KaydedilenlerDerginizi ekleyin

Dergiler / Mersin Üniversitesi Eğitim Fakültesi Dergisi / 2026 / Cilt: 22 Sayı: 2

Öğretmen Adaylarının Eğitimde Yapay Zekâ Kullanımına Yönelik Hazırbulunuşluk Düzeylerinin İncelenmesi

Examining Pre-Service Teachers’ Readiness Levels for the Use of Artificial Intelligence in Education

Anıl Doğukan Sarıalai(MERSİN ÜNİVERSİTESİ, EĞİTİM FAKÜLTESİ)0000-0002-0496-9404
Tuğba Yanpar Yelken(MERSİN ÜNİVERSİTESİ, EĞİTİM FAKÜLTESİ)0000-0002-0800-4802
Sayfa
411–436
Yayın Tarihi
2026-08-26
🏛️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)

Elde edilen bulgular, öğretmen adaylarının hazırbulunuşluk düzeylerinin genel olarak “orta düzeyde” olduğunu göstermiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu araştırmanın amacı, lisans eğitimini sürdüren öğretmen adaylarının eğitimde yapay zekâ kullanımına yönelik hazırbulunuşluk düzeylerinin incelenmesidir.
📊
Temel Bulgular & Veri:Çalışma grubu, amaçlı örnekleme yöntemlerinden maksimum çeşitlilik yöntemiyle belirlenen ve 2024-2025 eğitim-öğretim yılında bir devlet üniversitesinin eğitim fakültesinde 8 farklı lisans programında öğrenim gören 442 (nicel) ve 16 (nitel) öğretmen adayından oluşmaktadır.
💡
Sonuç & Katkı:Elde edilen bulgular, öğretmen adaylarının hazırbulunuşluk düzeylerinin genel olarak “orta düzeyde” olduğunu göstermiştir.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:2024-2025 Verileri
⚙️Değişkenler:Eğitimde yapay zekâ · yapay zekâ hazırbulunuşluğu · öğretmen adayları

Özet

Bu araştırmanın amacı, lisans eğitimini sürdüren öğretmen adaylarının eğitimde yapay zekâ kullanımına yönelik hazırbulunuşluk düzeylerinin incelenmesidir. Araştırmada karma yöntem desenlerinden yakınsayan paralel (birleştirme) desen kullanılmıştır. Çalışma grubu, amaçlı örnekleme yöntemlerinden maksimum çeşitlilik yöntemiyle belirlenen ve 2024-2025 eğitim-öğretim yılında bir devlet üniversitesinin eğitim fakültesinde 8 farklı lisans programında öğrenim gören 442 (nicel) ve 16 (nitel) öğretmen adayından oluşmaktadır. Nicel veriler “Öğretmen Adaylarına Yönelik Yapay Zekâ Hazırbulunuşluk Ölçeği”, nitel veriler ise yarı yapılandırılmış görüşmelerle eş zamanlı olarak toplanmıştır. Elde edilen bulgular, öğretmen adaylarının hazırbulunuşluk düzeylerinin genel olarak “orta düzeyde” olduğunu göstermiştir. Nitel verilerle de derinlemesine desteklenen bu sonuca göre; adayların yapay zekâyı bireysel ödev ve araştırmalarında faydalı bularak aktif kullandıkları, ancak sınıf içi pedagojik entegrasyon, karmaşık arayüzler ve etik (veri güvenliği, yanlış bilgi) konularda eksiklik ve endişe hissettikleri belirlenmiştir. Nicel analizler sonucunda, hazırbulunuşluk düzeylerinin İngilizce ve Fen Bilgisi branşlarında öğrenim gören ve yüksek akademik ortalamaya (GANO) sahip adaylarda anlamlı derecede daha yüksek olduğu tespit edilmiştir (p<,05). Bu sonuçlar, çalışmanın temel katkısı olarak, öğretmen yetiştirme programlarının yalnızca teknik becerilerle değil; yapay zekâ hazırbulunuşluğu ve etiği temelinde, disiplinlere özgü pedagojik uygulamalarla kapsamlı şekilde güncellenmesi gerektiğine dair kuramsal ve pratik kanıtlar sunmaktadır.

