SavedAdd your journal

Journals / Yönetim Bilimleri Dergisi / 2026 / Cilt: 24 Sayı: 62

THE MEDIATING ROLE OF BURNOUT IN THE EFFECT OF ARTIFICIAL INTELLIGENCE ANXIETY ON TURNOVER INTENTION

YAPAY ZEKÂ KAYGISININ İŞTEN AYRILMA NİYETİ ÜZERİNDEKİ ETKİSİNDE TÜKENMİŞLİĞİN ARACI ROLÜ

Fatih Ferhat Çetinkaya(KIRŞEHİR AHİ EVRAN ÜNİVERSİTESİ, İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ, İŞLETME BÖLÜMÜ)0000-0003-2263-0479
Pages
1920–1946
Publication Date
2026-10-28
🏛️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 results suggest that burnout is an important mediating process in the development of employees’ turnover intention and that AI-related anxieties create an indirect effect in this process.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:The aim of this study is to examine the effect of artificial intelligence anxiety on turnover intention and to reveal the mediating role of burnout in this relationship.
📊
Key Findings & Data:The research was conducted on SME employees operating in the province of Kırşehir, and data were collected from a total of 396 participants through a survey method.
💡
Conclusion & Impact:The results suggest that burnout is an important mediating process in the development of employees’ turnover intention and that AI-related anxieties create an indirect effect in this process.
🔬Design:Survey & Empirical Study
📍Scope:Comprehensive Sample
⚙️Variables:Yapay Zekâ Kaygısı · İşten Ayrılma Niyeti · Tükenmişlik

Abstract

The aim of this study is to examine the effect of artificial intelligence anxiety on turnover intention and to reveal the mediating role of burnout in this relationship. The research model is grounded in Conservation of Resources theory and the Job Demands–Resources model. The research was conducted on SME employees operating in the province of Kırşehir, and data were collected from a total of 396 participants through a survey method. In the study, scales measuring artificial intelligence anxiety, burnout, and turnover intention were used. The obtained data were analyzed using the Partial Least Squares Structural Equation Modeling (PLS-SEM) method, and the analyses were carried out through the SmartPLS program. The Bootstrap method was employed to test the mediation effect. The results of the analyses indicated that artificial intelligence anxiety had a significant and positive effect on burnout, while burnout had a significant and positive effect on turnover intention. However, the direct effect of artificial intelligence anxiety on turnover intention was found to be statistically insignificant. The mediation analysis suggests that the effect of artificial intelligence anxiety on turnover intention is transmitted largely through burnout and that burnout may play a full mediating role in this relationship. The results suggest that burnout is an important mediating process in the development of employees’ turnover intention and that AI-related anxieties create an indirect effect in this process. In this regard, developing organizational practices aimed at reducing employees’ burnout levels may help to reduce turnover intention.

Özet

Bu araştırmanın amacı, yapay zekâ kaygısının işten ayrılma niyeti üzerindeki etkisini incelemek ve bu etkide tükenmişliğin aracı rolünü ortaya koymaktır. Araştırma modeli, Kaynakların Korunması Teorisi ve İş Talepleri-Kaynakları Modeli çerçevesinde temellendirilmiştir. Araştırma, Kırşehir ilinde faaliyet gösteren KOBİ çalışanları üzerinde gerçekleştirilmiş olup, toplam 396 katılımcıdan anket yöntemiyle veri toplanmıştır. Çalışmada yapay zekâ kaygısı, tükenmişlik ve işten ayrılma niyeti değişkenlerini ölçmeye yönelik ölçekler kullanılmıştır. Elde edilen veriler, kısmi en küçük kareler yapısal eşitlik modeli (PLS-SEM) yöntemiyle analiz edilmiş ve analizler SmartPLS programı aracılığıyla gerçekleştirilmiştir. Aracılık etkisinin test edilmesinde Bootstrap yöntemi kullanılmıştır. Analiz sonuçları, yapay zekâ kaygısının tükenmişlik üzerinde anlamlı ve pozitif bir etkiye sahip olduğunu, tükenmişliğin ise işten ayrılma niyeti üzerinde anlamlı ve pozitif etkisinin bulunduğunu göstermektedir. Buna karşın yapay zekâ kaygısının işten ayrılma niyeti üzerindeki doğrudan etkisinin istatistiksel olarak anlamlı olmadığı belirlenmiştir. Aracılık analizi bulguları, yapay zekâ kaygısının işten ayrılma niyeti üzerindeki etkisinin ağırlıklı olarak tükenmişlik üzerinden gerçekleştiğine ve tükenmişliğin bu ilişkide tam aracılık rolü üstlenebileceğine işaret etmektedir. Araştırma sonuçları, çalışanların işten ayrılma niyetinin oluşumunda tükenmişliğin önemli bir aracı süreç olduğunu ve yapay zekâ kaynaklı kaygıların bu süreçte dolaylı bir etki yarattığını düşündürmektedir. Bu doğrultuda örgütlerde çalışanların tükenmişlik düzeylerinin azaltılmasına yönelik uygulamaların geliştirilmesinin, işten ayrılma niyetinin azaltılmasına katkı sağlayabileceği düşünülmektedir.

