KaydedilenlerDerginizi ekleyin

Dergiler / Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi / 2026 / Sayı: YZ (AI) ve Gelecek Perspektifler Özel Sayı

Yapay zekâ destekli görsel materyal tasarımına yönelik öğretmen adaylarının tutum ve yetkinlikleri

AI-supported visual material design: Attitudes and competencies of prospective teachers

Seda Nayir(AYDIN ADNAN MENDERES ÜNİVERSİTESİ, SOSYAL BİLİMLER ENSTİTÜSÜ, BİLGİSAYAR VE ÖĞRETİM TEKNOLOJİLERİ EĞİTİMİ (YL) (TEZLİ))0009-0007-8253-5146
Fulya Torun(AYDIN ADNAN MENDERES ÜNİVERSİTESİ, EĞİTİM FAKÜLTESİ, BİLGİSAYAR VE ÖĞRETİM TEKNOLOJİLERİ EĞİTİMİ BÖLÜMÜ, BİLGİSAYAR VE ÖĞRETİM TEKNOLOJİLERİ ÖĞRETMENLİĞİ PR.)0000-0001-6942-888X
Sayfa
207–228
Yayın Tarihi
2025-12-07
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Nitel bulgulara göre öğretmen adayları yapay zekâ araçlarının pratiklik, zaman tasarrufu ve kalite artışı sağladığını; mesleki gelişime katkı sunduğunu belirtmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Eş zamanlı karma yöntem deseninin benimsendiği bu araştırmada; öğretmen adaylarının yapay zekâ destekli görsel materyal tasarımına yönelik tutum ve yetkinlik düzeyleri ile görüş ve önerilerinin incelenmesi amaçlanmış, bu doğrultuda veri toplamak için anket ve yarı yapılandırılmış görüşme formu oluşturulmuştur.
📊
Temel Bulgular & Veri:Araştırma kapsamında katılımcı olarak yer alan 325 öğretmen adayı anketleri yanıtlamış, 32 öğretmen adayı ile ise görüşme gerçekleştirilmiştir.
💡
Sonuç & Katkı:Nitel bulgulara göre öğretmen adayları yapay zekâ araçlarının pratiklik, zaman tasarrufu ve kalite artışı sağladığını; mesleki gelişime katkı sunduğunu belirtmiştir.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Yapay zeka · Öğretmen adayı · Görsel materyal

Özet

Eş zamanlı karma yöntem deseninin benimsendiği bu araştırmada; öğretmen adaylarının yapay zekâ destekli görsel materyal tasarımına yönelik tutum ve yetkinlik düzeyleri ile görüş ve önerilerinin incelenmesi amaçlanmış, bu doğrultuda veri toplamak için anket ve yarı yapılandırılmış görüşme formu oluşturulmuştur. Araştırma kapsamında katılımcı olarak yer alan 325 öğretmen adayı anketleri yanıtlamış, 32 öğretmen adayı ile ise görüşme gerçekleştirilmiştir. Elde edilen sonuçlara göre öğretmen adaylarının tutum ve yetkinlik puanları arasında tutumları lehine anlamlı fark bulunmuştur. Bunun yanı sıra tutum ve yetkinlik puanları arasında pozitif yönde anlamlı bir ilişki olduğu belirlenmiştir. Görsel tasarım ve yapay zekâ eğitimine katılan, yapay zekâ ile ödev yapma ve materyal üretme deneyimi olan öğretmen adaylarının tutum ve yetkinlik düzeyleri de anlamlı düzeyde yüksek bulunmuştur. Nitel bulgulara göre öğretmen adayları yapay zekâ araçlarının pratiklik, zaman tasarrufu ve kalite artışı sağladığını; mesleki gelişime katkı sunduğunu belirtmiştir. Ancak bazı adaylar, yapay zekânın etik sorunlara ve mesleki körelmeye yol açtığı eleştirilerinde bulunmuştur. Öğretmen adaylarının olumlu tutuma rağmen yetkinlik düzeyi düşüktür.

Abstract

In this study, which adopted a simultaneous mixed-methods design, the aim was to examine prospective teachers' attitudes and competency levels toward AI-supported visual material design, as well as their opinions and suggestions. To collect data in this regard, a questionnaire and a semi-structured interview form were developed. Within the scope of the research, 325 prospective teachers participated by responding to the questionnaires, and interviews were conducted with 32 prospective teachers. According to the results obtained, a significant difference was found between the attitudes and competency scores of prospective teachers in favor of their attitudes. In addition, a positive and significant relationship was determined between attitude and competency scores. Prospective teachers who participated in visual design and AI training and had experience in doing homework and producing materials with AI were also found to have significantly higher levels of attitude and competence. According to the qualitative findings, prospective teachers stated that AI tools provided practicality, time savings, and quality improvement and contributed to professional development. However, some candidates have criticized AI for causing ethical issues and professional stagnation. Despite the positive attitude of prospective teachers, the level of competency is low.