Abstract

The purpose of this study is to examine the readiness levels of pre-service teachers regarding the use of AI in education. The convergent parallel design was employed in the research. The study group consisted of 442 (quantitative) and 16 (qualitative) pre-service teachers studying in 8 different undergraduate programs at a state university's faculty of education during the 2024-2025 academic year, selected through maximum variation sampling. Quantitative data were collected using the “Artificial Intelligence Readiness Scale for Pre-Service Teachers,” while qualitative data were simultaneously gathered via semi-structured interviews. The findings revealed that pre-service teachers' overall readiness levels were “moderate”. Supported by qualitative data, it was determined that although candidates actively use AI for individual assignments and find it beneficial, they feel inadequacies and concerns regarding in-class pedagogical integration, complex interfaces, and ethical issues. Quantitative analyses indicated that readiness levels were significantly higher among candidates studying in English Language Teaching and Science Education departments, as well as those with a high Grade Point Average (GPA) (p<.05). The results provide theoretical and practical evidence that teacher training curricula urgently must be updated not only with technical skills but also with discipline-specific pedagogical applications based on AI readiness.

🔖

Bu Makaleye Atıf Yap

Sarıalai, A. D., Yelken, T. Y. (2026). Öğretmen Adaylarının Eğitimde Yapay Zekâ Kullanımına Yönelik Hazırbulunuşluk Düzeylerinin İncelenmesi. Mersin Üniversitesi Eğitim Fakültesi Dergisi, Cilt: 22 Sayı: 2, 411–436. https://doi.org/10.17860/mersinefd.1909155

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (67)