🔖

Cite This Article

Çetinkaya, F. F. (2026). THE MEDIATING ROLE OF BURNOUT IN THE EFFECT OF ARTIFICIAL INTELLIGENCE ANXIETY ON TURNOVER INTENTION. Yönetim Bilimleri Dergisi, Cilt: 24 Sayı: 62, 1920–1946. https://doi.org/10.35408/comuybd.1962805

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (76)

  1. Akkaya, B., Özkan, A. ve Özkan, H. (2021). Yapay zekâ kaygı (YZK) ölçeği: Türkçeye uyarlama, geçerlik ve güvenirlik çalışması. Alanya Akademik Bakış, 5(2), 1125-1146.
  2. Altıntaş, M. (2024). Değişim Yorgunluğunun İşten Ayrılma Niyeti Üzerindeki Etkisinde Tükenmişliğin Aracılık Rolü. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 42(2), 189-211. https://doi.org/10.17065/huniibf.1383618
  3. Amiruddin, P. G. T. ve Sriningsih, E. (2021). Determinants of attitudes of computer users: An approach to the technology acceptance model and social cognitive theory. Webology, 18(Special Issue), 92–111.
  4. Azizi, Z., Rezai, A., Namaziandost, E. ve Tilwani, S. A. (2022). The role of computer self-efficacy in high school students’ e-learning anxiety: A mixed methods study. Contemporary Educational Technology, 14(2), ep356. https://doi.org/10.30935/cedtech/11570
  5. Bakker, A. B. ve Demerouti, E. (2017). Job demands–resources theory: Taking stock and looking forward. Journal of Occupational Health Psychology, 22(3), 273–285.
  6. Bingöl, A. (2017). Üniversite öğrencilerinde bilgisayar kaygısı (Gence Devlet Üniversitesi örneği). Gence Devlet Üniversitesi İlmi Eserler Dergisi, 2, 364–372.
  7. Brewer, E. W. ve Shapard, L. (2004). Employee burnout: A meta-analysis of the relationship between age or years of experience. Human Resource Development Review, 3(2), 102–123.
  8. Brougham, D. ve Haar, J. (2018). Smart technology, artificial intelligence, robotics, and algorithms (STARA): Employees’ perceptions of our future workplace. Journal of Management & Organization, 24(2), 239–257.
  9. Choi, W. W. (2017). Teknoloji ve hayatın varlık boyutunda bütünleşmesi. In Teknoloji ve Değerler İçinde (ss. 45–55). İstanbul: İmak.
  10. Chua, S. L., Chen, D.-T. ve Wong, A. F. L. (1999). Computer anxiety and its correlates: A meta-analysis. Computers in Human Behavior, 15, 609–623.
  11. Civelek, M. E. (2009). İnternet çağı dinamikleri. İstanbul: Beta.
  12. Coppin, B. (2004). Artificial intelligence illuminated. Jones and Bartlett Publishers. Coşkun, R., Altunışık, R. ve Yıldırım, E. (2019). Sosyal bilimlerde araştırma yöntemleri. Sakarya: Sakarya Yayıncılık.
  13. Çavuş, H. ve Günbatar, M. S. (2008). Bilgisayar kaygı ölçeğinin Türkçe’ye uyarlama çalışması. Gazi Eğitim Fakültesi Dergisi, 28(3), 147–163.
  14. Demerouti, E., Bakker, A. B., Nachreiner, F. ve Schaufeli, W. B. (2001). The job demands-resources model of burnout. Journal of Applied Psychology, 86(3), 499–512.
  15. Dijkstra, T. K. ve Henseler, J. (2015). Consistent and asymptotically normal PLS estimators for linear structural equations. Computational Statistics & Data Analysis, 81, 10–23.
  16. Dönmez Turan, A. ve Kır, M. (2019). User anxiety as an external variable of technology acceptance model: A meta-analytic study. Procedia Computer Science, 158, 715–724.
  17. Düzyürek, S. ve Ünlüoğlu, G. (1992). Hekimde tükenmişlik (burnout) sendromu. Psikiyatri Bülteni, 1, 108–112.
  18. Elçi, M. ve Karabay Erdilek, M. (2016). İşletmelerde yıldırmaya maruz kalma algısının çalışanların işten ayrılma niyetine ve örgütsel sessizlik davranışlarına etkisi: Hizmet sektörü üzerine bir araştırma. Yönetim ve Ekonomi Araştırmaları Dergisi, 14(1), 125–149.
