabachnick, B. G., & Fidell, L. S. (2013). Using multivariate statistics (6th ed.). Pearson.
  45. Tlili, A., Shehata, B., Adarkwah, M. A., Bozkurt, A., Hickey, D. T., Huang, R., & Agyemang, B. (2023). What if the devil is my guardian angel? ChatGPT as a case study of using chatbots in education. Smart Learning Environments, 10(1), 15. https://doi.org/10.1186/s40561-023-00237-x
  46. UNESCO. (2023). Guidance for generative AI in education and research. UNESCO. https://unesdoc.unesco.org Vural, S. (2024). Sosyal bilimlerde araştırma yöntemleri: Nicel, nitel ve karma yaklaşımlar. Ankara: Nobel Akademik Yayıncılık.
  47. Yılmazsoy, B. (2020). Yapay zekâ teknolojilerinin eğitimde kullanılmasının önemi (editöre mektup). Açıköğretim Uygulamaları ve Araştırma Dergisi, 6(2), 3–6.
  48. Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 16(39), 1–27. https://doi.org/10.1186/s41239-019-0171-0
  49. Zdravkova, K. (2022). The potential of artificial intelligence for assistive technology in education. In Handbook on intelligent techniques in the educational process: Vol. 1. Recent advances and case studies (pp. 61–85). Springer International Publishing.
  50. Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F.,. Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
  51. Papakostas, G. A., Sidiropoulos, G. K., Papadopoulou, C. I., Vrochidou, E., Kaburlasos, V. G., Papadopoulou, M. T.,. & Dalivigkas, N. (2021). Social robots in special education: A systematic review. Electronics, 10(12), 1398. https://doi.org/10.3390/electronics10121398