  1. Ağmaz, R. F., & Ergulec, F. (2024). Öğretmen adaylarının eğitimde yapay zekâ algıları: Bir metafor analizi. Necmettin Erbakan Üniversitesi Ereğli Eğitim Fakültesi Dergisi, 6(2), 589-605. https://izlik.org/JA52MJ25DZ
  2. Altinay, F., Karaatmaca, C., Altinay, Z., & Dagli, G. (2019). Developing at a great pace: Studies on artificial intelligence in higher education. "Carol I" National Defence University, 116-120. https://doi.org/10.12753/2066-026X-19-116
  3. Arı, S. (2024). Sınıf öğretmenlerinin yapay zekâ kaygılarının farklı değişkenler açısından incelenmesi. Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, 14(4), 2393-2405. https://doi.org/10.30783/nevsosbilen.1519636
  4. Arnold, K. E., & Pistilli, M. D. (2012). Course signals at Purdue: Using learning analytics to increase student success. Proceedings of the 2nd International Conference on Learning Analytics and Knowledge (ss. 267-270). ACM. https://doi.org/10.1145/2330601.2330666
  5. Arslan, K. (2020). Eğitimde yapay zekâ ve uygulamaları. Batı Anadolu Eğitim Bilimleri Dergisi, 11(1), 71-88. https://dergipark.org.tr/tr/pub/baebd/issue/55830/761190
  6. Ayanwale, M. A., Frimpong, E. K., Opesemowo, O. A. G. [Eksik yazarları buraya ekleyin]. (2025). Exploring factors that support pre-service teachers’ engagement in learning artificial intelligence. Journal for STEM Education Research, 8, 199–229. https://doi.org/10.1007/s41979-024-00121-4
  7. Banaz, E., & Demirel, O. (2024). Türkçe öğretmen adaylarının yapay zekâ okuryazarlıklarının farklı değişkenlere göre incelenmesi. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi, 60, 1516-1529. https://doi.org/10.53444/deubefd.1461048
  8. Baruffaldi, S. H., Beuzekom, B. V., Dernis, H., Harhoff, D., Rao, N., Rosenfeld, D., & Squicciarini, M. (2020). Identifying and measuring developments in artificial intelligence. OECD. https://doi.org/10.1787/5f65ff7e-en
  9. Bloom, B. S. (1976). Human characteristics and school learning. McGraw-Hill.
  10. Boulay, J. B. (2016). Artificial intelligence as an effective classroom assistant. IEEE Intelligent Systems, 31(6), 76-81. https://doi.org/10.1109/MIS.2016.93
  11. Burchardt, A., & Ebert, J. (2018). Understanding artificial intelligence. Zenodo. https://doi.org/10.5281/zenodo.1211676
  12. Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. IEEE access, 8, 75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510
  13. Cox, A. M., Pinfield, S., & Rutter, S. (2019). The intelligent library: Thought leaders’ views on the likely impact of artificial intelligence on academic libraries. Library Hi Tech, 37(3), 418-435. https://doi.org/10.1108/LHT-08-2018-0105
  14. Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed methods approaches (5th ed.). SAGE Publications.
  15. Creswell, J. W., & Plano Clark, V. L. (2011). Designing and conducting mixed methods research (2nd ed.). Sage Publications.
  16. Çam, M. B., Çelik, N. C., Turan Güntepe, E., & Durukan, Ü. G. (2021). Öğretmen adaylarının yapay zekâ teknolojileri ile ilgili farkındalıklarının belirlenmesi. Hatay Mustafa Kemal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 18(48), 263-285. https://izlik.org/JA54YD38JK
  17. Çetin, M., & Aktaş, A. (2021). Yapay zekâ ve eğitimde gelecek senaryoları. OPUS International Journal of Society Researches, 18(Eğitim Bilimleri Özel Sayısı), 4225-4268. https://doi.org/10.26466/opus.911444
  18. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340. https://doi.org/10.2307/249008
  19. Demir, B., & Beyazhançer, R. (2024). İlköğretim matematik öğretmeni adaylarının yapay zekâ öz-yeterliklerinin bazı değişkenler açısından incelenmesi. International Journal of Social and Humanities Sciences Research (JSHSR), 11(113), 2393–2398. https://doi.org/10.5281/zenodo.14279357
  20. DeVellis, R. F., & Thorpe, C. T. (2021). Scale development: Theory and applications (5th ed.). Sage Publications.
  21. Erdoğdu, F., & Cakir, O. (2024). Öğretmen adaylarının yapay zekâ okuryazarlıklarının ve yapay zekâya ilişkin algılarının belirlenmesi. Uluslararası Türk Kültür Coğrafyasında Sosyal Bilimler Dergisi, 9(2), 63-95. https://izlik.org/JA45XD35SL