  19. Ergin, C. (1992). Doktor ve hemşirelerde tükenmişlik ve Maslach tükenmişlik ölçeği’nin uyarlanması. In 7. Ulusal Psikoloji Kongresi Bilimsel Çalışmaları (ss. 143–154).
  20. Fawzy, F. I., Fawzy, N. W. ve Pasnau, R. O. (1991). Burnout in the health professionals. In F. K. Judd, G. D. Burrows ve D. R. Lipsitt (Ed.), Handbook of studies on general hospital psychiatry (s. 119). Amsterdam: Elsevier Science Publishers.
  21. Gherheş, V. (2018). Why are we afraid of artificial intelligence (AI)? European Review of Applied Sociology, 11(17), 6–15.
  22. Gim, G. C., Desa, N. M. ve Ramayah, T. (2015). Competitive psychological climate and turnover intention with the mediating role of affective commitment. Procedia - Social and Behavioral Sciences, 172, 658–665.
  23. Griffeth, R. W., Hom, P. W. ve Gaertner, S. (2000). A meta-analysis of antecedents and correlates of employee turnover: Update, moderator tests, and research implications for the next millennium. Journal of Management, 26(3), 463–488.
  24. Gümrükçü Bilgici, B. ve Ünver, N. (2021). Okul öncesi öğretmen adaylarının eğitimde teknoloji kullanımına yönelik kaygılarının bazı değişkenlere göre incelenmesi. Yaşadıkça Eğitim, 35(2), 580–593.
  25. Gürbüz, S. ve Bekmezci, M. (2012). İnsan kaynakları yönetimi uygulamalarının bilgi işçilerinin işten ayrılma niyetine etkisinde duygusal bağlılığın aracılık ve düzenleyicilik rolü. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 41(2), 189–213.
  26. Ha, J. G., Page, T. ve Thorsteinsson, G. (2011). A study on technophobia and mobile device design. International Journal of Contents, 7(2), 17–25.
  27. Hair, J. F., Hult, G. T. M., Ringle, C. M. ve Sarstedt, M. (2014). A primer on partial least squares structural equation modeling (PLS-SEM). Thousand Oaks, CA: Sage.
  28. Hair, J. F., Hult, G. T. M., Ringle, C. M. ve Sarstedt, M. (2022). A primer on partial least squares structural equation modeling (PLS-SEM) (3rd ed.). Thousand Oaks, CA: Sage.
  29. Halbesleben, J. R. B. ve Buckley, M. R. (2004). Burnout in organizational life. Journal of Management, 30(6), 859–879.
  30. Henseler, J., Ringle, C. M. ve Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135.
  31. Henseler, J., Hubona, G. ve Ray, P. A. (2016). Using PLS path modeling in new technology research: Updated guidelines. Industrial Management & Data Systems, 116(1), 2–20.
  32. Hobfoll, S. E. (1989). Conservation of resources: A new attempt at conceptualizing stress. American Psychologist, 44(3), 513–524.
  33. Hobfoll, S. E., Halbesleben, J., Neveu, J.-P. ve Westman, M. (2018). Conservation of resources in the organizational context: The reality and its consequences. Annual Review of Organizational Psychology and Organizational Behavior, 5, 103–128.
  34. Hu, L. ve Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55.
  35. Hughes, L. W., Avey, J. B. ve Nixon, D. R. (2010). Relationships between leadership and followers’ quitting intentions and job search behaviors. Journal of Leadership & Organizational Studies, 17(4), 351–362.
  36. İşgüzar, S. (2021). Çelik irade: Güven bağlamında yapay zekâ üzerine bir değerlendirme. In A. Karabulut (Ed.), Dijital yozlaşma ve etik. Konya: Literatürk Yayınevi.
  37. Katsarou, E. (2021). The effect of computer anxiety and self-efficacy on L2 learners’ self-perceived digital competence and satisfaction in higher education. Journal of Education & eLearning Research, 8(2), 158–172.