🔖

Bu Makaleye Atıf Yap

Nayir, S., Torun, F. (2025). Yapay zekâ destekli görsel materyal tasarımına yönelik öğretmen adaylarının tutum ve yetkinlikleri. Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, Sayı: YZ (AI) ve Gelecek Perspektifler Özel Sayı, 207–228. https://doi.org/10.30783/nevsosbilen.1769493

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (41)

  1. Akkoyunlu, B., & İmer, G. (1998). Türkiye'de eğitim teknolojisinin görünümü. İçinde B. Özer (Ed.), Çağdaş eğitimde yeni teknolojiler (s. 159-177). Anadolu Üniversitesi Açıköğretim Fakültesi Yayınları.
  2. Akyazı, A. (2018). Gazetecilikte dijitalleşme ve haber üretimine yansıması: Robot gazeteciler. İçinde O. Uçak (Ed), Dijital medya ve gazetecilik (s. 15-30). Eğitim Yayınevi.
  3. Alejandro, I. M. V., Sanchez, J. M. P., Sumalinog, G. G., Mananay, J. A., Goles, C. E., & Fernandez, C. B. (2024). Pre-service teachers’ technology acceptance of artificial intelligence (AI) applications in education. STEM Education, 4(4), 445-465. https://doi.org/10.3934/steme.2024024
  4. Alım, M. (2007). The importance of teaching technologies and material development course and suggestion on the teaching process. Eastern Geographical Review, 12(17), 243-262.
  5. Arslan, K. (2020). Eğitimde yapay zekâ ve uygulamaları. Batı Anadolu Eğitim Bilimleri Dergisi, 11(1), 71-88.
  6. Aslan Öztezcan, B. (2024). Dijitalleşme ve eğitim. İçinde Z. Özkeçeci (Ed.), Dijitalleşmeyi Tartışmak (s. 17-38). Çizgi Kitapevi. https://www.cizgikitabevi.com/kitap/1931-dijitallesmeyi-tartismak
  7. Avcı, E. (2024). Üretken yapay zekâ ve prompt mühendisliği. Seçkin Yayıncılık.
  8. Berndt, A. (2020). Research methodology: Planning, conducting and presenting research. Pearson Education.
  9. Chenqi, L., Guoqing, L., & Xiangchun, H. (2023, December). Measuring artificial intelligence literacy of pre-service teachers at a university in Northwest China. İçinde 2023 Twelfth International Conference of Educational Innovation through Technology (EITT) (s. 100-105). IEEE. https://doi.org/10.1109/EITT61659.2023.00027
  10. Cho, W., & Kim, J. (2025). The effects of an AI education competency enhancement program utilizing humanoid robots on pre-service childcare teachers' technology acceptance intention and digital literacy. The Korean Journal of the Human Development, 2025(03), 47-58. https://doi.org/10.1007/s10639-023-11724-6
  11. Chou, C., Shen, T., Shen, T., Shen, C., & Liu, T. (2023). Promoting pre-service teachers’ AI-supported application of self-efficacy. 2023 IEEE 3rd International Conference on Software Engineering and Artificial Intelligence (SEAI), 261-265. https://doi.org/10.1109/SEAI59139.2023.10217712
  12. Creswell, J. W., & Clark, V. L. P. (2017). Designing and conducting mixed methods research. Sage publications.
  13. Delcker, J., Heil, J., & Ifenthaler, D. (2025). Evidence-based development of an instrument for the assessment of teachers’ self-perceptions of their artificial intelligence competence. Educational Technology Research and Development, 73(1), 115-133. https://doi.org/ 10.1007/s11423-024-10418-1
  14. Devika, K. H. (2025). AI & Teachers: Partners in education, not replacements. International Journal of Latest Technology in Engineering, Management & Applied Science, 14(4), 678-681. https://doi.org/10.51583/IJLTEMAS.2025.140400077
  15. Eltahir, M. E., & Babiker, F. M. E. (2024). The influence of artificial intelligence tools on student performance in e-learning environments: Case study. Electronic Journal of E-Learning, 22(9), 91-110. https://doi.org/10.34190/ejel.22.9.3639
  16. Erdoğan, M. (2017). Sıfırıncı yasa. Muhasebe Bilim Dünyası Dergisi, 19(3), 746-759.
  17. Ertmer, P. A., & Ottenbreit-Leftwich, A. T. (2010). Teacher technology change: How knowledge, confidence, beliefs, and culture intersect. Journal of research on Technology in Education, 42(3), 255-284. https://doi.org/10.1080/15391523.2010.10782551
  18. Fullan, M., & Langworthy, M. (2014). A rich seam: How new pedagogies find deep learning. ISTE. Pearson. Gökçe, N. (2009). Genel fiziki coğrafya dersinde öğretim materyali hazırlama projesi. Marmara Coğrafya Dergisi, (20), 20-41.
  19. Guan, L., Zhang, Y., & Gu, M. M. (2025). Pre-service teachers preparedness for AI-integrated education: An investigation from perceptions, capabilities, and teachers’ identity changes. Computers and Education: Artificial Intelligence, 8, 100341. https://doi.org/10.1016/j.caeai.2024.100341