  22. Erol, M., & Erol, A. (2024). Use of artificial intelligence (AI) technologies in education according to primary school teachers: Opportunities and challenges. Sakarya University Journal of Education, 14(3), 426-446. https://doi.org/10.19126/suje.1446227
  23. Fakhar, H., Lamrabet, M., Echantoufi, N., El Khattabi, K., & Ajana, L. (2024). Artificial intelligence from teachers’ perspectives and understanding: Moroccan study. International Journal of Information and Education Technology, 14(6), 856-864. https://doi.org/10.18178/ijiet.2024.14.6.2111
  24. Field, A. (2013). Discovering statistics using IBM SPSS statistics (4th ed.). SAGE Publications.
  25. Fraenkel, J. R., Wallen, N. E., & Hyun, H. H. (2012). How to design and evaluate research in education (8th ed.). McGraw-Hill.
  26. Gagné, E. D. (1985). The cognitive psychology of school learning. Little, Brown and Company.
  27. Goel, A. K., & Polepeddi, L. (2016). Jill Watson: A virtual teaching assistant for online education [Technical Report]. Georgia Institute of Technology.
  28. Güven, A. (2024). Yapay zekâ uygulamalarının kamu yönetimindeki rolü ve önemi. Enderun, 8(2), 127-151. https://doi.org/10.59274/enderun.1524152
  29. Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
  30. Hu, B., Tunison, P., Vasu, B., Menon, N., Collins, R., & Hoogs, A. (2021). The explainable AI toolkit. Applied AI Letters, 2(4), Article 40. https://doi.org/10.1002/ail2.40
  31. İncemen, S., & Öztürk, G. (2024). Farklı eğitim alanlarında yapay zekâ: Uygulama örnekleri. International Journal of Computers in Education, 7(1), 27-49. https://izlik.org/JA26NY52CZ
  32. İşler, B., & Kılıç, M. (2021). Eğitimde yapay zekâ kullanımı ve gelişimi. Yeni Medya Elektronik Dergisi, 5(1), 1-11. https://doi.org/10.17932/IAU.EJNM.25480200.2021/ejnm_v5i1001
  33. Karaca, M. (2023). Yapay zekâ tabanlı stratejik afet yönetimi: Verilerin tam kullanımı. Afet ve Risk Dergisi, 6(4), 1312-1331. https://doi.org/10.35341/afet.1324323
  34. Karaca, O., Çalışkan, S. A., & Demir, K. (2021). Medical artificial intelligence readiness scale for medical students (MAIRS-MS)–development, validity and reliability study. BMC Medical Education, 21, 1-9. https://doi.org/10.1186/s12909-021-02546-6
  35. Kline, R. B. (2015). Principles and practice of structural equation modeling (4th ed.). Guilford Publications.
  36. Koedinger, K. R., & Corbett, A. T. (2006). Cognitive tutors: Technology bringing learning sciences to the classroom. R. K. Sawyer (Ed.), The Cambridge handbook of the learning sciences (ss. 61-77) içinde. Cambridge University Press.
  37. LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521, 436-444. https://doi.org/10.1038/nature14539
  38. Liang, G. (2022). Research on SPOC-based effective teaching by artificial intelligence technology. 2022 2nd International Conference on Social Sciences and Intelligence Management (SSIM), 99-103. https://doi.org/10.1109/SSIM55504.2022.10047942.
  39. Lucas, M., Zhang, Y., Bem-Haja, P., & Vicente, P. (2024). The interplay between teachers' trust in artificial intelligence and digital competence. Education and Information Technologies, 29, 22991-23010. https://doi.org/10.1007/s10639-024-12772-2
  40. Luger, G. (2005). Artificial intelligence: Structures and strategies for complex problem solving. Pearson Press.
  41. Mart, M., & Kaya, G. (2024). Okul öncesi öğretmen adaylarının yapay zekâya yönelik tutumları ve yapay zekâ okur yazarlığı arasındaki ilişkinin incelenmesi. Edutech Research, 2(1), 91-109. https://edutechres.com/tr-tr/makale-detay/okul-oncesi-ogretmen-adaylarinin-yapay-zekâya-yonelik-tutumlari-ve-yapay-zekâ-okur-yazarligi-arasindaki-iliskinin-incelenmesi/
  42. McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal for the Dartmouth summer research project on artificial intelligence, August 31, 1955. AI Magazine, 27(4), 12. https://doi.org/10.1609/aimag.v27i4.1904
  43. Miles, M. B., & Huberman, A. M. (1994). Qualitative data analysis: An expanded sourcebook (2nd ed.). Sage.
  44. Millî Eğitim Bakanlığı Yenilik ve Eğitim Teknolojileri Genel Müdürlüğü. (2024). Eğitimde Yapay Zekâ Uygulamaları Uluslararası Forumu Raporu. https://yegitek.meb.gov.tr/www/egitimde-yapay-zek-uygulamalari-uluslararasi-forumu-raporu-yayimlandi/icerik/3699
  45. Oruç, T., Yeşilyurt, M., & Kurt, M. (2024). Eğitimde yapay zekâ konulu çalışmaların betimsel analizi. Temel Eğitim, 6(24), 44-60. https://izlik.org/JA37CX58TW