  38. Kaur, B., Mohindru ve Pankaj. (2013). Antecedents of turnover intentions: A literature review. Global Journal of Management & Business Studies, 3(10), 1219–1230.
  39. Khanin, D. (2013). How to reduce turnover intentions in the family business: Managing centripetal and centrifugal forces. Business Horizons, 56, 63–73.
  40. Köroğlu, Ö. ve Bahar, E. (2021). Sağlık kurumlarında çalışan hemşirelerin tükenmişlik algılarının işten ayrılma niyetlerine etkisi. İşletme Araştırmaları Dergisi, 13(4), 3453-3466.
  41. Küsbeci, P. (2021). İşletmelerde yapay zekâ. Ankara: Gazi.
  42. Li, J. J., Bonn, M. A. ve Ye, B. H. (2019). Hotel employee’s artificial intelligence and robotics awareness and its impact on turnover intention: The moderating roles of perceived organizational support and competitive psychological climate. Tourism Management, 73, 172–181.
  43. Manyika, J., Lund, S., Chui, M., Bughin, J., Woetzel, J., Batra, P. ve Sanghvi, S. (2017). Jobs lost, jobs gained: Workforce transitions in a time of automation. San Francisco, CA: McKinsey Global Institute.
  44. Maslach, C. (1982). Burnout: The cost of caring. Englewood Cliffs, NJ: Prentice Hall.
  45. Maslach, C. ve Jackson, S. E. (1986). Maslach burnout inventory manual (2nd ed.). Palo Alto, CA: Consulting Psychologists Press.
  46. Maslach, C., Schaufeli, W. B. ve Leiter, M. P. (2001). Job burnout. Annual Review of Psychology, 52, 397–422.
  47. Mobley, W. H. (1977). Intermediate linkages in the relationship between job satisfaction and employee turnover. Journal of Applied Psychology, 62(2), 237–240.
  48. Mobley, W. H., Horner, S. O. ve Hollingsworth, A. T. (1978). An evaluation of precursors of hospital employee turnover. Journal of Applied Psychology, 63(4), 408–414.
  49. Mulki, J. P., Jaramillo, J. F. ve Locander, W. B. (2008). Effect of ethical climate on turnover intention: Linking attitudinal- and stress theory. Journal of Business Ethics, 78, 559–574.
  50. Ng, T. W. H. ve Feldman, D. C. (2010). The relationships of age with job attitudes: A meta-analysis. Personnel Psychology, 63(3), 677–718.
  51. Nitzl, C., Roldán, J. L. ve Cepeda, G. (2016). Mediation analysis in partial least squares path modeling: Helping researchers discuss more sophisticated models. Industrial Management & Data Systems, 116(9), 1849–1864.
  52. Nohe, C. ve Sonntag, K. (2014). Work-family conflict, social support, and turnover intentions: A longitudinal study. Journal of Vocational Behavior, 85, 1–12.
  53. Onay, M. ve Kılcı, S. (2011). İş stresi ve tükenmişlik duygusunun işten ayrılma niyeti üzerine etkileri: Garsonlar ve aşçibaşilar. Organizasyon ve Yönetim Bilimleri Dergisi, 3(2), 363-372.
  54. Örücü, E. ve Özafşarlıoğlu, S. (2013). Örgütsel adaletin çalışanların işten ayrılma niyetine etkisi: Güney Afrika Cumhuriyeti’nde bir uygulama. Mustafa Kemal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 10(23), 335–358.
  55. Pines, A. M. (2005). The burnout measure short version (BMS). International Journal of Stress Management, 12(1), 78–88.
  56. Preacher, K. J. ve Hayes, A. F. (2004). SPSS and SAS procedures for estimating indirect effects in simple mediation models. Behavior Research Methods, Instruments & Computers, 36, 717–731. https://doi.org/10.3758/BF03206553
  57. Preacher, K. J. ve Hayes, A. F. (2008). Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models. Behavior Research Methods, 40, 879–891. https://doi.org/10.3758/BRM.40.3.879