  20. Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education promises and implications for teaching and learning. Center for Curriculum Redesign.
  21. Huang, S., Fan, J., & Lu, Q. (2025). Exploring the role of generative AI in advancing pre-service teachers' digital literacy through educational technology courses. Journal of Education and Educational Research, 12(1). https://doi.org/10.54097/7a1sv647
  22. Lu, J., Zheng, R., Gong, Z., & Xu, H. (2024). Supporting teachers’ professional development with generative AI: The effects on higher order thinking and self-efficacy. IEEE Transactions on Learning Technologies, 17, 1267-1277. https://doi.org/10.1109/TLT.2024.3369690
  23. Luckin, R., & Holmes, W. (2016). Intelligence unleashed: An argument for AI in education. Karaman, S., & Aydın, M. (2020). Dijital dönüşüm. Yükseköğretimde Dijital Dönüşüm. Pegem Akademi Yayıncılık. 9786257052092
  24. Mayer, R. E. (2014). The Cambridge Handbook of Multimedia Learning (2nd ed.). Cambridge University Press.
  25. Miles, M. B., & Huberman, A. M. (1994). Qualitative data analysis: An expanded sourcebook (2nd ed.). Sage.
  26. Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017-1054.
  27. Moylan, R., Code, J., & O'Brien, H. (2025). Teaching and AI in the postdigital age: Learning from teachers’ perspectives. Teaching and Teacher Education, 153, 104851. https://doi.org/10.1016/j.tate.2024.104851
  28. Oruç, T., Yeşilyurt, M., & Kurt, M. (2024). Eğitimde yapay zekâ konulu çalışmaların betimsel analizi. Temel Eğitim Dergisi, (24), 44-60.
  29. Özdamlı, F., & Uzunboylu, H. (2008). Öğretmen adaylarının teknoloji destekli işbirlikli öğrenme ortamına yönelik tutumları. Cypriot Journal of Educatıonal Sciences, 5, 28-36.
  30. Relator, A. A. A., Arguelles, A. F. P., Quizada, K. D., Toscano, J. C. N., & Protacio, A. V. (2025). Awareness and acceptance of artificial intelligence among English pre-service teachers in a state tertiary school. International Journal of English Literature and Social Sciences, 10(3), 617463. https://doi.org/10.22161/ijels
  31. Runge, I., Hebibi, F., & Lazarides, R. (2025). Acceptance of pre-service teachers towards artificial intelligence (AI): The role of AI-related teacher training courses and AI-TPACK within the technology acceptance model. Education Sciences, 15(2), 167. https://doi.org/10.3390/educsci15020167
  32. Senemoğlu, N. (2007). Gelişim, öğrenme ve öğretim. Kuramdan uygulamaya. Gönül Yayıncılık.
  33. Sharma, R. (2024). Teacher training and professional development with utilisation of AI. Paripex Indian Journal of Research, 13(6), 6-8. https://doi.org/10.36106/paripex/9703972
  34. Shin, K., & Lee, K. (2024). Development and implementation of an educational program to enhance AI convergence education competencies for pre-service home economics teachers. Korean Home Economics Education Association, 2024(12), 135-150.
  35. Tabachnick, B. G., & Fidell, L. S. (2013). Using Multivariate Statistics (6th ed.). Pearson.
  36. Temur, S. (2025). 2000-2024 Yılları arasında eğitim alanında yapılan yapay zekâ konulu lisansüstü çalışmaların incelenmesi. Buca Eğitim Fakültesi Dergisi, (63), 1181-1218. https://doi.org/10.53444/deubefd.1600146
  37. Tondeur, J., Van Braak, J., Sang, G., Voogt, J., Fisser, P., & Ottenbreit-Leftwich, A. (2012). Preparing pre-service teachers to integrate technology in education: A synthesis of qualitative evidence. Computers & Education, 59(1), 134-144. https://doi.org/10.1016/j.compedu.2011.10.009
  38. Turner, D. W. (2020). Sampling methods in qualitative research: enhancing the quality of research findings. The Qualitative Report, 25(3), 682–688.
  39. Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186-204. https://doi.org/ 10.1287/mnsc.46.2.186.11926 Younis, B. (2025). The artificial intelligence literacy (AIL) scale for teachers: A tool for enhancing AI education. Journal of Digital Learning in Teacher Education, 41(1), 37-56. https://doi.org/ 10.1080/21532974.2024.2441682
  40. Zhang, C., Hu, M., Wu, W., Kamran, F., & Wang, X. (2025). Unpacking perceived risks and AI trust influences pre-service teachers’ AI acceptance: A structural equation modeling-based multi-group analysis.Education and Information Technologies, 30(2), 2645-2672. https://doi.org/10.1007/s10639-024-12905-7
  41. Zhang, J., & Zhang, Z. (2024). AI in teacher education: Unlocking new dimensions in teaching support, inclusive learning, and digital literacy. Journal of Computer Assisted Learning, 40(4), 1871-1885. https://doi.org/ 10.1111/jcal.12988