  46. Özüdoğru, G., & Yildiz Durak, H. (2024, 11-13 Temmuz). Turkish adaptation of the AI readiness scale for preservice teachers [Bildiri sunumu]. 10. Uluslararası New York Sosyal, Beşeri, İdari ve Eğitim Bilimlerinde Akademik Çalışmalar Kongresi, New York.
  47. Pallant, J. (2020). SPSS survival manual: A step by step guide to data analysis using IBM SPSS (7th ed.). Routledge.
  48. Pane, J. F., Steiner, E. D., Baird, M. D., & Hamilton, L. S. (2015). Continued progress: Promising evidence on personalized learning. RAND Corporation.
  49. Parasuraman, A. (2000). Technology readiness index (TRI): A multiple-item scale to measure readiness to embrace new technologies. Journal of Service Research, 2(4), 307-320. https://doi.org/10.1177/109467050024001
  50. Piaget, J. (1970). Science of education and the psychology of the child. Orion Press.
  51. Russell, S. J., & Norvig, P. (2020). Artificial intelligence: A modern approach (4th ed.). Pearson.
  52. Sarıkaya, B., & Kavan, N. (2024). Türkçe öğretmeni adaylarının yapay zekâya yönelik tutumlarının incelenmesi. Elektronik Eğitim Bilimleri Dergisi, 13(26), 191-203. https://doi.org/10.55605/ejedus.1550010
  53. Schermelleh-Engel, K., Moosbrugger, H., & Müller, H. (2003). Evaluating the fit of structural equation models: Tests of significance and descriptive goodness-of-fit measures. Methods of Psychological Research Online, 8(2), 23-74. https://psycnet.apa.org/record/2003-08119-003
  54. Seyrek, M., Yıldız, S., Emeksiz, H., Şahin, A., & Türkmen, M. T. (2024). Öğretmenlerin eğitimde yapay zekâ kullanımına yönelik algıları. International Journal of Social and Humanities Sciences Research (JSHSR), 11(106), 845-856. https://doi.org/10.5281/zenodo.11113077
  55. Sun, Z., Anbarasan, M., & Kumar, D. P. (2020). Design of online intelligent English teaching platform based on artificial intelligence techniques. Computational Intelligence, 37, 1166-1180. https://doi.org/10.1111/coin.12351
  56. Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257-285. https://doi.org/10.1207/s15516709cog1202_4
  57. Şanlı, A., Ateş, E., Bayburtlu, N., Bektaş, M., & Özdemir, K. (2023). Yapay zekâ kullanımında öğretmen eğilimleri. International Journal of Social Sciences, 7(28), 206-222. https://doi.org/10.52096/usbd.7.28.15
  58. Tabachnick, B. G., & Fidell, L. S. (2013). Using multivariate statistics (6th ed.). Pearson.
  59. Tapalova, O., Zhiyenbayeva, N., & Gura, D. (2022). Artificial intelligence in education: AIEd for personalised learning pathways. Electronic Journal of e-Learning, 20(5), 2597. https://doi.org/10.34190/ejel.20.5.2597
  60. Uzun, E. (2025). Investigation of artificial intelligence awareness among pre-service teachers with cluster analysis. Mersin Üniversitesi Eğitim Fakültesi Dergisi, 21(1), 280-294. https://doi.org/10.17860/mersinefd.1583282
  61. Ünal, H. (2025). Öğretmenlerin yapay zekâ farkındalık düzeyleri [Yayımlanmamış Tezsiz yüksek lisans projesi, Pamukkale Üniversitesi]. Pamukkale Üniversitesi Kurumsal Akademik Arşivi. https://hdl.handle.net/11499/58834
  62. VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychologist, 46(4), 197-221. https://doi.org/10.1080/00461520.2011.611369
  63. Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425-478. https://doi.org/10.2307/30036540
  64. Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
  65. Wang, X., Li, L., Tan, S. C., Yang, L., & Lei, J. (2023). Preparing for AI-enhanced education: Conceptualizing and empirically examining teachers’ AI readiness. Computers in Human Behavior, 146, 107798. https://doi.org/10.1016/j.chb.2023.107798
  66. Yalçın, A. (2024). Türkiye’de kamu kurumlarının toplum için geliştirdiği yapay zekâ uygulamaları. İstanbul Aydın Üniversitesi Sosyal Bilimler Dergisi, 16(2), 185-215. https://izlik.org/JA64TY98KH Yıldırım, A., & Şimşek, H. (2011). Sosyal bilimlerde nitel araştırma yöntemleri (6. baskı). Seçkin Yayıncılık.
  67. Yue, M., Jong, M. S. Y., & Ng, D. T. K. (2024). Understanding K–12 teachers’ technological pedagogical content knowledge readiness and attitudes toward artificial intelligence education. Education and Information Technologies, 29, 19505–19536. https://doi.org/10.1007/s10639-024-12621-2