  58. Rilho, A. M. V. (2019). Nothing to hide, nothing to fear: The moderating effect of fear on AI empowered technology intention of use (Yüksek lisans tezi). ISCTE – University Institute of Lisbon, Lisbon.
  59. Rucker, D. D., Preacher, K. J., Tormala, Z. L. ve Petty, R. E. (2011). Mediation analysis in social psychology: Current practices and new recommendations. Social and Personality Psychology Compass, 5(6), 359–371.
  60. Russ, F. A. ve McNeilly, K. M. (1995). Links among satisfaction, commitment, and turnover intentions: The moderating effect of experience, gender, and performance. Journal of Business Research, 34, 57–65.
  61. Saadé, R. G. ve Kira, D. (2009). Computer anxiety in e-learning: The effect of computer self-efficacy. Journal of Information Technology Education, 8, 177–191.
  62. Shah, M. M., Hassan, R. ve Embi, R. (2012). Computer anxiety: Data analysis. Procedia - Social and Behavioral Sciences, 67, 275–286.
  63. Sivakumaran, T. ve Lux, A. C. (2011). Overcoming computer anxiety: A three-step process for adult learners. US-China Education Review, 1, 155–161.
  64. Şendur, Ş. T. (2021). Lise öğrencilerinin bilgisayara yönelik tutumları ile ebeveyn tutumları arasındaki ilişki (Yüksek lisans tezi). İstanbul Medipol Üniversitesi, Sağlık Bilimleri Enstitüsü.
  65. Tarafdar, M., Tu, Q., Ragu-Nathan, B. S. ve Ragu-Nathan, T. S. (2007). The impact of technostress on role stress and productivity. Journal of Management Information Systems, 24(1), 301–328.
  66. Tekinarslan, E. ve Bıçak, B. (2007). Türkçe’ye uyarlanan bir bilgisayar kaygısı ölçeğinin geçerlik ve güvenirlik çalışması. Abant İzzet Baysal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 2(15), 139–156.
  67. Terzi, R. (2020). An adaptation of artificial intelligence anxiety scale into Turkish: Reliability and validity study. International Online Journal of Education and Teaching, 7(4), 1501–1515.
  68. Tett, R. P. ve Meyer, J. P. (1993). Job satisfaction, organizational commitment, turnover intention, and turnover: Path analyses based on meta-analytic findings. Personnel Psychology, 46, 259–293.
  69. Tugay, B. ve Tugay, R. (2019). Uluslararası sistemin geleceğini yapay zekâ üzerinden analiz etmek. Journal of Academic Value Studies, 5(3), 376–384.
  70. Tümkaya, S., Çam, S. ve Çavuşoğlu, İ. (2009). Tükenmişlik ölçeği kısa versiyonu’nun Türkçe’ye uyarlama, geçerlik ve güvenirlik çalışması. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 18(1), 387–398.
  71. Türkiye İş Kurumu. (2026). İşgücü piyasası araştırması Kırşehir ili 2023 yılı sonuç raporu. Erişim adresi: https://media.iskur.gov.tr/88128/kirsehir.pdf (Erişim tarihi: 10.02.2026).
  72. Wang, Y. Y. ve Wang, Y. S. (2019). Development and validation of an artificial intelligence anxiety scale: An initial application in predicting motivated learning behavior. Interactive Learning Environments, 30(4), 619–634.
  73. Wong, C. A. ve Laschinger, H. K. (2015). The influence of frontline manager job strain on burnout, commitment and turnover intention: A cross-sectional study. International Journal of Nursing Studies, 52, 1824–1833.
  74. Yalçınalp, S. ve Cabı, E. (2015). Eğitim teknolojileri kullanımı kaygı ölçeği (ETKKÖ): Geçerlik ve güvenirlik çalışması. İlköğretim Online, 14(3), 1005–1016. https://doi.org/10.17051/io.2015.50515
  75. Yıldız, E. (2021). SmartPLS ile yapısal eşitlik modellemesi reflektif ve formatif yapılar. Ankara: Seçkin Yayınları.
  76. Zhao, X., Lynch, J. G. ve Chen, Q. (2010). Reconsidering Baron and Kenny: Myths and truths about mediation analysis. Journal of Consumer Research, 37(2), 197–206.